Anda di halaman 1dari 45

1

PELUANG

Kata peluang atau probabilitas atau kemungkinan sangat sering dipakai dalam percakapan seharihari, dan sebagian orang memberikan pengertian atau arti secara kasar. Misalnya hari ini kemungkinan akan turun hujan, kira-kira dosen A tidak masuk mengajar hari ini. Kedua contoh di atas yang diberikan secara kasar merupakan suatu peristiwa yang belum tentu pasti terjadi dan masih merupakan pertanyaan akan terjadinya peristiwa tersebut. Dalam membicarakan peluang terlebih dahulu kita harus memahami atau mengerti ruang sampel, sebab dengan mengetahui ruang sampel maka kita dapat menentukan nilai peluang suatu peristiwa atau kejadian. Ruang sampel adalah semua hasil yang mungkin dari suatu percobaan statistika dan biasanya dilambangkan dengan S. Tiap hasil dalam ruang sampel disebut unsur atau anggota dari ruang sampel. Dalam suatu kegiatan, seringkali dilakukan berbagai percobaan atau eksperimen. Hasil suatu eksperimen akan memberikan informasi tentang masalah yang sedang dihadapi dalam kegiatan tersebut. Suatu eksperimen memiliki karakteristik antara lain: 1. Hasil eksperimen tidak dapat diduga sebelumnya dengan tingkat keyakinan yang pasti. 2. Semua hasil yang mungkin dapat diperikan terkandung dalam suatu himpunan. 3. Eksperimen dapat dilakukan secara berulang-ulang dalam kondisi yang sama. Eksperimen yang memiliki karakteristik tersebut, selanjutnya disebut eksperimen acak (random experiment). Sedangkan himpunan semua hasil yang mungkin dari suatu eksperimen acak, disebut ruang sampel (sample space).
Contoh 1. suatu eksperimen dengan melantunkan 1 buah dadu yang seimbang, ruang sampel dari eksperimen tersebut adalah: S = { 1, 2, 3, 4, 5, 6 }, nilai 1 sampai 6 pada ruang sampel di atas dinamakan unsur atau anggota dari ruang sampel. Contoh 2. Suatu eksperimen melantunkan mata uang sebanyak 3 kali

1. Tentukan ruang sampelnya. 2. Tuliskan peristiwa-peristiwa berikut dalam bentuk himpunan U = peristiwa muncul 1 kali M V = peristiwa muncul 2 kali M W = peristiwa muncul paling banyak satu kali M. Dalam prakteknya ruang sampel yang dipilih adalah yang paling banyak mengandung informasi. Contoh 3. Dua dadu yang seimbang dilempar sekaligus.

A = Peristiwa jumlah nilai kedua dadu sama dengan 7


B = Peristiwa jumlah nilai kedua dadu 5 C = Peristiwa beda nilai kedua dadu 4

Tentukan ruang sampelnya dan tuliskanlah peristiwa-peristiwa tersebut di atas dalam bentuk himpunan. Untuk dapat memahami suatu eksperimen acak dan dapat melakukan inferensi (pengambilan keputusan) tentang eksperimen acak tersebut, diperlukan model matematika. Sedangkan untuk membangun sebuah model matematika diperlukan pengetahuan tentang teori peluang (probability theory).
Kejadian

Kejadian adalah himpunan bagian dari ruang sampel suatu percobaan. Hubungan antara ruang sampel dan kejadian dapat digambarkan seperti berikut ini:

A B C
Gambar di atas, ruang sampel digambarkan dengan empat persegi panjang, sedangkan kejadian digambarkan dengan lingkaran di dalam empat persegi panjang.

Sebagai contoh suatu percobaan dengan melantunkan 1 dadu yang seimbang, ruang sampel dari percobaan tersebut adalah S = { 1, 2, 3, 4, 5, 6 }suatu kejadian A bahwa pada pelantunan pertama mata dadu yang muncul sama dengan 3, atau bisa juga kejadian B adalah mata dadu yang muncul adalah bilangan genap, dengan demikian kejadian B adalah B = { 2, 4, 6 } dan lain sebagainya.

Operasi Dengan Kejadian Operasi yang sring dijumpai dalam suatu kejadian adalah irisan, gabungan dan komplemen.
Irisan dua kejadian A dan B yang dinyatakan dengan lambang A B adalah suatu kejadian yang unsur-unsurnya termasuk dalam A dan B, kejadian tersebut dapat digambarkan seperti berikut ini.

Contoh.
A adalah suatu kejadian yang unsur-unsurnya adalah {1, 2, 3, 4, 5, 6 } dan B adalah suatu kejadian yang unsur-unsurnya { 2, 4, 6, 8, 10 . Dari kedua kejadian tersebut yang menyatakan A B adalah { 2, 4, 6 }.

AB

Dua kejadian A dan B saling lepas jika A B = { } atau .

Gabungan dua kejadian A dan B yang dilambangkan dengan A B adalah kejadian yang unsur-unsurnya semua anggota yang terdapat di A atau B atau keduanya. Komplemen suatu kejadian A terhadap S adalah himpunan semua unsur-unsur S yang tidak termasuk A, dalam operasi peluang komplemen dari A adalah suatu peristiwa yang bukan peristiwa A, tetapi peristiwa tersebut merupakan peristiwa dari semesta semesta pembicaraan . Komplemen A dilambangkan dengan Ac

Selisih dua kejadian katakanlah A B merupakan peristiwa A tapi bukan peristiwa B. Contoh.
1. Diketahui ruang sampel S = { (x,y) | 0 x 1 , 0 y 1} . Peristiwa-peristiwa A = { (x,y) | 0 x + y 1 } dan B = { (x,y) | 0 x + y }. Tentukanlah A B dan A B.

Beberapa Hukum Peluang. Sering lebih mudah mengetahui peluang suatu kejadian dari peluang kejadian lain. Hal ini terutama

sekali bila kejadian dimaksud dapat dinyatakan sebagai gabungan dua kejadian lain atau komplemen suatu kejadian. Berikut ini diberikan beberapa hukum penting yang sering dapat menyederhanakan perhitungan peluang. Pertama Aturan penjumlahan yang digunakan dalam gabungan kejadian, sebagaimana dikemukakan dalam teorema berikut ini.
Bila A dan B merupakan dua kejadian sembarang, maka P(A B) = P(A) + P(B) P(A B). Untuk membuktikan teorema di atas kita mulai dengan menggambarkan kedua kejadian tersebut dalam bentuk diagram Ven.

AA BB

A = (A B) (A BC ), A B = B (A BC) atau B = (A B) (B AC ), A B = B (B AC). Bila A dan Ac merupakan dua kejadian yang saling berkomplemen, maka P(Ac) = 1 P(A) A Ac = dan A Ac = S Peluang Suatu Peristiwa. Peluang suatu kejadian A adalah jumlah bobot dari semua titik sampel yang termasuk A. Jadi 0 P(A) 1, P() = 0, dan P(S) = 1 Bila suatu eksperimen dapat menghasilkan N hasil yang berkemungkinan sama, dan bila tepat sebanyak n dari hasil

yang berkaitan dengan kejadian A, maka peluang kejadian A adalah P(A) =

Contoh. 1. Bila satu kartu ditarik dari satu kotak kartu bridge, hitunglah peluang A {P(A)}, dimana A adalah peristiwa terambilnya kartu hart. Hasil-hasil yang mungkin (N) dari contoh di atas adalah N = 52, banyaknya kartu hart (n) = 13. Jadi peluang terambilnya kartu hart {P(A)} dari contoh di atas adalah P(A) = 13/52 = 2. Dua buah mata uang sama dan masing-masing seimbang dilantunkan sekaligus, Misal, V = peristiwa yang menunjukkan bahwa mata uang I menghasilkan M W = peristiwa yang menunjukkan bahwa mata uang II menghasilkan M
Hitunglah P (V), P (W), P (V W), dan P (V W)

Ruang sampelnya adalah S = { (M,M), (M,B), (B,M), (B,B) } Peristiwa V = { (M,M), (M,B) }, dan peristiwa W = { (M,M), (B,M) }. Karena kedua mata uang sama dan seimbang, maka
P(V) = 2/4, P(W) = 2/4, P (V W) = , P(A B) = P(A) + P(B) P(A B)

=+= Perhatikan baik-baik bahwa dalam hal uniform (seragam atau sama), maka yang dipentingkan untuk mencari harga P(A) adalah menghitung n(A) dan N(S). Ada aturan yang baik digunakan untuk menghitung n(A) dan N(S) tanpa mengidentifikasi himpunan A dan S, aturan tersebut adalah permutasi dan kombinasi.
Aturan 1. Misalkan suatu operasi dapat dikerjakan dalam n1 cara, sedangkan untuk setiap cara tersebut dapat dilaksanakan operasi kedua dalam n2 cara. Kemudian untuk setiap cara operasi kedua dapat dilakukan operasi ketiga dalam n3 cara, . . . dan seterusnyasampai dengan operasi ke-k. Maka seluruh operasi dapat dikerjakan dalam n 1, n2, n3, . . . , nk cara.

3. Sebuah hidangan terdiri atas nasi, sop, kerupuk dan sate. Jika tersedia 4 jenis nasi, 3 jenis sop, dan 2 jenis kerupuk, berapa banyak hidangan yang dapat disajikan.

