BAB I. PENDAHULUAN
Pada masa kini dg perkembangan Teori Peluang, berbagai metode statistika yang
digunakan, memungkinkan untuk meneropong jauh di luar data yang dikumpulkan
dan masuk kepada wilayah pengambilan keputusan melalui generalisasi dan
prediksi.
Metode Sattistika adalah prosedur-prosedur yang digunakan dalam pengumpulan,
penyajian, analisis, dan penafsiran data. Pengelompokan mtd-mtd tsb menjadi dua
kelompok besar, yaitu:
Inferensia Statistika
Statistika Deskriptif
Mtd yg berhubungan dg cara-cara
Pengumpulan dan penyajian suatu
menentukan suatu penduga bagi suatu
gugus data sehingga memberikan
parameter serta kemudian menyimpulkan
informasi yang berguna.
tentang nilai/sifat parameter tersebut
Populasi
Populasi
Mengandung
Mengandungsifat
sifatyang
yang
disebut
Parameter
disebut Parameter
Sampel
Mengandung besaran
yang disebut Statistik
Setiap pengambilan keputusan bisnis akan menghadapi empat kemungkinan, yaitu: a) Kepastian
(Certainty); terjadi bila semua informasi yg dijadikan dsr keputusan tersedia. b) Resiko (Risk);
terjadi jika informasi untuk mengambil keputusan tidak dlm keadaan sempurna, c)
Ketidakpastian (Uncertainty); terjadi jika informasi untuk mengambil keputusan tidak ada, d)
Konflik (Conflict); jika terdapat dua kondisi atau lebih sama-sama memiliki tkt kepentingan
yang tinggi, shg butuh kebijakan dlm menentukan skala prioritas kepentingan mana yg harus
lebih didahulukan. Mtd Statistika sangat membantu dalam pengambilan keputusan bisnis
manakala informasi untuk mengambil keputusan tidak ada (Ketidakpastian /Uncertainty).
Contoh Fenomena deskriptif: Salah satu hasil pol pendapat yang dilakukan baru-baru ini adalah
bahwa kebanyakan Penduduk Bali tidak menyetujui program
pengembangan wisata seks di Provinsi Bali.
Contoh Fenomena inferensia:Akibat penurunan produksi minyak oleh negara-negara OPEC,
maka diramalkan harga minyak dunia akan menjadi dua kali lipat
pada tahun yg akan datang.
Ukuran Pemusatan selain Nilai tengah (m) : Median, Quartil, dan Modus. Ukuran
Penyebaran selain Simpangan baku (s) : Jangkauan, dan Simpangan baku standar
Nilai Baku (z): Nilai data suatu variabel yang dibebaskan dari satuannya.
Zi = (xi m)/s
Ukuran Pemusatan Data (Nilai Rata-Rata atau Nilai Tengah)
Menghitung Rata-Rata (m) untuk Data yg telah dikelompokkan
Contoh 1 : Diketahui Nilai Income Bulanan (Juta Rp)Pedagang Sayur di suatu daerah sbb:
Interval kelas dari Income
Fekuensi (fi)
Mid Point (Xi)
fi.Xi
fi .LogXi
31 40
4
35,5
142
6,2009
41 50I
6
45,5
273
9.9481
51 60
8
55,5
444
13,9543
61 70
14
65,5
917
25,4274
71 80
26
75,5
1.963
48,8266
81 90
12
85,5
1.026
23,1836
91 - 100
20
90,5
1.910
39,6001
Jumlah
90
6.675
167,1410
Tentukan rata-rata income pedagang sayur tersebut atau m = ?
m = fiXi / fi = 6.675 / 90 = 74,167
Rata-Rata Ukur : u = (x1.x2.x3.....xn)1/ n = log u = 1/n log xi
Untuk data yang telah dikelompokkan
Log u = fi .log xi / fi
Untuk data Contoh 1, maka log u = 167,141/90 = 1,8571
u = 10 1,8571 = 71,965
Pt = P0 . (1 + r)t
r =m %
Contoh 2. Modal usaha pada tahun 1980 sebesar Rp 3,2 juta, dan pada tahun 1990
bertambah menjadi Rp 12,8 juta. Berapa pertambahan rata-rata modal usaha tersebut setiap
tahunnya?
