Anda di halaman 1dari 149

STATISTIK

MAGISTER MANAJEMEN
Universitas Putra Indonesia YPTK
Dosen : Jhon Veri
email : jhon080771@yahoo.co.id

Statistik mm

RUANG LINGKUP ILMU


STATISTIKA
Pengertian
Ilmu Statistik
Statistik adalah metode, ilmu dan seni yang
dipergunakan untuk (atau mempelajari tentang)
pengumpulan
data,
analisis
data
dan
interpretasi
hasil
analisis
serta
mempergunakannya untuk maksud-maksud
peramalan.
Atau, dapat pula dinyatakan bahwa statistik
merupakan studi tentang informasi (keterangan)
dengan menggunakan metodologi dan teknikteknik
perhitungan
untuk
menyelesaikan
permasalahan-permasalahan
praktis
yang
muncul di berbagai bidang.
Statistik mm

Pembagian Ilmu Statistik


Pokok pembahasan statistik pada hakikatnya
mencangkup kegiatan-kegiatan, serta hasil-hasil
yang sangat beraneka ragam. Mereka yang
berkecimpung dibidang statistika biasanya
memaklumi kenyataan bahwa disiplin ini terbagi
atas dua golongan besar, yakni :

Statistika deskriptif
Berkaitan dengan kegiatan pencatatan dan peringkasan
hasil-hasil pengamatan terhadap kejadian - kejadian
atau karakteristik-karakteristik manusia, tempat dan
sebagainya secara kuantitatif. Catatan-catatan
mengenai jumlah kelahiran, kematian dan perkawinan
per tahun disebut statistik. Demikian pula deskripsi
mengenai usia, tingkat pendidikan serta komposisi etnik
penduduk yang tinggal disuatu daerah.
Statistik mm

Statistika inferensial
Adalah statistika yang menyangkut
kegiatan perkiraan, peramalan,
penarikan kesimpulan dari faktafakta tersebut diatas serta
pengambilan keputusan berdasarkan
fakta-fakta dan sebagainya.

Statistik mm

Ruang lingkup statistika inferensial


terbagi atas:
Statistika Parametrik
Prosedur-prosedur statistika parametrik ini
mencangkup uji-uji yang berlandaskan
distribusi
t-Student,
analisis
varians,
analisis korelasi dan analisis regresi. Salah
satu karakteristik prosedur-prosedur ini
adalah bahwa kelayakan penggunaanya
untuk
maksud-maksud
inferensi
(penyimpulan) bergantung pada asumsiasumsi tertentu.
Statistik mm

Statistika Non parametrik


Karena populasi-populasi yang kita kaji tidak selalu
memenuhi asumsi-asumsi yang mendasari uji-uji
parametrik, kita kerap kali membutuhkan prosedurprosedur inferensial yang shahih (valid) yang tidak
bergantung pada asumsi-asumsi yang kaku. Dalam
banyak hal prosedur non parametrik memenuhi
kebutuhan ini karena tetap shahih meski hanya
berlandaskan asumsi-asumsi yanng sangat umum.
Berdasarkan kesepakatan, dua tipe utama prosedur
statistik yang dianggap non parametrik adalah: (1)
prosedur-prosedur nonparametrik murni dan (2)
prosedur-prosedurnya bebas distribusi. Secara
ringkas, dapat dikatakan bahwa prosedur-prosedur
nonparametrik
tidak
berkepentingan
dengan
parameter-parameter populasi.
Statistik mm

Pengertian Data
Data : sesuatu yang diketahui atau
dianggap, berarti data dapat memberikan
gambaran tentang sesuatu keadaan atau
persoalan. Pada umumnya data tentang
sesuatu dikaitkan dengan tempat dan
waktu.
Dalam arti sempit statistik merupakan
data ringkasan berbentuk angka, misalnya
:
jumlah
rata-rata,persentase,
dan
berbagai nilai koefisien.
Statistik mm

Contoh data statistik :

Untuk perusahaan :
Negara :
Perguruan Tinggi

Statistik mm

Kegunaan Data
Kegunaan data pada dasarnya untuk
membuat keputusan oleh para
pembuat
keputusan
(decision
makers) / pimpinan.
Makin tinggi jabatan seseorang maka
makin besar tanggung jawabnya,
oleh sebab itu makin besar / luas
keputusan yang diambilnya.
Statistik mm

Peranan Statistik / Data


Dalam arti sempit data berperan didalam
penelitian sebagai alat untuk mengenali
masalah / problem (problem identification)
Contoh : masalah dalam bisnis : penjualan
yang menurun
Dalam arti luas, statistik merupakan ilmu
yang
mempelajari
cara
pengumpulan,
pengolahan, penyajian dan analisis data
termasuk
cara
pengambilan
kesimpulan
dengan
memperhitungkan
unsur
ketidakpastian (un centainty) berdasarkan
konsep probability.
Statistik mm

10

Beberapa istilah dalam statistik


elemen
Populasi ( = N )

Sampel ( = n )

Statistik mm

11

Elemen ( unit sampling / unit analysis )

Sesuatu
yang
menjadi
objek
penelitian
(pengumpulan
data
/
pemeriksaan
/
pengontrolan
/
pemantauan / studi )
Misal :
Orang (nasabah, pasien, penumpang
dll)
Unit organisasi ( perusahaan, pasar,
universitas dll)
Statistik mm

12

Karakteristik / Atribut
Sifat/ ciri/ hal-hal
elemen
(semua
mengenai elemen)

yang dimiliki
keterangan

Orang : nasabah, pasien, penumpang,


dll
Perusahaan
:
jumlah
karyawan,
produksi, dll

Statistik mm

13

Variabel (=X)
Terbayang angka yang berbeda-beda
Sesuatu
yang
nilainya
berubah-ubah
menurut waktu atau berbeda menurut
tempat/elemen.
Nilai
karakteristik
merupakan variabel biasanya diberi simbol
huruf X
Contoh :
Nasabah bank (penabung)
X = pendapatan, tabungan, lapangan
pekerjaan
Statistik mm

14

Populasi (=N)
Kumpulan lengkap dari seluruh elemen
yang
sejenis
akan
tetapi
dapat
dibedakan karena karakteristiknya.
Contoh :
Seluruh nasabah bank Bukopin cabang
Padang
Seluruh
mahasiswa
MM
UPI-YPTK
Padang
Sampel (=n)
Sebagian dari populasi
Statistik mm

15

Sensus (=parameter)
Cara
pengumpulan
data
kalau
seluruh elemen populasi diteliti satu
persatu hasilnya merupakan data
sebenarnya yang disebut parameter.
Sampling
Teknik / cara pengumpulan data
kalau hanya elemen sampel yang
diteliti

Statistik mm

16

Sampling Error (= estimate parameter)

Kesalahan yang terjadi pada data


perkiraan disebabkan penelitian
yang tidak menyeluruh (hanya
meneliti elemen sampel)

Statistik mm

17

Skala Pengukuran
Skala nominal
Skala ini merupakan skala yang
paling sederhana diantara keempat
skala pengukuran lainnya. Sesuai
dengan namanya, skala nominal
menggunakan angka-angka untuk
mengklasifikasikan objek. Misal: jenis
kelamin (1=laki=laki, 2=perempuan)
dan sebagainya.
Statistik mm

18

Skala Pengukuran (lanjutan)


Skala ordinal
Pengukuran ordinal (tingkatan)
memungkinkan segala sesuatu disusun
menurut peringkatnya masing-masing.
Angka-angka yang digunakan selain
menunjukkan nama obyek juga
menunjukkan adanya urutan berdasarkan
kriteria tertentu. Misal: Kapten> Sersan>
Kopral. (Atau pertama, kedua, ketiga, ,
dst)
Statistik mm

19

Skala Pengukuran (lanjutan)


Skala interval
Skala data yang mempunyai sifat skala ordinal,
disamping itu jarak antara dua angka pada skala
itu diketahui ukurannya. Misal: penentuan suhu
dengan skala Celcius dan Fahreinheit. Penentuan
suhu 0o bersifat tidak mutlak, karena ditentukan
oleh derajat definisi bukan oleh tidak adanya
panas.
Celcius 0
10 30 100
Fahrenheit 32 50 86 212

Statistik mm

20

Skala Pengukuran (lanjutan)


Skala rasio
skala dengan tingkat pengukuran paling
tinggi. Data rasio adalah data
sesungguhnya. Perbedaan dengan data
interval adalah bahwa data rasio
mempunyai titik nol dalam arti
sesungguhnya. Contoh: kita dapat
mengatakan bahwa seseorang yang
beratnya 90 kg memiliki kelebihan berat
30 kg dibanding yang beratnya 60 kg.
Statistik mm

21

Rata-rata Hitung (Mean)


Jika terdapat data x1, x2, ..xn
maka nilai rata-rata hitungnya adalah :

x = (x1+ x2+ .. + xn ) / n
1
xi

=
Dimana :

n = banyaknya data
Statistik mm

22

Rata-rata Hitung (Mean)