Berdasarkan aturan 1, maka banyaknya hidangan yang dapat disusun adalah 4 x 3 x 2 = 48 hidangan
Aturan 2. Misalkan A himpunan n buah objek. Dari A diambil k buah objek dan selanjutnya disusun banyaknya susunan yang mungkin dengan cara memperhitungkan letak atau susunan dari benda tersebut adalah = .

Besaran

dinamakan permutasi dari n objek diambil k objek.

Hal khusus: 1. Bila k = n, maka


= n! (banyaknya permutasi dari n objek yang berlainan)

2. Bila objek-objek tersebut tidak berlainan dalam kelompoknya, misalnya n1 buah jenis 1, n2 buah jenis 2, . . . ,
nm buah jenis m, maka banyaknya permutasi yang berlainan dari n objek tersebut adalah: =

4. Hitunglah banyaknya: 1. susunan dari 5 buah buku yang berbeda dalam rak 2. susunan dari 3 buah buku yang diambil dari 6 buah buku yang berbeda 3. permutasi yang berlainan dari 4 buku fisika, 2 buku kimia, dan 3 buah buku matematika, jika buku-buku dalam setiap jenis sama. Penyelesaian 1. 2.
= 5 ! = 120

3. Banyaknya permutasi yang berlainan =


Aturan 3. Jika pada aturan 2 susunan atau urutan objek tidak diperhatikan, maka cara memilih k objek dari n objek yang berbeda, dinamakan kombinasi, banyaknya kombinasi tersebut adalah: =

4. Dari 4 orang ilmuwan dan 5 orang pengusaha, dibentuk panitia yang terdiri atas 4 orang dengan komposisi 2 orang ilmuwan dan 2 orang pengusaha. Hitunglah banyaknya kombinasi yang mungkin duduk dalam kepanitiaan tersebut. Penyelesaian.
Banyaknya cara memilih 2 orang dari 4 orang ilmuwan adalah = =6

Banyaknya cara memilih 2 orang dari 5 orang pengusaha adalah

= 10

Menurut aturan 1, maka banyaknya panitia yang mungkinadalah 6 x 10 = 60 5. Sebuah kotak berisi 10 buah bola 6 boloa berwarna putih dan 4 bola berwarna biru. Dari kotak tersebut diambil 5 bola sekaligus secara acak. Hitunglah peluangnya terambil 3 bola putih dan 2 bola biru. Penyelesaian.
Banyaknya cara memilih 5 bola dari 10 bola adalah = = 252. Jadi ruang sampel (S) = 252. Misalnya A

adalah peristiwa terambilnya 3 bola putih dan 2 bola biru. Menurut aturan 1, maka n(A) = (banyaknya cara memilih 3 bola putih dari 6 bola putih) x (banyaknya cara memilih 2 bola biru dari 4 bola biru). Jadi n(A) = = 120, akibatnya P(A) = 120/252. x = 20 x 6

POPULASI DAN SAMPEL 1.1. Pengertian Populasi dan Sampel

Populasi merupakan kumpulan dari semua obyek atau individu yang ingi diketahui sifat atau cirinya, dengan demikian dalam suatu penelitian kita harus mendefinisikan populasi dengan jelas dan tepat. Misalnya kita ingin mengetahui rata-rata tinggi mahasiswa Unhalu Kendari, berarti penelitian tersebut menggambarkan sifat atau ciri dari mahasiswa Unhalu. Jika kita merumuskan populasi seperti ini, yang dijadikan populasi dalam penelitian ini adalah tinggi mahasiswa Unhalu Kendari, rumusannya sudah jelas tapi belum tepat, sebab bila kita berbicara tentang mahasiswa Unhalu Kendari skopnya cukup luas, kapan terdaftarnya sebagai mahasiswa Unhalu, apakah hanya terdaftar tetapi tidak ikut kuliah dan lain sebagainya. Untuk itu populasi merupakan suatu batasan ruang lingkup dari apa yang nantinya diteliti oleh seorang peneliti. Dengan adanya batasan ruang lingkup, maka semua kesimpulan yang nantinya akan diperoleh dari hasil penarikan contoh (sampel) hanya berlaku untuk populasi yang dimaksud, bukan untuk populasi yang berada diluar batasan ruang lingkup yang diberikan.
Pendefinisian populasi dari penelitian yang melihat rata-rata tingginya mahasiswa Unhalu Kendari adalah Yang dijadikan populasi dalam penelitian ini adalah kumpulan tinggi mahasiswa Unhalu Kendari yang masih aktif mengikuti perkuliahan pada semester ganjil tahun ajaran 1997/1998. Pendefinisian populasi seperti ini sudah jelas batas ruang lingkupnya, sehingga kesimpulan apapun yang diberikan terhadap suatu contoh (sampel) yang diambil dari populasi tersebut hanya berlaku untuk populasi yang dibatasi oleh mahasiaswa Unhalu Kendari yang masih aktif mengikuti perkuliahan pada semester ganjil tahun ajaran 1997/1998, tidak berlaku surut untuk mahasiswa Unhlau Kendari dari tahun ketahun, jadi hanya menggambarkan keadaan tinggi mahasiswa Unhalu pada ruang lingkup tersebut.

Mengingat seorang peneliti dalam melakukan penelitian penuh dengan keterbatasan baik dari segi biaya, waktu, dan lain sebagainya maka penelitian yang dilakukan untuk mengumpulkan informasi atau data yang diinginkan sesuai dengan permasalah yang diteliti ditempuh dengan mengambil sebagian dari populasi, dengan mempertimbangkan ketebatasan yang ada dari peneliti, bagian dari populasi tersebut sebagai tempat untuk mengumpulkan informasi dinamakan contoh (sampel). Dengan demikian contoh (sampel) merupakan bagian dari populasi yang dipilih dengan menggunakan aturan-aturan tertentu, yang digunakan untuk mengumpulkan informasi/data yang menggambarkan sifat atau ciri yang dimiliki populasi. Menurut keadaannya populasi dapat dibagi menjadi dua bagian yaitu:

Populasi Homogen, dan Populasi heterogen.

Suatu populasi dikatakan homogen apabila unsur-unsurnya seragam dalam karakteristiknya dari populasi yang diteliti, sedangkan populasi yang dikatakan heterogen apabila unsur-unsurnya berbeda dalam karakteristiknya dari populasi yang diteliti, untuk mengatasi populasi yang heterogen dalam melakukan penelitian, perlu adanya pengelompokan berdasarkan karakteristiknya, sehingga dari populasi yang ada dibuat dalam beberapa kelompok, yang nantinya kelompok-kelompok tersebut akan hogomen dalam kelompoknya, tetapi kelompok-kelompok tersebut sangat heterogen diantara kelompkonya.

Berdasarkan ukurannya, populasi juga dibagi menjadi dua bagian yaitu:


Populasi terhingga, dan Populasi tak terhingga.

Populasi dikatakan terhingga bilamana anggota populasi dapat diperkirakan atau diketahui secara pasti jumlahnya, misalnya; 1. Banyaknya SMP Negeri yang ada di Daerah Tingkat I Propinsi Sulawesi Tenggara 2. Banyaknya mahasiswaUnhalu Kendari pada tahun ajaran 1997/1998, dsb. Sedangkan populasi dikatakan tak terhingga bilamana anggota populasinya tidak dapat diperkirakan atau tidak dapat diketahui jumlahnya, misalnya; 1. Banyaknya ikan yang ada di Teluk Kendari 2. Banyaknya pasir yang ada di Kali Pohara, dan sebagainya.
Namun demikian dalam praktek kehidupan sehari-hari banyak kita jumpai adanya populasi terhingga dianggap sebagai populasi tak terhingga, dan hal seperti ini dibenarkan secara statistika, bahwa itu merupakan suatu populasi tak terhingga, misalnya;

Banyaknya orang Indoenesia yang merokok, Banyaknya penduduk Indonesia sekarang, dan sebagainya.

1.2 Jenis-Jenis Contoh (sampel)

Dalam proses pemilihan sampel ada dua faktor penentu yang berperan yaitu: 1. Ada atau tidak adanya faktor pengacakan, dan 2. Peran orang yang memilih (mengambil) sampel tersebut. Pada proses pengambilan contoh (sampel) dengan menggunakan faktor pengacakan didalamnya termasuk unsur-unsur peluang, sedangkan peran dari orang pemilih contoh (sampel) dapat bersifat obyektif dan dapat pula bersifat subyektif. Yang dimaksud dengan sikap obyektif dalam memilih contoh (sampel) adalah suatu cara pemilihan sampel yang menggunakan metode tertentu yang jelas, sehingga penarikan contoh (sampel) tersebut bila dilakukan oleh orang lain akan diperoleh hasil yang tidak jauh berbeda dari penarikan contoh (sampel) sebelumnya, dalam menduga sifat atau ciri populasinya. Jadi dengan pengambilan contoh (sampel) dengan menggunakan metode tertentu dan jelas, akan diperoleh sampel yang konsisten, artinya bila pengambilan sampel dilakukan secar berulang-ulang terhadap populasi yang sama hasilnya tetap terkendali dalam arti tetap menggambarkan sifat atau ciri dari

populasinya, walaupun hasilnya tidak persis sama antara yang satu dengan yang lainnya. Sifat subyektif dalam memilih contoh (sampel) adalah suatu pemilihan contoh (sampel) dengan melibatkan pertimbangan pribadi dari pengambil contoh (sampel) untuk mengambil contoh (sampel) yang baik menurut fersinya sendiri (versi peneliti). Dengan demikian sampel yang diperoleh merupakan sampel yang berbias, apalagi orang yang memilih cotnoh (sampel) mempunyai latar belakang yang kurang terhadap konsep statistika khususnya konsep tentang teori penarikan contoh (sampel). Dengan adanya dua faktor yang berperan tersebut maka kita dapat membedakan 4 (empat) jenis contoh (sampel) sebagaimana digambarkan pada bagian berikut ini;