12,8 = 3,2 . (1 + r)10
1 + r = 10 0,060206 = 1,1487
Jadi r = (1,1487 1) = 0,147 = 14,87%
Menghitung Modus (Mo) untuk data yg telah dikelompokkan
Mo = b + p( b1 / (b1+b2) ) Mo: Nilai modus
b: Batas bawah di mana modus terdapat
b1: Selisih antara frekuensi modus dan sebelumnya
b2: Selisih antara frekuensi modus dan sesudahnya
Contoh 3. Nilai Statistika Mahasiswa Kelas X
Nilai Statistika
31 40
41 50
51 60
61 70
71 80
81 90
91 - 100
Jumlah
Fekuensi
4
8
8
10
26
16
18
90
= 87,6875
Soal 1. Diketahui distribusi frekuensi dari kekuatan masa pakai 400 baterai merek TT sbb:
Kekuatan Masa pakai (jam)
300 399
400 499
500 599
600 699
700 799
800 899
900 999
1.000 1099
1.100 1100
Fekuensi
14
46
58
76
68
62
48
22
6
XE: Nilai di tengah interval terakhir. XF: Nilai di tengah interval pertama.
Contoh 6. Diketahu tingkat efisiensii teknis kegiatan produksi usaha pembesaran ikan kerapu
dalam KJA dari 100 Pengusaha Budidaya sbb:
Tk Efisiensi Teknis
0,40 0,49
0,50 0.59
0,60 0,69
0,70 0,79
0,80 0,89
0,90 1,00
Jumlah
Fekuensi
14
21
25
16
19
5
100
Xi
0,455
0,555
0,655
0,755
0,855
0,955
fi.Xi
6,37
7,77
9,17
10,57
11,97
13,37
59,22
|Xi m |
0,1372
0,0372
0,0628
0,1628
0,2628
0,3628
1,0256
fi |Xi m |
1,9208
0,5208
0,8792
2,2792
3,6792
5,0792
14,3584
Tentukan Nilai deviasi rata-rata dari efisiensii teknis kegiatan produksi tersebut
m = 59,22 / 100 = 0,5922
Contoh 7. Diketahu tingkat efisiensii teknis kegiatan produksi usaha pembesaran ikan kerapu
dalam KJA dari 100 Pengusaha Budidaya sbb:
Tk Efisiensi Teknis
0,40 0,49
0,50 0.59
0,60 0,69
0,70 0,79
0,80 0,89
0,90 1,00
Jumlah
Fekuensi
14
21
25
16
19
5
100
Xi
0,455
0,555
0,655
0,755
0,855
0,955
fi.Xi
6,37
7,77
9,17
10,57
11,97
13,37
59,22
(Xi m)2
0,0188
0,0014
00039
0,0265
0,0691
0,1316
0,2513
fi (Xi m)2
0,2635
0,0194
0,0552
0,3711
0,9669
1,8427
3,5188
Tentukan ragam dan simpangan baku dari efisiensii teknis kegiatan produksi tersebut
S2 = 3,5188 / 99 = 0,035543
S = 0,035543 = 0,1885
Koefisien Ragam atau KK adalah Persentase dari Nilai Simpangan baku terhadap Nilai RataRatanya atau KK = (S/m)100% .
Dalam Contoh 7, maka KK = ( 0,1885 / 0,5922 )100% = 31,83%
360
300
Penjualan
240
180
20
40
40
Persentase (%)
30
20
10
<0,61
2
3
4
5
6
0,6-<0,7
0,7-<0,8
0,8-<0,9
0,9-<0,9
0,9-1,00
Efisiensi Teknis
10
50
Harga
60
I klan
Variable
Actual
Fits
Forecasts
Penj ualan
3200
Accuracy Measure
s
MAPE
1.66
MAD
45.00
MSD
4151.95
3000
2800
2600
2400
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
Year
Variable
Actual
Fits
Forecasts
Penj ualan
3200
Accuracy Measures
MAPE
1.57
MAD
42.64
MSD
3858.44
3000
2800
2600
2400
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
Year
Kaidah Bayes
Jika kejadian2 B1, B2, Bk merupakan sekatan dari ruang contoh U dg p(Bi)0 untuk
i = 1,2 k, maka untuk sembarang kejadian A yg bersifat p(A)0
p(Br).p(A/Br)
P(Br/A) =
p(B1).p(A/B1) + p(B2).p(A/B2) + + p(Bk).p(A/Bk)
B1
B2
B3
B6
Bk
B5
B4
p(L).p(A/L)
p(R).p(A/R) + p(S).p(A/S) + p(L).p(A/L)
= ( 0,30 . 0,08) / (0,20 . 0,05 + 0,50 . 0,04 + 0,30 . 0,08) = 0,024/0,054 = 0,4444
10
fkp : f(x)
x
p(X=x)
x1
f(x1)
x2 . . . xn
f(x2) . . . f(xn)
11
x1
x2 . . . xn
f(x1)
f(x2) . . . f(xn)
$50.000
$25.000
p(X=xi)
0,005
0,03
$12.500
0,1
$0,000
0,865 = 1 - 0,135
E(X) = $50.000(0,005) + $25.000(0,03) + $12.500(0,1) + $0(0,865) = $2.250,Agar untung $500,- maka premi yg harus dibayar = $2.250 + $500 = $2.750,-
Contoh 2. Misalkan dana sebesar Rp 20 juta mau diinvestasikan dg cara membeli saham pada
pilihan dari empat saham perusahaan A, B, C, dan D dg data seperti berikut: (Saham perusahaan
mana yg sebaiknya dibeli?)