Untuk data yang dikelompokkan :

f x

x
f
i

Dimana :
Xi = nilai tengah kelas ke-i
fi = frekuensi kelas ke-i
k = jumlah kelas

Statistik mm

23

Beberapa sifat/ciri rata-rata hitung

:
) = 0 ; Jumlah deviasi atau selisih dari suatu

1. ( Xi Xbar
kelompok nilai terhadap rata-ratanya sama dengan nol.
2. (Xi k)2 (Xi-Xbar)2 ; Jumlah deviasi kuadrat dari suatu
kelompok nilai terhadap suatu nilai k, akan minimum
(terkecil) kalau k = Xbar
3. Kalau ada kelompok nilai :
f1X1 ; f2X2;f3X3;fkXk
X = f .X = f .X + f .X + + f .X + .. + f .X
i
i
1
1
2
2
i
i
k
k
fi
f1 + f2 + + fi + + fk
4. Jika; k sebarang nilai yang merupakan rata-rata
asumsi/anggapan
di = deviasi atau selisih Xi terhadap k ( di = Xi k; i = 1,2,3,
,n)
rumus rata-rata :
a. Xbar = k + di/n, sebagai pengganti Xbar = Xi/n
b. Xbar = k + fi.di / fi , sebagai pengganti Xbar = fi.Xi / fi
c. Xbar = k + c { fi.Ui / fi }
c = kelas interval
mm
Ui = di / c ( 0, 1, 2,Statistik
3 dst)

24

UKURAN PENYEBARAN
1. Ragam = Varians (Variance) dan Simpangan Baku = Standar Deviasi
(Standard Deviation)
a.Ragam dan Simpangan Baku untuk Ungrouped Data
POPULASI :
N

2
(
x

)
i
i 1

atau

dan

i 1

i 1

N xi 2 ( xi ) 2
N2


Statistik mm

2
25

SAMPEL :
n

(x

i 1

s
2

xi :

:
x:
:
:
N:

x)

i 1

atau

n 1
n

n xi ( xi )
2

i 1

n( n 1)

data ke-i
rata-rata populasi
rata-rata sampel
ragam populasi
simpangan baku populasi
ukuran populasi

dan

s:
s:
n:
Statistik mm

s s

ragam sampel
simpangan baku sampel
ukuran sampel
26

Ragam dan Simpangan Baku untuk Grouped D


POPULASI :

i 1

( xi )

dan

SAMPEL :
k

s
2

f
i 1

( xi x )

n 1
Statistik mm

dan

27

Dimana :
Xi : Titik Tengah Kelas ke-i
fi :
k :

frekuensi kelas ke-i


banyak kelas

x:

:
:
s:
:
s:
N:
n:

rata-rata sampel
rata-rata populasi
ragam populasi
ragam sampel
simpangan baku populasi
simpangan baku sampel
ukuran populasi
ukuran sampel
Statistik mm

28

Koefisien Ragam
Koefisien Ragam = Koefisien Varians
Semakin besar nilai Koefisien Ragam maka data
semakin bervariasi, keragamannya data makin tinggi.

Untuk Populasi Koefisien Ragam =

100%

s
100%
x

Untuk Sampel Koefisien Ragam =

Statistik mm

29

Median (Rata-rata Posisi)


Urutkan data dari yang terkecil sampai
yang terbesar
Jika jumlah data ganjil, maka data
urutan ke-k adalah median, dimana :
k = (n+1)/2
Jika jumlah data genap, maka :
Median = (xk + x k+1 )/2
dimana : k = n/2
Statistik mm

30

Median (Rata-rata Posisi)


Untuk data yang dikelompokkan :

n / 2 F( d 1)

M d Bd I d

Dimana : Bd
n
fd
F(d-1)
id

fd

= tepi kelas bawah median


= jumlah nilai observasi
= Frek kelas median
= Frek kum sebelum kelas median
= interval kelas
Statistik mm

31

Modus
Nilai yang paling sering muncul
Untuk data yang dikelompokkan :

M o Bo I o

f o f ( 1)

2f f

f
o
(

1
)
1

Dimana :
Bo = Tepi bawah kelas modus
Io = interval kelas modus
fo = frekuensi kelas modus
f(-1) = frekuensi kelas sebelum kelas modus
f1 = frekuensi kelas sesudah kelas modus

Statistik mm

32

Pedoman Menentukan Jumlah


Sampel
1. Pendapat Slovin n

N
1 Ne 2

Kita akan meneliti pengaruh upah terhadap semangat kerja pada


karyawan PT. Cucak Rowo. Di dalam PT tersebut terdapat 130 orang
karyawan. Dengan tingkat kesalahan pengambilan sampel sebesar
5%, berapa jumlah sampel minimal yang harus diambil ?

130
n

98
,
11
2
1 130(0,05)
Statistik mm

33

2. Interval Penaksiran

Untuk menaksir parameter rata-rata


Z
2

/2

Seorang mahasiswa akan menguji suatu hipotesis yang menyatakan


bahwa Indek Prestasi Mahasiswa Magister Manajemen UPI-YPTK
adalah 3,25. dari 30 sampel percobaan dapat diperoleh informasi
bahwa standar deviasi indek Prestasi mahasiswa adalah 0,25 Untuk
menguji hipotesisi ini berapa jumlah sampel yang diperlukan jika kita
menginginkan tingkat keyakinan sebesar 95% dan error estimasi
kurang dari 0,05,?

(1,96)(0,25)

n
(0,05)

96,04

Statistik mm

34

Untuk menaksir parameter proporsi


Pn Z pq

2
/2

e2

Kita akan meperkirakan proporsi mahasiswa yang menggunakan


angkutan kota waktu pergi kuliah. Berapa sampel yang diperlukan jika
dengan tingkat kepercayaan 95% dan kesalahan yang mungkin terjadi
0,10 ?

1,96 2
2
4(0,10)

96,04

Statistik mm

35

3. Pendekatan Isac Michel


a.

Menentukan sampel untuk menaksir parameter ratarata

NZ 2 S 2
n
Ne 2 Z 2 S 2

Seorang mahasiswa akan menguji suatu hipotesis yang


menyatakan bahwa Indek Prestasi Mahasiswa MM UPI-YPTK
yang berjumlah 175 mahasiswa adalah 3,25. Dari 30 sampel
percobaan dapat diperoleh informasi bahwa standar deviasi Indek
Prestasi mahasiswa adalah 0,25 Untuk menguji hipotesisi ini
berapa jumlah sampel yang diperlukan jika kita menginginkan
tingkat keyakinan sebesar 95% dan error estimasi kurang dari 5
persen ?

(175)(1,96) 2 (0,25) 2
n
62
2
2
2
(175)(0,05) (1,96) (0,25)
Statistik mm

36

b. Menentukan sampel untuk menaksir parameter proporsi


P
2

NZ pq
n
Nd 2 Z 2 pq

Kita akan meperkirakan proporsi mahasiswa MM UPI-YPTK yang


berjumlah 175 orang. Berdasarkan penelitian pendahuluan diperoleh
data proporsi mahasiswa MM UPI-YPTK yang menggunakan angkutan
kota waktu pergi kuliah adalah 40%. Berapa sampel yang diperlukan
jika dengan tingkat kepercayaan 95% dan derajat penyimpangan
sebesar 0,10.?

(175)(1,96) 2 (0,4)(0,6)
n
60,38
2
2
(175)(0,1) (1,96) (0,4)(0,6)
Statistik mm

37

Analisa
Regresi dan
Korelasi

Statistik mm

38

Kejadian kejadian di muka bumi ini


saling
berhubungan
dan
mempengaruhi. Kejadian kejadian
tersebut dapat dinyatakan sebagai
perubahan nilai variabel ( katakan X
dan Y).
X disebut variabel bebas ( independent
variable ), Y disebut variabel tidak
bebas ( dependent variable). X
mempengaruhi Y atau Y dipengaruhi X
atau Y tergantung pada X.
Statistik mm

39

Contoh
Y tingkat kecemasan pendidikan,
ketakwaan, dsb
Y produktivitas
upah, reward
Y tekanan darah berat badan ,
usia

Statistik mm

40

Penemu Istilah
Sir Francis Galton (1877) meneliti
tentang hubungan tinggi seorang anak
dengan orang tuanya berkesimpulan :
Tinggi badan seorang anak dari orang
tua yang tinggi lebih rendah dari ratarata tinggi orang tuanya.
Istilah regresi menggambarkan garis
yang menghubungkan antara 2 variabel.
Statistik mm

41

Hubungan Tak Searah

Hubungan Searah

Tak Ada Hubungan

Tak Ada Hubungan

Statistik mm

42

ui

ui

uj

uj

a. berkorelasi negatip

b. berkorelasi positip
ui

uj

c. Tidak menunjukkan adanya korelasi

Statistik mm

43

Analisis Korelasi adalah analisis untuk


mengetahui kuat lemahnya hubungan
Analisis Regresi :
Pertama untuk mengetahui besarnya
pengaruh
Untuk meramalkan nilai Y kalau
variabel X yang berkorelasi dengan Y
sudah diketahui