Tindakan Penarik C a r a P e m i l i h a n S a m p e l Contoh(sampel) Dengan Peluang Obyektif 1.Sampel cak/sampel berpeluang Tanpa Peluang 2.Sampel sengaja

Subyektif

3. Sampel semi acak

4. Sampel Pertimbangan

3. Teknik Penarikan Contoh(Sampel) 3.1 Pengambilan Contoh (Sampel) Acak Sederhana

Pengambilan contoh (sampel) acak sedehana dilakukan dalam suatu penelitian bilamana keadaan populasi yang diteliti homogen dalam karakteristiknya, sebab salah satu prinsip dasar pengambilan contoh (sampel) seperti ini adalah setiap anggota populasi mempunyai peluang yang sama untuk terpilih sebagai contoh (sampel). Dalam pelaksanaannya teknik pengambilan contoh (sampel) dengan cara acak dilakukan dengan dua cara yaitu: 1. Cara lotrei (undian), dan 2. Cara menggunakan tabel angka acak. Kedua cara tersebut dilakukan berdasarkan besarnya populasi, jika ukuran popuilasinya cukup kecil, maka cara lotrei cukup praktis untuk digunakan, tetapi jika terjadi sebaliknya dalam arti populasinya besar maka cara penggunaan tabel angka acak lebih praktis.

Pengambilan contoh (sampel) acak dengan menggunakan cara lotrei (undian) ditempuh dengan cara-cara berikut;

Daftarkan semua anggota populasi kemudian diberi nomor secara berurutan dari 1 sampai N. Membuat gulungan kertas sebanyak N dengan masing gulungan dituliskan nomor urut 1, 2, 3, . . . . N Memasukan gulungan kertas tersebut kedalam suatu tempat (kotak) atau sejenisnya . Menarik (mengambil) gulungan kertas sebanyak ukuran contoh (sampel), gulungan kertas yang telah diambil dan diperiksa tidak dimasukan lagi kedalam kotak.

Sedangkan pengambilan contoh (sampel) dengan cara menggunakan tabel angka acak dilakukan dengan cara sebagai berikut;

Membuat kerangka penarikan contoh (sampel) dengan cara mendaftarkan semua anggota populasi yang ada dengan cara memberi nomor urut untuk setiap anggota populasi mulai 1, 2, . . . . . .N, cara penomoran tersebut disesuaikan dengan banyaknya anggota populasi. Misalnya ukuran populasi sebanyak 1000, berarti penomoran yang dilakukan menggunakan 3 (tiga) digit, untuk nomor 1, dan seterusnya dituliskan; 001, 002, 003, . . . . . 999, 000, angka nol terakhir ini melambangkan nomor populasi yang- ke1000. Tentukan secara sembarang dengan menggunakan ujung pensil atau jenis lainnya yang tajam pada tabel angka acak, cara pembacaan tabel angka acak dapat dilakukan dengan cara vertikal (kebawah) atau horizontal (kesamoing)secara berurutan dengan mengambil angka acak sesuai dengan jumlah digit yang telah ditentukan. Misalkan penunjukan pertama kali adalah pada angka yang terdapat dalam baris 25 kolom 35 (baca kebawah) dengan menggunakan 3 digit angka pertama adalah baris 25 kolom35, 36, 37, angka kedua baris 26 kolom 35, 36, 37 dan seterusnya.

2.2 Teknik Pengambilan Contoh (Sampel) Acak Dengan Cara Stratifikasi. Jika populasi yang digunakan dalam suatu penilitian heterogen maka populasi tersebut akan lebih baik bila dibuat menjadi beberapa strata, dimana pembuatan strata didasarkan pada karakteristik tertentu sehingga setiap strata cukup homogen dalam karakteristiknya. Kemudian setiap strata diambil sampel dengan cara acak sederhana.

Besarnya contoh (sampel) pada masing-masing starta didasarkan pada besarnya anggota populasi pada masing-masing strata, akibatnya pengambilan contoh (sampel) dengan cara strata biasanya selalu dikaitkan dengan cara proporsional, artinya besarnya contoh (sampel) pada masing-masing strata disesuaikan dengan proporsi masing-masing. Dengan demikian besarnya contoh (sampel) pada masing-masing strata diambil sebanding dengan besarnya populasi masingmasing. Besarnya contoh (sampel) pada masing-masing strata ditentukan dengan menggunakan rumus;
nk =

nk

Besarnya contoh (sampel) pada stratum ke-k

pk

= = =

Besarnya populasi pada stratum ke-k Total populasi keseluruhan Besarnya contoh (sampel) yang ditentukan

N n

3.3 Teknik Pengambilan Contoh (Sanpel) Sistimatik

Pengambilan contoh (sampel) sistimatik merupakan bentuk khusus dari pengambilan contoh (sampel) stratifikasi. Metode pengambilan contoh (sampel) sistimatik membagi populasi menjadi beberapa strata yang terdiri dari k unit pertama, k unit ke-2 dan seterusnya, hanya perbedaannya dengan teknik pengambilan contoh (sampel) strata unit-unit dalam contoh (sampel) sistimatik muncul pada posisi yang relatif sama didalam stratanya. Perbedaan yang paling mendasar antara teknik pengambilan contoh (sampel) strata dengan contoh (sampel) sistimatik adalah contoh (sampel) strata pengambilan contoh (sampelnya) diacak pada masing-masing strata, sehingga semua strata mempunyai wakil dalam contoh (sampel) yang digunakan, sedangkan contoh (sampel) sistimatik yang diacak adalah stratanya sehingga apapun yang terjadi dalam teknik pengambilan contoh (sampel) seorang peneliti hanya mengambil satu strata saja untuk dijadikan contoh (sampel), jadi seluruh anggota pada strata tertentu dijadikan contoh (sampel) sedangkan strata yang lain tidak diikutkan.

PENDISKRIPSIAN DATA

1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk yang ringkas dan jelas, meskipun ukuran numerik bagi rata-rata dan ragam (variansi) diberikan. Meskipun kedua ukuran tersebut merupakan diskripsi yang kompak dan bermanfaat bagi sekumpulan data pengamatan. Ukuran-ukuran tersebut tidak dapat mengidentifikasi semua ciri atau sifat yang penting bagi sejumlah informasi yang nantinya dapat diperoleh kembali untuk kepentingan analisis, bila data asal yang banyak tersebut diringkas dan disajikan dalam bentuk tabel, diagram, atau grafik yang layak.

2. Penyajian Data Dalam Bentuk Distribusi Frekwensi

Sifat atau ciri penting dari sejumlah besar data statistik dengan cepat dapat diketahui melalui pengelompokan data tersebut kedalam beberapa selang kelas (kelas), dan kemudian dihitung banyaknya pengamatan yang masuk dalam setiap kelas. Susunan seperti ini biasanya disajikan dalam bentuk tabel yang biasanya disebut tabel distribusi frekwensi. Data statistik yang disajikan dalam bentuk distribusi frekwensi biasanya dikatakan sebagai data yang telah dikelompokan, dimana pengelompokan data yang diperoleh dari sampel disusun dalam bentuk selang-selang agar diperoleh gambaran yang lebih jelas mengenai populasi yang belum diketahui sifat atau cirinya. Namun demikian cara seperti ini bagi seorang peneliti atau penyaji data kehilangan identitas dari masing-masing pengamatan dalam sampel. Untuk lebih jelasnya penyajian data dalam bentuk distribusi frekwensi perhatikanlah tabel yang ada dihalaman berikut ini:
Tabel. 1 Distribusi Frekwensi Nilai Ujian Statistika Dasar

Nilai Ujian

Banyaknya Mahasiswa Yang Memperoleh Nilai Tertentu

10 - 14 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49

3 4 6 12 21 8 4 2

Hal-hal yang perlu diperhatikan pada tabel distribusi frekwensi adalah limit kelas dan batas kelas untuk masingmasing selang kelas. Limit kelas dimaksud meliputi limit atas kelas dan limit bawah kelas. Limit atas kelas nilainya sama dengan nilai terbesar dari selang kelas yang dimaksud sedangkan limit bawah kelas nilainya sama dengan nilai terkecil dari selang kelas dimaksud. Misalkan data pada tabel 1 diatas untuk selang kelas 15 - 19, nilai limit bawah

kelasnya adalh 15, sedangkan limit atas kelasnya adalah 19. Sedangkan batas kelas dimaksud meliputi batas atas kelas dan batas bawah kelas. Batas atas kelas nilainya sama dengan limit atas kelas ditambah dengan 0,5 bila nilai dalam tabel distribusi frekwensi merupakan bilangan bulat, ditambah dengan 0.05 satu desimal, 0,005 bila dua desimal dan seterusnya. Untuk batas bawah kelasnya proses penentuan nilainya sama dengan batas atas kelas, hanya perbedaannya untuk batas atas kelas menggunakan jumlah (+), sedangkan batas bawah kelas menggunakan kurang (-).Jadi batas bawah kelas sama dengan limit bawah kelas dikurangi dengan 0,5 untuk isi tabel distribusi frekwensi bilangan bulat, 0,05 untuk satu desimal, 0,005 untuk dua desimal dst.