Prsh
A
B
C
C
Prsh
A
B
C
D
Hrg saham
Rp
8.500
12.300
22.000
9.000
Jmlh saham
Kondisi Baik dg p(X1) = 0,6 Kondisi Jelek dg p(X2) = 0,4
lmbr
Deviden/lmbr Ttl Deviden
Deviden/lmbr Ttl Deviden
2.353
350
823550
200
470600
1.626
2.200
3577200
1.400
2276400
909
2.500
2272500
1.900
1727100
2.222
400
888800
325
722150
Baik
Buruk
823550
3577200
2272500
888800
470600
2276400
1727100
722150
Kita memilih untuk membeli saham Perusahaan B, karena memiliki Nilai ekpektasi pembelian
saham tertinggi.
12
x1
x2 . . . xn
f(x1)
f(x2) . . . f(xn)
2 = $46.875.000 - $2.2502 = $41.812.500,- dan Simpangan baku = = $41.812.500 =$6.466,3,Sifat-Sifat Nilai Tengah & Ragam
Bila a dan b konstan, maka ax+b = a + b
x+y = x + y
x-y = x - y
Bila P. acak X dan Y bebas (tidak saling mempengaruhi), maka xy = x.y
Bila a dan b konstan, maka 2 ax+b =a22
2 x+y = 2x + 2y
2 x-y = 2x - 2y
Peragam: Peragam dua P. acak X dan Y yg dilambangkan dg
xy = E(X x)(Y y)
= E(XY) - x.y = E(XY) [E(X)].[E(Y)]
Variasi antar dua P. Acak X dan Y disebut Peragam antar X dan Y.
Variasi suatu P.Acak X disebut Ragam X.
Contoh 4. Misalkan banyaknya mobil, X, yg dicuci di suatu tempat penyucian mobil antara pk
16:00 17.00 pd setiap hr Jumat mempunyai sebaran peluang:
Jika g(X) = 2X 1 menyatakan uang yg dibax
4
5
6
7
8
9 yarkan ($) oleh manajer kpd petugas pencuci,
p(X = x) 1/12 1/12 1/4 1/4 1/6 1/6 tentukan penerimaan harapan petugas pencuci pd
periode waktu tsb
E[g(X)]] = E(2X 1) = (2x -1)f(x) = 7(1/12) + 9(1/12) + 11(1/4) +13(1/4) + 15(1/6) + 17(1/6)
g(X) = $12,67
E[g(X)]2 = (2x -1)2 f(x) = 72(1/12) + 92(1/12) + 112(1/4) +132(1/4) + 152(1/6) + 172(1/6)
= 169
2g(X) = E[g(X)]2 [g(X)]2 = 169 12,672 = 8,56 g(X) = 8,56 = $2,925
13
1. Sebaran Seragam
Bila P. acak X mempunyai nilai2 x1, x2, xk dg peluang yg sama, maka sebaran
seragam diskretnya diberikan oleh:
f(x;k) = 1/k untuk x = x1, x2, xk.
= xi/k
2. Sebaran Binom
Bila suatu ulangan binom mempunyai peluang keberhasilan p dan peluang
kegagalan q = 1-p, maka sebaran peluang bagi P. acak binom X, yaitu banyaknya
keberhasilan dlm n ulangan yg bebas adalah
b(x; n, p) = (nCx).(px).(qn-x) , untuk x = 1, 2, n.
= n.p dan 2 = n.p.q
3. Sebaran Multinom
Bila setiap ulangan menghasilkan salah satu dari k hasil percobaan E 1, E2, Ek dg
peluang p1, p2, pk, maka sebaran peluang bagi P.acak X1, X2, Xk yg
menyatakan berapa kali E1, E2, Ek terjadi dlm n ulangan yg bebas adlh
f(x1, x2, xk; p1, p2, pk , n) = [nC(x1, x2, xk].piXi
dengan xi = n
pi = 1.
