BAB III

TEORI DASAR
A. Definisi Inferensia
Statistika inferensia mencakup semua metode yang berhubungan dengan
analisis sebagian data (contoh ) atau juga sering disebut dengan sampel untuk
kemudian sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan data induknya(populasi).
Dalam statistika inferensia diadakan pendugaan parameter, membuat
hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada
kesimpulan yang berlaku umum.Metode ini disebut juga statistika induktif,
karena kesimpulan yang ditarik didasarkan pada informasi dari sebagian data
saja. Pengambilan kesimpulan dari statistika inferensia yang hanya didasarkan
pada sebagian data saja yang menyebabkan sifat tak pasti,memungkinkan
terjadi kesalahan dalam pengambilan keputusan,sehingga pengetahuan
mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode
statistika inferensia.
Sumber :http://id.wikipedia.org/wiki/Statistika_inferensi
B. Distribusi Binomial
1. Definisi dan Ciri-Ciri Distribusi Binomial
Suatu distribusi teoritis yang menggunakan var random diskrit (var
yang hanya memiliki nilai tertentu, nilainya merupakan bilangan bulat dan
asli tidak berbentuk pecahan) yang terdiri dari dua kejadian yang
berkomplementer seperti sukses-gagal, baik-cacat, siang-malam, dsb.
Ciri-ciri :
1. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil
maka distribusi yang dihasilkan akan miring ke kanan dan bila p makin
besar maka kemiringan akan berkurang dan bila p mencapai 0,5 maka
distribusi akan menjadi simetris. Bila p lebih besar dari 0,5, maka
distribusi yang dihasilkan akan miring ke kiri.
2. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar
maka akan dihasilkan distribusi yang mendekati distribusi simetris.
3. Percobaan diulang sebanyak n kali.

4. Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal :

a. BERHASIL atau GAGAL;
b. YA atau TIDAK;
c. SUCCESS or FAILED.
5. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap
ulangan nilai p tetap. Peluang gagal dinyatakan dengan q, dimana q =
1-p.
6. Setiap ulangan bersifat bebas (independen) satu dengan lainnya.
7. Percobaannya terdiri atas n ulangan (Ronald.E Walpole)
8. Nilai n < 20 dan p > 0.05
Sumber : http://ymayowan.lecture.ub.ac.id/files/2012/01/binomial.pdf
2. Definisi dan Prosedur Uji Binomial Beserta Rumus
a. Definisi Uji Binomial
Uji Binomial adalah uji non parametric yang digunakan untuk
menggantikan uji statistik t jika asumsi n kecil dan populasi normal
sebagai syarat uji t tidak dipenuhi.
Sumber : http://statistikapendidikan.com/wp-content/uploads/2013/11/UJIBEDAPARAMETRIK-DAN-NONPARAMETRIK1.pdf
Ada beberapa asumsi yang digunakan di uji binomial ini, yaitu:
1) n percobaan saling independen
2) Masing-masing percobaan mempunyai probabilitas yang sama yaitu
P(kelas pertama)dan 1-P atauQ(kelas kedua)
Rumus :

Dimana :

Keterangan:
1) N ! = N faktorial= N (N-1) (N-2), dst
2) P = proporsi kasus yang diharapkan dalam salah satu kategori
3) Q = 1-P = proporsi kasus yang diharapkan dalam kategori lainnya
Hipotesis Uji Binomial
1) H0: p1 = p2 = 0,05
2) Ha: p1 p2 0,05
Kriteria Uji
1) Kriteria uji dari uji binomial adalah
2) H0 ditolak jika P(x) <
3) Ho gagalditolakatauHaditerima jika P(x)
Sumber : http://nurulwandasari.weblog.esaunggul.ac.id/wp-content/ uploads/sites
/2340/2014/03/Pertemuan-2.pdf
b. Prosedur Uji Binomial
1) Tentukan n = jumlah semua kasus yang diteliti.
2) Tentukan jumlah frekuensi dari masing-masing kategori.
3) Jika n 25 dan jika P=Q=, lihat Tabel D (Siegel, 1997) yang
menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga x
yang lebih kecil dari pengamatan di bawah Ho. Uji satu sisi digunakan
apabila telah memiliki perkiraan frekuensi mana yang lebih kecil. Jika
belum memiliki perkiraan, harga p dalam Tabel D dikalikan dua (harga
p = pTabel x 2).
4) Jika n > 25 dan P mendekati , gunakan rumus :
z=

