Buku Panduan Belajar Statistik Probabilitas

KATA PENGANTAR
Puji syukur dipanjatkan ke hadirat Tuhan Yang Maha Esa atas ridhoNya,
modul Statistik probabilitas ini dapat diselesaikan, modul menyajikan
pengetahuan di bidang Statistik Probabilitas bagi para mahasiswa yang ingin
mendalami mempelajari dan memahaminya.
Statistik probabilitas merupakan salah satu mata kuliah yang dipelajari
untuk semua jurusan, karena dengan belajar probabilitas mahasiswa memiliki
kemampuan memprediksi kejadian-kejadian yang akan datang. Mahasiswa
juga memiliki kemampuan melakukan penelitian secara benar. Oleh karenanya
menjadi sangat penting untuk mengetahui, dalam rangka menambah
pengetahuan mahasiswa di bidang Statistik. Diharapkan juga mahasiswa
menerapkan disaat mereka telah bekerja nantinya.
Dalam setiap chapter modul ini dilengkapi dengan ilustrasi perhtunganperhitungan yang mungkin dapat membantu para mahasiswa-mahasiswa
Triguna Dharma untuk memahami setiap chapter dari modul ini. Di modul
mahasiswa akan diajak memahami tentang kegunaan-kegunaan atau aplikasi
nya dalam realitanya dalam kehidupan sehari-hari maupun dunia kerja.
diantara membahas tentang pendekatan perhitung probabilitas, meninjau
kembali secara umum tentang uji hipotesis yang akan membahas tentang
menguji suatu masalah hingga memutuskannya, dan bagaimana menganalisa
hubungan satu kejadian denga nkejadian yang lain, yang dilakukan melalui
koefisien korelasi dan regresi linier baik sederhana maupun berganda.
Penyusunan modul ini dapat membantu mempermudah dalam memahami
Statistik probabilitas bagi mahasiswa. Penyususun mengucapkan terima kasih
kepada rekan-rekan yang memberi banyak masukan di dalam proses
menyusunannya
Penyusun menyadari isi modul masih terdapat kekurangan dan untuk itu
segala komentar dan saran yang membangun akan kami terima dengan
senang hati.
Medan, April 2012

Penyusun
(Suardi Yakub, SE,MM)
SYSEMM, Prob,TGD (2012)
MODUL STATISTIK PROBABILITAS

Chapter 1
Chapter 2
: Pemahaman Probabilitas
: Pendekatan Perhitungan dan Aturan Dasar Probabilitas
Chapter 3
: Pemahaman Distribusi Probabilitas
Chapter 4
: Distribusi Variabel Acak Diskret
Chapter 5
: Distribusi Variabel Acak Kontinu
Chapter 6
: Pengujian Hipotesis Rata-rata Tunggal dan Dua RataRata.
Chapter 7
: Pengujian Tentang Proporsi
Pertemuan 8
: UTS
Chapter 8
: Korelasi Linier Sederhana
Chapter 9
: Regresi Linier Sederhana
Chapter 10
: Korelasi Linier Berganda
Chapter 11
: Regresi Linier Berganda
Chapter 12
: Analisa Varians
Pertemuan 16
: UAS
Chapter 1
Pemahaman Probabilitas
1. Pengertian Probabilitas
Probabilitas adalah salah satu alat yang amat penting karena probabilitas banyak
digunakan untuk menaksir derajat ketidakpastian dan oleh karenanya mengurani
resiko
Probabilitas ialah suatu nilai yang digunakan untuk mengukur tingkat terjadi suatu
kejadian yang acak. Kata probabilitas sering disebut peluang dan kemungkinan.
Secara umum Probabilitas merupakan peluang bahwa sesuatu terjadi. Secara
lengkap didefinisikan sebagai berikut:
Probabilitas ialah suatu nilai yang digunakan untuk mnegukur tingkat terjadinya
suatu kejadian yamg acak.
Ada tiga kata kunci yang diketahui : Eksperimen, Outcame (hasil), Event (
Peristiwa)
1. Eksperimen/percobaan
Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan
timbulnya paling sedikit dua peristiwa tanpa memperhatikan peristiwa mana
yang akan terjadi.
2. Outcome/hasil :
Kemungkin hasil percobaan yang akan akan terjadi.
Hasil yg berbeda-beda dari suatu eksperimen disebut titik sample.
Himpunan dari seluruh kemungkinan hasil disebut Ruangan Sampel (S)
Ruang sampel suatu ekspremen/percobaan mempunyai dua syarat :
1. Dua hasil atau lebih tidak dapat terjadi secara bersamaan.
Misalnya :
Melemparan mata uang satu kali hasilnya G (gambar) atau A
(Angka)
Jika melempar mata uang dua kali hasilnya G G atau G A atau A G
atau AA.
2. Harus terbagi habis (exhautive). Artinga, ruang sampel harus memuat
seluruh kemungkinan hasil, tidak ada yang terlewat.
Misalnya :
Melemparan mata uang satu kali hasilnya G (gambar) atau A
(Angka), maka raung sampelnya (S) adalah { G ; A }
Jika melempar dadu satu kali, maka S adalah { 1, 2, 3, 4, 5, 6 }
3. Event/peristiwa (Kejadian).
Kejadian adalah himpunan dari hasil yang muncul atau terjadi pada suatu
percobaan statistik.Kejadian anggota-anggotanya disebut juga titik sampel.
Ilustrasi : 1
Jika sebuah koin yang memilki permukaan Gambar dan Angka dilemparkan satu
kali, maka
1. Akan muncul Gambar (G) atau nol (0)
2. atau muncul Angka (A) atau satu (1).
Elemen himpunan { G ; A } atau { 0 ; 1 }
Jika koin tersebut dilempar 4 kali ; ada 4 hasil yang akan muncul :
{G;A}
{G;G}
{A;G}
{A;A}
={0;1}
={0;0}
={1;0}
={1;1}
{0;1}
{0;0}
{1;1}
{1;0}
Jika Mengukur daya tahan lampu, maka hasilnya adalah waktu (jam/t)
yang interval hasilnya waktu (t).
Diasumsikan tidak lampu lebih nyalanya 4.000 jam, maka 0 t 4.000
Karena himpunan maupun himpunan bagian dapat merupakan kejadian (event),

maka istilah-istilah mengenai kejadian antara lain :
1. Interseksi dua kejadian
Irisan dua kejadian A dan B, dinyatakan dengan AB, merupakan kejadian
yang elemennya anggota S yang selain mempunyai sifat A juga B, artinya
selain anggota A juga anggota B.
A B
x : x A dan
x B
A B
Misalnya :
A = {x : 0 x 10 }
B = {x : x 5 }
( A B) = {x : 5 x 10 }
2. Unian (gabungan) dua kejadian

Gabungan dua kejadian A dan B, dinyatakan dengan A B, atau A + B
merupakan himpunan S yang terdiri dari anggota elemen-elemen anggota S
yang meejadi anggota A saja atau menjadi anggota A dan B sekaligus.
A B
x : x A, x B
x AB
atau
Himpinan bagian
A (kejadian A)
Himpunan bagian
B (kejadian B)
A B
Misalnya :
A = {x : 2 x 5 }
B = {x : 6 x 12 }
( A U B) = {x : 2 x 12 }
3. Komplemen Suatu Kejadian
_
Komplemen suatu kejadian A, dinyatakan dengan

elemen dalam S yang tidak termasuk dalam A.
A B
x : x A atau
A, adalah himpunan semua
x B
= Daerah yang diarsir
S = Ruang sampel (himpunan dari hasil Eksperimen)

A
_ = Himpunan bagian S
A = Komplemen dari A
Ilustrasi : 2.
Percobaan: Pelemparan sebuah dadu dan mencatat angka yang muncul :
Ruang sampel : S = {1, 2, 3, 4, 5, 6}

Kejadian munculnya angka genap, A = {2, 4, 6}
Kejadian munculnya angka 5 atau lebih, B = {5, 6}
Irisan A dan B = A B = {6}
Gabungan A dan B = _ A U B = {2, 4, 5, 6}
Komplemen dari A = A = {1, 3, 5}
Latihan :
1. Probabilitas suatu peristiwa berkisar dari 0 sampai dengan 1. Jika probabilitas
peritiwa A adalah 0, apa maknanya? Dan jika probabilitas A adalah 1, apa
maknanya?
2. Dalam konsep probabilitas terdapat tiga kata kunci, yaitu experiment, outcome,
dan event, jelaskan apa yang dimaksud dari ketiga kata kunci tersebut, dan
beri contoh perbedaannya!
3. Anda jelaskan! Apa perbedaan kejadian-kejadian yang dimaksud

dibawah ini.
gambar
4. Coba anda buat diagram Venn jika A = { 1, 2, 3, 4, 5 } dan B = {2, 4, 6, 8 }, dan

jelaskan kejadian yang dimaksud digram venn tersebut.
5. Jika dua dadu dilakukan pelemparan satu kali. Tentukanlah:
a. Ruang sampel (seluruh titik sampel) dua dadu tersebut!
b. Kejadian munculnya jumlah kurang dari 10 (A)
c. Kejadian munculnya bilangan ganjil yang jumlahnya lebih besar dari 5 (B)
d. Irisan / imterseksi A dan B.
e. Gabungan/union A dan B.
Chapter 2
Pendekatan Perhitungan dan Aturan Dasar Probabilitas
A. Pendekatan Perhitungan Probabilitas

Ada dua pendekatan dalam menghitung probabilitas yaitu : pendekatan bersifat
objektif dan subjektif. Probabilitas objektif dibagi dua yaitu : Pendekatan klasik dan
frekuensi relatif.
1. Pendekatan Klasik
Perhitungan probalitas secara klasik diddasarkan pada asumsi bahwa seluruh
dari hasil eksprimen mempunyai peluang yang sama
Suatu kejadian A yang dapat terjadi sebanyak X cara dari seluruh n cara.
Misalnya :
n = barang, x = rusak , n-x = tidak rusak. Maka memperoleh barang rusak

P(A), jika A = barang rusak yang merupakan suatu kejadian atau event.
1. P( A)
x
P( A) 0, sebab x 0, n 0
n
2. P A 1 P( A)
A = bukan A (Bukan barang rusak)

A = Komplemen A
0
n
= 0, x = n P(A) =
=1
n
n
Jika semua rusak , maka 0 P(A) 1,
Jika x = 0 P(A) =
Contoh : dari 100 produksi ada 25 yang rusak, maka probabilitas yang
rusak adalah :
P( A)
x
n
P( A)
25
100
0,25
atau 25%
2. Konsep Frekwensi Relatif.

Konsep frekwensi relatif adalah perhitungan yang didasarkan atas limit dari
frekwensi relatif. Dalam fraktek frekwensi relatif sendiri bisa digunakan untuk
memperkirakan nilai probabilitas.
Xi
fi
X1
f1
X2
f2
Jumlah
P( X i ) lim
fr
f1
n
f2
n
fi
fi
n
f i = frekwensi i = 1, 2, 3,...........n
X i = Kejadian i
Artinnya Probabilitas suatu kejadian merupakan limit dari frekwensi relatif

kejadian tersebut yang secara teortis berlaku nilai n yang besar sekali (tidak
terhingga), misalnya merupakan suatu ekpremen/penelitian dengan sampel yang
besar.
Ilustrasi 1 : Tingkat upah bulanan karyawan
X : 55
: 8
65
10
75
16
85
14
Probabilitas upah karyawan Rp. 65 ribu dan 85 ribu adalah :

P( X=65 ) =
10
0,15
65
P( X=85) =
14
0,16
85
3. Pendekatan subjektif
Probabilitas subjektif didasarkan atas penilaian seseorang dalam menyatakan
tingakat kepercayaan. Jika tidak ada Pengalaman / pengamatan masa lalu
sebagai dasar untuk perhitungan probabilitas, maka pernyataan probabilitas
tersebut bersifat subjektif. Opini atau pendapat yang dinyatakan dalam suatu
nilai probabilitas.
B. Aturan/ Hukum Probabilitas
1. Penjumlahan.
1. Peluang kejadian saling meniadakan (Mutually Exclusive Events).

Apabila himpunan-himpunan yang menghubungkan dua peristiwa saling
terpisah, maka himpunan itu tidak memiliki irisan, sehingga kedua pristiwa
tersebut mutually exclusive. Untuk peristiwa-peristiwa yang saling meniadakan
probabilitas irisan adalah nol atau P(AB) = 0, maka rumus probabilitas saling
meniadakan (saling lepas adalah :
Kaidah Penjumlah bila A dan B dua kejadian sembarang sebagai berikut :
Probabilitas dua kejadian ; kejadian A dan B
P A B P( A) P( B)
Sehingga untuk tiga peristiwa A, B dan C yang saling lepas, probabilitas

terjadinya peristiwa tersebut adalah:
PA B C PA PB PC - PA B - PA C - PB C PA B C
Karena setiap irisan nilainya adalah nol, maka probabilitas adalah
P A B C P( A) P( B) P(C )
Gambar diagram Venn A,B dan C, untuk kejadian Saling lepas.
Ilustrasi 2 :
1. Berapa peluang mendapatkan jumlah 7 atau 11 bila sepasang dadu
dilemparkan ?
Jawab :
D
a
d
u
I
6
5
4
3
2
1
1.6
1.5
1.4
1.3
1.2
1.1
1
6.2
5.2
4.2
3.2
2.2
1.2
2
6.3
5.3
4.3
3.3
2.3
1.3
3
6.4
5.4
4.4
3.4
2.4
1.4
4
6.5
5.5
4.5
3.5
2.5
1.5
5
6.6
5.6
4.6
3.6
2.6
1.6
6
Dadu II
Maka : A = Munculnya jumlah 7 dadu dan B= Munculnya jumlah 11 dadu.