4. Sebaran Poison
Sebaran peluang bagi P. acak X, yg menyatakan banyaknya hasil percobaan yg
terjadi selama satu selang waktu atau daerah tertentu adalah
e-. x
p(x; ) =
untuk x = 1,2, ,
x!
adalah rata-rata banyaknya hasil percobaan yg terjadi selama selang waktu atau
dlm daerah yg dinyatakan, dan e = 2.7182 = n.p = n.p.q
5. Sebaran Hipergeometrik
Dlm populasi N benda: k benda labelberhasil & N-k benda lain labelgagal,
sebaran peluang P.acak hprgeometrik X yg menyatakan banyaknya keberhasilan dlm contoh acak berukuran n, adalah
kCx.[(N-k)C(n-x)]
h(x; N, n, k) =
untuk x = 0, 1,2, n
NCn
14
Contoh 1. Diduga 30% dari barang yg diproduksi pada Mesin I dlm kategori Reject. Seorang
manajer dari perusahaan itu ingin mengetahui kebenaran prakiraan tsb. Untuk itu, diambil contoh
acak sebanyak 10 buah barang hasil Mesin I. Brpkah peluang dari 10 buah barang tsb akan
berada dlm kondisi: a) rusak sebanyak 6 buah? b) setidaknya ada sebanyak 7 buah yg rusak?
X ~ b(x, n; p)
a. p = 0,30 q = 1 - 0,30 = 0,70 n = 10 x = 6
p(x=6) = b(6, 10; 0,30) = (6 C 10). (0,30)6.(0,70)10-6 = 210(0,000729)(0,2401) = 0,036757
b. p(x 7) = 1 - p(x 6) = 1 0,989408 = 0,010592
Contoh 2. Peluang terdapat telur yg pecah dlm sebuah keranjang telur diperkirakan 0,8%.
Apabila diambil sampel acak 1 keranjang yg berisi telur 200 butir untuk dilakukan penelitian thdp
prakiraan di atas, brpkah kemungkinan terdapat 3 butir telur yg rusak?
p = 0,8% = 0,008 = n.p = 200.0,008 = 1,6
p(x = 3) = (2.7182-1,6). (1,63) / 3! = (0,201906).(4,096) / 6 = 0.1378
Contoh 3. Pada jam-jam sibuk nasabah yg datang pd sebuah Bank yg akan melakukan transaksi
diperkirakan sebanayak 300 orang. Jika rata-rata setiap orang dapat dilayani oleh Customer
Service selama 3 menit, maka berapakah tingkat penyimpangan yg mungkin dilakukan oleh
Customer Service thdp para nasabahnya?
n = 300 = n.p 3 = 300.p p = 0,01 q = 1 0,01 =0,99
= 300.0,01.0,99 = 2,97 = 1,723 menit
Contoh 4. Sebuah perusahaan memproduksi 4 jenis barang A, B, C, dan D, dg proporsi 0,3; 0,4;
0,2; dan 0,1. Jika diambil secara acak sebanyak 8 buah produk tsb, brpkah peluang terambil (A,
B, C, D) = (2, 1, 3, 2) ?
p(A=2, B=1, C=3, D=2) = f(2, 1, 3, 2; 0,3 0,4 0,2 0,1; 8) =
= [8C(2, 1, 3, 2)].(0,3)2. (0,4).(0,2)3.(0,1)2
= 8! / (2!.1!.3!.2!).(0,3)2. (0,4).(0,2)3.(0,1)2
= 0.00000288.(1680) = 0.0048384
15
Kurva Normal. Bila X suatu P. acak normal dg nilai tengah dan ragam 2, maka
persamaan kurva normalnya adalah
e = 2.71828
Histogram of P. acak X
Normal
0.05
Mean
StDev
N
0.04
Density
18.63
8.751
19
0.03
0.02
0.01
0.00
10
15
20
P. acak X
25
30
35
Contoh 1. Buatlah Grafik Sebaran Frekuensi Data Kekuatan masa pakai baterai sbb.
Kekuatan Masa pakai (jam)
300 399
400 499
500 599
600 699
700 799
800 899
900 999
1.000 1099
1.100 1199
Fekuensi
14
20
24
32
40
32
24
20
14
16
30
20
10
= 750
0
400.00
600.00
800.00
1000.00
Mspkibterai
Masa Pakai
Baterai (Jam)
Statistik
220
Min
Max
300
1199
Mean
Std. Deviation
750
222.4620
Variance
49489.36
-1/2 (z^2)
z dg melihat
Tabel Z (Tabel Normal Baku) dapat diperoleh p(-3.21 < z < 1.07) =
0.858012 0.000654 = 0.857358.