Hubungan bisa kuat bisa tidak


Contoh : membaca koran ada berita yang terserempet mobil

Statistik mm

44

Analisa korelasi kejadian sudah berkali-kali

Analisis ini sangat penting bagi


pimpinan karena setiap kebijakan
(policy) dari pimpinan pada dasarnya
dimaksudkan
untuk
melakukan
perubahan sesuai dengan keinginan
(harapan).
Contoh :
Upah Produktivitas
Biaya Promosi Penjualan
Bunga Permintaan Kredit
Statistik mm

45


=
rho
=
koefisien
korelasi
sebenarnya
(parameter)
untuk
mengukur kuatnya hubungan antara X
dan Y
-1 1
= 1 sempurna +
= - 1 sempurna
= 0 tidak berkorelasi

Hubungan Positif : X Y
Hubungan Negatif : X Y
Statistik mm

46

r ( R kecil ) = perkiraan

x .y
x x y
i

xi X i X

yi Yi Y

Kuat ( - )

Kuat ( + )

-1

Lemah ( - )

Lemah
(+)
Statistik mm

47

Penilaian koefisien Korelasi (Prof. J. Supranto,MA,APU,2010)


Kalau r = 0 X dan Y tidak berkorelasi
0 < r < 0,5 Hubungan X dan Y lemah ( + ) ( - )
0,5 < 0,75 Hubungan X dan Y cukup kuat ( + ) ( - )
0,75 < 0,9 Hubungan X dan Y kuat ( + ) ( - )
0,9 < 1,0 Hubungan X dan Y sangat kuat ( + ) ( - )
=1
Hubungan X dan Y sempurna ( + ) ( - )
r2 = koefisien determinasi ; untuk mengukur besarnya sumbangan
(=share) dari X terhadap variasi ( naik turunnya ) Y

catt : r tidak boleh dibulatkan ( minimal tiga angka


dibelakang koma )

misal :
X = Upah
Y = Produktivitas
r = 0,900 upah dan produktivitas berkorelasi sangat
kuat
r2 = 0,810 besarnya sumbangan upah (X) terhadap
variasi atau naik turunnya produktivitas (Y) = 81%,
sisanya 19% merupakan sumbangan faktor lain
seperti : pengalaman kerja, lingkungan kerja, gaya
kepemimpinan.
Statistik mm

48

Cara lain mencari r :

n. X

n. X i .Yi X i . Yi
2
i

X i x n. Yi Yi
2

atau
X . Y

X .Y
i

Xi

Statistik mm

Yi

49

Persamaan Regresi Linier Sederhana (PRLS)


^

x .y

b
x
i

a b. X

atau
b

a Y b. X

X i .Yi

Xi

X i . Yi

n
Xi

b = perkiraan koefisien regresi untuk mengukur besarnya


pengaruh dari X terhadap Y, kalau X naik 1 unit.
A = Y^, kalau X = 0
Y^ = 0.5 + 1,5X b = 1,5

kalau X naik 1 unit maka Y naik 1,5 kali


Statistik mm

50

Regresi Linier Berganda


Didalam regresi Linier berganda ada 1
variabel tak bebas dan ( k 1) variabel
bebas
Regresi Linier sederhana 1 var bebas &
1 var terikat
Y^ = a + b.X ----- PRLS
Y^ = b1 + b2.X2 + b3.X3 ---- PRLB
Statistik mm

51

Untuk k = 3

X2

X2 X22

X3

b1

X2X3 x

X3 X3X2 X32

Statistik mm

b2
b3

X2Y
X3Y

52

Mencari koefisien regresi


(b1,b2,b3)
Dengan metode :
Crammer (Determinan)
rms : bi = det(Ai) / det (A)
syarat : det (A) 0
Determinan :
Metode Sarrus / Pencerminan
Metode Segitiga

Metode Inverse
Metode Elliminasi Gauss/Gauss Jordan
Metode Elliminasi Gauss Siedel (Iterasi)
Solver (EXCEL)
SPSS
Statistik mm

53

Korelasi Berganda
Dalam reg lin sederhana korelasi
antara X dan Y :
r = xi.yi/{(xi2)*(yi2)}^0,5
dimana : xi = Xi Xbar ; yi = Yi Ybar

Statistik mm

54

Apabila kita punya 3 variabel yaitu :


Y,X2,X3
rx2y = r2y = korelasi antara X2 & Y
rx3y = r3y = korelasi antara X3 & Y
rx2x3 = r23 = korelasi antara X2 & X3
Koefisien korelasi antara dua variabel
sering disebut Koefisien Korelasi
Linier Sederhana (KKLS)
Statistik mm

55

Koefisien Korelasi Linier Berganda


(KKLB)
KKLB = Ry.23
Ry.23 = {(r22y + r23y 2r2yr3yr23)/(1-r223)}^0,5
Apabila KKLB dikuadratkan maka akan
diperoleh Koefisien Penentuan (KP)
KP berguna untuk mengukur besarnya
sumbangan X2 dan X3 terhadap variasi,
atau naik turunnya Y

Statistik mm

56

Koefisien Penentuan (KP)


KP = R2y.23
atau
KP = (b2x2iyi + b3x3iyi)/yi2
yi = Yi Ybar
b2 dan b3 di peroleh dari Y^ = b1 + b2X2 + b3X3

Statistik mm

57

Koefisien Korelasi Parsial


(Partial Coeficient Correlation)
Kalau variabel Y berkorelasi dengan X 2 dan X3, maka
koefisien korelasi antara Y dan X 2 (=X3 konstan), antara Y
dan X3 (=X2 konstan) dan antara X2 dan X3 (=Y konstan)
disebut Koefisien Korelasi Parsial (KKP) dengan rumus, sbb :
KKP X2 dan Y, kalau X3 konstan :

r2y.3 = (r2y-r3yr23)/((1-r23y)^1/2(1-r223)^1/2)
KKP X3 dan Y, kalau X2 konstan :

r3y.2 = (r3y-r2yr23)/((1-r22y)^1/2(1-r223)^1/2)
KKP X2 dan X3, kalau y konstan :

r23.y = (r23-r2yr3y)/((1-r22y)^1/2(1-r23y)^1/2)
Statistik mm

58

Soal-soal Latihan

Diketahui data sebagai berikut

% Produktivitas kerja (Y)


% Kenaikan Gaji (X2)
% Kenaikan Tunjangan (X3)
9

1334567 9
1 3 4 5 6 6 9 10
1346677

Tentukan :
Persamaan Regresi Linier Berganda dari 3
buah variabel tersebut.
KKLB ( jelaskan hasilnya! )
KP ( jelaskan hasilnya ! )

Note :

Kerjakan dengan Microsoft Excel


Statistik mm
Chek dengan SPSS

59

PENGUJIAN
HIPOTESIS

Statistik mm

60

Hipotesis
Jawaban sementara.
Bisa salah bisa benar.
Belum terbukti kebenarannya.
Perlu dicek.

Statistik mm

61

Hipotesis Dalam Statistika


Suatu
asumsi
atau
anggapan
atau
pernyataan yang mungkin benar ataupun
salah mengenai suatu parameter satu
populasi atau lebih.
Pengujian hipotesis :
Langkah-langkah
atau
prosedur
yang
dilakukan dengan tujuan untuk memutuskan
apakah kita menerima atau menolak
hipotesis mengenai parameter populasi.

Statistik mm

62

H0 VS H1 (Ha)
H0 (H nol) :
Hipotesis yang dirumuskan dengan
harapan untuk DITOLAK.
H1(a) (H alternatif/tandingan) :
Hipotesis yang dirumuskan dengan
harapan untuk DITERIMA.

Statistik mm

63

Contoh
Seorang dokter menyatakan bahwa lebih dari
70% pasien yang menderita sakit paru-paru di
suatu rumah sakit adalah karena merokok.
Hipotesisnya :
H0 : p=70%=0,7
H1 : p >0,7
Seorang dosen menyatakan bahwa prestasi
belajar mahasiswa laki-laki lebih tinggi
daripada mahasiswa perempuan.
Hipotesisnya :
H0 : prestasi belajar mahasiswa laki-laki =
mahasiswa perempuan
H1 : prestasi belajar mahasiswa laki-laki >
mahasiswa perempuan
Statistik mm

64

Dasar Merumuskan
Hipotesis
1. Berdasarkan pengetahuan yang
diperoleh dari teori.
2. Berdasarkan hasil penelitian.
3. Berdasarkan pengalaman.
4. Berdasarkan ketajaman berpikir.

Statistik mm

65

Jenis Kesalahan
Ada dua jenis, yaitu :
1.

Kesalahan jenis I, kesalahan akibat


menolak hipotesis nol padahal hipotesis
nol benar sehingga seharusnya diterima.

2.