Dengan menggunakan pengurangan dan penjumlahan seperti tersebut diatas berarti batas atas selang kelas sebelumnya sama dengan batas bawah kelas berikutnya, ini tidak berarti bawha ada data pengamatan yang dihitung dua kali. Batas kelas selalu dinyatakan satu desimal lebih banyak daripada data pengamatannya, hal kini dimaksudkan agar tidak ada pengamatan yang persis jatuh pada batas kelas dimaksud, sehingga tidak ada kemungkinan ada data pengamatan yang dihitung dua kali pada selang kelas yang berbeda.Untuk lebih jelasnya perhatikan tabel frekwseni berikut ini.
Tabel. 2 Distribusi Frekwensi Skor Ujian Statistika Dasar

Skor Ujian

Batas Kelas

Titik Tengah

Frekwensi

10 - 14 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49

9.5 - 14.5 14.5 - 19.5 19.5 - 24.5 24.5 - 29.5 29.5 - 34.5 34.5 - 39.5 39.5 - 44.5 44.5 - 49.5

12 17 22 27 32 37 42 47

3 4 6 12 21 8 4 2

Penyajian data seperti pada tabel 2 diatas lebih baik bila dibandingkan dengan penyajian data yang ada pada tabel 1, perbedaannya adalah untuk penyajian data seperti pada tabel 2 mengandung informasi yang nantinya sangat bermanfaat dalam menghitung sifat atau ciri deskriptif yang lain dari data pengamatan.

Banyaknya pengamatan yang masuk dalam suatu selang kelas tertentu dinamakan frekwensi kelas yang biasanya dilambangkan dengan huruf f.

Untuk memudahkan pembuatan tabel distribusi frekwensi bagi sekumpulan data yang besar ikutilah langkah-langkah berikut ini; 1. Tentukan banyaknya selang kelas yang diperlukan (dalam prakteknya penyaji sendiri yang menentukan banyaknya selang kelas). 2. Tentukan wilayah dari data pengamatan tersebut dengan cara data pengamatan terbesar dikurangi dengan data pengamatan terkecil. 3. Bagilah wilayah tersebut dengan banyaknya selang kelas (poin nomor 2 dibagi dengan poin nomor 1 untuk menduga lebar kelas. 4. Tentukan limit bawah kelas bagi selang yang pertama dan kemudian tentukan batas bawah kelasnya, tambahkan lebar kelas pada batas bawah kelas untuk memperoleh batas atas kelasnya. 5. Daftarkan semua limit kelas dan batas kelas dengan cara menambahkan lebar kelas pada limit dan batas kelas pada selang kelas sebelumnya. 6. Tentukan nilai titik tengah kelas bagi masing-masing selang kelas dengan cara merataratakan limit kelas atau batas kelasnya. 7. Tentukan frekwensi bagi masing-masing kelas. 8. Jumlahkan kolom frekwensi dan periksa apakah hasilnya sama dengan banyaknya data pengamatan. Variasi bagi distribusi frekwensi dapat diperoleh dengan menentukan frekwensi relatif atau persentase bagi masing-masing selang. Frekwensi relatif masing-masing kelas diperoleh dengan cara membagi frekwensi kelas dengan frekwensi total. Tabel yang memuat frekwensui relatif disebut distribusi frekwensi relatif. Bila setiap frekwensi relatif digandakan dengan 100% maka kita memperoleh apa yang disebut distribusi persentase. Untuk lebih jelasnya baik distribusi frekwensi relatif maupun distribusi persentase perhatikanlah kedua tabel pada halaman berikut.
Tabel. 3 Distribusi Frekwensi Relatif Skor Ujian Statistika Dasar

Skor Ujian

Batas Kelas

Titik Tengah

Frekwensi Relatif

10 - 14

9.5 - 14.5

12

0.05

15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49
Tabel. 4

14.5 - 19.5 19.5 - 24.5 24.5 - 29.5 29.5 - 34.5 34.5 - 39.5 39.5 - 44.5 44.5 - 49.5

17 22 27 32 37 42 47

0.07 0.10 0.20 0.35 0.13 0.07 0.03

Distribusi Frekwensi Persentase Skor Ujian Statistika Dasar

Skor Ujian

Batas Kelas

Titik Tengah

Frekwensi Persentase

10 - 14 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 - 44 45 - 49

9.5 - 14.5 14.5 - 19.5 19.5 - 24.5 24.5 - 29.5 29.5 - 34.5 34.5 - 39.5 39.5 - 44.5 44.5 - 49.5

12 17 22 27 32 37 42 47

5 7 10 20 35 13 7 3

Dalam banyak keadaan penyaji data lebih tertarik bukan pada bagian pengamatan dalam suatu kelas tertentu, melainkan banyaknya pengamatan yang jatuh diatas atau dibawah nilai tertentu. Frekwensi total dari semua nilai yang lebih kecil daripada batas atas kelas suatu selang kelas tertentu disebut tabel frekwensi kumulatif. Tabel berikut ini memperlihatkan tabel distribusi kumulatif bagi nilai ujian statistika dasar.

Tabel. 5 Distribusi Frekwensi Kumulatif Nilai Ujian Statistika Dasar

Batas Kelas

Frekwensi Kumulatif

Kurang Dari 9.5 Kurang Dari 14.5 Kurang Dari 19.5 Kurang Dari 24.5 Kurang Dari 29.5 Kurang Dari 34.5 Kurang Dari 39.5 Kurang Dari 44.5 Kurang Dari 49.5

0 3 7 13 25 46 54 58 60

3. Diagram Batang

Informasi yang dikandung suatu distribusi frekwensi dalam bentuk tabel biasanya menjadi lebih mudah ditangkap bila disajikan secara grafik. Kebanyakan orang gambar visual sangat membantu dalam memahami ciri-ciri penting yang ada pada suatu distribusi freweknsi. Dewasa ini sajian

grafik yang paling banyak digunakan bagi data numerik (bentuk data kategori atau atribut) adalah dengan menampilkan dalam bentuk diagram batang. Diagram batang disajikan pada salip sumbu yang saling berpotongan dan saling tegak lurus satu sama lain. Bila diagram batang dibuat tegak, maka sumbu datar dibagi menjadi beberapa bagian yang sama (sesuai kebutuhan), demikian juga sumbu tegaknya. Antara sumbu datar dan sumbu tegak tidak selamanya menggunakan skala yang sama, untuk sumbu datar digunakan untuk menyatakan atribut atau waktu, sedangkan sumbu tegak digunakan untuk menuyatakan kuantum atau nilai. Untuk lebih jelasnya perhatikanlah penyajian data hasil ujian statistika dasar bagai mahasiswa PMIPA FKIP Unhalu Kendari (data dari tabel 1 diatas).

Data berikut ini menunjukan banyaknya mahasiswa jurusan PMIPA FKIP Unhalu Kendari yang terdaftar pada tahun ajaran 1997/1998. Jumlah Mahasiswa Laki-laki Pendidikan Matematika Pendidikan Biologi Pendidikan Fisika 180 144 157 Perempuan 132 214 64 312 358 221

Program Studi

Total

Pendidikan Kimia

110

95

205

(Data Karangan Saja Sebagai Latihan). Data diatas bila disajikan dalam bentuk diagram batang hanya berdasarkan program studi tanpa memperhitungkan jenis kelamin, maka diagram batangnya sebagai mana disajikan pada bagian berikut ini.

Gambar 1.

Jika diagram batang yang akan dijaikan didasarkan pada program studi dan jenis kelamin, maka diagram batang dari data diatas adalah sebagai berikut:

Gambar 2.
Dengan menggunakan diagram batang dalam menyajikan data diatas, maka orang lain dengan cepat mengetahui banyaknya mahasiswa PMIPA berdasarkan program studi saja(gbr 1), serta berdasarkan program Studi dan jenis kelamin(gbr 2). Penyajian data dengan menggunakan diagram batang dapat juga diterapkan dalam bidang-bidang lain seperti pertanian, industri dan lain-lain.

Diagram Garis.

Data yang sifatnya kontinu bila disajikan dalam bentuk diagram, penyajiannya yang tepat adalah disajikan dalam bentuk diagram garis, dimana penggunaan diagram garis dimaksudkan untuk menggambarkan keadaan data yang berkesinambungan, misalnya produksi minyak tiap tahun, pertumbuhan balita selama satu tahun, keadaan temperatur disuatu tempat pada setiap jam dan lain sebagainya. Penyajian data dengan menggunakan diagram garis pada dasarnya sama saja dengan proses pembuatan diagram batang tetap menggunakan salib sumbu untuk membuat diagram garis. Sumbu datar biasanya menyatakan waktu, sedangkan sumbu tegaknya biasanya menyatakan kuantum atau nilai tiap waktu. Untuk lebih jelasnya perhatikanlah ilustrasi berikut ini yang menampilkan perkembangan bobot badan bayi selama 2 bulan pertama yang dicacat tiap minggu.