Contoh 2. Sebuah perusahaan membayar karyawannya dg rata-rata $7,25 per jam dan
simpangan baku 60 sen. Bila gaji itu kira2 menyebar normal dan dibayarkan sampai sen
terdekat. (a) Brp persen karyawan yg menerima antara $6,75 dan $7,69? (b) 5% gaji tertinggi
lebih besar dari brp?
= $7,25 = 60 sen = $0,6. (a) p(6,75 < X < 7,69) = p(X < 7,69) p(X < 6,75) = 0,768322
0,202328 = 0,565994 = 56,60% (Gunakan Fungsi Normdist pd Excel).
(b) p(X > a) = 5% = 0,05 a = ? 1 - p(X < a) = 0,05 p(X < a) = 1 0,05 = 0,95
a = 8.236912 (Gunakan Fungsi Norminv pd Excel). Jadi 5% gaji tertinggi lebih besar dari
$8,24 per jam.
17
Contoh 3. Bagian Mesin sebuah perusahaan ban mobil membuat jenis ban baru dan
merencanakan untuk mengujinya. Masa pakai diukur dg jarak tempuh dlm km. Diasumsikan
bahwa masa pakai ban menyebar normal dg simpangan baku 2.500 km. Apabila perusahaan
menginginkan 80% dari ban yg dicoba memiliki masa pakai sekurang-kurangnya 25.000 km,
brpkah rata-rata umur pemakaian terendah yg diterima?
p([x /]....) = 80% = 0,80 1 - p([x /]<....) = 0,80 p([x /]<....) = 0,20
.. = -0,84162 x = 25.000 km = 2.500 km
(25.000 ) / 2.500 = -0,84162
= 25.000 + 2.500(0,84162) = 27.104,05
Rata-rata umur pemakaian terendah yg diterima = 27.104,05 km
Bila X adalah suatu P.acak Binom dg nilai tengah =np , dan ragam 2=npq, maka
bentuk pelimitan bagi sebaran
Z = (x-np)/npq untuk n
adalah Sebaran normal baku.
Contoh 4. Sebuah perusahaan kebun bibit jeruk menjamin bahwa bibit jeruk yg
dihasilkannya memiliki daya tumbuh sebesar 82%. Berapakah peluang seorang yg membeli
100 batang bibit jeruk tsb, tidak tumbuh paling banyak 12 batang?
p = 1 0,82 = 0,18 q = 0,82 n = 100
= np = 100(0,18) = 18 = npq = 100(0,18)(0,82) = 3.841875
p(X 12) = p(Z [12 18]/ 3.841875) = p(Z -1.561738) = 0.059175
18
X = 15/40 = 2,371708 ml
19
Contoh 2. Sebuah perusahaan memproduksi bohlam. Bila umur bohlam itu menyebar normal dg
nilai tengah 800 jam, dan simpangan baku 40 jam, hitunglah peluang bahwa suatu contoh acak 16
bohlam mempunyai umur rata-rata kurang dari 775 jam.
Sebaran penarikan contoh bagi X adalah normal dg X = 800 dan X = 40/16 = 10.
P(X < 775) = p(Z < [775 800]/10) = p(Z < -2,50) = 0,0062.
Contoh 3. Sebuah perusahaan menyatakan bahwa batere yg digunakan dlm alat2 elektroniknya
mencapai umur rata-rata 30 jam. Untuk mempertahankan nilai rata-rata ini, 16 batere diuji setiap
bulan.Bila nilai t yg diperolehnya jatuh antara -t0,025 dan t0,025 , maka perusahaan itu cukup puas.
Apa kesimpulan perusahaan itu bila dari sebuah contoh diperoleh x = 27,5 jam dan s = 5 jam.
Asumsikan bahwa sebaran umur batere itu normal.
n = 16 = 30 t = ( x - )/(s/n) = (27,5 30)/(5/16) = -2,00
t0,025 = 2,48
p-value untuk t = 2,00 dan derajat bebas db = n -1 =16 -1 =15 adalah 0,063945
Jadi perusahaan itu cukup puas.
-2,48
2,48
20
Contoh 4. Dua lampu berbeda merek: Lampu A Rata-Rata kekuatan 7500 jam dg Simpangan
baku 80 jam. Lampu B: Rata-Rata kekuatan 6250 jam dg Simpangan baku 45 jam. Contoh
acak diambil: Lampu A sebanyak 62 buah, dan Lampu B sebanyak 70 buah. Tentukan peluang
bahwa Lampu A akan memiliki kekuatan masa pakai 240 jam lebih lama dari lampu B.