x 0,5nP
nPQ
Jika :
x > nP = x + 0,5

X < nP = x 0,5
Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang
menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z
pengamatan di bawah Ho. Uji satu sisi digunakan apabila telahmemiliki
perkiraan frekuensi mana yang lebih kecil. Jika belum memiliki
perkiraan, harga p dalam Tabel A dikalikan dua (harga p = pTabel x 2).
5) Jika p diasosiasikan dengan harga x atau z yang diamati ternyata ,
maka tolak Ho.
Sumber : http://pustaka.unpad.ac.id/wp-content/uploads/2009/03/statistika_non
parametrik.pdf
C. Uji Anova
1. Definisi Uji Anova
Uji Anova ditemukan oleh seorang ahli statistik yang bernama R.A.
Fisher pada tahun 1920.

Analisis varians (analysis of variance) atau

ANOVA adalah suatu metode analisis statistika yang termasuk ke dalam

cabang statistika inferensi. Uji dalam anova menggunakan uji F karena
dipakai untuk pengujian lebih dari 2 sampel. Dalam praktik, analisis
varians

dapat

merupakan

uji

hipotesis

(lebih

sering

dipakai)

maupunpendugaan (estimation, khususnya di bidang genetika terapan).

Anova (Analysis of variances) digunakan untuk melakukan analisis
komparasi multivariabel. Teknik analisis komparatif dengan menggunakan
tes t yakni dengan mencari perbedaan yang signifikan dari dua buah
mean hanya efektif bila jumlah variabelnya dua. Untuk mengatasi hal
tersebut ada teknik analisis komparatif yang lebih baik yaitu Analysis of
variances yang disingkat anova.
Anova digunakan untuk membandingkan rata-rata populasi bukan
ragam populasi. Jenis data yang tepat untuk anova adalah nominal dan
ordinal pada variabelbebasnya,jika data pada variabel bebasnya dalam

bentuk interval atau ratio maka harus diubah dulu dalam bentuk ordinal
atau nominal. Sedangkan variabel terikatnya adalah data interval atau ratio.
Sumber : http://pendidikan-akuntansi.fe.uny.ac.id/sites/pendidikan-akuntansi.fe.
uny.ac.id/files/Modul%202%20(ANOVA).pdf
2. Prosedur Uji Anova
Prosedur

analisis

varians

(Analysis

of

VarianceANOVA)

menggunakan variabel numerik tunggal (single numerical variable) yang

diukur dari sejumlah sampel untuk menguji hipotesis nol dari populasi yang
(diperkirakan) memiliki rata-rata hitung (mean) sama. Variabel dimaksud
harus berupa variabel kuantitatif. Variabel ini terkadang dinamakan sebagai
variabel terikat (dependent variable). Hipotesis nol (H0) dalam uji ANOVA
adalah bahwa semua (minimal 3) populasi yang sedang dikaji memiliki
rata-rata hitung (mean) sama. Ringkasnya, hipotesis nol (H0) dan hipotesis
alternatif (H1) dalam AwNOVA adalah:
H0 : 1 = 2 = 3 = = n
H1 : Tidak semua populasi memiliki rata-rata hitung (mean) sama.
Analisis varians (Analysis of VarianceANOVA) adalah prosedur
statistika untuk mengkaji (mendeterminasi) apakah rata-rata hitung (mean)
dari 3 (tiga) populasi atau lebih, sama atau tidak.
Sumber : tsharto.staff.gunadarma.ac.id/.../Analysis_of_Variance
3. Jenis-Jenis Anova
a. Analisis Varians Satu-Arah (One-Way Analysis of VarianceANOVA)
Anova Satu Arah adalah uji rata-rata lebih dari dua variable
bebas dengan satu faktor yang mempengaruhi keragaman. Anova satu
arah tidak memiliki derajat bebas baris dan memiliki frekuensi table.
Hipotesis nol (H0) dalam uji ANOVA adalah bahwa semua
(minimal 3) populasi yang sedang dikaji memiliki rata-rata hitung
(mean) sama. Ringkasnya, hipotesis nol (H0) dan hipotesis alternatif
(H1) dalam ANOVA adalah:
H0 :

1=

2=

3==

H1 : Tidak semua populasi memiliki rata-rata hitung (mean) sama.