Minggu

II

III

IV

VI

VII

VIII

Bobot badan

3.01

3.00

3.50

2.75

3.25

4.20

4.50

4.00

Diagram garis dari data diatas adal sebagai mana disajikan pada halaman berikut:

Dengan memperhatikan gerak garis, maka seseorang dapat mengetahui perkembangan bobo badan bayi pada kurun wamtu tertentu, apakah naik atau turun.

bagaimana

Konsep penggunaan diagram garis seperti tersebut diatas banyak diterapkan dimasyarakat khususnya dipos-pos yandu yang menggambarkan pertumbuhan bayi selama periode tertentu.
Diagram Lingkaran

Cara lain untuk menyajikan data kategori adalah penyajian dengan menggunakan diagram lingkaran. Penyajian data dengan menggunakan diagram lingkaran terlebih dahulu lingkara yang akan digunakan dalam menyajikan data dibagi menjadi beberapa sektor atau juring (sesuai dengan banyaknya kategori data yang akan disajikan). Data yang akan disajikan dalam bentuk diagram lingkaran terlebih dahulu tada tersebut ditransformasi kedalam satuan derajat.
Proses perubahan data kedalam bentuk derajat dilakukan dengan cara membagi banyaknya data pada kategori tertentu dengan total data keseluruhan kemudian digandakan denagn 360o , (besar sudut pusat lingkaran).

Untuk lebih jelasnya perhatikanlah penyajian data berikut ini dengan menggunakan diagram lingkaran. (Data Tentang Banyaknya Mahasiswa PMIPA Unhalu Berdasarkan Program Studi)
Program Studi Total

Pend. Matematika Pend. Biologi

312 205

Pend. Fisika Pend.Kimia total

221 358 1096

Data diatas dirobah kedalam bentuk derajat sehingga diperoleh hasil berikut ini:
Untuk program studi pend. matematika atau dalam bentuk persentase diperoleh

Untuk program studi pend. Biologi

atau dalam bentuk persentase diperoleh

Untuk program studi Pend. Fisika

atau

atau dalam bentuk persentase diperoleh

Untuk program studi pend. Kimia

atau

atau dalam bentuk persentase diperoleh

Diagram lingkaran dari data tersebut di atas diperlihatkan pada halaman berikut:

Ukuran Pemusatan

Untuk menyelidiki sekumpulan data kuantitatif, akan sangat membantu bila kita mendefinisikan ukuran-ukuran numerik yang menjelaskan ciri atau sifat dari data yang disajikan. Cara yang ditempuh untuk menjelaskan ciri atau sifat tersebut adalah penggunaan nilai rata-rata (nilai tengah) baik untuk rata-rata dari populasi bila memungkinkan maupun rata-rata contoh (sampel), median, dan modus.

Rata-rata (nilai tengah) Data kuantitatif yang dinyatakan denagn X1, X2, . . Xn, artinya data diatas berukuran sebanyak n. Untuk menghitung nilai rata-rata (nilai tengah) dari gugus data diatas yang berukuran n (banyaknya data sama dengan n) adalah jumlah semua nilai pengamatan dibagi dengan ukuran data (banyaknya data). Jiika data pengamatan dilambangkan dengan Xi i = 1, 2, 3, . . . . n, sedangkan ukuran (banyaknya) data pengamatan sama dengan n, dan nilai rata-rata dilambangkan denagn , maka nilai rata-rata dari segugus data pengamatan dihitung dengan menggunakan rumus: .

Jika data pengamatan telah disajikan dalam bentuk tabel frekwensi maka proses untuk menghitung nilai rata-rata (nilai tengah) menggunakan rumus:

Contoh;

1. Dari 10 orang mahasiswa mengikuti ujian statistika dasar nilai yang mereka peroleh adalah sebagai berikut: 65 50 70 75 45 65 75 81 61, rata-rata dari nilai tersebut adalah:

2. Dari 16 orang mahasiswa mengikuti ujian statistiak matematika diperoleh nilai sebagai berikut; 5 orang nilai 70, 6 orang nilai 69, 3 orang nilai 45, 1 orang nilai 80, dan 1 orang lagi nilai 56. Rata-rata yang dicapai ke-16 orang mahasiswa tersebut adalah:

Median.

Median dari segugus data merupakan nilai tengah dari data tersebut setelah diurutkan baik dari data yang kecil ke data yang terbesar atau sebaliknya. Dengan demikian median dari segugus data membagi data tersebut menjadi dua bagian yang sama banyaknya. Contoh; Tentukanlah median dari gugus data berikut ini: 7 6 8 9 4 3 8 9 10 12 6, sebelum kita memberikan jawaban berapa median dari gugus data tersebut, maka terlebih datanya diurutkan menjadi; 3 4 6 6 7 8 8 9 9 10 12, karena banyaknya data diatas ganjal berarti mediannya langsung diambil nilai yang persis ditengah, dengan cara; Me = 11/2 = 5,5 dibulatkan sama dengan 6. Jadi yang merupakan median dari data diatas adalah data pada pengamatan yang ke-6, yaitu 8.
Jika hasil pembagian dengan 2 menghasilkan bilangan bulat kataknlah hasil pembagian tersebut sama dengan k, maka mediannya (Me) sama dengan

Contoh; Tentukanlah median dari data berikut ini; 7 6 8 9 4 3 8 9 10 12, setelah datanya diurutkan diperoleh gugus data berikut; 3 4 6 6 7 8 8 9 9 10 banyaknya data 10, jadi mediannya (Me) = 10/2 = 5, k = 5 dan k + 1 = 6,
jadi median (Me) dari data diatas =

Median (Me) =

Modus.

Modus dari segugus data merupakan nilai yang munculnya paling banyak (sering) atau nilai yang mempunyai frekwensi pengamatan tertinggi. Modus dari segugus data tidak selamanya ada, demikian juga dari segugus data bisa saja lebih dari satu. Hal ini terjadi bila semua amatan munculnya hanya sekali saja untuk setiap amatan berarti data tersebut tidak mempunyai nilai modus, tetapi data yang muncul mempunyai frekwensi sama lebih dari satu pengamatan berarti modusnya juga lebih satu. Contoh; 1. Tentukanlah modus dari gugus data berikut ini; 4 6 8 7 8 9 8 6 5 9 8 7 4 Karena yang mempunyai frekwensi terbanyak muncul adalah 8 maka modus dari data diatas sama dengan 8. 2. Tentukanlah modus dari gugus data berikut ini; 4 6 8 7 8 9 8 6 5 9 9 7 4 Karena yang mempunyai frekwensi terbanyak muncul adalah 8 dan 9 maka modus dari data diatas sama dengan 8 dan 9.

Ukuran Penyebaran Dari ketiga ukuran pemusatan (rata-rata, median, modus) belum memberikan deskripsi yang mencukupi bagi sebaran, sebab dari dari segugus data kita harus mengetahui seberapa jauh penyimpangan-penyimpangan nilai rata-rata dari data pengamatan. Bisa saja dari dua gugus data yang mempunyai rata-rata (nilai tengah) atau medianya sama tetapi keragaman dari data tersebut berbeda.

Statistika yang berhubungan dengan ukuran keragaman dari segugus data atau lebih adalah wilayah (range) dan ragam (varian). Wilayah dari segugus data merupakan selisih antara nilai amatan terbesar dengan amatan terkecil. Namun demikian wilayah bukanlah merupakan ukuran keragaman yang baik, terutama bila ukuran contoh yang digunakan atau populasi yang ada cukup besar. Wilayah dari segugus data hanya memperlihatkan kedua nilai ekstrim yaitu amatan terbesar dan amatan terkecil, tidak memberikan informasi apa-apa mengenai sebaran data yang letaknya diantara kedua nilai ekstrim tersebut. Namun demikian walayah tetap juga digunakan sehubungan dengan informasi yang diinginkan oleh penyaji data. Wilayah banyak digunakan dikalangan industri, khususnya dalam meproduksi suatu barang tertentu, dengan menentukan wilayah bagi produksinya, berarti hasil produksinya tetap berada diantara kedua nilai ekstrim tersebut dalam produksinya konsisten dengan informasi yang diberikan.

Contoh; Jika diberikan segugus data 3 4 5 7 7 8 10 15 15, wilayah dari gugus data tersebut adalah 12, nilai terbesar 15 sedangkan nilai terkecil 3, berarti wilayahnya sama dengan 15 - 3 = 12. Untuk mengatasi kekurangan yang dimiliki wilayah, maka ada ukuran keragaman lain yang sering digunakan yaitu ragam (varian), yang memperlihatkan posisi relatif dari setiap nilai amatan terhadap nilai rata-ratanya (nilai tengah), ini dapat dicapai dengan memeriksa simpangan dari nilai tengahnya.
Simpangan sebuah pengamatan dari nilai tengahnya diperoleh dengan mengurangkan setiap nilai amatan dengan nilai rata-rata (nilai tengah). Bila kita memiliki segugus data yang diperoleh dari contoh acak, x1, x2, . . . . xn, maka maka simpangan untuk setiap amatan adalah x1 1 , x2 2, . . . . . xn - n .

Dalam prakteknya simpangan tengah tersebut jarang digunakan, sebab penggunaan nilai mutlak membuatnya sulit dimanipulasi secara matematika. Sebagai pengganti dari simpangan tersebut adalah mengkuadratkan semua simpangan untuk menghitung ragam dari gugus data yang ada. Nilai kuadrat yang positip dari ragam dinamakan simpangan baku. Bila populasinya terhingga X1, X2, . . . . Xn, maka ragam populasi didefinisikan sebagai: ; dimana

Xi

= = =

Rataan populasi Nilai pengamatan Banyaknya nilai amatan

N Contoh;

Nilai-nilai berikut ini merupakan hasil ujian dari 6 orangmahasiswa program studi pendidikan matematika semester 3. Nilainya adalah sebagai berikut;7 5 9 7 6 8 Hitunglah ragam dan simpangan baku dari data diatas bilamana data tersebut merupakan ukuran populasi.