) = p(z >{240
21
zTabel = 2,57583
Ukuran Contoh bagi Pendugaan . Bila m digunakan menduga , kita boleh percaya
(1- )100% bahwa galatnya tidak akan melebihi suatu nilai ttt e bila ukuran contohnya
diambil sebesar
2
z /2
n=
e
22
Contoh 2. Perhatikan Contoh 1. Seberapa besar contoh harus diambil dalam kasus Contoh 1
bila diinginkan kepercayaan 95% bahwa nilai dugaan rata-rata waktu yg diperlukan untuk
memproduksi 1 pis kain tidak menyimpang dari lebih dari pada 0,05.
n = [1,96(0,5)/0,05]2 = 384,1443
Jadi kepercayaan 95% bahwa suatu contoh acak berukuran 385 pis kain tsb akan
menghasilkan nilai dugaan rata-rata waktu yg diperlukan untuk memproduksi 1 pis kain
sebesar m yang selisihnya dari tidak melebihi 0,5 menit.
Selang Kepercayaan bagi untuk contoh berukuran kecil, dan tidak diketahui.
Bila m dan s adalah nilai tengah dan simpangan baku contoh acak berukuran
n < 30 yg diambil dari suatu populasi normal yg ragamnya 2 tidak diketahui, maka
selang kepercayaan (1- )100% bagi adalah
m t /2 (s/n) < < m +t /2 (s/n)
Sedangkan t /2 adalah nilai t dg v = n -1 derajat bebas yg di sebelah kanannya terdapat
daerah seluas /2.
Contoh 3. Distribusi masa pakai produk alat pijat elektronik adalah normal. Jika untuk
keperluan suatu penelitian diambil sampel acak sebanyak 20 unit, ternyata alat pijat tsb
memiliki umur rata-rata 790 minggu dan simpangan baku sampel 20 minggu. Tentukan
batas-batas masa pakai alat pijat tsb pada tingkat kepercayaan 98%.
m = 790 s = 20 n = 20 /2 = 0,01 tTabel = 2,860935
790 2,860935(20/20) < < 790 + 2,860935 (20/20) = 777,2 < < 802,8
Pendugaan Proporsi
Selang kepercayaan bagi untuk contoh berukuran besar. Bila p adalah proporsi
keberhasilan dlm suatu contoh acak berukuran n, dan q = 1 p, maka selang kepercayaan
(1- )100% bagi parameter binom diberikan oleh
p z /2(pq/n) < < p + z /2 (pq/n) Sedangkan z /2 adalah nilai z yg luas
daerah di sebelah kanan di bawah kurva normal baku adalah /2
Contoh 4. Dari suatu contoh acak 500 orang yg makan siang di sebuah restoran selama beberapa
hari Jumat, diperoleh informasi x = 160 orang yg menyukai makanan laut (seafood). Tentukan
selang kepercayaan 95% bagi proporsi sesungguhnya orang yg menyukai makanan laut untuk
makan siang di hari Jumat.
Nilai dugaan adalah p = 160/500 = 0,32 q = 0,68 /2 = 0,025 zTabel = 1,95996
0,32 1,95996[(0,320(0,68)/500] < < 0,32 1,95996[(0,320(0,68)/500] =
0,279 < < 0,361
Ukuran Contoh bagi Pendugaan . Bila p digunakan menduga , kita boleh percaya (1)100% bahwa galatnya tidak akan melebihi suatu nilai ttt e bila ukuran contohnya
diambil sebesar
z 2/2 pq
n=
e2
23
Contoh 5. Suatu penelitian ingin menduga persentase penduduk di suatu kota yg menyetujui
pemberian fluor pada air minum mereka. Brp besar contoh yg diperlukan bila diinginkan
kepercayaan sekurang-kurangnya 95% bahwa nilai dugaan yg diperoleh (0,77) berbeda tidak lebih
dari pada 1% dari persentase yg sebenarnya.
p = 0,77
q = 0,23
e = 0,01
n = 1,959962(0,77)(0,23)/0,12 = 6.804
Pendugaan ragam 2
Statistik Khi-Kuadrat. Bila s2 adalah ragam contoh acak berukuran n yg ditarik dari
suatu populasi normal dg ragam 2 , maka
(n 1)s 2
2 =
2
merupakan sebuah nilai P. acak 2 yg mempunyai sebaran Khi-Kuadrat dg v = n 1
derajat bebas.
Selang Kepercayaan bagi 2. Bila s2 adalah ragam contoh acak berukuran n yg ditarik
dari suatu populasi normal, maka selang kepercayaan (1 )100% bagi 2 diberikan oleh
rumus
(n 1)s 2
(n 1)s2
< 2 <
2/2
21 - /2
Sedangkan 2/2 dan 2 1 /2
adalah nilai2 2 dg v = n 1 derajat bebas
yg luas derah di sebelah kanannya berturut-turut /2 dan 1- /2.