Kesalahan jenis II, kesalahan akibat


menerima hipotesis nol padahal hipotesis
nol salah sehingga seharusnya ditolak.
Statistik mm

66

Probabilitas Kesalahan
Keadaan yang sesungguhnya
Keputusan/Situasi
H0 benar (Ho)
Menolak H0

Menerima H0
Catatan

Keputusan salah
= P(kesalahan jenis
I)
Keputusan tepat
1-

H0 salah (Ha)
Keputusan tepat
1
Keputusan salah
= P(kesalahan jenis
II)

!!!
Menolak / menerima Ho, secara
otomatis menerima / menolak
Ha
Statistik mm
67

Sifat-sifat Pengujian
Hipotesis

1. Ada hubungan antara kesalahan jenis I dan


kesalahan
jenis
II,
yaitu
memperkecil
probabilitas
kesalahan
jenis
I
akan
memperbesar probabilitas kesalahan jenis II,
demikian pula sebaliknya.
2. Probabilitas melakukan kesalahan jenis I dapat
diperkecil dengan menyesuaikan nilai kritis.
3. Makin besar ukuran sampel, maka nilai dan
akan makin kecil.
4. Bila hipotesis nol salah, maka nilai akan
mencapai maksimum jika nilai parameter yang
sesungguhnya dekat dengan nilai yang
dihipotesiskan.
Makin besar jarak antara nilai sesungguhnya
dengan nilai yang dihipotesiskan, makin kecil
nilai .
Statistik mm
68

Uji Satu Arah VS Uji Dua Arah


1. Bila hipotesis nol, H 0 : 0 , dilawan dengan
hipotesis alternatif H1 : 0 atau H1 : 0 ,
maka pengujian hipotesis ini disebut uji satu arah.
2. Bila hipotesis nol, H 0 : 0 , dilawan dengan
hipotesis alternatif H1 : 0 ,
maka pengujian hipotesis ini disebut uji dua arah.

Statistik mm

69

Uji Satu Arah


Daerah penolakan
H0

1-

Daerah
penerimaan
H0

-Z 0

Daerah penolakan
H0

Uji satu arah H1 : 0

1-

0 +Z
Uji satu arah H1 : 0
Statistik mm

70

Uji Dua Arah


Daerah
penerimaan
H0

Daerah penolakan
H0

Daerah penolakan
H0

1-
/2

/2

-Z/2

0 +Z/2

Uji dua arah H1 : 0

Statistik mm

71

Langkah-langkah Pengujian
Hipotesis
1.
2.
3.
4.
5.

Tetapkan dahulu rumusan hipotesis, uji satu arah


atau uji dua arah.
Tetapkan taraf nyata yang diinginkan untuk
memperoleh nilai kritis dalam tabel.
Tetapkan statistik uji (Z0) yang cocok untuk menguji
hipotesis nol (tergantung pada parameter populasi
yang di uji).
Hitung nilai statistik uji (Z0) berdasarkan data dan
informasi yang diketahui baik dari populasi maupun
dari sampel yang diambil dari populasi tersebut.
Simpulkan, tolak H0 bila nilai statistik uji (Z0)
terletak di daerah penolakan H 0 dan terima H0 bila
nilai statistik uji (Z0) terletak di daerah penerimaan
H 0.
Statistik mm

72

Pengujian Hipotesis Dengan Sampel


Besar
1. Pengujian
Parameter
Rata-rata
Populasi
2. Pengujian
Parameter
Proporsi
Populasi
3. Pengujian Parameter Beda Dua
Rata-rata Dari Dua Populasi
4. Pengujian Parameter Beda Dua
Proporsi Dari Dua Populasi
Statistik mm

73

Pengujian Parameter
Rata-rata Populasi
Rumus statistik uji :

X - 0
Z0
X

Contoh :
Suatu populasi berupa seluruh pelat baja yang diproduksi oleh
suatu perusahaan memiliki rata-rata panjang 80 cm dengan
simpangan baku 7 cm. Sesudah selang 3 tahun teknisi
perusahaan meragukan rata-rata panjang pelat baja tersebut.
Guna menyakinkan keabsahan hipotesis tersebut, diambil
sampel acak sebanyak 100 unit pelat baja dari populasi diatas,
dan diperoleh hasil perhitungan bahwa rata-rata pelat baja
adalah 83 cm, dan standar deviasinya tetap. Apakah ada alasan
untuk meragukan bahwa rata-rata panjang pelat baja yang
dihasilkan perusahaan itu sama dengan 80 cm pada taraf
signifikansi =5%?

Statistik mm

74

Pengujian Parameter
Rata-rata Populasi
(lanjutan)
Jawab :
- populasi : = 80 cm , = 7 cm
- sampel : n = 100 , X = 83 cm
- = 5%

Langkah - langkah pengujian hipotesis :


1. Hipotesis di uji dengan uji dua arah, yaitu :
H 0 : 80 dan H1 : 80
2. 5% maka Z Z0,025 1,96
2

3. Statistik uji yang cocok adalah : Z0

X 0
X

7
83 - 80
0,7 maka nilai statistik uji adalah : Z0
4,29
0,7
n
100
5. Nilai statistik uji jatuh di daerah penolakan hipotesis H 0 , maka hipotesis H 0 ditolak.
4. X

Statistik mm

75

Pengujian Parameter Rata-rata


Populasi (lanjutan)
Daerah
penerimaan
H0

Daerah penolakan
H0

/2

1
=95%

Daerah penolakan
H0
/2

-1,96 0 1,96
Uji dua arah H1 : 0

Statistik mm

Z0=4,29

76

Pengujian Parameter
Proporsi Populasi
Rumus statistik uji :

p - p 0
Z0
p

Contoh :
Suatu perusahaan yang bergerak di bidang suku
cadang komputer akan memperkenalkan produk
barunya di pasaran. Untuk itu bagian pengendalian
kualitas perusahaan mengambil sampel secara
acak sebanyak 170 buah suku cadang dan
ditemukan ada 16 yang cacat. Dari data tersebut
apakah benar produksi yang ditemukan cacat
kurang dari 10%? Gunakan taraf signifikansi 2%.

Statistik mm

77

Pengujian Parameter Proporsi


Populasi (lanjutan)
16
0,094
170
1. Pengujian hipotesis statistik dengan uji satu arah, yaitu : H 0 : p 0,1 dan H1 : p 0,1
Pr oporsi

2. 2% , maka nilai kritisnya Z Z0,02 -2,054


3. Z0

p p0
p

p 0 1 - p 0
0,1 0,9

0,023
n
170
0,094 0,1
Z0
0,26
0,023
5. Z0 lebih besar dari nilai kritis, maka hipotesis nol diterima.
4. p

Statistik mm

78

Pengujian Parameter
Beda Dua Rata-rata

X -X -
Z

Rumus statistik uji :

Contoh :

X1X 2

Sebuah sampel yang terdiri atas 40 rumah di daerah A


memperlihatkan bahwa rata-rata kepemilikan rumah
adalah 7,6 tahun dengan simpangan baku 2,3 tahun.
Sedangkan suatu sampel yang terdiri atas 55 rumah di
daerah B memperlihatkan bahwa rata-rata lama waktu
kepemilikan rumah adalah 8,1 tahun dengan simpangan
baku 2,9 tahun.
Pada taraf signifikansi 5%, apakah kita dapat menarik
kesimpulan bahwa penduduk di daerah A memiliki rumah
mereka dalam waktu lebih singkat dari penduduk di
daerah B?
Statistik mm

79

Pengujian Parameter Beda Dua


Rata-rata (lanjutan)
Daerah A : n1 40, X1 7,6 , S1 2,3
Daerah B : n 2 55, X 2 8,1 , S2 2,9
X 1 X 2 7,6 - 8,1 -0,5

1 -X 2

12
n1

22
n2

2,3 2
40

2,9

55

0,53

1. Hipotesis statistik di uji dengan uji satu arah, yaitu :


H 0 : 1 2 dan H1 : 1 2
2. 5%, maka nilai kritis Z 0,05 -1,645
3. 0
4. 0

- X 2 1 - 2

1X 2

0,5 0

0,94

0,53
5. Karena Z 0 lebih besar dari Z 0,05 , maka hipotesis nol diterima.
Statistik mm

80

Pengujian Parameter
Beda Dua Proporsi
Rumus statistik uji :
Z0

p 1 p 2 p1 p2

p1 p 2

dim ana :

p1 p 2

1 1
p q
.
n1 n2

N1 N 2 n1 n2
N1 N 2 1

x1 x 2
p
, dan q 1 - p
n1 n 2
Statistik mm

81

Pengujian Parameter Beda Dua


Proporsi (lanjutan)
Contoh :

Suatu survei dilakukan di dua daerah yang saling


berbatasan, A dan B, untuk mengetahui pendapat
masyarakat yang sesungguhnya, apakah rencana
pembangunan pabrik obat nyamuk diperbatasan dua
daerah itu bisa diteruskan apa tidak.
Untuk mengetahui apakah ada perbedaan proporsi
penduduk di daerah A dan daerah B, suatu poling
dilakukan.
Dari 200 penduduk di daerah A ternyata terdapat 120
penduduk yang menyetujui rencana tersebut dan dari 500
penduduk di daerah B ternyata terdapat 250 penduduk
yang menyetujui rencana tersebut.
Apakah beralasan untuk menerima bahwa proporsi
penduduk di daerah A lebih besar dari proporsi penduduk
di daerah B? Gunakan taraf nyata 1%.
Statistik mm