Simpangan baku () =

Ragam dari suatu contoh yang dilambangkan dengan S2 merupakan suatu statistik. Dalam hal-hal tertentu parameter populasi tidak bisa dijangkau, olehnya iru ragam bagi populasi diduga dengan menggunakan ragam dari contoh (S2). Agar diperoleh nilai duga yang baik, maka nilai duga tersebut harus dihitung berdasarkan rumus yang secara rata-rata mengahsilkan parameter populasi. Hasil perhitungan statistik dengan menggunakan rumus secara rata-rata menduga parameter populasi yang hasil duga tersebut tidak berbias, dengan mengganti N dengan n - 1 dari penyebutnya. Dengan demikian ragam contoh acak x1, x2, . . . . xn dari segugus data didefinisikan sebagai : S2 =

Bila nilai merupakan bilangan desimal yang telah dibulatkan maka nilai ragam duga yang diperoleh dengan menggunakan rumus diatas akan berbias. Untuk itu bila nilai rata-rata (nilai tengah) yang diperoleh merupakan bilangan desimal yang harus dibulatkan, maka sebaiknya dalam menghitung S2 gunakanlah rumus berikut ini:

S2 =

Simpangan baku dari contoh dilambangkan dengan S didefinisikan sebagai akar pangkat
dua dari ragam contoh (S2).

Contoh; Hitunglah ragam dan simpangan baku dari data contoh (sampel) berikut ini; 3 4 5 6 6 7.

S2 =

Simpangan baku dari contoh =

= 1.472

PENGUJIAN HIPOTESIS Data yang diperoleh dari suatu percobaan atau survei, selain diperlukan untuk menduga parameter, juga diperlukan untuk menguji berlakunya suatu anggapan tertentu mengenai parameter tersebut. Pengujian hipotesis dimulai dengan menerima suatu anggapan tertentu sebagai hal yang benar. Anggapan inilah yang digunakan sebagai landasan kerja selanjutnya dan dinamakan hipotesis nol ( H0 ). Jika anggapan ini didukung oleh data yang dikumpulkan, maka anggapan tersebut dapat diterima kebenarannya dan dapat dianggap sebagai suatu kenyataan. Jika data yang dikumpulkan tidak mendukung anggapan tersebut, maka diterimalah suatu anggapan lain yang merupakan tandingan dari H0 sebagai kenyataan. Anggapan tentang tandingan H0 dinamakan hipotesis satu (H1 ) atau hipotesis alternatif.

Penentuan hipotesis mana yang akan diterima ditentukan oleh bentuk dukungan data yang terkumpul. Kita ketahui bahwa data yang dikumpulkan merupakan suatu peubah acak, sehingga pengulangan pengujian dengan kumpulan data yang lainmungkin saja memberikan kesimpulan yang berbeda. Oleh karena itu pengujian hipotesis merupakan suatu peristiwa pengambilan kesimpulan berdasarkna statistika, dipengaruhi oleh faktor ketidakpastian.

Pemilihan salah satu hipotesis sebagai anggapan yang berlaku hanyalah dapat dilakukan dengan pernyataan berapa besarnya peluang bahwa bahwa hipotesis itu benar. Dengan demikian pengujian hipotesis dengan menggunakan jenis uji statistika tertentu tidak pernah peneliti dapat membuktikan kebenaran suatu hipotesis. Dalam proses pengujian hipotesis kita mengenal adanya dua jenis kesalahan yaitu kesalahan jenis atau tipe I dan kesalah tipe II, dan kedua tipe kesalahan yang mungkin tersebut merupakan ciri hkas dari proses pengujian hipotesis.
Salah jenis atau tipe I adalah suatu kesalahan yang timbul karena H0 yang yang ditolak pada hal sesungghnya H0 benar, peluang kesalahan tipe I dilambangkan dengan . Kesalahan tipe II adalah kesalahan yang mungkin dibuat karena peneliti menerima berlakunya H0 pada hal sesungguhnya H0 itu salah. Salah jenis II dilambangkan dengan .

Kita ketahui bahwa rata-rata (rata-rata) dari suatu pendugaan pada umumnya tidaklah selalu sama dengan rata-rata parameter yang sebenarnya.
Karena itu jika ada dua rata-rata sampel (sampel) yang tidak sama misalnya 1 2 maka tidak berarti bahwa rata-rata dari kedua populasinya berbeda. Rata-rata dari kedua populasi bisa saja nilainya sama besar atau bisa berbeda, jika rata-rata sampel berbeda sedangkan rata-rata populasi sama berarti perbedaan yang terjadi dari kedua rata-rata sampel hanyalah disebabkan oleh kekeliruan dalam proses pengambilan sampel.

Sebelum pembahasan ini dilanjutkan terlebih dahulu kami menyajiakan definisi tentang hipotesis statistika. Hipotesis statistika merupakan suatu anggapan atau pernyataan yang mungkin nilainya benar atau tidak mengenai satu populasi atau lebih, jadi hipotesis yang dirumuskan tidak selamanya harus diterima, dan jika hipotesis yang dirumuskan ditolak tidak berarti bahwa sipeneliti harus melakukan penelitian ulang sehubungan dengan permasalahan yangh sedang diteliti. Satu hal yang perlu diperhatikan dalam proses pengujian hipotesis bahwa hipotesis selalu berbentuk pernyataan tentang populasi atau distribusi yang sedang diteliti, bukan pernyataan tentang sampel.
Nilai parameter populasi yang dirumuskan dalam hipotesis nol (H0) biasanya ditentukan berdasarkan tujuan dari pengujian hipotesis, untuk maksud tersebut ada tiga cara yang ditempuh sehubungan dengan perumusan hipotesis nol (H0) yaitu:

1. Yang dirumuskan pada hipotesis nol merupakan pengalaman yang lalu atau pengetahuan tentang proses tersebut atau bagian dari hasil penelitian sebelumnya, tujuan dari pengujian hipotesis seperti ini adalah untuk menentukan apakah suatu hasil percobaan atau pengetahuan yang dimaksud telah berubah atau belum. 2. Yang dirumuskan pada hipotesis nol bisa saja ditentukan dari berbagai teori atau model mengenai proses yang dipelajari, tujuan pengujian hipotesis seperti ini dimaksudkan untuk membuktikan kebenaran dari teori atau model mengenai proses yang dipelajari. 3. Yang dirumuskan pada hipotesis nol muncul bila nilai parameter populasi dihasilakan dari pertimbangan eksternal sperti spesifikasi rancangan atau rekayasa, tujuan dari pengujian hipotesis seperti ini adalah untuk pengujian kecocokan dari rancangan atau rekayasa yang diteliti.

Seorang peneliti biasanya tertarik dalam membuat keputusan tentang penerimaan atau penolakan dari hipotesis yang dirumuskan, dengan anggapan bahwa suatu prosedur yang ditempuh untuk mengambil kesimpulan apakah menerima atau menolak hipotesis yang telah dirumuskan, maka dilakukan pengujian hipotesis yang telah dirumuskan. Untuk pengujian sebuah hipotesis seorang peneliti sebaiknya mengambil sampel acak, agar kesimpulan yang diberikan oleh sipeneliti dari hasil pengujian hipotesis dapat menggambarkan keadaan populasi, kemudian dari sampel acak telah tersedia fasilitas mengenai pengujian hipotesis berupa jenis analisis yang akan digunakan, kemudian dengan menggunakan sampel acak berarti pengujian hipotesis yang dilakukan menjadi sahih.
Langkah-langkah Pengujian Hipotesis

Pengujian hipotesis akan mengantarkan peneliti kepada pemberian kesimpulan untuk menerima atau menolak hipotesis yang telah dirumuskan, dengan demikian dalam satu rumusan hipotesis terdapat dua pilihan yang saling berlawanan yaitu: Hipotesis yang mengandung pengertian sama:

H0

H1

H0 H1

: :

0 0

H0 H1

: :

0 0

Hipotesis mengandung pengertian maksimum

H0

H1

Hipotesis yang mengandung pengertian minimum


H0

H1

Berdasarkan perumusan hipotesis diatas, penentuan daerah penolakan hasil pengujian ditentukan berdasarkan pada: 1. Jika perumusan hipotesis alternatif (H1) menggunakan tidak sama dengan (), berarti pengujian hipotesis
biasa juga dikatakan pengujian dua pihak. Kriteria pengujian yang digunakan adalah terima H 0 jika harga statistik yang dihitung berdasarkan data penelitian terletak diantara -/2 dan /2, dalam hal lain H0 ditolak.

2. Jika hipotesis alternatif (H1) mempunyai perumusan lebih besar (), maka pengujian hipotesis dikatakan
pengujian satu arah (arah kanan). Kriteria pengujian yang digunakan adalah terima H 0 jika harga statistik yang dihitung berdasarkan data penelitian kurang dari nilai yang dipilih (nilai ) diperoleh dari tabel t atau tabel z sesuai dengan rumus uji yang digunakan., dalam hal lain H0 ditolak.