Kejadian A dan B saling terpisah adalah
P A B
6
36
2
8
0,22
36
36
Ilustrasi 3 :
Berdasarkan Ilustrasi 1. Berapa peluang/probabilitas munculnya jumlah 7 , 11 dan
12 ?
Penyelesaian :
Misalnya munculnya jumlah 12 mata dadu adalah B, Maka :
P A B C
6
36
36
1
36
9
36
0,25
Ilustrasi : 3
Sebuah mesin otomatis pengisi kantonganplastik dengan campuran beberapa
jenis sayuran menunujukan bahwa sebagian besar kantongan plastic berisi
sayuran tersebut memuat berat yang benar. Meskipun demikian, karena ada
sedikit variasi dalam ukuran sayuran yang ada, sebuah paket kontongan plastic
mungkin sedikit lebih berat atau lebih ringan dari berat standard. Pengecekan
terhdap 4000 paket menunjukan hasil sebagai berikut :
10
Hasil pengecekan probabilitas kejadia A, B, dan C

Berat
Lebih ringan
Standar
lebih berat
Jumlah
Kejadian
A
B
C
Jumlah Paket
100
3600
300
4000
Probabilitas
0.025
0.9
0.075
1
Berapa probabilitas :
Beratnya akan lebih berat atau lebih ringan dari standard.
P A C 0,025 0,075 0,10
Beratnya akan lebih berat atau lebih ringan atau standard
P A B C 0,025 0,075 0,10 1
2.
Peluang kejadian yang tidak saling Lepas.
Dua atau lebih peristiwa dikatan peristiwa tidak saling lepas apabila
kedua atau lebih peristiwa tersebut dapat terjadi pada saat yang
bersamaan. Untuk dua peristiwa A dan B yang tidak saling lepas,
probabilitas terjadinya peristiwa tersebut adalah:
P A B P( A) P( B) P( A B)
Dimana :
P( A B)
kejadian A dan B bersama-sama.
AB
Ilustrasi :
Peluang seorang mhs lulus matematika adalah 2/3 dan Peluang ia lulus bahasa
inggris adlah 4/9. bila sekurang-kurangnya satu pelajaran di atas adalah 4/5.
berapa peluang 1a lulus kedua pelajaran itu?
Jawab :
Bila : M = Lulus Matematik , E = Lulus Bahasa Inggris ;
11
P A B
2
3
4
5
14
45
Ilustrasi 4 :
Dari 200 orang wisatawan mengunjungi Jakarta, 120 orang telah mengunjungi
TMII dan 100 orang Ancol, dan yang mengunjungi keduanya 60 orang. Berapa
probabilitas wisatawan mengunjungi TMII atau Ancol?.
Penyelesaian :
P(TMII )
120
200
0,6
P(TMII ANCOL)
60
200
P( ANCOL)
100
200
0,5
0,3
Jadi :
P(TMII atau Ancol) = 0,6 + o,5 0.3 = 0,8
2. Perkalian
A. Peluang Kejadian bersyarat (Conditional Probability).
Peristiwa bersyarat merupakan suatu peristiwa yang akan terjadi

dengan syarat lain telah terjadi. Jika Peristiwa B bersyarat terhadap
peristiwa A, maka probabilitas terjadinya peristiwa tersebut adalah
sebagai berikut:
P( B / A)
P( A B)
, dimana terjadinya pristiwa B setelah pristiwa A.
P( A)
P( A / B)
P( A B)
, dimana terjadinya pristiwa A setelah pristiwa B
P( B)
Ilustrasi :
1. Sebuah kotak berisi 10 kelereng mereeh , 18 kelereng hijau, dan 22 kelereng
kuning. Berapa probabilitas jika diambil 2 kali sebuah kelereng, bola tidak
dikembalikan.
a. Pertama warna merah (E), Kedua warna hijau (F) ?
b. jika pengambilan ke 3 bola kuning (G)
Jawab :
P( E )
10
0,2
50
P( F / E )
18
0,37
49
12
22
0,45
48
P(G / E F )
2. Terdapat mahasiswa sebanyak 10.000 orang, dengan 2.000 mhs lama dan
3.500 mhs putri serta 800 mhs lama dari jumlah mahasiswa putri,
Probabilitas mhs lama bersyarat putri

800
P(A/B) =
0,2285
3.500
Probabilitas putri bersyarat mhs lama.
800
P(B/A) =
0, ,40
2000
B. Peluangan Kejadian interseksi (Penggandaan)

Dengan penggandaan kedua sisi rumus peluang bersyarat kita mendapatkan
kaidah penggandaan atau kaidah multiplikatif yang penting berikut ini,yang
memungkinkan kita menghitung peluang terjadinya dua kejadian sekaligus.
Bila dalam suatu percobaan kejadian A dan B kedua dapat terjadi sekaligus,
maka
P( A B)
P( A) . P( B / A)
Jadi peluang terjadi A dan B sekaligus sama dengan peluang A digandakan

dengan peluang terjadi B bila A telah terjadi. Karena kejadian A B dan B A
setara, maka juga ditulis sebagai berikut :
P( B A)
P( B) .
P( A / B)
Ilustrasi dari No.2.

P(A B) =
3.500
10.000
800
= 0,35 x 0,23 = 0,08
3.500
Ilustrasi dari no. 2 b.

jika pengambilan ke 3 bola kuning (G), berapa probabilitas P(E F G )?
Jawab :
P( E F G )
10
50
18
49
22
0,033
48
Ilustrasi :
Untuk dapat diterima perguruan tinggi harus sudah lulus SMA, jika tidak
mungkin diterima perguruan tinggi. Jika probabilitas lulus SMA 0,80, dan
setelah lulus diterima perguruan tinggi X = 0,30, maka :
13
P(A) = 0,80
P(B/A) = 0,30
P (AB) = 0,80 x 0,30 = 0,24

C. Peristiwa Saling Bebas
Dua peristiwa atau lebih dikatakan saling bebas apabila terjadinya

peristiwa yang satu tidak mempengaruhi atau dipengaruhi terjadinya
peristiwa yang lainnya. Untuk dua peristiwa A dan peristiwa B yang
saling bebas, probabilitas terjadinya peristiwa tersebut adalah:
P(A B) = P(A) x P(B)

P(A B C) = P(A) x P(B) x P(C)
Ilustrasi :
Pada pelemparan dua buah dadu, apakah kejadian munculnya muka X 3
dadu I dan kejadian munculnya muka Y 5 dadu II saling bebas?
Penyelesaian :
A= kejadian munculnya muka X 3 dadu I
B= kejadian munculnya muka Y 5 dadu II.
Dari ruang sampel diperoleh :
A={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),(2,5),
(2,6),(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)}
B={(1,5),(2,5),(3,5),(4,5),(5,5),(6,5),(1,6),(2,6),(3,6),(4,6),(5,6),(6,6)}
A B {(1,5), (2,5), (3,5)(1,6), (2,6), (3,6)}

Maka diperolehP:A B
6 1
36 6
P(A) = 18/36 = dan P(B) = 12/36 = 1/3

Tetapi juga berlaku
PA B
1 1 1
. PA .PB
6 2 3
maka A dan B saling bebas.
14
Latihan
1. Data mengenai komposisi karyawan pada suatu pabrik yang mempunyai 100
karyawan adalah sebagai berikut :
Divisi
Produksi (P)
Marketing (M)
Akuntansi (A)
Jenis Kelamin
Laki-laki (L)
Wanita (W)
34
26
18
10
8
4
Apabila seorang karyawan dipilih secara random untuk diikut sertakan dalam
pelatihan manajemen tentukan probablitas bahwa ia adalah
a.
b.
c.
d.
Karyawan laki-laki atau dari divisi Marketing.

Karyawan wanita dari divisi Produksi
Karyawan divisi Marketing atau Akuntansi
Karyawan divisi produksi atau Marketing atau akuntansi.
2. Sebuah bola diambil secara acak dari suatu kotak berisi : 6 bola Merah, 4 bola
Putih, 5 bola Biru.
Tentukan probabilitas bahwa bola-bola tersebut diambil dengan urutan-urutan
Merah, Putih, dan Biru :
a. Diganti/dikembalikan
b. Tidak digantikan/ tidak dikembalikan.
3. Diberikan populasi sarjana disuatu kota yang dibagi menurut jenis kelamin dan
status pekerjaan sebagai berikut :
Bekerja
Menganggur
Jumlah
Laki-laki
Wanita
460
140
40
260
500
400
Jumlah
600
300
900
Akan diambil seorang dari mereka untuk ditugaskan melakukan promosi

barang. Ternyata yang terpilih adalah dalam status bekerja, berapakah
probabilitasnya bahwa dia :
a. Laki-laki b. wanita
4. Menurut sebuah surve terungkap bahwa 10 persen dari mahasiswa sebuah

perguruan tinggi memiliki pekerjaan sambilan sebagai penjual handphone. 25
persen dari seluruh mahasiswa perguruan tinggi tersebut menyatakan bahwa
15
kiriman uang dari orangtua mereka tidak cukup untuk satu bulan, menurut
pengamatan, 40 persen dari mahasiswa-mahsiswa yang memilki pekerjaan
sambil menjual handphone adalah mahasiswa-mahasiswa yang kiriman uang
orang tuanya tidak cukup untuk satu bulan.
Berapa probabilitas seorang mahasiswa yang kiriman uang dari orang tuanya
tidak cukup untuk satu bulan adalah mahsiswa penjual handphone?
16
Chapter 3
DISTRIBUSI PROBABILITAS
A. Faktorial, Permutasian dan Kombinasi.
1. Faktorial
Faktorial adalah perkalian bilangan asli dengan bilangan-bilangan asli
sebelumnya secara berturut-turut. Digunakan untuk mengetahui berapa
banyak cara yang mungkin dalam mengatur dalam suatu kelompok.
n! = n . (n 1) . (n-2) x ......(n - n)
0! = 1
Misalnya :
Terdapat 3 huruf A B C, berapa cara mungkin dapat di lakukan mengaturnya :
3! = 3 X (3 -1) X (3 2) X (3 3) = 3 x 2 x 1 = 6
Susunan : ABC, ACB, CAB, BAC, CBA, BCA
2. Permutasi.
Susunan-susunan yang dibentuk dari anggota-anggota suatu himpunan dengan
mengambil seluruh atau sebagian anggota himpunan dan memberi arti pada
urutan anggota dari masing-masing susunan tersebut.
Permutasi ditulis dengan P.
Bila himpunan terdiri dari n anggota dan diambil sebanyak r, maka banyaknya
susunan yang dapat dibuat adalah :
n Pr
n!
n - r !
Dimana :
P = Permutasi
n = Jumlah total objek disusun.
r = jumlah objek yang digunakan pada saat bersamaan.
Bisa ; x = n atau x < n
Ilustrasi 1 :
Bila n=4 dan r=2, maka
4 P2
4!
4! 4.3.2!

12
4 - 2! 2! 2!
17
3. Kombinasi
Susunan-susunan yang dibentuk dari anggota-anggota suatu himpunan dengan
mengambil seluruh atau sebagian dari anggota himpunan itu tanpa memberi
arti pada urutan anggota dari masing-masing susunan tersebut. Bila himpunan
terdiri dari n anggota dan diambil sebanyak r, maka banyaknya susunan yang
dapat dibuat adalah :
n Cr
n!
r!n - r !
Dimana :
n = Jumlah objek dalam sebuah himpunan.
r = Jumlah objek yang diambil dari himpunan sekaligus untuk setiap
kombinasi.
nCr = Jumlah kombinasi r diambil dari n objek.
Ilustrasi 2 :
Ada 5 perusahaan mengajukan kredit pada sebuah Bank, sementara itu Bank
Indonesia hanya akan memilih 2 Bank saja. Ada berapa kombonasi perusahaan
bank yang akan dapat dipilih oleh Bank tersebut.
Penyelesaian :
n = 5 , r = 2, maka :
5
C2
5!
10
2!5 2!
Jika dimisalkan Perusahaan adalah A B C D E, Maka Kombinasinya :

AB
BD
AC
BE
AD
CD
AE
CE
BC
DE
B. Variabel Acak dan Nilai Harapan

1. Variabel Acak
Untuk menggambarkanhasil-hasil percobaan sebagai nilai numerik secara lebih
sedrhana, kita menggunakan apa yang disebut sebagai variabel acak. Jadi
variabel
dapat
didefinisikan
sebagai
deskripsinumerik
dari
hasil
percobaan/eksprimen. Variabel acak terdiri dari :
a. Variabel acak Diskrit.
Jika suatu ruang sampel berisi sejumlah kemungkinan terhingga atau urutan
yang tidak terbatas dengan unsur sebanyak bilangan bulat, maka ruang
sampel ini disebut Ruang Sampel Diskrit, dan variabel random yang
didefinisikan disebut Variabel Random Diskrit
18
Contoh- contoh Variabel Diskrit
Percobaan
Variabel Acak
Kemungkinan NialaiNilai Variabel Acak.
Penjualan Mobil
Jenis Kelamin
0 jika laki-laki
Penelitian
terhadap Banyaknya
produk baru
yang rusak.
Pencatatan
pengunjung restoran
produk 0,1,2,3,4.....46,50
Banyak pengunjung
0,1,3,4...........
b. Variabel Acak Komtinu

Jika suatu ruang sampel berisi sejumlah kemungkinan tak terhingga yang
sama dengan jumlah titik-titik didalam sebuah segmen garis, maka ruang
sampel ini disebut Ruang Sampel Kontinu, dan variabel random yang
didefinisikan disebut Variabel Random Kontinu.
Contoh- contoh Variabel Kontinu
Percobaan
Variabel Acak
Kemungkinan NialaiNilai Variabel Acak.
Pembangun
Proyek Persentase
Proyek
Perkantoran
baru yang diselesaikan.
stelah 6 bulan.
Isi Botol Minuman jadi Jumlah milimeter.
(maksimum 600 ml)
Penimbangan Paket 20 Berat sebuah

kemasan (maksimum kemasan (Kg)
2 Kg)
Paket
0 x 100
0 x 600 ml
0 x 2 Kg
19
c. Nilai Harapan
Nalai Harapan adalah rata-rata atau nilai yang diharapkan dari X adalah ratarata tertimbang dari semua kemungkinan hasil itu dimana probabilitas masingmasing sebagai pembobotan yang tepat. Nilai rata-rata yang di harapkan
rumusnya adalah :
E( X )
x
i 1
x1
P( x i )
p( x1 ) x2
p( x2 ) ....... xn
p( x n )
Dimana :
xi
p(xi)
= nilai ke i dari variabel acak X

= Probabilitas terjadinya xi
Contoh :
Ada 3 orang nasabah yang akan menabung di bank, Jumlah bank di Jalan
Pemuda Medan ada 2 yaitu BCA dan BNI. Ketiga Nasabah tersebut bebas
memilih bank tempatnya akan menabung mau di BCA semua, di BCA dan BNI,
atau di BNI semua. Berapakah kemungkinan (Probabilitas) dari pilihan ketiga
nasabah tersbut :
Kemungkinan
Pilihanan
1
2
3
4
5
6
7
8
1
BCA
BCA
BCA
BNI
BNI
BNI
BNI
BNI
Nasabah
2
BCA
BCA
BNI
BNI
BCA
BNI
BCA
BNI
3
BCA
BNI
BNI
BNI
BCA
BCA
BNI
BNI
Jumlah
Pilihan BNI
0
1
2
3
1
2
2
3
Maka :
Distribusi Probabilitas adalah sbb :
Jumlah BNI di
Pilih Nasabah
0
1
2
3
Frekwensi
1
3
3
1
8
Probabilitas
0,125
0,375
0,375
0,125
1
20
Nilai Harapan (Rata-rata)