82

Pengujian Parameter Beda Dua Proporsi (lanjutan)


Misal p1 proporsi sesungguhnya penduduk daerah A yang setuju
p 2 proporsi sesungguhnya penduduk daerah B yang setuju
120
0,6
200
250
Sampel daerah B : n 2 500, x 2 250, p 2
0,5
500
1. Pengujian hipotesis statistik dengan uji satu arah, yaitu H 0 : p1 p 2 dan H1 : p1 p 2
Sampel daerah A : n1 200, x1 120, p1

2. Taraf nyata 1% , maka nilai kritis Z0,01 2,326


3. Z0
4. p

p1 - p 2 p1 p2
p1 p 2

x1 x2 120 250

0,53 sehingga q 1 - p 1 - 0,53 0,47


n1 n2 200 500

1 1
1
1
p1 -p 2 pq
0,53 0,47

0,04
n
n
200
500

2
1
0,6 - 0,5 0 2,5
Z0
0,04
5. Karena nilai Z0 lebih besar daripada nilai Z0,01 , maka H 0 ditolak.
Statistik mm

83

Pengujian Hipotesis Dengan


Sampel Kecil
1. Pengujian Parameter Rata-rata dari
Populasi
X - 0
Rumus statistik t : t0
X
2. Pengujian Parameter Beda Dua Ratarata dari Dua Populasi
Rumus statistik t :
X1 X 2 - 1 2

t0

Statistik mm

X1 X 2

84

Pengujian Hipotesis
Dengan Sampel Kecil
(lanjutan)
Contoh 1 :

Rata-rata waktu yang diperlukan oleh mahasiswa untuk


mendaftar ulang pada awal semester di Universitas A pada
semester yang lalu adalah sekitar 45 menit dengan simpangan
baku 8 menit.
Suatu pendaftaran baru dengan memakai sistem informasi
sedang dicobakan dengan harapan dapat mengurangi waktu
pendaftaran bagi para mahasiswa jika dibandingkan dengan cara
lama.
Untuk itu diambil sampel secara acak sebanyak 10 mahasiswa
yang telah mendaftar pada semester berikutnya dengan
menggunakan sistem baru. Ternyata rata-rata waktu yang
diperlukan untuk mendaftar adalah sekitar 35 menit dengan
simpangan baku 9,5 menit.
Apakah anda percaya dengan harapan tersebut, berdasarkan
hasil pengujian hipotesis bilamana dipakai taraf signifikansi 1%
dan 5%?
Statistik mm

85

Pengujian Hipotesis Dengan


Sampel Kecil (lanjutan)
Dari populasi diketahui : 0 45 menit X 8 menit
Dari sampel diketahui : n 10, X 35 menit , S 9,5 menit
1. Pengujian hipotesis statistik dengan uji satu arah, yaitu H 0 : 45 dan H1 : 45
2. Taraf signifikansi 1% dengan derajat kebebasan n - 1 10 - 1 9 sehingga diperoleh
t , t 0,01,9 2,821
Untuk 5%, maka t , t 0, 05,9 1,833
3. t 0

X 0
X

S
9,5

3
n
10
35 45
t0
3,3
3
5. Karena nilai t h negatif, maka nilai kritis yang dipakai juga negatif, yaitu
4. X

t 0, 01,9 2,821 dan t 0,05,9 1,833 sehingga baik 1% dan 5%


H 0 ditolak karena terletak didaerah penolakan H 0 .
Statistik mm

86

Pengujian Hipotesis Dengan


Sampel Kecil (lanjutan)
Contoh 2:

Mata kuliah Statistik diberikan pada dua kelas


mahasiswa yang berbeda. Kelas A yang terdiri dari 12
mahasiswa diajar dengan metode biasa. Sedangkan
kelas B yang terdiri dari 10 mahasiswa diajar dengan
metode pengajaran yang baru.
Pada akhir semester kelas A dan B diberi materi ujian
yang sama. Di kelas A nilai rata-rata mahasiswa
adalah 85 dengan simpangan baku 4, dan kelas B nilai
rata-ratanya adalah 81 dengan simpangan baku 5.
Yakinkah anda bahwa metode pengajaran biasa tetap
lebih baik daripada metode pengajaran yang baru
dengan taraf signifikan 0,01? Diasumsikan dua
populasi mendekati distribusi normal dengan variansi
yang sama.
Statistik mm

87

Pengujian Hipotesis Dengan


Sampel Kecil (lanjutan)
Sampel A : n1 12, X1 85, S1 4
Sampel A : n 2 10, X 2 81, S2 5
1. Pengujian hipotesis statistik dengan uji satu arah, yaitu H 0 : 1 2 dan H1 : 1 2
2. Taraf signifikansi 0,01 dan derajat kebebasannya adalah n1 n 2 - 2 12 10 - 2 20
sehingga diperoleh nilai kritisnya t , t 0, 01; 20 2,528 atau 2,528
3. Simpangan baku gabungan Sp

2
2

n1 1 S1 n2 1 S 2
11 4 2 9 52

n1 n2 2

20

20,05

Sp 20,05 4,478

X1 - X 2 S p
t0

1 1
1 1

4,478

1,917
n1 n2
12 10

X 2 1 - 2 85 81 0

2,09
X1 - X 2
1,917

4. Karena nilai t h lebih kecil daripada t 0,01;20 , maka H 0 diterima.


Statistik mm

88

LATIHAN
1. Seorang pejabat Direktorat Jendral Pajak menduga
bahwa persentase wajib pajak yang belum membayar
pajak kurang dari 40%. Untuk membuktikan dugaan
tersebut, diambil sampel acak sebanyak 18 orang dan
ternyata ada 6 orang yang belum membayar pajak.
Dengan taraf nyata 5%, apakah dugaan tersebut
benar?
2. Daya tahan tali yang dihasilkan suatu pabrik
mempunyai rata-rata 1800 lb dan standar deviasi 100
lb. Disebutkan bahwa dengan memakai teknologi baru
dalam proses produksi, maka daya tahan tali yang
diproduksi
dapat
ditingkatkan.
Untuk
menguji
pernyataan tersebut, sebuah sampel yang terdiri atas
50 buah tali diujicobakan dan ternyata rata-rata daya
tahannya adalah 1850 lb. Dapatkah kita menyetujui
pernyataan diatas bila digunakan taraf signifikansi 1%?
Statistik mm

89

LATIHAN
3. Seorang pimpinan pabrik pembuat peralatan olah raga
menyatakan bahwa minimum 90% produksinya dapat
bertahan sampai 100 kali pemakaian. Dari suatu
sampel acak sebanyak 500 peralatan produk pabrik
tersebut, ternyata 300 yang mampu bertahan untuk
100 kali pemakaian. Dengan taraf nyata 1%, apakah
pernyataan pimpinan pabrik tersebut dapat kita terima?
4. Suatu
industri
lampu
pijar
ingin
mengetahui
perkembangan
hasil
industrinya
dengan
jalan
mengambil sampel random sebanyak 160 buah lampu
pijar merk A, yang menunjukkan daya hidup rata-rata
1410 jam dengan standar deviasi 130 jam. Disamping
itu diambil juga sampel random lain sebanyak 210 buah
lampu pijar merk B yang mempunyai daya hidup ratarata 2110 jam dengan standar deviasi 90 jam. Ujilah
hipotesis yang menyatakan daya tahan kedua merk
tersebut adalah berbeda! Gunakan taraf signifikansi 5%
dan asumsikan dua populasi berdistribusi normal.
Statistik mm

90

LATIHAN
5. Pengelola pusat perbelanjaan akan melakukan reposisi jika

ada perubahan pada target marketnya. Untuk itu dilakukan


pengkajian apakah pengeluaran rata-rata pengunjung lebih
besar dari Rp. 400 ribu setiap kali kunjungan seperti yang
diharapkannya. Dalam melakukan pengkajian tersebut
diambil sampel acak sebesar 20 responden dan besarnya
pengeluaran tiap responden setiap kali kunjungan adalah
450 berikut
300 480
500 ribuan
370 290
410 360 405 520
sebagai
(dalam
rupiah):
360 380 420 470 400 350 310

370 390 425

Dengan hipotesis rata-rata, lakukanlah pengkajian apakah


benar besarnya uang rata-rata yang dibelanjakan oleh tiap
responden setiap kali kunjungan lebih besar dari Rp. 400
ribu? Gunakan taraf nyata 5% dan asumsikan besarnya uang
yang dibelanjakan berdistribusi normal.
Statistik mm

91

Statistik mm

92

Uji Perbandingan Rataan


1) Pengamatan berpasangan (diambil
dari satu sampel yang sama)
Co: menguji perbedaan nilai matematika
dan bhs indo pada mahasiswa smt 1