Tabel 2. Anova Satu Arah
Sumber

Jumlah

Keragaman

Kuadrat

(SK)

(JK)

Rata rata
Kolom

derajat
bebas (db)

db
JKK

Kuadrat
Tengah

f hitung

f tabel

(KT)
S2K

= f hitung

KTK

= =

k1

db numer

numerator =
JKK
k 1

KTK
KTG

db

denum =
f tabel =

db
Galat

JKG

denumerato

S G = KTG =

JKG
N k

r=Nk
Total

JKT

N-1

Sumber : http://thomasyg.staff.gunadarma.ac.id/Downloads/files/8194 /ANOVA

.pdf
b. Analisis Varians Dua-Arah (Two-Way Analysis of VarianceANOVA)
1) Anova dua arah tanpa interaksi
Pada rancangan percobaaan dengan ANOVA jenis ini, setiap
kategori mempunyai banyak blok yang sama, sehingga jika banyak
kolom = k dan banyak baris/blok = r, maka banyak data = N = r x k
Tabel 3. Anova 2 arah tanpa interaksi
Sumber

Jumlah

Keragaman

Kuadrat

(SK)
(JK)
Rata rata JKB
Baris

derajat
bebas (db)

Kuadrat
Tengah

f hitung

(KT)
db numer1 S2B

= f hitung

=r1

= =

KTB

f tabel

= db

numer1

db denum =

JKB
r1

Rata rata
Kolom

JKK

Galat

JKG

Total

JKT

db numer2

KTB
KTG

S2K

= f hitung

KTK

= =

=k1

JKK
k 1

db denum =
(r-1)(k-1)

= db

numer2
KTK
KTG

S2G = KTG =

f tabel =

db denum =
f tabel =

JKG
(r1)(k 1)

r.k - 1

2) Anova dua arah dengan interaksi

Efek interaksi diperoleh setelah setiap kolom [perlakuan] dan
blok [baris] diulang. Interaksi dinyatakan sebagai perkalian Baris x
Kolom [BK].

Tabel 4. Anova 2 arah dengan interaksi

Sumber

Jumlah

Keragaman

Kuadrat

(SK)

(JK)

derajat
bebas (db)

Kuadrat
Tengah

Baris

JKB

db numer1
=r1

f tabel

(KT)
S2B = KTB

Rata rata

f hitung

f hitung
=

JKB
r1

= db

numer1 =
KTB
KTG

db denum

Rata rata JKK

= f tabel =
= db
db numer2 S K = KTK f hitung

Kolom

=k1

JKK
k 1

numer2 =
db denum

KTK
KTG
S2K
db numer3 KT[BK]

Interaksi

JK[BK]

[BK]

JKG

Total

JKT

= f hitung
= =

= db

numer3 =

= [r-1][k-

JK [BK ]
KT [ BK ] db denum
[r1][k 1]
KTG
= f tabel =

1]

Galat

= f tabel =

db denum
= r.k.[n-1]

S2G = KTG =

JKG
r . k .[n1]

[r.k.n] - 1

Sumber : http://thomasyg.staff.gunadarma.ac.id/Downloads/files/8194 /ANOVA

.pdf
D. Uji Hipotesis
1. Definisi Uji Hipotesis
Hipotesis adalah suatu pernyataan mengenai satu atau lebih populasi yang
belum tentu benar atau salah dan perlu di uji kebenarannya.
Dalams tatistika, hipotesis yang ingin diuji dibagi menjadi :
1) Hipotesis nol ( H0) : yang memiliki tanda kesamaan =, , atau
2) Hipotesis tandingan (H1) : yang memiliki tanda , >, atau <
Tabel 1. Pengujian Hipotesis
Hasil Pengujian
H0 Benar
Keadaan

H0 Benar

Sebenarny
a

Salah Jenis 2 (
H1 Benar

Benar

H1 Benar
Salah Jenis 1 (

Benar

= Peluang menolak H0 padahal H0 benar = galat tipe I

= Peluang menerima H0 padahal H1 yang benar = galat tipe II

Sumber : http://amir.dosen.akprind.ac.id/files/2013/01/uji-hipotesis_2.pdf
2. Prosedur dan Rumus
Langkah-langkah