Contoh 6. Suatu pabrik aki mobil menyatakan bahwa aki produksinya scr rata-rata akan
mencapai umur 3 tahun dg ragam 1 tahun. Bila 11 aki mobil tsb mencapai umur: 1,9 2,4 3,0
3,5 4,0 3,7 3,2 2,8 2,2 2,7 2,1 tahun. Berdasarkan data itu buatlah selang
kepercayaan 95% bagi 2, dan simpulkan apakah pernyataan pabrik bahwa 2 = 1
dapat diterima atau tidak. Asumsikan bahwa populasi umur aki tsb menyebar normal.
s2 = 0,472545 n = 11 /2 = 0,025 1- /2 = 0,975 20,025 = 20,483 20,975 = 3,247
[ (11 1) 0,472545/20,483] < 2 < [ (11 1) 0,472545/3,247] = 0,2307 < 2 < 1,4553
Pernyataan pabrik bahwa 2 = 1 dapat diterima
24
Statistik F. Bila s12 dan s22 adalah ragam dua contoh acak bebas berukuran n 1 dan n2 yg
ditarik dari populasi normal dg ragam 12 dan 22, maka
s12/ 12
22/ s12
f=
=
s22/ 22
12/ s22
Merupakan nilai bagi P.acak F yg mempunyai sebaran F dg v1 = n1 -1 dan v2 = n2 1
derajat bebas.
f
f
1
F1 (v1, v2) =
F (v2, v1)
Jadi F0,95 (6, 10) = 1 / F0,05 (10, 6) = 0,2463
Contoh 7. Bila s12 dan s22 adalah ragam dua contoh acak bebas berukuran masing2
25
/2
/2
H1: 0
26
H1: > 0
0 = 2.500.000
= 75.0000 m = 2.510.000 n = 32
H0: < 2.500.000 H1: 2.500.000
Z hitung = (m - 0) / (/n)
= (2.510.000 2.500.000)/(75.000/32)
= 0,754
H0 ditolakk bila Z hitung Z0,05 = 1,645. 0,754 tidak lebih besar dari 1,64485 , oleh karena itu
terima H0. Jadi tidak benar pendapatan rata-rata karyawan perusahaan PT Ganapatigum
tidak kurang dari Rp 2.500.000,- /bulan. Pada taraf nyata berapa H 0 ditolak? Gunakan
NORMSDIST z = 0.754 diperoleh taraf nyata = 0,775 tetapi mubazir pengujian hipotesis
menolak H0 dengan = 77,5%.
Bila sampel kecil (<30) dan tidak diketahui mengenai Ragam Populasi ( 2), maka
gunakan statistik uji t hitung = (m - 0) / (S/n). t dg derajat bebas v = n -1.
Contoh 2. Diketahui data Produktivitas (jmlh unit barang yg dihasilkan per hari) 13 karyawan
perusahaan PT Ganapatigum adalah sbb: 60, 59, 57, 56, 56, 58, 62 55, 54, 64, 63, 58, 55.
Pada taraf nyata = 5% ujilah bahwa produktivitas karyawan PT Ganapatigum kurang
dari 61 unit/hari.
H0: = 61
27
Contoh 3. Sebuah perusahaan oleh raga mengembangkan jenis batang pancing sintetis yg
dikatakan mempunyai kekuatan menyebar normal dg nilai tengah 8 kg dan simpangan baku 0,5
kg. Pada taraf nyata 5% Ujilah hipotesis bahwa tidak benar kekuatan batang pancing tsb sama
dg 8 kg, bila contoh acak 50 batang pancing itu setelah dites memberikan kekuatan dg nilai
tengah 7,8 kg.
H0: = 8 H1: 8. n = 50 /2 = 5%/2 = 0,025 = 0,5 m = 7,8
H0 ditolakk bila Z hitung < - Z0,025 = -1,96 atau Z hitung > Z0,025 = 1,96
Z hitung = (m - 0) / (/n) = (7,8 8,0) / (0,5/50) = -2,828 Tolak H 0. jadi tidak benar kekuatan
batang pancing tsb 8,0 kg.