2) Sampel yang dibandingkan


independen
co: menguji perbedaan berat badan
mahasiswa perempuan dengan
mahasiswa laki-laki
Statistik mm

93

Rumus Uji Perbandingan


Rataan
1) Pengamatan berpasangan
T

d
sd / n

v n 1

2) Sampel yang dibandingkan independen


T

( X1 X 2 )
2

( s1 / n1 ) ( s2 / n2 )

( s12 / n1 s22 / n2 ) 2
v 2
( s1 / n1 ) 2 ( s22 / n2 ) 2

n1 1
n2 1

Statistik mm

94

Contoh
Lima sampel zat yang
mengandung besi
diuji untuk
menentukan apakah
ada perbedaan
kandungan besi
antara analisis secara
kimia dan analisis
pendar flour sinar -X

Sampel
ke

1
2
3
4
5
Statistik mm

Analisis
Sinar-X Kimia

2,0
2,0
2,3
2,3
2,4

2,2
1,9
2,5
2,3
2,4
95

Jawaban Tugas
1) Hipotesis
H1 :
H0 :

2)= 0,05, v =
3)Daerah kritis: T
4) Perhitungan

Statistik mm

96

Perhitungan
Sampel
ke

1
2
3
4
5

Analisis
Sinar-X

2,0
2,0
2,3
2,3
2,4

Kimia

2,2
1,9
2,5
2,5
2,4
Jumlah
Statistik mm

di

d i2

-0,2
0,1
-0,2
-0,2
0,0
-0,5

0,04
0,01
0,04
0,04
0
0,13
97

diperoleh d 0,5 / 5 0,1


sd2 [0,13 (0,52 / 5)] /(5 1) 0,02
dan
Sehingga
d
0,1
T

1,6
sd / n
0,02 / 5

Kesimpulan?

Statistik mm

98

Tugas Individu
Uji hipotesis bahwa ada perbedaan antara
nilai emisi gas motor A dan motor B berikut
ini
Nilai emisi

Motor A

102

86

98

109

92

Motor B

81

165

97

134

92 87 114

Statistik mm

99

Tugas Kelompok
Anggota kelompok: 3 5 mahasiswa
Buatlah suatu penelitian yang
menyangkut uji hipotesis dengan
tujuan tertentu
Jumlah minimal sampel: 20
Tiap kelompok tidak boleh sama
(kalau ada yang sama, nilai tugas
keduanya = 0)
Pekan depan dipresentasikan!!!
Statistik mm

100

Tugas Kelompok
Contoh:
Menguji ada perbedaan gaji pekerja
daerah A dan B
Mengetahui perbedaan jumlah jam
nonton TV anak yang ibunya bekerja di
luar dengan di dalam rumah
Menguji perbedaan harga produk di 2
buah swalayan
dll
Statistik mm

101

ANALISIS VARIANSI /
KERAGAMAN
Analysis of Variance ( ANOVA )

Statistik mm

102

Gambaran Umum
Analysis of Variance (ANOVA)

ANOVA
1 Arah

Desain
Blok Lengkap
Acak

Desain
2 Faktor
Dgn. Replikasi

Uji-F
Uji-F
Uji
TukeyKramer

Uji Perbedaan
Signifikan
Fischer Terkecil
Statistik mm

103

Kegunaan ANOVA
Mengendalikan 1 atau lebih variabel
independen
Disebut dgn faktor (atau variabel treatment)
Tiap faktor mengandung 2 atau lebih level
(kategori / klasifikasi)

Mengamati efek pada variabel dependen


Merespon level pada variabel independen

Perencanaan Eksperimen: perencanaan


dengan menggunakan uji hipotesis
Statistik mm

104

ANOVA 1 Arah
Evaluasi perbedaan diantara 3 atau lebih
mean populasi
Contoh: Tingkat kecelakaan pada 3 kota
Usia pemakaian 5 merk Handphone
IPK mahasiswa per angkatan

Asumsi
Populasi berdistribusi normal
Populasi mempunyai variansi yang sama
Sampelnya random dan independen
Statistik mm

105

Desain Acak Lengkap


Unit percobaan (subjek) dipilih acak pada
perlakuan (treatments)
Hanya ada 1 faktor / var. independen
Dengan 2 atau lebih level treatment

Analisis dengan :
ANOVA 1 arah

Disebut juga Desain Seimbang jika seluruh level


faktor mempunyai ukuran sampel yang sama

Statistik mm

106

Hipotesis ANOVA 1 Arah

H0 : 1 2 3 k

Seluruh mean populasi adalah sama


Tak ada efek treatment (tak ada keragaman
mean dalam grup)

H A : Tidak seluruh mean populasi adalah sama


Minimal ada 1 mean populasi yang berbeda
Terdapat sebuah efek treatment
Tidak seluruh mean populasi berbeda
(beberapa pasang mungkin sama)
Statistik mm

107

Partisi Variasi
Variasi total dapt dipecah menjadi 2 bagian:

SST = SSB + SSW

SST = Sum of Squares Total (Jumlah Kuadrat Total)


SSB = Sum of Squares Between (Jumlah Kuadrat Antara)
SSW = Sum of Squares Within (Jumlah Kuadrat Dalam)

Statistik mm

108

Partisi Variasi
(sambungan)

SST = SSB + SSW


Variasi Total = pernyebaran agregat nilai data individu melalui beberapa level
faktor (SST)
Between-Sample Variation = penyebaran diantara mean sampel faktor (SSB)

Within-Sample Variation = penyebaran yang terdapat diantara nilai data


dalam sebuah level faktor tertentu (SSW)

Statistik mm

109

Jumlah Kuadrat Total


(Total Sum of Squares)
SST = SSB + SSW
SST
Dimana:

ni

i 1

j 1

2
(
x

x
)
ij

SST = Total sum of squares/Jumlah Kuadrat Total


k = jumlah populasi (levels or treatments)
ni = ukuran sampel dari populasi i
xij = pengukuran ke-j dari populasi ke-i
x = mean keseluruhan (dari seluruh nilai data)

Statistik mm

110

Variasi Total
(sambungan)

SST ( x11 x ) 2 ( x12 x ) 2 ... ( xknk x ) 2


Response, X

X
Group 1

Group 2
Statistik mm

Group 3
111

Jumlah Kuadrat Antara


(Sum of Squares Between)
SST = SSB + SSW
k

SSB ni ( x i x )2
Where:

i1

SSB = Sum of squares between


k = jumlah populasi
ni = ukuran sampel dari populasi i
xi = mean sampel dari populasi i
x = mean keseluruhan (dari seluruh nilai data)
Statistik mm

112

Variasi Diantara
Group/Kelompok
SSB

2
n
(
x

x
)
i i
i 1

Perbedaan variasi antar


kelompok

SSB
MSB
k 1
Mean Square Between =
SSB/degrees of freedom
degrees of freedom : derajat

kebebasan

j
Statistik mm

113

Variasi Diantara
Group/Kelompok

(sambunga
n)

SSB n1 ( x1 x ) n 2 ( x 2 x ) ... nk ( x k x )
2

Response, X

X3
X2

X1
Group 1

Group 2
Statistik mm

Group 3
114

Jumlah Kuadrat Dalam


(Sum of Squares Within)

SST = SSB + SSW


SSW

nj

i 1

j 1

( x ij x i )2

Where:
SSW = Sum of squares within
k = jumlah populasi
ni = ukuran sampel dari populasi i
xi = mean sampel dari populasi i
xij = pengukuran ke-j dari populasi ke-i
Statistik mm

115

Variasi Dalam Kelompok


(Within-Group Variation)
SSW

nj

i 1

j 1

( x ij x i )2

Penjumlahan variasi dalam


setiap group dan kemudian
penambahan pada seluruh group

SSW
MSW
Nk
Mean Square Within =
SSW/degrees of freedom

i
Statistik mm

116

Variasi Dalam Kelompok


(Within-Group Variation)

(continued)

SSW ( x11 x1 ) ( x12 x 2 ) ... ( x knk x k )


2

Response, X

X1
Group 1

Group 2
Statistik mm

X2

X3

Group 3
117

Tabel ANOVA 1 Arah


(One-Way ANOVA)
Source of
Variation
Between
Samples
Within
Samples
Total

SS

SSB

SSW
SST =
SSB+SSW

df

k-1

N-k

MS

MSB =

MSW =

F ratio

SSB
k-1

F=

MSB
MSW

SSW
N-k

N-1

k = jumlah populasi
N = jumlah ukuran sampel dari seluruh populasi
df = degrees of freedom/derajat kebebasan
Statistik mm

118

Uji F ANOVA 1 Faktor


H0: 1= 2 = = k
HA: Minimal 2 mean populasi berbeda

Stastistik Uji :

MSB
MSW

MSB : jumlah kuadrat diantara variansi


MSW : jumlah kuadrat dalam variansi

Degrees of freedom/derajat kebebasan :


df1 = k 1
df2 = N k
populasi)