atau

prosedur

yang

dipergunakan

dalam

menyelesaikan pengujian hipotesis tersebut. Berikut adalah langkah langkah

pengujian hipotesis, yaitu:
1

Menentukan Formulasi hipotesis

Dalam langkah ini, formulasi hipotesis dapat dibedakan menjadi dua,
yaitu:
a Hipotesis nol atau hipotesis nihil ( nullhypotheses)
Disimbolkan H0 merupakan hipotesis yang dirumuskan sebagai suatu
pernyataan yang akan diuji. Disebut hipotesis nol karena hipotesis
tersebut tidak memiliki perbedaan atau perbedaanya nol dengan
b

hipotesis sebenarnya.
Hipotesis Alternatif atau Hipotesis Tandingan
Disimbolkan H1 atau Ha, merupakan hipotesis

yang

dirumuskan

sebagai lawan atau tandingan dari hipotesis nol. Dalam penyusunan

hipotesis ini, akan timbul tiga keadaan , yaitu :
1 Hipotesis mengandung pengertian sama. Pengujian ini disebut
pengujian dua sisi atau pengujian dua arah, yaitu pengujian sisi atau
2

arah kanan dan kiri.

Hipotesis mengandung pengertian maksimum. Pengujian ini disebut

satu sisi atau satu arah, yaitu pengujian sisi atau arah kanan.
Hipotesis mengandung pengertian minimum. Pengujian ini disebut
satu sisi atau arah, yaitu pengujian sisi atau arah kanan.

Apabila hipotesis nol tidak ditolak (benar) maka hipotesis alternative

ditolak, demikian pula sebaliknya.
2

Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan
hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata
dilambangkan

dengan (alpha).

Besarnya

nilai bergantung

pada

keberanian pembuat keputusan yang dalam hal ini berapa besarnya

kesalahan yang akan ditolerir. Besarnya kesalahan tersebut disebut sebagai

daerah kritis pengujian (critical region of a test) atau daerah penolakan
3

(region og rejection).
Menentukan Nilai Uji Statistik
Uji statistika merupakan rumus rumus yang berhubungan dengan distribusi
tertentu dalam pengujian hipotesis. Uji statistik merupakan perhitungan
untuk menduga parameter data sampel yang diambil secara random dari

sebuah populasi.
Menentukan Kriteria Pengujian (diterima atau ditolak)
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima
atau menolak hipotesis nol (H0)dengan cara membandngkan nilai tabel
distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan

dengan bentuk pengujiannya.

Membuat Kesimpulan
Pembuatan kesimpulan merupakan

penetapan

keputusan

dalam

penerimaan atau penolakan hipotesis nol(H0), sesuai dengan kriteria

pengujiannya. Pembuatan kesimpulan dilakukan setelah membandingkan
nilai uji statistik dengan nilai tabel atau nilai kritis.
Sumber : http://dedi.staf.upi.edu/files/2014/02/3-4.-Uji-Hipotesis.pdf
Rumus Uji Hipotesis

Sumber : https://id.wikipedia.org/wiki/Uji_hipotesis
E. Daerah Kritis

Definisi Daerah Kritis

Daerah penolakan (daerah kritis) adalah bagian dari daerah distribusi
sampling yang dianggap tidak mungkin memuat suatu statistik sampel jika
hipotesis nol (Ho) benar,sedangkan daerah setelahnya disebut sebagai
daerah penerimaan.Daerah penolakan dari distribusi sampling dinyatakan
dalam satuan standar, misalnya dalam hipotesis mengetahui mean populasi.
Jika perbedaan antar mean sampel Z dengan mean populasi yang
diasumsikan dalam hipotesis nol Ho, memiliki nilai yang berbeda didalam
daerah penolakan (disebut juga memiliki perbedaan yang berarti/significant
difference)maka hipotesis nol (Ho) ditolak.
sumber : Books,google.com/books 1960 = 9790159897

Penentuam Daerah Kritis

Berikut adalah cara untuk menentukan daerah kritis (daerah
penolakan hipotesis), yaitu :
1) Jika H1 mempunyai perumusan tidak sama, maka dalam distribusi yang
digunakan, normal untuk angka z, Student untuk t, dan seterusnya,
didapat dua daerah kritis masing-masing pada ujung-ujung distribusi.
Luas daerah kritis atau daerah penolakan pada tiap ujung adalah .
Karena adanya dua daerah penolakan ini, maka pengujian hipotesis
dinamakan uji dua pihak.