3. Jika hipotesis alternatif (H1) mempunyai perumusan lebih kecil (), maka pengujian hipotesis dikatakan
pengujian satu arah (arah kiri). Kriteria pengujian yang digunakan adalah terima H0 jika harga statistik yang dihitung berdasarkan data penelitian lebih dari nilai yang dipilih (nilai ) diperoleh dari tabel t atau tabel z sesuai dengan rumus uji yang digunakan., dalam hal lain H0 ditolak. Dalam perumusan hipotesis apakah seorang peneliti menggunakan uji satu arah atau uji dua arah tergantung pada kesimpulan yang akan diambil oleh pihak peneliti bila H0 ditolak, letak daerah penolakan H0 baru dapat ditentukan setelah hipotesis alternatif (H1) dirumuskan. Sebagai sampel, misalkan seorang peneliti ingin melihat apakah suatu varietas tertentu (varietas baru) lebih baik dari varietas lain (varietas lama), berarti sipeneliti harus merumuskan hipotesis statistika sebagai berikut: Hipoptesis nol adalah varietas baru sama dengan varietas lama, sedangkan hipotesis alternatifnya adalah varietas baru lebih baik dari varietas lama, secara statistika perumusan tersebut adalah: H0

H1

nilai rataan dari produksi dengan menggunakan varietas baru = nilai rataan dari produksi dengan menggunakan varietas lama

Akan tetapi bila seorang peneliti ingin melihat apakah dua jenis varietas atau lebih sama baiknya atau tidak, maka seorang peneliti merumuskan hipotesis statistika dalam bentuk hipotesis dua arah, dimana H0 menyatakan dua varietas atau lebih sama baiknya, sedangkan hipotesis alternatifnya adalah dua varietas atau lebih tidak sama, secara statistika perumusan hipotesis tersebut adalah sebagai berikut:

H0

2 = . . . . = p

H1

minimal sepasang nilai rataan yeng berbeda

H0

H1

2 , khusus untuk dua jenis varietas yang diuji

Suatu hasil pengujian hipotesis dikatakan berarti bila hipotesis nol ditolak pada taraf nyata 0.05, sedangkan hasil pengujian hipotesis dikatakan sangat berarti bila hipotesis nol ditolak pada taraf nyata 0.01.

C. Proses Pngujian Hipotesis

Dalam proses pengujian hipotesis akan diuraikan pengujian hipotesis untuk data tunggal (uji rataan) untuk satu populasi, uji kesamaan dua populasi atau lebih, uji kesamaan dua variansi (ragam).
Pengujian Data Tunggal Misalkan kita mempunyai sebuah populasi berdistribusi normal dengan rata-rata dan simpangan baku , akan diuji parameter populasi, yaitu rataan dari populasi.

Jika hipotesis yang akan diuji dinyatakan bahwa rataan data pengamatan yang diperoleh dari sampel sama dengan suatu bilangan tertentu katakanlah bahwa bilangan yang dimaksud adalah 0. Secara statistika peumusan hipotesis yang akan diuji adalah: H0

H1

Untuk pengujian rumusan hipotesis diatas dapat dilakukan dengan menggunakan dua model pengujian yaitu menggunakan uji-z, atau menggunakan uji-t, kedua rumus uji tersebut prinsip penggunaannya sama yaitu menguji masalah ada tidaknya perbedaan dari parameter yang diuji, hanya persoalan sekarang adalah rumus uji mana yang akan digunakan dalam mengguji rumusan hipotesis yang telah dirumuskan apakah menggunakan uji-z atau menggunakan uji-t. Proses pemilihan rumus uji yang digunakan dalam menguji hipoteis yang telah dirumuskan didasarkan pada ada tidaknya nilai simpangan baku dari populasi dan besarnya sampel yang digunakan. Jika simpangan baku dari populasi tidak diketahui, dan ukuran sampel kurang dari 30, maka pengujian hipotesis dilakukan dengan menggunakan uji-t, selain itu pengujian hipotesis dilakukan dengan menggunakan uji-z, jika sampel yang diambil lebih dari 30, dan simpangan baku populasi tidak diketahui tetap menggunakan uji-z dengan simpangan baku populasi diduga dengan simpangan baku sampel.
Kriteria pengujian yang digunakan adalah: terima H0 jika zhitung terletak diantara -

dan

, atau -

dan

, dengan

dan

diperoleh dari daftar normal baku dengan peluang

sebesar /2, dalam hal lain H0 ditolak

Contoh.
1. Sebuah perusahaan membuat perlengkapan olah raga membuat tali pancing sintetik yang baru dan menurut informasi dari perusahaan tersebut bahwa rata-rata tali yang diproduksinya dapat menahan beban sampai 8 kg dengan simpangan baku sebesar 0.5 kg, bila sampel acak diambil sebanyak 50 tali dan diuji tarnyata rata-rata daya tahannya hanya 7.8 kg. Ujilah pernyataan tersebut dengan menggunakan taraf nyata = 0.01.

Jawab. Rumusan hipotesis yang akan diuji adalah:


H0

8 kg

H1

8 kg

Karena simpangan baku populasi diketahui, berarti pengujian hipotesis diatas dilakukan dengan menggunakan ujiz, dengan kriteria pengujian terima H0 jika zhitung terletak diantara dan , selain itu H0 ditolak.

Proses pengujian hipotesis; = n 0 = = = 7.8 kg 50 8 kg 0.5

Rumus uji yang digunakan adalah


Z= , sedangkan nilai

ztabel = 2.575. Karena zhitung tidak terletak diantara -2.575 dan 2.575 maka H0 ditolak, dengan demikian dapat disimpulkan bahwa rata-rata daya tahan dari tali pancing sintetik bukan 8 kg tetapi kurang dari 8 kg. 2. Sebuah perusahaan lampu pijar mengatakan bahwa lampu yang diproduksinya bisa tahan pakai sekitar 800 jam, akhir-akhir ini timbul dugaan dari konsumen bahwa masa pakai lampu tersebut telah berubah. Untuk mengatasi keresahan masyarakat, maka dilakukan penelitian dengan menguji 29 bola lampu, dari 29 bola lampu tersebut diperoleh rata-rata tahan pakainya hanya 768 jam, dan simpangan baku 38 jam. Dengan menggunakan taraf nyata = 0.05 ujilah pernyataan bahwa daya tahan lampu yang diproduksi oleh perusahaan tersebut sebesar 800 jam.

Jawab. Karena simpangan baku dari populasi tidak diketahui dan sampel yang digunakan kurang dari 30 maka pengujian hipotesis dilakukan dengan menggunakan uji-t, dengan rumus uji sebagai berikut:

t=

; S2 =

Dari hasil perhitungan dengan menggunakan data sampel diperoleh hasil sebagai berikut
= 768 jam, s = 38 jam, dan n = 29

Pasangan hipotesis yang diuji adalah:


H0

800 jam

H1

800 jam

Proses pengujian;
t= = -4.534876

Dari daftar distribusi t dengan menggunakan = 0.05, dk = 28 dan menggunakan uji dua pihak diperoleh ttabel = 2.045. Kriteria pengujian terima H0 jika thitung terletak diantara -2.045 dan 2.045. Karena thitung tidak terletak diantara -2.045 dan 2.045, maka tolak H0. Jadi kesimpulan yang diperoleh dari hasil penelitian tersebut adalah, rata-rata tahan pakai lampu pijar tersebut bukan 800 jam, tetapi kurang dari 800 jam.

Pengujian Dua Populasi.

Untuk pengujian dua populasi dikelompokkan menjadi 2 bagian yaitu: 1. Sampel tidak bebas (dua kelompok data yang berpasangan) 2. Sampel bebas
Pengujian Sampel Tidak Bebas.

Untuk pengujian sampel tidak bebas yang diukur adalah perbedaan dari dua kelompok data, data dimaksud adalah data yang diperoleh dari sampel yang sama tetapi setiap sampel memberikan dua jenis data, misalnya penggunaan ruang belajar pada jam yang sama hari yang berbeda, dimana yang diukur adalah banyaknya ruang yang dipergunakan untuk belajar pada waktu yang bersamaa tetapi hari yang berbeda, penilai tentang efektifitas suatu metode mengajar tertentu, dimana yang diukur adalah data yang diambil sebelum diajar dengan metode mengajar yang digunakan dan data yang diperoleh setelah metode tersebut digunakan dalam proses belajar mengajar, pengaruh pemberian ransum makanan ternak terhadap bobot badan ternak yang diukur sebelum dan sesudah diberi pakan tertentu dan sebagainya, dan sebagainya. Bentuk hipotesis statistiknya adalah;

H0

d0

H1

d0

Statistik uji yang digunakan adalah uji-z atau uji-t tergantung dari banyaknya sampel yang digunakan, dan ada tidaknya simpangan baku dari populasi. Prinsip pemilihan jenis uji sama seperti pemilihan rumus uji yang digunakan pada pengujian hipotesis dengan menggunakan sampel tunggal.