(k = jumlah populasi)
(N = jumlah ukuran sampel seluruh
Statistik mm

119

Interpretasi Uji F
Statistik Uji F adalah rasio antara
taksiran variansi dengan taksiran
dalam variansi
Rasio harus selalu positif
df1 = k -1 berukuran kecil
df2 = N - k berukuran besar

Rasio akan mendekati 1 jika :


H0: 1= 2 = = k Benar
Rasio akan lebih besar dari 1 jika :
H0: 1= 2 = = k Salah
Statistik mm

120

Contoh Kasus

RT 1
254
263
241
237
251

RT 2
234
218
235
227
216

RT 3
200
222
197
206
204

Terdapat 3 rumah tangga dengan pengeluaran harian (dalam


ratusan rupiah) yang berbeda. Dipilih 5 sampel dari masing-masing
untuk diukur pengeluran harian RT tsb dalam kondisi yang sama.
Dengan tingkat signifikansi 5%, apakah terdapat perbedaan ratarata(mean) pengeluaran harian rumah tangga tsb.?
Statistik mm

121

Scatter Diagram
Pengeluran (ratusan RP)

RT 1
254
263
241
237
251

RT 2
234
218
235
227
216

270

RT 3
200
222
197
206
204

260
250
240

230
220

x1 249.2 x 2 226.0 x 3 205.8


x 227.0

X1

210

X2

200

X
X3

190
Statistik mm

2
3
Rumah Tangga

122

Perhitungan
RT 1
254
263
241
237
251

RT 2
234
218
235
227
216

RT 3
200
222
197
206
204

x1 = 249.2

n1 = 5

x2 = 226.0

n2 = 5

x3 = 205.8

n3 = 5

x = 227.0

N = 15
k=3

SSB = 5 [ (249.2 227)2 + (226 227)2 + (205.8 227)2 ] = 4716.4


SSW = (254 249.2)2 + (263 249.2)2 ++ (204 205.8)2 = 1119.6
MSB = 4716.4 / (3-1) = 2358.2
MSW = 1119.6 / (15-3) = 93.3

2358.2
F
25.275
93.3
Statistik mm

123

Output Excel
SUMMARY
Groups

Count

Sum

Average

Variance

Club 1

1246

249.2

108.2

Club 2

1130

226

77.5

Club 3

1029

205.8

94.2

ANOVA
Source of
Variation

SS

df

MS

Between
Groups

4716.
4

2358.2

Within
Groups

1119.
6

12

93.3

5836.0

14

Total

Statistik mm

F
25.275

P-value

F crit

4.99E-05

3.885

124

Uji Faktor Utama (Main Factor Test)


H 0 : 1 2 3 ... k
H A : Tidak seluruh mean populasi sama
F=

MSB
MSW

Main Factor test: df1 = k - 1


df2 = (k 1)(b 1)

Tolak H0 jika F > F


Statistik mm

125

UJI VALIDITAS &


RELIABILITAS

Statistik mm

126

PENGERTIAN VALIDITAS dan RELIABILITAS


Ada dua syarat penting yang berlaku pada sebuah
angket/kuesioner, yakni keharusan sebuah angket untuk
Valid dan Reliabel.
Angket dikatakan valid jika pertanyaan yang terdapat di
dalam angket mampu mengungkap sesuatu yang akan di
ukur oleh angket tersebut. Misal: kepuasan kerja seorang
karyawan, kepuasan nasabah dalam menerima pelayanan
bank, kepuasan konsumen dalam menggunakan kartu
provider,
maka
jika
kepuasan
tersebut
di
ukur
menggunakan angket maka angket yang digunakan harus
mampu secara tepat mengungkap tingkat kepuasan.
Analogi dalam penjelasan validitas adalah timbangan untuk
beras tidak bisa (tidak valid) untuk menimbang beratnya
emas/perhiasan. Mengapa? Karena selisih 1 gram pada
emas akan terasa sangat berarti, dibanding selisih 1 gram
pada beras (pasti diabaikan). Sehingga timbangan emas
hanya valid untuk menimbang emas dan timbangan beras
Statistik mm
127
hanya valid untuk menimbang
beras.

Jenis Validitas
Ada tiga jenis validitas secara umum, yakni:
Face Validity, berhubungan dengan kemampuan sebuah
pertanyaan untuk mengukur apa yang seharusnya di ukur. Jika ada
pertanyaan seberapa mampu anda melakukan kegiatan promosi
untuk meningkatkan penjualan di perusahaan anda? yang harus
menjawab atau menilai adalah ahlinya atau pimpinan karyawan
yang bersangkutan di perusahaan.
Construct Validity, berhubungan dengan kemampuan sebuah
pertanyaan satu atau beberapa pertanyaan dalam mengukur
sebuah konstrak tertentu. Misal: apakah butir pertanyaan A, B,
dan C telah mampu mengukur sebuah konstrak Y ?. Jawaban
dapat di uji menggunakan analisis faktor atau uji korelasi.
Criterion Validity, mengukur sebuah pendapat yang berasal
dari partisipan yang berbeda, misal: sebuah pertanyaan di berikan
kepada dua kelompok responden, yakni: berpendidikan tinggi dan
berpendidikan rendah.

Statistik mm

128

Pengertian Reliabilitas
Suatu angket dikatakan reliabel jika jawaban seseorang
terhadap pertanyaan adalah konsisten atau stabil atau tidak
berubah dari waktu ke waktu. Jadi uji reliabilitas sebenarnya
untuk mengukur konsistensi jawaban responden. Validitas
berhubungan
dengankeakuratan
sebuah
kuesioner,
sedangkan reliabilitas berkaitan dengan konsistensi
jawaban kuesioner.
Pengukuran reliabilitas ada dua cara:
Repeated Measure, dengan cara ini seseorang disodori
pertanyaan yang sama dalam waktu berbeda, kemudian
dilihat apakah responden tetap konsisten dengan
jawabannya, teknik ini sudah jarang digunakan karena
boros waktu dan tenaga.
One Take Measure, responden hanya disodori angket satu
kali saja, kemudian hasil jawaban diperbandingkan dengan
hasil jawaban pertanyaan lain.
Statistik mm

129

Bentuk Angket
Ada dua bentuk angket yang umum digunakan dalam
penggalian data kepada responden, yakni:
Bentuk Terbuka, untuk jenis ini responden bebas
menuliskan jawaban atas pertanyaan yang disodorkan
kepadanya, jawaban ditulis pada tempat yang telah
disediakan.
Bentuk Tertutup, responden tidak bebas memberikan
jawaban secara tertulis namun responden dalam menjawab
pertanyaan harus memilih jawaban yang telah disediakan
dalam angket. Memilih jawaban sesuai persepsi/sikap yang
ada sesuai dengan pandangannya.

Statistik mm

130

Tujuan Uji Validitas dan Reliabilitas


Pada prinsipnya kedua uji di atas, berisi sebuah proses yang
bertujuan untuk mengkur butir-butir pertanyaan/pernyataan yang
ada dalam sebuah angket, apakah isi angket (butir pertanyaan)
sudah valid dan reliabel. Jika butir pertanyaan sudah valid dan
reliabel maka butir-butir tersebut sudah mampu mengukur
faktornya. Langkah selanjutnya adalah apakah faktor-faktor
sudah valid mengukur konstraknya.
Analisis dimulai dengan menguji reliabilitas lebih dahulu, baru di
ikuti dengan uji validitas. Jika angket secara keseluruhan tidak
reliabel maka angket tersebut juga tidak valid. Butir pertanyaan
yang tidak valid di ubah susunan kalimatnya atau ditata ulang
letaknya, baru kemudian dilakukan pengujian ulang. Butir yang
tidak valid harus di buang dan diganti oleh butir pertannyaan
lain, misal: jika ada 14 butir pertanyaan, kemudian terbukti
hanya 9 saja yang valid maka 5 butir pertanyaan lainnya harus
dikeluarkan/dibuang dari dalam angket atau ganti dengan butir
pertanyaan lain.
putu.artaya85@gmail.com
Statistik mm

131

Contoh Ilustrasi
Untuk mengetahui bagaimana sikap konsumen terhadap kualitas
kartu seluler, perusahaan provider mengukur kualitas pelayanan
dengan pendapat konsumen yang menggunakan kartu seluler yang
dijualnya.
Sikap Konsumen

Kualitas Pelayanan

Butir 1

Butir 2

Butir 3

Statistik mm

Butir n

132

Contoh Faktor dan Butir Dalam Penyusunan Angket


Faktor kualitas pelayanan disusun dalam 6 butir pertanyaan untuk
mengukur pendapat konsumen pengguna kartu seluler, misal:
Butir 1: apakah anda setuju dengan tarif murah yang diberikan
oleh provider kami ?
Butir 2 : apakah anda setuju bahwa tarif percakapan kartu seluler
kami lebih murah dibanding kartu seluler provider lain ?
Butir 3 : setujukah anda bahwa kartu seluler kami memiliki
kualitas suara jernih bila digunakan dalam berkomunikasi ?
Butir 4 : kartu seluler kami, selain memiliki kualitas suara yang
jernih juga memiliki kehandalan dalam berkomunikasi karena nyaris
tidak ada gangguan yang berarti ?
Butir 5 : kartu seluler kami memiliki kecepatan yang sangat baik
dalam berkomunikasi via jaringan internet
Butir 6 : apakah anda setuju, bahwa kartu seluler kami relatif
tidak ada gangguan yang berarti saat anda menggunakan dalam
keperluan apa saja?
Statistik mm

133

Contoh Faktor dan Butir Dalam Penyusunan Angket


Jawaban butir pertanyaan menggunakan metode Likert 5 skala
dengan bentuk jawaban:
1 = Sangat tidak setuju 2 = tidak setuju
3 = kurang setuju
4 = setuju
5 = sangat setuju
Sebelum di edarkan secara resmi, lebih dahulu angket tersebut di
uji validitas dan reliabilitasnya dalam bentuk pre-test dengan
jalan menyebarkan kepada minimal 30 orang responden.
Tujuannya adalah untuk menguji apakah ke-enam butir
pertanyaan sudah valid dan reliabel untuk mengukur faktor
kualitas pelayanan.