m1 = 340
S1 = 25
m2 = 350
S2 = 30
= 0,5
Sp2 = [ (n1 1) S12 + (n2 1) S22] / (n1 + n2 -2) = [(35 - 1)252 + (35 1)302] / (35 +35 -2) = 762,5
Sp = 762,5 = 27,61
1
4,2
4,1
2
4,7
4,9
3
6,6
6,2
4
7,0
6,9
5
6,7
6,8
6
4,5
5,4
7
5,7
5,7
8
6,0
5,8
9
7,4
6,9
10
4,9
4,7
11
6,1
6,0
12
5,2
4,9
m
5,75
5,69
S2
1,11
0,85
S
1,05
0,92
Pada taraf nyata 0,025 dapatkah disimpulkan bahwa mobil dg ban radial lebih hemat bahan bakar
daripada mobil dg ban biasa?Asumsikan kedua populasi itu menyebar normal dg ragam yg sama
H0: 2 1 = d0 H1: 2 1 > d0 = 0,025
Sp2 = [ (12 - 1)1,112 + (12 1)0,852 ] / (12 +12 -2) = 0,98 Sp = 0,98 = 0,99
thitung = (m2 m1 d0) / Sp[1/n1 + 1/n2)] = (5,695,75-0) /0,99[1/12 + 1/12) = -0,144
Derajat bebas v = n1 + n2 -2 = 22
H0 ditolakk bila t hitung < -t 0,025 (v = 22) = -2,405. -0,144 tidak lebih kecil dari -2,405.
Jadi terima H0. Mobil dg ban radial dan dg ban biasa tidak berbeda hematnya thdp bahan bakar.
28
T-Test
Group Statistics
Banmobil
dumi
0
1
N
12
12
Mean
5.7500
5.6917
Std. Deviation
1.05270
.92290
Std. Error
Mean
.30389
.26642
F
Banmobil
Equal variances
assumed
Equal variances
not assumed
Sig.
.466
.502
df
Sig. (2-tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower
Upper
.144
22
.887
.05833
.40414
-.77980
.89646
.144
21.630
.887
.05833
.40414
-.78063
.89730
fhitung = SL2/ SP2 = 6,12/5,32 = 1,3247. H0 ditolak bila fhitung > f /2 (vL = nL - 1, vP = nP - 1) = f
0,02/2 (vL = 11 - 1, vP = 14 - 1) = f0,01 (10, 13) = 4,1003 atau fhitung < f 1 - /2 (vL = nL - 1, vP =
nP - 1) = f0,99 (10, 13) = 0,2151. Jadi terima H0. Jadi ragam waktu yg diperlukan oleh
karyawan laki-laki dan perempuan untuk merakit sebuah produk ttt adalah sama.
29
H1: 1 - 2 0
30
Contoh 10. Sebuah pabrik rokok memproduksi dua merek rokok yg berbeda. Ternyata
56 orang diantara 200 perokok menyukai Merek A, dan 29 orang diantara 150 perokok
menyukai Merek B. Dapatkah kita menyimpulkan pd taraf nyata 6% bahwa Rokok
Merek A lebih laris dari pada Merek B?
H0: 1 - 2 = 0 H1: 1 - 2 > 0
x1 = 56
= 0,1933
SUMBER PUSTAKA
1. Walpole, R.E., 1988. Pengantar Statistika. Jakarta; PT Gramedia.
2. Graybill, F.A., Alexander Mood, and Duane Mood, 1983. Introduction to The
Theory of Statistics. Lodon: McGraw-Hill International Book Company.
3. Kuncoro, M., 2001. Metode Kuantitatif (Teori dan Aplikasi untuk Bisnis dan
Ekonomi). Yogyakarta: UPP AMP YKPN.
4. Nasution, A.H. dan Abdurauf Rambe, 1984. Teori Statistika. Jakarta: Bhratara
Karya Aksara.
5. Supangat, A., 2007. Statistika (Dalam Kajian Deskriptif, Inferensi, dan
Non Parametrik). Jakarta: Kencana Prenada Media Group.
SOFTWARE
1. SPSS 15.0
2. MINITAB 14
3. FRONTIER 4.1
4. EXCEL 2003
5. SYSTAT 12
31
BAHAN AJAR
PENGANTAR STATISTIKA
UNTUK RISET BISNIS
Oleh
Ir. Cening Kardi, MMA
32
DAFTAR ISI
Halaman
DAFTAR ISI ................................................................................................
BAB I PENDAHULUAN ........................................................................
BAB II UKURAN STATISTIK BAGI DATA...........................................
BAB III PENDESKRIPSIAN DATA ........................................................
BAB IV HITUNG PELUANG...................................................................
BAB V SEBARAN PEUBAH ACAK..........................................
BAB VI BEBERAPA SEBARAN PELUANG DISKRET........................
BAB VII SEBARAN NORMAL.........
BAB VIII TEORI PENARIKAN CONTOH (SAMPILNG THEORY).......
BAB IX PENDUGAAN PARAMETER...................................................
BAB X PENGUJIAN HIPOTESIS..........................................................
SUMBER PUSTAKA....................................................................................
i
1
2
6
8
10
13
15
18
21
25
30