X
f
0
1
2
3
P(x)
0.125
0.375
0.375
0.125
1
3
3
1
8
x.p(x)
(X - E(X))
2.25
0.25
0.25
2.25
0
0.375
0.75
0.375
1.5
(X - E(X)) . P(x)
0.28125
0.09375
0.09375
0.28125
0.75
E ( X ) 1.5
d. Varians dan standard deviasi
Varians (2) dari variabel acak diskrit dalah rata tertimbang dari kuadrat selisih
anatara setiap kemungkinan hasil dan rata-ratanya dimana penimbangannya
adalah probabilitas masing-masing hasil tersebut. Maka rumusnya adalah :
(x
i 1
E ( X )) 2
p ( xi )
Maka Standard deviasi adalah :
(x
i 1
E ( X )) 2
p ( xi )
Ilustarsinya :
Berdasarka ilustrasi contoh di atas vasiansnya adalah.
Dan standard deviasinya adalah :
0.75
0.75 0.867
21
Latihan:
1. Seorang penjual mobil sebagai Agen Tunggal merek tertentu berdasarkan
pengalamannya dapat menjual mobilnya sebanyak x dengan probabilitas
selama satu minggu, berdasarkan data yang dia miliki adalah :
X :
1
2
3
4
5
6
P(x)
0,08 0,27 0,10 0,10 0,33 0,22
Berapa banyak mobil yang di harapkan pemilik dapat terjual selama 1 minggu
dan hitung simpangan bakunya.
2. Sebuah uang logam ratusan rupiah yang terdiri dari Angka (A) dan Gambar (G)
dilemparkan sebanyak 4 kali.
a.
Buatlah distribusi probabilitas munculnya Angka.
b.
Hitunglah nilai harapan dan standard deviasi.
3. Anggaplah bahwa anda akan memutuskan dua alternatif/pilihan investasi pada
tahun mendatang. Kedua investasi tersebut ditanamkan pada 2 jenis
perusahaan yang sudah go public yaitu perusahaan A dan perusahaan B.
Misalkan anda memperkirakan pengembalian investasi untuk setiap investasi
$1000 dan 3 kondisi perekonomian dimana setiap kondisi perekonomian nilai
probabilitasnya sebagai berikut :
Kondisi Perekonomian
Probabilitas
pengembalian
Investasi
A
Resesi
0,20
($200)
($200)
Stabil
0,50
$100
$50
Maju/berkembang pesat
0,30
$250
$350
Dari data di atas :

a. Hitunglah nilai harapan dari pengembalian investasi untuk setiap investasi
dan standar deviasi kedua Investasi tersebut.
b. Menurut anda mana lebih baik tingkat pengembalian investasi dari kedua
invesatasi di atas.
22
Chapter 4
Distribusi Variabel Acak Diskrit.
Ada beberapa macam distribusi variabel acak (random) yaitu : Distribusi binomial,
Distribusi Poisson, Hipergeometrik, dan distribusi Multinomial.
A. Distribusi Binomial
Pada umumnya suatu exprimen (percobaan) dapat dikatakan eksprimen Binomial
apabila memenuhi 4 syarat :
1. Setiap percobaan hanya penghasilkan dua kejadian yaitu Sukses dan
Gagal
Seperti ;
Sukses
(P(x))
Gagal ( q = 1- P )
1. Lulus
tidak lulus
2. Senang
tidak senang
3. Setuju
tidak setuju
4. Barang bagus
rusak
5. Jual
Beli
6. Lahir Pria
Lahir Wanita
2. Probabilitas sebuah kejadian baik Sukses dan Gagal tetap nilai tetap sama.
Contoh :
Jual saham P(j) = 0,8
Beli Saham = P(b) = 1- 0,8 = 0,2.
3. Independen (Tidak Saling lepas)
4. Data dikumpulkan merupakan hasil perhitungan
Rumus :
( x)
( x)
Ket :
P(x)
P
Q
n
!
C p q
n x
n!
.
x! (n x)!
Px
qn
= Probabilitas Binomial
= Prob. Sukses
= Prob. Gagal
= Jumlah total percobaan (banyaknya percobaan)
= Lambang Faktori
23
Ilustrasi : 1
Sebuah uang logam ratusan rupiah yang terdiri dari Angka (A) dan Gambar (G)
dilemparkan sebanyak 4 (empat) kali
Tentukanlah :
a. Hitunglah semua untuk probabilitas munculnya Angka.
b. Buatlah probabilitas komulatif
c. Tentukan P(x 2), P(1 x < 2), P(X 4, P(X 2).
Penyelesaian :
a. Probabilitas munculnya angka dan probabilitas kumulatif.
n = 4 P = 0.5 dan q = 1- 0.5 = 0.5.
Distribusi Probabilitas munculnya Angka
x
n-x
P(x)
P(x) kumulatif
0.0625
0.0625
0.2500
0.3125
0.3750
0.6875
0.2500
0.9375
0.0625
1.0000
c. P( X 2 )
= P(0)+P(1)+P(2)
= 0.0625+0.2500+0.3750 = 0.6875
P( 1 X 2) = P(1)+P(2) = 0.2500+0.3750 = 0.625.
P( X 2) = 1- P( X 2) = 1- = 0.6875
Apabila n terlalu besar maka untuk mencarina probabilitas dalam metode ini dapat
dilakukan melalui tabel Binomial.
Ilustrrasi 2
Suatu daerah melaksanakan program IDT , Probabilitas keberhasilan provek
tersebut setiap desa 20%, desa yang dikenai IDT adalah 5 buah desa.
Tentukanlah :
a. Satu desa yang berhasil
b. Terdapat paling tidak 4 desa vang berhasil.
24
Penyelesaian :
P (x) = 0.20, q = 1 0.20 = 0.80
n=5
a. Satu yang berhasil adalah :

P(X=1) =
5C 1
. (0.20)1 . 0.805-1 = 0.041
b. Paling tidak 4 desa yang berhasil

P(X 4) = P(0) + P(1) + P(2) + P(3) + P (4)
.
Menghitung Nilai Harapan (rata-rata ), Varians dan Standard Deviasi.
1. Nilai harapan (Rata-rata)
E( X ) p . n
2. Varians
2 p n q
Standard deviasi :
p n q
B. Distribusi Poisson
Distribusi ini biasa digunakan bila n (terbanvak peristiwa kemungkinan), maka
digunakan distribusi poisson.
( x)
x!
Ket :
Xi
= 1,2,3.n
= rata rata hitung suatu kejadian
= E(x) = np
= 2,71828 (bil. Nipier)
25
Ilustrasi 3 :
Suatu kecamatan memiliki 5.000 pemilih, Prob. Pemilih salah menusuk atau tidak
memenuhi syarat = 0.001.
Hitunglah :
a. Prob. 6 suara yang gugur.
b. Paling banvak 2 suara tidak memenuhi syarat.
c. Lebih dari 2 suara tdk memenuhi syarat.
Penyelesaian :
n = 5.000
p = 0.001
= np = 5.000 x 0.001 = 5.
a. P (x=6 ) = 50 . (2,71828)-5 ) / 6 ! = 15.625 . 0,00674 / 720 = 0,148

b. P ( X 2 ) = P(X=0) + P(X=1) + P(X=2)
P(X=0) = 50 . (2,71828)-5 ) / 0 ! = 0,0067
P(X=1) = 51 . (2,71828)-5 ) / 1 ! = 0,0335
P(X=2) = 52 . (2,71828)-5 ) / 2 ! = 0,08375
P(X 2 ) = 0,0067 + 0,0335 + 0,08375 = 0,12395
c. P(X>2) = P(X=3) + P(X=4) + P(X=5)+..P(X=n)
Atau
P(X>2) = 1- P(X<=2) = 1 0,12395 = 0,87605.
C. DISTRIBUSI HIPERGEOMETRIK
Percobaan tidak bersifat indepeden (bebas) atau percobaan antara yang

satu saling tidak terkait.
1. Probabilitas yang sukses berubah (tidak sama) dari percobaan yg satu
dgn yg lain.
Syarat dipenuhi Distribusi Hepergeometrik
Percobaan diambil dari populasi yang terbatas.

Percobaan dilakukan tanpa pengembalian (without replacement)
Ukuran n > 5% dari N (populasi).
26
Rumus :
(X )
Cx
N r
N
Cn x
Cn
Dimana :
P(x)
r
N-r
n
= Probabilitas x sukses dalam percobaab

= Populasi (N) dikategorikan Sukses
= Populasi (N) dikategori Gagal
= Jumlah percobaan
rC x
= Jlh cara sukses dapat dipilih dr total r sukses dlm populasi.

r Cx
N-r
r!
x! r - x !
C n-x = Jlh cara n-x gagal dapat dipilih dari total n-r gagal dalam populasi.
N - r Cn - x
NC n
N - r!
(n - x)! N - r - n x !
= jlh cara sampel berukuran n dapat dipilih dari populasi berukuran N.
Cn
r!
n!N - n !
Ilustrasi 4 :
Ada 33 perusahaan membagikan deviden, 20 perusahaan akan membagikan
perlembar Rp. 100,berkinerja bagus. BEJ meminta
10
perusahaan
memberikan laporan keuangan dari sepuluh perusahaan terdapat 5 perusahaan
membagikan deviden Rp. 100 per lembar saham.
Penyelesaian :
Karena sampel (n) > 5% dari populasi
digunakan Hipergeometrik.
N = 33,
r = 20,
n = 10,
( 10/33 = 0.303 = 30,3 %), maka
x=5
Probabilitas 5 perusahaan akan membagikan sahamnya di atas Rp. 100 adalah
( X 5)
20
C5
33 20
33
C10
C10 5
0.216
27
D. DISTRIBUSI MULTINOMIAL
Adalah sebuah percobaan akan menghasilkan beberapa kejadian ( lebih dari 2 )
yang saling meniadakan /saling lepas.
( X1 , X 2 ,.....X k )
n!

x1! x2 !......xk
P1X1 P2X ........PkX
Ilustrasi 6:
Proses pembuatan produk A dipekirakan terdapat 85% produksi baik, 10% tidak
baik tapi masih bisa diperbaiki, dan 5% rusak dan harus dibuang.
Jika diambil sampel acak 20 unit. Berapa peluang jumlah unit baik sebanyak 18
unit, tidak aik tapi bisa diperbaiki sebanyak 2 unit dan unit rusak tidak ada.
Penyelesaian :
x1 = 18, x2 = 2, dan x3 = 0
P1 = 85%, P2 = 10% dan P3 = 5%
(18, 2 , 0 )
20!

18
!
2
!
0
!
0.8518 0.102 0.050
0.102
28
Latihan :
1. Jumlah emiten di BEJ adalah 150 perusahaan, perusahaan memberi deviden

pada tahun 2006 hanya 10%. Apabila BEJ meminta laporan dari emiten
sebanyak 5 perusahaan. Berapa probabilitas 5 perusahaan membagikan
deviden,
2. Sebuah kotak berisi 5 bola merah, 4 bola putih, dan 3 bola biru. Sebuah bola
dipilih secara acak dari kotak, warnanya dicatat dan kemudian bolanya
dimasukkan kembali.
Tentukanlah probabilitas bahwa dari 6 bola yang dipilih dengan cara ini, 3
diantaranya adalah merah, 2 adalah putih dan 1 adalah biru.
3. Berdasarkan Riset yg dilakukan oleh lembaga independen diproleh informasi

bahwa orang Indonesia yang berpergian tujuan Asia 20%, Eropah 30%, dan
lainnya 50%.
Apabila ada 5 org Indonesia yang akan pergi keluar negeri. Berapa prob. 2 org
ke Asia 1 orang ke Eropah dan sisanya kenegara lain?.
4. Sebuah anggota komite terdiri dari 5 orang yaitu 3 wanita dan 2 pria, jika 2
orang dipilih dr anggota komite mewakili konvensi.
1. Berapa Prob. pilihan random di dapat 2 orang wanita ?
2. Berapa Prob. Dari 2 orang yang dipilih 1 orang pria dan wanita.
29
Chapter 5
DISTRIBUSI VARIABEL ACAK KONTINU
A. Pengertian.
Variabel acak (random) kontinu adalah yang nilai-nilainya menghubungkan
titik-titik dalam sebuah garis, atau didefinisikan sebagai berikut :
Sbuah variabel random adalah yang dapat memuat setiap nilai did ala sebuah
interval angka
Distribusi probabilitas dari sebuah variabel acak (random) kontinu X harus

memenuhi kondisi sebagai berikut :
a. F(x) 0 untuk semua nilai X.
b. Probabilitas bahwa X akan terletak di antara nilai-nilai a dan b sama
dengan luas area f(x) antara a dan b.
c. Total area di bawah kurva f(x) adalah sama dengan 1.00.
Gambar sifat-sifat sebuah variabel acak (random) kontinu.
P(a X b
x
a
Gambar ini merupakan kurva yang halus. Kehalusan kurva ini sesuai dengan
kenyataan bahwa variabel kontinu X dapat mengambil setia nilai di dalam
serbuah kontinum yang halus dari titik titik yang ditunjukan oleh bagian dari
sebuah garis
Ilustrasi :
Probabilitas dilukiskan berdasarkan interval-interval sebagai berikut :
Probabilitas bahwa sebuah produk membutuhkan waktu produksi antara 35

sampai dengan 40 jam adalah : P (35 X 40)
30
Probabilitas untuk pergi ke Jakarta membutuhkan waktu maksimum 120 menit

adalah : P(X 120).
B. Distribusi Normal.
Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal
yang menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula
disebut Distribusi Gauss untuk menghormati Gauss (1777 1855), yang juga
menemukan persamaannya waktu meneliti galat dalam pengukuran yang
berulang- ulang mengenai bahan yang sama. Ada Alasan mengapa distribusi
normal menjadi penting:
Distribusi normal terjadi secara alamiah. Karena banyak peristiwa di dunia
nyata yang terdistribusi secara normal.
Beberapa variable acak yang tidak terdistribusi secara normal dapat dengan
mudah ditranformasikan menjadi suatu distribusi variabel acak yang normal.
Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya
bisa berfungsi dengan benar jika model distribusinya berupa distribusi normal
Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya Namun distribusi rata-rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal.
Distribusi normal adalah distribusi variabel kontinu dengan fungsi matematis
adalah sebagai berikut:
1
f ( x)
e
2
( X )2
2 2
dimana:
= rata-rata (mean)
= simpangan baku (standard deviation)
= 3.14159
= 2.71828
Karakterisik Distribusi Probabilitas Normal

1. Bentuk kurva normal seperti bel dan simetris.
2. Parameter , menunjukkan lebar dari kurva normal (semakin besar
nilainya, semakin lebar).
3. Titik tertinggi dari kurva nomal terletak pada nilai rata-rata = median =
modus .
4. Luas total area di bawah kurva normal adalah 1. (luas bagian di sebelah kiri
= sebelah kanan ).
5. Probabilita suaru random variabel normal sama dengan luas di bawah
kurva normal.
31
Persentase nilai pada interval yang sering digunakan :

a. 68,26% nilai dari suatu variabel acak normal berada pada interval
b. 95,44% nilai dari suatu variabel acak normal berada pada interval 2
c. 99,72% nilai dari suatu variabel acak normal berada pada interval 3
C. Distribusi Normal baku (Standard)

Distribusi normal variable acak kontinu X dengan nilai-nilai parameter dan
berapapun dapat diubah menjadi distribusi normal kumulatif standard jika
variable acak X diubah menjadi variable acak standard Z. untuk mengubah
distribusi normal menjadi distribusi Normal baku (standard) adalah dengan
cara mengurangi nilai-nilai variabel X dengan rata-rata () dan membaginya
dengan standard deviasi (), sehingga di peroleh variabel baru Z.
Nilai Z ini begitu penting, karena semua distribusi normal ukuran nilai apapun
dapat ditransformasi ke dalam satu nilai, yaitu distribusi Z atau distribusi
normal standard. Distribusi ini memilki dua sifat penting, yaitu :
1. Rata-rata distribusi Z, adalah 0
2. Deviasi standard Z, adalah 1.
32
Ilustrasi 1:
1. Jika P(11 x 14), dimana mean = 12 dan standard deviasi = 2
11
P(11 x 14) = P(
Z1
12
11 12
0,50
2
14 12
2
Z2
14 12
1
2
Table Z2= 1,00 0,3413
Table Z1= 0.50 0.1915
P(11 x 14) = P(0 Z 0,50) + P(0 Z 1)

= 0,1915 + 0,3413 = 0.5328
14
11 12
0,50
2. Jika P(-2 x 5 ), dimana : mean = 4 dan standard deviasi = 3

P(2 X 5
Z1
P(
24
2
3
Table Z= -2 0,4772
24
54
Z
)
3
3
Z2
54
0.33
3
Table Z= 0.33 0,1239
P(-2 x 5 ) = P(0 Z 2) + P(0 Z 0.33)

= 0,4772 + 0,3413 = 0.6065
33
0,33
3. Jika P(17,5 < x < 58,8 ), dimana : mean = 24 dan standard deviasi = 12
17,5 24
58,8 24
P(17,5 Z 58,8) P(
Z
)
12
12
Z1
17,5 24
0,55
12
Table Z= -0,55 0,2088
Z2
58,8 24
2,90
12
Table Z= 2.90 0,4981
P(17,5 < x < 58,8 ) = P(0 < Z < -0,55) + P(0 Z 2,90)
= 0,2088 + 0,4981 = 0,7069
17,4
0,50
24
58,8
34
Latihan :
1. Anggaplah distribusi rata-rta berat isi bungkus suatu snack merk Pareto
mendekati distribusi normal dengan rata-rata 32 ons dengan standard deviasi
1,3 ons. Berapa probabilitas bahwa sebuah bungkus yang dipilih secara
acak/random akan memilki berat :
1. Di antara 32 sampai dengan 34 ons?
2. Di antara 30 sampai dengan 32 ons?
3. Di antara 30 sampai dengan 34 ons?.
4. Lebih dari 35 ons?
2. Berat bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku 325
gram. Jika berat bayi berdistribusi normal, maka tentukan :
a. Berapa persen yang beratnya lebih dari 4.500 gram.
b. Berapa bayi yang beratnya antara 3.500 gram dan 4.500 gram, jika
semuanya ada 10.000 bayi?
c. Barapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gram
jika semua ada 10.000 bayi?
d. Berat bayi yang beratnya 4.250 gram, jika semuanya ada 5.000 bayi?.
35
Chapter 6
PENGUJIAN HIPOTESIS
1. Definisi Hipotesis
Hipotesis merupakan suatu proposisi atau anggapan yang mungkin benar dan
sering digunakan sbg dasar pembuat keputusan/pemecahanpersoalan untuk
penelitian lebih lanjut.
Untuk dapat diuji, Hipotesis harus dinyatakan secara Quantitatif.
Hipotesis statistik (statistical hypothesys) ialah suatu pernyataan tentang
bentuk fungsi suatu variabel (apakah binomial, poisson, Normal dan
sebagainya). Atau tentang niali sebenarnya suatu parameter ( = rata-rata, P =
proporsi/persetase, = Simpangan baku, B = Koefisien regresi, koefisien
korelasi dan lainya).
Pengujian Hipotesis Statistik ialah prosedur yang memungkinkan keputusan
dapat dibuat, yaitu keputusan untuk menolak atau menerima hipotesis yang
sedang diuji.
Untuk pengujian hipotesis digunakan data yang dikumpul dari sampel,
sehingga merupakan data perkiraan (estimate)
Keputusan yang dalam menolak/tidak menolak hipotesis mengandung ketidak
pastian (uncertainly). Hipotesis yang dirumuskan dengan harapan akan ditolak
menggunakan hipotesis nol (H0). Penolakan hipotesis nol mengakibatkan
penerimaan suatu hipotesis alternatif (Ha).
2. Jenis kesalahan (Type of error)

Walaupun kita telah melakukan pengujian tentang kredibilitas Ho memlaui langkah
yang panjang dan teliti, tatapi mengandung kemungkinan akan terjadi behwa
keputusan yang akan kita ambil merupakan keputusan yang salah.
Ada 2 (dua) type kesalahan dalam hipotesis :
1. Kesalahan jenis I (type I error) ; Kesalahan disebabkan kerena kita menolak H 0
padahal H0 itu benar, dengan kata lain menolak hal yang sebenarnya benar.
2. Kesalahan jenis II (type II error) ; Kesalahan yang disebabkan menerima H 0,
dengan kata lain menerima hal yang sebenarnya salah.
Mengingat sertiap analisis statistic yang dilakukan mengandung suatu kesalahan,
maka setiap peneliti harus sadar bahwa bagaimana baiknya analisis digunakan,
kebenaran mutlak tidak dapat dicapai.
Table : Jenis Kesalahan (Type of Error)
36
SITUASI
HO
(BENAR)
Ha
(SALAH)
TERIMA H0
KEPUTUSAN TEPAT
(1 )
KESALAHAN JENIS II
()
TOLAK Ha
KESALAHAN JENIS I
( )
KEPUTUSAN TEPAT
(1- )
KEPUTUSAN
Pembuatan keputusan biasanya berusaha agar kedua jenis kesalahan tersebut

ditekan seminimum mungkin terhadap dan . Hal ini sukar dicapai sebab untuk
sampel dengan n tertentu, nilai probabilitas untuk membuat kesalah II
meningkat , sewaktu nilai probabilitas untuk memebuat kesalahan I menurun (
). Keduanya bias diperkecil kalau nilainya n meningkat (sampel makin besar) dan
akan mengeluarkan biaya tambahan (biaya untuk memperkecil kesalahan).
Misalnya, serorang pemilik pabrik bola lampu buatan pabriknya adalah 3 tahun,
kenyataannya hanya bias nyala selama 2 tahun. Berdasarkan hipotesis yang
sudah diterima itu, dia member jaminan 2 tahun. Akibatnya, pabrik akan
mengalami kerugian dengan menmgganti bola lampu yang rusak/mati sebelum
waktunya. Menolak H0 menerima Ha, sebaliknya menerima H0 berarti menolak Ha.
3. PERUMUSAN HIPOTESIS
Hipotesis yang merupakan anggapan / pendapatan dapat berdasarkan atas :
1. Teori
2. Pengalaman (pengalaman sendiri atau pengalaman orang lain)
3. Ketajaman berfikir (orang yang cerdas sering mempunyai pendapat tentang
pemecahan suatu persoalan).
Ilustrasi :
Seorang ahli ekonomi merencanakan untuk memperkirakan permintaan linier
sebagai berikut :
Q = C + dP
Dimana : Q = Banyak barang diminta, P = Harga barang, c dan d konstanta.
Berdasarkan Ahli ekonomi mengharapkan jumlah barang akan turun

(berkurang) apabila harga barang tersebut mengalami kenaikan. Pada
umumnya, kalau P Q dengan asumsi faktor lain tidak mempengaruhi.
Oleh sebab itu nilai d akan kurang dari nol ( d < 0 ), sehingga rumus
hipotesisnya :
Ho : d = 0
Ha : d < 0
37
Penjabaran sebagai berikut :

Ho : d = 0 (P tidak mempengaruhi Q)
Ha : d > 0 (Pengaruh P terhadap Q Positif, dalam hal Q = jumlah barang yang
ditawarkan.)
Ha : d < 0 (Pengaruh P terhadap Q Negatif, dalam hal Q = jumlah barang
yang Diminta)
Ha : d 0 (P mepengaruhi Q , tanpa memperhatikanpengaruh itu positif atau
negatif)
4. Langkah-langkah pengujian Hipotesis
Dalam pengujian hipotesis kita mengenal beberapa langkah yaitu :
a. Tentukan/rumuskan hipotesis.
b. Tentukan nilai = tingkat nyata (significant level) =probabilitas melakukan
kesalahan Jenis I dan cari nilai Z atau Z/2 dari table normal.
c. Analisa data sampel.
d. Buat keputusan yang berkaitan dengan H0
1. Pengujian Hipotesa rata-rata tunggal.
Uji hipotesis rata-rata tunggal digunakan apabila kita ingin mengetahui
karakteristik sebuah populasi malalui hasil analisis sampel yang ditarik dari
popolasi. Prosedur pengujian hipotesis sebagai berikut :
1. Rumusan Hipotesis :
a. Hipotesis mengandung pengertian Maksimum
H0 : 0
Ha : > 0
b. Hipotesis mengandung pengertian minimum

H0 : 0
Ha : <0
Daerah
Penerimaa
n
Daerah
Penolakan
-Z
c. Hipotesis mengandung pengertian sama
H0 : = 0
Ha : 0
/2
-Z/2
/2
Z/2
38
Cara perumusan a dan b adalah Pengujian satu arah ( one tail test) dan c
pengujian satu arah atas dan satu arah bawah (upper and lower tail/two tail
test).
2. Tentukan nilai = tingkat nyata (significant level) =probabilitas melakukan
kesalahan Jenis I dan cari nilai Z atau Z/2 dari table normal.
3. Hitung nilai Zhitung sebagai kreteria pengujian :
a. Untuk sampel besar (n > 30)
Z0
n
Dimana :
n = Jumlah sampel.
Kesalahan baku X
0 = Nilai sesuai dengan H0

Z0 = Z atau Z/2 masing-masing disebut nilai observasi dan nilai teoritis
dari table normal.
b. Untuk sampel kecil (n 30 ), Z0, Z dan Z/2 diganti dengan t0, t dan t/2
dimana t0 sebagai berikut :
t0
0
s
n
Dimana :
S = Penduga = langsung dihitung dari observasi : X1, x2Xn
t0, = t dan t/2 diperoleh table t dengan menggunakan atau /2 dan
derajat kebebasan (degrees of freedom)
4. Pengujian hipotesis dan aturan kesimpulan
a. H0 : = 0 Apabila Z0 Z , H0 di tolak
Ha : >0 Apabila Z0 < Z , H0 diterima
b. H0 : = 0 Apabila Z0 - Z , H0 ditolak
Ha : < 0 Apabila Z0 > - Z , H0 diterima
c. H0 : = 0 Apabila Z0
Z/2 atau Z0 - Z/2 , H0 ditolak
Ha : 0 Apabila Z0 < Z/2 atau Z0 > - Z , H0 diterima
39
Ilustrasi 1:
1. Menggunakan sampel besar dengan rata-rata tunggal.
Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan elalui
ATM, dengan simpangan baku = $45. Dengan taraf nyata 5% , ujilah :
a. Apakah rata-rata nasabah menarik melalui ATM kurang dari $500 per
bulan?
b. Apakah rata-rata nasabah menarik melalui ATM tidak sama dengan $500
per bulan ?
Penyelesai :
1. Perumusana Hipotesis
n = 100, x = $495, = $45 dan = 500
H0 : = 500
Ha : < 500
2. Tingkat kesalahan (significant level) = 5%, (titik kritis ): Z = Z5% = 1.64 (lihat
tabel distribusi normal)
3. Kreteria pengujian (Statistik hitung) Zhitung:
Zh
$495 $500 5
1,11
$45
4,5
$100
4. Kesimpulan :
Z hitung = -1.11 ada di daerah penerimaan H0
Daerah
Penolakan
H0 diterima
=5%
-1,65
H0 diterima, rata-rata pengambilan uang di ATM masih = $ 500

2. Uji hipotesis menggunakan sampel kecil (n 30)
Seorang job-specialist menguji 25 karyawan dan mendapatkan bahwa ratarata penguasaan pekerjaan kesekretarisan adalah 22 bulan dengan
simpangan baku = 4 bulan.Dengan taraf nyata 5% , ujilah :
a) Apakah rata-rata penguasaan kerja kesekretarisan lebih dari 20 bulan?
40
b) Apakah rata-rata penguasaan kerja kesekretarisan tidak sama dengan 20

bulan?
Penyelesaian :
Diketahui : n = 25, x = 22, s = 4 dan = 20
1. Perumusana Hipotesis
Ha : 20
H0 : = 20
2. Tingkat kesalahan (significant level),

Taraf nyata pengujian = /2 = 5% / 2 = 2,5%
df = 25 1 = 24
Titik kritis : t/2, df = t5%/2,24= 2,64, maka - t5%/2,24 = -2,64
3. Kreteria pengujian (Statistik hitung) thitung:
t0
22
20
2
0,8
2,5
25
-/2= -2,5%
-2,64
/2= 2,5%
2,64
4. Kesimpulan :
t hitung = -2.5 ada di daerah penolakan H0, maka H0 ditolak, Ha diterima ,
rata-rata penguasaan pekerjaan kesekretarisan H0 20 bulan
latihan :
1. Pengusaha lampu pijar A mengatakan bahwa lampunya bias tahan pakai
sekitar 800 jam. Akhir-akhir ini timbul dugaan bahwa masa pakai lampu itu
telah berubah. Untuk menentukan hal ini, dilakukan penyilidikan dengan jalan
menguji 50 lampu. Ternyata rata-ratanya 792 jam. Dari pengalaman, diketahui
bahwa simpangan baku masa hidup lampu 60 jam. Diselidiki dengan taraf
nyata 0,05. Ujilah, apakah kualitas lampu itu sudah berubah atau belum!
2. Proses pembuat barang rata-rata menghasilkan 15,7 per jam. Hasil produksi
mempunyai varians = 2.3. Metode baru diusulkan untuk mengganti yang lama.
Jika rata-rata per jam menghasilkan paling sedikit 16 buah. Untuk menentukan
apakah metode diganti atau tidak, metode baru dicoba 20 kali dan ternyata
rata-rata perjam menghasilkan 16,9 buah. Pengusaha bermaksud mengambil
41
resiko 5% untuk menggunakanmetode baru apabila metode ini rata-rata

menghasilkan tidak lebih 16 buah.
Jika anda pengusaha tersebut keputusan apa yang akan anda ambil?.
3. Dengan menyuntikkansemacam hormone tertentu kepada ayam akan
menambah berat telurnya rata-rata 4,5 gram. Sampel acak yang terdiri atas 31
butir telur ayam yang telah diberi suntikan hormone tersebut memberikan ratarata berat 4,9 gram dan simpangan baku (s) = 0,8 gram.
Apakah cukup alasan untuk menerima pernyataan bahwa pertambahan ratarata berat telur paling sedikit 4,5 gram. ujilah alas an tersebut bias diterima
atau tidak, dengan taraf nyata sebesar (=0,01)!
2. Pengujian Hipotesis perbedaan dua rata-rata.

Tujuan: menguji hipotesis (dugaan) tentang perbedaan dua rata-rata
populasi
Uji beda dua rata-rata populasi dengan df = n1 + n2 2 < 30 disebut sampel
kecil. Pengujian dilakukan menggunakan distribusi t
Uji beda dua rata-rata populasi dengan df = n1 + n2 2 30 disebut sampel
besar. Pengujian dilakukan menggunakan distribusi Z.
Prosedur Pengujian Hipotesis Beda Dua Rata-Rata
1. Rumusan Hipotesis
a.
b.
c.
d.
H0 :
Ha :
Ha :
Ha :
1- 2 = 0 atau 1= 2 (tidak ada perbedaan atau sama).

1- 0 > 0 (ada perbedaan, 1 > 2)
1- 0 < 0 (ada perbedaan, 1 < 2)
1- 0 0 ( 1 tidak sama dengan 2, atau 1 berbeda dari 2 )
2. Nilai kritis: (cari di tabel t atau Z)

3. Nilai Hitung:
a.
Bila n > 30 (sampel besar) Z hitung adalah :
Z0
X1
Dimana apabila
x1 x2
Dimana apabila
berikut :
12
12
X2
x1 x2
dan
22
12
n1
dan
diketahui dapat estimasikan sebagai berikut :
22
22
n2
tidak diketahui dapat estimasikan sebagai
42
S_
x1 x2
S12
n1
S 22
n2
4. Kesimpulan : H0 diterima, jika - Z/2 Z0 (Zh) atau Zh Z/2

H0 Ditolak, Jika Z/2 > Z0 (Zh) atau Zh < - Z/2
Ilustrasi 1 : Bila n > 30 (sampel besar).
Seorang pemilik toko yang menjual dua macam bola lampu merek A dan B,
berpendapat bahwa tak ada perbedaan rata-rata lamanya menyala bola lampu
kedua merek tersebut. Untuk menguji pendapat, maka dilakukan eksperimen
dengan data sebagai berikut:
Bola merek bola A : sampel sebanyak 100 buah, menyala rata-rata selama
925 jam, simpangan baku sebesar 85 jam.
Bola lampu Merek B : sampel sebanyak 50 buah, menyala rata-rata 987
jam simpangan baku 92 jam.
Ujilah Apakah perbedaan menyala antara lampu merek A dan B dengan
mengunakan = 5%.
Penyelesaian :
1. Perumusan Hipotesis
H0 : 1 = 2 atau 1 - 2 = 0
Ha : 1 2 atau 1 - 2 0
2. Tingkat kesalahan (significant level)
o Taraf nyata pengujian = /2 = 5% / 2 = 2,5% ,
o Titik kritis : Z/2 = Z2,5%= 1,96, maka - Z2,5% = -1,96
3. Kreteria pengujian (Statistik hitung) Hhitung:
Diketahui :
_
n1 =100,
X 1 = 952, 1 = 85
n2 =50,
X 2 = 987, 2 = 92
Z0
952 987
85 2
100
92 2
50
2,25
43
/2=- 0,25
/2= 0,25
0,95
-1,96
1,96
4. Kesimpulan : Karena Zhitung (Z0) = -2,25 < Z/2 = -1,96, maka H0 ditolak.
Berarti rata-rata lamanya menyala dari bola lampu kedua merek tersebut
tidak sama.
1. Bila n 30 (sampel kecil)
t0
X1
X2
n1 1 s12 n2 1s 22 1
n1 n2 2
n1
n2
t0 mempunyai distribusi t dengan derajat kebebasan (df) sebesar = n1 + n2 - 2

Ilustrasi : Bila n < 30 (sampel kecil).
Seorang petugas pengawasan rokok dari departemen Kesehatan berpendapatan

bahwa tidak ada perbedaan antara rata-rata nikotin yang dikandung oleh batang
rokok merek A dan merek B. untuk menguji pendapat itu dilakukan surve, maka
diperoleh data sebagai berikut :
Rokok merek A : sampel sebanyak 10 batang, Kandungan nikotin rata-rata
23,1 mg, simpangan baku sebesar 1,5 mg.
Rokok Merek B : sampel sebanyak 8 batang, kandungan nikotin rata-rata 22,7
mg, simpangan baku 1,7 mg
Ujilah Apakah ada perbedaan menyala antara lampu merek A dan B dengan
mengunakan = 0,05.
H0 : 1 = 2 atau 1 - 2 = 0
Ha : 1 2 atau 1 - 2 0
Taraf nyata pengujian = /2 = 0,05/2 = 0,025, df = 10+ 8 2 = 16
Titik kritis : t/2 = t0,025 (16) = 2,120, maka - t0,025 (16)= -2,120
3. Statistik Hitung :
Diketahui :
_
n1 =10
X 1 = 23,1
n2 = 8,
X 2 = 22,7,
S1 = 1,5
S 2 = 1,7
44
t0
23,1 22,7
10 11,5 2 (8 1)1,7 2 1
10 8 2
10
/2=- 0,025
1
10
= 0.53
/2= 0,025
0,95
2,120
-2,120
4. Kesimpulan : Karena t hitung (t0) = 0,53 < t/2 = 2,120 maka H0 ditolak. Berarti
memang tidak ada perbedaan antara rata-rata nikotin yang dikandung oleh
batang rokok merek A dan merek B tersebut.
2. Pengujian Hipotesis sampel Berpasangan (Paired Samples)

Untuk pengamatan yang berasal dari dua populasi yang berpasangan pada
umumnya terdapat pada penelitian-penelitian ekspremen dimana ada
perlakuan tertentu terhadap populasi tertentu atau danya informasi baru
sehingga mengubah perilaku populasi tertentu.
Prosedur pengujian hipotesis sebagai berikut :
1. Rumuskan Hipotesis : H0 dan Ha
H0
Ha
H0
Ha
H0
Ha
: D 0
: D < 0 ( 1 < 2 ) Pengujian satu arah
: D 0
: D > 0 ( 1 > 2 ) Pengujian satu arah
: D 0
: D = 0 ( 1 2 ) Pengujian dua arah
2. Tentukan nilai = tingkat nyata (significant level) cari nilai t atau t/2 dari
table dengan df = n-1.
3. Nilai Hitung:
t0
_
D
D
n
SD
45
Dimana :
SD
Di
n 1
S_
D
SD
S D2
SD
n
5. Kesimpulan : membandingkan nilai kriteria uji t yang dihitung (t0), jika thitung >
tTabel. Tapi untuk sampel berpasangan (tak bebas) df = n-1.
Ilustrasi 2 :
Direktur pemasaran akan melanjutkan pelatihan teknik penjualan bagi para
salesman, jika rata-rata hasil penjualan setelah terlatih, lebih tinggi dari
sebelumnya dilatih. Hasil penjualan salesman dari sepuluh orang salesman
sebagai berikut :
Setelah dilatih
20
18
10
12
19
22
8
11
17
13
Sebelum dilatih
12
11
8
9
15
16
4
17
13
5
Ujilah : apakah pelatihan teknik penjualan perlu dilanjutkan, mengapa?.

Penyelesaian :
1. H0 : D 0 ( 1 2 )
Ha : D > 0 ( 1 2 )
Taraf nyata pengujian = = 0,05, df = 10-1 = 9
Titik kritis : t = t0,05 (10-1) = 1,833
46
3. Statistik Hitung:
t0
X2
D D
20
18
10
12
19
22
8
11
17
13
12
11
8
9
15
16
4
7
13
5
8
7
2
3
4
6
4
4
4
8
3
2
-3
-2
-1
1
-1
-1
-1
3
50
5
10
X1
SD
( D D) 2
9
4
9
4
1
1
1
1
1
9
40
2,108
9
0 10
7,500
2,108
4. Kesimpulan : Karena t hitung (t0) = 7,5 < t/2 = 1,833 maka H0 ditolak. Berarti
teknik pelatihan tidak perlu dilanjutakan.
47
Latihan :
1. Seorang pejabat BKPM berpendapat bahwa tak ada perbedaan rata-rata
modal perusahaan asing dan nasional, dengan alternative ada perbedaan.
Untuk menguji pendqpat tersebut,kenudian diadakan penelitian terhadap 8
perusahaan nasional dan 6 perusahaan asing, yang sampel diambil secara
acak. Diperoleh data-data modal ( Milyar) sebagai berikut :
Perusahaan nasional
Perusahaan Asing
: 5, 7, 8, 3, 4, 9, 6, 5
: 6, 5, 4, 7, 8, 6
Dengan menggunakan =5% Ujilah pendapat tersebut.

2. Dilakukan uji klinis untuk mengetahui efektivitas obat tidur yang baru pada 10
orang penderita insomnia. Setiap penderita diterapi dengan plasebo selama
seminggu dilanjutkan seminggu dengan obat baru. Setiap akhir terapi
dievaluasi dengan skor rasa kantuk dengan nilai 0-30.
Skor Rasa Kantuk :
Plasebo : 22, 18,17, 19, 22, 12.14, 11, 19, 7
Obat
: 19, 11, 14, 17, 23, 11, 15, 19, 11, 8.
Ujilah dengan = 5, apakah ada perbedaan Keampuhan antara Plasebo
dangan obat?
3. Berikut adalah data nilai UTS Statistik Probabilitas Mahasiswa STMIK TRI
Guna Dharma kelas Reguler dan Mandiri.
Reguler
Mandiri
Rata2 kelas
_
X1 = 78,9
_
X2 = 79,0
Varians
S12 = 129,5
S22 = 197
Ukuran sampel
n1 = 48
n2 = 48
Dengan taraf nyata 5 % ujilah :

a. Apakah ada perbedaan rata-rata nilai UTS kedua kelas
b. Apakah beda rata-rata nilai UTS kedua kelas tersebut
48
Chapter 7
Pengujian hipotesis Tentang Proporsi
A. Pengujian Hipotesis Satu Proporsi
Dalam praktek, yang harus diuji sering kali berupa pendapat tentang proporsi
(persentase) Misal : persentase barang yang rusak=10%, nasabah yang tak
puas = 25% dan lainnya.
Prosedur Pengujian Hipotesis Proporsi
H0 : 0 atau 0
Ha : > 0 atau < 0
2. Nilai kritis: (cari di tabel t atau Z)
3. Nilai Hitung:
Z0
X
p0
n
p0 (1 p 0 )
n
X np0
np0 (1 p0 )
4. Kesimpulan : Jika Z0 > Z, maka H0 diterima. Jika Z0 < Z, maka H0 di

tolak.
Ilustrasi : 1
Seorang pejabat Bank Mandiri berpendapat bahwa petani peminijam kredit Bimas
yang belum dikembalikan kreditnya adalah 70% dengan alternative lebih kecil dari
itu. Untuk mnguji pendapatnya tersebut, sebanyak 225 orang petani peminjam
kredit Bumas Kemudian diteliti. Ternyata ada 150 orang yang belum
mengembalikan.
Ujilah pendapat bahwa pengembalian kredit lebih kecil darti 70%. Dengan
menggunaka tingkat = 10%.
Penyelesaian :
H0 : 70%
Ha : < 70%
2. Taraf nyata pengujian = = 10%, Titik kritis : Z = 10% = -1,28
3. Nilai Hitung:
Diketahui : n = 225, X = 150 , p= 70%,
1-p0 = 1- 70%
49
Zh
150
0.,70
0,033
225

1,09
0,030
0,70(1 0,70)
225
= 0,10
Zh= -1,280,10
4. Kesimpulan: Karena Zh = -1,09 > Z = -1,28, H0 diterima. Pendapat tersebut

benar.
B. Pengujian Hipotesis perbedaan dua proporsi.

Prosedur pengujian Hipotesis perbedaan dua proporsi
H0 : p1-p2 0
Ha : p1-p2 > 0 ( p1 > p2 )
H0 : p1-p2 0
Ha : p1-p2 0 ( p1 < p2 )
H0 : p1-p2 = 0
Ha : p1-p2 0 ( p1 p2 )
2. Taraf nyata pengujian = Titik kritis : Z ( cari tabel normal)
Z0
X1
n1
X 1 X 2
n1 n2
X2
n3
X X2
1 1
n1 n2
1

n1
n2
4. Kesimpulan :
50
Ilustrasi 1 :
Seorang pejabat dari Direktorat pajak berpendapat bahwa persentase wajib pajak
yang belum membayar pajak dari dua daerah adalah sama, dengan alternative
tidak sama. Untuk pendapat itu, maka diteliti 200 orang wajib pajak dari daerah
yang satu. Ternyata ada 7 orang yang belum membayar pajak. Sedangkan dari
400 orang wajib pajak dari daerah yang kedua ada sepuluh orang yang belum
membayar pajak. Ujilah pendapat tersebut, dengan menggunakan = 5%.
Penyelesaian :
H0 : p1 = p2
Ha : p1 p2
2. Taraf nyata pengujian = = 5%, Titik kritis : Z /2 = 2,25 % = 1,96 ( dari tabel
normal)
Diketahui : n1 = 200, X1 = 7 dan n2 = 40, X2 = 10
Z0
200
10
400
7 10
7 400 1
200 400 1 200 400 200

1
400
0,71
4. Kesimpulan: Karena Zh = 0,71 terletak antara -1,96 dan 1,96 atau -1,96 Z0
1,96 maka H0 diterima. Berarti persentase wajib pajak yang belum membayar
pajak dari dua daerah adalah sama.
51
Latihan :
1. Seorang Pejabat BKKBN berpendapat bahwa 40% penduduk suatu desa yang
tidak setuju KB, dengan alternative tidak sama dengan itu. Untuk menguji
pendapatnya. Telah diteliti sebanyak 400 orang sebagi sampel acak. Dengan
menggunakan = 1%, ujilah pendapat tersebut.
2. Seorang direktur pemasaran berpendapat, bahwa proporsi/persentase barang
yang tidak dilakukan adalah sama untuk suatu jenis barang dengan merek
yang berbeda, yaitu merek A dan merek B, dengan alternative ada perbedaan,
setelah dilakukan pengecekan, barang A sebnyak 200 buah, dari jumlah
tersebut yang tidak dilakukan sebanyak 50 buah dan barang merek B
sebanyak 200 buah dan yang tidak dilakukan 70 buah. Dengan mengunakan
=0,10, ujilah pendapat tersebut.
3. Suatu penelitian dilakukan di daerah A terhadap 250 pemilih. Ternyata 150
pemilih menyatakan akan memilih calon C. Di daerah B penelitian dilakukan
terhadap 300 pemilih dan terdapat 162 yang akan memilih calon C. Adakah
perbedaan yang nyata mengenai pemilihan calon C di antara kedua daerah
itu?. Ujilah dengan tingkat = 5%.
52
Chapter 9
Korelasi Sederhana
A. Koefisien Korelasi Sederhana
Hubungan antara dua variable ada yang positif dan negative. Hubungan X da
Y dikatakan positif apabila kenaikan / penurunan X pada umumnya diikuti oleh
kenaikan / penurunan Y. sebaliknya dikatakan negative kalau kenaikan /
penurunan X pada umumnya diikuti oleh penurunan / kenaikan Y.
Maka X disebut variavel bebas (independent variable) adalah variable nilai
nilainya tidak tergantung pada variable lainnya. Y disebut variable terikat
(dependent variable) adalah nilai-nilainya tergantung pada variable lainnya.
Korelasi yang terjadi antara dua variable dapat berupa korelasi :
a. Positif ; korelasi dua variable apabila variable yang satu (X) meningkat atau
menurun maka variable Y menurun atau meningkat.
b. Negatif ; korelasi dari dua variable apabila variable yang satu (X) meningkat
atau menurun maka variable Y menurun atau meningkat.
c. Tidak ada ; apabila kedua variable (X dan Y) menunjukkan tidak dad
hubungan.
Contoh :
Hubungan Positif
X = Pupuk
X = Biaya iklan
X = Berat Badan
Y = Produksi
Y = Hasil Penjualan
Y = Tekanan Darah tinggi
Hubungan Negatif
X = Jumlah Akseptor
Y = Jumlah Kelahiran
X = Harga Suatu Barang
Y = Permintaan Barang
X = Pendapatan Masyarakat Y = Kejahatan ekonomi
B. Kekuatan hubungan Korelasi

Kekuatan hubungan diukur dengan suatu nilai disebut Koefisien Korelasi. Nilai
koefisien korelasi ini paling sedikit -1 dan paling besar 1, jadi jika r = Koefisien
korelasi, maka nilai r dapat dinyatakan sbb :
-1r1
53
Artinya :
r = 1, hubungan antara X dan Y sempurna dan positif ( mendekati 1, yaitu

hubungan sangat kuat dan positif.
r = -1, hubungan antara X dan Y sempurna dan Negatif ( mendekati 1, yaitu
hubungan sangat kuat dan negative)
r = 0, hubungan X dan Y lemah sekali atau tidak ada hubungan.
Dengan diagram pencar (scatter diagram) merupakan alat menunjukkan ada

tidaknya korelasi (hubungan) antara dua variable ( X dan Y ) yang berupa
penggambaran nilai-nilai dari variable tersebut
dan menggunakan system
koordinat kartesius.
Beberapa jenis korelasi berdasarkan diagram pencar
Korelasi Positif
Korelasi Negatif
Korelasi Sempurna
Tdk ada Korelasi
54
C. Koefisien Korelasi Pearson

a. Metode Least square
b.
n XY
( n X 2
X Y
X n Y Y
Metode Product Moment
xy
x y
Keterangan :
r = Koefisien Korelasi
_
X
_
n
Y
i
, n = jumlah data
= Deviasi rata-rata X x
= Deviasi rata-rata Y
,
X
y Y
D. Koefisien Korelasi Rank Spearman

Langkah-langkah menghitung Koefisien Rank
Data dirangking dari data terbesar atau terkecil, jika rangking sama, diambil
rata-ratanya
Setiap pasang rangking dihitung perbedaannya.
Perbedaan setiap pasangan rangking dikuadratkan dan hitung jumlahnya
rs
6 d 2
n n2 1
Keterangan :
rs
d
n
= Koefisien Korelasi Rank

= Selisih dalam Rangking
= Banyaknya pasangan rank
55
Ilustrasi 1 : Metode Least Square

Jika X adalah persentase kenaikan biaya iklan dan Y adalah persentase kenaikan
hasil penjualan, maka berdasarkan table di bawah ini.
X
Y
1
2
2
4
4
5
5
7
7
8
9
10
10
12
12
14
Hitunglah koefisien korelasi dan bagaimana menurut anda korelasi atau hubung
antara biaya iklan dengan hasil Penjualan.
Penyelesaian :
X
1
2
4
5
7
9
10
12
2
4
5
7
8
10
12
14
1
4
16
25
49
81
100
144
4
16
25
49
64
100
144
196
XY
2.00
8.00
20.00
35.00
56.00
90.00
120.00
168.00
50
62
420
598
499
(8 . 499) (50)(62)
892
808.400
502 )
(8 . 420)
. 598)
622
0,99
Ilustrasi 2 : Metode Product Moment

Penyelesaian :
_
y Yi
x Xi X
xy
1
2
4
5
7
9
10
12
2
4
5
7
8
10
12
14
-5.25
-4.25
-2.25
-1.25
0.75
2.75
3.75
5.75
-5.75
-3.75
-2.75
-0.75
0.25
2.25
4.25
6.25
27.56
18.06
5.06
1.56
0.56
7.56
14.06
33.06
33.06
14.06
7.56
0.56
0.06
5.06
18.06
39.06
30.19
15.94
6.19
0.94
0.19
6.19
15.94
35.94
50
62
107.5
117.5
111.5
50
6,25
8
62
7,75
8
56
Koefisien korelasi adalah
111,5
107,7 117,5
0,99
Kesimpulan :
Hubungan X (biaya Iklan) dengan Y (Hasil penjual) sangat kuat dan positif, biaya
iklan pada umumnya menaikan hasil penjualan.
Ilustrasi 3 : Metode Rank Spearman
rs
Ranking X Ranking Y
63
80
78
67
83
90
75
72
478
643
620
514
597
635
579
593
1
6
5
2
7
8
4
3
1
8
6
2
5
7
3
4
0.00
-2.00
-1.00
0.00
2.00
1.00
1.00
-1.00
0.00
4.00
1.00
0.00
4.00
1.00
1.00
1.00
608
4659
36
36
12
6(12)
0.858
8 82 1
E. Korelasi Data Kelompok
Motode Coding
f C f C
f C f C f
n f x C x C y
n f x C x2
2
y
Cy
57
Ilustrasi 4 :
Diketahui data Hasil ujian statistik (Y) dan matematika (X). Berdasar tabel ini
hitunglah koefisien korelasinya.
Matematika (Y)
Stt (X)
40-49 50-59 60-69

90-99
80-89
70-79
60-69
50-59
1
3
4
6
70-79 80-89 90-99

2
4
4
1
4
6
5
5
10
8
1
9
5
2
6
2
Penyelesaian :
Matematika (Y)
Jumlah
Stt (X) 40-49 50-59 60-69 70-79 80-89 90-99
(fy) cy fycy Cy fyCy fycycx
90-99
2
4
4
10
2
20
4 40
44
80-89
1
4
6
5
16
1
16
1 16
31
70-79
5
10
8
1
24
0
0
0
0
0
60-69
1
4
9
5
2
21 -1 -21
1 21
-3
50-59
3
6
6
2
17 -2 -34
4 68
20
40-49
3
5
4
12 -3 -36
9 108
33
fx
7
15
25
23
20 10
100
-55
253 125
-2
-1
0
1
2
3
cx
-14
-15
0
23
40 30
64
fxcx
4
1
0
1
4
9
cx
28
15
0
23
80 90
236
fxcx
32
31
0
-1
24 39
125
fxcxcy
Maka :
100.(125)
100.(236)
64
64 55
100.(253
552
0,77
Berarti korelasinya adalah korelasi positif dan kuat, artinya jika nilai matemtika
tinggi maka nilai statistik juga cendrung tinggi.
F. Koefisien Korelasi untuk data Kualitatif
2
2
58
Keterangan :
kai kuadrata
Jumlah semua frekwensi
Koefisien korelasi Bersyarat
n =
C=
ij
i 1 j 1
ij
ij
Frekwensi Harapan
ij
. nj
Ilustrasi 5 :
Penelitian hubungan tingkat pendidikan dengan kebiasaan rekreasi. Peneliti
mengambil sebanyak 400 sampel dari masyarakat. Dengan data sbb:
Pendidikan
Rekreasi
Jarang
tdk pernah
Tdk sekolah
Sering
145
58
Menengah
77
13
27
Sarjana
21
32
19
Hitung koefisien korelasi bersyarat dan apa artinya !

Penyelesaikan :
Pendidikan
tdk pernah
Tdk sekolah (A)

= frekwensi Harapan
58
128.18
54.33
28.49
77
13
27
71.08
30.13
15.80
21
32
19
43.74
18.54
9.72
243
103
54
Sarjana
= frekwensi Harapan
n1.
Jumlah
Sering
145
Menengah (B)
= frekwensi Harapan
Rekreasi
Jarang
n2.
211
n1
117
n2
72
n3
400
n3.
59
Perhitungan Nilai Harapan
11 =
(n1) (n1.)
n
(211) (243)
400
12 =
(n1) (n2.)
(211) (103)
13 =
(n1) (n3.)
21 =
(n2) (n1.)
22 =
(n2) (n2.)
23 =
(n2) (n3.)
31 =
(n3) (n1.)
32 =
(n3) (n2.)
33 =
(n3) (n3.)
400
(211) (54)
400
(117) (243)
400
(117) (103)
400
(117) (54)
400
(72) (243)
400
(72) (103)
400
(72) (54)
400
n
n
n
n
n
n
n
128.2
54.3
28.5
71.1
30.1
15.8
43.7
18.5
9.7
Nilai kai kuadrat

(145 - 28.18)
128.18
(58 - 54.33)
54.33
(8 - 28.49)
28.49
(77- 71.08)
71.08
(13 - 30.13)
30.13
(21 - 15.80)
15.8
(21- 43.74)
43.74
(32 - 18.54)
18.54
(19 - 9.72)
9.72
2.21
0.25
14.74
0.49
9.89
1.71
11.82
9.77
8.86
59.7
Korelasinya adalah :
59,7
59,7 400
0.36
60
Kesimpulan :
Hubungan antara tingkat pendidikan dengan kebiasaan rekreasi positif tetapi
lemah.
Koefisien Penentu (KP) /Koefisien Determinasi (R)

Artinya penyebab perubahan pada variable Y yang dating dari variable X, sebesar
kuadrat koefisien korelasinya. Koefisien penentu ini menjelaskan besarnya
pengaruh nilai suatu variable ( variabel X) terhadap naik turunnya (variasi) nilai
variabel lainya (variabel Y).
Rumus I (Pearson)
R2
r2
. 100%
Rumus II
(n) XY X Y
(n) X X (nY Y
2
KP
Ilustrasi 6 :
Dari hasil olah data di atas :
Rumus I.
892
808.400
0,99 , maka Koefisien Penentu adalah :
R = 0.99 x 100% = 98 %
Artinya Pengaruh variabel X terhadap naik turunnya (variasi) variabel Y hanya
sebesar 98,01 selebihnya 1.99% berasal dari factor-faktor lainya.
Rumus II
r
50 62
0,98
(8) 420 50 (8 598 62
(8) 499
Artinya Pengaruh variabel X terhadap naik turunnya (variasi) variabel Y hanya

sebesar 98,01 selebihnya 1.99% berasal dari factor-faktor lainya.
61
Latihan :
1. Tentukan apakah hubungan variabel X dan Y berikut ( positif atau negatif)
interprestasikan hasilnya.
X
10
15
13
11
13
14
13
12
11
2. Hasil ujian Statistik dan Kalkulus mahasiswa TGD datanya sebagai berikut :
Statistik
1 - 20
21 - 40
41 - 60
61 - 80
81 -100
1 - 20
2
21 - 40
4
5
2
Kalkulus
41 - 60 61 - 80
3
4
3
6
8
2
4
1
3
81 -100
3
2
5
Hitunglah:
a. koefisien korelasi hasil ujian stattistik (Y) dan Kalkulus (Y) dan apakah
hubungannya cukup kuat?.
b. Berapa nilai Koefisien penentunya (KP), dan artinya?
3. Amin dan tono memberikan peringkat rokok berdasarkan senang dan tidak
senang terhadap rokok rokok tertentu yang paling senang diberi nilai 10 dan
paling tidak senang nilainya 1. Hasil penelitian adalah sbb:
Merek Rokok
Dunhil
Bentoel
G.Garam
Salme
555
Pall Mall
Merboro
Kansas
Tono
Amin
2
10
8
3
4
1
5
2
9
4
3
6
5
7
8
6
Hitunglah :
a. Koefisien korelasi hasil ujian data di tabel
korelasi/hubungannya?
b. Berapa nilai Koefisien penentunya (KP), dan artinya?
.
dan
bagaimana
62
Chapter 9
REGRESI SEDERHANA
1. Analisis Regresi.
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada
atau tidaknya korelasi antarvariabel, istilah regresi yang berarti ramalan atau
taksiran pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877.
Analisa regresi lebih akurat dalam melakukan analisis korelasi, karena analisis itu
kesulitan dalam menunjukan slop (tingkat perubahan suatu variabel terhadap
variabel lainnya dapat ditentukan) jadi dengan analisis regresi ramalan atau
perkiraan nialai variabel terikat pada nilai variabel bebas lebih akurat pula.
Regresi linier yang dapat dituliskan dalam dua variabel ( variabel X dan Variabel
Y), persamaan regresinya dapat ditulis dalam dua bentuk sbb :
Y'
a bX
Keterangan :
Y
X
a
b
Y
= variabel terikat
= variabel bebas
= intersep
= Koefisien regresi / slop
= nilai yang ukur/dihitung pada variabel tidak bebas
Dari kedua bentuk persamaan regresi linier di atas, yang paling umum digunakan
adalah persamaan yang berbentuk Y = a + bX, dan untuk persamaan regresi ini
menentukan a dan b dapat ditentukan dengan rumus berikut :
Rumus I
Y X X XY
n X X
n XY X Y
n X 2 X 2
Rumus II
x y
x
i
2
i
a Y bX
63
Dimana :
x
y Y
xy X
X Y
Ilustrasi 1 :
Data pengenai pengalaman kerja dan penjualan sbb :
Table . 1
PENGALAMAN KERJA DAN OMZET PENJUALAN DARI 8
SALESMAN PADA PERUSAHAAN DAP.
Pengalaman kerja (X)
Omzet Penjualan (Y)
11
10
a. Tentukan nilai a dan b , gunakan metode yang ada

b. Buatlah persamaan garis regresi
c. Berapa omzet penjualan dari seorang karyawan yang pengalaman kerjanya
3.5 tahun?
Penyelesaian :
X
2
3
2
5
6
1
4
1
24
5
8
8
7
11
3
10
4
56
XY
10
24
16
35
66
3
40
4
198
24
3
8
30
1,25
24
4
9
4
25
36
1
16
1
96
y
-1
0
-1
2
3
-2
1
-2
xy
-2
1
1
0
4
-4
3
-3
x
2
0
-1
0
12
8
3
6
30
y
1
0
1
4
9
4
1
4
24
4
1
1
0
16
16
9
9
56
56
7
8
a 7 (1,25)(3) 3,25
Persamaan regresi memperlihatkan hubungan kedua antara variabel adalah

Y = 3.25 + 1.25 X
64
Artinya
nilai b = 1,25 bahwa jika X bertambah setiap 1 tahun, maka Y akan
bertambah sebesar Rp. 0.61
3,25 (konstanta), jika karyawan tidak memiliki pengalamanpun( tahun 0) hasil
penjualan sama dengan Rp. 3,25.
Misal jika Pengalaman kerja 3.5 tahun , maka hasil penjualan naik sebesar 1,25 x
Rp. 3,5 tahun = Rp. 4,38. dari persamaan regresi adalah :
Y = 3.25 + 1.25 X
Y = 3.25 + 1.25 (3,5)
Y = 7,625
2. Selisih Taksiran Standard

Selisih taksiran standard atau kesalahan baku adalah angka indeks yang
digunakan untuk mengukur ketepatan suatu pendugaan atau mengukur jumlah
vasiasi titik-titik observasi disekitar garis regresi.
Apabila semua titik observasi di sekitar garis regresi, selisih taksiran standard
sama dengan nol. Dengan demikian, selisih standard secara langsung
menunjukan pecaran data. Selisih taksiran standard berguna untuk mengetahui
batsan seberapa jauh melesetnya perkiraan kita dalam meramal data.
Selisih taksiran standard dapat ditentukan dengan menggunakan rumus berikut :
Sy/x
Sx/ y
Se
(Y Y
(X Y
'
)2
'
)2
n2
Atau
Sx/ y
Sy/x
Se
n2
Ilustrasi : 2
Diketahui: regresi linier adalah : Y = 3.25 + 1.25 X
Maka selisih standarnya adalah :
X
2
3
2
5
6
1
4
1
24
Y'
5 4.75
8 7.00
8 5.75
7 9.50
11 10.75
3 4.50
10 8.25
4 4.50
56
Y-Y'
(Y-Y')
0.25
0.06
1.00
1.00
2.25
5.06
-2.50
6.25
0.25
0.06
-1.50
2.25
1.75
3.06
-0.50
0.25
18.00
Sy/x
Sx/ y
Se
18
82
1,73
65
Selisih taksiran standar dapat dihitung secara langsung dengan rumus berikut :
Sy/x
Sx/ y
a.
XY
b .
n2
a.
b .
n2
XY
Perhitungan dengan menggunakan rumus kedua, dengan data-data ilustrasi

regresi di atas selisih taksiran standar adalah :
X
2
3
2
5
6
1
4
1
24
5
8
8
7
11
3
10
4
56
XY
10
24
16
35
66
3
40
4
198
X
4
9
4
25
36
1
16
1
96
Y
25
64
64
49
121
9
100
16
448
a 3,25
b 1,25
Sy/x
448 (3,25) . (56) (1,25) . (198)

82
Sy/x
448 . 182 247,5

6
1,75
3. Batas Perkiraan.
Dengan menggunakan nilai duga dari persamaan regresi dan selisih taksiran
standar, dapat dibuat batas perkiraan darisebuah nilai duga :
Batas prakiraan bernilai plus (positif) adalah batas prakiraan tertinggi.
Batas prakiraan bernilai minus (negatif) adalah batas prakiraan terendah.
Batas prakiraan dirumuskan :
BP Y '
Dimana :
BP
Y
Sy/x
BP
BP
S y/x
= batas prakiraan
= nilai variabel yang diduga.
=Selisih taksiran standar.
=Y + Sy/x batas prakiraan tertinggi
= Y Sy/x batas prakiraan terendah.
Ilustrasi : berdasar ilustrasi soal di atas, perkiraan tertingi dan trendah adalah :
Penyelesaian :
Untuk X = 3,5, nilai duga Y = 7,625.
Selisih taksiran standar (Sy/x) = 1,75
Batas prakiraan tertinggi (BP) = 7,625 + 1,75 = 9,375 satuan
Batas prakiraan terendah (BP) = 7,625 1,75 = 5,875 satuan
66
Latihan :
1. Diketahui pendapatan X dalam ribuan rupiah, Konsumsi Y dalam ribuan
rupiah
X = 50
Y = 40
60
45
70
55
80
65
90
70
Berapakah ramalan Y jika X=100 dengan mengunakan garis regresi

sederhana.
2. Berikut ini data mengenai indeks harga dan hasil penjualan selama 7 tahun.
Indeks Harga Hasil Penjualan (juta rupiah)
74,3
81,2
82,8
75.5
90,4
59,6
108,7
48,8
119,5
37,5
135,0
25,0
150,5
15,5
a.
b.
c.
Buatlah persamaan linier! Apa artinya.

Berapa selisih taksiran standarnya?
Tentukan batas perkiraan tertinggi dan terendahnya!
3. Berikut ini hasil pengamatan pemupukan dan hasil panen padi untuk 5
percobaan diperoleh data sebagai berikut :
Pemupukan (puluhan kg)

3
6
9
10
13
Hasil panen
12
23
24
26
28
a. Buatlah persamaan linier! Apa artinya.

b. Berapa selisih taksiran standarnya?
c. Tentukan batas perkiraan tertinggi dan terendahnya!
67
Chapter 10
Korelasi Linier Berganda
1. Koefisien Korelasi Linier Berganda.

Korelasi linier berganda adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara tiga variabel atau lebih. Koefisien
korelasi linier berganda dapat dirumuskan untuk tiga variabel sbb :
R y.12
ry22
ry21
2 ry1
ry 2
r12
1 r122
Keteranga :
ry.12
ry1
ry2
r 12
ry1
ry1
= Koefisien Korelasi linier tiga variabel

= Koefisien Korelasi variabel Y dan X1
= Koefisien Korelasi variabel Y dan X2
= Koefisien Korelasi variabel X1 dan X2
ry1
Y X
Y n X X )
n X 1Y
(n Y 2
n X 2Y
( n Y 2
2
1
Y X
Y n X X )
n X 1 X 2
(n X 12
2
2
X X
X n X X )
2
2
68
Ilutrasi 1 :
Seorang peneliti ingin mengetahui apakah ada hubungan positif antara
pengeluaran, pendapatan, dan banyak anggota keluarga. Untuk keperluan
tersebut diambil sampel sebanyak 7 rumah tangga. Datanya adalah sebagai
berikut :
Tabel : Hasil Penelitian
Pengeluaran/ bulan (Y)

Pendapatan/bulan (X1)
Jumlah Anggota kel.(X2)
Rumah Tangga
C
D
E
3
5
4
5
8
3
6
9
2
7
10
3
4
7
2
6
7
4
9
11
5
Tentukan Koefisien korelasi berganda ?

Penyelesaian :
Y
X1
X2
3
5
6
7
4
6
9
5
8
9
10
7
7
11
4
3
2
3
2
4
5
40
57
ry1
ry 2
r12
23
X1
X1X2
16
9
4
9
4
16
25
15
40
54
70
28
42
99
12
15
12
21
8
24
45
20
24
18
30
14
28
55
252
489
83
348
137
189
40 57
7(489) 57 2 )
0,92
40 23
40 7(83 232 )
0,42
57 23
57 2 7(83) 232 )
0,13
40
7(189)
(7(489)
X2 Y
25
64
81
100
49
49
121
7(137)
(7(252)
X1Y
9
25
36
49
16
36
81
7 348
(7(252)
X2
69
R y.12
Ry.12
(0,92) 2
(0,42) 2
1
2(0,92)(0,42)(0,13)
(0,13) 2
0,94 0,97
Koefisien Determinasi Berganda (KDP)

Koefisien penentu digunakan untuk mrngukur besarnya sumbangan dari
beberapa variabel (X1, X2, .......Xn) terhadap turun naiknya (variasi) variabel Y.
Rumus :
KDP
R y2.12
100%
Ilustrasi 2.
Dari jawaban soal ilustrasi 1. maka Koefisien Determinasi Berganda adalah
KDP
(0,97)2
100% 0.9409 94,09%
artinya :
Naik turunnya (variasi) pengeluaran (Y) yang disebabkan oleh pendapatan (X1)
dan jumalah anggota keluarga (X2) hanya sebesar 94,09%, sedang sisanya
sebesar 5, 91% disebabkan oleh faktor-faktor lainya yang juga turur
mempengaruhi pengeluaran(Y) tetapi tidak dimasukkan ke dalam regresi liner
barganda.
2. Koefisien Korelasi Parsial

Koefisien
korelasi Parsial adalah indeks atau angka digunakan untuk
mengukur keeratan hubungan antara dua variabel., jika variabel lainnya
konstan, pada hubungan yang melibatkan lebih.
Rumus Koefisien parsial untuk tiga variabel.
1. Koefisien parsial antara Y dan X1, apabila X2 konstan :
ry12
ry1
(1
r r
ry22 )
y2
12
(1
r122 )
70
2. Koefisien parsial antara Y dan X2, apabila X1 konstan :
ry12
ry 2
(1
r r
y1
12
(1
ry21 )
r122 )
3. Koefisien parsial antara X2 dan Y, apabila Y konstan :
r12. y
r12
(1
r r
y1
ry21 )
y2
(1
ry22 )
Ilustrasi :
Dengan mengunakan data ilustrasi 1, tentukan :
1. Koefisien parsial antara Y dan X2, apabila X1 konstan.
3. Koefisien parsial antara X2 dan Y, apabila Y konstan.
Penyelesaian :
1. Koefisien parsial antara Y dan X1, apabila X2 konstan
ry12
0,92
(1
0,42 0,13
(0,42)
(1
0,96
(0,13 ) )
ry12
0,42
(1
0,92 0,13
(0,92) 2
(1
(0,13 ) 2 )
0,77
3. Koefisien parsial antara X2 dan Y, apabila Y konstan
ry12
0,13
(1
0,92 0,42
(0,92) 2
(1
(0,42 ) 2 )
0,72
71
Latihan :
1. Diperkirakan terdapat hubungan linier antara volume penjualan (Y) dengan
biaya promosi (X1) dan biaya distribusi (X2) dari perusahaan ABC untuk
pernyataan tersebut diambil sampel selama 10 tahun, datanya berikut :
ABC
1
3.5 4.3
15 20
2
3
Penjualan
Biaya Promosi
Biaya Distribusi
10
5
30
3
6
42
4
7
50
5
9
54
7
8
65
7
10
72
10
12
85
13
14
90
16
Dengan menggunakan data di atas, hitunglah :

a.
Koefisien korelasi bergandanya
b.
Koefisien penentunya.
c.
Koefisien korelasi parsialnya.
2. Berikut ini data tentang hubungan antara inflasi dan tingkat suku bunga
derngan harga saham sebuah perusahaan selama 5 tahun, mulai 2007 2011
sebuah perusahaan. Datanya sebagai berikut :
Tahun
2007
2008
2009
2010
2011
Inflasi
6.47
11.05
77.63
2.97
1.32
Tingkat Suku Bunga

16.69
16.28
21.84
22.35
13.8
Harga Saham
1,100
1,000
625
1,000
1,175

a.
Koefisien korelasi bergandanya
b.
Koefisien penentunya.
c.
3. Seorang mahasiswa mencoba meneliti pengaruh dari seleksi dan pelatihan
terhadap produktivitas kerja sebuah bank. Responden yang digunakan adalah
7 orang pegawai bank tersebut ysng dipilih secara acak. Dengan data sebagai
berikut :
Seleksi (X1)
65
65
66
66
66
69
69
Pelatihan (X2)
64
65
65
65
67
69
70
Produktivitas (Y)
63
63
65
67
67
68
71

a.
Koefisien korelasi bergandanya, apa artinya?
b.
Koefisien penentunya, apa artinya?
c.
72
Chapter 11
Regresi Linier Berganda
1. Analisis Regresi berganda.
Untuk memperkirakan / meramalkan nilai variabel Y, bila beberapa variabel
yang mempengaruhi Y.
Yakni hubungan antara satu variabel terikat
(dependent varable) = Y, dengan beberapa variabel lain yang bebas
(independent varable) = X1, X2, X3..Xk.
Misalnya :
Y (Hasil penjualan), akan dipengaruhi oleh X1 (daya beli), X2 (harga),
X3(impor). Dan sebagainya.
Untuk meramalkan Y, apabila semua nilai variabel bebas diuketahui, maka kita
dapat menggunakan persamaan regresi linier berganda..
Rumus umum bersamaan linier berganda sbb:
Y ' a b1 X 1 b2 X 2 .....bk X k
Dimana :
Y
a, b1, b2, b3bk
X1, X2, X3...Xk
= variabel terikat.
= Koefisien regresi
= variabel bebas
= kesalahan penggangu (disturbance terma), artinya nilai
yang variabel lain yang tidak dimasukan dalam persamaan.
Nilai ini biasanya tidak dihiraukan dalam perhitungan.
Jika sebuah variabel terikat dihubungkan dengan dua variabel bebas maka
rumusnya sebagai berikut :
Y ' a b1 X 1 b2 X 2
Dimana :
b1
b2
x x y x y x x
x x x x
2
2
2
1
1 2
2
2
x x y x y x x
x x x x
2
1
2
1
2
2
1 2
b1 X 1 b2 X 2
n
73
Dimana :
x22
2
1
2
1
X Y
X X
X Y
X2
X 22
x x
1 2
Koefisien regresi gandanya menggunakan persamaan sbb:
2.
Y an b X b X
X Y a X b X b X
3.
X Y
1.
a X 2
2
1
b1 X 2 X 1
X2
b2 X 2
2
Untuk menghitung nilai a, b1, b2 dapat dihitung dengan metode eliminasi sebagai
berikut :
1. Untuk mengeliminasi a , adalah persamaan 1 dikurangi dengan persamaan 2,
menjadi persamaan 4.
2. Untuk mengeliminasi a , adalah persamaan 1 dikurangi dengan persamaan 3,
menjadi persamaan 5.
3. Untuk memperoleh nilai b2, adalah persamaan 4 dikurangi dengan persamaan
5.
4. Untuk memperoleh nilai b1, maka nilai b2 yang telah diperoleh tersebut
dimasukan ke persamaan 5.
5. Untuk memperoleh nilai a, masukan nilai b1 dan b2 ke persamaan 1.
6. Masukan nilai masing-masing ke persamaan regresi linier.
Ilustrasi 1 :
Berikut ini mengenai indeks pasar, tingkat suku bunga, return saham sebuah
perusahaan di bursa BEJ selama kurun waktu 2005 sampai dengan 2010. sbb:
Tahun
Indeks Psr
Suku Bunga
return saham
2006
24.48
16.69
-70.53
2007
1.42
16.28
-12.12
2008
-31.45
21.84
-31.03
2009
32.61
22.35
152.5
2010
-9.13
13.8
-59.4
74
Diminta :
1. Buatkan persamaan regresi linier berganda.
2. Apa nartinya
3. Berapa nilai Y jika X1 = 25 dan X2 = 24.
Penyelesaian :
X1
24.48
1.42
-31.5
32.61
-9.13
17.93
X =
X2 =
Y =
X2
16.69
16.28
21.84
22.35
13.8
90.96
Y
X1
X2
Y
X1 X2 X1 Y
X2 Y
-70.53
599
279
4,974
409
-1,727
-1,177
-12.12
2
265
147
23
-17
-197
-31.03
989
477
963
-687
976
-678
152.5
1,063
500
23,256
729
4,973
3,408
-59.4
83
190
3,528
-126
542
-820
-20.58 2,737.16
1,710.54 32,868.85 347.66 4,747.46 536.50
17.93
X =
2,737.16
X1 X2 = 347.66
90.96
X2 =
1,710.54
X Y= 4,747.46
-20.58
Y =
32,868.85
X2 Y=
536.50
2
1
x22
x x
1
1.710,54
347,66
4.747,46
536,5
17.932
2,737.16
2.672,863
90,962
55,7956
17,93 90,96 21,4774
32.868,8
17,93
20,58
5
90,96
20,58
5
20,582
5
4.821,259
910,891
32.784,093
b1
55,7956 4.821,259 910,891 21,4774 1,677

2.672,863 55,79562 21,47742
b2
2.672,863 910,891 4.8214,259 21,4774 15,679

2.672,863 55,7956 21,47742
20,58 (1,677)(17,93) (15,679)(90,96)

295,36
5
75
1. Persamaan regresi linier bergandanya :

Y = -295,36 + 1,677 X1 + 15,679X2
2. Persamaan di atas dapat diartikan :
a.
Nilai a = -295,36
Tanpa adanya indeks pasar dan tingkat suku bunga maka besarnya return
saham adalah -295,36.
b. Nilai b1 = 1,677.
Berarti hubungan indeks pasar dengan return saham positif, atau setiap
kenaikan indeks pasar sebesar 1% maka akan meningkat return saham
sebesar 1,677%.
c. Nilai b2 = 15,679X2
Berarti hubungan tingkat suku bunga dengan return saham positif, atau
setiap kenaikan tingkat suku bunga sebesar 1% maka akan meningkat
return saham sebesar 15,679%.
3. Nilai duga Y Jika X1= 25 dan X2 = 24 adalah :
Y = -295,36 + 1,677 (25) + 15,679 (24) = 122,861.
76
Latihan :
4. Diperkirakan terdapat hubungan linier antara volume penjualan (Y) dengan

biaya promosi (X1) dan biaya distribusi (X2) dari perusahaan ABC untuk
pernyataan tersebut diambil sampel selama 10 tahun, datanya berikut :
ABC
1
3.5 4.3
15 20
2
3
Penjualan
Biaya Promosi
Biaya Distribusi
10
5
30
3
6
42
4
7
50
5
9
54
7
8
65
7
10
72
10
12
85
13
14
90
16
Dengan menggunakan data di atas,

a.
Buatlah persamaan regresi linier bergandanya
b.
Apa artinya
c.
Berapa nilai Y jika biaya promosi sebesar 105 dan biaya distribusi
25.
5. Berikut ini data tentang hubungan antara inflasi dan tingkat suku bunga
derngan harga saham sebuah perusahaan selama 5 tahun, mulai 2007 2011
sebuah perusahaan. Datanya sebagai berikut :
Tahun
2007
2008
2009
2010
2011
Inflasi
6.47
11.05
77.63
2.97
1.32
Tingkat Suku Bunga

16.69
16.28
21.84
22.35
13.8
Harga Saham
1,100
1,000
625
1,000
1,175
Dengan menggunakan data di atas,

a.
b.
Apa artinya
c.
Berapa nilai Harga saham, jika biaya Inflasi 8,64 dan suku bunga
24%
6. Seorang mahasiswa mencoba meneliti pengaruh dari seleksi dan pelatihan
terhadap produktivitas kerja sebuah bank. Responden yang digunakan adalah
7 orang pegawai bank tersebut ysng dipilih secara acak. Dengan data sebagai
berikut :
Seleksi (X1)
65
65
66
66
66
69
69
Pelatihan (X2)
64
65
65
65
67
69
70
Produktivitas (Y)
63
63
65
67
67
68
71

a.
b.
Apa artinya
c.
Berapa nilai Produktivitas jika nilai seleksi 70 dan nilai pelatihan 60?.
77
Chapter 12
ANALISIS VARIAN
(Analysis of variances)
1. Analisis Varian Satu Arah.
Sebuah tehnik yang dipakai untuk membandingkan dua parameter populasi kita
kenal sebagai Anova (analysis of variance). Teknik ini sering dipakai untuk
penelitian terutama rancangan penelitian ekspremen, misalnya penelitianpenelitian yang memiliki implikasi pengambilan keputusan untuk menggunakan
tehnologi baru dan kebijakan baru. Untuk menggunakan teknik Anova perlu
beberap asumsi sebagai berikut :
1. Tiap-tiap dari k populasi memiliki independent random sampling.
2. Tiap-tiap populasi memiliki distribusi normal dengan i yang mungkin sama
atau tidal tetapi varian-varian, i, yang sama.
Bahwa varian sampel adalah :
S2
X X
n 1
Merupakan estimator tidak bias dari varian populasi, numerator ( X X )

merupakan jumlah simpang kuadrat terhadap rata-rata. Jika kecil maka jumlah ini
juga kecil. Dalam analisis varian term ( X X ) disebut juga istilah jumlah
2
kuadrat (sum of square /SS), dengan rumus sebagai berikut :
S2
SS
n 1
Analisis satu arah ( a one-way of variance) memiliki dua estimasi variabilitas yang
bersiafat bebas (independent), yaitu :
1. Estimasi variabilitas antarkelompok (between group variance estimate)
2. Estimasi variabilitas dalam kelompk (within group variance of estimate)
Rasio antar kedua varian merupakan uji statistik F (Fisher test).
S 2 ant
S 2 dal
S a2n t = Estimasi variabel antar kelompok
S d2a l = Estimasi varibilitas dalam kelompok.
Dimana :
SS ant
d .k(2012)
ant
SYSEMM, Prob,TGD
2
S ant
2
S dal
SS ant
d .k dal
78
SSant = Jumlah kuadrat antar kelompok.

d.k.ant = Derajat kebebasan antar kelompok = k-1, k adalah jumlah kelompok
(group) atau disebut kebebasan pembilang (degrees of freedom
numerator)
d.k.dal = Derajat kebebasan dalam kelompok = n-k, n adalah jumlah anggota
sampel seluruh kelompok atau disebut derajat kebebasan penyebut
(degrees of freedom demerator)
Pada rumus F, apabila S a2n t relatif lebih besar dari pada S d2a l maka rasio F akan
besar semakin besar kemungkin menolak hipotesis nol (H0).
Beberapa formula umum untuk menghitung :
1. Jumlah kuadrat terhadap rata-rata atau jumlah kuadrat (sum of square/SS).
Formulanya adalah :
SS
(X )
2. Jumlah kuadrat total (total sum of square)
SStot
SS ant
SS dal
atau
SStot
SS dal
2
k
SS ant
( X ) 2
( X k ) 2
(X )
nk
n
nk
( X ) 2
n
Ilustrasi :
Diperoleh data sampel acak dari keluaran yang diamati selam 5 jam yang berbeda
sebagai berikut :
79
Tabel : Produktivitas 4 jam mesin.
Mesin 1
20
30
10
30
10
100
20
-20
400
X
_
(X
X)
(X
Mesin 2
X )2
Mesin 3
30
40
30
50
0
150
30
-10
100
60
80
70
40
100
350
70
30
900
Mesin 4
50
50
50
30
20
200
40
0
0
(X
(X i
X)
X )2
40
0
1400
1. Jumlah Kuadrat Total (SStot)
(X i
(20-40) =
(30-40) =
(10-40) =
(30-40) =
(10-40) =
(30-40) =
(40-40) =
(30-40) =
(50-40) =
(0-40) =
400
100
900
100
900
100
0
100
100
1,600
X )2
(60-40) =
(80-40) =
(70-40) =
(40-40) =
(100-40) =
(50-40) =
(50-40) =
(50-40) =
(30-40) =
(20-40) =
( Xi
X )2
400
1,600
900
0
3,600
100
100
100
100
400
11,600
2. Jumlah Kuadrat Dalam Kelompok (SSdal)
80
( X ki
X k )2
0
100
100
100
100
0
100
0
400
900
(60-70) =
(80-70) =
(70-70) =
(40-70) =
(100-70) =
(50-40) =
(50-40) =
(50-40) =
(30-40) =
(20-40) =
(20-20) =
(30-20) =
(10-20) =
(30-20) =
(10-20) =
(30-30) =
(40-30) =
(30-30) =
(50-30) =
(0-30) =
( X ki
X k )2
100
100
0
900
900
100
100
100
100
400
4,600
Maka :
1. Jumlah Kuadrat Antar kelompok adalah :
SStot = 11.600 + 4.600 = 7.000
Langkah-langkah Pengujian Hipotesis.
a.
Merumuskan Hipotesis
H0 : 1 = 2 = 3 - 4= 0
Ha : 1 = 2 = 1 - 4 0
b.
Taraf nyata pengujian = = 5%, maka Titik kritis : Ft = 3,24.
c.
Rasio F Hitung (Fh) :

Varians-varians antarkelompok dan dalam kelompok :
2
S ant
SS ant
d .k ant
2
S ant
7.000
2,333
4 1
2
S dal
2
S dal
SS ant
d .k dal
4.600
287
20 4
Maka :
2,333
8,116
287
81
4. Kesimpulan : Oleh karena nilai Fhitung lebih besar dari pada nilai kritis (Ft) atau
Fh = 8,166 > Ft = 3,24 (berdasarkan Tabel distribusi F, dengan tingkat
kesalahan = 5% dan d.k numerator (d1)= 3 dan d.k denumerator (d2)=16.
Maka H0 ditolak, artinnya penyataan bahwa tidak ada perbedaan produktivitas
dari ke 4 (empat) adalah tidak benar.
Sumber Variasi
Antar Kelompok
Dalam Kelompok
Total
Tabel Anova
d.k Jumlah Kuadrat Estimasi Varian Fh
3
7,000
2,333
8,116
16
4,600
287
19
2. Analisis Varian Dua Arah.

Di dalam analisis anova dua arah jumlah kuadrat total dibedakan ke dalam dua
besar komponen :
Sementara itu jumlah kuadrat antarkelompok dibedakan ke dalam komponen,

yaitu jumlah kuadrat tiap-tiap variabel tambahan jumlah kuadrat interaksi
kedua variabel itu.
SS ant
SS A
SS B SS AB
Estimasi masimg-masing varian dan varian interaksi adalah :
S A2
SS A
d .k . A
d .k . A
A 1
S B2
SS B
d .k .B
d .k .B
B 1
S AxB
SS AxB
d .k .B
d .k . AxB
d .k . A x
d .k .B
2
S AxB
SS AxB
d .k .B
d .k . AxB
d .k . A x
d .k .B
2
S Ant
SS ant
d .k ant
d .k Ant
AB 1
2
S Dal
SS dal
d .k dal
d .k Dal
n AB
82
Setelah semua perhitungan dilakukan, kemudian hasil analisis ke dalam tabel

sebagai berikut :
Sumber Variasi
Antar Kelompok
Variabel A
Variabel B
Interaksi AB
Dalam Kelompok
Jumlah Kuadrat
d.k
SS ant
SS A
A-1
SS B
B-1
SS AB
(A-1)(B-1)
SS dal
Total
SS tot
Est. Varian
AB - 1
SS A / A-1
SS B / B-1
SS AB /(A-1)(B-1)
n - AB SS dal / (n-ab)
n-1
Ilustrasi :
Anggaplah data hipotesis, untuk meningkatkan produktivitas keluaran (output)
digunakan dua type pelatihan yaitu : Tipe A1, dan A2, dicoba frekwensi-frekwensi
dari sesi-sesi pelatihan yang dibedakan menurut harian, mingguan, dan bulanan
(B1, B2, dan B3), sebanyak 24 pekerja dipilih secara random dan kemudian
dimasukkan kemudian dimasukan kombinasi-kombinasi perlakuan yang berbeda.
Tabel : angka-angka produktivitas pada subjek-subjek yang menerima du tipe
pelatihan dan tiga frekwensi sesi-sesi pelatihan.
83
A1
B1
A2
7
8
9
7
9
11
12
11
12
43
5.375
6
8
9
9
10
11
12
14
32
47
5.875
8
7
7
9
13
11
11
12
31
47
7.75
5.875
B1
31
2
3
3
4
A1 B
4
3
3
5
B2
7.75
B1
B2
15
3.75 X
5
4
4
3
B3
B3
16
62
5.16667
75
6.25
137
5.70833
Langkah-langkah perhitungan kuadrat :

1. Jumlah Kuadrat Total (Total Of sum Square)
SStot
Xi
7
8
9
7
4
3
3
5
5
4
4
3
( X ) 2
n
X
49
64
81
49
16
9
9
25
25
16
16
9
6
8
9
9
8
7
7
9
4
9
9
16
36
64
81
81
64
49
49
81
911
2
3
3
4
SS tot
911
(137) 2
128,96
24
d .ktot n 1 24 1 23
84
2. Jumlah kuadrat Antar Kelompok
SS ant
SS ant
(X )
nk
(31)/4
(15)/4
(16)/4
(12)/4
(32)/4
(31)/4
=
=
=
=
=
=
( X ) 2
240.25
56.25
64.00
36.00
256.00
240.25
892.75
137
24
110,71
d .k ant AB 1 6 1 5
3. Jumlah Kuadrat dalam Kelompok (SSdal)
SS dal SS tot SS ant

SS dal 128,96 110,71 18,25
d.k n AB 24 6 18
4. Jumlah kuadrat Kolom (SSA)
SS A
(X A1 ) 2
n A1
SS A
(62) 2
12
(X A2 ) 2
n A2
(75) 2
12
(X ) 2
n
(X ) 2
24
(X B 3 ) 2
nB3
7,04
d .k. A 1 1
5. Jumlah Kuadrat Baris (SSB)
SS B
(X B1 ) 2
n B1
SS B
(43) 2
8
(X B 2 ) 2
nB 2
(47) 2
8
(47) 2
8
(X ) 2
n
(137) 2
1,34
24
6. Jumlah kuadrat Kolom Baris (SSAB).
SS AB
SS AB
110,71
SS ant
SS A SS B
7,04 1,34 102,33
85
d .k. ( A 1)( B 1) 2
7. Estimasi Varians
S A2
SS A
d .k . A
7,04
1
1
S B2
SS B
d .k . B
1,34
2
S AB
SS AB
d .k . AB
S w2
SS w
d .k .w
0,67
102
51,16
18,2
1,01
18
8. Menyusun Anova Dalam Tabel

Sumber Variasi
Antar Kelompok
Variabel A
Variabel B
Interaksi AB
Dalam Kelompok
Jumlah Kuadrat
d.k
110,71
7,04
1,34
102,33
18,25
Total
Est. Varian
F
6,97
5
7,04
0,66
0,67
50,65
51,16
1,01
18
1
2
2
128,96
n-1
Pengujian hipotesis nol (H0) dan menghitung rasio-rasio F.

1. Hipotesis Pertama
H0 : Tidak ada perbedaan tingkat produktivitas bagi para pekerja menurut tipetipe pelatihan A1 dan A2.
1 = 2
Ha : Ada perbedaan tingkat produktivitas bagi para pekerja menurut pelatihan
tipetipe pelatihan A1 dan A2.
1 2
Rasio F untuk variabel pelatihan adalah :
S A2
F
SW2
7,04
6,97
1,01
d .k. 1,18
86
Menurut tabel Distribusi F dengan = 0,05, dan d,k = 1,18, nilai kritisnya
adalah 8,28, maka : H0 diterima.
5. Hipotesis kedua
H0 : Tidak ada perbedaan tingkat produktivitas bagi para pekerja dibawah
pelatihandengan frekwensi-frekwensi dari sesi-sesi pelatihan yang
berbeda.
B1 = B2 = B3 = 0
Ha : Ada perbedaan tingkat produktivitas bagi para pekerja dibawah
pelatihandengan frekwensi-frekwensi dari sesi-sesi pelatihan yang
berbeda.
B1 = B2 = B3 0
S B2
F
SW2
0,67
0,66
1,01
d .k. 2,18
adalah 6,01 maka : H0 diterima.
2. Hipotesis ketiga
H0 : Tidak ada efek interaksi antar variabel bebas : efek-efek dari variabel
metode pelatihan tidak berbeda dengan efek-efek dari variabel
frekwensi pelatihan.
Ha : Ada efek interaksi antar variabel bebas : efek-efek dari variabel metode
pelatihan tidak berbeda dengan efek-efek dari variabel frekwensi
pelatihan.
2
S AB
F
SW2
51,16
50,65
1,01
d .k. 2,18
adalah 6,01 maka : H0 di tolak.
Kesimpulan.:
Dari ketiga efek yang dievaluasi, hanya efek interaksi yang dinyatakan signifikan
secara statistik
87
Latihan :
1. Hasil penelitian tentang hasil balajar mahsiswa yang diajarkan dengan metode
yang berbeda, sebagai berikut :
Metode A
Metode B
Metode C
8
6
7
5
9
10
7
8
6
9
5
7
8
4
6
Hitunglah :
a.
b.
c.
d.
Jumlah Kuadrat Dalam Kelompok (SSdal)

Jumlah Kuadrat Total (SStot)
Varians-varians antarkelompok dan dalam kelompok
Ujilah apakah ada perbedaan hasil belajar mahsiswa dengan metode
yang diajarkan, dengan tingkat =%5.
2. Kita akan menelitian/menguji apakah keragaman hasil padi disebabkan oleh

perbedaan varitas padi, perbedaan jenis pupuk atau perbedaan keduanya.
Datanya sebagai berikut :
Tabel hasil Padi dalam kg per rantai
Jenis Pupuk
T1
T2
T3
Varitas Padi
V1
64
66
70
65
63
58
59
68
65
V2
72
81
64
57
43
52
66
71
59
88
Hitunglah :
1.
2.
3.
4.
5.
6.
7.
8.
9.
Jumlah Kuadrat Total (Total Of sum Square)

Jumlah kuadrat Antar Kelompok
Jumlah Kuadrat dalam Kelompok
Jumlah kuadrat Kolom (SSA)
Jumlah Kuadrat Baris
Jumlah kuadrat Kolom Baris
Estimasi Varians
Menyusun Anova Dalam Tabel
Ujilah apakah ada perbedaan hasil padi atas pemberian pupuk yang
berbeda varitas padi.dengan tingkat =%5.
89

Buku Panduan Belajar Statistik Probabilitas

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Panduan Belajar Statistik Probabilitas

Diunggah oleh

Hak Cipta:

Format Tersedia

KATA PENGANTAR

Medan, April 2012

(Suardi Yakub, SE,MM)

SYSEMM, Prob,TGD (2012)

MODUL STATISTIK PROBABILITAS

: Pemahaman Distribusi Probabilitas

: Distribusi Variabel Acak Diskret

: Distribusi Variabel Acak Kontinu

: Pengujian Hipotesis Rata-rata Tunggal dan Dua RataRata.

: Pengujian Tentang Proporsi

: Korelasi Linier Sederhana

: Regresi Linier Sederhana

: Korelasi Linier Berganda

: Regresi Linier Berganda

SYSEMM, Prob,TGD (2012)

SYSEMM, Prob,TGD (2012)

Karena himpunan maupun himpunan bagian dapat merupakan kejadian (event),

2. Unian (gabungan) dua kejadian

Komplemen suatu kejadian A, dinyatakan dengan

A, adalah himpunan semua

= Daerah yang diarsir

S = Ruang sampel (himpunan dari hasil Eksperimen)

SYSEMM, Prob,TGD (2012)

Ruang sampel : S = {1, 2, 3, 4, 5, 6}

3. Anda jelaskan! Apa perbedaan kejadian-kejadian yang dimaksud

4. Coba anda buat diagram Venn jika A = { 1, 2, 3, 4, 5 } dan B = {2, 4, 6, 8 }, dan

SYSEMM, Prob,TGD (2012)

A. Pendekatan Perhitungan Probabilitas

n = barang, x = rusak , n-x = tidak rusak. Maka memperoleh barang rusak

A = bukan A (Bukan barang rusak)

2. Konsep Frekwensi Relatif.

SYSEMM, Prob,TGD (2012)

Artinnya Probabilitas suatu kejadian merupakan limit dari frekwensi relatif

Probabilitas upah karyawan Rp. 65 ribu dan 85 ribu adalah :

SYSEMM, Prob,TGD (2012)

B. Aturan/ Hukum Probabilitas

1. Peluang kejadian saling meniadakan (Mutually Exclusive Events).

Probabilitas dua kejadian ; kejadian A dan B

Sehingga untuk tiga peristiwa A, B dan C yang saling lepas, probabilitas

SYSEMM, Prob,TGD (2012)

Maka : A = Munculnya jumlah 7 dadu dan B= Munculnya jumlah 11 dadu.

SYSEMM, Prob,TGD (2012)

Hasil pengecekan probabilitas kejadia A, B, dan C

Peluang kejadian yang tidak saling Lepas.

kejadian A dan B bersama-sama.

SYSEMM, Prob,TGD (2012)

Peristiwa bersyarat merupakan suatu peristiwa yang akan terjadi

SYSEMM, Prob,TGD (2012)

Probabilitas mhs lama bersyarat putri

B. Peluangan Kejadian interseksi (Penggandaan)

Jadi peluang terjadi A dan B sekaligus sama dengan peluang A digandakan

Ilustrasi dari No.2.

Ilustrasi dari no. 2 b.

P (AB) = 0,80 x 0,30 = 0,24

Dua peristiwa atau lebih dikatakan saling bebas apabila terjadinya

P(A B) = P(A) x P(B)

A B {(1,5), (2,5), (3,5)(1,6), (2,6), (3,6)}

P(A) = 18/36 = dan P(B) = 12/36 = 1/3

maka A dan B saling bebas.

SYSEMM, Prob,TGD (2012)

Karyawan laki-laki atau dari divisi Marketing.

Akan diambil seorang dari mereka untuk ditugaskan melakukan promosi

4. Menurut sebuah surve terungkap bahwa 10 persen dari mahasiswa sebuah

SYSEMM, Prob,TGD (2012)