Statistik mm

134

Uji Faktor
Prosedur uji faktor terhadap butir jawaban responden yang
diberikan 30 orang responden adalah:
1.Masukkan data jawaban ke dalam SPSS data editor.
2.Pilih menu > Analyze > Scale > Reliability Analysis

3. Masukkan semua variabel, yaitu butir 1 sampai butir 6 ke dalam


kotak
Items yang ada sebelah kanan
4. Klik tombol <Statistics> untuk menampilkan kotak dialog
Statistik mm
135
statistic.

Uji Faktor
5. Pada bagian Descriptives for, aktifkan ketiga pilihan yang ada,
yaitu : Item,
Scale, Scale if Item deleted
6. Tekan tombol <Continue> untuk kembali ke kotak dialog
7. Tekan OK untuk memulai memproses data.
Hasil uji validitas dan reliabilitas dapat disajikan sebagai berikut:

Statistik mm

136

Bagian pertama di atas, berisi info mengenai nilai reliabilitas


total ke enam butir pertanyaan yang telah di uji
reliabilitasnya, angka yang tertera adalah : 0,815
Dasar pengambilan keputusan adalah:
jika positif dan > 0,7 maka butir atau variabel tersebut
reliabel
jika positif tetapi < r tabel maka butir atau variabel
tersebut
tidak reliabel
Statistik mm

137

Keputusan adalah:
Terlihat adalah positif dan lebih besar dari r tabel (0,815
> 0,507), maka butir-butir di atas adalah reliabel, atau dengan kata
lain jawaban yang diberikan oleh responden adalah konsisiten.
Karena angket sudah terbukti reliabel maka langkah selanjutnya
melakukan uji validitas per butir pertanyaan. Angka 0,7 di atas
disebut sebagai koefisien Cronbach Alpha.
Uji Validitas dilakukan dengan langkah2 sebagai berikut:
Menentukan hipotesis
Ho : Skor butir tidak berkorelasi positif dengan skor faktor
Ha : Skor butir berkorelasi positif dengan skor faktor
Uji validitas adalah uji satu arah, karena hipotesis menunjukkan
arah
tertentu yaitu positif.
Nilai r tabel adalah : 0,507
Nilai koefisien validitas masing-masing butir dapat dilihat pada
kolom Corrected Item-Total Correlation

Statistik mm

138

Pengambilan keputusan:
Dasar pengambilan keputusan adalah:
o Jika r butir positif dan r > r tabel maka butir atau variabel tersebut
valid.
o Jika r butir negatif dan r < r tabel maka butir atau variabel tsb tidak
valid
Keputusan
o Jika r butir negatif dan r > r tabel maka butir atau variabel tsb tidak
valid.
Butir
Koefisien r
r tabel
Keteranga
n
Butir 1

0,545

0,507

valid

Butir 2

0,538

0,507

valid

Butir 3

0,532

0,507

valid

Butir 4

0,569

0,507

valid

Butir 5

0,569

0,507

valid

Butir 6

0,667

0,507

valid

Statistik mm

139

Setelah dilakukan pengujian hipotesis, baik untuk uji reliabilitas


dan uji validitas, dapat disimpulkan bahwa enam butir
pertanyaan yang ada pada angket terbukti reliabel dan valid.
Artinya butir pertanyaan telah mampu menjelaskan faktor

Uji Validitas Menggunakan Analisa Faktor


Selain menggunakan korelasi seperti yang telah di contohkan
di atas, uji validitas dapat juga dilakukan dengan analisis
faktor. Sbb :
1.Dari data yang sama maka
2.Klik menu > Analyze > Data reduction > Factor
3.Pada kotak variables, masukkan enam butir variabel
4.Klik pilihan <Extraction>, pada pilihan Extrac, pilih number
of factor, dan masukkan angka 1. hal ini berarti proses
factoring akan menghasilkan satu faktor saja.
5.Tekan Continue kemudian tekan OK untuk mulai memproses
data
6.Hasil uji akan tampak seperti tampilan berikut:
Statistik mm

140

Tampilan Kotak Dialog Dalam Proses Analisa:

Statistik mm

141

Angka yang ada pada tabel sebelah


adalah angka yang menunjukkan nilai
korelasi
butir pertanyaan tertentu
dengan faktor yang telah terbentuk.
Butir dianggap valid jika angka
koefisien yang tampak nilainya > 0,5.
berdasar tampilan output analisa,
seluruh butir memiliki angka koefisien
> o,5. hal ini membuktikan bahwa
seluruh (enam) butir pertanyaan
dianggap valid.
Penggunaan
analisa
faktor
pada
dasarnya
akan
menghasilkan
kesimpulan
yang
sama
dengan
penggunaan menu reliability analysis
seperti yang di bahas sebelumnya,
Cuma
bedanya
proses
analisa
berlangsung hanya satu kali/satu
Statistik
mm
142
tahap
saja.

UJI VALIDITAS KONSTRAK

UJI VALIDITAS DUA


FAKTOR

Statistik mm

143

Dalam uji validitas konstrak, jumlah faktor di perluas menjadi dua,


yakni faktor 1 terdiri dari tiga butir pertanyaan dan faktor 2 terdiri
dari empat butir pertanyaan.
SIKAP KONSUMEN

KUALITAS
PELAYANAN

HARGA
PELAYANAN

Butir
Butir
Butir
Butir
Butir
Butir
Butir
1
2
3
1
2
3
4
Angket lebih dahulu di Pre-Test dengan cara disebarkan kepada 30
orang responden, tujuannya adalah untuk menguji apakah kedua
faktor sudah valid untuk mengukur konstrak sikap konsumen.
Statistik mm

144

Prosedur dan Proses Analisa Uji Validitas Konstrak, sbb :


masukkan data ke dalam data editor
pilih menu > Analyze > Data Reduction > Factor
masukkan semua butir variabel ke dalam kotak Variables
pilih Extraction, kemudian pilih Number of Factor dan masukkan
angka 2
untuk membuat dua faktor.
klik pilihan Rotation untuk menampilkan kotak dialog Rotation
pilih cara rotasi dengan metode Varimax
tekan Continue untuk kembali ke menu utama
tekan OK untuk mulai memproses data

Statistik mm

145

Terlihat ada dua faktor pada tabel


di
sebelah,
perhatikan
factor
loading untuk kedua faktor pada
kolom Component. Pada faktor 1
(Harga Pelayanan) yaitu: HP_1,
HP_2, HP_3, HP_4 semua memiliki
factor loading tinggi karena nilainya
di atas 0,5. sebaliknya faktor 2
(Kualitas Pelayanan) yaitu: KP_1,
KP_2, KP_3 memiliki factor loading
juga di atas 0,5.
Hal ini
menunjukkan bahwa faktor 1 berisi
variabel yang mengukur faktor
HARGA dan faktor 2 berisi variabel
yang mengukur faktor KUALITAS.
Terbukti bahwa faktor 1 (HARGA)
dan faktor 2 (KUALITAS) adalah
valid.
Statistik mm

146

Untuk uji reliabilitasnya, langkah dan prosedur sama dengan contoh


pertama, dan hasil uji dapat ditampilkan sbb:

Statistik mm

147

Terlihat angka Cronbach Alpha = 0,879 > 0,7 sehingga dapat


dikatakan bahwa
kuesioner/angket adalah reliabel.
Sedangkan pada kolom Corrected Item-Total Correlation
tampak semua angka nilainya di atas 0,472 berarti semua
pertanyaan dapat dikatakan valid yaitu mampu mengungkap
sesuatu yang seharusnya diungkap. Dengan demikian telah
terbukti bahwa kedua faktor memang terpisah dan
membentuk sebuah konstrak bernama SIKAP KONSUMEN.
Statistik mm

148

SEKIAN
DAN
TERIMA KASIH
Wassalam
Statistik mm

149