Gambar di atas memperlihatkan sketsa distribusi yang digunakan

disertai daerah-daerah penerimaan dan penolakan hipotesis. Kedua
daerah ini dibatasi oleh d1 dan d2 yang harganya didapat dari daftar

distribusi yang bersangkutan dengan menggunakan peluang yang

ditentukan oleh . Kriteria yang didapat adalah: terima hipotesis H o jika
harga statistik yang dihitung berdasarkan data penelitian jatuh antara d1
dan d2, dalam hal lainnya Ho ditolak.
2) Untuk H1 yang mempunyai perumusan lebih besar, maka dalam
distribusi yang digunakan didapat sebuah daerah kritis yang letaknya di
ujung sebelah kanan. Luas daerah kritis atau daerah penolakan ini sama
dengan .

Harga d, didapat dari daftar distribusi yang bersangkutan dengan

peluang yang ditentukan oleh , menjadi batas antara daerah kritis dan
daerah penerimaan Ho. Kriteria yang dipakai adalah: tolak Ho jika
statistik yang dihitung berdasarkan sampel tidak kurang dari d. Dalam
hal lainnya kita terima Ho. Pengujian ini dinamakan uji satu pihak,
tepatnya pihak kanan.
3) Akhirnya, jika tandingan H1 mengndung pernyataan lebih kecil, maka
daerah kritis ada di ujung kiri dari distribusi yang digunakan. Luas
daerah ini = yang menjadi batas daerah penerimaan H o oleh bilangan
d yang didapat dari daftar distribusi yang bersangkutan. Peluang untuk
mendapatkan d ditentukan oleh taraf nyata .

Kriteria yang digunakan adalah: terima Ho jika statistik yang dihitung

berdasarkan penelitian lebih besar dari d sedangkan dalam hal lainnya
Ho kita tolak. Dengan demikian, dalam hal ini kita mempunyai uji satu
pihak, ialah pihak kiri.
Sumber:Aguestono.files.wordpress.com/2011/11/materi-pengujian-hipotesis-1.doc

F. Perbedaan Uji Z, Uji T, dan Uji F

1 Uji T
Uji T adalah jenis pengujian statistika untuk mengetahui apakah
ada perbedaan dari nilai yang diperkirakan dengan nilai hasil perhitungan
statistika. Uji T pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel bebas secara individual dalam menerangkan variasi variabel
terikat. Uji T menilai apakah mean dan keragaman dari dua kelompok
berbeda secara statistik satu sama lain. Analisis ini digunakan apabila kita
ingin membandingkan mean dan keragaman dari dua kelompok data, dan
cocok sebagai analisis dua kelompok rancangan percobaan acak.
Sumber : http://statistikapendidikan.com/wp-content/uploads/2013/11/UJIBEDAPARAMETRIK-DAN-NONPARAMETRIK1.pdf

Tabel 5. Uji T

Uji Z
Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya
didekati dengan distribusi normal. Menurut teori limit terpusat, data
dengan ukuran sampel yang besar akan berdistribusi normal. Oleh karena
itu, uji Z dapat digunakan utuk menguji data yang sampelnya berukuran
besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran besar.
Selain itu, uji Z ini dipakai untuk menganalisis data yang varians
populasinya diketahui. Namun, bila varians populasi tidak diketahui, maka
varians dari sampel dapat digunakan sebagai penggantinya.
Kriteria Penggunaan uji Z :
a. Data berdistribusi normal

b. Variance (2) diketahui

c. Ukuran sampel (n) besar, 30
d. Digunakan hanya untuk membandingkan 2 buah observasi.
Sumber :https://samianstats.files.wordpress.com/2008/10/anava-1-jalur.pdf
Tabel 6. Uji Z

Uji F
Uji F atau Anova digunakan untuk pengujian lebih dari dua
sampel. Keduanya sama-sama menguji perbedaan mean dari kelompok
sampel.
a. Asumsi yang harus dipenuhi pada uji F
1. Populasi yang akan diuji berdistribusi normal
2. Varian dari populasi sama
3. Sampel tidak berhubungan satu sama lain (independent)
b. Jenis jenis Anova :
1. Anova satu jalur
Untuk menguji signifikansi perbedaan Mean lebih dari dua
kelompok yang berlainan akibat penggunaan beberapa perlakuan
(Treatment levels) pada satu variabel bebas (X)
2. Anova dua jalur digunakan untuk menguji dua jalur faktor variabel
independen

Sumber : https://samianstats.files.wordpress.com/2008/10/anava-1-jalur.pdf