Contoh. Suatu penelitian yang dilkukan disuatu perguruan tinggi tertentu pada tahun 1995 tentang penggunaan ruang belajar. Dari hasil penelitian tersebut diperoleh data berikut; Waktu 08.00 09.00 10.00 11.00 12.00 13.00 14.00 15.00 16.00 Senin 89 124 121 105 94 103 78 59 35 Rabu 95 133 128 107 95 112 86 80 46 d -6 -4 -7 -2 -1 -9 -8 -21 -11

Setelah dilakukan perhitungan seperlunya diperoleh hasil berikut ini;


sebesar -7.6667

Sd2 =

Sd = 5.96

Rumusan hipotesis yang akan diuji adalah:


H0

H1

Statistik uji yang digunakan adalah uji-t dengan rumus yang digunakan adalah sebagai berikut:

thitung =

thitung =

Dari tabel t diperoleh ttabel sebesar 2.306 unutk = 0.05, dengan derajat bebas = 8. Karena thitung tidak terletak diantara -2.306 dan 2.306 berarti terima H1. Jadi dapat disimpulkan bahwa ada perbedaan yang nyata dari penggunaan ruangan belajar untuk hari senin dan hari rabu pada waktu yang bersamaan. Pengujian Dua Kelompok data Yang Saling Bebas

Untuk mengetahui apakah dua kelompok data yang saling bebas mempunyai ragam yang sama atau berbeda, maka terlebih dahulu dilakukan pengujian ragam dengan menggunakan uji-F, dimana proses pengujiannya dari ragam dimaksud dilakukan dengan cara membandingkan kedua ragamnya yaitu ragam terbesar dibagi dengan ragam terkecil. Adapun proses pengujiaannya adalah sebagai berikut:
H0

12

22

H1

12

22

H1

12

22

Statistik uji yang digunakan adalah:


F=

Pengujia seperti mutlak diperlukan sebab dalam pengujian sampel bebas baik untuk uji-t maupun uji-z yang digunakan berbeda jika kedua ragamnya sama atau berbeda. Jika ragam dari dua kelompok data sama, maka rumus uji yang digunakan adalah:

t hitung =

atau

z hitung =

Jika ragamnya belum diketahui dan sampelnya lebih dari 30 maka digunakan ragamnya diduga dengan ragam sampel, dengan menggunakan rumus:
S2Gab. =

Jika ragamnya berbeda maka statistik uji yang digunakan adalah:

t hitung =

atau

z hitung =

Rumusan hipotesis yang akan diuji adalah sebagai berikut:


H0

H1

Contoh. Seorang peneliti ingin melihat kemampuan berhitung murid yang berasal dari keluarga guru dan murid yang bukan dari keluarga guru. Dari kedua kelompok murid tersebut diberikan angket berupa soal-soal matematika dengan materi yang sama, setelah diuji diperoleh hasil sebagai berikut: KLP I KLP II 3.1 2.7 3.0 2.9 3.3 3.4 2.9 3.2 2.6 3.3 3.0 2.9 3.6 3.0 2.7 3.0 3.8 2.6 4.0 3.7 3.4

KLP I merupakan prestasi murid dari keluarga guru KLP II merupakan prestasi murid yang bukan dari keluarga guru.

Jawab Dari data tersebut diatas setelah dilakukan perhitungan sederhana diperoleh:
1 = 3.22, 2 2 2 = 3.07, S1 = 0.1996, S2 = 0.1112

Sebelum dilakukan pengujian hipotesis tentang ada tidaknya perbedaan dari kedua kelompok data maka terlebih dahulu dilakukan pengujian ragam, adapun proses pengujian ragam adalah: Karena S 12 S22 maka pengujiannya adalah sebagai berikut: H0

1
2

22

H1

1
2

22

Statistik uji yang digunakan adalah


F hitung =

Dari tabel F diperoleh F tabel untuk = 0.05 dengan derajat bebas v1 = 11 dan v2 = 10 sebesar 2.945. Karena F hitung lebih kecil dari F tabel berarti terima H0, artinya kedua ragam tersebut sama. Karena kedua ragamnya sama maka perlu dicari ragam gabungan: S2gab. =

Pasangan hipotesis yang akan diuji adalah:


H0

2
1

H1

2
1

Statistik uji yang digunakan adalah:

t hitung =

t hitung =

Dari tabel t diperoleh t tabel sebesar 2.093 dengan derajat bebas 19 dan = 0.05 Karena t hitung tidak terletak diantara -2.093 dan 2.093 maka H 0 ditolak. Jadi dapat disimpulkan bahwa ada perbedaan yang nyata antara kemampuan berhitung anak dari keluarga guru dan anak yang bukan dari keluarga guru. REGRESI LINIER DAN KORELASI 1. Regresi Linier

Dalam dunia nyata terdapat dua atau lebih peubah yang sifatnya saling berhubungan, sehingga

salah satu peubah (peubah bebas) diketahui maka nilai-nilai peubah lain (peubah tak bebas) dapat diramalkan nilainya. Untuk kepentingan peramalan, terlebih dahulu kita menentukan persamaan matematika, sebab melalui persamaan matematika, memungkinkan kita untuk meramalkan nilai-nilai suatu peubah (peubah tak bebas) bila nilai peubah bebas diketahui, dalam analisis statistika persamaan dimaksud disebut persamaan regresi. Persamaan regresi dibentuk dari sepasang data sampel (sampel) yaitu peubah bebas (X) dan peubah tak bebas (Y) dengan suatu tujuan dari persamaan tersebut adalah untuk digunakan dalam meramalkan nilai-nilai tak bebas pada kondisi yang lebih luas. Analisis regresi digunakan dalam suatu penelitian untuk melihat bagaimana pola hubungan antara peubah bebas (X) dan peubah tak bebas (Y), apakah pasangan-pasangan data yang diperoleh dari sampel (sampel) bisa didekati dengan pola garis lurus atau tidak (kuadrat, kubik, dan lain sebagainya). Sebagai langkah awal dalam melihat pola hubungan antara peubah bebas (X) dan peubah tak bebas (Y) maka pasangan data sampel ditebarkan atau diplot pada salib sumbu sehingga menghasilkan apa yang disebut sebagai diagram pencar. Dengan mengamati diagram pencar dari pasangan titik-titik pengamatan, berarti kita bisa memilih pola hubungan mana yang dapat menghasilkan simpangan yang minimum antara pasangan titik-titik pengamatan kegaris regresi secara vertikal, apakah bisa didekati dengan pola garis lurus (linier) atau tidak. Jika pola hubungan antara peubah bebas (X) dan peubah tak bebas (Y) bisa didekati dengan pola garis lurus, maka kita berusaha menyatakan pola hubungan tersebut secara matematika dengan sebuah persamaan garis lurus yang disebut sebagai garis regresi. Untuk menentukan hubungan antara peubah bebas (X) dan peubah tak bebas (Y), peubah bebas (X) merupakan peubah kontinu secara matematika, atau data yang mempunyai sebaran tertentu yang diketahui, jika data dari peubah bebas (X) tidak mempunyai sebaran maka persamaan regresi yang diperoleh tidak dapat dipertanggung jawabkan dalam meramalkan nilai-nilai Y untuk nilai X tertentu. Misalkan hubungan sebenarnya antara X dan Y berbentuk garis lurus, dan nilai-nilai observasi Y pada masing-masing nilai X tertentu adalah sebuah peubah acak, dengan demikian nilai harapan dari Y untuk masing-masing nilai X tertentu adalah;
E(y/x) = a + bx, dimana a merupakan intersep, dan b adalah gradian garis regresi, yang keduanya merupakan konstanta yang tidak diketahui. Dengan mengasumsikan bahwa masing-masing pengamatan Y dapat digambarkan dengan menggunakan model; Y=a+bx + dimana adalah galat yang bersifat acak dengan rata-rata nol dan ragam adalah 2 , juga diasumsikan sebagai peubah acak yang tidak berkorelasi.

Dari diagram pencar yang ada kita dapat menarik garis lurus yang cukup banyak, namun kita hanya memilih satu garis lurus yang memiliki nilai simpangan terkecil.
Diantara semua kemungkinan garis lurus yang dapat dibuat pada diagram pencar berdasarkan data pengamatan dari sampel (sampel) metode kuadrat terkecil memilih satu garis regresi yang membuat jumlah kuadrat jarak vertikan dari titik pengamatan kegaris regresi sekecil mungkin, bila i merupakan simpangan vertikal dari titik ke-i kegaris regresi, maka metode kuadrat terkecil menghasilkan rumus untuk menghitung nilai a dan b yang belum diketahui, dengan menduga model Y = + x + i diduga dengan model = a + bx.

Penggunaan dari persamaan = a + bx dimaksudkan untuk membedakan antara titik amatan Y dengan nilai yang diramalkan oleh persamaan garis linier untuk nilai x tertentu, a menyatakan intersep atau titik perpotongan antara garis regresi dengan sumbu Y, sedangkan b merupakan kemiringan garis regresi terhadap sumbu X positif (gradien). Bila ada sepasang data pengamatan {(Xi,Yi); i = 1, 2, . . . n}, maka nilai dugaan terkecil bagi parameter dalam garis regresi = a + bx dapat dihitung dengan menggunakan rumus;

b=

a=

Contoh;
Jika diberikan data berpasangan (Xi, Yi), i = 1, 2, 3, 4, 5, 6.

X Y

1 6

2 4

3 3

4 5

5 4

6 2

Tentukanlah persamaan garis regresi Gambarkan diagram pencar dari pasangan data pengamatan tersebut
Dari data pengamatan tersebut diperoleh:

b=

a = 4 - (3.5) (-0.5142857) = 5.8.


Jadi persamaan garis regresi adalah = 5.8 - 0.51 X, dengan nilai elastisitas sebesar -0.45339, arti dari nilai elastisitas ini dalam regresi adalah jika x bertambah 1 % maka nilai Y berkurang sebesar 0.45339 %.

Diagram pencar dari pasangan titik diatas adalah sebagai berikut: