Naskah Buku Stat New

Eri Setiawan
Pengantar Statistika
Pendahuluan
1.1. Pengertian Statistik dan Statistika

Statistik merupakan kumpulan angka yang bermakna.
Statistika merupakan suatu
ilmu pengetahuan pembantu yang berhubungan dengan cara
pengumpulan data, penyajian data dan penganalisisan data, dan dari analisis tersebut dapat
ditarik suatu kesimpulan dan dari kesimpulan dapat dibuat suatu keputusan,
yang mana
keputusan yang diambil sebenarnya dalam suasana ketidakpastian dan adanya variasi.
1.2. Data
Data bentuk jamak dari datum yang berarti keterangan atau ilustrasi.
Berdasarkan bentuknya data terdiri dari
a. berupa angka/bilangan
b. berupa simbul/lambang
Berdasarkan sifatnya data terdiri
a. data kualitatif yaitu berupa simbul atau lambang , misalnya Si A orangnya pintar. Si B
orangnya cantik, dan sebagainya.
b. data kuantitatif yaitu berupa angka atau bilangan, misalnya Si A nilai ujiannya 75, Si B
tinggi badannya 167 cm, dan sebagainya.
Data kuantitatif harganya berubah-ubah atau bersifat peubah (variable)
Berdasarkan kejadiannya atau jenisnya data terdiri dari:
a. Data diskrit yaitu data hasil perhitungan
b. Data kontinu yaitu data hasil pengukuran
Berdasarkan sumbernya data terdiri dari:
a. data intern
b. data ekstern
Eri Setiawan
Untuk apa dan buat apa data tersebut ?

Sesuai dengan pengertiannya yaitu keterangan atau ilustrasi maka data merupakan kumpulan
angka/lambang yang bermakna.
Selanjutnya mau diapakan data tersebut ?
Karena merupakan angka/lambang yang bermakna, selanjutnya akan disajikan agar lebih jelas
maknanya.
Banyak cara, dalam menyajikan data yaitu: dengan
1. Tabel atau Daftar
2. Grafik atau Diagram.
Macam-macam Tabel atau Daftar
a. Daftar baris kolom
b. Daftar kontingensi
c. Daftar sebaran frekuensi
Macam-macam Grafik atau Diagram
a. Diagram Garis
b. Diagram Batang
c. Diagram Lambang atau Simbol
d. Diagram Lingkaran atau Pastel
e. Diagram Peta atau Kartogram
f. Diagram Pencar atau Diagram Titik.
Eri Setiawan
Contoh Grafik atau Diagram Garis
Data dari ketiga mahasiswa ( A, B dan C ) Tentang Indeks Prestasi Semester 1 sampai dengan 6.
Eri Setiawan
Contoh Grafik atau Diagam Batang
Eri Setiawan
Data Persentase Perolehan SMS dari Keempat Kontestan ( A, B, C dan D ) KDI Star
Pada Minggu 1 s.d 4 Tahun 2010.Propinsi Lampung
Lampung Timur
Lamping Barat
Lampung Utara
Lampung Selatan
Minggu 1
24.5
30.4
28.7
16.4
No Jenis Kelamin
1 Laki-laki
Minggu 2
21.4
27.8
24.4
26.4
Frekuensi
332
Minggu 3
19.7
23.5
27.1
29.7
Minggu 4
18
25
30
27
Persentase ( % )
68,60
Eri Setiawan
Perempuan
Total
152
484
31,40
100,00
Contoh: Grafik atau Diagram Lingkaran atau Pastel
Usia Responden
Sex Responden
Category
Perempuan
Laki-laki
Eri Setiawan
Usia Responden
No
Usia
frek
16 20
28
8,54
21 30
72
21,95
31 40
112
34,15
41 60
109
33,23
> 60
2,13
Total
328
100,00
Usia Responden
Category
> 60
16 - 20 Tahun
41 - 60
21 - 30
31 - 40
Usia Responden ( Dalam Persen )
Jenis Pekerjaan Responden
Jenis Pekerjaan Utama Responden

Jenis Pekerjaan
No Utama
frek
Category
Pensiunan
Pelajar/mahasiswa
Pekerja mandiri/sektor informal
Tidak bekerja
Lain-Lain
Pegawai swasta
Ibu rumah tangga
Pegawai negeri/TNI/Polri
Wiraswasta/Pengusaha
Petani/peternak
Eri Setiawan
1 PNS/TNI/Polri
2 Pegawai swasta
Wiraswasta/
3 Pengusaha
Pekerja mandiri/
4 sektor informal
5 Petani/peternak
6 Pelajar/mahasiswa
7 Ibu rumah tangga
8 Pensiunan
9 Tidak bekerja
10 Lain-Lain
Total
58
36
15,10
9,38
62
16,15
24
82
17
45
5
26
29
384
6,25
21,35
4,43
11,72
1,30
6,77
7,55
100,00
Jenis Pekerjaan Utama Responden
Hasil Kerja Kelompok A, B, C, D dan E Dari Tahun 1 sampai dengan 3.
Komposisi Mahasiswa Komputer pada Perguruan Tinggi di Kota Bandar Lampung Th. 2010
Eri Setiawan
Komposisi Mahasiswa Kedokteran pada Perguruan Tinggi di Kota Bandar Lampung Th. 2010
Data Penjualan Sepeda Motor di Dealer ABC Selama 1 Tahun

Bulan
Januari
Pebruari
Maret
April
Mei
Juni
Juli
Agustus
Septembe
Motor
750
800
675
725
700
650
800
750
r
Oktober
November
Desember
650
650
600
575
Grafik Penjualan Sepeda Motor di Dealer ABC Selama 1 Tahun
Eri Setiawan
10
Trend Penjualan Motor
Banyaknya Motor
800
750
700
650
600
i
i
ar
ar
u
u
r
n
b
Ja
Pe
et
ar
M
ril
Ap
ei
ni
Ju
li
Ju
r
r
r
r
s
tu
be
be
be
be
s
o
u
t
em
em
em
Ag
Ok
pt
ov
es
e
N
D
S
Bulan Penjualan
Moving Average Plot for Penjualan Motor

Variable
Actual
Fits
Penjualan Motor
800
750
Moving Average
Length 2
700
Accuracy Measures
MAPE
3.93
MAD
27.27
MSD
1015.63
650
600
6
7
Bulan
10
11
12
Eri Setiawan
Contoh lain Pembuatan Histogram dan Poligon

Kelas Interval
23 - 31
32 - 40
41 - 49
50 - 58
59 - 67
68 - 76
77 - 85
86 - 94
Jumlah
Xi
27
36
45
54
63
73
81
90
-
fi
4
9
15
22
19
16
10
5
100
11
Eri Setiawan
12
Poligon
25
Frekuensi
20
15
10
22.5
31.5
40.5
49.5
58.5
67.5
76.5
85.5
Xi
1.3. Pengukuran Data

Ada empat jenis pengukuran berdasarkan tingkat pengukuran ( level of measurement ) terhadap
data.
1. Data Nominal
Merupakan data kualitatif yang bersifat setara atau sama antar data yang satu dengan yang lain.
Jadi hanya diberikan nama.
Contoh : Jenis kelamin, dsb.
2.
Data Ordinal
Merupakan data kualitatif yang bersifat tidak setara setara atau tidak sama antar data yang satu
dengan yang lain. Jadi diberikan nama dan urutan.
Contoh.Sikap Seseorang, Jenjang Pendidikan, Rating acara Televisi, dsb.
3. Data Interval
Eri Setiawan
13
Merupakan data kuantitatif yang mempunyai perbedaan antar data yang satu dengan yang
lainnya dan perbedaannya jelas terukur. Jadi berikan nama
, urutan.dan jarak dan
tidak
mempunyai titik nol murni

Contoh: Temperatur Suhu, dsb.
4.
Data Rasio
Merupakan data kuantitatif yang mempunyai perbedaan antar data yang satu dengan yang
lainnya
diukur dengan jelas dan mempunyai harga nol mutlak. Jadi berikan nama , urutan, jarak.dan
perbandingan.
Contoh : Berat Badan, Produksi.
Secara garis besarnya Statistika dibagi menjadi dua bagian, yaitu Statistik Deskriptif dan Induktif.
Statistik Deskriptif ( Eksplorasi ) merupakan penyajian dan analisis data, sedangkan Statistik
Induktif atau Inferensial atau Konfirmasi merupakan penarikan kesimpulan dari hasil analisis data.
DATA
DATA
KUALITATIF
DATA
NOMINAL
DATA
ORDINAL
DATA
KUANTITATIF
DATA
INTERVAL
DATA
RASIO
Eri Setiawan
14
DATA RASIO
DATA INTERVAL
DATA ORDINAL
DATA NOMINAL
DATA INPUT
Statistik Deskriptif
Statistik
Deskriptif
METODE
STATISTIKA
Penyajian Data
DATA OUTPUT
Grafik
Tabel
Sari Numerik Data
Ukuran Pemusatan Data

Ukuran Letak Data
Ukuran Penyimpangan Data
Dimensi Waktu
Deret Waktu
Angka Indeks
Eri Setiawan
Jenis Data
Data Kualitatif
15
Grafik Bar ( Batang )

Grafik Pie ( Lingkaran )
Tabel Kontingensi
Data Kuantitatif
Grafik Line (Garis )

Steam and Leaf
Distribusi Frekuensi
Distribusi Frekuensi
Histogram
Poligon
Pareto
Ukuran Pemusatan Data
Rata-rata
Rata-rata Hitung
Rata-rata Ukur
Rata-rata Harmonik
Modus
Ukuran Letak
Eri Setiawan
Ukuran Letak Data
16
Median
Kuartil
Desil
Persentil
Range ( Rank )
Variance ( Ragam )
Simpangan Baku
Koefisien Keragaman
Mengukur Angka Indeks

Indeks
Tak Tertimbang
Sederhana
Agregatif
Sederhana
Tertimbang
Relatif
Sederhana
Laspeyre
s
Paasche
Drobisch
Fisher
Marshall-Edgeworth
Bentuk ( Shape ) Data
Rantai
Eri Setiawan
Bentuk Data
Kemiringan
Koefisien Pearson
Momen Kemiringan
Keruncingan
Uji Bentuk Data
Momen Keruncingan
Boxplot
Histogram
Data Deret Waktu
Trend
Free Hand
Moving Average
Least Square
Siklus
Musim
Irreguler
Indeks
Harga
Kuantitas
Nilai
17
Eri Setiawan
18
1.4. Populasi dan Sampel

Populasi merupakan kumpulan dari suatu obyek dengan ciri tertentu yang karakteristiknya akan
diukur, atau populasi adalah totalitas semua nilai yang karakteristiknya akan diukur, sedangkan
sampel merupakan bagian dari populasi.
POPULASI
Berukuran N
Sampel
n
1.5. Parameter dan Statistik

Parameter adalah besaran-besaran atau ukuran dari populasi
Statistk adalah besaran-besaran atau ukuran dari sampel.
Dalam prakteknya ukuran atau besaran parameter dinotasikan atau dilambangkan dengan huruf
Yunani, seperti , , , dan seterusnya, sedangkan ukuran atau besaran statistik dinotasikan
dengan huruf Latin, seperti x, y, t, z dan seterusnya.
Yang utama dalam mempelajari statistika adalah memahami dua besaran atau perumusan yang
memegang peranan penting, yaitu Rata-rata dan Ragam atau Simpangan Baku, yaitu:
Nama Besaran
Rata-rata (Nilai Tengah)
( Mean = Average)
Ragam (Variansi )
( Variance )
Simpangan baku
( Standard Deviation )
Parameter
Statistik
Xi
i 1
Xi
i 1
( X i )2
i 1
s
2
( X i )2
i 1
( X i X )2
i 1
n 1
( X i X )2
i 1
n 1
Eri Setiawan
19
Contoh
Misalkan diketahui data populasi sebagai berikut: N = { 1, 2, 3, 4, 5 }.
Hitung rata-rata dan simpangan baku.
Jawab
N
Rata-rata populasi
Xi = X1 X 2 X 3 X 4 X 5 =
i 1
N
1 2 3 4 5
15
=
=3
5
5
Simpangan baku populasi
( X i )2 =
i 1
N
( X i ) 2 atau cari melalui ragam yaitu

i 1
N
( X i )2
2 i 1
(1 4 0 4 1)
(1 3) 2 ( 2 3) 2 (3 3) 2 (4 3) 2 (5 3) 2
=
=2
5
5
Setelah ragam diperoleh tinggal diakarkan, maka diperoleh simpangan baku atau =
2 = 1,414
Ada cara lain dalam menghitung ragam populasi jika tidak mencari dulu rata-rata, yaitu
N ( X i ) ( X i ) 2
2
N2
Data ke1
2
3
4
5
Jumlah
X2
1
4
9
16
25
Xi 2= 55
X
1
2
3
4
5
Xi=15
N ( X i ) ( X i ) 2
2
N2
275 225
50
5(55) (15) 2
=
=
=2
2
25
25
5
Ternyata hasilnya sama, yaitu 2 = 2.

Kalau diketahui data itu sampel, yakni n = { 1, 2, 3, 4, 5 } ditanyakan hitung rata-rata dan
simpangan baku
n
Rata-rata sampel
Xi = X1 X 2 X 3 X 4 X 5 =
i 1
n
1 2 3 4 5
15
=
=3
5
5
Eri Setiawan
n
Simpangan baku sampel
s
2
( X i X )2 =
i 1
n 1
20
n
( X i X ) 2 atau cari melalui ragam yaitu

i 1
n 1
s2
( X i X )2
i 1
n 1
10
(1 3) 2 (2 3) 2 (3 3) 2 (4 3) 2 (5 3) 2
=
= 2,5
4
5 1
Setelah ragam diperoleh tinggal diakarkan, maka s =
2,5
= 1,581
Ada cara lain dalam menghitung ragam sampel jika tidak mencari dulu rata-rata, yaitu
n( X i ) ( X i ) 2
2
s
2
n(n 1)
275 225
50
5(55) (15) 2
2,5
=
=
20
20
5(5 1)
Ternyata hasilnya sama, yaitu s 2 = 2,5

Apabila dilihat hasil normalitas dengan bantuan paket diperoleh:
Contoh lainnya
C1
10
20
30
40
50
C2
1
2
3
4
5
C3
11
12
13
14
15
C4
101
102
103
104
105
Descriptive Statistics: C1, C2, C3, C4

Variable
Mean
St-Dev
C1
30.00
C2
3.00
1.581
2.50
C3
13.00
1.581
2.50
C4
103.00
1.581
2.50
15.81
Variance
250.00
s=
2,5
= 1,581
Eri Setiawan
21
Empirical CDF of C1
Normal
Mean
30
StDev 15.81
N
5
100
Percent
80
60
40
20
0
-10
10
20
30
C1
40
50
60
70
Empirical CDF of C2, C3

Normal
Variable
C2
C3
100
Mean StDev N
3 1.581 5
13 1.581 5
Percent
80
60
40
20
0
0
8
10
Data
II .
12
14
16
18
SARI NUMERIK DATA
Ukuran Pemusatan, Ukuran Letak dan Ukuran Penyimpangan Data

2.1. Bagi data mentah atau data tidak berkelompok
2.1.1 Ukuran Pemusatan Data
Eri Setiawan
22
2.1.1.1 Rata-rata Hitung

Jika data populasi, misalkan N = {1, 2, 3, 4, 5}, maka
N
Xi =
i 1
N
1 2 3 4 5
3
5
Jika data sampel, misalkan n = {1, 2, 3, 4, 5}, maka

n
Xi =
i 1
n
1 2 3 4 5
3
5
2.1.1.2. Rata-rata Ukur ( Rata-rata Geometrik )

Digunakan untuk menghitung rata-rata laju kenaikan atau laju penurunan dari sekelompok data
pada peridr tertentu, yang mempunyai perubahan angka secara mencolok. Dengan notasi
sebagai
G
X 1 . X 2 ....... X n
Contoh
Tingkat penjualan motor PT Adira selama empat tahun terakhir adalah 1000, 3000, 5000, 9000
Jawab
n
Kalau dengan rata-rata hitung adalah

G
Xi =
i 1
n
1000 3000 5000 9000

4500
4
X 1 . X 2 ....... X n
G 4 1000 x3000 x5000 x9000.
= 3408,66 atau 3409.

Ditinjau dari trend penjualan sampai tahun ke empat.
Eri Setiawan
23
Trend Penjualan Motor dari Dealer Adira
Banyaknya Motor yang Terjual
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
1
Tahun Penjualan
Ditinjau dari prakiraan penjualan sampai tahun ke sembilan.

Plot Analisis Penjualan Motor
Banyaknya Motor yang Terjual
Linear Trend Model

Yt = -2000 + 2600* t
Variable
Actual
Fits
Forecasts
20000
Accuracy Measures
MAPE
17
MAD
500
MSD
300000
15000
10000
5000
0
1
4
5
6
Tahun Penjualan
Eri Setiawan
24
Moving Average Motor yang terjual

Variable
Actual
Fits
9000
8000
Moving Average
Length 2
7000
Accuracy Measures
MAPE
16
MAD
1333
MSD
4166667
c1
6000
5000
4000
3000
2000
1000
0
1
Tahun Penjualan
Pareto Chart untuk Penjualan Motor

100
80
60
2
40
1
0
c1
Count
Percent
Cum %
20
1000
1
25.0
25.0
3000
1
25.0
50.0
Cara lainnya
Gn
X
X1 X 2
.
..... n
X 0 X1
X n 1
Xn
X0
5000
1
25.0
75.0
9000
1
25.0
100.0
Percent
Tahun Penjualan
Eri Setiawan
25
dengan
G = rata-rata geometrik
X0 = Data awal
Xn = Data yang ke-n
n = banyaknya data
Gn
X
X1 X 2
.
..... n
X 0 X1
X n 1
3000 5000 9000

.
.
=
1000 3000 5000
9000
= 1,73
1000
Berarti rata-rata laju kenaikan penjualan motor secara rasio adalah 1,73 dari tahun ke tahun.
Rata-rata Geometrik ( Rasio 1,73 )
1.000 x 1,73 = 1.730
1,730 x 1,73 = 2.993
2.993 x 1,73 = 5.178
5.178 x 1,73 = 8.958
Kalau diperhatikan hasil 8 958 hampir sama dengan 9 000 ( karena pembulatan hasil 1,73 )
2.1.1.3. Rata-rata Harmonik ( Harmonic Mean )
Eri Setiawan
26
Dalam rata-rata hitung secara matematis merupakan sebuah rasio atau proses pembagian antara
pembilang dengan penyebut, sedangkan dalam rata-rata harmonik akan digunakan bila
pembilang tetap sedangkan penyebut bervariasi. Dengan perumusan sebagai
n
1
dengan
H = rata-rata harmonik
Xi = data ke-i.
n = banyaknya data
Contoh: bila digunakan data di atas, maka :
H
4
4
1 =
1
1
1
1 = 148
= 2857
(
Xi
90000
1000 3000 5000 9000
Bila diperhatikan contoh di atas antara rata-rata hitung, rata-rata geometrik dan rata-rata harmonik
maka :
hasilnya adalah 2857 < 3409 < 4500 atau H < G < X .
n
w
i 1
n
wi
X
i 1
dengan
H = rata-rata harmonik
Xi = data ke-i.
n = banyaknya data
w = bobot dari data
Eri Setiawan
27
Contoh
Sebuah mobil menempuh perjalanan dari kota A ke kota B, C dan D. Jarak antar kota sebagai
berikut: Kota A ke Kota B = 900 kilo meter
Kota A ke Kota C = 800 kilo meter
Kota A ke Kota D = 700 kilo meter
Untuk menempuh kota tersebut digunakan mobil dengan tiga kecepatan yang berbeda, yaitu:
Kota A ke Kota B dengan kecepatan 45 km perjam
Kota A ke Kota C dengan kecepatan 50 km perjam
Kota A ke Kota D dengan kecepatan 70 km perjam
Berapakah rata-rata kecepatan mobil tersebut.
Jawab
n
Jika menggunakan rata-rata hitung, maka rata-rata kecepatan
Xi =
i 1
n
45 50 70
55
3
w
i 1
n
wi
i 1 X i
900 800 700

900 800 700 = 52,174
(
)
45
50
70
Berarti rata-rata kecepatan harmonik adalah 52,174 km perjam
2.1.2. Modus ( Mode = Mo )

Modus adalah suatu fenomena yang sering muncul, atau suatu kejadian yang sering terjadi.
Contoh: misalkan datanya. 1, 3, 2, 4, 5, 3
Jawab:
Urutkan datanya dari kecil ke besar,sehingga:
Eri Setiawan
28
1, 2, 3, 3, 4, 5
Maka Mo = 3
2.2. Ukuran Letak Data
2.2.1. Median ( Me )
Median adalah membagi data menjadi dua bagian yang sama.
Caranya:
Untuk data ganjil:
Misalnya: 2, 1, 3, 5, 6, 4, 2
1. Urutkan data tersebut dari kecil ke besar, sehingga: 1, 2, 2, 3, 4, 5, 6
2. Letak Median adalah data keempat
3. Nilai Mediannya adalah 3 atau Me = 3
Untuk data genap
Misalnya: 2, 1, 3, 5, 5, 6, 4, 2
1. Urutkan data tersebut dari kecil ke besar, sehingga: 1, 2, 2, 3, 4, 5, 5, 6
2. Tentukan Letak Median, yaitu :
( n 1)
2
Berhubung banyaknya data delapan,
( n 1) (8 1)
=
= 4,5 adalah data ke 4,5 ( empat koma
2
2
lima )
3. Nilai Mediannya adalah
Me = Data ke-4 + (Data ke-5 Data ke-4)
= 3 + (4 3) = 3,5
Misalnya: 2, 5, 7, 6, 9, 7, 8, 4
Urutkan data tersebut dari kecil ke besar, sehingga: 2, 4, 5, 6, 7, 7, 8, 9
Letak Median adalah data keempat dan data kelima atau data ke 4,5 ( empat koma lima )
Nilai Mediannya adalah
Eri Setiawan
29
Me = Data ke-4 + (Data ke-5 Data ke-4)

= 6 + ( 7 6 ) = 6,5
2.2.2. Kuartil ( Ki )
Kuartil adalah membagi data menjadi empat bagian yang sama.
Jadi Ki , di mana i = 1, 2, 3.
Caranya:
1.
Susun data tersebut dari kecil ke besar
2.
Tentukan letak Kuartil yang diinginkan, yaitu dengan K i
3.
Tentukan nilai Kuartil yang diinginkan.
i ( n 1)
4
Contoh:
Data sebagai berikut: 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
Setelah disusun menjadi: 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
Maka letak untuk K1 =
1(12 1)
4
3 14
Jadi nilai K1 = Data ke-3 + ( Data ke-4 Data ke-3 )

= 57 + ( 60 57 )
= 57 = 57,75
Untuk K3 =
3(12 1)
4
9 43

= 82 + ( 86 82 ) = 85
Untuk K2 = Me atau
K2 =
2 (12 1)
4
= 6,5

= 66 + ( 70 66 ) = 68
K2 = Me, Jadi Median sama dengan nilai K2
Eri Setiawan
30
2.2.3. Desil ( Di )
Desil adalah membagi data menjadi 10 bagian yang sama.
Jadi, Di , di mana i = 1, 2, . . . , 9.
Caranya:
1. Susun data tersebut dari kecil ke besar
2. Tentukan letak Desil yang diinginkan, yaitu dengan Di
i (n 1)
10
3. Tentukan nilai Di yang diinginkan.

Contoh:
Tentukan D3 ? dari data 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
Letak D3 =
3(12 1)
= 3,9
10
Nilai D3 = Data ke-3 + 0,9 (data ke-4 data ke-3)

= 57 + 0,9 (60 57) = 57 + 2,7 = 59,7
2.2.4. Persentil ( Pi )
Persentil adalah membagi data menjadi seratus bagian yang sama. Jadi, P i , di mana i = 1, 2, . .
, 99
Caranya:
1. Susun data tersebut dari kecil ke besar
2. Tentukan letak Desil yang diinginkan, yaitu dengan Pi
3. Tentukan nilai Di yang diinginkan.
Contoh:
i ( n 1)
100
Eri Setiawan
31
Tentukan nilai P10 ? dari data 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
Letak P10 adalah P10
10(12 1)
= 1,3
100
= 52 + 0,3 (56 52) = 52 + 1,2 = 53,2

2.3.
2.3.1. Simpangan Baku ( Standard Deviation )

n
Jika data sampel, maka
( X i X )2
i 1
n 1
Contoh
Diketahui data sampel sebagai berikut : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
Dari data tersebut diperoleh harga-harga n = 12, Xi = 854, Xi2 = 63 086, K1 = 57,75 dan K3 =
85,0 X = 71,17
n( X i ) ( X i ) 2
2
S =
n(n 1)
12(63086) (854) 2
= 209,97 maka s = 14,49
12(12 1)
2.3.2. Rentang Antar Kuartil ( RAK )

RAK = K3 K1
Untuk data tersebut di atas, maka RAK = 85,00 57,75 = 27,25
2.3.3. Koefisien Keragaman ( KK atau Coeffition of Variation )

KK =
s
x 100 %
x
14,49
Untuk data tersebut di atas, maka KK = 71,17 x100% = 20,36

Jika dihitung dengan paket program diperoleh:
Descriptive Statistics: C1
Variable
Mean St-Dev
Variance Coef-Var
Q1
Q3
IQR
Eri Setiawan
C1
12 71,17 14,49
209,97
20,36
32
57,75 85,00
27,25
Contoh Latihan
Diketahui data sampel mengenai nilai Quis dari 2 kelompok mahasiswa Unila, sebagai berikut:
I
40 41 42 42 43 43 45 45 45 45 47 47 48 48 49 50
II 35 36 36 37 37 38 40 40 40 40 42 43 43 44 44 45
a. Hitung Rata-rata, Modus , Median, Kuartil 1 dan Kuartil 3 untuk Mahasiswa Kelompok I
b. Hitung Rata-rata, Modus , Median, Kuartil 1 dan Kuartil 3 untuk Mahasiswa Kelompok II
c. Hitung Ragam dan Simpangan baku untuk kelompok I dan II
d. Hitung RAK dan KK untuk kelompok I dan II
e. Buatlah Boxplot dari kedua kelompok mahasiswa tersebut?
Jawab
a. Untuk Data Kelompok I
X
40 41 ...... 50
720
=
= 45 ,
16
16
Mo = 45
Letak Me =
( n 1)
(16 1)
=
= 8,5
2
2
Nilai Me = Data ke-8 + 0,5 ( Data ke-9 Data ke-8 )

= 45 + 0,5 ( 45 45 ) = 45 ,
Letak Ki atau Qi =
Letak K1 =
i ( n 1)
4
1(16 1)
= 4,25
4
Nilai K1 = Data ke-4 + 0,25 ( Data ke-5 Data ke-4 )

= 42 + 0,25 ( 43 42 ) = 42, 25 atau Q1 = 42,25
Eri Setiawan
33
3(16 1)
51
Letak K3 =
=
= 12,75
4
4

= 47 + 0,75 ( 48 47 ) = 47 + 0,75 = 47,75 atau Q 3 = 47,75
b. Untuk Data Kelompok II
X
35 36 ...... 45
640
=
= 40 ,
16
16
Mo = 40
Letak Me =
( n 1)
(16 1)
=
= 8,5
2
2
Nilai Me = Data ke-8 + 0,5 ( Data ke-9 Data ke-8 )

= 40 + 0,5 ( 40 40 ) = 40 ,
Letak Ki atau Qi =
Letak K1 =
i ( n 1)
4
1(16 1)
= 4,25
4

= 37 + 0,25 ( 37 37 ) = 37 atau Q1 = 37
Letak K3 =
3(16 1)
51
=
= 12,75
4
4

= 43 + 0,75 ( 43 43 ) = 43 + 0 = 43 atau Q3 = 43
n( X i ) ( X i ) 2
2
c. Ragam untuk Klp I adalah
s =
n(n 1)
simpangan baku untuk klp I adalah s =
S2
8,989
n( X i ) ( X i ) 2
2
Ragam untuk Klp II adalah s =
n(n 1)
simpangan baku untuk klp II adalah s =
S2
16(32534) (720) 2
= 8,933
16(16 1)
= 2,989
16( 25758) (640) 2
= 10,533
16(16 1)
10,533
= 3,246
Eri Setiawan
34
d. RAK( IQR = Inter Quartile Range ) untuk KLP I = Q3 Q1 = 47,75 42,25 = 5,5
RAK( IQR = Inter Quartile Range ) untuk KLP II = Q3 Q1 = 43,0 37,0 = 6,0
KK ( CV = Coefficient of Variation ) untuk Klp I =
s
2,989
x 100 % =
x 100 % = 6,64 %
X
45
KK ( CV = Coefficient of Variation ) untuk Klp II =
s
3,246
x 100 % =
x 100 % = 8,11 %
X
40
e. Boxplot untuk Klp I dan II

Boxplot of Klp I
50
48
Klp I
46
44
42
40
Eri Setiawan
35
Boxplot of Klp II
45,0
Klp II
42,5
40,0
37,5
35,0
Boxplot of Klp I; Klp II

50,0
47,5
Data
45,0
42,5
40,0
37,5
35,0
Klp I
Klp II
Eri Setiawan
36
Jika dikerjakan dengan paket program statistik, yaitu Minitab, diperoleh sebagai berikut
Descriptive Statistics: Klp I; Klp II
Variable N
Mean St-Dev
Variance
Coef-Var Q1
Median Q3
RAK=IQR
Mode
Klp I
16 45,0
2,989
8,933
6,64
42,25
45,0
47,75
5,5
16 40,0
3,246
10,533
8,11
37,00
40,0
43,00
6,0
45
Klp II
40
Diagram Batang dan Daun Untuk Data Klp I dan II ( Stem-and-Leaf Display: Klp I; Klp II )
Stem-and-leaf of Klp I N = 16
Leaf Unit = 0,10
1 40 0
2 41 0
4 42 00
6 43 00
6 44
(4) 45 0000
6 46
6 47 00
4 48 00
2 49 0
1 50 0
Stem-and-leaf of Klp II N = 16
Leaf Unit = 0,10
1 35 0
3 36 00
5 37 00
6 38 0
6 39
(4) 40 0000
6 41
6 42 0
5 43 00
3 44 00
1 45 0
Eri Setiawan
37
Dotplot Data Klp I dan II
Klp I
Klp II
36
38
40
42
Data
44
46
Each symbol represents up to 7 observations.
Individual Value Plot of Klp I; Klp II

50,0
47,5
Data
45,0
42,5
40,0
37,5
35,0
Klp I
Klp II
48
50
Eri Setiawan
38
Boxplot Dari C1 C2 C3
50.0
47.5
Data
45.0
42.5
40.0
37.5
35.0
Kelompok I
Kelompok II
Probability Plot of Klp I

Normal - 95% CI
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
35
40
45
Klp I
50
55
45
2,989
16
0,288
0,570
Eri Setiawan
39
Probability Plot of Klp II

Normal - 95% CI
99
Mean
StDev
N
AD
P-Value
95
90
40
3,246
16
0,422
0,283
Percent
80
70
60
50
40
30
20
10
5
30
35
40
Klp II
45
50
Trend Data Kelompok I dan II

Variable
Klp I
Klp I I
50.0
47.5
Data
45.0
42.5
40.0
37.5
35.0
2
8
10
Banyaknya Data
12
14
16
Eri Setiawan
40
b. Bagi Data Berkelompok

Bagi data cukup banyak atau disebut data berkelompok sebaiknya dibuat dalam tabulasi.
Membuat Tabulasi Data
Tabulasi data dapat dikerjakan dengan menggunakan komputer, tabulasi data dengan komputer
dapat menghemat waktu dan efisien. Membuat tabulasi termasuk dalam kerja memproses data.
Membuat tabulasi data tidak lain dari memasukan data ke dalam tabel-tabel dan mengatur
angka-angka, sehingga dapat dihitung jumlah kasus dalam berbagai kategori.
Bagian dari Tabel
Tabel terdiri dari baris dan kolom, tabel yang sederhana mempunyai 4 (empat) bagian penting,
yaitu:
1. membuat nomor dan judul tabel , 2. stub (potongan) , 3. box head ( ) dan 4. body (badan)
Tabel
Judul
Box head (Judul Kolom)
Stub
(Judul Baris)
body
( badan )
Jenis-jenis Tabel
Ada beberapa jenis tabel yang sering digunakan, antara lain:
a. Tabel induk (master table)
b. Tabel teks (text table)
c. Tabel frekuensi (frequention table)
Tabel Induk
Eri Setiawan
41
Tabel induk adalah tabel yang berisi semua data yang tersedia secara terperinci. Tabel ini biasa
dibuat untuk melihat kategori data secara keseluruhan. Tabel tersebut tidak pernah dimasukan ke
dalam penjelasan keterangan, tetapi digunakan sebagai dasar tabel untuk membuat tabel lain
yang lebih singkat. Jika sangat diperlukan, tabel ini diletakan pada apendiks. Tabel induk berisi
semua informasi atau keterangan yang diperlukan.
Tabel Teks
Tabel teks adalah tabel yang telah diringkaskan untuk suatu keperluan tertentu. Tabel ini biasanya
diletakan dalam teks keterangan yang dibuat. Tabel teks digunakan ketika membuat penafsiran.
Tabel teks lebih pendek dan lebih padat serta tidak mengandung banyak baris dan kolom.
Tabel Frekuensi
Tabel frekuensi adalah tabel yang menyajikan berapa kali sesuatu hal terjadi. Kategori dinyatakan
dalam kelas tertentu dan terdapat dalam stub. Kelas atau kelompok diletakan dalam kolom kedua
dan jika diinginkan suatu persentase diletakan pada kolom ketiga. Tabel frekuensi yang
menyatakan persentase dinamakan tabel frekuensi relatif, sedangkan jika angka angka kumulatif
yang digunakan, maka tabel tersebut dinamakan tabel frekuensi kumulatif.
Untuk data yang berukuran cukup banyak sebaiknya dibuat dalam bentuk kelompok sebut saja
dibuat dalam bentuk sebaran (distribusi) frekuensi. Dari kelompok tersebut baru dianalisis secara
deskripsi.
2.2.1. Sebaran (distribusi) Frekuensi

Caranya?
Dari kelompok data yang masih mentah tersebut, susun atau urutkan terlebih dahulu dari data
terkecil ke data terbesar.
1. Tentukan Rank atau Range atau Rentang atau R, yaitu:
R = Data terbesar Data terkecil
2. Tentukan banyak kelas interval ( b ) dengan aturan Strugess, yaitu:
b = 1 + 3,3 log n
Eri Setiawan
42
n = banyaknya data.
3. Tentukan panjang kelas interval ( p ), yaitu: p =
R
b
4. Tentukan nilai ujung kiri kelas interval pertama ( biasanya nilai data terkecil ).
Contoh 1:
Hasil ujian Statistika dari 100 mahasiswa Jurusan Manajemen , Jurusan Fakultas Ekonomi
Universitas Ruwa Jurai, Bandar Lampung. Semerter Genap 2005/2006, sebagai berikut:
36 40
41 43 44
37 40
42 43 44
37 40
42 43 44
38 40
42 43 44
38 40
42 43 44
38 41
42 43 45
39 41
42 44 45
39 41
42 44 45
39 41
43 44 45
39 41
43 44 45
Histogram berdasarkan data
45
45
45
45
45
46
46
46
46
46
46
46
46
46
47
47
47
47
47
47
47
47
48
48
48
48
48
48
48
49
49
49
49
49
49
50
50
50
50
50
51
51
51
51
52
52
52
53
53
54
Eri Setiawan
43
1. Tentukan rentang atau range/rank (R) ialah data terbesar, yaitu 95 dikurangi data terkecil, yaitu
34, maka R = 54 36 = 18
2. Tentukan banyak kelas interval (b) dengan aturan Strurgess, yaitu:
b = 1 + (3,3) log n di mana n = banyaknya data = fi
b = 1 + 3,3 log 100
= 1 + 3,3 (2) = 7,6 8
3. Tentukan panjang kelas interval (p), yaitu:
p
R
18
=
3
b
8
4. Tentukan ujung kiri kelas interval pertama, biasanya diambil sama dengan data terkecil, yakni
36. Selanjutnya sajikan dalam bentuk tabel sebagai berikut:
NILAI UJIAN
36
38
39
41
42
44
45
47
48
50
51
53
54
56
JUMLAH
TABULASI
IIIII I
IIIII IIIII IIIII
IIIII IIIII IIIII IIIII IIII
IIIII IIIII IIIII IIIII IIIII II
IIIII IIIII IIIII III
IIII III
I
FREKUENSI
6
15
24
27
18
9
1
100
Tabel Sebaran Frekuensi, sebagai berikut:

NILAI UJIAN
36
38
39
41
42
44
45
47
48
50
51
53
54
56
JUMLAH
Contoh 2.
NILAI TENGAH (XI)

37
40
43
46
49
51
54
-
FREKUENSI ( fi )
6
15
24
27
18
9
1
100
Eri Setiawan
44
Hasil ujian Statistika dari 80 mahasiswa Program Studi Biologi, Jurusan MIPA FKIP Universitas
Ruwa Jurai, Bandar Lampung. Semerter Genap 2001/2002, sebagai berikut:
66. 41.
73. 57.
36. 65.
66. 81.
95. 37.
52. 73.
82. 61.
54. 63.
Prosedurnya:
69.
53.
87.
48.
68.
80.
77.
85.
46.
65.
63.
64.
56.
74.
64.
59.
61.
74.
72.
45.
58.
67.
68.
75.
67.
34.
93.
74.
65.
56.
55.
62.
70.
79.
47.
67.
44.
51.
64.
71.
76.
55.
66.
60.
57.
49.
59.
50.
84.
62.
75.
54.
78.
86.
76.
55.
56.
43.
90.
64.
39.
47.
58.
72.
Urutkan data dari kecil ke besar, maka:

34 36 37 39 41 43 44 45 46 47 47 48 49 50 51 52 53 54 54 55 55 55 55 56 56 56 57 57 58
58 59 59 60 61 61 62 62 63 63 64 64 64 65 65 65 66 66 66 67 67 67 68 68 69 70 71 72 72
73 73 74 74 74 75 75 76 76 77 78 79 80 81 82 84 85 86 87 90 93 95
1. Tentukan rentang atau range/rank (R) ialah data terbesar, yaitu 95 dikurangi data terkecil, yaitu
34, maka R = 95 34 = 61
2. Tentukan banyak kelas interval (b) dengan aturan Strurgess, yaitu:
b = 1 + (3,3) log n di mana n = banyaknya data = fi
b = 1 + 3,3 log 80
= 1 + 3,3 (1,903) = 7,28 7
3. Tentukan panjang kelas interval (p), yaitu:
p
R
61
=
9
b
7
4. Tentukan ujung kiri kelas interval pertama, biasanya diambil sama dengan data terkecil, yakni
34. Selanjutnya sajikan dalam bentuk tabel sebagai berikut:
NILAI UJIAN
34
42
43
51
52
60
61
69
70
78
TABULASI
IIIII
IIIII IIIII
IIIII IIIII IIIII III
IIIII IIIII IIIII IIIII I
IIIII IIIII IIIII
FREKUENSI
5
10
18
21
15
Eri Setiawan
79
88
JUMLAH
87
96
IIII III
III
45
8
3
80
Tabel Sebaran Frekuensi, sebagai berikut:

NILAI UJIAN
34
- 42
43
- 51
52
- 60
61
- 69
70
- 78
79
- 87
88
- 96
JUMLAH
NILAI TENGAH (XI)

38
47
56
65
74
83
92
-
FREKUENSI ( fi )
5
10
18
21
15
8
3
80
Histogram of Nilai Ujian

14
12
Frequency
10
8
6
4
2
0
40
50
60
70
Nilai Ujian
80
90
Eri Setiawan
46
Nilai Ujian
Banyaknya Mahasiswa
0
34 36 37 39 41 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 84 85 86 87 90 93 95
Nilai Ujian
Individual Nilai Ujian
30
40
50
60
70
Nilai Ujian
80
90
100
Eri Setiawan
47
Boxplot of Nilai Ujian

100
90
Nilai Ujian
80
70
60
50
40
30
Nilai UAS Mahasiswa Biologi FMIPA Unila

250
Frequency
200
150
100
50
40
48
56
64
72
Nilai Ujian Mahasiswa
80
88
96
Eri Setiawan
48
Empirical CDF ( Cumulaive Density of Function ) Nilai Ujian

Normal
Mean
StDev
N
100
Persetase Nilai
80
60
40
20
0
30
40
50
60
70
Nilai Ujian
80
90
100
63.51
13.70
80
Eri Setiawan
49
2.2.1.1. Rata-rata Hitung

Bagaimana cara menghitung rata-rata untuk data dalam sebaran frekuensi ?
Ada dua cara menghitung rata-rata untuk data dalam sebaran frekuensi, yaitu:
Cara biasa adalah X
fX
f
i
Dengan fi = frekuensi kelas interval dan Xi = nilai tengah kelas interval

Untuk contoh data tersebut di atas adalah
Kelas Interval
34
- 42
43
- 51
52
- 60
61
- 69
70
- 78
79
- 87
88
- 96
JUMLAH
Jadi, X fi =
fiXi
Cara coding
Nilai tengah ( Xi )
38
47
56
65
74
83
92
Frekuensi( fi )
5
10
18
21
15
8
3
80
fiXi
190
470
1 008
1 365
1 110
664
276
5 083
5083
= 63,5375
80
fici
X X 0 p fi

dengan X0 = rata-rata sementara di mana coding ditetapkan

p = panjang kelas interval
ci = coding ( pemberian kode )
fi = frekuensi kelas interval.
Kelas Interval
34
- 42
43
- 51
52
- 60
61
- 69
70
- 78
79
- 87
88
- 96
JUMLAH
Nilai tengah ( Xi )
38
47
56
65
74
83
92
Frekuensi ( fi ) Coding ( ci )
fici
5
-3
- 15
10
-2
- 20
18
-1
- 18
21
0
0
15
1
15
8
2
16
3
3
9
80
-13
fici
(
13
)
117
X X 0 p fi = 65 + 9
= 65 = 65 1,4625 = 63,5375

80
80
Eri Setiawan
50
Jika dihitung secara langsung tanpa dibuat sebaran frekuensi terlebih dulu dengan bantuan paket
program diperoleh hasinya sebagai berikut:
Descriptive Statistics: Nilai
Variable N
Nilai
Mean
StDev Variance
80 63,61 13,72
188,11
N for
Q1
Median
Q3
Mode Mode
54,25 64,00
73,75
64; 65
Histogram of Nilai
18
16
14
Frequency
12
10
8
6
4
2
0
40
50
60
70
Nilai
80
90
Eri Setiawan
51
Histogram (with Normal Curve) of Nilai

18
Mean 63,61
StDev 13,72
N
80
16
14
Frequency
12
10
8
6
4
2
0
40
50
60
70
Nilai
Boxplot of Nilai
100
90
80
Nilai
70
60
50
40
30
80
90
Eri Setiawan
52
Jika dikerjakan dengan paket program SPSS Statistics 17.0 sebagai berikut:
Descriptives
Descriptive Statistics
N
Minimum
80
Valid N (listwise)
80
Frequencies
Statistics
X
N
Valid
Missing
80
0
34
Maximum
95
Mean
63.62
Std. Deviation
13.671
Eri Setiawan
53
X
Frequency Percent
Valid
Valid
Percent
Cumulative
Percent
34
1.3
1.3
1.3
36
1.3
1.3
2.5
37
1.3
1.3
3.8
39
1.3
1.3
5.0
41
1.3
1.3
6.3
43
1.3
1.3
7.5
44
1.3
1.3
8.8
45
1.3
1.3
10.0
46
1.3
1.3
11.3
47
2.5
2.5
13.8
48
1.3
1.3
15.0
49
1.3
1.3
16.3
50
1.3
1.3
17.5
51
1.3
1.3
18.8
52
1.3
1.3
20.0
53
1.3
1.3
21.3
54
2.5
2.5
23.8
55
3.8
3.8
27.5
56
3.8
3.8
31.3
57
2.5
2.5
33.8
58
2.5
2.5
36.3
59
2.5
2.5
38.8
60
1.3
1.3
40.0
61
2.5
2.5
42.5
62
2.5
2.5
45.0
63
2.5
2.5
47.5
64
5.0
5.0
52.5
65
3.8
3.8
56.3
66
3.8
3.8
60.0
67
3.8
3.8
63.8
68
2.5
2.5
66.3
69
1.3
1.3
67.5
70
1.3
1.3
68.8
71
1.3
1.3
70.0
72
2.5
2.5
72.5
Eri Setiawan
54
Explore
Case Processing Summary
Cases
Valid
N
Percent
80
100.0%
Missing
N
Total
Percent
0
.0%
Percent
80
100.0%
Descriptives
Statistic Std. Error
X
Mean
95% Confidence
Interval for Mean
63.63
Lower Bound
60.58
Upper Bound
66.67
5% Trimmed Mean
63.60
Median
64.00
Variance
Std. Deviation
186.896
13.671
Minimum
34
Maximum
95
Range
61
Interquartile Range
19
Skewness
Kurtosis
1.528
.027
.269
-.336
.532
Contoh lainnya
Diketahui data hasil Quis Statistika pada 80 mahasiswa yang sudah disajikan dalam bentuk
Sebaran atau distribusi frekuensi, namun sesuatu hal data tersebut hilang namun masih ingat
Nilai Tengah atau Tanda Kelas ( Xi ) dan Frekuensi ( fi ) untuk masing-masing kelas interval
sebagai berikut:
Eri Setiawan
55
65 dan 21, 38 dan 5, 92 dan 3, 47 dan 10, 74 dan 15, 56 dan 18 serta 83 dan 8
Pertanyaannya
Buatlah Tabel sebaran frekuensi
Jawab
Untuk mendapatkan kelas interval, maka urutkan atau susun nilai X i dan fi dari kecil ke besar.
Selanjutnya lihat selisihnya berapa ? Dari 38 ke 47 selisihnya 9 dan dari 47 ke 56 juga 9, maka
pamjang kelas (p) adalah 9. Selanjutnya cari lebar kelas ( jika panjang kelas interval 9, maka
lebarnya adalah 8 ). Bila lebar dibagi dua atau 8 dibagi 2 adalah 4. Dari nilai tengah kelas interval
pertama, yaitu 38 dikurangi 4, maka didapat ujung kiri kelas interval pertama yaitu 34. Dari nilai
tengah kelas interval pertama, yaitu 38 ditambah 4, maka didapat ujung kanan kelas interval
pertama yaitu 42. dan seterusnya, sehingga diperoleh sebaran frekuensi dan dihitung untuk
keperluan lainnya sebagai berikut
Kelas Interval
34 - 42
43 - 51
52 - 60
61 - 69
70 - 78
79 - 87
88 - 96
Jumlah
Xi
38
47
56
65
74
83
92
fi
5
10
18
21
15
8
3
80
f i Xi
190
470
1 008
1 365
1 110
664
276
5 083
ci
-3
-2
-1
0
1
2
3
2.2.1.1. a. Rata-rata cara biasa, X fi =

fiXi
f i ci
-15
-20
-18
0
15
16
9
-13
fi Xi2
7 220
22 090
56 448
88 725
82 140
55 112
25 392
337 127
fi ci2
45
40
18
0
15
32
27
177
5083
= 63,5375
80
fici
2.2.1.1.b. Rata-rata cara coding, X X 0 p fi
13
80
= 65 + 9
= 65 1,4625 = 63,5375
hasilnya sama
Eri Setiawan
2.2.1.2. Modus
Bagaimana cara menghitung Modus ( Mo ) untuk data dalam sebaran frekuensi ?
b1
Mo = b + p
b
b
1 2
dengan b = batas bawah dari kelas interval di mana Modus berada

b1 = selisih frekuensi kelas Modus dengan sebelum kelas Modus
b2 = selisih frekuensi kelas Modus dengan sesudah kelas Modus.
b1
Jadi, Mo = b + p
b1 b2
36
= 60,5 + 9
= 60,5 + 3 = 63,5
2.2.1.3. Median ( Me )
Bagaimana cara menghitung Median ( Me ) untuk data dalam sebaran frekuensi?
Me =
n
F
b p 2
f
dengan n = banyaknya data

b = batas bawah dari kelas interval di mana Median berada
F = jumlah frekuensi sebelum frekuensi kelas yang ada Median
f = frekuensi yang ada Median
56
Eri Setiawan
80 33
2
60
,
5
9
Jadi, Me =
= 60,5 + 3 = 63,5
21
2.2.1.4. Kuartil ( Ki )
Bagaimana cara menghitung Kuartil (Ki ) untuk data dalam sebaran frekuensi?
Ki = b + p
in
F)
4
f
Contoh
Hitung K1
80 15
4
K1 = 51,5 + 9
18
= 51,5 + 2,5 = 54,0

Hitung K3
240 54
4
K3 = 69,5 + 9
15
= 69,5 + 3,6 = 73,1
2.2.1.5. Desil ( Di )
in F
4
Di = b + p
240 15
10
D3 = 51,5 + 9
18
= 51,5 + 4,5 = 56,00

560
D7 = 69,5 + 9
10
15
54
57
Eri Setiawan
58
= 69,5 + 1,2 = 70,7
2.2.1.6. Persentil ( Pi )
in
Pi = b + p
100
f
800
P10 = 42,5 + 9
100
10
= 42,5 + 2,7 = 45,2

7200
P90 = 78,5 + 9
100
8
69
= 78,5 + 3,375 = 81,875
2.2.1.7. Ragam ( S2 ) dan Simpangan Baku ( S )

Untuk data dalam Sebaran Frekuensi
fi( fiXi ) ( fiXi)

( fi )
2
cara biasa s2 =
cara coding s = p (
( fidi 2 )
fi
s2 = 177,0741
fidi
fi
80(337127) (5083) 2
= 177,0736
6400
) = 92 (
177 13
80 80
s = 13,307
) = 81( 2,2125 0,0264)
s = 13,307
sama
Terlihat nilai rata-rata, yaitu 63,5375 adalah sama antara cara biasa dan cara coding, begitu juga
nilai simpangan baku cara biasa dan cara coding adalah sama yaitu 13,307.
2.2.1.8. Ukuran Kemiringan

Ukuran kemiringan merupakan ukuran yang menyatakan sebuah model sebaran atau distribusi
yang mempunyai kemiringan tertentu. Jika diketahui besarnya nilai ukuran kemiringan, maka
Eri Setiawan
59
dapat diketahui bagaimana model distribusinya. Apakah distribusi tersebut simetris, positif atau
negatif, dengan melihat nilai dari koefisien kemiringan.
Ada empat jenis Koefisien Kemiringan, yaitu:
( x Mo)
s
3( x Mo)
2. K untuk Pearson 2 adalah k
s
( K 3 2 K 2 K1 )
3. K untuk Kuartil adalah k =
K 3 K1
( P90 2 P50 P10 )
4. K untuk Persentil adalah k =
P90 P10
1. K untuk Pearson 1 adalah k
Ada tiga kriteria untuk mengetahui model distribusi dari sekumpulan data, yaitu:
1. Jika koefisien kemiringan lebih kecil dari nol, maka bentuk distribusinya negatif.
2. Jika koefisien kemiringan lebih besar dari nol, maka bentuk distribusinya positif.
3.
Jika koefisien kemiringan sama dengan nol, maka bentuk distribusinya simetris.
2.2.1.9. Kurtosis
Kurtosis merupakan derajat kepuncakan dari suatu distribusi, biasanya diambil relatif terhadap
distribusi normal. Koefisien Kurtosis ( K ) dengan perumusan :
K=
0,5( K 3 K 1 )
P90 P10
a. Suatu distribusi yang mempunyai puncak relatif tinggi dinamakan leptokurtik.

b. Suatu distribusi yang mempunyai puncak relatif mendatar dinamakan platikurtik.
c. Suatu distribusi yang mempunyai puncak tidak terlalu tinggi dan tidak terlalu mendatar
dinamakan mesokurtik.
Ada tiga kriteria untuk mengetahui derajat kepuncakan dari suatu distribusi, yaitu:
Jika koefisien kurtosis kurang dari 0,263, maka distribusinya disebut
1.
platikurtik.
Eri Setiawan
60
Jika koefisien kurtosis sama dengan 0,263, maka distribusinya disebut
2.
mesokurtik.
Jika koefisien kurtosis lebih dari 0,263, maka distribusinya disebut
3.
leptokurtik.
Distribution Plot
Normal
0.09
Mean StDev
30
5
60
20
0.08
Fungsi Padat
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
20
40
60
X
80
100
120
Eri Setiawan
61
Distribution Plot
Normal
0.09
Mean StDev
30
5
50
10
0.08
Fungsi Padat
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
10
20
30
40
50
60
70
80
Untuk lebih jelasnya diberikan contoh data sebagai berikut:

Diketahui data sebagai berikut:
Kelas Interval
61
- 65
66
- 70
71
- 75
76
- 80
81
- 85
86
- 90
91
- 95
Jumlah
Xi
63
68
73
78
83
88
93
fi
4
9
11
2
4
7
3
40
fi Xi
Xi2
fi Xi2
ci
ci2
fi ci2
252
3 969
15 876
-3
-12
36
612
4 624
41 616
-2
-18
36
803
5 329
58 619
-1
-11
11
156
6 084
12 168
0
0
0
332
6 889
27 556
1
4
4
616
7 744
54 208
2
14
28
279
8 649
25 947
3
9
27
3 050 43 288 235 990
0
-14
142
Pertanyaannya
a. Hitunglah rata-rata x ( baik cara biasa maupun cara coding )
b. Hitung Modus ( Mo ) dan Median ( Me )
c. Hitung Kuartil 1 ( K1 ) dan Kuartil 3 ( K3 )
Eri Setiawan
d. Hitung Desil 3 ( D3 ) dan Desil 7 ( D7 )

e. Hitung Persentil 10 ( P10 ) dan Persentil 90 ( P90 )
f. Hitung simpangan baku ( s ) cara biasa maupun cara coding
g. Hitung Koefisien Kemiringan ( k )
h. Hitung Koefisien Keruncingan K ( Kurtosis )
Jawab
x
a. cara biasa
fiXi
fi
3050
= 76,25
40
fici
fi
cara coding x x0 p
14
= 78 1,75 = 76,25
40
= 78 + 5
b1
2
= 70,5 + 5
= 70,5 + 0,91 = 71,41
b. Mo = b + p
29
b1 b2
2 F
Me = b + p
in
c. Ki = b + p
20 13
= 70,5 + 3,18 = 73,68
11
= 70,5 + 5
K1 = 65,5 + 5
K3 = 80,5 + 5
(10 4
= 65,5 + 3,33 = 68,83
9
30 28
= 80,5 + 2,5 = 83,00
4
d. Di = b + p
in
10
30 28
= 65,5 + 2,5 = 68,00
4
28 26
= 80,5 + 5 = 85,50
D7 = 80,5 + 5
4
D3 = 65,5 + 5
e. Pi = b + p
in
10
62
Eri Setiawan
63
40
= 60,5 + 5 = 65,50
4
36 30
= 85,5 + 4,29 = 89,79
= 85,5 + 5
7
P10 = 60,5 + 5
P90
fi( fiXi ) ( fiXi)

( fi )
2
f.
cara biasa s2 =
137100
= 85,6875
1600
2
cara coding s = p (
( fici 2 )
fi
9439600 9302500
40(235990) (3050) 2
=
1600
1600
s = 9,257
fici
fi
= 25 (3,4275) = 85,6875
) = 52 (
142 14
40 40
s = 9,257
g. Koefisien Kemiringan
(76,25 71,41)
( x Mo)
=
= 0,523
9,257
s
3(76,25 71,41)
3( x Mo)
k untuk Pearson 2 adalah k
=
= 1,569
9,257
s
k untuk Pearson 1 adalah k
(K 3 2K 2 K1 )
[83,00 2(73,68) 68,83]
=
= 0,315
83,00 68,83
K 3 K1
( P90 2 P50 P10 )
[89,79 2(73,68) 65,50]
k untuk Persentil adalah k =
=
= 0,326
89,79 65,50
P90 P10
k untuk Kuartil adalah k =
Karena keempat nilai k 0, maka bentuk distribusinya adalah positif ( miring ke kanan )
h. Kurtosis K =
0,5( K 3 K 1 )
0,5(83,00 68,83))
=
= 0,338
89,79 65,50
P90 P10
Karena nilai K 0,263 , maka bentuk distribusinya adalah leptokurtik
Eri Setiawan
64
Distribusi Normal Miring ke kanan ( Leptokurtik )

0.08
0.07
Density
0.06
0.05
0.04
0.03
0.02
0.01
0.00
10
20
X
30
40
Contoh soal
1. Diketahui data sampel mengenai nilai Quis dari 2 kelompok mahasiswa, sebagai berikut:
I
II
60
55
61
57
62
57
62
58
63
58
63
59
65
60
65
60
65
60
65
60
67
61
67
62
68
62
68
63
69
63
70
65
a. Hitung Rata-rata, Modus , Median, Kuartil 1 dan Kuartil 3 untuk Mahasiswa Kelompok I
b. Hitung Rata-rata, Modus , Median, Kuartil 1 dan Kuartil 3 untuk Mahasiswa Kelompok II
c. Buatlah Boxplot dari kedua kelompok mahasiswa tersebut?
d. Hitung Simpangan baku untuk kelompok II (sampai 3 desimal atau 3 angka dibelakang
koma.).
2. Diketahui informasi mengenai Sebaran Frekuensi namun hanya Nilai Tengah dan Frekuensi
untuk masing-masing kelas interval sebagai berikut: 60,0 dan 15;
65,3 dan 11; 54,7 dan 12;
70,6 dan 7
44,1 dan 3.
a. Lengkapilah tabel sebaran frekuensi.tersebut.

b. Hitunglah rata-rata dengan cara biasa dan cara coding
49,4 dan 8;
75,9 dan 4;
Eri Setiawan
65
c. Hitunglah Modus dan Median

d. Hitunglah K1 dan K3
e. Buat Histogram dan Poligon
Jawab
1. Descriptive Statistics: Klp I; Klp II
Variable
Mean StDev Variance Q1
Median
Q3
Mode
Klp I
65,000 2,989
8,933 62,25 65,0 67,75
65
Klp II
60,000 3,246 10,533 57,00 60,0 63,00
60
1.a. X
Xi =
i 1
n
1.b.
1040
= 65, Mo = 65 , Me = 65 , K1 = 62,25 , K3 = 67,75
16
Xi =
i 1
960
= 60, Mo = 60 , Me = 60 , K1 = 57 , K3 = 63
16
1.c.
BOXPLOT Klp I dan Klp II
70,0
67,5
Data
65,0
62,5
60,0
57,5
55,0
Klp I
1.d.
( X i X ) 2 = 2,989
i 1
n 1
Klp II
Eri Setiawan
66
2.a
Kelas Interval
41,5 - 46,7
46,8 - 51,1
51,2 - 57,3
57,4 - 62,6
62,7 - 67,9
68,0 - 73,2
73,3 - 78,5
Jumlah
Xi
44,1
49,4
54,7
60,0
65,3
70,6
75,9
2b. Rata-rata cara biasa,
fi
3
8
12
15
11
7
4
60
Xi2
1 944,81
2 440,36
2 992,09
3 600,00
4 264,09
4 984,36
5 760,81
25 986,52
f i Xi
132,3
395,2
656,4
900,0
718,3
494,2
303,6
3600,0
fi Xi2
5 834,43
19 522,88
35 905,08
54 000,00
46 904,99
34 890,52
23 043,24
220 101,14
fiXi
3600
X fi =
= 60,0
60
fici
Rata-rata cara coding, X X 0 p fi
0
= 60
60
= 60,0 + 5,3
b1
2.c. Mo = b + p
b1 b2
3 4
= 57,35 + 5,3
= 57,35 + 2,27 = 59,62
Me =
n
F
b p 2
f
60 23
2
Me = 57,35 5,3
= 57,35 + 2,47 = 59,82
15
2d.
Ki = b + p
in
F)
4
f
60 11
4
K1 = 51,15 + 5,3
= 51,15 + 1,77 = 52,92
12
60 38
4
K3 = 62,65 + 5,3
= 62,65 + 3,37 = 66,02
11
ci
-3
-2
-1
0
1
2
3
fi ci
-9
-16
-12
0
11
14
12
0
ci2
9
4
1
0
1
4
9
fi ci 2
27
32
12
0
11
28
36
146
Eri Setiawan
67
Eri Setiawan
68
Histogram
16
14
Frek ( fi )
12
10
8
6
4
2
0
44.1
49.4
54.7
60.0
Xi
65.3
70.6
75.9
70,6
75,9
Histogram dan Poligon

16
14
Frekuensi
12
10
8
6
4
2
0
44,1
49,4
54,7
60,0
Xi
65,3
Eri Setiawan
69
III PENGANTAR TEORI PELUANG
3.1. Pendahuluan
Dalam Teori Peluang kita sebenarnya ingin mengukur derajat ketidakpastian dari suatu kejadian,
apalagi kejadian tersebut belum terjadi.
Contoh:
1. Berapa peluang besok akan hujan? Jawabnya adalah
1
= 0,5 mengapa ?
2
Perhatikan kemungkinan terjadi kejadiannya (outcame) adalah hujan atau tidak hujan.
Jadi hujan dan tidak hujan merupakan anggota dari ruang sampel (S) atau S = { hujan, tidak
hujan }
Anggota dari ruang sampel merupakan titik sampel. Jadi kalau ditanya berapa peluang besok
akan hujan
adalah ada satu diantara dua atau satu per dua atau 0,5.
2. Pelantunan sebuah mata uang ( koin ) yang homogen, maka peluangnya adalah 0,5, karena
kemungkinan hasil dari pelantunan mata uang adalah muncul H (huruf) atau G (Gambar)
Jadi S = { H, G }. Peluang munculnya H pada pelantunan sebuah mata uang yang homogen
adalah
P(H) = 0,5
3. Pelantunan sebuah dadu yang homogen.
Hasil dari pelantunan dadu adalah S = {1, 2, 3, 4, 5, 6}. Jika ditanya berapa peluang muncul
mata
dadu genap pada pelantunan tersebut?
Jawabnya adalah 3 diantara 6 atau
3
= 0,5.
6
4. Pelantunan sebuah dadu yang homogen dan kejadian A adalah mata dadu kurang dari 3 dan
kejadian B adalah mata dadu ganjil, ditanyakan berapa P(A) dan P(B)
Eri Setiawan
70
Jawab
Diketahui S = {1, 2, 3, 4, 5, 6} A = {1, 2} B = {1, 3, 5}, maka P(A) =
P(B) =
1
2
=
dan
6
3
3
= 0,5.
6
Definisi:
Peluang adalah banyaknya titik sampel dari suatu kejadian sebut saja n dibagi dengan
banyaknya titik sampel yang harus terjadi.sebut saja N, makapeluang kejadian adalah
n
N
Jadi nilai peluang terletak antara 0 sampai dengan 1 atau 0 P( sesuatu kejadian ) 1
Berarti peluang suatu kejadian benar-benar tidak terjadi, maka peluangnya adalah 0 dan peluang
suatu kejadian benar-benar terjadi sepenuhnya adalah 1.
Jadi yang namanya peluang tidak mungkin kurang dari 0 atau negatif dan tidak mungkin lebih dari
1, karena n N dan n N.
Selanjutnya untuk itu perlu diketahui istilah-istilah dan definisi dalam mempelajari peluang seperti:
Ruang Sampel ( S ) adalah himpunan semua kemungkinan hasil dari suatu percobaan.
Kejadian adalah suatu himpunan bagian (sub himpunan) dari ruang sampel.
Kejadian sederhana adalah suatu kejadian yang hanya mempunyai satu titik sampel.
Kejadian majemuk adalah suatu kejadian yang hanya mempunyai lebih dari satu titik sampel.
Ruang nol (Ruang kosong) atau adalah himpunan bagian (sub himpunan) dari ruang sampel
yang tidak mengandung satupun titik sampel.
3.2. Pengolahan Terhadap Kejadian
3.2.1. Irisan Dua Kejadian
Irisan dua kejadian A dan B dilambangkan dengan A B adalah kejadian yang mengandung
semua unsur unsur persekutuan kejadian A dan B.
Contoh:
Eri Setiawan
71
3.2.2. Gabungan (Paduan) Dua Kejadian

Gabungan atau paduan dua kejadian A dan B, dilambangkan A B, adalah kejadian yang
mencakup semua unsur atau anggota A atau anggota B atau keduanya.
Contoh
A
A
B
B
3.2.3. Komplemen Suatu Kejadian

Komplemen suatu kejadian A relatif terhadap S, adalah himpunan semua anggota S yang bukan
anggota A, dilambangkan dengan A = A '
Contoh
3.3. Kaidah Penjumlahan

Bila A dan B adalah dua kejadian sembarang, maka
3.3.1. Kejadian Saling Terpisah

Dua kejadian A dan B dikatakan saling terpisah, bila A B =
Contoh
S
A
Eri Setiawan
72
Akibat dari definisi-definisi tersebut di atas diperoleh dalil sebagai berikut:

1. A =
5. S =
2. A = A
6. = S
3.
7.
A A =
. 4. . A A = S
( A ) = A
3.4. Mencacah Titik Sampel

Dalam mencacah titik sampel ada 3 jenis, yaitu: Kaidah Penggandaan, Permutasi dan
Kombinasi.
3.4.1. Kaidah Penggandaan
Bila suatu operasi dapat dilakukan dalam n 1 cara, dan bila untuk setiap cara tersebut operasi
kedua dapat dilakukan dalam n2 cara, maka kedua operasi itu secara bersama-sama dapat
dilakukan dalam
n1. n2 cara.
3.4.2. Permutasi
Permutasi adalah suatu susunan yang dibentuk oleh keseluruhan atau sebagian dari
sekumpulan benda.
3.4.2.1. Permutasi Penuh
Banyaknya permutasi n benda yang berbeda ada n!
Ada enam orang duduk berbaris untuk difoto, ada berapa susunan mereka berbaris ?
Jawab
n ! = 6 ! = 1 x 2 x 3 x 4 x 5 x 6 = 720
3.4.2.2. Permutasi Sebagian
Banyaknya permutasi akibat pengambilan r unsur dari n benda yang berbeda adalah:
nPr=
n!
(n r )!
Eri Setiawan
73
contoh
Diketahui data n = 1, 2, 3, 4, 5 diambil disusun r =2 , maka:
5P2=
5!
1x 2 x3 x 4 x5
=
= 20
(5 2)!
1x 2 x3
3.4.2.3. Permutasi Melingkar

Banyaknya permutasi n benda yang berbeda yang disusun dalam suatu lingkaran adalah: (n 1)!
contoh
Empat buah lilin yang berbeda warna sebut saja putih, kuning, merah dan hijau akan ditaruh di
atas kue yang bentuk melingkar. Ada berapa susunan yang berbeda ?
Jawab
(n 1)! = ( 4 1 )! = 3 ! = 1 x 2 x 3 = 6
3.4.2.4.
Permutasi Bagian-Bagian
Banyaknya permutasi n benda yang berbeda dari n benda yang n 1 diantaranya berjenis pertama,
n2
diantaranya berjenis kedua,
n!
. , nk berjenis ke-k adalah: n !n .!,...n !

1
2
k
contoh
Pelantunan sebuah dadu yang homogen sebanyak 12 kali dan muncul mata 1 sebanyak 2 kali,
muncul mata 2 sebanyak 2 kali, muncul mata 3 sebanyak 2 kali, muncul mata 4 sebanyak 2 kali,
muncul mata 5 sebanyak 2 kali, muncul mata 6 sebanyak 2 kali.
Jawab
12 P ( 2.2.2.2.2.2 ) =
n!
12!
= 2!!2!,2!.2!.2!.2! = 7.484.400
n1 ! n 2 .!,...n k !
3.4.3. Kombinasi
Eri Setiawan
Banyaknya kombinasi r unsur yang berbeda dari n benda adalah:
74
n n!

r ( !rrn !)
contoh
Kasus yang sama pada permutasi sebagian, yaitu n = 5 dan r =2 dengan cara kombinasi.
Jawab
n n!

r ( !rrn !)
5 5!

2 (52)!2
1x 2 X 3 x 4 x5
= 10
1x 2 x3 x1x1x 2
3.5. Peluang Suatu Kejadian

Peluang suatu Kejadian A adalah jumlah semua titik sampel di A di bagi dengan semua titik
sampel yang mesti terjadi di S.
Dengan demikian 0 P( A ) 1,
P( ) = 0,
P( S ) = 1
3.5.1. Kaidah Penjumlahan

3.5.1.1. Bila A dan B adalah dua kejadian sembarang, maka:
P(A B) = P(A) + P(B) P(A B)
Bukti
Perhatikan Gambar sebagai berikut:
AB
Eri Setiawan
II
75
III
P(A B) = I + II + III
= AB + A saja + Bsaja
= AB + A B A B
= AB + A( 1 B ) + ( 1 A)B
= AB + A AB + B AB
= A + B AB
= A + B (A B), maka
P(A B) = P(A) + P(B) P(A B) terbukti.
Contoh
Suatu sampel acak berukuran 100 responden yang ditanya mengenai musik gemarannya dari
hasil survei yang ditanya ternyata ada 70 responden senang musik pop ( P ) dan 65 responden
senang musik dangdut ( D ).
a. Buatlah permasalahan tersebut dalam bentuk diagram venn.
b. Berapa peluang yang menyukai kedua jenis musik tersebut.
c. Berapa peluang yang menyukai musik pop saja dan musik dangdut saja.
Jawab
a.
PD
Eri Setiawan
76
b. P(P D) = P(P) + P(D) P(P D)

(P D) = P + D (P D)
(P D) = P + D (P D)
(P D) = 70 + 65 100
(P D) = 35, jadi
P(P D) =
c.
35
= 0,35
100
P( P D ) =
P( P ) P(P D)
=
P ( P D)
70
35
35
=
= 0,35
100 100
100
= P( D ) P(P D) =
65
35
30
=
= 0,30
100
100
100
3.5.1.2. Bila A dan B saling terpisah, maka P(A B) = P(A) + P(B)

Bila A dan A adalah dua kejadian yang satu merupakan komplemen lainnya, maka
P(A) +
P( A ) =
3.45.1.3. Bila A dan B dan C adalah tiga kejadian sembarang, maka:

P(A B C) = P(A) + P(B) + P(C) P(A B) - P(A C) - P(B C) + P(A B C)
Bukti (A B C) = 1 + 2 + 3 + 4 + 5 +6 +7
5
Di mana
2
4
1 = ABC
2. ABC = AB( 1 C ) = AB - ABC
6
1
3. A BC = ( 1 A )BC = BC - ABC
4. AB C = A( 1 B )C = (A AB)C = AC - ABC
5. AB C = A( 1 B )( 1 C ) = (A AB)(1 C) = A AC AB + ABC
6. A BC = (1 A )B(1 C) = (B AB)( 1 C ) = B BC AB + ABC
7. A B C = (1 A)(1 B)C = (1 B A + AB)C = C BC AC + ABC
(A B C) = ABC + AB ABC + BC ABC + AC ABC + A AC AB + ABC + B BC
AB + ABC + C BC AC + ABC
= A = B + C AB AC BC + ABC,
Eri Setiawan
77
= A + B + C ( A B ) ( A C ) ( B C ) + ( A B C ), maka
P(A B C) = P(A) + P(B) + P(C) P(A B) - P(A C) - P(B C) + P(A B C). Terbukti.
Contoh
Suatu sampel acak berukuran 200 responden yang ditanya mengenai produk telepon genggam
( hp, hand phone ) yang disukai, dari hasil survei yang ditanya ternyata ada 90 responden
menyukai produk Nokia ( N ), ada 70 responden menyukai produk Samsung ( S ), ada 80
responden menyukai produk Sony Ericson ( SE ). Ada 35 responden menyukai produk Nokia
dan Samsung , ada 30 responden menyukai produk Nokia dan Sony Ericson, ada 25 responden
menyukai produk Samsung dan Sony Ericson , ada 10 responden menyukai produk Nokia dan
Samsung dan Sony Ericson.
a. Buatlah permasalahan tersebut dalam bentuk diagram venn.
b. Berapa peluang yang tidak menyukai ketiga jenis hp tersebut.
c. Berapa peluang yang menyukai Nokia dan Samsung saja, Nokia dan Sony Ericson saja dan
Samsung
dan Sony Ericson saja.
d. Berapa peluang yang menyukai jenis Nokia saja, Samsung saja dan Sony Ericson saja.
Jawab
Eri Setiawan
78
ABC
ABC
ABC
ABC
ABC
ABC
Diketahui N = 90, S = 70 dan SE =80, N S = 50
N SE = 45 S SE = 40 N S SE = 25
( N S SE ) = N + S + SE ( N S ) ( N SE ) ( S SE ) + ( N S SE ) ( N S SE )
= 90 + 70 + 80 50 45 40 + 25
( N S SE ) = 130
( N S SE ) = 200 130 = 70, maka
P( N S SE ) =
70
= 0,35
200
Eri Setiawan
79
P( N S SE ) = P( N S ) P ( N S SE )
=
50
25
25
=
= 0,125
200 200
200
P( N S SE ) = P( N SE ) P( N S SE )
=
45
25
20
=
= 0,100
200 200
200
P( N S SE ) = P( N SE ) P( N S SE )
=
40
25
15
=
= 0,075
200 200
200
P( N S SE ) = P( N) P( N S SE ) P( N S SE ) P( N S SE )
=
90
25
15
25
25
=
= 0,125
200 200
200
200
200
P( N S SE ) = P( S) P( N S SE ) P( S S SE ) P( N S SE )
=
70
25
15
25
5
=
= 0,025
200 200
200
200
200
P( N S SE ) = P( SE ) P( N S SE ) P( S S SE ) P( N S SE )
=
80
20
15
25
20
=
= 0,100
200 200
200
200
200
3.6. Peluang Bersyarat ( Conditional Probability ).

Peluang bersyarat B, bila A diketahui dilambangkan dengan P(B!A) =
P( A B)
, dimana P(A) > 0
P ( A)
Misalkan ruang sampel ( S ) terdiri atas populasi sarjana S-1 di suatu kota dan dikategorikan
menurut jenis kelamin dan status pekerjaan, sebagai berikut:
Jenis Kelamin
Laki-laki
Perempuan
Jumlah
Bekerja
30
20
50
Menganggur
10
40
50
Jumlah
40
60
100
Eri Setiawan
80
Misalkan kita mengambil secara acak seorang diantara mereka untuk ditugaskan menjadi
anggota KPU dikota tersebut. Perhatikan kejadian berikut ini:
A = yang terpilih adalah perempuan
B = yang terpilih sudah bekerja
Berapa peluang terpilih adalah perempuan yang sudah bekerja.
Jawab
P( A! B ) =
P( A B)
20
=
= 0,4 atau cara lain adalah
P( B)
50
Diketahui P( B ) =
50
100
P( A B)
P( A! B ) =
=
P( B)
P( A B ) =
20
50
100
100
20
100
20
= 0,4
50
IV. PEUBAH ACAK ( RANDOM VARIABLE )

4.1. Pendahuluan
Peubah Acak adalah pemetaan ( fungsi ) dari ruang sampel menjadi bilangan nyata ( real ).
Sebagai ilustrasi perhatikan pelantunan dua mata uang yang homogen sekaligus. Ruang sampel
yang mesti terjadi adalah: S = { HH, HG, GH, GG }
Jika X menyatakan banyaknya huruf H yang muncul pada pelantunan dua buah mata uang
tersebut, maka:
Eri Setiawan
81
HH
2
HG
1
GH
0
GG
Peubah Acak terdiri dari Peubah Acak Diskrit dan Peubah Acak Kontinu
Peubah Acak Diskrit adalah jika interval dari X terhingga atau takterhingga tetapi terbilang.
Peubah Acak Kontinu adalah jika interval dari X terhingga atau takterhingga tetapi takterbilang.
Untuk yang diskrit kaitannya dengan notasi dibaca sigma atau penjumlahan bilangan cacah
sedangkan untuk yang kontinu kaitannya dengan notasi
dibaca integral atau notasi
penjumlahan titik (Reimann).
4.2.1. Peubah Acak Diskrit

Syaratnya:
1. P( X = x ) 0, selalu ada
2.
P( X = x ) = 1
Di mana X adalah peubah acak, sedangkan x adalah nilai dari peubah acak.
Eri Setiawan
82
Contoh:
Pelantunan tiga mata uang yang homogen sekaligus. Jika X menyatakan banyaknya huruf G yang
muncul pada pelantunan tersebut ? Buatlah sebaran peluang untuk X
Jawab
Ruang sampel yang terjadi adalah: S = { HHH, HHG, HGH, GHH, HGG, GHG, GGH, GGG }.
Jika X menyatakan banyaknya huruf G, maka X = 0, 1, 2, 3
HHH
HHG
HGH
GHH
HGG
GHG
GGH
GGG
0
1
2
3
1
8
3
Jadi untuk X = 0 adalah ada 1 diantara 8 atau
8
3
8
1
8
Jika dibuat tabel adalah

X
0
P( X = x )
1/8
Contoh lainnya
1
3/8
2
3/8
3
1/8
Eri Setiawan
83
Sebuah kotak berisi 8 (delapan) kaset VCD lagu-lagu yang terdiri dari 5 lagu-lagu pop dan 3 lagulagu dangdut. Dari kotak tersebut diambil dua buah kaset VCD secara acak, jika yang terambil
ada kaset VCD lagu dangdut kita sebut peubah acak X. Buatlah sebaran peluang untuk X
tersebut.
Jawab.
Diketahui 8 VCD terdiri dari 5 VCD lagu pop dan 3 VCD lagu dangdut. Diambil 2 secara acak.
Ruang sampel yang mesti terjadi adalah kombinasi 8 dan 2 atau
8

2
Ruang sampel untuk X = VCD dangdut yang terambil adalah 0, 1, 2
Perumusan untuk masalah tersebut adalah: P( X = x ) =
3 5

x 2 x
8

2
8!
= 28
(8 2)!2!
Eri Setiawan
Masukan untuk harga X tersebut, yaitu:
P( X = 0 ) =
P( X = 1 ) =
3 5

0 20
28
3 5

1 21
28
(1)(10)
10
=
28
28
(3)(5)
15
=
28
28
84
Eri Setiawan
P( X = 2 ) =
3 5

2 22
28
85
(3)(1)
3
=
28
28
X
P( X = x)
0
10/28
1
2
15/28 3/28
4.2.1.2. Ekspekstasi dari Peubah Acak Diskrit
Ekspekstasi ( Nilai Harapan / Rata-rata ) dari Peubah Acak Diskrit

E( X ) =
XP( X
x)
Untuk kasus VCD, maka E( X ) adalah:

E( X ) = 0 (10/28) + 1(15/28) + 2(3/28) = 21/28 =
3
4
4.2.1.3. Variance ( Ragam ) dari Peubah Acak Diskrit
Eri Setiawan
86
Var ( X ) = E( X2 ) [E( X )]2

Untuk kasus VCD, maka E( X ) adalah:
E( X2 ) =
3
sedangkan E( X2) adalah:
4
P ( X x)
E( X2 ) = 02 (10/28) + 12 (15/28) + 22 (3/28) = 27/28

Var ( X ) = E( X2 ) [E( X )]2
= 27/28 (
3 2
108
63
45
) = 27/28 - 9/16 =
=
4
112 112
112
Contoh
Sebuah kotak berisi 10 spidol white board Snowman terdiri dari 6 warna hitam dan 4 warna biru.
Dari kotak tersebut diambil dua buah spidol secara acak, jika yang terambil ada warna biru kita
sebut peubah acak X.
a. Buatlah sebaran peluang untuk X.
b. Hitung E( X ) dan Var ( X )
4.2.2.1. Peubah Acak Kontinu

Syaratnya:
1. f(x) 0, selalu ada
2.
f ( x ) dx 1
Di mana
f ( x ) dx
merupakan fungsi padat atau fungsi kepekatan atau density of function
Contoh
1. Diketahui f(x) = 1/3 ,
1<x<4
= 0, selainnya
Eri Setiawan
87
Buktikan apakah f(x) merupakan fungsi padat? Atau tunjukkan bahwa luas daerah di bawah kurva
nya sama dengan 1.
Jawab
Diketahui f(x) = 1/3 , 1 < x < 4
= 0, selainnya
Maka syarat yang ke dua adalah
f ( x ) dx 1
3 dx 1
( 1/3 X 14 = 4/3 1/3 = 1
Jadi f(x) merupakan fungsi padat.

2. Diketahui f(x) = 1/3 ,
1<x<4
= 0, selainnya
a. Hitung P( x < 3 )
b. Hitung P( x > 3 )
c. Hitung P( 2 < x <3 )
Jawab
3
3dx
a. P( x < 3 ) =
= 1/3 X 13 = 3/3 1/3 = 2/3
b. P( x > 3 ) =
3dx
1/3 X 3 = 4/3 3/3 = 1/3
c. P( 2 < x < 3 ) =
3dx 1/3 X
3
2
= 3/3 2/3 = 1/3
Latihan
Diketahui f(x) =
2cX
,1 x 3
3
= 0, selainnya
Hitunglah konstanta c, sehingga f (x ) merupakan fungsi padat.
a. Hitung P ( X 2 )
Eri Setiawan
88
b. Hitung P ( X 2 )
4.2.2.2. Ekspekstasi ( Nilai Harapan / Rata-rata ) dari Peubah Acak Kontinu
E( X ) = X
= Xf ( x ) dx
f ( x ) dx
Contoh
Diketahui f(x) = 1/3 , 1 < x < 4
= 0, selainnya
Hitung E( X )
Jawab
4
E( X ) = x
f ( x ) dx
3 xdx
1/3 ( X2 ! 14 = 1/3 (16/2 1/2) = 1/3 (15/2) = 5/2
4.2.2.3. Variance ( Ragam ) dari Peubah Acak Kontinu
Var ( X ) = E( X2 ) [E( X )]2
E( X ) = X
f ( x ) dx
E( X ) = X
f ( x ) dx
3x
dx
Var ( X ) = E( X2 ) [E( X )]2

= 7 (5/2)2 = 28/4 25/4 =
1/3 ( 1/3 X3 ! 14 = 1/3( 64/3 1/3) = 1/3 (21) = 7
Eri Setiawan
89
Latihan .
1. Diketahui f ( x ) =
2(1 X )
27
dengan batas x = 2 dan x = 5.
= 0, selainnya
a. Buktikan apakah f (x ) merupakan fungsi padat?
b. Hitung P( X < 4 )
c. Hitung P ( 2 X < 4 )
d. Hitung E( X ) dan Var ( X ).
2. Diketahui f (x ) = x
, untuk 0 < x < 1
= 2 x , untuk 1 x < 2
= 0, selainnya
a. Buktikan apakah f( x ) merupakan fungsi padat atau bukan
b. Hitung P( X 1,5 )
c. Hitung P( X 0,5 )
d. Hitung E ( X ) dan Var ( X )
4.3.
Peubah Acak Ganda ( Bersama ) untuk yang Diskrit
Syarat
P( X = x, Y = y ) 0, selalu ada
P( X = x, Y = y ) = 1
Ilustrasi
Sebuah kotak berisi 9 ( sembilan ) buah kaset VCD yang terdiri dari 4 kaset VCD lagu pop, 3
kaset VCD lagu barat dan 2 kaset VCD lagu dangdut. Dari kotak tersebut diambil dua buah kaset
VCD secara acak. Jika yang terambil ada kaset VCD lagu dangdut kita sebut peubah acak X dan
jika yang terambil ada kaset VCD lagu pop kita sebut peubah acak Y. Buatlah sebaran peluang
bersama X dan Y.
Eri Setiawan
90
Jawab
Diketahui ruang sampel yang mesti terjadi dari 9 diambil dua secara acak adalah:
9

2
= 36
Dari 9 terdiri dari 4 pop, 3 barat dan 2 dangdut. Jika X = dangdut dan Y = pop, maka ruang
sampel untuk hal tersebut adalah: S = {( X, Y )}= {(0,0), (0,1), (0,2), (1,0), (1,1), (2,0)}
Perumusan untuk hal tersebut adalah: P( X = x, Y = y ) =
342

yx 2 yx
9

2
Eri Setiawan
91
Selanjutnya masukan harga S = {( X, Y )}= {(0,0), (0,1), (0,2), (1,0), (1,1), (2,0)} ke dalam rumus
tersebut, sehingga diperoleh:
P( X = 0, Y= 0 ) =
2 4 3

0 0 002
36
(1)(1)(3)
3
=
36
36
Eri Setiawan
P( X = 0, Y = 1 ) =
P( X = 0, Y= 2 ) =
2 4 3

0 1 102
36
2 4 3

0 2 202
36
(1)(4)(3)
12
=
36
36
(1)(6)(1)
6
=
36
36
92
Eri Setiawan
P( X = 1, Y= 0 ) =
P( X = 1, Y= 1 ) =
2 4 3

1 0 012
36
2 4 3

1 1 21
36
( 2)(1)(3)
6
=
36
36
( 2)(4)(1)
8
=
36
36
93
Eri Setiawan
P( X = 2, Y= 0 ) =
2 4 3

2 0 022
(1)(1)(1)
1
=
36
36
36
Disajikan dalam Tabel Sebaran Peluang Bersama X dan Y adalah:
Y
X
0
1
2
0
3
36
6
36
1
36
10
36
12
36
8
36
6
36
21
36
14
36
1
36
20
36
6
36
4.3.1. Ekspekstasi dari Peubah Acak Ganda

E( X ) = X P( X = x, Y = y )
E( Y ) = Y P( X = x, Y = y )
E( XY ) = XY P( X = x, Y = y )
94
Eri Setiawan
95
Untuk kasus di atas, maka diperoleh:

E( X ) = 0 (21/36) + 1 (14/36) + 2 (1/36) = 16/36 = 4/9
E( Y ) = 0 (10/36) + 1 (20/36) + 2 (6/36) = 32/36 = 8/9
E( XY ) = 0 + 0 + 0 + 0 + (1)(1)(8/36) = 8/36 = 2/9
4.3.2 Variance ( Ragam ) dari Peubah Acak Ganda

Var( X ) = E( X2 ) [E( X )]2
Var( Y ) = E( Y2 ) [E( Y )]2
E( X2 ) = 02 (21/36) + 12 (14/36) + 22 (1/36) = 18/36 =
Var( X ) = - (4/9)2 = 81/162 32/162 =
49
162
E( Y2 ) = 02 (10/36) + 12 (20/36) + 22 (6/36) = 44/36 =

Var( Y ) = 11/9 (8/9)2 = 121/81 64/81 =
4.4.
1
2
11
9
57
81
Theorema
1. Jika E( X ) . E( Y ) = E( XY ), maka X dan Y dikatakan saling bebas ( independent ).

2. Jika E( X ) . E( Y ) E( XY ), maka X dan Y dikatakan tidak saling bebas ( dependent ).
3. Jika point 2, maka ada kovariansi ( peragam ) yang ditulis dengan Cov( XY ) dengan rumus
Cov( XY ) = E( XY ) - E( X ) . E( Y )
4. Jika point 3, maka ada korelasi antara X dengan Y yang ditulis dengan Corr( XY ) dengan
rumus Corr(XY) =
Cov ( XY )
Var ( X )Var (Y )
, nilainya berkisar antara -1 Corr( XY ) 1
Eri Setiawan
96
Contoh
Dari soal di atas diperoleh E( X ) = 4/9 , E( Y ) = 8/9 , E( XY ) = 2/9 , Var( X ) = 49/162 ,
Var( Y ) = 57/81 = 114/162
Ditanyakan
a. Buktikan apakah X dan Y saling bebas atau tidak?
b. Jika tidak saling bebas, hitung nilai Cov( XY )
c. Hitung nilai Corr( XY )
Jawab
a. E( XY ) = E( X ) . E( Y )
2/9 = (4/9) (8/9)
18
32
81
81
2/9 = 32/81
Jadi X dan Y tidak saling bebas (dependent )

b. Cov( XY ) = E( XY ) - E( X ) . E( Y )
= 2/9 = (4/9) (8/9)
= 2/9 - 32/81 = 18/81 32/81 = - 14/81
c. Corr( XY ) =
14
Cov ( XY )
=
Var ( X )Var (Y )
49
162
81
114
= - 0,446
162
Contoh Latihan
Sebuah kotak berisi 10 Spidol Boardmarker Snowman yang terdiri dari 4 warna hitam, 3 warna
biru dan 3 warna merah. Dari kotak tersebut diambil 2 spidol secara acak. Jika yang terambil ada
warna hitam kita sebut peubah acak X dan jika yang terambil ada warna biru kita sebut peubah
acak Y.
a. Buatlah sebaran peluang bersama X dan Y.
Eri Setiawan
b. Hitung E( X ), E ) Y ) dan E( XY )
c. Apakah X dan Y saling bebas atau tidak?
d. Hitung Cov.( X,Y )
e. Hitung Var (X) dan Var (Y)
f. Hitung Corr (XY)
Jawab
Diketahui 4 Hitam , 3 Biru dan 3 Merah diambil 2 secara acak, maka:
Ruang sampel yang mesti terjadi adalah S =
10

2
= 45
Jika X = Hitam dan Y = Biru, maka ruang sampel untuk X dan Y atau
S = X , Y = { (0,0), (0,1), (0,2), (1,0), (1,1), (2,0) }
97
Eri Setiawan
P( X = x, Y = y ) =
334

yx 2 yx
10

2
Selanjutnya masukan masing-masing harga X dan Y tersebut.
98
Eri Setiawan
a. P( X = 0, Y= 0 ) =
P( X = 0, Y = 1 ) =
4 3 3

0 0 002
45
4 3 3

0 1 102
45
(1)(1)(3)
3
=
45
45
(1)(3)(3)
9
=
45
45
99
Eri Setiawan
P( X = 0, Y= 2 ) =
P( X = 1, Y= 0 ) =
4 3 3

0 2 202
45
4 3 3

1 0 012
45
(1)(3)(1)
3
=
45
45
( 4)(1)(3)
12
=
45
36
100
Eri Setiawan
P( X = 1, Y= 1 ) =
P( X = 2, Y= 0 ) =
4 3 3

1 1 21
45
4 3 3

2 0 022
45
( 4)(3)(1)
12
=
45
45
(6)(1)(1)
6
=
45
45
101
Eri Setiawan
102
Disajikan dalam Tabel Sebaran Peluang Bersama X dan Y adalah:

Y
3
45
12
12
6
45
21
45
9
45
12
45
3
45
15
45
24
45
6
45
21
45
3
45
X
0
1
2
b. E( X ) = X P( X = x, Y = y ) = 0 (15/45) + 1(24/45) +2(6/45) = 36/45 = 4/5

E( Y ) = Y P( X = x, Y = y ) = 0 (21/45) + 1 (21/45) + 2 (3/45) = 27/45 = 3/5
E( XY ) = XY P( X = x, Y = y ) = 0 + 0 + 0 + 0 + (1)(1)(12/45) = 12/45 = 4/15
c. E( X ) . E( Y ) = E( XY )
(4/5) (3/5) = 4/15
12/25 = 4/15
36/75 20/75
Jadi X dan Y tidak saling bebas.

d. Cov ( XY ) = E( XY ) - E( X ) . E( Y )
20/75 - 36/75 = - 16/75
e. Var( X ) = E( X2 ) [E( X )]2

Var( Y ) = E( Y2 ) [E( Y )]2
E( X2 ) = 02 (15/45) + 12 (24/45) + 22 (6/45) = 48/45 =16/15
Jadi Var( X ) = 16/15 - (4/5)2 = 16/15 16/25 = 80/75 48/75 = 32/75
E( Y2 ) = 02 (21/45) + 12 (21/45) + 22 (3/45) = 33/45 = 11/15
Jadi Var( Y ) = 11/15 (3/5)2 = 11/15 9/25 = 55/75 27/75 = 28/75
f. Corr( XY ) =
Cov ( XY )
=
Var ( X )Var (Y )
16
32
75
75
28
= - 0,5338
75
Eri Setiawan
V.
Sebaran Peluang
103
Eri Setiawan
104
Sebaran-sebaran Peluang yang dibahas adalah: Sebaran Binomial, Poisson dan Normal. Adapun
sebaran peluang lainnya seperti Sebaran Student t, Sebaran 2 ( Khi- Kuadrat ) dan sebaran F,
dibahas cara penggunaan tabel untuk mendapatkan nilai kritis yang diperlukan.
5.1. Sebaran Binomial

Sifatnya:
a. Suatu percobaan yang menghasilkan dua kategori
b. Setiap kejadian bersifat saling bebas
c. Mempunyai peluang p adalah tetap
b. Percobaan dilakukan sebanyak n kali
Percobaan tersebut dikenal dengan nama Sebaran Binomial dengan sebaran peluangnya adalah:
P( X =x ) =
n x xn
p (1 p)
x
b(x: n; p ) =
, untuk x = 0, 1, 2,
n x xn
p (1 p)
x
, untuk x = 0, 1, 2,
.... , n atau
..... , n
Sebaran Binomial mempunyai rata-rata atau = np dan ragam (variance) atau 2 = np(1 p )
Jika data mengikuti sebaran Binomial, maka ditulis sebagai X ~ b( X; n,p )
Contoh
Seorang ibu yang mempunyai 5 orang anak dan X menyatakan banyaknya anak laki-laki. Buatlah
sebaran peluangnya?
Eri Setiawan
105
Jawab
Diasumsikan peluang lahir laki-laki sama dengan peluang lahir perempuan maka p =
1
dan
2
Jika X menyatakan banyaknya anak laki-laki, maka X = 0, 1, 2, 3, 4, 5 lalu masukan masing
masing nilai X ke rumus ini P( X =x ) =
n x xn
p (1 p)
x
P( X = 0 ) =
5 0 51
(1/2) (1 /2)
0
= (1)(1)(1/32) = 1/32
P( X = 1 ) =
5 1 51
(1/2) (11/2)
1
= (5)(1/2)(1/16) = 5/32
P( X = 2 ) =
5 2 5 2
(1/2) (1 /2)
2
= (10)(1/4)(1/8) =10/32
sehingga diperoleh sebagai berikut:
Eri Setiawan
P( X = 3 ) =
5 3 5 3
(1/2) (1 /2)
3
= (10)(1/8)(1/4) = 10/32
P( X = 4 ) =
5 4 5 4
(1/2) (1 /2)
4
= (5)(1/16)(1/2) = 5/32
P( X = 5 ) =
5 5 5
(1/2) (1 /2)
5
= (1)(1/32)(1) = 1/32
106
Selanjutnya disajikan dalam bentuk sebaran peluabg sebagai berikut:

X
P( X = x )
0
1/32
1
5/32
2
10/32
3
10/32
4
5/32
5
1/32
Jadi setelah dibuat tabel, selanjutnya tinggal apa pertanyaan yang akan diajukan, misalkan
a. Berapa peluang seorang ibu yang mempunyai anak laki-laki paling banyak 3.
b. Berapa peluang seorang ibu yang mempunyai anak laki-laki paling sedikit 4.
c. Berapa peluang seorang ibu yang mempunyai anak laki-laki antara 2 s.d 4..
Jawab
a. P( X 3 ) = P( X = 0) + P( X = 1 ) + P( X = 2 ) + P( X = 3 )
= 1/32 + 5/32 + 10/32 + 10/32 = 26/32 = 0,8125 atau
P( X 3 ) = 1 { P( X = 4 ) + P( X = 5 ) }
= 1 { 5/32 + 1/32 }
Eri Setiawan
107
= 1 0,1875 = 0,8125
b. P( X 4 ) = 1 { P( X = 0) + P( X = 1 ) + P( X = 2 ) + P( X = 3 ) }
= 1 0,8125 = 0,1875
c. P( 2 X 4 ) = P( X = 2) + P( X = 3 ) + P( X = 4 )
= 10/32 + 10/32 + 5/32 = 25/32 = 0,7813
Penggunaan Tabel Binomial dan cara penulisannya
Untuk contoh menjawab pertanyaan di atas jika dijawab dengan bantuan Tabel Binomial caranya:
Diketahui X
P( X =x ) =
b( x : n; p)
n x xn
p (1 p)
x
dengan p = 0,5 dan n = 5
i 0
, X = 0, 1, 2, 3, 4, 5
a. P( X 3 ) =
b( x : 5;0,5)
= 0,8125
( Lihat dalam Tabel Binomial pada n = 5 dan p = 0,5 )
i 0
b. P( X 4 ) = 1
b( x : 5;0,5)
= 1 0,8125 = 0,1875 ( Lihat dalam Tabel seperti di atas)
i 0
4
c. P( 2 X 4 ) =
b( x : 5;0,5) i 0
b( x : 5;0,5)
= 0,9688 0,1875 = 0,7813 ( Lihat dalam
i 0
Tabel seperti di atas)
Ternyata hasil manual sama saja dengan hasil tabel. Selanjutnya gunakan hasil tabel untuk n dan
p yang diketahui.
Contoh
Peluang seseorang sembuh dari suatu penyakit darah adalah 0,4. Bila 15 orang diketahui
menderita penyakit tersebut, berapa peluang bahwa:
a. sekurang-kurangnya 10 orang dapat sembuh
Eri Setiawan
108
b. ada 3 sampai dengan 8 orang yang dapat sembuh

c. tepat 5 orang yang sembuh.
Jawab
Diketahui n = 15 p = 0,4
P( X =x ) =
n x xn
p (1 p)
x
, dengan x = 0, 1, 2,
.... , 15
a. P( X 10 ) = 1 -
b( X ;15;0,4)
= 1 0,9662 = 0,0338
i 0
8
b. P( 3 X 8 ) =
b( X ;15;0,4) i 0
c. P( X = 5 ) =
b( X ;15;0,4) i 0
b( X ;15;0,4)
= 0,9050 0,0271 = 0,8779
i 0
b( X ;15;0,4) = 0,4032 0,2173 = 0,1859

i 0
Soal Latihan
1. Tim Panahan Putri Indonesia pada Olympiade Seaul 1988, mempunyai peluang memanah
tepat sasaran adalah 0,7. Jika tim tersebut diberi kesempatan sebanyak 13 kali, berapa
peluang:
a. paling banyak 8 tepat sasaran.
b. paling sedikit 6 tepat sasaran
c. antara 7 sampai dengan 9 tepat sasaran
2. Suatu ujian terdiri atas 20 soal pilihan berganda, masing-masing dengan empat kemungkinan
jawaban dan hanya satu yang benar. Berapa peluang seseorang yang menjawab secara
menebak-nebak saja:
a. Paling sedikit 6 soal dijawab dengan benar.
b. Paling banyak 8 soal dijawab dengan benar.
Eri Setiawan
109
c. Antara 5 sampai dengan 7 soal dijawab dengan benar.
5.2. Sebaran Poisson

Suatu sebaran Binomial yang mempunyai peluang p nya terlalu kecil atau terlalu besar dan n
percobaannya cukup besar, maka dilakukan pendekatan sebaran Poisson, yang perumusannya
sebagai berikut:
P( X = x ) =
e x
, untuk x = 0, 1, 2, dst
x!
p( x; ) =
dengan e = 2,71828 atau
e x
, untuk x = 0, 1, 2, dst
x!
Sebaran Poisson mempunyai rata-rata = dan ragam 2 =

Untuk mempermudah perhitungan digunakan tabel Poisson penerapannya hampir sama dengan
Tabel Binomial, asalkan diketahui rata-ratanya yaitu , di mana = np.
Contoh
Misalkan diketahui bahwa 1 diantara 1000 mahasiswa diduga pecandu narkoba. Hitunglah
peluang bahwa dalam sampel acak beukuran 500 mahasiswa:
paling banyak 4 mahasiswa pecandu narkoba
paling sedikit 3 mahasiswa pecandu narkoba
antara 2 sampai dengan 5 mahasiswa pecandu narkoba
Jawab
Diketahui p =
P( X = x ) =
1
= 0,001 n = 500
1000
e x
, untuk x = 0, 1, dan seterusnya.
x!
= np = 500 ( 0,001 ) = 0,5
Eri Setiawan
110
Lalu lihat Tabel untuk sebaran Poisson pada = 0,5
a. P( X 4 ) =
p( X ;0,5) = 0,9998
i 0
b. P( X 3 ) = 1 -
p( X ;0,5)
= 1 0,9856 = 0,0144
i 0
5
c. P( 2 X 5 ) = p ( X ;0,5) i 0
p( X ;0,5)
= 1 - 0,9098 = 0, 0902
i 0
Yang terpenting dalam mengerjakan sebaran Poisson, asal tahu rata-ratanya yaitu banyaknya
percobaan atau n dikalikan dengan besarnya peluang p atau = n p , apalagi kalau dalam soal
sudah langsung diketahui rata-ratanya itulah nilai tinggal gunakan tabel Poisson yang sesuai
dengan harga .
Soal Latihan
1. Peluang pada persilangan Kelinci untuk mendapatkan warna putih adalah 1/16 yang lainnya
warna bukan putih, bila persilangan dilakukan sebanyak 152 kali, berapa peluang:
a. paling sedikit 4 kelinci warna putih
b. paling banyak 6 kelinci warna putih
c. antara 3 sampai dengan 7 kelinci warna putih.
2
Secara rata-rata disuatu perempatan jalan terjadi tiga kecelakaan lalu lintas per bulan, berapa
peluang bahwa pada suatu bulan tertentu di perempatan tersebut terjadi:
a. Tepat tiga kecelakaan.
b. Paling banyak empat kecelakaan.
c. Paling sedikit dua kecelakaan
d. Antara satu sampai dengan lima kecelakaan.
Eri Setiawan
111
5.3. Sebaran Normal

Sifatnya:
1. Grafiknya selalu berada di atas sumbu X.
2. Mempunyai satu modus
3. Grafiknya simetris terhadap X = , ke kiri dicapai X = - 3 dan ke kanan X = + 3
4. Luas daerah grafiknya sama dengan satu unit persegi.
Definisi: Sebaran Normal .
Bila X adalah peubah acak normal dengan nilai tengah dan ragam 2, maka persamaan kurva
normalnya adalah :
N( X: ; ) =
1
2 2
1 / 2
, untuk - < x < , - < <
dan 2 > 0 dengan = 3,14159 dan e = 2,71828
Jadi X N(,2 )
ditransformasi
X N(0,1 ) atau
Normal umum di transformasi oleh Transformasi Z, yaitu: Z =
(x )
sehingga menjadi normal
baku ( standard ) atau normal Gauss.

f( X: ; ) =
1
2 2
1 / 2
,ditransformasi menjadi f( z ) =
1
2
e -1/2 Z
Selanjutnya perhitungan nilai peluang dapat dicari melalui Tabel Sebaran Normal Baku atau
atau Tabel Z.
Eri Setiawan
112
Plot Distribusi Normal Baku Z

Normal, Mean=0, StDev=1
Fungsi Kepekatan
0.4
0.3
0.2
0.1
0.0
-3
-2
-1
0
X
Luas daerah bila Z = 1,00 atau P ( Z 1,00 ) = 0,8413

Distribution Plot
Fungsi Kepekatan
0.4
0.3
0.2
0,841
0.1
0.0
-3,5
Nilai P( -1,96 Z 1,96 ) = 0,9500
Eri Setiawan
113
Distribution Plot
Fungsi Kepekatan
0.4
0.3
0.2
0.1
0,025
0.0
0,025
-1,96
0
X
1,96
P ( 0,05 Z 0,99 )
Distribution Plot
Fungsi Kepekatan ( Fungsi Padat )
0.4
0.94
0.3
0.2
0.1
0.0
Contoh
-1.64
0
X
2.33
Eri Setiawan
114
1. Untuk sebaran normal dengan rata-rata = 50 dan simpangan baku = 10, hitunglah peluang
bahwa X nilainya antara 45 dan 60.
Jawab
Diketahui = 50 dan = 10 dan X N( 0, 1 ), maka Z =
(X )
P( 45 < X < 60 ) = ?
Z1 =
45 50
= - 0,50
10
dan Z2 =
60 50
= 1,00
10
P( Z = - 0,50 ) = 0,3085 dan P( Z = 1,00 ) = 0,8413 ( Lihat harga Tabel Z atau Normal Baku )
Jadi P( 45 < X < 60 ) = 0,8413 0,3085 = 0,5328
2. Suatu penyebrangan ASDP (angkutan sungai danau dan penyebrangan ) Bakauheni-Merak

atau sebaliknya dengan menggunakan kapal cepat ( jetfoil ) waktu tempuhnya mengikuti sebaran
normal dengan rata-rata 45 menit dan ragam 25. Berapa peluang pada suatu penyebrangan
menempuh waktu:
a.
paling banyak 55 menit
b. paling sedikit 40 menit

c. antara 35 sampai dengan 50 menit.
Jawab
Diketahui rata-rata = 45 dan 2 = 25
a. P( X 55 menit ) = ?
Z=
55 45
= 2,00
5
P( Z = 2,00 ) = 0,9772
Jadi P( X 55 menit ) = 0,9772
b. P( X 40 menit ) = ?
= 5 X N( 0, 1 ), maka Z =
(X )
Eri Setiawan
40 45
Z=
= - 1,00
5
115
P( Z = - 1,00 ) = 0,1587
Jadi P( X 40 menit ) = 1 0,1587 = 0,8413
c. P( 35 X 50 menit ) = ?
Z1 =
35 45
= - 2,00
5
Z2 =
50 45
= 1,00
5
P( Z = - 2,00 ) = 0,0228
P( Z = 1,00 ) = 0,8413
Jadi P( 35 X 50 menit ) = 0,8413 0,0228 = 0,8185
3. Suatu ujian Statistika hasilnya mengikuti sebaran normal dengan rata-rata 42,50 dan
ragamnya 20,25. dari hasil ujian tersebut mau dibuat kriteria nilai dengan menggunakan PAN
( Penilaian Acuan Normal ) dan diinginkan yang mendapat nilai A ada 10 %, nilai B ada 20 %, nilai
C ada 40 %, nilai D ada 20 % dan nilai E ada 10 %. Buatlah kriteria nilai tersebut.
Jawab.
Diketahui rata-rata = 42,50 dan 2 = 20,25
X N( 0, 1 ), maka Z =
= 4,5
(X )
diinginkan nilai E = 10 %, D = 20 %, C = 40 %, B = 20 % dan
A =10 %,
Cari nilai A minimum berapa ?
Untuk mendapatkan nilai A minimum, berarti P( Z =
Z=
(X )
X = 42,50 + ( 4,5 ) ( 1,28 )
Z=X-
) = 0,9000
X= + Z
X = 42,50 + 5,76 = 48,26
Jadi A minimum adalah 48,26, maka B maksimum adalah 48,25
Z = 1,28
Eri Setiawan
116
Cari nilai B minimum berapa

Untuk mendapatkan nilai B minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 42,50 + ( 4,5 ) ( 0,52 )
) = 0,7000
Z = 0,52
X=+ Z
X = 42,50 + 2,34 = 44,84
Jadi B minimum adalah 44,84, maka C maksimum adalah 44,83

Cari nilai C minimum berapa ?
Untuk mendapatkan nilai C minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 42,50 + ( 4,5 ) ( - 0,52 )
) = 0,3000
Z = - 0,52
X= + Z
X = 42,50 2,34 = 40,16
Jadi C minimum adalah 40,16, maka D maksimum adalah 40,15

Cari nilai D minimum berapa ?
Untuk mendapatkan nilai D minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 42,50 + ( 4,5 ) ( - 1,28 )
) = 0,1000
X= + Z
X = 42,50 - 5,76 = 36,74
Jadi D minimum adalah 36,74, maka E maksimum adalah 36,73

Selanjutnya di tulis Kriteria Nilai
A 48,26
44,84 B 48,83
40,16 C 44,83
36,74 D 40,15
E 36,73
Z = - 1,28
Eri Setiawan
117
Distribution Plot
Normal, Mean=42.5, StDev=4.5
0.09
0.08
0.07
Density
0.06
0.05
0.04
0.03
0.02
0.01
0,1
0,1
0.00
E < 36,74
42,5
A > 48,25
Distribution Plot
0.4
Density
0.3
0.2
0.1
0.2
0.0
0.2
36,74 < D < 40,15 44,84 < B < 48,83

X
Eri Setiawan
118
Distribution Plot
Normal, Mean=42.5, StDev=4.5
0.09
0.08
0.07
Density
0.06
0.05
0.04
0.03
0.02
0,3
0,3
0.01
0.00
40,15 < C < 48.84
Latihan
4.
Diketahui sebaran Normal dengan rata-rata = 52,0 dan ragam 25,0, Hitunglah
a. Luas daerah di bawah 47,0
b. Luas daerah di atas 54,5
c. Luas daerah antara 44,5 dan 62,0
d. Nilai x yang luas daerahnya di bawah 60 %
e. Nilai x yang kuas daerahnya di atas 35 %
5.
Diketahui peubah acak X dengan nilai tengah 48 dan simpangan baku 4,2. Hitunglah
a. P ( X < 50,1 )
b. P ( X > 52,2 )
c. P ( 41,7 < X < 58,5 )
d. Nilai k yang memenuhi P ( X < k ) = 0,9332
e. Nilai k yang memenuhi P ( X > k ) = 0,3085
5.4.
Sebaran t Student
Eri Setiawan
119
Sebaran t student atau sebaran t mempunyai fungsi densitas

f ( x)
K
t 2 1 / 2n
(1
)
n 1
atau lebih sering digunakan dalam operasional t
(x )
s
atau
Bila x dan s2 masing-masing adalah nilai tengah dan ragam, suatu sampel acak berukuran n
yang diambil dari suatu populasi normal dengan nilai tengah dan ragam , maka
2
(x )
s
n
merupakan sebuah nilai peubah acak T yang mempunyai sebaran t dengan derajat bebas v = n
1
Distribution Plot
T; df=30
0,4
Density
0,3
0,2
0,1
0,0
-4
-3
-2
-1
0
X
Eri Setiawan
120
Plot Distribusi t
T, df=15
0.4
Density
0.3
0.2
0.1
0.0
-4
-3
-2
-1
0
X
P ( t t ) = 0,9500 = - 1,753
Distribution Plot
T; df=15
0,4
Density
0,3
0,2
0,1
0,05
0,0
-1,75
0
X
Eri Setiawan
121
Diketahui n =16 = 5 % , maka t0,05 ( 15 ) = 1,753
Distribution Plot
T; df=15
0,4
Density
0,3
0,2
0,1
0,05
0,0
0
X
1,75
Diketahui n =16 = 5 % , maka t0,025 ( 15 ) = 2,131 dan t0,975 ( 15 ) = - 2,131

Distribution Plot
T; df=15
0,4
Density
0,3
0,2
0,1
0,025
0,0
0,025
-2,13
0
X
2,13
Eri Setiawan
122
5.5. Sebaran Khi-Kuadrat ( )

2
Sebaran Khi-Kuadrat mempunyai fungsi densitas:

f (u ) K .u
1 / 2 ( v 1)
1 / 2 u
(n 1) S 2
atau sebih sering digunakan dalam operasional adalah
02
2
dan bergantung pada db = derajat bebas ( df = degree of freedom ) = n 1.

Plot Distribusi Chi-Kuadrat
Chi-Square, df=15
0.08
0.07
Density
0.06
0.05
0.04
0.03
0.02
0.01
0.00
10
20
X
Diketahui n =16 = 5 % , maka 2 0,05 ( 15 ) = 24,996 = 25,0
30
40
Eri Setiawan
123
Distribution Plot
Chi-Square; df=15
0,08
0,07
Density
0,06
0,05
0,04
0,03
0,02
0,01
0,00
0,05
0
25,0
Diketahui n =16 = 5 % , maka menjadi
, sehingga 2 0,925 ( 15 ) = 6,262 dan 2 0,025 ( 15 ) =
27,488
Distribution Plot
Chi-Square, df=15
0.08
0.07
Density
0.06
0.05
0.04
0.03
0.02
0.01
0.00
0,025
0
0,025
6,262
27,488
Eri Setiawan
124
Contoh soal dan Jawabannya
SOAL UJIAN AKHIR SEMESTER GANJIL 2011/2012
IBI DARMA JAYA
MATA KULIAH
: STATISTIKA
Dosen
: Drs. Eri Setiawan, M. Si.
JURUSAN
: Sistem Informasi
Waktu
: 80 Menit
Kelas
: P2, P3, P5 dan P6
Sifat
: Open Table/Open Book
Hari/Tanggal
: Jumat/27 Januari 2012
Keterangan : Teori
==========================================================================
Soal dikumpulkan / selipkan di lembar jawaban
1.
Waktu 90 Menit
Suatu studi dilakukan tehadap mahasiswa IBI Bandar Lampung yang menyukai Netbook merk Asus
Eee PC 1215-P adalah 0,3 . Berapa peluang bahwa dari 13 yang terjual yang membelinya adalah
mahasiswa IBI:
a. Paling banyak 5 mahasiswa .
b. Paling sedikit 4 mahasiswa.
c. Antara 3 s.d 6 mahasiswa .
2. Peluang tersambung komunikasi dengan menggunakan jaringan GSM di handphone pada daerah
terpencil adalah 0,005 jika dilakukan komunikasi pada jaringan tersebut sebanyak 500 kali, berapa
peluang:
a. Paling sedikit 5 tersambung komunikasi
b. Paling banyak 4 tersambung komunikasi
c. Antara 3 s,d 6 tersambung komunikasi
3. Hasil ujian Statistika mengikuti sebaran normal dengan rata-rata 41,0 dan ragam 29,16. Hasil tersebut
akan disajikan dalam bentuk Penilaian Acuan Normal ( PAN ) dengan komposisi
A = 15 %. B = 20 %, C = 30 %, D = 20 % dan E = 15 %. Buatlah kriteria nilai dari A s.d E
( hitungan sampai dua decimal ).
Jawaban
1. Diketahui n = 13 p = 0,3
X b( X; n,p)
Eri Setiawan
P( X =x ) =
n x xn
p (1 p)
x
, dengan x = 0, 1, 2,
125
.... , 13
a. P( X 5 ) = 1 -
b( X ;13;0,3)
= 0,8346
i 0
3
b. P( X 4 ) = 1 -
b( X ;13;0,3)
= 1 0,4206 = 0,5794
i 0
6
c. P( 3 X 6 ) =
b( X ;13;0,3) -
b( X ;13;0,4)
i 0
2. Diketahui p = 0,005 n = 500

P( X = x ) =
= 0,9376 0,2025 = 0,7351
i 0
p( X; )
e x
, untuk x = 0, 1, ... , .
x!
= np = 500 ( 0,005 ) = 2,5
a. P( X 5 ) = 1 -
p( X ;2,5)
= 1 0,8912 = 0,1088
i 0
b. P( X 4 ) =
p( X ;2,5)
= 0,8912
i 0
c. P( 3 X 6 ) =
p( X ;3,0) i 0
p( X ;3,0)
= 0,9858 0,5438 = 0,4420
i 0
3. Diketahui rata-rata = 41,0 dan 2 = 28,16

X N( 0, 1 ), maka Z =
= 5,4
(X )
diinginkan nilai A = 15 %, B = 20 %, C = 30 %,
D = 20 % dan E =15 %,
Cari nilai A minimum berapa ?
Untuk mendapatkan nilai A minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 41,0 + ( 5,4 ) ( 1,04 )
) = 0,8500
X= + Z
X = 41,0 + 5,62 = 46,62
Jadi A minimum adalah 46,62, maka B maksimum adalah 46,61

Cari nilai B minimum berapa ?
Z = 1,04
Eri Setiawan
126
Untuk mendapatkan nilai B minimum, berarti P( Z =

Z=
(X )
Z=X-
X = 41,0 + ( 5,4 ) ( 0,39 )
) = 0,6500
Z = 0,39
X=+ Z
X = 41,0 + 2,11 = 43,11
Jadi B minimum adalah 43,11, maka C maksimum adalah 43,10

Cari nilai C minimum berapa ?
Untuk mendapatkan nilai C minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 41,0 + ( 5,4 ) ( - 0,39 )
) = 0,3500
Z = - 0,39
X= + Z
X = 41,0 2,11 = 38,89
Jadi C minimum adalah 38,89, maka D maksimum adalah 38,88

Cari nilai D minimum berapa
Untuk mendapatkan nilai D minimum, berarti P( Z =
Z=
(X )
Z=X-
X = 41,0 + ( 5,4 ) ( - 1,04 )
) = 0,1000
X= + Z
X = 41,0 - 5,62 = 35,38
Jadi D minimum adalah 35,38, maka E maksimum adalah 35,37

Selanjutnya di tulis Kriteria Nilai
A 46,62
43,11 B 46,61
38,89 C 43,10
35,38 D 38,88
E 35,37
Z = - 1,28
Eri Setiawan
127
VI TEKNIK SAMPLING
6.1. Pendahuluan
Teknik Sampling adalah suatu cara atau prosedur dalam pengambilan sampel.
Dalam pengambilan sampel kita mengenal adanya sampling non peluang dan ada sampling
peluang.
Sampling non peluang yaitu suatu penarikan sampel yang tidak melibatkan kaidah peluang,
sedangkan sampling peluang yaitu suatu penarikan sampel yang melibatkan kaidah peluang.
Yang bagaimana sampling non peluang ?
Berberapa jenis sampling non peluang yaitu:
a. Sampling Seadanya ( accedental sampling ) artinya suatu pengambilan anggota sampel
diambil seperlunya, misalnya kita ingin melihat pendapat umum atau opini masyarakat di
sini ukuran sampelnya diambil seperlunya oleh yang bersangkutan.
b. Sampling Pertimbangan ( purprosive sampling ) artinya suatu pengambilan anggota
sampel atas pertimbangan tertentu atau pertimbangan kepakaran keilmuan tertentu,
misalnya kuisioner.
6.2. Sampling Peluang

Berberapa jenis sampling peluang yaitu:
6.2.1. Samping Acak Sederhana ( Simple Randomized Sampling ) artinya pengambilan anggota
sampel dilakukan secara acak ( melalui tabel bilangan acak ) dari anggota populasi diasumsikan
hampir sama atau homogen.
Eri Setiawan
128
6.2.2. Sampling Stratifikasi artinya populasi dibuat strata-strata ( lapisan ) dalam strata diharapkan
homogen dan antar strata heterogen, lalu pengambilan sampel dilakukan secara acak dari
masing-masing strata.
6.2.3. Sampling Klaster artinya populasi dibuat strata-strata ( lapisan ) dalam strata diharapkan
heterogen dan antar strata homogen, lalu pengambilan sampel dilakukan secara acak dari
masing-masing strata.
6.2.4. Sampling Proporsi artinya populasi dibuat strata-strata ( lapisan ) lalu pengambilan lapisan
sampel dilakukan secara acak dari masing-masing strata yang banyaknyanya berbeda-beda
setiap strata.
6.2.5. Sampling Sistimatik artinya pengambilan sampel pertama dilakukan secara acak
selanjutnya anggota sampel berikutnya berdasarkan rasio dari N populasi dengan n sampel yang
mau diambil.
6.2.6. Sampling Quota
6.2.7. Sampling Sekuensial
6.3. Cara Pengambilan Sampel
Dalam hal ini di bahas bagaimana sampel itu terbentuk dari anggota populasi. Cara atau prosedur
untuk mendapatkan sampel ada dua yaitu: pengambilan dengan cara dengan pengembalian atau
pemulihan ( with replacement ) dan tanpa pengembalian atau pemulihan ( without replacement ).
Perhatikan Gambar berikut ini:
Populasi berukuran N
Sampel
berukuran n
Eri Setiawan
129
Yang dimaksud dengan pengembalian adalah anggota sampel pertama diambil dari anggota
populasi lalu disimpan kembali dan anggota sampel yang kedua diambil dari angota populasi lalu
disimpan kembali dan seterusnya sampai sebanyak anggota sampel yang diinginkan.
Yang dimaksud tanpa pengembalian adalah anggota sampel pertama diambil dari anggota
populasi lalu tidak disimpan kembali dan anggota sampel yang kedua diambil dari angota populasi
lalu tidak disimpan kembali dan seterusnya sampai sebanyak anggota sampel yang diinginkan.
Jika pengambilan sampel dilakukan dengan pengembalian, maka akan terbentuk sebanyak Nn
buah sampel yang akan terjadi, sedangkan jika pengambilan sampel dilakukan dengan
pengembalian, maka akan terbentuk sebanyak
N

n
buah sampel yang akan terjadi.
Contoh
Misalkan suatu populasi sebut saja N = { 1, 2, 3, 4, 5 }diambil sampel berukuran dua atau n = 2
satu persatu.
Jika dengan pengembalian, maka akan terbentuk sebanyak N n = 52 = 25 buah sampel.
Apa saja sampelnya?
1. ( 1, 1 )
6. ( 2, 1 )
11. ( 3, 1 )
16. ( 4, 1 )
21. ( 5, 1 )
2. ( 1, 1 )
7. ( 2, 1 )
12. ( 3, 1 )
17. ( 4, 1 )
22. ( 5, 1 )
3. ( 1, 1 )
8. ( 2, 1 )
13. ( 3, 1 )
18. ( 4, 1 )
23. ( 5, 1 )
4. ( 1, 1 )
9. ( 2, 1 )
14. ( 3, 1 )
19. ( 4, 1 )
24. ( 5, 1 )
5. ( 1, 1 )
10. ( 2, 1 )
15. ( 3, 1 )
20. ( 4, 1 )
25. ( 5, 1 )
Eri Setiawan
130
Jika dengan pengembalian, maka akan terbentuk sebanyak
N

n
5

2
= 10 buah sampel.
Apa saja sampelnya?

1. ( 1, 2 )
3. ( 1, 4 ) 5. ( 2, 3 )
7. ( 2, 5 ) 9. ( 3, 5 )
2. ( 1, 3 )
4. ( 1, 5)
8. ( 3, 4 ) 10. (4, 5 )
6. ( 2, 4 )
Misalkan perhatikan pengambilan sampel tanpa pengembalian dari populasi N = {1, 2, 3,4,5}
diambil sampel berukuran n = 2 lalu kita hitung rata-rata sampel atau X dan ragamnya S2
diperoleh:
No
Sampel
Yang
Terjadi
Rata-rata Sampel X
Ragam Sampel ( S2 )
Xi
(X
i 1
i 1
( 1, 2 )
( 1, 3 )
( 1, 4 )
( 1, 5 )
( 2, 3 )
( 2, 4 )
( 2, 5 )
( 3, 4 )
( 3, 5 )
( 4, 5 )
X )2
n 1
n
1
2
3
4
5
6
7
8
9
10
S2 =
1,5
2,0
2,5
3,0
2,5
3,0
3,5
3,5
4,0
4,5
i
0,5
2,0
4,5
8,0
0,5
2,0
4,5
0,5
2,0
0,5
30,0
Dari rata-rata sampel kita rata-ratakan lagi atau double mean ditulis X atau x =
Dari populasi dihitung rata-rata ( ) dan ragam ( 2 ) diperoleh = 3 dan 2 = 2
Jadi x = .
6.4. Sebaran-sebaran Sampling
.4.1. Sebaran Sampling Rata-rata ( S S Rata-rata )
a. S S Rata-rata mempunyai rata-rata x = .
30,0
3,0
10
Eri Setiawan
131
dan simpangan baku ( galat baku ) x =

n
Persamaan normalnya adalah:
n
, jika
< 5 % sehingga:
N
X x
Z=
n
b. S S Rata-rata mempunyai rata-rata x = .

dan simpangan baku ( galat baku ) x =
N n
N 1
, jika
n
5 % sehingga:
N
X x
Persamaan normalnya adalah:
Z=
N-n
n N -1
Contoh
Suatu penyebrangan ASDP ( angkutan sungai dan penyebrangan ) dari Bakauheni ke Merak
atau sebaliknya menggunakan kapal cepat ( Jetfoil ) mengikuti sebaran normal dengan rata-rata
46 menit dan ragam 36. Pada suatu waktu tertentu diambil sampel secara acak berukuran 16
penyebrangan. Berapa peluang rata-rata penyebrangan:
a. kurang dari 49,00 menit
b. lebih dari 44,50 menit
c. antara 43,00 s.d 47,50 menit
Jawab
Diketahui rata-rata = 46 ragam 2 = 36
N = ( tidak diketahui ) X N(0,1 )
simpangan baku = 6 dan n = 16

Z=
(X )
Maka rata-rata x = . = 46
galat baku x =
6
16
= 1,50 sehingga
X x
persamaan normalnya Z =
n
a. P( X < 49,0 menit ) = ?
Z=
49,0 46,0
= 2,00
1,5
P( Z = 2,00 ) = 0,9772
Jadi P( X < 49,0 menit ) = 0,9772
X x
menjadi Z =
n
Eri Setiawan
132
b. P( X > 44,5 menit ) = ?

Z=
44,5 46,0
= - 1,00
1,5
P( Z = -1,00 ) = 0,1587
Jadi P( X > 44,5 menit ) = 1 0,1587 = 0,8413
c. P( 43,0 < X < 47,5 menit ) = ?
Z1 =
43,0 46,0
= - 2,00
1,5
Z2 =
47,5 46,0
= 1,00
1,5
P( Z1 = - 2,00 ) = 0,0228
P( Z2 = 1,00 ) = 0,8413
Jadi P( 43,0 < X < 47,5 menit ) = 0,8413 0,0228 = 0,8185
Latihan
Hasil penelitian pada 8000 ekor kambing di Bandar Lampung menghasilkan nilai tengah (ratarata) berat daging-tulang (karkas) sebesar 42,900 kg dengan ragam 12,96 kg 2. Pada suatu hari
tertentu diambil sampel secara acak sebanyak 64 ekor kambing yang disembelih. Tentukan
peluang memperoleh rata-rata berat kambing yang disembelih:
a. paling sedikit 42,450 kg
b. paling banyak 43,125 kg
c. antara 42,450 s.d 43,125 kg
6.4.2. Sebaran Sampling Selisih atau Beda Dua Rata-rata

Rata-ratanya sr = x1 x 2 = 1 - 2
2
Galat baku sr = x1 x 2 =
1 2
n1
n2
Eri Setiawan
133
( x1 x 2 ) ( 1 2 )
1 2
n1
n2
2
Persamaan Normalnya Z =
Contoh
Pada bula Januari dan Februari di Kota Bandar Lampung musim buah duku dan penjualan eceran
buah duku mengikuti sebaran normal. Penjualan di Pasar Bawah laku secara rata-rata perhari 50
kg dengan simpangan baku 1,9 kg sedangkan penjualan di Pasar Tugu laku secara rata-rata
perhari 45 kg dengan simpangan baku 1,6 kg. Suatu waktu diambil sampel secara acak dari
penjualan kedua pasar tersebut masing-masing sebanyak 25 penjual. Berapa peluang selisih
rata-rata kedua pasar tersebut:
a. paling banyak 6,5 kg
b. paling sedikit 2,0 kg
c. antara 3,5 s.d 8,0 kg
Jawab
Diketahui rata-rata pasar Bawah 1 = 50 kg, 1 = 1,9
rata-rata pasar Tugu 2 = 45 kg, 2 = 1,6
12 = 3,61, n1 = 25
22 = 2,56,
Rata-ratanya sr = x1 x 2 = 1 - 2 = 50 45 = 5,0
2
1 2
=
n1
n2
Galat baku sr = x1 x 2 =
3,61 2,56
= 1,5
25
25
( x1 x 2 ) ( 1 2 )
Persamaan Normalnya Z =
1 2
n1
n2
2
a. P [( X 1 X 2 ) 6,5 kg ] = ?
P [( X 1 X 2 ) 6,5 kg ] =
6,5 5.0
= 1,00
1,5
P ( Z = 1,00 ) = 0,8413
Jadi P [( X 1 X 2 ) 6,5 kg ] = 0,8413
b. P [( X 1 X 2 ) 2,0 kg ] = ?
P [( X 1 X 2 ) 2,0 kg ] =
2,0 5.0
= - 2,00
1,5
P ( Z = - 2,00 ) = 0,0228
Jadi P [( X 1 X 2 ) 2,0 kg ] = 1 0,0228 = 0,9772
c. P [3,5 ( X 1 X 2 ) 8,0 kg ] = ?
n2 = 25
Eri Setiawan
3,5 5.0
Z1 =
1,5
Z2 =
134
= - 1,00
8,0 5.0
= 2,00
1,5
P ( Z = - 1,00 ) = 0,1587
P ( Z = 2,00 ) = 0,9772
Jadi P [3,5 ( X 1 X 2 ) 8,0 kg ] = 0,9772 0,1587 = 0, 8185
6.4.3. Sebaran Sampling Proporsi
Proporsi = p =
x
dan ingat Sebaran Binomial rata-rata = n p dan
n
simpangan baku =
np (1 p )
X ~ b( X; n, p ) maka rata-rata = n p dan simpangan baku =

x
~ b( X; n, p ) maka rata-rata = p dan simpangan baku =
n
np (1 p )
maka
p (1 p )
jadi
n
Rata-rata untuk sebaran sampling proporsi p = p dan

Galat baku untuk sebaran sampling proporsi p =
Sehingga persamaan normalnya adalah
Z=
p (1 p )
n
x
p
n
p (1 p )
n
Contoh
Ada petunjuk kuat bahwa Calon A di daerah pemilihan I akan mendapat suara 10 %. Suatu
sampel acak telah diambil berukuran n = 100 orang untuk diwawancaradari daerah pemilihan I.
Berapa peluang
a. paling banyak 13 dari 100 orang akan memilih calon A
b. paling sedikit 4 dari 100 orang akan memilih calon A
c. antara 7 s. d 16 orang dari 100 akan memilih calon A
Jawab
Diketahui p = 0,1 n = 100
p = p = 0,1 , p =
X N(0,1 ), maka
p (1 p )
=
n
0,1(1 0,1)
= 0,03
100
Eri Setiawan
135
x
p
n
p (1 p )
n
Z=
a. P(
13
x
)=?
n 100
13
0,10
Z = 100
1,00
0,03
P( Z = 1,00 ) = 0,8413
Jadi P(
b.
P(
x
7
) = 0,1587
n 100
4
x
)=?
n 100
4
0,10
Z = 100
2,00
0,03
P( Z = - 2,00 ) = 0,0228
4
x
) = 1 - 0,0228 = 0,9772
n 100
Jadi P(
c.
P(
7
x
16
)=?
100
n
100
7
0,10
Z1 = 100
1,00
0,03
16
Z2 = 100
0,10
0,03
2,00
P( Z1 = - 1,00 ) = 0,1587
P( Z2 = 2,00 ) = 0,9772
Jadi P(
7
16
x
) = 0,9772 0,1587 = 0,8185

100
n
100
Latihan .
Sebuah perusahaan angkutan barang pecah belah (jenis gelas untuk minum) biasanya
mengalami kerusakan 4 % dari barang-barang yang dikirim. Hitunglah peluang dari 600 barang
yang diangkut perusahaan tersebut mengalami kerusakan:
a. paling sedikit terdapat 0,060 yang rusak.,
b. paling banyak terdapat 0,032 yang rusak
Eri Setiawan
136
c. antara 0,032 s.d 0,060 yang rusak.

6.4.4. Sebaran Sampling Selisih atau Beda Dua Proporsi
Rata-rata untuk sebaran sampling selisih atau beda dua proporsi
Galat baku untuk sebaran sampling proporsi sp =
(
Sehingga persamaan normalnya adalah
Z=
sp
= p1 p2 dan
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
x1 x 2
) ( p1 p 2 )
n1 n 2
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
Contoh:
Ada petunjuk kuat bahwa calon A mendapat suara 60 % dalam Pilkada. Dua buah sampel acak
secara bebas telah diambil masing-masing terdiri dari 300 orang . tentukan peluang akan terjadi
perbedaan persentase 10 % yang akan memilih calon A.
Jawab
Diketahui n1 = 300, n2 = 300 p1 = 0,60 p2 = 0,60 diminta p1 p2 = 10 %
atau - 0,10 p1 p2 0,10
Diperoleh sp = p1 p2 = 0,6 0,6 = 0
p1 (1 p1 ) p 2 (1 p 2 )
=
n1
n2
sp =
0,6(1 0,6) 0,6(1 0,6)
= 0,04
300
300
Selanjutnya p1 p2 = - 0,10 dan p1 p2 = 0,10
(
Z1 =
x1 x 2
) ( p1 p 2 )
n1 n2
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
(
Z2 =
x1 x 2
) ( p1 p 2 )
n1 n2
p1 (1 p1 ) p 2 (1 p 2 )
n1
n2
0,10 0
= - 2,50
0,04
0,10 0
= 2,50
0,04
P( Z = - 2,50) = 0,0062 dan P(Z = 2,50) = 0,9938

maka peluang akan terjadi perbedaan persentase sebesar 10 % adalah 0,9938 0,0062 = 0,9876
Eri Setiawan
137
6.3.5. Sebaran Sampling Simpangan Baku

Rata-rata sebaran sampling simpangan baku adalah =
Galat baku sebaran sampling simpangan baku adalah =
2n
s
Sehingga persamaan normalnya adalah Z =
2n
Contoh
Ragam sebuah populasi yang berdistribusi normal sebesar 6,25 , diambil sampel berukuran 50.
Tentukan peluang sampel tersebut akan mempunyai simpangan baku ( s )
a. Lebih dari 2,25
b. Kurang 3,0
c. Antara 2,00 s. d 2,75
Jawab
Diketahui 2 = 6,25 maka = 2,5 n = 225 , maka
= = 2,5
2n
2,5
=
2 x50
2,5
= 0,25
100
s
Z=
=
2n
a. P( s 2,25 ) = ?
Z=
2,25 2,50
= - 1,00
0,25
P( Z = - 1,00 ) = 0,1587
Jadi P( s 2,25 ) = 1 0,1587 = 0,8413
b. P( s 3,00 ) = ?
Z=
3,00 2,50
= 2,00
0,25
P( Z = 2,00 ) = 0,9772
Jadi P( s 3,00 ) = 0,9772
c. P( 2,00 s 2,75 ) = ?
Z1 =
2,00 2,50
= - 2,00
0,25
Eri Setiawan
2,75 2,50
Z2 =
0,25
138
= 1,00
P( Z = - 2,00 ) = 0,0228
P( Z = 1,00 ) = 0,8413
Jadi P( 2,00 s 2,75 ) = 0,8413 0,0228 = 0,8185
VII PENDUGAAN PARAMETER

7.1. Pendahuluan
Parameter merupakan besaran-besaran yang diperoleh dari populasi, secara umum dinotasikan
dengan , sedangkan statistik merupakan besaran-besaran yang diperoleh dari sampel, secara
umum dinotasikan dengan . Selanjutnya parameter tersebut akan diduga oleh statistik, atau
akan diduga oleh
Eri Setiawan
Jadi merupakan
139
penduga ( estimator ) bagi .
Dengan demikian bisa berupa , 2, p dan
berupa x , S2,
x
n
Parameter rata-rata (nilai tengah) adalah akan diduga (estimator) oleh statistik x
Parameter ragam (variance) adalah 2 akan diduga (estimator) oleh statistik S2
Parameter proporsi adalah p akan diduga (estimator) oleh statistik
x
n
Jadi x merupakan penduga rata-rata (nilai tengah) bagi , S 2 merupakan penduga ragam bagi
2
S merupakan penduga simpangan baku bagi dan
x
merupakan penduga proporsi bagi p
n
7.2. Jenis Pendugaan

Penduga Titik ( Point Estimate ) hasil dugaan berupa satu nilai tertentu
Penduga Selang ( Interval Estimate ) hasil dugaan berupa dua nilai diantara
7.3. Sifat-sifat Pendugaan
a. Penduga harus bersifat tak bias artinya secara harapan penduga sama dengan yang
diduga.atau E( )= .
b. Penduga harus mempunyai ragam minimum
c. Penduga harus bersifat statistik cukup
d. Penduga harus bersifat konsisten
e. Penduga harus bersifat lengkap.
Penduga yang baik adalah memenuhi dua sifat pendugaan yaitu: tak bias dan mempunyai ragam
minimum.
Penduga akan dikatakan lebih baik (terbaik), bila semua sifat pendugaan dipenuhi.
Kita tidak akan membicarakan penduga titik, karena terlalu riskan untuk dibuat kesimpulan. Dalam
pendugaan titik bisa diperoleh hasil dugaan over estimate, karena hasil dari bisa terlalu tinggi
atau terlalu rendah.
Sehingga akan dibicarakan adalah penduga selang ( Interval Estimate ).
Eri Setiawan
140
Distribution Plot
Normal; Mean=0; StDev=1
0,4
Density
0,3
0,2
0,1
0,025
0,025
0,0
-1,96
0
X
1,96
7.4.1. . Menduga Rata-rata ( Nilai Tengah )

7.4.1.a. Untuk diketahui maka P( Z/2 Z Z1 - /2 ) = 1 -
Ingat sebaran sampling persamaan normal adalah : Z
sehingga kalau Z kita ganti menjadi
P( Z /2
(X )
/ n
(X )
Z1 - /2 ) = 1 -
/ n
hasil manipulasi matematiknya menjadi: atau rumus yang akan digunakan adalah:
P(
- Z/2
+ Z/2
n )=1-
7.4.1.b. Untuk tidak diketahui maka P( t/2 t t1 - /2) = 1 -

Ingat sebaran sampling t, yaitu t =
P( t/2
(X )
s
sehingga kalau t kita ganti menjadi
n
(X )
s
t1 - /2) = 1 -
n
hasil manipulasi matematiknya menjadi: atau rumus yang akan digunakan adalah
P ( X - t/2
s
X + t/2
n
s
)=1-
n
Bagaimana cara memandang persoalan ? Perhatikan contoh soal berikut ini:
Eri Setiawan
141
1. Suatu sampel acak berukuran 36 mahasiswa tingkat akhir mempunyai nilai tengah dan
simpangan baku IPK adalah 2,6 dan 0,3. Buatlah selang kepercayaan 95 % dan 99 % bagi nilai
tengah IPK seluruh mahasiswa tingkat akhir.
Jawab.
1. a. . Diketahui rata-rata ( nilai tengah ) X 2,6, simpangan baku
1 = 0,95
0,3, n =36,
Z = 1,96
0,3
P( 2,6 1,96
36
< < 2,6 + 1,96
0,3
36
) = 0,95
P(2,6 0,098 < < 2,6 + 0,098 ) = 0,95

P( 2,502 < < < 2,698 ) = 0,95
Jadi rata-rata atau nilai tengah IPK seluruh mahasiswa adalah antara 2,502 sampai
dengan 2,698
dengan selang kepercayaan 95 %.
1.b. Diketahui rata-rata ( nilai tengah ) X 2,6, simpangan baku

1 = 0,99
0,3, n =36,
Z = 2,57
P( 2,6 2,57
0,3
0,3
< < 2,6 + 2,57
) = 0,99
36
36
P(2,6 0,128 < < 2,6 + 0,128 ) = 0,99

P( 2,472 < < 2,728 ) = 0,99
2.
Isi 9 kaleng asam sulfat adalah 9,8 10,2 10,4 9,8 10,0 10,2 9,8 9.7 10,1 Tentukan
selang kepercayaan 95 % bagi nilai tengah isi semua kaleng.
Jawab
9
Diketahui rata-rata
( Xi x )
n 1
Xi
11
i 1
dan simpangan bakunya,

90,0
10,0
9
( Xi 10,0) 2
9 1
0,240 , t0,025(8) = 2,306
Dikerjakan dengan paket program, hasilnya:

Descriptive Statistics: Volume Kaleng
Variable
Mean
SE Mean St-Dev Variance
Volume Kaleng 10.000 0.0799

P ( X - t/2
s
n
P( 10,0 2,306
X + t/2
0.240
s
n
0.0575
)=1-
0,240
0,240
10,0 + 2,306
) = 0,95
9
9
Eri Setiawan
142
P( 10,0 0,184 10,0 + 0,184 ) = 0, 95

P( 9,816 10,184 ) = 0,95
Jadi nilai tengah isi kaleng asam sulfat yang sebenarnya adalah antara 9,816 s.d 10,184 dengan
selang kepercayaan 95 %.
Atau bila dianalisis dengan paket program diperoleh:
One-Sample T: Isi
Variable N
Isi
Mean
St-Dev SE Mean
10.0000 0.2398
0.0799
95% CI
(9.8157, 10.1843)
7.4.2. Menduga Beda /Selisih Dua Rata-rata ( Nilai tengah )

Dalam Menduga Beda/Selisih Dua Rata-rata ( Nilai tengah ) ada 4 masalah, yaitu:
7.4.2.a. Jika 1 dan 2 diketahui, maka:
2
P[ ( X 1 - X 2 ) Z/2
2
2
1 2
1 2
< 1- 2 < ( X 1 - X 2 ) + Z/2

]=1-
n1
n2
n1
n2
Contoh
Suatu ujian bahasa Inggris diberikan pada 75 mahasiswi dan 50 mahasiswi. Mahasiswa
mempunyai rata-rata dan simpangan baku adalah 82 dan 8 sedangkan mahasiswi 76 dan 6.
Tentukan selang kepercayaan 96 % bagi beda rata-rata ( nilai tengah ) nilai mahasiswa dan
mahasiswi.
Jawab
Diketahui: X 1 82 dan s1 = 8
s12 = 64 X 2 76 dan s2 = 6
s22 = 36 dan 1 = 0,96 ,
maka harga Z = 2,05

2
P[ ( X 1 - X 2 ) Z/2
P[(82 76) 2,05
1 2
1 2
< 1- 2 < ( X 1 - X 2 ) + Z/2

]=1
n1
n2
n1
n2
64 36
< 1- 2 < [(82 76) + 2,05

75 50
64 36
] = 0,96
75 50
P( 6 2,571 < 1- 2 < 6 + 2,571 ) = 0,96

P( 3,429 < 1- 2 < 8,571 ) = 0,96
Jadi beda rata-rata ( nilai tengah ) nilai mahasiswa dan mahasiswi adalah antara 3,429 s.d 8, 571
dengan selang kepercayaan 96 %.
Eri Setiawan
143
7.4.2.b. Jika 1 dan 2 tidak diketahui tapi diasumsikan 1 = 2 , maka:

1
1
< 1- 2 < ( X 1 X 2 ) + t/2 Sp

n1 n2
P[( X 1 X 2 ) - t/2 Sp
(n 1) S1 (n2 1) S 2
Dengan S = 1
n1 n2 2
1
1
]=1
n1 n2
2
p
Sp =
Sp
Contoh
Suatu program pengajaran matematika dengan Metode I diberikan kepada 12 siswa dan Metode
II diberikan kepada 10 siswa. Selanjutnya diberi ujian dan hasilnya adalah Metode I mencapai
rata-rata 85 dan simpangan bakunya 4, sedangkan Metode II mencapai rata-rata 81 dan
simpangan bakunya 5. Tentukan selang kepercayaan 90 % bagi selisih rata-rata, bila kedua
simpangan baku populasi tidak diketahui dan diasumsikan sama.
Jawab
S12 = 16 n1 = 12
Diketahui X 1 = 85 S1 = 4
1 = 0,90
X 2 = 81 S1 = 5
S22 = 25 n2 = 10
t/2 (n1 + n2 - 2 ) = t0,05 (20) = 1,725

2
(n 1) S1 (n2 1) S 2
S = 1
n1 n2 2
2
p
(12 1)16 (10 1)25

= 20,05
12 10 2
1
1
< 1- 2 < ( X 1 X 2 ) + t/2 Sp

n1 n2
P[( X 1 X 2 ) - t/2 Sp
P[(85 81) 1,725 (4,478)
P( 0,693 < 1- 2 < 7,307 ) = 0,90

Two-Sample T-Test and CI
Sample N Mean StDev SE Mean
12 85.00 4.00
1.2
10 81.00 5.00
1.6
1
1
]=1
n1 n2
1
1
< 1- 2 < (85 81) 1,725 (4,478)

12 10
P( 4 3,307 < 1- 2 < 4 + 3.307 ) = 0,90
Sp = 4.478
Difference = mu (1) - mu (2)

Estimate for difference: 4.00
90% CI for difference: (0.69, 7.31)
T-Test of difference = 0 (vs not =): T-Value = 2.09
P-Value = 0.050 DF = 20
Both use Pooled StDev = 4.4777
1
1
] = 0,90
12 10
Eri Setiawan
144
7.4.2.c. Jika 1 dan 2 tidak diketahui tapi diasumsikan 1 2 , maka:

2
S1
S
2 < 1- 2 < ( X 1 X 2 ) + t/2
n1
n2
P[( X 1 X 2 ) - t/2
S1
S
2 ]=1
n1
n2
2
Cari dulu derajat bebas dugaannya ( db ) =
S1 2 S 2 2
n n
2
1
2 2
2 2
S1 S 2
n1 n2

n1 1 n2 1

Contoh
Jika kasus b) bila diasumsikan 1 2 , maka harus menghitung db , yaitu:
2
db =

16 25
12 10
2
2
16 25
12 10
12 1 10 1

14,694
= 0,856 = 17,166 18
S1
S
2 < 1- 2 < ( X 1 X 2 ) + t/2
n1
n2
P[( X 1 X 2 ) - t/2
P[( 85 81 ) 1,734
S1
S
2 ]=1
n1
n2
16 25
< 1- 2 < ( 85 81 ) + 1,734

12 10
16 25
] = 0,90
12 10
P( 4 3,395 < 1- 2 < 4 + 3,395 ) = 0,90

P( 0,605 < 1- 2 < 7,395 ) = 0,90
7.4.2.d.
Jika 1 dan 2 tidak diketahui dan diasumsikan data berpasangan, maka:
P( d t / 2
Sd
n
< d < d t / 2
Sd
n
)=1
Dengan Sd2 =
n(d i ) (d i ) 2
dan Sd =
n(n 1)
Sd
db = n -1 , n1 = n2 = n
Contoh: Diketahui data berpasangan sebagai berikut:
Eri Setiawan
145
Sesudah
68
67
55
58
71
75
62
64
Sebelum
71
62
57
60
66
77
60
63
Tentukan selang kepercayaan 95 % bagi selisih data berpasangan.
69
65
65
63
Jawab
Sesudah
Sebelum
Di = selisih
di2
68
71
-3
9
67
62
5
25
55
57
-2
4
58
60
-2
4
71
66
5
25
n1 = 10 n2 = 10 dan n = 10 1 = 0,95
d i 10
d
1,0
n
10
P( d t / 2
Sd
n
Sd
n d i ( d i ) 2
n(n 1)
< d < d t / 2
P( 1,0 2,262
3,091
10
Sd
n
62
60
2
4
64
63
1
1
69
65
4
16
65
63
2
4
10
96
t0,025 (9) = 2,262
75
77
-2
4
10(96) (10) 2
860
9,556
10(10 1)
90
Sd =3,091
)=1
< d < 1,0 2,262
3,091
10
) = 0,95
P( 1,0 2,211 < d < 1,0 + 2,211 ) = 0,95

P( - 1,211 < d < 3,211) = 0,95
Paired T-Test and CI: Sesudah, Sebelum
Paired T for Sesudah - Sebelum
N Mean StDev SE Mean
Sesudah
10 65.40 5.99
1.89
Sebelum
10 64.40 5.85
1.85
Difference 10 1.000 3.091
0.978
95% CI for mean difference: (-1.211, 3.211)

T-Test of mean difference = 0 (vs not = 0): T-Value = 1.02
P-Value = 0.333
7.4.3. Menduga Ragam ( Variance ) 2
(n 1) S 2
Dalam menduga ragam statistik yang digunakan adalah ( khi-kuadrat ) di mana
2
2
P(2/2 2 21 - /2 ) = 1 -
(n 1) S 2
P( /2
21 - /2 ) = 1 -
1
Eri Setiawan
P(
146
(n 1) S
( n 1) S
2 2
) 1
2
/2
1 / 2
2
Contoh
Data berikut ini berupa volume (dalam desiliter ) dari 10 kaleng buah-buahan sebagai berikut:
46,4 46,1 45,8 47,0 46,1 45,9 45,8 46,9 45,2 dan 46,0. Buat selang kepercayaan 95 % bagi
ragam volume kaleng buah-buahan hasil perusahaan tersebut.
Jawab
nXi 2 (Xi ) 2
Hitung dulu ragam sampelnya ( S ), yaitu: S =
= 0,286
n(n 1)
2
(n 1) S 2
( n 1) S 2
2
2
) 1
P(
2 / 2
1 / 2
P(
(10 1)(0,286)
(10 1)(0,286)
2
) = 0,95
19,023
2,700
P( 0,135 2 0,953 ) = 0,95
1
7.4.4. Menduga Nisbah ( Rasio ) Ragam ( 2 )
2
Untuk menduga rasio ( nisbah ) ragam statistik yang digunakan adalah statistik F, di mana
pendugaannya diperoleh sebagai berikut: F =
v1
v2
S1
S2
2 2 S1 2
=
2
2
1 S2
P( f/2 F f1 - /2 ) = 1 -
2 2 S1 2
2
2 f1 - /2 ) = 1 - atau
1 S2
P( f/2
P[
S1
S2
f / 2 (v1 , v 2 )
1
S1
2
2 f/2 ( v2, v1) ] = 1 -
2
S2
Contoh:
Suatu program pengajaran matematika dengan Metode I diberikan kepada 16 siswa dan Metode
II diberikan kepada 9 siswa. Selanjutnya diberi ujian dan hasilnya adalah Metode I mencapai rata-
Eri Setiawan
147
rata 85 dan simpangan bakunya 4, sedangkan Metode II mencapai rata-rata 81 dan simpangan
bakunya 5. Buatlah selang kepercayaan 90 % bagi rasio ragam.
Jawab
n2 = 9 S2 = 5 S22 = 25 1 - = 0,90
Diketahui n1 = 16 S1 = 4 S12 = 16
f 0,05 ( 15, 8 ) = 3,22
P[
S1
S2
f / 2 (v1 , v 2 )
1
16
P[
25 (3,22)
f 0,05 ( 8, 15 ) = 2,64
f 0 , 05 (15,8)
= 3,22 = 0,311
1
S1
2
2 f/2 ( v2, v1) ] = 1 -
2
S2
2
1
16
2 25 ( 2,64 ) ] = 0,90
2
1
P( 0,174
2 1,478 ) = 0,90
2
2
Distribution Plot
F; df1=8; df2=15
0,8
0,7
Density
0,6
0,5
0,4
0,3
0,2
0,05
0,1
0,0
0,05
0 0,311
2,64
Contoh Latihan
1. Diketahui data sampel tentang besarnya cahaya pada bunga bagian atas dan bawah sebagai
berikut: yang dikumpulkannya adalah:
Bunga b. atas
39 52 54 42 47 39 41 46 45
Eri Setiawan
148
Bunga b. bawah 41 37 47 38 36 43 45 40 42
a. Dugalah nilai tengah bunga bag. atas yang sesungguhnya dengan 1- = 0,95
b. Dugalah nilai tengah bunga bag. bawah yang sesungguhnya dengan 1- = 0,90
c. Dugalah beda nilai tengah bunga yang sesungguhnya dengan 1- = 0,90, jika diasumsikan
Adan B tidak ketahui dan A = B.
d. Dugalah ragam bunga bag. atas yang sesungguhnya dengan 1- = 0,90
e. Dugalah ragam bunga bag. bawah yang sesungguhnya dengan 1- = 0,95
f. Dugalah nisbah ( rasio ) ragam bunga yang sesungguhnya dengan 1- = 0,90
2. Data besarnya volume penjualan komodi di Pasar 1 dan Pasar 2 sebagai berikut
Pasar 1
3,9 5,2 5,4 4,2 4,7 3,9 4,1 4,6 4,5
Pasar 2
4,1 3,7 4,7 3,8 3,6 4,3 4,5 4,0 4,2
a. Dugalah rata-rata atau nilai tengah volume penjualan komodi di Pasar 1 yang sesungguhnya
dengan 1- = 0,90
b. Dugalah rata-rata atau nilai tengah volume penjualan komodi di Pasar 2 yang sesungguhnya
dengan 1- = 0,90
c. Dugalah beda rata-rata atau nilai tengah bunga yang sesungguhnya dengan 1- = 0,95
3. Hitunglah:
a. P(t < 2,365 ), bila v = 7
b. P( t > 1,318 ), bila v = 24
c. t 0,025 , bila v = 25
d
- t 0,025 , bila v = 15
e t 0,99 , bila v = 20
f. P( - t /2 t t/2 ) = 0,90 untuk n = 20
g. P ( 2 1 - /2 2 2/2 ) = 0,95 untuk n = 15
h. P( f /2 f f 1-/2 ) = 0,98 untuk n1 = 16 dan n2 = 25
VIII PENGUJIAN HIPOTESIS
Eri Setiawan
149
8.1. Pendahuluan
Hipotesis berasal dari bahasa Yunani, yaitu: Hypo dan Titenai
Hypo artinya di bawah Titenai artinya menempatkan. Jadi artinya menempatkan di bawah
Secara umum hipotesis merupakan landasan berpijak bagi peneliti dalam melakukan penelitian.
Jadi hipotesis merupakan asumsi atau perumusan sementara mengenai suatu hal yang dibuat
untuk menjelaskan hal tersebut. Jika asumsi itu mengenai populasi, yaitu nilai-nilai parameter,
maka disebut hipotesis statistik.
Hipotesis bisa benar, bisa tidak benar sehingga diperlukan prosedur untuk menentukan diterima
atau ditolak.
Jadi pengujian hipotesis merupakan prosedur untuk menentukan apakah menerima atau menolak
hipotesis.
Hipotesis atau pernyataan tersebut biasanya dinotasikan dengan H 0 , sedangkan alternatif
hipotesis atau versusnya dinotasikan dengan H 1. Jadi
H0 : mengenai apa
H1 : mengenai apa
Menerima H0 berarti kesimpulannya adalah kalimat pada H0 dan menolak H0 berarti
kesimpulannya adalah kalimat pada H1 sebagai alternatif H0. Meskipun kita akan sering
menggunakan istilah menerima atau menolak tetapi bahwa penolakan suatu hipotesis berarti
menyimpulkan bahwa hipotesis itu salah, sedangkan penerimaan suatu hipotesis semata-mata
mengimplikasikan bahwa kita tidak cukup bukti untuk mempercayainya. Dengan pengertian
tersebut maka statistikawan atau peneliti sering mengambil sebagai hipotesisnya suatu
pernyataan yang diharapkan akan menolaknnya.
Dalam melakukan pengujian hipotesis akan terdapat dua jenis kesalahan yang dapat terjadi,
yaitu:
Tipe Kesalahan Jenis I dan Tipe Kesalahan Jenis II. Pernyataan tersebut diperoleh dari
Eri Setiawan
Kesimpulan
Menerima Hipotesis
Menolak Hipotesis
Keadaan
Hipotesis Benar
Benar
Kesalahan Tipe I ( )
150
Sebenarnya
Hipotesis Salah
Kesalahan Tipe II ( )
Benar
Tipe Kesalahan Jenis I = = P ( menolak H0 padahal H0 benar )

Tipe Kesalahan Jenis II = = P ( menerima H0 padahal H1 benar )
sedangkan 1 - adalah kuasa uji ( power test ) di mana 1 - = P ( menolak H0 padahal H1 benar
)
Daerah kritis atau daerah penolakan hipotesis.
Pengujian Dua Pihak ( Dua arah )

Distribution Plot
0,4
Density
0,3
0,2
0,1
0,025
0,0
0,025
-1,96
0
X
1,96
Eri Setiawan
151
Pengujian Satu Pihak ( Satu Arah ) Untuk Arah Kanan

Distribution Plot
0,4
Density
0,3
0,2
0,1
0,05
0,0
0
X
Pengujian Satu Pihak ( Satu Arah ) Untuk Arah Kiri

Distribution Plot
0,4
Density
0,3
0,2
0,1
0,05
0,0
-1,64
0
X
1,64
Eri Setiawan
152
Harga digunakan untuk sebelah kiri atau kanan, jadi harga tidak dibagi dua.
a. Uji Dua Arah H0 : 0
b. Uji Satu Arah H0 : 0
H1: 0
H1: 0
c. Uji Satu Arah
H0 : 0
H1: 0
Uji dua arah artinya ada dua daerah penolakan pihak kiri dan kanan sehingga menjadi
dan uji satu arah artinya ada satu daerah penolakan dikanan H 1: 0 dan dikiri H1: 0
8.2. Prosedur Pengujian Hipotesis

a. Tentukan perumusan hipotesis sesuai dengan permasalahannya. H 0 : apa dan H1 apa.
b. Tentukan taraf nyata ( ) yang diinginkan
c. Tentukan Statistik Uji yang digunakan, tentunya sesuai dengan permasalahan.
d. Bandingkan antara statistik hitung dengan statistik tabel.
e. Buat Kesimpulan.
8.3.1. Menguji Rata-rata ( Nilai Tengah )
No
1a
H0
H0 : = 0
H1
H0 : 0
1b
H0 : = 0
H0 : 0
1c
H0 : = 0
H0 : 0
2a
H0 : = 0
H0 : 0
2b
H0 : = 0
H0 : 0
2c
H0 : = 0
H0 : 0
Keterangan
Informasi
diketahui
Statistik Uji
Informasi
diketahui
Informasi
diketahui
Informasi
tidak diket.
X
Z=
/ n
X
Z=
/ n
X
t=
S/ n
Informasi
tidak diket.
Informasi
tidak diket.
X
Z=
/ n
X
S/ n
X
t=
S/ n
t=
Daerah Kritis
Zhitung Z/2 atau
Zhitung - Z/2
Zhitung Z
Zhitung - Z
t hitung t /2 atau
t hitung - t /2
t hitung t
t hitung - t
Contoh
1. Sebuah perusahaan memproduksi lampu listrik yang umurnya mendekati sebaran normal
dengan nilai tengah 800 jam dan simpangan baku 40 jam. Bila suatu sampel acak berukuran
30 menghasilkan nilai tengah 788 jam Ujilah hipotesis bahwa nilai tengah lampu listrik belum
tentu 800 jam dengan taraf nyata 4 %.
Eri Setiawan
153
Jawab
Diketahui = 800 jam, = 40
X = 788
n = 30 = 4 %
H0 : = 800
H1 : 800
= 4 % maka Z = - 2,05 dan Z = 2,05
Z=
788 800
12
X
=
= 7,303 = - 1,64
40 / 30
/ n
Karena Z hitung > - Z tabel , maka H0 diterima.

Kesimpulan : Kita tidak cukup alasan untuk mengatakan bahwa nilai tengah lampu listrik yang
diproduksinya bukan 800 jam dengan selang kepercayaan 96 %.
2. Ujilah hipotesis bahwa rata-rata atau nilai tengah isi kaleng suatu jenis minyak pelumas lebih
dari 10,0 liter. Bila suatu sampel acak berukuran 9 kaleng adalah: 10,3 9,8 10,2 10,4 9,9
10,1 10,5 10,4 dan 10,2 (dalam liter) dengan taraf nyata 1 %.
Jawab
Diketahui = 10,0 jam,
X dan s di cari dulu dari data di atas, sehingga diperoleh X = 10,2 s = 0,234 n = 9 = 1 %
H0 : = 10,0
H1 : > 10,0
= 1 % , maka t 0,01 (8) = 2,896
t=
X
S/
10,2 10,0
0,200
= 0,078 = 2,564
0, 234 / 9
Karena t hitung < t tabel , maka H0 diterima.

Kesimpulan : Kita tidak cukup alasan untuk mengatakan bahwa nilai tengah isi kaleng
pelumas bukan 10,0 liter dengan selang kepercayaan 99 %.
8.3.2. Menguji Selisih ( Beda ) Dua Rata-rata ( Nilai Tengah ) 1 - 2

No
H0
H1
Keterangan
Statistik Uji
Daerah Kritis
Eri Setiawan
1.a
H0 : 1 = 2
H1 : 1 2
Informasi 1 dan 2
diketahui
1.b
H0 : 1 = 2
H1 : 1 2
H0 : 1 = 2
H1 : 1 2
H0 : 1 = 2
H1 : 1 2
2;b
H0 : 1 = 2
H1 : 1 2
2.c
H0 : 1 = 2
H1 : 1 2
3.a
H0 : 1 = 2
H1 : 1 2
3.b
H0 : 1 = 2
H1 : 1 2
3.c
H0 : 1 = 2
H1 : 1 2
4.a
H0 : d = d0
H1 : d d0
diasumsikan 1 2
Informasi 1 dan 2
tidak diketahui dan
Sp
Sp
( X 1 X 2 ) ( 1 2 )
t hitung t
t hitung - t
t hitung t /2 atau
t hitung - t /2
t hitung t
S1
S
2
n1
n2
( X 1 X 2 ) ( 1 2 )
2
t=
t=
t hitung - t /2
1
1
n1 n 2
S1
S
2
n1
n2
t=
t hitung t /2 atau
1
1
n1 n 2
t=
diasumsikan 1 2
Informasi 1 dan 2
tidak diketahui dan
1
1
n1 n 2
( X 1 X 2 ) ( 1 2 )
diasumsikan 1 2
Informasi 1 dan 2
tidak diketahui dan
Sp
( X 1 X 2 ) ( 1 2 )
t=
Zhitung - Z
( X 1 X 2 ) ( 1 2 )
diasumsikan 1 = 2
Informasi 1 dan 2
tidak diketahui dan
( X 1 X 2 ) ( 1 2 )
t=
Zhitung Z
1 2
n1
n2
Z=
t=
Zhitung - Z/2
( X 1 X 2 ) ( 1 2 )
diasumsikan 1 = 2
Informasi 1 dan 2
tidak diketahui dan
Zhitung Z/2 ata
1 2
n1
n2
Z=
diasumsikan 1 = 2
Informasi 1 dan 2
tidak diketahui dan
( X 1 X 2 ) ( 1 2 )
Informasi 1 dan 2
tidak diketahui dan
1 2
n1
n2
Z=
Informasi 1 dan 2
diketahui
2.a
( X 1 X 2 ) ( 1 2 )
Informasi 1 dan 2
diketahui
1c
154
t hitung - t
S1
S
2
n1
n2
d d0
t hitung t /2 atau
Sd / n
t hitung - t /2
d d0
t hitung t
diasumsikan data
4.b
H0 : d = d0
H1 : d d0
berpasangan
Informasi 1 dan 2
tidak diketahui dan
diasumsikan data
berpasangan
t=
Sd / n
Eri Setiawan
4.c
H0 : d = d0
H1 : d d0
Informasi 1 dan 2
tidak diketahui dan
155
t=
t hitung - t
d d0
Sd / n
diasumsikan data
berpasangan
Contoh
Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali A melebihi rata-rata tali
B sebesar sekurang-kurangnya 12 kilogram. Untuk diuji pernyataan ini, 50 tali dari masingmasing jenis tersebut di uji di bawah kondisi yang sama. Hasil uji memperlihatkan tali A
mempunyai kekuatan rentangan rata-rata 86,7 kg dengan simpangan baku 6,28 kg, sedangkan
tali B mempunyai kekuatan rentangan rata-rata 77,8 kg dengan simpangan baku 5,61 kg. Ujilah
pernyataan tersebut ? dengan taraf nyata 5 %.
Jawab.
Diketahui X 1 86,7
X 2 77,8
1 = 6,28
12 = 39,4384 n1 = 50
2 = 5,61
22 = 31,4721 n2 = 50
= 5 %.
H0 : A = B
H1 : A < B
= 5 %.
Z = - 1,96
( X 1 X 2 ) ( 1 2 )
Z=
1 2
n1
n2
(86,7 77,8) 0
39,4384 31,4721 =
50
50
8,9 12,0
= - 2,60
1,191
Karena Z hitung < - Z tabel maka H0 ditolak

Kesimpulan : Kita tidak cukup alasan untuk menyatakan bahwa kekuatan rentangan rata-rata tali
A melebihi rata-rata tali B sekurang-kurangnya 12 kilogram.
Dari dua populasi normal yang bebas diambil sampel acak berkukuran n 1 = 11 dan n2 =14 yang
menghasilkan rata-rata masing-masing adalah 75 dan 60 dan simpangan baku adalah
6,1 dan 5,3.
a. Ujilah hipotesis 1 - 2 belum tentu sama pada taraf nyata 5 %, bila diasumsikan 1 = 2
b. Ujilah hipotesis 1 - 2 belum tentu sama pada taraf nyata 5 %, bila diasumsikan 1 2
Jawab
a. Diketahui X 1 75 S1 = 6,1
X 2 60
S2 = 5,3
S12 = 37,21 n1 = 11
S22 = 28,09 n2 = 14
= 5 %.
Eri Setiawan
2
Sp2 =
(n1 1) S1 (n2 1) S 2
n1 n2 2
156
(11 1)37,21 (14 1) 28,09

= 32,055
11 14 2
Sp = 5,662
H0 : 1 = 2
H1 : 1 2
= 5 %.
t0,025(23) = 2,069
( X 1 X 2 ) ( 1 2 )
t=
1
1
n1 n2
Sp
(75 60) 0
15
1
1 =
= 6,576
2,281
5,662
11 14
Karena t hitung > t tabel maka H0 ditolak

Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa 1 = 2 pada taraf nyata 5 %.
b. H0 : 1 = 2
H1 : 1 2
= 5 %.
t0,025(20) = 2,086
2
( db ) =
S1 2 S 2 2
n n
2
1
2 2
2 2
S1 S 2
n1 n2

n1 1 n2 1

37,21 28,09
14
11
( X 1 X 2 ) ( 1 2 )
t=
28,09

14

13
(75 60)
S1
S
2
n1
n2
37,21
=
11

10

= 19, 9 20
15
37,21 28,09 =
= 6,463
2,321
11
14
Karena t hitung > t tabel maka H0 ditolak

Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa 1 = 2 pada taraf nyata 5 %.
Untuk mengetahui apakah aktif di UKM mempunyai akibat baik atau buruk terhadap IPK yang
dihasilkan. Data mengenai rata-rata IPK telah dikumpulkan selama periode 5 tahun:
UKM
Aktif
Tidak Aktif
1
2
2,2
2
2
1,9
Tahun
3
2,3
2,5
4
2,1
2,3
5
2,4
2,4
Eri Setiawan
157
Ujilah pada taraf nyata 5 % apakah aktif di UKM berakibat buruk pada IPK?
Jawab.
Diketahui
Aktif
Tidak Aktif
di
di2
d
d
n
2
2,2
- 0,2
0,04
0,5
0,1
=
5
2
1,9
0,1
0,01
2,3
2,5
- 0,2
0,04
2,1
2,3
- 0,2
0,04
n d i ( d i ) 2
2,4
2,4
0
0
2
d
S =
n( n 1)
- 0,5
0,13
5(0,13) ( 0,5) 2
= 0,02
5(5 1)
Sd = 0,1414
H0 : d = 0
H1 : d 0
= 5 %.
- t0,025(4) = - 2,776
0,1
0
t=
= ,1414 = - 1,587
Sd / n
5
d d0
karena t hitung > - t tabel maka H0 diterima

Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa aktif di UKM berakibat buruk pada IPK
dengan taraf nyata 5 %.
Jika dikerjakan dengan paket program, diperoleh
Paired T-Test and CI: Aktif, Tdk Aktif
Paired T for Aktif - Tdk Aktif
N
Mean
St-Dev
SE Mean
Aktif
2.160
0.182
0.081
Tdk Aktif
2.260
0.230
0.103
0.1414
0.0632
Difference 5 -0.100
95% CI for mean difference: (-0.2756, 0.0756)

T-Test of mean difference = 0 (vs not = 0): T-Value = -1.58
P-Value = 0.189
8.3.3. Menguji Ragam ( 2 )
No
H0
H1
Statistik Uji
Daerah Kritis
Eri Setiawan
H0 : = 0
H0 : 2 = 02
H0 : 2 = 02
H1 :
2
2
0
H1 : 2 > 02
H1 : 2 < 02
2

2
158
(n 1) S
02
tabel
atau
1 - /2
<
tabel
21 - < 2tabel
(n 1) S 2
>
2 > 2tabel
(n 1) S 2
2
/2
Contoh
Sebuah perusahaan aki mobil mengatakan bahwa umur aki yang diproduksinya mempunyai
simpangan baku populasi sebesar 0,9 tahun. Bila suatu sampel acak berukuran 10 buah aki telah
diambil, ternyata simpangan bakunya adalah 1,2 tahun. Ujilah apakah menurut simpangan baku
populasi sudah lebih dari 0,9 tahun ? dengan taraf nyata 5 %.
Jawab
Diketahui = 0,9
2 = 0,81 n = 10 S = 1,2
S2 = 1,44 = 0,05
H0 : 2 = 0,81
H1 : 2 > 0,81
= 0,05
20,05(9) = 16,919
(n 1) S 2
(10 1)1,44
= 16,000
0,81
Karena 2hitung < 2tabel maka H0 diterima

Kesimpulan
Kita tidak cukup alasan untuk mengatakan bahwa ragam umur aki yang diproduksi oleh
perusahaan tersebut sudah berubah dari 0,9 tahun, dengan taraf nyata 5 %.
1
8.3.4.. Menguji Nisbah ( Perbandingan ) Ragam (
)
22
2
N0
A
H0
H0 : 12 = 22
H1
H1 : 12 22
Statistik Uji
f =
S1
S2
Daerah Kritis
f hitung > f /2 ( v2, v1 )
1
atau f hitung < f (v , v )

/2
2
1
Eri Setiawan
H0 : = 2
2
1
H0 : 12 = 22
H1 : 1 >
2
2
2
f =
H1 : 12 < 22
f =
S1
S2
S1
S2
159
f hitung > f ( v2, v1 )
f hitung <
1
f (v 2 , v1 )
Contoh
Dari dua populasi normal yang bebas diambil sampel acak berkukuran n 1 = 11 dan n2 =14 yang
menghasilkan rata-rata masing-masing adalah 75 dan 60 dan simpangan baku masing-masing
adalah 6,1 dan 5,3. Ujilah dengan taraf nyata 10 %, nisbah ragam tersebut apakah masih sama
atau tidak?
Jawab
Diketahui X 1 75 S1 = 6,1
X 2 60
S2 = 5,3
= 10 %.
S12 = 37,21 n1 = 11
S22 = 28,09 n2 = 14
H0 : 12 = 22
H1 : 12 < 22
= 10 %.
f =
f /2 ( v2, v1 ) = f 0,05 (13 , 10 ) = 2,89 dan f 1 - /2 ( v1, v2 ) =
S1
S2
1
1
= 2,89 = 0,346
f / 2 (v1 , v 2 )
37,21
= 28,09 = 1,32
Karena f hitung < f tabel , maka H0 diterima

Kesimpulan: Kita cukup alasan untuk mengatakan bahwa 12 = 22 dengan taraf nyata 10 %.
Untuk = 10 % dan
2 sebelah kiri = f 0, 05(13,10 ) = 2,89 = 0,346
Eri Setiawan
160
Distribution Plot
F; df1=10; df2=13
0,8
0,7
Density
0,6
0,5
0,4
0,3
0,2
0,05
0,1
0,0
0 0,346
Untuk = 5 % dan v1 = 10 dan v2 = 13 , maka
f 0 , 05 (10 ,13) = 2,67
Distribution Plot
F; df1=10; df2=13
0,8
0,7
Density
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0,05
0
2,67
Eri Setiawan
Untuk = 10 % maka
2 sebelah kiri =
1
f 0 , 05 (13,10 )
161
= 2,89 = 0,346 dan sebelah kanan f 0 , 05(10 ,13) =
2,67
Distribution Plot
F; df1=10; df2=13
0,8
0,7
Density
0,6
0,5
0,4
0,3
0,2
0,05
0,1
0,0
0,05
0 0,346
2,67
Soal Latihan
1. Seorang peneliti mempelajari pengaruh pencahayaan terhadap bunga Lucerne pada kondisi
lingkungan yang berbeda. Ia mengambil sampel secara acak 9 dan 9 tanaman yang segar
dengan bunga-bunga yang tersinari tanpa halangan di bagian atas dan bunga-bunga yang
tersembunyi mungkin di bagian bawahnya. Kemudian ia menghitung banyak biji perdua polong
pada setiap lokasi. Data yang dikumpulkannya adalah:
Bunga b. atas
3,9 5,2 5,4 4,2 4,7 3,9 4,1 4,6 4,5
Bunga b. bawah 4,1 3,7 4,7 3,8 3,6 4,3 4,5 4,0 4,2
a. Ujilah nilai tengah bunga bag, atas yang sesungguhnya > 4,2 dengan taraf nyata 1 %
b. Ujilah nilai tengah bunga bag, bawah yang sesungguhnya > 4,2 dengan taraf nyata 5 %
c. Ujilah beda nilai tengah yang sesungguhnya belum tentu sama, dengan taraf nyata 10 %., jika
diasumsikan Adan B tidak ketahui dan A = B.
d. Uji ragam bunga bag. atas yang sesungguhnya < 0,200 dengan taraf nyata 1 %.
e. Uji ragam bunga bag. bawah yang sesungguhnya < 0,200 dengan taraf nyata 5 %.
f. Ujuilah nisbah ragam yang sesungguhnya denagn taraf nyata 10 %.
Eri Setiawan
162
2. Data besarnya volume penjualan komodi di Pasar 1 dan Pasar 2 sebagai berikut
Pasar 1
3,9 5,2 5,4 4,2 4,7 3,9 4,1 4,6 4,5
Pasar 2
4,1 3,7 4,7 3,8 3,6 4,3 4,5 4,0 4,2
a. Ujilah rata rata atau nilai tengah volume penjualan komodi di Pasar 1 yang sesungguhnya
dengan alternatif 1 > 4,2 dengan taraf nyata 5 %
b. Ujilah rata rata atau nilai tengah volume penjualan komodi di Pasar 2 yang sesungguhnya
dengan alternatif 2 > 4,2 dengan taraf nyata 5 %
c. Ujilah beda rata-rata atau nilai tengah yang sesungguhnya dengan alternatif 1 2 , dengan
taraf nyata 5 %., jika diasumsikan 1dan 2 tidak ketahui dan 1 = 2.
d. Ujilah ragam volume penjualan komodi di Pasar 1 yang sesungguhnya dengan alternatif 12 >
0,25 dengan taraf nyata 1 %
e. Ujilah ragam volume penjualan komodi di Pasar 2 yang sesungguhnya dengan alternatif 22 >
0,20 dengan taraf nyata 1 %
f. Ujilah nisbah ragam volume penjualan komodi di Pasar 1 dan Pasar 2 yang sesungguhnya
dengan alternatif belum tentu sama dengan taraf nyata 10 %
8.4. Menguji Homogenitas Ragam

H0 : 12 = 22 = 32 =
= k2
H1 : H0 ditolak
Statistik yang digunakan
dengan s =
Bartlett (ln10){B (ni 1)}log si }

2
(n 1)s
(n 1)
i
2
2
dan B = (log s ) (ni 1)
2 Bartlett (ln10){B (ni 1)}log si }

2
Contoh
Perlak 1
Perlak 2
Perlak 3
Perlak 4
Eri Setiawan
16
20
23
18
15
13
15
17
18
21
7
9
12
10
11
163
10
14
11
15
16
Descriptive Statistics: Respon
Variable Ragam N Mean StDev

Respon
s1
Variance
5 18.40
3.210
10.300
s2
5 16.80
3.030
9.200
s3
1.924
3.700
s 4 s1
sp
9.80
5 13.20
20 14.55
Sampel Ke
db
1
db
1
2
3
4
Jumlah
4
4
4
4
16
0,25
0,25
0,25
0,25
-
2.590
2,734
Si2
10,300
9.200
3,700
6.700
-
6.700
7.475
log Si2
1,0128
0,9638
0,5682
0,8261
-
( db ) log Si2
0,2532
0,2409
0,1420
0,2065
0,8426
log Sp2 = log 7,475 = 0,8736

B = (log s p ) (ni 1) = 0,8736 ( 16) = 13,9776
2
Bartlett (ln10){B (ni 1)}log si } = 2,303 ( 13,9776 - 13, 4836 ) = 1,138

2
tabel 2 = 5 % = 2 0, 05( 3) 7,815
Eri Setiawan
164
Distribution Plot
Chi-Square, df=3
0.25
Density
0.20
0.15
0.10
0.05
0.00
0.05
0
7.815
Kesimpulan:
Karena 2hitung < 2tabel maka H0 diterima berarti Kita tidak cukup alasan untuk mengatakan bahwa
keempat ragam tersebut berbeda.
Hasil manual adalah 1,138 sedangkan hasil olahan paket program adalah 1,03 ( perbedaan
antara 1,138 dan 1,03 disebabkan pembulatan dari perkalian saja ).
Jika dengan paket program adalah
Test for Equal Variances: Respon versus Ragam
95% Bonferroni confidence intervals for standard deviations
Ragam N
Lower
StDev
Upper
1.69426
3.20936
13.3149
1.60123
3.03315
12.5838
1.01546
1.92354
7.9803
1.36646
2.58844
10.7388
Bartlett's Test (Normal Distribution)

Test statistic = 1.03, p-value = 0.794
Levene's Test (Any Continuous Distribution)
Eri Setiawan
165
Uji Homogenitas Ragam

Bartlett's Test
Test Statistic
P-Value
Perlakuan 1
1.03
0.794
Ragam Perlakuan
Levene's Test
Test Statistic
P-Value
Perlakuan 2
0.36
0.781
Perlakuan 3
Perlakuan 4
0
2
4
6
8
10
12
14
95% Bonferroni Confidence Intervals for StDevs
8.5. Uji Kebaikan Suai atau Uji Kecocokan ( Goodness of fit test )
Uji Kebaikan Suai artinya ingin melihat sejauhmana antara frekuensi yang teramati (observasi)
( oi e i ) 2
dengan frekuensi harapan ( ekspekstasi ) didasarkan pada besaran:
ei
i 1
2
Prosedurnya
a. Tentukan perumusan hipotesisnya sesuai dengan masalahnya, yaitu:
H0 : Tidak ada masalah
H1: H0 ditolak .
b. Tentukan taraf nyata yang diinginkan
c. Tentukan statistik ujinya, yaitu:
d. Bandingkan antara statistik uji dengan statistik tabel.
e. Buat Kesimpulan.
Contoh
Pelantunan sebuah dadu yang seimbang ( homogen ) sebanyak 120 kali.Hasil percobaan sebagai
berikut:
Permukaan dadu
Hasil observasi
1
23
2
22
3
17
4
21
5
19
6
18
120
Eri Setiawan
166
Ujilah dengan = 5 %, apakah dadu tersebut mempunyai permukaan yang sama (seimbang)
atau tidak?
Jawab.
H0 : Pelantunan sebuah dadu sebanyak 120 masih seimbang
H1: Pelantunan sebuah dadu sebanyak 120 sudah tidak seimbang atau H 0 ditolak
=5%
20,05 ( 5 ) = 11,070
Distribution Plot
Chi-Square, df=5
0.16
0.14
Density
0.12
0.10
0.08
0.06
0.04
0.02
0.05
0.00
11.070
(oi ei ) 2 (23 20) 2 (22 20) 2 (17 20) (21 20) 2 (19 20) 2 (18 20) 2

=
= 1,400
ei
20
20
20
20
20
20
i 1
2
Karena 2 hitung < 2 tabel , maka H0 diterima

Kesimpulan: Kita cukup alasan untuk mengatakan bahwa pelantunan sebuah dadu sebanyak 120
masih seimbang dengan taraf nyata 5 %.
8.6
Uji Kebebasan ( Freedom of test )
Uji kebebasan artinya ingin melihat sejauhmana ada hubungan atau tidak antara faktor yang satu
dengan faktor yang lainnya, secara umum disebut dengan Kontingensi dan hal tersebut
( oi e i ) 2
didasarkan pada besaran:
ei
i 1
2
Eri Setiawan
167
Prosedurnya
Tentukan perumusan hipotesisnya sesuai dengan masalahnya, yaitu:
H0 : Apakah ada hubungan atau tidak antara .........
H1: H0 ditolak .
a. Tentukan taraf nyata yang diinginkan
b. Tentukan statistik ujinya, yaitu:
c. Bandingkan antara statistik uji dengan statistik tabel.
Buat Kesimpulan.
Contoh
Dalam suatu penelitian dikumpulkan data untuk menentukan apakah proporsi produk yang cacat
oleh pekerja yang bertugas pagi, sore dan malam hari sama atau tidak. Data diperoleh sebagai
berikut:
Hasil Produk
Cacat
Tidak Cacat
Jumlah
Pagi
50
750
800
Waktu Kerja
Sore
Malam
60
70
740
730
800
800
Jumlah
180
2220
2400
Ujilah dengan taraf nyata 5 %, apakah ada hubungan atau tidak antara hasil produk dengan
waktu kerja.
Jawab
Cari nilai ekspeksi dulu untuk masing-masing sel, yaitu
E(Cacat Pagi) =
(180 x800)
= 60
2400
E( Tidak Cacat Pagi) =
(2220 x800)
= 740
2400
E(Cacat Sore) =
(180 x800)
= 60
2400
E(Tidak Cacat Sore) =
(2220 x800)
= 740
2400
E(Cacat Malam) =
(180 x800)
= 60
2400
E(Tidak Cacat Malam) =
H0 : Tidak ada hubungan antara hasil produk dengan waktu kerja.

H1 : H0 ditolak
=5%
20,05 ( 2 ) = 5,991
( 2220 x800)
= 740
2400
Eri Setiawan
168
Distribution Plot
Chi-Square, df=2
0.5
Density
0.4
0.3
0.2
0.1
0.0
2
i 1
0.05
0
5.991
(oi ei ) 2 (50 60) 2 (60 60) 2 (70 60) 2 (750 740) 2 (740 740) 2 (730 740) 2
=
ei
60
60
60
740
740
740
= 1,667 + 0 + 1,667 + 0,135 + 0,135 + 0,135 = 5,406

Karena 2 hitung < 2 tabel , 5,406 5,991, maka H0 diterima
Kesimpulan: Kita cukup alasan untuk mengatakan bahwa tidak ada hubungan atau tidak
pengaruh antara hasil produk dengan waktu kerja, berarti proporsi produk yang cacat oleh pekerja
yang bertugas pagi, sore dan malam hari adalah sama dengan taraf nyata 5 %.
Soal Latihan
Suatu penelitian untuk melihat apakah ada hubungan antara kelas pasar kebiasaan belanja dan
status ekonomi , diperoleh data sebagai berikut:
Pasar Tradisional
Pasar Modern
Jumlah
Ekonomi Ekonomi
Ekonomi Jumlah
Bawah
Menengah Atas
90
70
40
200
30
70
100
200
120
140
140
400
Ujilah dengan taraf nyata = 5 %, apakah ada hubungan antara kelas pasar kebiasaan belanja
dengan status ekonomi ?.
IX ANALISIS RAGAM
Eri Setiawan
169
9.1. Pendahuluan
Teknik Analisis Ragam (Analysis of Variance) digunakan untuk menguji rata-rata (nilai tengah )
bila lebih dari dua atau untuk menguji beberapa rata-rata.
Analisis ragam artinya suatu metode untuk menguraikan keragaman total menjadi komponenkomponen yang mengukur berbagai sumber keragaman.
9.2. Model Matematik

Dalam Statistika, jika kita mengukur lebih dari satu kali maka diperoleh rata-rata data dan
penyimpangan dari data itu sendiri. Hal tersebut dituangkan dalam bentuk persamaan
matematiknya adalah : Yi = i
Artinya Yi = hasil pengamatan atau pengukuran,ke-i, = rata-rata atau nilai tengah dan
i = galat percobaan
Model matematik tersebut dikenal dengan istilah Model Linear Aditif.
Andaikan yang diukur itu adalah suatu perlakuan ( treatmen ), maka model linear aditifnya adalah
Yij = + i + ij
di mana i = perlakuan ( treatmen ) dengan i = 1, 2, . . . , t dan

j = ulangan ( replikasi ) dengan j = 1, 2,
. . . , r.
Yij = pengaruh yang akan kita ukur
= rata-rata atau nilai tengah

i = pengaruh perlakuan ke-i
i j = galat percobaan yang mendapat perlakuan ke-i dan ulangan ke-j.

Jadi Yij = + i + ij adalah
FK = Faktor Koreksi =
ij
JKT = Jumlah Kuadrat Total =
JKP = Jumlah Kuadrat Perlakuan =
( Yij ) 2
tr
ij
Yi. 2
( Yij ) 2
tr
( Yij ) 2
JKG = Jumlah Kuadrat Galat = JKT - JKP

JKT
FK
JKP
JKG
tr
Eri Setiawan
170
9.3. Klasifikasi Satu Arah

Misalkan kita ingin menguji lebih dari dua rata-rata atau nilai tengah sebutlah uji beberapa ratarata, maka hipotesisnya
H0 : 1 = 2 = 3 =
... = k
H1 : H0 ditolak atau sekurang-kurangnya dua rata-rata tidak sama.

Identitas Jumlah Kuadrat Klasifikasi Satu Arah
k
k
k
n
2
(
y
y
..)
n
y
y
)
ij
i. .. ( yij yi. ) 2
i 1 j 1
i 1
(y
ij
i 1 j 1
[( y
[( y
( y
i 1 j 1
k
di mana 2
i.
i.
y.. ) ( yij y i. )] 2
y..) 2 2( y i. y.. )( y ij y i. ) ( y ij y i. ) 2 ]
( y ij yi. ) = yij
j 1
j 1
y.. ) 2 + 2
i 1 j 1
ny i .
i 1 j 1
i.
y.. ) 2 = n
(y
i 1
( y
i 1 j 1
ij
i.
y.. )( y ij y i. ) +
j 1
j 1
y ij n
y.. ) 2 = n
i.
ij
=0
( y
( y
y.. )( y ij y i. ) = 0
Jadi
i.
i 1 j 1
( y
i 1 j 1
i.
i 1 j 1
k
y.. ) 2 =
y.. ) 2
k
(y
i 1
i.
y.. ) 2 +
( y
i 1 j 1
k
Dan diperoleh JKT = Jumlah Kuadrat Total =

k
JKK = Jumlah Kuadrat Kolom = n
i 1
JKG = Jumlah Kuadrat Galat =
(y
i.
( y
i 1 j 1
ij
ij
y i. ) 2
( y
i 1 j 1
y.. ) 2
y i. ) 2
i.
y.. ) 2
( y
i 1 j 1
ij
y i. ) 2
Eri Setiawan
171
Dengan demikian identitas jumlah kuadrat dinotasikan sebagai persamaan

JKT = JKK + JKG
Rumus Operasional JKT =
y
i 1 j 1
Rumus Operasional JKK =
y
i 1
2
ij
2
i.
( y ij ) 2
nk
( y ij ) 2
nk
Rumus Operasional JKG = JKT JKK
Tabel Klasifikasi Satu Arah

Perlakuan
Jumlah
Ulangan
1
2
1
Y11
Y21
2
Y12
Y22
t
Y1t
Y21
Y.j
Y.j
r
Jumlah
Yri
Yi .
Yr2
Yi.
Yrt
Yi.
Y.j
Yij
Kolom dalam hal ini menyatakan banyaknya perlakuan atau banyaknya rata-rata yang akan diuji.
Selanjutnya dibuat dalam tabel analisis ragam, yaitu:

Sumber
Keragaman
Perlakuan
Derajat
Bebas
t -1
Jumlah
Kuadrat
JKP
Galat
t(r1)
JKG
Kuadrat Tengah
JKP
dbPerlakuan
JKG
dbGalat
F hitung
KTP
KTG
F tabel
0,05
0,01
.......
.......
Eri Setiawan
Total
tr 1
JKT
172
JKT
dbtotal
9.4. Kriteria Pengujian

f hitung > f tabel , 5 % maupun 1 %, maka H0 sangat ditolak ( sangat berbeda/ higly significant )
f hitung > f tabel , 5 % tapi < 1 %, maka H0 ditolak ( berbeda/ significant )
f hitung < f tabel , 5 % maupun 1 %, maka H0 diterima ( tidak berbeda/ non significant )
Contoh
Dari 5 ( lima ) tablet sakit kepala yang diberikan kepada 25 dicatat berapa lama tablet-tablet itu
dapat mengurangi rasa sakit. Ke 25 orang itu dibagi secara acak ke dalam 5 jenis tablet sakit
kepala sebut saja tablet merk A, B, C, D dan E yang masing-masing diberi satu. Hasilnya reaksi
pengobatan dicantumkan dalam tabel sebagai berikut:
Orang
1
2
3
4
5
Jumlah
A
4
5
8
6
3
26
Tablet
B
C
9
3
7
5
8
2
6
3
9
7
39
20
D
2
3
4
1
4
14
E
7
6
9
4
7
33
25
26
31
20
30
132
Apakah ada pengaruh yang berarti atau tidak dari kelima tablet sakit kepala tersebut?
Jawab
H0: Secara rata-rata kelima jenis tablet mempunyai reaksi yang sama dalam mengurangi rasa
sakit kepala.
H1: Secara rata-rata kelima jenis tablet belum tentu mempunyai reaksi yang sama dalam
mengurangi rasa sakit kepala.
Atau dengan bahasa statistiknya
H0 : A = B = C = D = E
H1 : H0 ditolak ( artinya salah satu ada yang tidak sama )
Eri Setiawan
173
Selanjutnya hitung
1. FK =
( Yij ) 2
tr
2. JKT =
Yij -
3. JKP =
i.
17424
(132) 2
=
= 696,96
25
5 x5
( Yij ) 2
tr
( Yij ) 2
tr
= [ 4 2 + 52 +
...
+ 72 ] 696,96 = 834 - 696,96 = 137,04
(26) 2 (39) 2 (20) 2 (14) 2 (33) 2

=[
] 696,96 = 776,40 696,96 =
5
79,44
4. JKG = JKT JKP = 137,04 79,44 = 57,60
Selanjutnya disajikan dalam tabel
Tabel Analisis ragam

Sumber
Keragaman
Perlakuan
Galat
Total
Derajat Bebas
Jumlah
Kuadrat
51=4
5(51) =20
5x5 1 = 24
Kuadrat
79,44
57,60
137,04
Tengah
19,86
2,88
f hitung
6,90
**
f tabel
0,05
2,87
0,01
4,43
Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 sangat ditolak, berarti kelima jenis tablet sakit
kepala memberikan reaksi yang sangat berbeda.
Bila dihitung melalui paket program hasilnya adalah

General Linear Model: Respons versus Perlakuan
Factor
Type Levels Values
Perlakuan fixed
5 A, B, C, D, E
One-way ANOVA: Respon versus Perlakuan

Analysis of Variance for Respon
Source
DF
SS
MS
Eri Setiawan
Perlakuan
Error
Total
4
20
24
79.44
57.60
137.04
174
19.86
2.88
6.90
0.001
Pooled St Dev = 1.697

Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 ditolak, berarti kelima jenis tablet sakit kepala
memberikan reaksi yang sangat berbeda.
Perhatikan
Terlihat hasil perhitungan secara manual dan hasil melalui paket program di atas adalah sama
pada tabel analisis ragam dan pada tabel Analysis of Variance .
Selanjutnya dilihat hasil ploting data tersebut sebgai berikut.
Residual Plots for Treatmen
Normal Probability Plot
Versus Fits
99
3,0
Residual
Percent
90
50
0,0
-1,5
10
1
1,5
-3,0
-4
-2
0
Residual
Versus Order
4,8
3,0
3,6
1,5
Residual
Frequency
Histogram
2,4
0,0
-1,5
1,2
0,0
6
Fitted Value
-3,0
-2,4
-1,2
0,0
1,2
Residual
2,4
Contoh lainnya
Orang
1
2
3
4
5
Jumlah
A
4
5
8
6
3
26
B
9
7
8
6
30
Tablet
C
3
5
2
D
2
3
E
7
6
9
10
22
25
26
21
12
3
93
8 10 12 14 16 18 20 22 24
Observation Order
Eri Setiawan
175
Hasil Analisis
Sumber
Keragaman
Perlakuan
Galat
Total
Derajat
Bebas
4
12
16
Jumlah
Kuadrat
58,602
29,633
88,235
Kuadrat
Tengah
14,650
2,469
f hitung
5,93 **
0,05
3,26
f tabel
0,01
5,41
Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 ditolak, berarti kelima jenis tablet sakit kepala
memberikan reaksi yang sangat berbeda.
Source
DF
SS
MS
Perlakuan 4
58.60
14.65
Error
12
29.64
2.47
Total
16
88.24
5.93
P
0.007
S = 1.571 R-Sq = 66.42% R-Sq(adj) = 55.22%

Individual 95% CIs For Mean Based on Pooled St-Dev
Level N Mean St-Dev +---------+---------+---------+--------A
5 5.200 1.924
(-----*-----)
B
4 7.500 1.291
(------*------)
C
3 3.333 1.528
(-------*-------)
D
2 2.500 0.707 (---------*---------)
E
3 7.333 1.528
(-------*-------)
+---------+---------+---------+--------0.0
2.5
5.0
7.5
Pooled St-Dev = 1.571
Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 sangat ditolak, berarti kelima jenis tablet sakit
kepala memberikan reaksi yang sangat berbeda.
Perhatikan diperoleh data sampel mengenai nilai hasil dari peserta LUAN SMA 2009 sebagai
berikut:
Pelajaran
Siswa
3
Eri Setiawan
Matematika
B Indonesia
B Inggris
IPA
IPS
Pertanyaannya
61
72
67
70
75
67
75
69
73
74
68
70
72
74
76
65
77
71
72
80
176
68
70
73
74
76
a. Apakah ada perbedaan kemampuan dari kelima siswa tersebut.

b. Apakah ada perbedaan tingkat kesulitan dari kelima pelajaran tersebut
Jawab
Sebelum menjawab hal tersebut akan diuji terlebih dahulu asumsi normalitas data dan
homogenitas ragam data
a. Uji Normalitas Data sebagai berikut:
H0 : Data kemampuan siswa 1 adalah normal
H1 : data kemampuan siswa 1 tidak normal.
Taraf Nyata ( ) = 5 %
Z tabel = 1,96
Z hitung menurut Anderson Darling ( AD ) = 0,165

Kesimpulan :
Karena Z hitung < Z tabel , maka H0 : diterima, berarti kemampuan siswa 1 adalah normal.
Z tabel = 1,96

Kesimpulan :
Eri Setiawan
177
Uji Normalitas Data Siswa 1

Normal
99
Mean
StDev
N
AD
P-Value
95
90
5.2
1.924
5
0.166
0.871
Percent
80
70
60
50
40
30
20
10
5
10

Z tabel = 1,96

Kesimpulan :
Eri Setiawan
178

Normal
99
Mean
StDev
N
AD
P-Value
95
90
7.8
1.304
5
0.289
0.454
Percent
80
70
60
50
40
30
20
10
5
10
11

Z tabel = 1,96

Kesimpulan :
Eri Setiawan
179

Normal
99
Mean
StDev
N
AD
P-Value
95
90
4
2
5
0.334
0.336
Percent
80
70
60
50
40
30
20
10
5
10

Z tabel = 1,96

Kesimpulan :
Eri Setiawan
180

Normal
99
Mean
StDev
N
AD
P-Value
95
90
2.8
1.304
5
0.289
0.454
Percent
80
70
60
50
40
30
20
10
5

Z tabel = 1,96

Kesimpulan :
Z
(X
Eri Setiawan
181

Normal
99
Mean
StDev
N
AD
P-Value
95
90
6.6
1.817
5
0.245
0.570
Percent
80
70
60
50
40
30
20
10
5
10
11
H0 : Data tingkat kesulitan mata pelajaran Matematika adalah normal

H1 : Data tingkat kesulitan mata pelajaran Matematika tidak normal.
Z tabel = 1,96

Kesimpulan :
Karena Z hitung < Z tabel , maka H0 : diterima, berarti data tingkat kesulitan mata pelajaran
Matematika adalah normal
Eri Setiawan
182
Uji Normalitas Data Nilai Ujian Matematika

Normal
99
Mean
StDev
N
AD
P-Value
95
90
65.8
2.950
5
0.449
0.150
Percent
80
70
60
50
40
30
20
10
5
60
62
64
66
Math
68
70
72
74
H0 : Data tingkat kesulitan mata pelajaran Bahasa Indonesia adalah normal

H1 : Data tingkat kesulitan mata pelajaran bahasa Indonesia tidak normal.
Z tabel = 1,96

Kesimpulan :
Bahasa Indonesia adalah normal
Eri Setiawan
183
Uji Normalitas Data Nilai Ujian Bahasa Indonesia

Normal
99
Mean
StDev
N
AD
P-Value
95
90
72.8
3.114
5
0.325
0.356
Percent
80
70
60
50
40
30
20
10
5
65.0
67.5
70.0
72.5
B Ind
75.0
77.5
80.0
H0 : Data tingkat kesulitan mata pelajaran Bahasa Inggris adalah normal

H1 : Data tingkat kesulitan mata pelajaran Bahasa Inggris tidak normal.
Z tabel = 1,96

Kesimpulan :
Bahasa Inggris adalah normal
Eri Setiawan
184
Uji Normalitas Data Nilai Ujian Bahasa Inggris

Normal
99
Mean
StDev
N
AD
P-Value
95
90
70.4
2.408
5
0.203
0.740
Percent
80
70
60
50
40
30
20
10
5
65.0
67.5
70.0
B Ing
72.5
75.0
77.5
H0 : Data tingkat kesulitan mata pelajaran IPA adalah normal

H1 : Data tingkat kesulitan mata pelajaran IPA tidak normal.
Z tabel = 1,96

Kesimpulan :
Karena Z hitung < Z tabel , maka H0 : diterima, berarti data tingkat kesulitan mata pelajaran IPA
adalah normal
Eri Setiawan
185
Uji Normalitas Data Nilai Ujian IPA

Normal
99
Mean
StDev
N
AD
P-Value
95
90
72.6
1.673
5
0.336
0.331
Percent
80
70
60
50
40
30
20
10
5
68
69
70
71
72
73
74
75
76
77
IPA
H0 : Data tingkat kesulitan mata pelajaran IPS adalah normal

H1 : Data tingkat kesulitan mata pelajaran IPS tidak normal.
Z tabel = 1,96

Kesimpulan :
Karena Z hitung < Z tabel , maka H0 : diterima, berarti data tingkat kesulitan mata pelajaran IPS
adalah normal
Eri Setiawan
186
Uji Normalitas Data Nilai Ujian IPS

Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
70
72
74
76
IPS
78
80
b. Uji Homogenitas Ragam

H0 : Ragam kemampuan kelima siswa adalah homogen
H1 : Ragam kemampuan kelima siswa tidak homogen
2 tabel = 20,05 ( 20 ) = 31,410
Descriptive Statistics: Math, B Ind, B Ing, IPA, IPS

Variable N Mean StDev Variance
Math
5 65.80 2.95
8.70
B Ind
5 72.80 3.11
9.70
B Ing
5 72.00 3.16
10.00
IPA
5 73.00 5.79
33.50
IPS
5 76.20 2.28
5.20
82
76.2
2.280
5
0.444
0.157
Eri Setiawan
db
1
2
3
4
5
1
db
4
4
4
4
4
20
Sp
Si
0,25
0,25
0,25
0,25
0,25
Log S i
8,70
9.70
10,00
33,50
5,20
187
2
(db) Log S i
0,939
0,987
1,000
1,525
0,716
3,756
3,948
4,000
6,100
2,864
20,668
4(8,7) 4(9,7) 4(10,0) 4(33,5) 4(5,2)

20
= 13,42
Log Sp 2 = Log 13,42 = 1,128

B = ( Log Sp 2) ( ni 1) = ( 1,128 ) (20 ) = 22,56
Bartlett (ln 10){B (ni 1) log S p } = 2,3026{22,56 20,668}= 4,356

2
Kesimpulan
Karena 2 hitung < 2 tabel, maka H0 diterima, berarti kelima ragam adalah homogen.
H0 : Ragam kelima mata pelajaran adalah homogen
H1 : Ragam kelima mata pelajaran tidak homogen
2 tabel = 20,05 ( 20 ) = 31,410
Descriptive Statistics: Siswa 1, Siswa 2, Siswa 3, Siswa 4, Siswa 5

Siswa 1 5 69.00 5.34
28.50
Siswa 2 5 71.60 3.44
11.80
Siswa 3 5 72.00 3.16
10.00
Siswa 4 5 73.00 5.79
33.50
Siswa 5 5 72.20 3.19
10.20
Eri Setiawan
derajat
bebas ( db )
4
4
4
4
4
20
1
2
3
4
5
Sp
1
db
Si
0,25
0,25
0,25
0,25
0,25
28,50
11,80
10,00
33,50
10,20
Log S i
188
2
(db) Log S i
1,455
1,072
1,000
1,525
1,009
5,820
4,288
4,000
6,100
4,036
24,244
4( 28,5) 4(11,8) 4(10,0) 4(33,5) 4(10,2)

20
= 18,80
Log Sp 2 = Log 18,80 = 1,274

B = ( Log Sp 2) ( ni 1) = ( 1,274 ) (20 ) = 25,48
Bartlett (ln 10){B (ni 1) log S p } = 2,3026{25,48 24,244}= 2,846

2
Kesimpulan
Karena 2 hitung < 2 tabel, maka H0 diterima, berarti ragam kelima mata pelajaran adalah
homogen.
Selanjutnya di dihitung analisis ragam sebagai berikut:
FK =
( Yij ) 2
tr
JK Total = JKT =
(1789) 2
= 128 020,84
25
JK Siswa = JK S =
- FK = 128 443 128 020,84 = 442,16
ij
JK Pelajaran = JK P =
i.
- FK = 128 067 128 020,84 = 46,16
.j
- FK = 128 314,20 128 020,84 = 293,36
JK Galat = JKG = JKT JKS JKP = 442,16 46,16 293,36 = 102,64
Eri Setiawan
189
Tabel Analisis Ragam

Sumber
Derajat
Jumlah
Kuadrat
f hitung
Keragaman
Siswa
Pelajaran
Galat
Total
Bebas
4
4
16
24
Kuadrat
46,16
293,36
82,64
442,16
Tengah
11,540
73,340
5,160
2,23 tn
14,21 *
F tabel
0,05
3,01
3,01
0,01
4,77
4,77
Bila dikerjakan dengan bantuan paket program diperoleh:

General Linear Model: Nilai versus Siswa; Pelajaran
Factor
Type
Levels
Values
Siswa
random
1; 2; 3; 4; 5
Pelajaran
fixed
B Indonesia; B Inggris; IPA; IPS;

Matematika
Analysis of Variance for Nilai, using Adjusted SS for Tests

Source
DF
Seq SS
Adj SS
Adj MS
Siswa
46,160
46,160
11,540
2,23
0,111
Pelajaran
293,360
293,360
73,340
14,20
0,000
Error
16
82,640
82,640
5,165
Total
24
422,160
S = 2,27266
R-Sq = 80,42%
R-Sq(adj) = 70,64%
Perhatikan
Terlihat hasil secara manual dan hasil melalui paket program adalah sama pada tabel analisis
ragam dan pada tabel Analysis of Variance dari paket program.
Eri Setiawan
190
Residual Plots for Nilai

Versus Fits
4
90
2
Residual
Percent

99
50
10
1
0
-2
-4
-5,0
-2,5
0,0
Residual
2,5
5,0
65
70
Fitted Value
Histogram
Versus Order
4
2
3,6
Residual
Frequency
4,8
2,4
1,2
0,0
75
0
-2
-4
-4
-2
0
Residual
8 10 12 14 16 18 20 22 24
Observation Order
Test for Equal Variances: Respon versus Perlakuan

Perlakuan
Lower
StDev
Upper
0.997970
1.92354
8.456
0.624071
1.29099
8.349
0.663620
1.52753
21.575
0.251905
0.70711
112.837
0.663620
1.52753
21.575

Eri Setiawan
191

Bartlett's Test
Test Statistic
P-Value
1.15
0.887
Levene's Test
Test Statistic
P-Value
Perlakuan
E
0
20
40
60
80
100
120
Kesimpulan : H0 diterima, berarti kelima ragam adalah homogen.

Selanjutnya analisis ragam
FK =
( Yij ) 2
tr
JK Total = JKT =
(1789) 2
= 128 020,84
25
- FK = 128 443 128 020,84 = 442,16
ij
JK Siswa = JK S =
JK Pelajaran = JK P =
i.
- FK = 128 067 128 020,84 = 46,16
.j
- FK = 128 314,20 128 020,84 = 293,36
JK Galat = JKG = JKT JKS JKP = 442,16 46,16 293,36 = 102,64

Sumber
Derajat
Jumlah
Keragaman
Siswa
Pelajaran
Galat
Total
Bebas
Kuadrat Tengah
46,16
11,540 2,23 tn
293,36
73,340 14,20 **
82,64
5,160
442,16
Kesimpulan :
4
4
16
24
Kuadrat
f hitung
f tabel
0,05
3,01
3,01
0,01
4,77
4,77
0.37
0.829
Eri Setiawan
192
a. Karena f hitung < f tabel , maka H0 diterima, berarti tidak terdapat perbedaan kemampuan yang
berarti dari kelima siswa adalah sama.
b.
Karena f hitung > f tabel , maka H0 ditolak, berarti terdapat perbedaan yang berarti tingkat
kesulitan dari kelima mata pelajaran tersebut.
Bila dikerjakan dengan bantuan paket program diperoleh:

General Linear Model: Nilai versus Siswa; Pelajaran
Factor
Type
Levels
Values
Siswa
random
1; 2; 3; 4; 5
Pelajaran
fixed
B Indonesia; B Inggris; IPA; IPS; Matematika
Analysis of Variance for Nilai, using Adjusted SS for Tests

Source
DF
Seq SS
Adj SS
Adj MS
Siswa
46,160
46,160
11,540
2,23
0,111
Pelajaran
293,360
293,360
73,340
14,20
0,000
Error
16
82,640
82,640
5,165
Total
24
422,160
S = 2,27266
R-Sq = 80,42%
R-Sq(adj) = 70,64%
Perhatikan
Terlihat hasil secara manual dan hasil melalui paket program adalah sama pada tabel analisis
ragam dan pada tabel Analysis of Variance dari paket program.
Eri Setiawan
193

Versus Fits
4
90
2
Residual
Percent

99
50
10
1
0
-2
-4
-5,0
-2,5
0,0
Residual
2,5
5,0
65
70
Fitted Value
Histogram
Versus Order
4
2
3,6
Residual
Frequency
4,8
2,4
1,2
0,0
75
0
-2
-4
-4
-2
0
Residual
8 10 12 14 16 18 20 22 24
Observation Order
One-way ANOVA: Nilai versus Pelajaran

Source
DF
SS
MS
293.36
73.34
11.39
0.000
Error
20
128.80
6.44
Total
24
422.16
Pelajaran
S = 2.538
R-Sq = 69.49%
R-Sq(adj) = 63.39%
Level
Mean
StDev
B Indonesia
72.800
3.114
B Inggris
70.400
2.408
IPA
72.600
1.673
IPS
76.200
2.280
Matematika
65.800
2.950
Eri Setiawan
194
Individual 95% CIs For Mean Based on Pooled StDev

Level
-+---------+---------+---------+--------
B Indonesia
(-----*-----)
B Inggris
(-----*-----)
IPA
(----*-----)
IPS
(-----*----)
Matematika
(----*-----)
-+---------+---------+---------+-------64.0
68.0
72.0
76.0
Pooled StDev = 2.538

Hsu's MCB (Multiple Comparisons with the Best)
Family error rate = 0.05
Critical value = 2.30
Intervals for level mean minus largest of other level means
Level Lower
Center Upper
---+---------+---------+---------+------
B Indonesia -7.099
-3.400 0.299
(-----*-----)
B Inggris
-9.499
-5.800 0.000
(-----*---------)
IPA
-7.299
-3.600 0.099
(-----*-----)
IPS
-0.299
3.400 7.099
Matematika -14.099 -10.400
(-----*-----)
0.000
(-----*----------------)
---+---------+---------+---------+------12.0
-6.0
One-way ANOVA: Nilai versus Siswa

Source
DF
SS
MS
Siswa
46.2
11.5
0.61
0.658
Error
20
376.0
18.8
Total
24
422.2
S = 4.336
R-Sq = 10.93%
R-Sq(adj) = 0.00%
0.0
6.0
Eri Setiawan
195
Individual 95% CIs For Mean Based on

Pooled StDev
Level
Mean
StDev
----+---------+---------+---------+-----
69.000
5.339
(----------*-----------)
71.600
3.435
72.000
3.162
73.000
5.788
72.200
3.194
(-----------*----------)
(-----------*----------)
(-----------*----------)
(----------*-----------)
----+---------+---------+---------+----66.5
70.0
73.5
77.0
Pooled StDev = 4.336

Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of Siswa
Individual confidence level = 99.28%
Siswa = 1 subtracted from:
Siswa
Lower Center
Upper
------+---------+---------+---------+---
-5.602
2.600
10.802
(------------*-------------)
-5.202
3.000
11.202
(-------------*-------------)
-4.202
4.000
12.202
-5.002
3.200
11.402
(-------------*------------)
(------------*-------------)
------+---------+---------+---------+---6.0
0.0
6.0
12.0

Siswa
Lower Center Upper
-7.802
0.400
8.602
-6.802
1.400
9.602
-7.602
0.600
8.802
------+---------+---------+---------+--(-------------*------------)
(------------*-------------)
(-------------*-------------)
------+---------+---------+---------+---6.0
0.0
6.0
12.0
Eri Setiawan
196

Siswa
Lower Center Upper
-7.202
1.000
9.202
-8.002
0.200
8.402
------+---------+---------+---------+--(-------------*------------)
(------------*-------------)
------+---------+---------+---------+---6.0
0.0
6.0
12.0

Siswa
Lower Center Upper
-9.002
-0.800
------+---------+---------+---------+---
7.402
(-------------*------------)
------+---------+---------+---------+---6.0
0.0
6.0

Versus Fits
4
90
2
Residual
Percent

99
50
10
1
0
-2
-4
-5,0
-2,5
0,0
Residual
2,5
5,0
65
70
Fitted Value
Histogram
Versus Order
4
2
3,6
Residual
Frequency
4,8
2,4
1,2
0,0
75
0
-2
-4
-4
-2
0
Residual
8 10 12 14 16 18 20 22 24
Observation Order
12.0
Eri Setiawan
197
X. Analisis Regresi dan Korelasi

10.1. Pendahuluan
Analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau lebih
peubah. Bila hubungan tersebut dapat dinyatakan dalam bentuk matematik, maka akan dapat
menggunakannya untuk keperluan peramalan.
Regresi berasal dari kata regress artinya cenderung, pengertian regresi berarti kecenderungan
mendekati.
Jadi kecenderungan pola hubungan peubah secara fungsional merupakan suatu garis lurus atau
tidak.
Analisis Regresi merupakan hubungan fungsional antara dua atau lebih peubah sedangkan
Analisis Korelasi merupakan hubungan keeratan antara dua atau lebih peubah.
Suatu fungsi ditulis Y f ( X ) . Hubungan funsional tersebut ditulis Y X dalam hal ini Y
merupakan peubah tak bebas ( terikat/dependent ) dan X merupakan peubah bebas (
independent ). Sehingga hubungan tersebut dapat ditulis menjadi Y X
10.2 Jenis Regresi

Regresi terdiri dari regresi linear dan non linear.
a.1. Regresi Linear berarti garisnya merupakan garis lurus. Regresi Linear terdiri dari
Regresi Linear Sederhana artinya hubungan garis lurus dengan satu peubah bebas.
a.2. Regresi Linear Berganda artinya hubungan garis lurus dengan lebih dari satu peubah bebas
b. Regresi Non Linear berarti garisnya bukan merupakan garis lurus, mungkin
b.1. Regresi Kuadratik Y a bX cX 2
b.2. Regresi Kubik Y a bX cX 2 + dX3
b.3. Regresi Geometrik Y aX b .
b.4. Regresi Eksponensial Y ab x
Eri Setiawan
b.5. Regresi Logistik Y =
198
1
ab x c
10.3. Regresi Linear Sederhana

Persamaan garis
Y X
dalam operasionalnya diduga melalui sampel menjadi y a bx
dengan a = koefisien titik potong dan b = koefisien regresi. Selanjutnya dengan metode kuadrat
terkecil ( Ordinary Least Squares ) diperoleh persamaan untu koefisien:
b=
n X i Yi ( X i )( Yi )
n X i ( X i )
2
dan
a = y bx dengan x
X
n
dan y
Contoh
1. Perhatikan data sebagai berikut:
X
Buatlah persamaan garis regresi linear sederhana.

Jawab
X
1
2
3
4
5
6
21
X
x
6
8
9
20
20
12
75
i
21
3,5
6
Sx =
Sx
6
4
3
5
4
2
24
Y
y
X2
XY
3,5
Y2
1
4
9
16
25
36
91
36
16
9
25
16
4
106
n X i ( X i ) 2
2
Sx =
24
4,0
6
Sx2 =
= 1,871
Sy =
n(n 1)
Sy =
6(91) ( 21) 2
= 3,5
6(6 1)
Sy
2,0
= 1,414
6(75) ( 21)(24)
450 504
54
=
=
= - 0,514
6(91) ( 21) 2
546 441
105
a = 4.0 ( - 0,514 ) ( 3,5 ) = 4 + 1,8 = 5,8
n Yi ( Yi ) 2
2
Sy2 =
n(n 1)
6(106) ( 24) 2
= 2,0
6(6 1)
Eri Setiawan
Jadi persamaan garis regresi linear sederhana adalah
y 5,8
199
0,514 x
Jika dikerjakan dengan paket program hasilnya, sebagai berikut:

Regression Analysis: Volume versus Harga
The regression equation is
Volume = 5.80 - 0.514 Harga
Predictor
Constant
Harga
Coef
5.800
-0.514
S = 1.15882
SE Coef
1.079
0.277
R-Sq = 46.3%
T
5.38
-1.86
P
0.006
0.137
R-Sq(adj) = 32.9%
r = - 0,68
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
4
5
SS
4.629
5.371
10.000
MS
4.629
1.343
F
3.45
P
0.137
Jika data tersebut kita plot, maka hasilnya sebagai berikut:

Fitted Line Plot
Y = 5,800 - 0,5143 X
S
R-Sq
R-Sq(adj)
2
1
4
X
1,15882
46,3%
32,9%
Eri Setiawan
200

(response is Y)
99
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
Residual
Eri Setiawan
201
Jadi persamaan garis regresi yang kita duga tidak pas dengan data yang kita punya, artinya ada
penyimpangan atau keragaman dalam pembuatan garis regresi.
Eri Setiawan
202
10.3.1 Keragaman Sehubungan dengan Regresi Linear Sederhana

2
2
2
a. Ragam Galat ( atau y .x ) akan diduga melalui Se2 = S y .x =
b. Ragam Koefisien Regresi ( ) akan diduga melalui Sb2 =

2
S y.x
(X
( n 1)
[ Sy2 b2 Sx2 ]
( n 2)
X )2
2
2
c. Ragam Koefisien Titik Potong ( ) akan diduga melalui Sa2 = S y .x {
x2
}
(X i X )2
Hasil perhitungan dengan data di atas diperoleh :

2
a. S y .x =
( n 1)
[ Sy2 b2 Sx2 ]
( n 2)
(6 1)
5
[ 2 ( - 0,514)2 ( 3,5 ) ] =
[ 2 0,925 ] = 1,343
( 6 2)
4
Untuk menghitung b, cari dulu nilai

Sx2 =
b. Sb =
(X
X )2
n 1
S y.x
(X
dan diperoleh
X ) 2 melalui rumus ragam lainnya, yaitu :
(X
X ) 2 = ( n 1 ) Sx2 = ( 6 1 ) 3,5 = 17,5
1.343
=
= 0,077
(X i X ) 17,5
2
c. Sa2 = S y .x {
kalau ditanya Sb =
kalau ditanya Sa =
0,077
= 0,277
x2
1 (3,5) 2
}
=
1,343
{
} = 1,343 ( 0,167 + 0,7 ) = 1,164
6
17,5
(X i X )2
1,164
= 1,079
10.3.2 Pendugaan Sehubungan dengan Regresi Linear Sederhana

a. Menduga Ragam Galat ( ) dengan P[
2
( n 2) S y . x
/ 2 2
( n 2) S y . x
1 / 2 2
]=1
2
b. Menduga Ragam Koefisien Regresi dengan P[ b t /2 Sb b + t /2 Sb ] = 1 -
c. Menduga Ragam Koefisien Regresi dengan P[ a t /2 Sa a + t /2 Sa ] = 1 -

2
Untuk soal di atas tadi dengan 1 = 0,95, maka
Eri Setiawan
a.
P[
P[
(n 2) S y. x
/ 2 2
y .x 2
(n 2) S y. x
203
1 / 2 2
]=1
(6 2)1,343
(6 2)1,343
2
y .x
] = 0,95
11,143
0,484
P( 0,482 11,099 ) = 0,95

2
b. P[ b t /2 Sb b + t /2 Sb ] = 1
P[ - 0,514 (2,776)(0,277) - 0,514 + (2,776)(0,277) ] = 0,95
P( - 1,283 0,255 ) = 0,95
c. P[ a t /2 Sa a + t /2 Sa ] = 1
P[ 5,8 (2,776)(1,079) 5,8 + (2,776)(1,079) ] = 0,95
P( 2,805 8,795 ) = 0,95
10.3.3. Pengujian Hipotesis Sehubungan dengan Regresi Linear Sederhana

H0 : Garis regresi linear sederhana
H1 : Garis regresi tidak linear sederhana
Prosedur Pengujian
a. Hitung FK =
b. Hitung JKT =
( Yi ) 2
n
( Yi ) 2
n
c. Hitung JKR = Jumlah Kuadrat Regresi = b
d. Hitung JKG = JKT JKR
X Y
i
( X i )( Yi )
n
Eri Setiawan
Sumber
Keragama
n
204
Derajat Jumlah
Kuadrat
Bebas
Tengah
Kuadrat
Regresi
Galat
n2
Total
( X i )( Yi )
n
Sy.x2 =
(Yi Y ) 2
n1
0,05
S galat
X Y
f tabel
S regresi
f hitung
n2
( Yi ) 2
JKR
dbR
0,01
KTR
KTG
JKG
dbG
Untuk contoh soal di atas adalah:

FK =
( Yi ) 2
JKT =
JKR = b
( Yi ) 2
X Y
i
( 24) 2
= 96
6
= 106 96 = 10
( X i )( Yi )
( 21)(24)
= 4,626
= ( - 0,514 ) (75)
6
JKG = JKT JKR = 10 4,626 = 5,374

Selanjutnya disajikan dalam Tabel Analisis Ragam
Sumber
Keragaman
Regresi
Galat
Total
Derajat
Bebas
1
62=4
61=5
Jumlah
Kuadrat f hitung
Kuadrat
Tengah
4,626
4,626 3,45 tn
5,374
1,343
10,000
f table
0,05
0,01
7,71
21,20
Karena f hitung < f tabel , maka hipotesis diterima

Kesimpulan : berarti garis regresi linear sederhana
Perhatikan hasil perhitungan menggunakan alat bantu ( program komputer paket Minitab )
Regression Analysis: Y versus X
Eri Setiawan
205
= 5,80 - 0,514 X
Predictor
Coef
SE Coef
Constant
5,800
1,079
-0,5143
S = 1,15882
0,2770
R-Sq = 46,3%
5,38
0,006
-1,86
0,137
R-Sq(adj) = 32,9%
Source
DF
SS
MS
Regression
4,629
4,629
Residual Error
5,371
1,343
Total
10,000
3,45
0,137
Trend Analysis Plot for Y

Linear Trend Model
Yt = 5.80 - 0.514286* t
Variable
Actual
Fits
Accuracy Measures
MAPE
25.5397
MAD
0.9143
MSD
0.8952
2
1
4
Index
Eri Setiawan
Data X
1
2
3
4
5
6
Data Y
6
4
3
5
4
3
206
Persamaan Regresi
Gambar
Y1 = 5.47 - 0.371 X1
b0 = + ( positif )
b1 = - ( negatif )
Fitted Line Plot

Y1 = 5.467 - 0.3714 X1
S
R-Sq
R-Sq(adj)
6.0
1.05108
35.3%
19.2%
5.5
5.0
Y1
No
1
4.5
4.0
3.5
3.0
1
X1
1
2
3
4
5
6
4
4
5
6
7
7
Y2 = 3.00 + 0.714 X2
b0 = + ( positif )
b1 = + ( positif )
Fitted Line Plot

Y2 = 3.000 + 0.7143 X2
7.5
S
R-Sq
R-Sq(adj)
7.0
0.377964
94.0%
92.5%
6.5
6.0
Y2
5.5
5.0
4.5
4.0
3.5
1
X2
4.
1
2
3
4
5
6
4
7
5
3
6
5
1
2
3
4
5
6
3
4
5
6
7
8
Y3 = 10.0 - 1.00 X3
b0 = + ( positif )
b1 = - ( negatif )
Fitted Line Plot

Y3 = 10.00 - 1.000 X3
9
S
R-Sq
R-Sq(adj)
0
100.0%
100.0%
S
R-Sq
R-Sq(adj)
1.58114
0.0%
0.0%
7
Y3
9
8
7
6
5
4
4
1
X3
Fitted Line Plot

Y4 = 5.000 + 0.0000 X4
Y4 = 5.00 + 0.000 X4
b0 = + ( positif )
b1 = 0
Y4
1
2
3
4
5
6
3
1
X4
Fitted Line Plot

Y5 = 2.000 + 1.000 X5
Y5 = 2.00 + 1.00 X5
b0 = + ( positif )
b1 = + ( positif )
S
R-Sq
R-Sq(adj)
0
100.0%
100.0%
7
6
Y5
5
4
3
1
X5
Suatu penelitian ingin mengukur banyaknya volume penjualan ( dalam unit ) pada berbagai waktu
jual ( dalam minggu ) , datanya sebagai berikut :
Waktu Jual ( x )
Volume Penjualan ( y )
11
14
12 13 14 15 16 17
15 16 16 17 18 18
18 19 20
19 20 22
a. Tentukan persamaan garis regresi linear sederhana ? hitungan sampai 3 desimal

2
2
2
b. Hitunglah keragaman untuk S y .x , S b1 dan S b 0
c. Jika waktu jual pada minggu ke-25 , berapa prakiraan ( ramalan ) volume penjualan ( y )
Eri Setiawan
207
4. Diketahui data
Y
XY
X2
14
154 121
15
180 144
16
208 169
16
224 196
17
255 225
18
288 256
18
306 289
19
342 324
20
380 361
22
440 400
175 2777 2485
X
11
12
13
14
15
16
17
18
19
20
155
= 155
X
x
Y
y
Sx =
Sx
b1
2
x
S =
175
17,5
10
X Y
= 2777
2
i
n X i ( X i ) 2
= 2485
Y = 3115
= 175
Y2
196
225
256
256
289
324
324
361
400
484
3115
n(n 1)
n Yi ( Yi ) 2
2
Sy =
n(n 1)
155
15,5
10
10(92485) (155) 2
10(3115) (175) 2
2
S =
= 9,167 Sy =
= 5,833
10(10 1)
10(10 1)
2
x
9,167
= 3,028
Sy =
Sy
5,833
= 2,415
10( 2777) (155)(175)

27770 27125 645
=
=
= 0,782
10( 2485) (155) 2
24850 24025 825
b0 = 17,5 ( 0,782 ) ( 15,5 ) = 17,5 - 12,121 = 5,379
a. Jadi persamaan garis regresi linear sederhana adalah y 5,379 + 0,782 X
2
b.1. S y .x =
( n 1)
[ Sy2 b2 Sx2 ]
( n 2)
(10 1)
9
[ 5,833 ( 0,782)2 ( 9,167 ) ] =
[ 5,833 5,606 ] = 0,227
(10 2)
8
Untuk menghitung b, cari dulu nilai

Sx2 =
(X
b.2. S
X )2
n 1
2
b1
dan diperoleh
S y. x
(X
(X
0,277
X ) 2 melalui rumus ragam lainnya, yaitu :
X ) 2 = ( n 1 ) Sx2 = ( 10 1 ) 9,167 = 82,503
=
= 0,003
(X i X ) 82,503
2
b,3,. Sbo2 = S y .x {
kalau ditanya Sbo =
kalau ditanya Sb1 =
0,003
= 0,058
x2
1
(15,5) 2
}
=
0,277
{
} = 0,277 ( 0,1 + 2,912 ) = 0,834
10 82,503
( X i X )2
0,834
= 0,913
Eri Setiawan
208
10.4. Analisis Korelasi

Analisis Korelasi merupakan hubungan keeratan antara dua atau lebih peubah, koefisien korelasi
ditulis dengan notasi r dan persamaannya sebagai berikut:
n XiYi ( Xi)(Yi)
r =
{n Xi ( X ) }{nY (Y ) }
2
2 2 2
i i
besarnya nilai r antara -1 r 1, sedangkan bila r dikuadratkan atau r 2 atau R2 merupakan

koefisien determinasi yang berarti kemampuan mendeteksi Y ( peubah respon ) oleh X ( peubah
bebas ) yang dinyatakan dalam persen.
Hubungan antara Regresi dengan Korelasi dinyatakan dalam bentuk
r=
bS x
dengan
Sy
r = koefisien korelasi, b= koefisien regresi, Sx=simpangan baku data X dan Sy =simpangan baku
data Y.atau dapat diturunkan dari JKG = Jumlah Kuadrat Galat = ( n 1 ) ( s y2 b2 sx2 ) , sehingga
diperoleh
r2 1
JKG
2
( n 1) s y
Untuk contoh soal Diketahui data sebagai berikut:

X
Y
1
2
3
4
6
4
3
5
XY
6
8
9
20
X2
1
4
9
16
Y2
36
16
9
25
Eri Setiawan
5
6
21
4
2
24
209
20
25
16
12
36
4
75
91
106
n XiYi ( Xi)(Yi)
r =
6(75) (21)(24)
{6(91) ( 21) 2 }{6(106) ( 24) 2 }
{n Xi ( X ) }{nY (Y ) }
2
= - 0,68
2 2 2
i i
bS x
Sy
atau r =
Coba perhatikan hubungan r =
bS x
Sy
- 0,68 =
0,514(1,871)
benar adanya.
1,414
Apabila dihitung nilai r2 = ( - 0,68 )2 = 0,4623

R2 atau r2 disebut koefisien determinasi
Dari mana nilai-nilai tersebut? Bila dengan paket program diperoleh hasil sebagai berikut:
Descriptive Statistics: X; Y
Variable N
Mean
St-Dev
Variance
3,500
1,871
3,500
4,000
1,414
2,000
Regression Analysis: Y versus X

Y = 5,80 - 0,514 X
Eri Setiawan
Variable
Mean
St Dev
Variance
3,500
1,871
3,500
4,000
1,414
2,000
Constant
5,800
1,079
5,38
0,006
-0,5143 0,277
-1,86
0,137
S = 1,15882 R-Sq = 46,3% R-Sq(adj) = 32,9% r = - 0,6804
Source
DF
SS
MS
3,45 0,137
Regression
4,629
4,629
Residual Error
5,371
1,343
Total
10,000
Variable N
Mean
St Dev
Variance
3,500
1,871
3,500
4,000
1,414
2,000
210
Eri Setiawan
211
Eri Setiawan
X1
1
2
3
4
5
6
Y1
6
4
3
5
4
3
X2
1
2
3
4
5
6
Y2
4
4
5
6
7
7
X3
1
2
3
4
5
6
212
Y3
9
8
7
7
6
5
X4
1
2
3
4
5
6
Y4
4
7
5
3
6
5
S = 1.05108
R-Sq =
35.3%
R-Sq(adj) =
19.2%
S = 0.377964
R-Sq =
94.0%
R-Sq(adj) =
92.5%
S = 0
R-Sq = 100.0%
R-Sq(adj) = 100.0%
S = 1.58114
R-Sq =
R-Sq(adj) =
S = 0
R-Sq = 100.0%
No
1
Data X
1
2
3
4
5
6
2
1
2
3
4
5
6
3
1
2
3
4
5
6
4
1
2
3
4
5
6
5
1
2
3
4
5
6
Contoh lainnya
Data Y
6
4
3
5
4
3
4
4
5
6
7
7
9
8
7
6
5
4
4
7
5
3
6
5
3
4
5
6
7
8
0.0%
Koefisien
Korelasi
r = 0,594
r = 0,97
X5
1
2
3
4
5
6
Y5
3
4
5
6
7
8
0.0%
R-Sq(adj) = 100.0%
Makna
Intepretasi
Hubungan kurang dan

negatif
Jika X naik, maka Y

menurun
Hubungan sangat kuat dan

positif
Jika X naik, maka Y naik
r = - 1,00

negatif
Jika X naik, maka Y

menurun
atau Jika X turun, maka
Y naik.
r=0
Hubungan tidak ada
Tidak ada hubungan

dengan X naik atau turun.
r = 1,00

positif
Jika X naik, maka Y naik
Eri Setiawan
Data Skor tes intelegensia dan Nilai Quis Statistika Mahasiswa

Skor Nilai
65
85
50
74
55
76
65
90
55
85
70
87
65
94
70
98
55
81
70
91
50
76
55
74
Correlations: X; Y
Pearson correlation of X and Y = 0,862 P-Value = 0,000
r2 = 0,744
r = 0,862
Hasilnya analisisnya
X
65
50
55
65
55
70
65
70
55
70
50
55
725
Y
85
74
76
90
85
87
94
98
81
91
76
74
1 011
XY
5 525
3 700
4 180
5 850
4 675
6 090
6 110
6 860
4 455
6 370
3 800
4 070
61 685
X2
4 225
2 500
3 025
4 225
3 025
4 900
4 225
4 900
3 025
4 900
2 500
3 025
44 475
Y2
7 225
5 476
5 776
8 100
7 225
7 569
8 836
9 604
6 561
8 281
5 776
5 476
85 905
213
Eri Setiawan
n XiYi ( Xi)(Yi)
r=
{n Xi ( X ) }{nY (Y ) }
2
214
11(61685) (725)(1011)
{11( 44475) (725) 2 }{11(85905) (1011) 2 }
2 2 2
i i
= 0,862
Selanjutnya r2 = ( 0,862 )2 = 0,744
Fitted Line Plot
NILAI = 30.04 + 0.8972 SKOR
100
S
R-Sq
R-Sq(adj)
95
NILAI
90
85
80
75
50
55
60
SKOR
65
70
4.31923
74.4%
71.8%
Eri Setiawan
215

(response is NILAI)
99
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Versus Order
(response is NILAI)
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
1
5
6
7
8
Observation Order
10
11
12
Eri Setiawan
216
Versus Fits
(response is NILAI)
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
75
80
85
Fitted Value
90
95
Dan analisis data diperoleh:

Histogram of SKOR
4
Frequency
50
55
60
SKOR
65
70
Eri Setiawan
217
Histogram of NILAI
4
Frequency
75
80
85
90
95
100
NILAI
Histogram (with Normal Curve) of SKOR

Mean 60,42
StDev 7,821
N
12
Frequency
45
50
55
60
SKOR
65
70
75
Eri Setiawan
218
Histogram (with Normal Curve) of NILAI

Mean 84,25
StDev 8,137
N
12
Frequency
65
70
75
80
85
NILAI
90
Boxplot of SKOR
70
SKOR
65
60
55
50
95
100
Eri Setiawan
219
Boxplot of NILAI
100
95
NILAI
90
85
80
75
Regression Analysis: Nilai versus Skor

Nilai = 30,0 + 0,897 Skor
Predictor
Coef
Constant
30,04
Skor
SE Coef
10,14
0,8972
S = 4,31923
T
2,96
0,014
5,39
0,000
0,1665
R-Sq = 74,4%
R-Sq(adj) = 71,8%
Source
Regression
DF
SS
MS
541,69
541,69
Residual Error
10
186,56
18,66
Total
11
728,25
F
29,04
P
0,000
Eri Setiawan
220
Gambar Persamaan Garis Regresi

Fitted Line Plot
NILAI = 30,04 + 0,8972 SKOR
100
S
R-Sq
R-Sq(adj)
4,31923
74,4%
71,8%
95
NILAI
90
85
80
75
50
55
60
SKOR
65
70
Residual Plots for Y

Versus Fits
99
5,0
Residual
Percent
90
50
10
1
2,5
0,0
-2,5
-5,0
-10
-5
0
Residual
10
75
80
Histogram
90
95
Versus Order
5,0
Residual
Frequency
85
Fitted Value
2,5
0,0
-2,5
-5,0
-5,0
Soal Latihan
-2,5
0,0
Residual
2,5
5,0
4 5 6 7 8 9
Observation Order
10 11 12
Eri Setiawan
221
1. Suatu penelitian ingin mengukur banyaknya gula yang terbentuk pada berbagai suhu,
Suhu (x)
Gula yang terbentuk (y)
7,0 7,1
8,1 8,3
7,2
8,5
7,3
8,6
7,4
8,8
7,5
8,9
7,6
9,0
7,7
9,2
7,8
9,3
7,9
9,4
8,0
9,5
a. Tentukan persamaan garis regresi linear sederhana ?

b. Hitung ragam s2 y.x , sb2 , sa2
c. Hitung selang kepercayaan bagi , dan 2 dengan taraf nyata 1 %
d. Ujilah apakah garis regresi linear atau tidak?
2. Suatu penelitian ingin mengukur apakah hasil penjualan dipengaruhi oleh besarnya modal
yang digulirkan, datanya sebagai berikut:
Modal (x)
Hasil Penjualan (y)
80
61
81
63
82
65
83
66
84
68
85
69
86
70
87
72
88
73
a. Tentukan persamaan garis regresi linear sederhana ?

b. Hitung ragam s2 y.x , sb2 , sa2
c. Hitung selang kepercayaan bagi , dan 2 dengan taraf nyata 5 %
Regression Analysis: Hasil Penjualan versus Modal

Hasil Penjualan = - 1.491 + 1.382 Modal
S = 0.0488246
R-Sq = 99.0%
R-Sq(adj) = 98.9%
Source
Regression
Error
Total
DF
1
9
10
SS
2.10036
0.02145
2.12182
10.5. Jenis-jenis Korelasi
MS
2.10036
0.00238
F
881.08
P
0.000
89
74
90
75
Eri Setiawan
Jenis
Data
Nominal
Ordinal
Interval
Rasio
Nominal
Ordinal
a. Korelasi Phi ( ) Koefisien

Kontingensi ( KK)
b. Koefisien
Kontingensi ( KK)
Koefisien
Kontingensi ( rs )
a. Korelasi
Tetrachorik ( rtc )
b. Korelasi Kendall
c.
KorelasiSpearma
n
Korelasi Point
Korelasi Serial
Serial ( rps )
( rps )
Korelasi Serial ( rs ) Korelasi
Biserial ( rbs )
1.
Korelasi Spearman
rs 1
6( d i )
n(n 2 1)
Keterangan
di = selisih data berpasangan
n = banyaknya berpasangan
2. Korelasi Serial
rs
{(or ot )( )}
{(or ot )}
s
p
total
Keterangan
or = ordinat rendah
ot = ordinat tinggi
= rata-rata
s total = simpangan baku dari seluruh data
p = proporsi
3. Korelasi Point Serial
222
Interval
Rasio
Korelasi Point
Serial ( rps )
Korelasi Serial
( rs )
Korelasi Serial
( rs )
Korelasi
Biserial ( rbs )
Korelasi Product
Moment
Korelasi Product
Moment
Korelasi Product
Moment
Korelasi Product
Moment
Eri Setiawan
rps
( 1 2 )
s total
p(1 p )
Keterangan
or = ordinat rendah
ot = ordinat tinggi
1 = rata-rata data kelompok 1
2 = rata-rata data kelompok 2
s total = simpangan baku dari seluruh data
p = proporsi
4. Koefisien Kontingensi ( KK )
2
2 n
KK =
Keterangan
2 = Khi-Kuadrat ordinat rendah

n = banyaknya data
( oi ei ) 2
=
ei
2
KK maks =
n 1
n
Sehingga KK
rps
( 1 2 )
stotal
KK
x100%
KK maks
p (1 p ) =
(6,6 6,4)
223
Eri Setiawan
224
Korelasi Spearman Diketahui data sebagai berikut:

X
65
50
55
65
55
70
65
70
55
70
50
55
725
Y
85
74
76
90
85
87
94
98
81
91
76
74
1011
rs 1
Rank X
5
11.5
8.5
5
8.5
2
5
2
8.5
2
11.5
8.5
-
6( d i )
n(n 1)
2
Rank Y
6.5
11.5
9.5
4
6.5
5
2
1
8
3
9.5
11.5
-
=1-
di = (Rank X Rank Y )
-1.5
0
-1
1
2
-3
3
1
0.5
-1
2
-3
0
6(41,5)
249
=1= 0,855
2
12(12 1)
1716
Correlations
X
Spearman's rho
Correlation Coefficient
1.000
.849**
.000
12
12
**
1.000
.000
12
12
Sig. (1-tailed)
N
Y
Correlation Coefficient
Sig. (1-tailed)
N
**. Correlation is significant at the 0.01 level (1-tailed).
.849
di2
2.25
0
1
1
4
9
9
1
0.25
1
4
9
41,50
Eri Setiawan
Correlations
X
Pearson Correlation
.862**
Sig. (1-tailed)
.000
N
Y
225
Pearson Correlation
12
12
**
.862
Sig. (1-tailed)
.000
12
12
**. Correlation is significant at the 0.01 level (1-tailed).
Correlations: X, Y
Pearson correlation of X and Y = 0.862
P-Value = 0.000
Korelasi Serial Diketahui data mengenai hubungan aktifitas dalam diskusi sebagai berikut:
Keaktifan dalam diskusi
Aktif Cukup Kurang
7.8
6.8
5.8
8,0
6.4
6,0
7.2
6,0
5.4
6.8
6.2
6,0
7.7
7,0
6.6
7,0
6,0
6.2
6,0
6.2
37.5
70.4
23.2
7.5
6.4
5.8
0.25
0,55
0.2

S
20 6.555 0.716
Status
0.512
( or ot )
(or ot ) 2
p
(or ot )
Eri Setiawan
226
0
Aktif
0,25
Cukup
11
0,55
- 0,31778
0,403936
7,5
2,38335
- 0,03782
0,002600
6,4
- 0,24205
- 0,27996
0,391898
5,8
1,62377
0,318
0,280
Kurang
0,20
1
rs
20
{(or ot )( )}
{(or ot )}
s
p
total
0,798424
0,51753
0,51753
0,51753
= 0,57167 = 0,905
(0,716)(0,798424)
Korelasi Point Serial.

Diketahui data prestasi belajar bidang IPS dengan jenis kelamin ( sex ) dari sampel berukuran 20.
Rata-rata Nilai yang
diperoleh pada UAS
Jumlah
Rata-rata
Jenis Kelamin
Wanita ( X1 )
Pria ( X 2)
6,1
5,4
6,1
5,8
6,2
6,0
6,3
6,1
6,4
6,3
6,6
6,4
6,7
6,5
6,9
7,0
7,2
7,1
7,5
7,4
66
64
6,6
6,4
Proporsi = p = 0,5
c
rps
20 6.500 0.550
( 1 2 )
stotal
p (1 p ) =
0.302
(6,6 6,4)
0,55
10.6. Regresi Linear Berganda
(0,5)(0,5) = 0,182
Eri Setiawan
227
Yn = 0 + 1 X1 + ... + 1 X1 + n diduga oleh:

b0 +
y
b1X1 + b2X2 + ... + bnXn
Untuk Peubah bebas dua yaitu X1 dan X2 , maka:

b0 +
y
b1X1 + b2X2
Selanjutnya dicari koefisien b0, b1 dan b2 melalui persamaan normalnya sebagai berikut:
Yi = n b0 + b1 X1 + b2 X2
X1Y = b0 X1 + b1 X12 + b2 X1 X2
X2Y = b0 X2 + b1 X1 X2 + b2 X22
Berbagai cara untuk mendapatkan koefisien b0, b1 dan b2 , salah satu yang akan dibahas yaitu
dengan Metode Cramer.
Caranya adalah sebagai berikut:
1. Cari Nilai-nilai , b0 , b1 dan b2
X1
n
=
X2
X1 X12
X1X2
X2 X1X2
X22
Y
b0 =
X1
X1Y X12
X2
X1 X2
X2Y X1X2 X22
n
b1 =
X2
X1 X1Y
X1 X2
X2 X2Y
X22
X1
Eri Setiawan
b2 =
X1
228
X1 Y
2
1
X2 X1X2
X2Y
Sehingga diperoleh koefisien=koefisien b 0, b1 dan b2 dengan cara

b0 =
b0
,
b1 =
b1
dan
b2 =
b2
Selanjutnya y b0 b1 x1 b2 x 2
Contoh
Diketahui data mengenai hasil survei sebagai berikut: apakah keputusan pembelian ( Y )
dipengaruhi oleh desain produk ( X1 ) dan mutu produk ( X2 ).
X1
17
19
15
18
16
14
23
8
21
13
22
20
18
19
19
15
9
20
16
12
18
23
11
10
17
413
X2
19
22
18
17
27
23
30
17
26
24
26
23
24
29
26
21
18
26
24
22
25
26
20
19
26
578
Y
30
35
27
29
37
30
47
19
40
32
43
38
36
44
41
33
25
40
36
31
37
45
29
25
40
869
X12
X22
Y2
X1 Y
X2 Y
289
361
900
510
570
361
484 1 225
665
770
225
324
729
405
486
324
289
841
522
493
256
729 1 369
592
999
196
529
900
420
690
529
900 2 209 1 081 1 410
64
289
361
152
323
441
676 1 600
840 1 040
169
576 1 024
416
768
484
676 1 849
946
1 118
400
529 1 444
760
874
324
576 1 296
648
864
361
841 1 936
836 1 276
361
676 1 681
779 1 066
225
441 1 089
495
693
81
324
625
225
450
400
676 1 600
800 1 040
256
576 1 296
576
864
144
484
961
372
682
324
625 1 369
666
925
529
676 2 025 1 035 1 170
121
400
841
319
580
100
361
625
250
475
289
676 1 600
680 1 040
7 253 13 694 31 395 14 990 20 666
X1 X 2
323
418
270
306
432
322
690
136
546
312
572
460
432
551
494
315
162
520
384
264
450
598
220
190
442
9 809
Selanjutnya akan dicari nilai-nilai untuk koefisien-koefisien b 0 , b1 dan b2.dengan cara:
Eri Setiawan
X1
X2
= X1 X12
X1 X2
X2 X1X2
X22
X1
25
b 0 = X1 X12
9809
578
9809
13694
869
=
b1 =
X1
X1 X12
14990
X1
b2 = X1 X12
X2
25
X1 X2
X2 X1X2 X22
b0 =
b0
7561953
=
= - 4,064
1860639
b1 =
b1
1499634
=
= 0,806
1860639
b2 =
b2
2052933
=
= 1,103
1860639
578
7253 9809
= - 7 561 953
869
578
413 14990
9809
= 1 499 634
578 20666 13694
X2
X1 X2
413
= 1 860 639
20666 9809 13694
X2 X1X2 X22
n
578
7253
X2 X1X2 X22
413
413
X2
X1 X2
229
25
=
413
869
413
7253 14990 = 2 052 933
578
9809 20666
Jadi Persamaan garis regresi linear berganda adalah y 4,064 0,806 X 1 1,103 X 2
Pengujian Hipotesis Sehubungan dengan Regresi Linear Berganda
Eri Setiawan
230
H0 : Garis regresi linear berganda

H1 : Garis regresi belum tentu linear berganda
Prosedur Pengujian
a. Hitung FK =
( Yi ) 2
b. Hitung JKT =
Yi
(869) 2
= 30 206,44
25
( Yi ) 2
= 31 395 30 206,44 = 1 188,56
c. Hitung JKR = Jumlah Kuadrat Regresi = b
d. JKR = {[b1 ( X 1Y
( X 1 )( Y )
= 0,806 [14 990 -
X Y
i
] [b2 ( X 2Y
( X i )( Yi )
n
( X 2 )( Y )
n
]}
( 413)(869)
(578)(869)
] + 1,103 [ 20 666 ] = 1 145,20
25
25
e. Hitung JKG = JKT JKR = 1 188,56 1 145,20 = 43,36

Sumber
Keragaman
Regresi
Galat
Total
Derajat
bebas
2
22
24
Jumlah
Kuadrat
1 145,20
43,36
1 188,56
Kuadrat
Tengah
572,6
1,97
f hitung
290,55 **
f tabel
0,05
0,01
3,44
5,72
Kesimpulan
Keputusan Pembelian sangat dipengaruhi oleh variabel Desain Produk dan Mutu Produk dengan
persamaan garis sebagai berikut : y - 4,064 + 0,806 desain produk + 1,103 mutu produk.
Perhitungan dengan paket program adalah

Regression Analysis: Kpts P versus Desain P; Mutu P
Eri Setiawan
231
Kpts P = - 4,064 + 0,806 Desain P + 1,103 Mutu P

Predictor
Coef
Constant
-4,064
SE Coef
1,814
-2,24
0,035
Desain P
0,80598
0,09357
8,61
0,000
Mutu P
1,1033
0,1067
10,34
0,000
S = 1,40384
R-Sq = 96,4%
R-Sq(adj) = 96,0%
Source
DF
SS
MS
1145,20
572,60
290,55
0,000
Residual Error
22
43,36
1,97
Total
24
1188,56
Regression
Source
DF
Seq SS
Desain P
934,61
Mutu P
210,59
Eri Setiawan
232
Normal Probability Plot of the Residuals

(response is Kpts)
-1
-2
-2
-1
Normal Score
Residuals Versus the Fitted Values

(response is Kpts)
-1
-2
20
30
40
Fitted Value
50
Eri Setiawan
233
Residuals Versus the Order of the Data

(response is Kpts)
-1
-2
5
10
15
20
25
Observation Order
Residual Plots for Kpts P

Versus Fits
99
Percent
90
50
10
1
-2
-1
0
1
2
1
0
-1
-2
20
30
Histogram
Frequency
6
4
2
-2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0

50
Versus Order
40
Fitted Value
1,5
2
1
0
-1
-2
2
8 10 12 14 16 18 20 22 24
Observation Order
Eri Setiawan
234
PLS Response Plot

(response is Keputusan)
2 components
50
Calculated Response
45
40
35
30
25
20
20
25
30
35
Actual Response
40
45
50
PLS Coefficient Plot

(response is Keputusan)
2 components
1.2
Coefficients
1.0
0.8
0.6
0.4
0.2
0.0
1
2
Predictors
Data berikut ini menyatakan kemungkinan kepemilikan mobil per orang ( MO ), Produk Nasional
Bruto, PNB ( dalam juta rupiah ) , Rata-rata Harga Mobil, RHM ( dalam juta rupiah ) dan Harga
Bahan Bakar Minyak, HBBM ( dalam ribu rupiah ).
Eri Setiawan
235
MO
PNB
RHM
HBBM
0,22
18,3
82,2
4,5
0,24
23,8
88,9
4,5
0,27
31,9 106,9
4,5
0,35
40,8 146,3
4,5
0,54
54,0 241,4
4,5
0,64
67,6 244,0
4,5
0,65
78,5 243,0
4,5
0,69
94,4 263,1
7,0
0,88 103,6 315,5
7,0
0,95
117,1
335,0
7,0
0,52
48,3 232,2
4,5
0,57
53,8 272,9
7,0
0,55
51,9 266,9
7,0
0,45
40,8 226,3
4,5
0,52
49,0
211,4
4,5
0,74
97,6 315,0
7,0
0,78
98,5 333,0
7,0
0,62
84,4 263,1
7,0
0,75
99,0 315,5
7,0
0,85 107,1 320,0
7,0
Buatlah Persamaan garis regresi linear berganda
Regression Analysis: RHM versus MO; PNB; HBBM
Regression
Variables Entered/Removedb
Variables
Model
1
Variables Entered
HBBM, MO, PNB
Removed
Method
Enter
a. All requested variables entered.

b. Dependent Variable: RHM
Model Summaryb
Model
1
R
,967
R Square
a
,935
a. Predictors: (Constant), HBBM, MO, PNB

Adjusted R
Std. Error of the
Square
Estimate
,922
22,0589
Durbin-Watson
1,211
Eri Setiawan
236
ANOVA
Model
1
Sum of Squares
Regression
Mean Square
111482,502
37160,834
7785,500
16
486,594
119268,002
19
Residual
Total
df
Sig.
,000a
76,369
a. Predictors: (Constant), HBBM, MO, PNB

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
Coefficients
Std. Error
Collinearity Statistics
Beta
(Constant)
-34,737
28,544
MO
504,699
91,474
PNB
-1,472
HBBM
13,692
Sig.
Tolerance
VIF
-1,217
,241
1,336
5,517
,000
,070
14,372
,668
-,566
-2,203
,043
,062
16,213
6,129
,222
2,234
,040
,414
2,413
a. Dependent Variable: RHM
Collinearity Diagnosticsa
Variance Proportions
Model
Dimension
Eigenvalue
Condition Index
(Constant)
MO
PNB
3,883
1,000
,00
,00
,00
,00
,099
6,260
,15
,01
,03
,01
,014
16,631
,45
,06
,00
,90
,004
30,539
,40
,93
,96
,09
Residuals Statisticsa
Minimum
Predicted Value
Maximum
Mean
Std. Deviation
110,972
368,193
241,130
76,5996
20
-37,2367
32,3687
,0000
20,2426
20
Std. Predicted Value
-1,699
1,659
,000
1,000
20
Std. Residual
-1,688
1,467
,000
,918
20
Residual
Regression Analysis: RHM versus MO; PNB; HBBM
HBBM
Eri Setiawan
237

RHM = - 34,74 + 504,70 MO - 1,47 PNB + 13,69 HBBM
Predictor
Constant
MO
PNB
HBBM
Coef
-34,74
504,70
-1,4721
13,692
S = 22,06
PRESS = 11480,7
SE Coef
28,54
91,47
0,6683
6,129
T
-1,22
5,52
-2,20
2,23
R-Sq = 93,5%
R-Sq(pred) = 90,37%
P
0,241
0,000
0,043
0,040
VIF
14,4
16,2
2,4
R-Sq(adj) = 92,2%
Source
Regression
Residual Error
Total
Source
MO
PNB
HBBM
DF
1
1
1
DF
3
16
19
SS
111483
7786
119268
MS
37161
487
Seq SS
107909
1145
2428
Durbin-Watson statistic = 1,21

Jadi persamaan garisregresi linear berganda adalah
= - 35,74 + 504,70 MO - 1,49 PNB + 13,69 HBBM
F
76,37
P
0,000
Eri Setiawan
238
Residual Plots for RHM

Versus Fits
99
Percent
90
50
10
1
-2
-1
0
1
2
1
0
-1
-2
100
200
300
Fitted Value
Versus Order
Histogram
Frequency
4,8
3,6
2,4
1,2
0,0
-2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0

400
1,5
2
1
0
-1
-2
8
10 12 14
Observation Order
16
18
20
Pengujian Asumsi Klasik

10.7.1. Uji Multikolinearitas
Multikolinearitas menunjukkan bahwa antar variabel independent mempunyai hubungan langsung
(berkorelasi).
Hipotesis multikolinearitas :
Ho : Tidak ada Multikolinearitas
H1 : Ada Multikolinearitas
Keputusan :
Jika Variance Inflation Factor > 10 maka Ho ditolak
(ada multikolinearitas)
Jika Variance Inflation Factor < 10 maka Ho diterima
(tidak ada multikolinearitas)
Hasil Uji Multikolinearitas
Misalnya
Eri Setiawan
Variabel Independen
Laba Akuntansi
Total Arus Kas
VIF
2,068
2,068
239
Ho
diterima
diterima
Kesimpulan
tidak ada multikolinearitas
tidak ada multikolinearitas
Nilai VIF untuk variabel Laba Akuntansi dan Total Arus Kas kurang dari 10, sehingga tidak
terdapat multikolinearitas.
10,7.2. Uji Heteroskedastisitas

Heteroskedastisitas menunjukkan bahwa varians dari setiap error bersifat heterogen yang berarti
melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen.
Metode yang digunakan adalah uji Glejser.
Hipotesis heteroskedastisitas:
Ho
: tidak ada heteroskedastisitas
Ha
: ada heteroskedastisitas
Keputusan :
Jika signifikan < 0.05, maka Ho ditolak (ada heteroskedastisitas)
Jika signifikan > 0.05, maka Ho diterima (tidak ada heteroskedastisitas)
Hasil Uji Heteroskedastisitas
Misalnya
Variabel
Laba Akuntansi
Total Arus Kas
Sig.
0,958
0,809
Ho
Diterima
Diterima
Kesimpulan
tidak ada heteroskedastisitas
tidak ada heteroskedastisitas
Nilai signifikan dari variabel Laba Akuntansi dan Total Arus Kas lebih besar dari 0,05
sehingga tidak terdapat heteroskedastisitas.
10.7.3. Uji Autokorelasi

Autokorelasi menunjukkan bahwa ada korelasi antara error dengan error periode sebelumnya
dimana pada asumsi klasik hal ini tidak boleh terjadi.
Uji autokorelasi dilakukan dengan menggunakan metode Durbin Watson.
Eri Setiawan
240
Hipotesis autokorelasi:
Ho : tidak ada autokorelasi
Ha : ada autokorelasi
Keputusan :
Hipotesa Nol (Ho)
Tidak ada autokorelasi positif
Tidak ada autokorelasi positif
Tidak ada autokorelasi
negatif
negatif
(positif atau negatif)
Keputusan
H0 ditolak
tidak ada keputusan
Kriteria
0 < d <dL
dL d d U
H0 ditolak
4-dL < d < 4
tidak ada keputusan
4-dU d 4-dL
H0 diterima
dU < d < 4-dU
Tabel Hasil Uji Autokorelasi (n = 100 , k = 2)

di
1,634
Du
1,715
4-du
2,285
4-dl
2,366
DW
1,974
Kesimpulan
Diketahui nilai DW = 1,974 terletak diantara d u dan 4-du maka H0 diterima sehingga tidak ada
autokorelasi.
Gambar :
Ada Autokorelasi
positif
Tidak Ada Autokorelasi
Inconclusive
dL
1,634
dU
1,715
10.7.4. Pengujian Model
Inconclusive
Goodness of fit Model (R2)
Ada Autokorelasi
negatif
4-dU
1,974
2,285
4-dL
2,366
Eri Setiawan
241
Dari hasil pengolahan Regresi Berganda diketahui bahwa koefisien determinasi Adjusted R2 =
0,003. Artinya bahwa variasi dari variabel independent total arus kas (TAK) dan laba akuntansi
(LAK) mampu menjelaskan variasi dari variable dependen (harga saham) sebesar 0,3%.
Sedangkan sisanya (100%-0,3%=99,7%) mampu dijelaskan oleh faktor-faktor lain yang tidak
diikutsertakan dalam model.
XI
Analisis Data
11.1. Contoh 1
Apabila kita ingin mengukur suatu pengaruh, misalnya ingin melihat pengaruh motivasi belajar dengan
dua kategori ( Rendah dan Tinggi ) dan metode pembelajaran dengan dua kategori ( Diskusi dan Inquiri )
terhadap skor nilai yang diperoleh.
Diketahui data hasil penelitian yang dilakukan pada Tahun 2008 mengenai apakah ada pengaruh yang
berarti terhadap skor nilai yang diperoleh pada motivasi belajar ( Rendah dan Tinggi ) dan metode
pembelajaran ( Diskusi dan Inquiri ) sebagai berikut:
MOTIVASI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
METODE
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
REPLIKASI
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
SKOR
26
24
22
24
24
26
24
22
24
22
24
22
24
22
24
24
22
20
22
24
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
24
22
24
26
28
26
28
26
28
28
26
24
24
26
24
24
26
24
26
28
26
Eri Setiawan
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
26
24
24
24
24
22
22
20
24
22
24
22
24
26
28
26
28
26
28
28
26
24
24
26
24
24
26
24
26
28
26
24
22
24
28
26
22
22
20
22
20
18
18
16
18
20
18
18
16
18
20
18
20
22
TINGGI
TINGGI
TINGGI
TINGGI
TINGGI
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
242
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
24
22
24
28
26
22
22
20
22
20
18
18
16
18
20
18
18
16
18
20
18
20
22
22
20
18
16
16
16
18
20
20
20
22
24
22
20
22
24
22
24
24
22
22
20
22
24
24
22
20
24
24
26
24
Eri Setiawan
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
RENDAH
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
DISKUSI
22
RENDAH
20
RENDAH
18
RENDAH
16
RENDAH
16
RENDAH
16
RENDAH
18
RENDAH
20
1
2
1
2
1
2
1
2
243
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
INKUIRI
2
1
2
1
2
1
2
22
22
22
24
22
24
26
TD = motivasi tinggi dengan metode diskusi , TI = motivasi tinggi dengan metode diskusi
RD = motivasi rendah dengan metode diskusi, RI = motivasi rendah dengan metode inquiri
1. Uji Normalitas Data

Uji Normalitas Data Skor Nilai
Normal
99.9
Mean
StDev
N
AD
P-Value
99
Percent
95
90
22.48
3.202
164
3.414
<0.005
80
70
60
50
40
30
20
10
5
1
0.1
10
15
20
25
30
35
Skor Nilai
2. Uji Homogenitas ragam diperoleh:

Test for Equal Variances: R1; R2
N
Lower
StDev
Upper
R1
56
2,38236
2,89357
3,66881
R2
56
2,37051
2,87917
3,65056
Eri Setiawan
244
F-Test (Normal Distribution)

Test statistic = 1,01; p-value = 0,971
Test for Equal Variances for R1; R2
F-Test
Test Statistic
P-Value
R1
1,01
0,971
Levene's Test
Test Statistic
P-Value
R2
2,50
2,75
3,00
3,25
3,50
95% Bonferroni Confidence I ntervals for StDevs
3,75
R1
R2
15,0
17,5
20,0
22,5
25,0
27,5
Data
3. Pengujian Perbedaan Dua Rata-rata

Hasilnya
Two-sample T for TD1 vs TI1
N
Mean StDev SE Mean
TD1 14 23,71
1,33
0,35
TI1 14 25,57
1,95
0,52
Difference = mu (TD1) - mu (TI1)

Estimate for difference:
95% CI for difference:
-1,857
(-3,153; -0,562)
T-Test of difference = 0 (vs not =): T-Value = -2,95

P-Value = 0,007
DF = 26
0,00
1,000
Eri Setiawan
245
Both use Pooled StDev = 1,6674
Individual Value Plot of TD1; TI1

28
27
Data
26
25
24
23
22
TD1
TI1
Two-Sample T-Test and CI: RD1; RI1

Two-sample T for RD1 vs RI1
N
Mean
StDev
SE Mean
RD1
14
19,00
1,88
0,50
RI1
14
22,71
1,27
0,34
Difference = mu (RD1) - mu (RI1)

-3,714
(-4,960; -2,468)

P-Value = 0,000
DF = 26
Eri Setiawan
246
Individual Value Plot of RD1; RI1

24
23
22
Data
21
20
19
18
17
16
15
RD1
RI1
Two-Sample T-Test and CI: TD2; TI2

Two-sample T for TD2 vs TI2
N
Mean
StDev
SE Mean
TD2
14
22,86
1,70
0,46
TI2
14
25,00
1,88
0,50
Difference = mu (TD2) - mu (TI2)

-2,143
(-3,537; -0,749)

P-Value = 0,004
DF = 26
Eri Setiawan
247
Individual Value Plot of TD2; TI2

28
27
26
Data
25
24
23
22
21
20
19
TD2
TI2
Two-Sample T-Test and CI: RD2; RI2

Two-sample T for RD2 vs RI2
N
Mean
StDev
SE Mean
RD2
14
19,00
2,18
0,58
RI2
14
23,00
1,88
0,50
Difference = mu (RD2) - mu (RI2)

-4,000
(-5,583; -2,417)

P-Value = 0,000
DF = 26
Eri Setiawan
248
Individual Value Plot of RD2; RI2

27,5
25,0
Data
22,5
20,0
17,5
15,0
RD2
RI2
General Linear Model: SKOR versus REPLIKASI; MOTIVASI; METODE

Factor
Type
Levels
Values
REPLIKASI
fixed
1; 2
MOTIVASI
random
RENDAH; TINGGI
METODE
random
DISKUSI; INKUIRI
Analysis of Variance for SKOR, using Adjusted SS for Tests

Source
DF
Seq SS
Adj SS
Adj MS
MOTIVASI
315,57
315,57
315,57
13,07
0,172
METODE
240,14
240,14
240,14
9,95
0,195
MOTIVASI*METODE
24,14
24,14
24,14
7,69
0,007
Error
108
338,86
338,86
3,14
Total
111
918,71
S = 1,77132
R-Sq = 63,12%
R-Sq(adj) = 62,09%
Hasil analisis memperlihatkan bahwa pengaruh sederhana ( simple efect ) memperlihatkan

pengaruh yang sangat nyata.
Terlihat dari gambar sebagai berikut:
Eri Setiawan
249
Pengaruh Sederhana dari Motivasi dan Metode

26
MOTIVASI
RENDAH
TI NGGI
25
Mean
24
23
22
21
20
19
DISKUSI
INKUIRI
METODE
Residual Plots for SKOR

Versus Fits
99,9
4
2
90
Residual
Percent
99
50
10
1
0,1
0
-2
-4
-5,0
-2,5
0,0
Residual
2,5
5,0
20
22
24
Fitted Value
Versus Order
16
12
2
Residual
Frequency
Histogram
8
4
0
26
0
-2
-4
-4
-3
-2
-1
0
Residual
10
20
30
40
50
60
70
80
Observation Order
90 100 110
Eri Setiawan
250
11.2. Contoh 2
Dari data hasil tes formatif baik pada kelas inquiri maupun kelas diskusi diperoleh sebagai
berikut:
Kelas
Inquiri
75
65
80
75
80
70
85
75
85
80
Kelas
Kelas
Diskusi Inquiri
65
75
60
80
75
90
65
80
85
70
65
70
80
75
65
80
80
90
70
85
Kelas
Kelas
Diskusi Inquiri
70
90
80
85
85
70
70
80
60
95
80
75
60
85
80
75
85
85
65
80
Kelas
Kelas
Diskusi Inquiri
85
85
80
70
80
80
65
80
65
85
60
85
80
70
80
65
80
85
60
90
Kelas
Diskusi
65
60
65
75
85
65
75
65
75
60
Sebelum dianalisis akan dilihat apakah data tersebut secara asumsi dipenuhi atau tidak.
1. Uji Asumsi data.
a. Uji Validitas dan Reliabilitas
RELIABILITY
/VARIABLES=Inquiri Diskusi
Validitas Data') ALL
/MODEL=SPLIT
/SUMMARY=TOTAL.
Reliability
Scale: Uji Reliabilitas dan Validitas Data
/SCALE('Uji Reliabilitas dan
Eri Setiawan
251

N
Cases Valid
Excludeda
Total
%
40
100.0
.0
40
100.0
a. Listwise deletion based on all

variables in the procedure.
Reliability Statistics
Cronbach's Alpha
Part 1 Value
1.000
1a
N of Items
Part 2 Value
1.000
1b
N of Items
Total N of Items
Spearman-Brown
Coefficient
Correlation Between
Forms
.369
Equal Length
.539
Unequal Length
.539
Guttman Split-Half
Coefficient
.531
a. The items are: Inquiri

b. The items are: Diskusi
Item-Total Statistics
Scale
Scale Mean if Variance if
Item Deleted Item Deleted
Corrected
Item-Total
Correlation
Cronbach's
Alpha if Item
Deleted
Inquiri
79.50
78.910
.369
.a
Diskusi
72.75
53.590
.369
.a
a. The value is negative due to a negative average covariance

among items. This violates reliability model assumptions. You may
want to check item codings.
Nilai korelasi Guttman Split-Half Coefficient = 0,531 lebih besar dari r tabel = 0,444.
Dengan demikian dikatakan bahwa alat ukur tersebut adalah valid dan reliabel.
Eri Setiawan
252
b. Uji Normalitas Data

Ho : Data penelitian CTL kelas inquiri bersifat normal
H1 ;: Data penelitian CTL kelas inquiri bersifat tidak normal
statistik tabelnya = 1,960
Uji Normalitas Data CTL Kelas Inquiri

Normal
99
Mean
StDev
N
AD
P-Value
95
90
79,5
7,321
40
0,886
0,021
Percent
80
70
60
50
40
30
20
10
5
60
70
80
Inquiri
90
100
Dari uji normalitas yang diberikan oleh AD ( Anderson-Darling ) statistik hitungnya adalah 0,886
Kriteria uji : Terima H0 jika thitung < ttabel dan Tolak H0 jika thitung > ttabel
Kesimpulan:
Karena thitung < ttabel , yaitu: 0,886 < 1,960 , maka Ho diterima, berarti data hasil tes formatif kelas
inquiri bersifat normal.
Ho : Data penelitian CTL kelas diskusi bersifat normal
H1 ;: Data penelitian CTL kelas diskusi bersifat tidak normal
Eri Setiawan
253
Uji Normalitas Data CTL Kelas Diskusi

Normal
99
Mean
StDev
N
AD
P-Value
95
90
71,75
8,883
40
1,949
<0,005
Percent
80
70
60
50
40
30
20
10
5
50
60
70
Diskusi
80
90
Dari uji normalitas yang diberikan oleh AD ( Anderson-Darling ) statistik hitungnya adalah 1,949
Kesimpulan:
Karena thitung < ttabel , yaitu: 1,949 < 1,960 , maka Ho diterima, berarti data hasil tes formatif kelas
diskusi bersifat normal.
c.
Uji Homogenitas Ragam ( Test for Equal Variance )
Ho : Data penelitian mempunyai ragam yang sama ( homogen )

H1 ;: Data penelitian mempunyai ragam yang tidak sama ( tidak homogen )
statistik tabelnya adalah f/2 ( v1, v2 ) = f0,05 (39, 39) = 1,690
Statistik hitung yang diberikan oleh uji F adalah 0,93

Kriteria uji : Terima H0 jika Fhitung < Ftabel dan Tolak H0 jika Fhitung > ttabel
Kesimpulan:
Karena Fhitung < Ftabel , yaitu: 1,949 < 1,960 , maka Ho diterima, berarti data hasil tes formatif kelas
inquiri dan diskusi mempunyai ragam yang sama ( homogen ).
Eri Setiawan
254
Uji Homogenitas Ragam ( Variance )

F-Test
Test Statistic
P-Value
I nquiri
0.93
0.810
Levene's Test
Test Statistic
P-Value
Diskusi
5.0
5.5
6.0
6.5
7.0
7.5
8.0
8.5
0.07
0.799
2. Uji
Perbedaan
Dua Rata-Rata
Uji perbedaan
dua rata-rata
hasil belajar
I nquiri
siswa
hipotesisnya
Diskusi
60
65
70
75
Data
80
85
90
adalah:
H0 : Tidak ada
perbedaan antara rata-rata kelas inquiri dengan rata-rata kelas diskusi atau H 0 : 1 = 2
H1: Terdapat perbedaan antara rata-rata kelas inquiri dengan rata-rata kelas diskusi atau H 1: 1
2
Taraf nyata ( ) = 5 % , dengan ttabel = t0,025 ( 78 ) = 1,96
Statistik Uji yang digunakan
t hitung
2 ( 1 2 )
1 1
S gab x
n1 n2
(77,75 73,50)
6,1054
1
1
40 40
= 3,11
Kriteria uji : Terima H0 jika thitung < ttabel ,

Tolak H0 jika thitung > ttabel
Kesimpulan:
Eri Setiawan
255
Karena thitung > ttabel , yaitu: 3,11> 1,96 , maka Ho ditolak, berarti terdapat perbedaan antara ratarata kelas inquiri dengan kelas diskusi artinya kita tidak cukup alasan untuk mengatakan bahwa
tidak terdapat perbedaan antara rata-rata kelas inquiri dengan kelas diskusi dalam hal prestasi
belajar.
Boxplot of Inquiri; Diskusi
100
Data
90
80
70
60
Inquiri
Diskusi
Time Series Plot of Inquiri, Diskusi

100
Variable
I nquiri
Diskusi
Data
90
80
70
60
4
12
16
20
24
Index
28
32
36
40
Eri Setiawan
256
Trend Analysis Plot for Inquiri

Linear Trend Model
Yt = 77.10 + 0.117* t
Variable
Actual
Fits
95
90
Accuracy Measures
MAPE
7.4055
MAD
5.7531
MSD
50.4178
Inquiri
85
80
75
70
65
4
12
16
20
24
Index
28
32
36
40
Trend Analysis Plot for Diskusi

Linear Trend Model
Yt = 72.96 - 0.059099* t
Variable
Actual
Fits
85
Diskusi
80
Accuracy Measures
MAPE
11.4583
MAD
8.1097
MSD
76.4721
75
70
65
60
4
12
16
20
24
Index
28
32
36
40
Eri Setiawan
257
Box-Cox Plot of Inquiri

Lower CL
8.75
Lambda
(using 95.0% confidence)
Estimate
8.50
Lower CL
Upper CL
Rounded Value
StDev
8.25
8.00
1.39
-2.19
*
1.39
Limit
7.75
7.50
-5.0
-2.5
0.0
Lambda
2.5
5.0
Box-Cox Plot of Diskusi

11.00
Lower CL
Upper CL
Lambda
(using 95.0% confidence)
Estimate
10.75
Lower CL
Upper CL
StDev
Rounded Value
10.50
Limit
10.25
10.00
-5.0
-2.5
0.0
Lambda
2.5
5.0
0.21
-2.76
3.54
0.00
Eri Setiawan
11.3. Contoh 3.
Data hasil Penelitian sebagai berikut
PreT
PBI
70
80
80
87
80
73
76
73
80
67
63
83
67
76
78
87
66
66
73
70
86
80
73
70
73
80
70
73
70
80
73
80
Post
TPBI
83
90
88
93
74
70
87
95
70
80
85
97
80
75
80
85
75
75
87
90
85
85
88
80
73
71
70
75
83
88
85
90
TS
PBI
72
86
88
86
88
82
90
94
94
90
92
86
84
88
86
84
90
88
78
82
92
88
84
78
90
76
88
84
86
84
82
80
PreT
NPBI
65
73
75
80
75
67
70
68
73
62
60
76
63
70
72
80
63
62
66
64
80
74
66
66
67
73
65
68
66
74
67
75
PostT
NPBI
73
88
75
85
70
63
80
88
65
75
80
88
74
65
76
78
70
68
75
80
80
75
80
80
70
66
68
70
78
75
78
87
TS
NPBI
68
80
82
78
82
76
82
86
82
78
82
80
76
76
80
80
84
78
70
76
78
82
78
72
86
70
80
84
80
76
74
72
258
Eri Setiawan
259
Eri Setiawan
260
Eri Setiawan
261
Eri Setiawan
262
Boxplot
100
Data
90
80
70
60
PreT PBI
Post TPBI
TS PBI
PreT NPBI
PostT NPBI
TS NPBI
Pie Chart of PreT PBI, Post TPBI, TS PBI, PreT NPBI, PostT NPBI, ...
PreT PBI
Post TPBI
TS PBI
PreT NPBI
PostT NPBI
TS NPBI
Category
63
66
67
70
73
76
78
80
83
86
87
71
74
75
85
88
90
93
95
97
72
82
84
92
94
60
62
64
65
Eri Setiawan
263
3 D Untuk PBI
90
TS PBI
80
100
90
70
60
Post TPBI
80
70
80
PreT PBI
70
90
3 D Untuk Non PBI
85
TS NPBI
80
75
90
70
80
70
60
70
PreT NPBI
80
60
PostT NPBI
Eri Setiawan
264
Eri Setiawan
265
RELIABILITY
/VARIABLES=TSPBI TSNPBI
/SCALE('Uji Reliabilitas dan
Validitas Data') ALL
/MODEL=SPLIT
/SUMMARY=TOTAL.
Reliability
Scale: Uji Reliabilitas dan Validitas Data
N
Cases Valid
Excludeda
Total
%
32
100.0
.0
32
100.0

Cronbach's Alpha
Part 1 Value
1.000
1a
N of Items
Part 2 Value
1.000
1b
N of Items
Total N of Items
Spearman-Brown
Coefficient
Correlation Between
Forms
.842
Equal Length
.914
Unequal Length
.914
Guttman Split-Half
Coefficient
.911
a. The items are: TSPBI

b. The items are: TSNPBI
Scale
Corrected
Item-Total
Correlation
Cronbach's
Alpha if Item
Deleted
TSPBI
85.63
21.016
.842
.a
TSNPBI
78.38
26.177
.842
.a
Eri Setiawan
266

N
Cases Valid
%
32
100.0
.0
32
100.0
Excludeda
Total

Cronbach's Alpha
Part 1 Value
1.000
1a
N of Items
Part 2 Value
1.000
1b
N of Items
Total N of Items
Spearman-Brown
Coefficient
Correlation Between
Forms
.842
Equal Length
.914
Unequal Length
.914
Guttman Split-Half
Coefficient
.911
a. The items are: TSPBI

b. The items are: TSNPBI
Scale
Corrected
Item-Total
Correlation
Cronbach's
Alpha if Item
Deleted
a. The value is negative due to a negative average covariance

among items. This violates reliability model assumptions. You may
want to check item codings.
Kesimpulan
Nilai korelasi Guttman Split-Half Coefficient = 0,9115 lebih besar dari r tabel product moment
untuk = 5 % pada n = 16 di bagi dua dari n = 32 di bagi dua dari menjadi n = 16 , nilai r = 0,497.
Eri Setiawan
267
Dengan demikian data hasil tes formatif baik untuk model PBI maupun model Tanpa PBI
dikatakan reliabel, sehingga alat ukur tersebut adalah valid..
b. Uji Normalitas Data

Ho : Data penelitian untuk kelas dengan model PBI bersifat normal
H1 : Data penelitian untuk kelas dengan model PBI belum tentu bersifat normal
Hasilnya:
Uji Normalitas Untuk Data Metode PBI
Uji normalitas
Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
85.63
5.116
32
0.459
0,246
yang diberikan
oleh A D
( Anderson
Darling )
60
50
40
statistik
30
20
hitungnya
10
adalah 0,459
Kriteria uji :
70
75
80
85
TS PBI
thitung < ttabel dan Tolak H0 jika thitung > ttabel
90
95
100
Terima H0 jika
Eri Setiawan
268
Kesimpulan:
Karena thitung < ttabel , yaitu: 0,459 < 1,960 , maka Ho diterima, berarti data hasil penelitian untuk
kelas dengan model PBI bersifat normal
Ho : Data penelitian untuk kelas tanpa model PBI bersifat normal
H1 : Data penelitian untuk kelas tanpa model PBI belum tentu bersifat normal
Hasilnya:
Uji Normalitas Untuk DataTanpa Metode PBI

Normal
99
Mean
StDev
N
AD
P-Value
95
90
78,38
4,584
32
0,559
0,137
Percent
80
70
60
50
40
30
20
10
5
70
75
80
TS N PBI
85
90
Kesimpulan:
Karena thitung < ttabel , yaitu: 0,559 < 1,960 , maka Ho diterima, berarti data hasil penelitian untuk
kelas tanpa model PBI bersifat normal
c. Uji Homogenitas Ragam
H1 : Data penelitian mempunyai ragam yang tidak sama ( tidak homogen )
Eri Setiawan
statistik tabelnya adalah f0,05 (31, 31) = 1,645

Hasil analisis:
f=
S1
S2
26,1735
(5,116 ) 2
= 1,25
2 =
21,013
(4,584)
Kriteria uji : Terima H0 jika fhitung < ftabel dan Tolak H0 jika fhitung > ftabel
Kesimpulan:
Karena fhitung < f tabel, yaitu: 1,25 < 1,84 , maka Ho diterima, berarti data hasil tes H o : Data
penelitian mempunyai ragam yang sama.
Test for Equal Variances: TS PBI; TS N PBI

N
Lower
StDev
Upper
32
3,97900
5,11639
7,10425
TS N PBI 32
3,56522
4,58434
6,36548
TS PBI

269
Eri Setiawan
270
Test for Equal Variances for TS PBI; TS N PBI

F-Test
Test Statistic
P-Value
TS PBI
1,25
0,545
Levene's Test
Test Statistic
P-Value
TS N PBI
3,5
4,0
4,5
5,0
5,5
6,0
6,5
7,0
TS PBI
TS N PBI
70
75
80
Data
85
90
95
Two-Sample T-Test and CI: PBI; N PBI

Two-sample T for PBI vs N PBI
N
Mean
StDev
SE Mean
PBI
32
85,63
5,12
0,90
N PBI
32
78,37
4,58
0,81
Difference = mu (PBI) - mu (N PBI)

7,25
(4,82; 9,68)
T-Test of difference = 0(vs not =):T-Value = 5,97

P-Value=0,000
DF=62

Secara deskriptif diperoleh
Descriptive Statistics: PreT PBI; PostT PBI
Variable
Mean
SE Mean
StDev
Variance
PreT PBI
75,09
1,13
6,40
40,99
0,11
0,745
Eri Setiawan
PostT PBI
82,25
1,35
7,66
271
58,71
Histogram of PreT PBI

9
8
7
Frequency
6
5
4
3
2
1
0
66
72
78
84
PreT PBI
Histogram of PostT PBI

7
6
Frequency
5
4
3
2
1
0
72
76
80
84
PostT PBI
88
92
96
Eri Setiawan
272
Histogram (with Normal Curve) of PreT PBI

9
Mean 75,09
StDev 6,402
N
32
8
7
Frequency
6
5
4
3
2
1
0
60
66
72
78
84
90
PreT PBI
Histogram (with Normal Curve) of PostT PBI

Mean 82.25
StDev 7.662
N
32
7
6
Frequency
5
4
3
2
1
0
64
72
80
PostT PBI
88
96
Normalitas Data
Ho : Data penelitian untuk kelas dengan model PBI bersifat normal
H1 : Data penelitian untuk kelas dengan model PBI belum tentu bersifat normal
b. Uji
Eri Setiawan
273
Hasilnya:
Uji Normalitas Data Tes Sumatif PBI
Normal
99
Mean
StDev
N
AD
P-Value
95
90
85,63
5,116
32
0,459
0,246
Percent
80
70
60
50
40
30
20
10
5
70
75
80
85
TS PBI
90
95
100
Uji normalitas yang diberikan oleh A D ( Anderson Darling ) statistik hitungnya adalah 0,459
Kesimpulan:
Karena thitung < ttabel , yaitu: 0,459 < 1,960 , maka Ho diterima, berarti data hasil tes H o : Data
penelitian untuk kelas dengan model PBI bersifat normal
Ho : Data penelitian untuk kelas tanpa model PBI bersifat normal
H1 : Data penelitian untuk kelas tanpa model PBI belum tentu bersifat normal
Hasilnya:
Eri Setiawan
274
Uji Normalitas Data Tes Sumatif NPBI

Normal
99
Mean
StDev
N
AD
P-Value
95
90
78,38
4,584
32
0,559
0,137
Percent
80
70
60
50
40
30
20
10
5
70
75
80
TS NPBI
85
90
Uji normalitas yang diberikan oleh A D ( Anderson Darling ) statistik hitungnya adalah 0,559
Kesimpulan:
Karena thitung < ttabel , yaitu: 0,559 < 1,960 , maka Ho diterima, berarti data hasil tes H o : Data
penelitian untuk kelas tanpa model PBI bersifat normal
Uji Normalitas Data Pre Test PBI
Normal
99
Mean
StDev
N
AD
P-Value
95
90
Percent
80
70
60
50
40
30
20
10
5
60
65
70
75
PreT PBI
80
85
90
75,09
6,402
32
0,642
0,086
Eri Setiawan
275
Uji Normalitas Data Post Test PBI

Normal
99
95
90
Mean
StDev
N
AD
P-Value
82,25
7,662
32
0,543
0,150
Mean
StDev
N
AD
P-Value
69,53
5,617
32
0,577
0,123
Percent
80
70
60
50
40
30
20
10
5
60
70
80
PostT PBI
90
100
Uji Normalitas Data Pre Test NPBI

Normal
99
95
90
Percent
80
70
60
50
40
30
20
10
5
55
60
65
70
PreT NPBI
75
80
85
Eri Setiawan
276
Uji Normalitas Data Post Test NPBI

Normal
99
Mean
StDev
N
AD
P-Value
95
90
75,72
7,049
32
0,428
0,293
Percent
80
70
60
50
40
30
20
10
5
60
65
70
75
80
PostT NPBI
85
90
95

H1 : Data penelitian mempunyai ragam yang tidak sama ( tidak homogen )
statistik tabelnya adalah f0,05 (31, 31) = 1,645

Hasil analisis:
f=
S1
S2
26,1735
(5,116 ) 2
=
= 1,25
2 =
21,013
(4,584)
Kriteria uji : Terima H0 jika fhitung < ftabel dan Tolak H0 jika fhitung > ftabel
Kesimpulan:
Karena fhitung < f tabel, yaitu: 1,25 < 1,84 , maka Ho diterima, berarti data penelitian mempunyai
ragam yang sama.
Eri Setiawan
277
Test for Equal Variances: TS PBI; TS N PBI

N
Lower
StDev
Upper
32
3,97900
5,11639
7,10425
TS N PBI 32
3,56522
4,58434
6,36548
TS PBI

Test for Equal Variances for TS PBI; TS N PBI

F-Test
Test Statistic
P-Value
TS PBI
1,25
0,545
Levene's Test
Test Statistic
P-Value
TS N PBI
3,5
4,0
4,5
5,0
5,5
6,0
6,5
0,11
0,745
7,0
TS PBI
TS N PBI
70
75
80
Data
85
90
95
1. Uji Rata-rata
H0 : Tidak ada pengaruh secara rata-rata nilai tes sumatif dengan model PBI atau PBI = 0
H1 : Ada pengaruh secara rata-rata nilai tes sumatif dengan model PBI atau PBI 0
Taraf nyata ( ) = 5 %
t0,025 ( 31 ) = 1,96
Eri Setiawan
278
Uji Statistik yang digunakan

t=
(x )
s
n
(85,625 80,00)
5,625
t=
= 0,904 = 6,22
5,116
32
Kesimpulan :
Karena t hitung > t tabel , yaitu 6,22 > 1,96 , maka H0 ditolak, berarti Kita tidak cukup alasan untuk
mengatakan tidak ada pengaruh secara rata-rata nilai tes sumatif dengan model PBI.
2. Uji Perbedaan Dua Rata-rata
H0 : Tidak ada pengaruh secara rata-rata antara nilai tes sumatif dengan model PBI dengan
model yang tidal menggunakan model PBI atau 1 = 2 .
H1 : H0 ditolak atau 1 2 .
2
gab
(n 1) S1 (n2 1) S 2
1
n1 n2 2
=
t0,025 ( 76 ) = 1,96
2
(39 1)47,0596 (39 1)49,2804

= 48,212
39 39 2
Sgab = 6,9435
Uji Statistik yang digunakan

t hitung
t hitung
2 ( 1 2 )
1 1
S gab
n1 n2
85,625 78,375 0
4,8577
1
1
32 32
= 5,97
Kesimpulan :
Karena t hitung > t tabel , yaitu 5,97 > 1,96 , maka H0 ditolak, berarti kita tidak cukup alasan untuk
mengatakan tidak ada pengaruh perbedaan dua rata-rata antara hasil belajar
Eri Setiawan
279
Bila dengan paket program hasilnya:

One-Sample T: TS PBI
Test of mu = 80 vs not = 80
Variable N
TS PBI
Mean
32 85,625
StDev SE Mean
5,116
0,904
95% CI
(83,780; 87,470)
T
6,22
P
0,000
Individual Value Plot of TS PBI

(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
70
75
80
85
TS PBI
90
95
Eri Setiawan
280
Boxplot of TS PBI
(with Ho and 95% t-confidence interval for the mean)
_
X
Ho
70
75
80
85
90
95
TS PBI
Two-Sample T-Test and CI: TS PBI; TS N PBI

Two-sample T for TS PBI vs TS N PBI
N
Mean
StDev
SE Mean
TS PBI
32
85,63
5,12
0,90
TS N PBI
32
78,37
4,58
0,81
Difference = mu (TS PBI) - mu (TS N PBI)

Estimate for difference: 7,25
95% CI for difference: (4,82; 9,68)
T-Test of difference = 0 (vs not =): T-Value = 5,97 P-Value = 0,000 DF = 62
Eri Setiawan
281
Individual Value Plot of TS PBI; TS N PBI

95
90
Data
85
80
75
70
TS PBI
TS N PBI
Boxplot of TS PBI; TS N PBI

95
90
Data
85
80
75
70
TS PBI
TS N PBI
Eri Setiawan
282
3. Uji Kecocokan ( Goodness of fit test )

H0 : Ada pengaruh hubungan antara kelas dengan model PBI dengan kelas tanpa PBI terhadap
prestasi belajar dalam tes sumatif.
H1 : H0 ditolak
2
=
2 (2-1) = 20,05 ( 1 ) = 3,941
( oi e i ) 2
ei
(72 73,09) 2
(68 66,91) 2
+
+ ...
73,09
66,91
(72 72,64) 2
72,64
= 1,370
Kesimpulan:
Karena 2hitung < 2 atau 1,370 < 3,941, maka H0 diterima, berarti kita tidak cukup alasan untuk
mengatakan tidak ada pengaruh hubungan antara kelas dengan model PBI dengan kelas tanpa
PBI terhadap prestasi belajar dalam tes sumatif.
Bila dengan paket program diperoleh
Chi-Square Test: TS PBI; TS N PBI
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
TS PBI TS N PBI Total

1
2
3
4
72
73,09
0,016
86
86,67
0,005
88
88,76
0,006
86
85,63
68
140
66,91
0,018
80
166
79,33
0,006
82
170
81,24
0,007
78
164
78,38
Eri Setiawan
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0,002 0,002
88
82
170
88,76
81,24
0,006
0,007
82
76
158
82,49
75,51
0,003
0,003
90
82
172
89,80
82,20
0,000 0,000
94
86
180
93,98 86,02
0,000 0,000
94
82
176
91,89 84,11
0,048 0,053
90
78
168
87,71 80,29
0,060 0,065
92
82
174
90,85 83,15
0,015 0,016
86
80
166
86,67 79,33
0,005 0,006
84
76
160
83,54 76,46
0,003 0,003
88
76
164
85,63
78,38
0,066
0,072
86
80
166
86,67
79,33
0,005
0,006
84
80
164
85,63
78,38
0,031
0,034
90
84
174
90,85
83,15
0,008
0,009
88
78
166
86,67
79,33
0,020
0,022
78
70
148
77,27
70,73
0,007
0,008
82
76
158
82,49
75,51
0,003
0,003
283
Eri Setiawan
21
22
23
24
25
26
27
28
29
30
31
32
Total
92
78
170
88,76
81,24
0,118
0,129
88
82
170
88,76
81,24
0,006
0,007
84
78
162
84,58 77,42
0,004 0,004
78
72
150
78,32 71,68
0,001 0,001
90
86
176
91,89 84,11
0,039 0,042
76
70
146
76,23 69,77
0,001 0,001
88
80
168
87,71 80,29
0,001 0,001
84
84
168
87,71 80,29
0,157 0,172
86
80
166
86,67 79,33
0,005 0,006
84
76
160
83,54 76,46
0,003 0,003
82
74
156
81,45 74,55
0,004 0,004
80
72
152
79,36 72,64
0,005 0,006
2740
2508 5248
Chi-Sq = 1,370; DF = 31; P-Value = 1,000
284
Eri Setiawan
285
Interval Plot of TS PBI, TS NPBI

95% CI for the Mean
88
86
Data
84
82
80
78
76
TS PBI
TS NPBI
Eri Setiawan
286
11.4. Contoh 4.
Data 1. Awal Mulai Berbunga
Ulangan
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
Perlakuan
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
Respon
40
39
35
38
39
36
32
39
37
37
32
38
40
35
34
37
37
36
34
38
40
39
34
38
Descriptive Statistics: Respon
Variable
Respon
Perlakuan
A
B
C
D
Uji Normalitas Data
N
6
6
6
6
Mean
38.833
37.333
34.67
37.67
StDev
1.472
2.251
2.66
3.01
Variance
2.167
5.067
7.07
9.07
Eri Setiawan
287
Uji Normalitas Data

Normal
99
Mean
StDev
N
AD
P-Value
95
90
36.83
2.408
24
0.548
0.142
Percent
80
70
60
50
40
30
20
10
5
30
32
34
36
38
Respon
40
42
44

Perlakuan
Lower
StDev
Upper
0.817317
1.47196
4.89137
0.929123
1.67332
5.56050
0.680048
1.22474
4.06987
0.351176
0.63246
2.10167

Eri Setiawan
288

Bartlett's Test
Test Statistic
P-Value
4.01
0.260
Perlakuan
Levene's Test
Test Statistic
P-Value
1.43
0.264
1
2
3
4
5
Analisis Ragam
General Linear Model: Respon versus Ulangan, Perlakuan
Factor
Type
Levels
Values
Ulangan
fixed
1, 2, 3, 4, 5, 6
Perlakuan
fixed
A, B, C, D
Analysis of Variance for Respon, using Adjusted SS for Tests

Source
DF
Seq SS
Adj SS
Adj MS
Ulangan
13.833
13.833
2.767
2.02
0.133
Perlakuan
99.000
99.000
33.000
24.15
0.000
Error
15
20.500
20.500
1.367
Total
23
133.333
S = 1.16905
R-Sq = 84.63%
R-Sq(adj) = 76.43%
Sidak 95.0% Simultaneous Confidence Intervals

Response Variable Respon
All Pairwise Comparisons among Levels of Perlakuan
Eri Setiawan
Perlakuan = A
Perlakuan
289
subtracted from:
Lower Center
Upper
-3.876 -1.833
0.209
-7.376 -5.333 -3.291
-2.876 -0.833
--------+---------+---------+-------(----*-----)
(----*----)
1.209
(----*----)
--------+---------+---------+--------4.0
Perlakuan = B
Perlakuan
0.0
4.0
subtracted from:
Lower Center
Upper
-5.542 -3.500 -1.458
-1.042
--------+---------+---------+--------
1.000
(----*----)
3.042
(-----*----)
--------+---------+---------+--------4.0
Perlakuan = C
4.0
subtracted from:
Perlakuan Lower Center Upper

D
0.0
2.458
--------+---------+---------+--------
4.500 6.542
(----*----)
--------+---------+---------+--------4.0
0.0
Sidak Simultaneous Tests

Perlakuan = A
subtracted from:
Difference
SE of
of Means
Difference
T-Value
P-Value
-1.833
0.6749
-2.716
0.0919
-5.333
0.6749
-7.902
0.0000
-0.833
0.6749
-1.235
0.8011
Perlakuan = B
subtracted from:
Perlakuan
Adjusted
4.0
Eri Setiawan
290
Difference
SE of
of Means
Difference
T-Value
P-Value
-3.500
0.6749
-5.186
0.0007
1.000
0.6749
1.482
0.6466
Perlakuan
Perlakuan = C
Adjusted
subtracted from:
Difference
SE of
of Means
Difference
T-Value
P-Value
4.500
0.6749
6.667
0.0000
Perlakuan
D
Adjusted
Residual Plots for Respon

Versus Fits
99
1
Residual
Percent
90
50
10
1
0
-1
-2
-2
-1
0
Residual
32
34
Histogram
36
Fitted Value
38
40
Versus Order
6.0
Residual
Frequency
1
4.5
3.0
1.5
0.0
0
-1
-2
-1.5
-1.0
-0.5 0.0
0.5
Residual
Data 2 Umur Bunga
1.0
1.5
8 10 12 14 16 18 20 22 24
Observation Order
Eri Setiawan
Ulangan
Perlakuan
Respon
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
8
7
11
8
8
8
13
8
9
11
12
9
9
10
6
11
8
9
9
10
9
8
10
10
Uji Normalitas
291
Eri Setiawan
292
Uji Normalitas Data Bunga

Normal
99
Mean
StDev
N
AD
P-Value
95
90
9,208
1,615
24
0,618
0,095
Percent
80
70
60
50
40
30
20
10
5
9
10
Respon
11
12
13

Perlakuan
Lower
StDev
Upper
0.304127
0.54772
1.82010
0.582359
1.04881
3.48523
0.573467
1.03280
3.43201
0.672450
1.21106
4.02439

Eri Setiawan
293

Bartlett's Test
Test Statistic
P-Value
2.74
0.433
Perlakuan
Levene's Test
Test Statistic
P-Value
0.90
0.458
1
2
3
4
Analisis Ragam
General Linear Model: Respon versus Ulangan, Perlakuan
Factor
Type
Levels
Values
Ulangan
fixed
1, 2, 3, 4, 5, 6
Perlakuan
fixed
A, B, C, D

Source
DF
Seq SS
Adj SS
Adj MS
Ulangan
7.8333
7.8333
1.5667
1.99
0.139
Perlakuan
13.6667
13.6667
4.5556
5.77
0.008
Error
15
11.8333
11.8333
0.7889
Total
23
33.3333
S = 0.888194
R-Sq = 64.50%
R-Sq(adj) = 45.57%
Eri Setiawan
294
Tukey 95.0% Simultaneous Confidence Intervals

Perlakuan = A
Perlakuan
subtracted from:
Lower
Center Upper
-1.479 0.00000 1.479
0.354 1.83333 3.313
-0.646 0.83333 2.313
-----+---------+---------+---------+(--------*--------)
(--------*---------)
(--------*--------)
-----+---------+---------+---------+-1.6
Perlakuan = B
Perlakuan
0.0
1.6
3.2
subtracted from:
Lower Center Upper
-----+---------+---------+---------+-
0.3539 1.8333 3.313
(--------*---------)
-0.6461 0.8333 2.313
(--------*--------)
-----+---------+---------+---------+-1.6
Perlakuan = C
Perlakuan
D
0.0
1.6
3.2
subtracted from:
Lower Center
Upper
-2.479 -1.000
-----+---------+---------+---------+-
0.4794
(--------*--------)
-----+---------+---------+---------+-1.6
0.0
Tukey Simultaneous Tests

Perlakuan = A
subtracted from:
Difference
SE of
of Means
Difference
T-Value
P-Value
0.00000
0.5128
0.00000
1.0000
1.83333
0.5128
3.57515
0.0131
0.83333
0.5128
1.62507
0.3950
Perlakuan
Adjusted
1.6
3.2
Eri Setiawan
Perlakuan = B
295
subtracted from:
Difference
SE of
of Means
Difference
T-Value
P-Value
1.8333
0.5128
3.575
0.0131
0.8333
0.5128
1.625
0.3950
Perlakuan = C
subtracted from:
Perlakuan
Adjusted
Difference
SE of
of Means
Difference
T-Value
P-Value
-1.000
0.5128
-1.950
0.2497
Perlakuan
D
Adjusted

Versus Fits
99
1.0
Residual
Percent
90
50
10
0.5
0.0
-0.5
-1.0
-2
-1
0
Residual
9
10
Fitted Value
Histogram
Versus Order
4.8
1.0
3.6
Residual
Frequency
11
2.4
1.2
0.5
0.0
-0.5
-1.0
0.0
-1.2
-0.6
0.0
Residual
0.6
1.2
8 10 12 14 16 18 20 22 24
Observation Order
Eri Setiawan
Data 3. Diameter Buah

Ulangan
Perlakuan
Respon
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
3.68
3.88
4.00
4.16
2.91
3.32
3.67
4.26
4.15
3.82
3.95
3.32
3.99
3.00
2.72
4.09
4.28
4.23
3.83
3.54
4.10
2.85
4.19
3.88
Uji Normalitas
296
Eri Setiawan
297
Uji Normalitas Data Diameter Buah

Normal
99
Mean
StDev
N
AD
P-Value
95
90
3,742
0,4800
24
1,054
0,007
Percent
80
70
60
50
40
30
20
10
5
2,5
3,0
3,5
4,0
4,5
5,0
Respon

Bartlett's Test
Test Statistic
P-Value
0,74
0,865
Perlakuan
Levene's Test
Test Statistic
P-Value
0,30
0,828
0,0
0,5
1,0
1,5
2,0

Perlakuan
Lower
StDev
Upper
Eri Setiawan
298
0,279784
0,503882
1,67442
0,302392
0,544598
1,80972
0,290281
0,522787
1,73724
0,207156
0,373082
1,23976

Analisis Ragam
Source
DF
SS
MS
0,484
0,161
0,67
0,580
Error
20
4,815
0,241
Total
23
5,299
Perlakuan
S = 0,4907
R-Sq = 9,14%
R-Sq(adj) = 0,00%

Level
Mean
StDev
-------+---------+---------+---------+--
3,8517
0,5039
(-------------*-------------)
3,5167
0,5446
3,7267
0,5228
3,8750
0,3731
(-------------*-------------)
(-------------*-------------)
(-------------*-------------)
-------+---------+---------+---------+-3,30
Pooled StDev = 0,4907
Data 4. Jumlah Buah
3,60
3,90
4,20
Eri Setiawan
Ulangan
Perlakuan
Respon
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
9
15
19
10
7
9
7
11
9
13
10
19
11
6
7
10
10
20
10
16
10
8
9
6
Uji Normalitas
299
Eri Setiawan
300
Uji Normalitas Data J umlah Buah

Normal
99
Mean
StDev
N
AD
P-Value
95
90
10,88
4,079
24
1,378
<0,005
Percent
80
70
60
50
40
30
20
10
5
10
Respon
15
20

Bartlett's Test
Test Statistic
P-Value
6,88
0,076
Perlakuan
Levene's Test
Test Statistic
P-Value
1,39
0,276
2
4
6
8
10
12
14
16
18

Perlakuan
Lower
StDev
Upper
0,75863
1,36626
4,5401
Eri Setiawan
301
2,88342
5,19294
17,2563
2,47489
4,45720
14,8114
2,60439
4,69042
15,5864

Source
DF
SS
MS
29,1
9,7
0,55
0,654
Error
20
353,5
17,7
Total
23
382,6
Perlakuan
S = 4,204
R-Sq = 7,61%
R-Sq(adj) = 0,00%

Level
Mean
StDev
-------+---------+---------+---------+--
9,333
1,366
(-------------*--------------)
11,833
5,193
10,333
4,457
12,000
4,690
(-------------*--------------)
(-------------*--------------)
(-------------*-------------)
-------+---------+---------+---------+-7,5
Data 5. Jumlah Biji

Ulangan
Perlakuan
Respon
10,0
12,5
15,0
Eri Setiawan
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5
6
6
6
6
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
Uji Normalitas
17,443
18,162
18,949
23,064
15,855
15,682
18,633
20,374
17,634
17,520
19,395
18,388
20,128
13,522
14,771
21,614
21,833
15,563
15,682
19,978
19,164
18,543
18,482
21,055
302
Eri Setiawan
303
Uji Normalitas Data J umlah Biji

Normal
99
Mean
StDev
N
AD
P-Value
95
90
1,839
0,2385
24
0,215
0,829
Percent
80
70
60
50
40
30
20
10
5
1,2
1,4
1,6
1,8
Respon
2,0
2,2
2,4

Uji Homogenitas Ragam Data J umlah Biji
Bartlett's Test
Test Statistic
P-Value
0,42
0,936
Perlakuan
Levene's Test
Test Statistic
P-Value
0,26
0,856
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7

Perlakuan
Lower
StDev
Upper
0,118771
0,213903
0,710806
Eri Setiawan
304
0,106494
0,191792
0,637331
0,106958
0,192627
0,640106
0,087830
0,158180
0,525636

Source
DF
SS
MS
0,5851
0,1950
5,39
0,007
Error
20
0,7233
0,0362
Total
23
1,3084
Perlakuan
S = 0,1902
R-Sq = 44,72%
R-Sq(adj) = 36,43%

Level
Mean
StDev
1,8676
0,2139
1,6499
0,1918
1,7652
0,1926
2,0745
0,1582
------+---------+---------+---------+--(-------*-------)
(-------*--------)
(-------*-------)
(-------*-------)
------+---------+---------+---------+--1,60
11.5. Contoh 5.
Perendaman
Konsentrasi
Replikasi
Respon
1,80
2,00
2,20
Eri Setiawan
P1
P1
P1
P2
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
P1
P1
P1
P2
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
P1
P1
P1
P2
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
Perendaman
P1
P1
P1
P2
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
Konsentrasi
K1
K1
K1
K1
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
Replikasi
1
2
3
1
100
100
96
92
88
88
96
100
100
92
100
96
84
100
88
96
100
88
80
88
96
100
84
96
92
92
88
92
96
92
96
92
96
88
92
84
96
96
88
100
96
92
88
100
92
Respon
100
100
96
92
305
Eri Setiawan
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
P1
P1
P1
P2
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
P1
P1
P1
P2
P2
P2
P3
P3
P3
P4
P4
P4
P5
P5
P5
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K1
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K2
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
K3
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
88
88
96
100
100
92
100
96
90
93
88
96
100
93
85
88
87
100
95
96
92
92
88
92
96
92
96
92
96
88
92
84
96
96
93
95
96
92
93
95
92
306
Eri Setiawan
307
Uji Normalitas Data

Normal
99
Mean
StDev
N
KS
P-Value
95
90
93.49
4.246
45
0.083
>0.150
Percent
80
70
60
50
40
30
20
10
5
85
90
95
Respon
100
105
Test for Equal Variances: Respon versus Perendaman, Konsentrasi

Perendaman
Konsentrasi
Lower
StDev
Upper
P1
K1
0.91309
2.30940
56.5450
P1
K2
1.38853
3.51188
85.9874
P1
K3
0.91309
2.30940
56.5450
P2
K1
0.91309
2.30940
56.5450
P2
K2
0.60395
1.52753
37.4010
P2
K3
1.58152
4.00000
97.9387
P3
K1
0.91309
2.30940
56.5450
P3
K2
1.04608
2.64575
64.7804
P3
K3
0.68482
1.73205
42.4087
P4
K1
1.58152
4.00000
97.9387
P4
K2
0.91309
2.30940
56.5450
P4
K3
0.82305
2.08167
50.9689
P5
K1
0.99502
2.51661
61.6184
P5
K2
0.91309
2.30940
56.5450
P5
K3
0.60395
1.52753
37.4010
Eri Setiawan
308


Perendaman
Konsentrasi
P1
K1
Bartlett's Test
K2
K3
P2
Test Statistic
P-Value
Levene's Test
K1
K2
K3
P3
K1
K2
K3
P4
K1
4.33
0.993
Test Statistic
P-Value
0.23
0.997
K2
K3
P5
K1
K2
K3
0
20
40
60
80
100
General Linear Model: Respon versus Perendaman, Konsentrasi

Factor
Type
Levels
Values
Perendaman
random
P1, P2, P3, P4, P5
Konsentrasi
fixed
K1, K2, K3

Source
DF
Seq SS
Adj SS
Adj MS
Perendaman
472.133
472.133
118.033
10.55
0.003
Konsentrasi
28.311
28.311
14.156
1.27
0.333
Perendaman*Konsentrasi
89.467
89.467
11.183
1.65
0.152
Error
30
203.333
203.333
6.778
Total
44
793.244
S = 2.60342
R-Sq = 74.37%
R-Sq(adj) = 62.40%
Eri Setiawan
309

Versus Fits
5.0
90
2.5
Residual
Percent

99
50
10
1
-5.0
-2.5
0.0
Residual
2.5
0.0
-2.5
-5.0
5.0
85
90
Histogram
2.5
Residual
12
Frequency
100
Versus Order
5.0
0.0
-2.5
3
0
95
Fitted Value
-4
-2
0
Residual
-5.0
10
15 20 25 30 35
Observation Order
Main Effects Plot for Respon

Main Effects Plot for Respon
Data Means
96
95
94
Mean
93
92
91
90
89
88
P1
P2
P3
Perendaman
P4
P5
40
45
Eri Setiawan
310
Scale: Uji Reliabilitas Data

N
Cases
Valid
Excludeda
Total
%
57
100.0
.0
57
100.0
a. Listwise deletion based on all variables in the

procedure.
Cronbach's Alpha
Part 1
Value
N of Items
Part 2
Value
N of Items
Total N of Items
Spearman-Brown Coefficient
.791
21a
.896
21b
42
Correlation Between Forms
.691
Equal Length
.817
Unequal Length
.817
Guttman Split-Half Coefficient
.804
a. The items are: X101, X102, X103, X104, X105, X106, X107, X108, X109, X110,
X111, X112, X113, X114, X115, X116, X117, X118, X119, X120, X121.
b. The items are: X122, X123, X124, X125, X126, X127, X128, X129, X130, X131,
X132, X133, X134, X135, X136, X137, X138, X139, X140, X141, X142.
Eri Setiawan
311
Scale Mean if Item
Scale Variance if Item Corrected Item-Total
Cronbach's Alpha if
Deleted
Deleted
Correlation
Item Deleted
X101
145.91
115.439
.261
.911
X102
145.75
115.617
.265
.911
X103
145.98
113.018
.447
.909
X104
145.65
115.232
.287
.910
X105
145.81
117.873
.047
.913
X106
145.89
115.739
.255
.911
X107
145.84
113.921
.376
.909
X108
145.74
115.697
.198
.912
X109
145.79
113.633
.385
.909
X110
145.91
111.653
.531
.907
X111
146.00
111.036
.433
.909
X112
145.65
116.446
.241
.911
X113
145.84
113.707
.351
.910
X114
145.89
113.489
.407
.909
X115
145.82
114.469
.384
.909
X116
145.82
113.969
.433
.909
X117
146.12
112.074
.394
.910
X118
145.74
114.876
.370
.909
X119
145.95
111.944
.458
.908
X120
145.75
114.046
.448
.909
X121
146.00
114.214
.401
.909
X122
145.79
113.955
.410
.909
X123
145.91
110.867
.565
.907
X124
145.93
111.031
.615
.906
X125
145.79
112.919
.506
.908
X126
145.93
112.745
.500
.908
X127
145.75
113.796
.473
.908
X128
145.96
111.820
.584
.907
X129
145.86
111.516
.547
.907
X130
145.79
113.812
.458
.909
X131
146.09
112.867
.477
.908
X132
145.82
113.862
.443
.909
X133
146.04
111.534
.494
.908
X134
145.88
111.538
.490
.908
Eri Setiawan
r tabel = 0,433
312
Eri Setiawan
313
Scale
Corrected Item- Cronbach's
Total
Alpha if Item
Correlation
Deleted
Keputusan
X101
145.91
115.439
.261
.261
Tidak Valid
X102
145.75
115.617
.265
.265
Tidak Valid
X103
145.98
113.018
.447
.447
Valid
X104
145.65
115.232
.287
.287
Tidak Valid
X105
145.81
117.873
.047
.047
Tidak Valid
X106
145.89
115.739
.255
.255
Tidak Valid
X107
145.84
113.921
.376
.376
Tidak Valid
X108
145.74
115.697
.198
.198
Tidak Valid
X109
145.79
113.633
.385
.385
Tidak Valid
X110
145.91
111.653
.531
.531
Valid
X111
146.00
111.036
.433
.433
Valid
X112
145.65
116.446
.241
.241
Tidak Valid
X113
145.84
113.707
.351
.351
Tidak Valid
X114
145.89
113.489
.407
.407
Tidak Valid
X115
145.82
114.469
.384
.384
Tidak Valid
X116
145.82
113.969
.433
.433
Valid
X117
146.12
112.074
.394
.394
Tidak Valid
X118
145.74
114.876
.370
.370
Tidak Valid
X119
145.95
111.944
.458
.458
Valid
X120
145.75
114.046
.448
.448
Valid
X121
146.00
114.214
.401
.401
Tidak Valid
X122
145.79
113.955
.410
.410
Tidak Valid
X123
145.91
110.867
.565
.565
Valid
X124
145.93
111.031
.615
.615
Valid
X125
145.79
112.919
.506
.506
Valid
X126
145.93
112.745
.500
.500
Valid
X127
145.75
113.796
.473
.473
Valid
X128
145.96
111.820
.584
.584
Valid
X129
145.86
111.516
.547
.547
Valid
X130
145.79
113.812
.458
.458
Valid
X131
146.09
112.867
.477
.477
Valid
X132
145.82
113.862
.443
.443
Valid
Eri Setiawan
314
BAHAN BACAAN
1. Anto Dayan, 1984, Pengantar Metode Statistik. Jilid I dan II, LP3ES, Jakarta.
2. Dudewicz, E.J. and Misra, S.N., 1988, Modern Mathematical Statistics, John Wiley & Sons Ltd Inc.
3. Husaini Usman dan Purnomo S A., 2008, Pengantar Staistika. Edisi Kedua, Bumi Aksara, Jakarta
4. Nar Herrhyanto dan HM Akib Hamid, 2007, Statistika Dasar, Universitas Terbuka, Jakarta.
Eri Setiawan
315
5. Program Paket Minitab 15 Statistical Software English dan Program Paket Minitab 11.12 32 Bit.
6. Program Paket SPSS Statistics 17.0
7. Riduwan. 2007. Pengantar Staistika untuk Penelitian Pendidikan, Sosial, Ekonomi, Komunikasi dan
Bisnis. Alfabeta. Bandung.
8. Sidney Siegel, 1992, Statistik Nonparametrik: Untuk Ilmu-ilmu Sosial, Gramedia Pustaka Utama, Jakarta.
9. Singgih Santoso, 2003, Statistik Deskriptif: Konsep dan Aplikasi dengan Microsoft Excel dan
Andi , Yogyakarta.
SPSS,
10. Steel, R., G., D., and Torrie, J.,H., 1980, Principles and Procedures of Statistics, Mc Graw Hill
Kogakusha, Ltd., Tokyo.
11. Sudjana. 1996. Metode Statistika. Edisi Ke-6, Tarsito. Bandung.
12. Sugiyono. 2009. Metode Penelitian Pendidikan. Alfabeta. Bandung.
13. Walpole, R.E., 1997, Pengantar Staistika. Edisi ke-3 , Gramedia Pustaka Utama, Jakarta.
.
Lampiran-lampiran
Gambar 1.
Eri Setiawan
316
Distribution Plot
Binomial; n=5; p=0,5
0,35
0,30
Probability
0,25
0,20
0,15
0,10
0,05
0,0313
0,00
Gambar 2
Distribution Plot
Binomial; n=20; p=0,5
0,20
Probability
0,15
0,10
0,05
0,00
0,0207
3
15
Untuk mendapatkan harga Tabel Binomial baik harga Probability Density Function maupun Cumulative
Distribution Function. Caranya sebagai berikut:
Dalam Program Minitab.
Langkah-langkahnya
Eri Setiawan
317
Isi Worksheet C1 misal judul Binom 5, lalu isi kolom tersebut dengan angka 0, 1, 2, 3, 4, 5.
Selanjutnya klik Calc pilih Probability Distributions pilih Binomial
Pilih Probability isi Number of trials dengan angka 5 dan isi event probalility dengan angka 0,5 Input
column dengan Binom 5 pindahkan ke kotak dialog caranya klik-klik
OK
maka diperoleh hasil sebagai berikut
Probability Density Function
Binomial with n = 5 and p = 0,5
x
P( X = x )
0,03125
0,15625
0,31250
0,31250
0,15625
0,03125
Dengan cara yang sama

Langkah 1 dan 2 sama
Pilih Cumulative Distribution
OK
Cumulative Distribution Function
Binomial with n = 5 and p = 0,5
x
P( X <= x )
0,03125
0,18750
0,50000
0,81250
0,96875
1,00000
Hasilnya disajikan dalam tabel sebagai berikut: ( sampai 4 desimal )

Gambar 3
Eri Setiawan
318
Distribution Plot
Binomial, n=5, p=0.5
0.35
0.30
Probability
0.25
0.20
0.15
0.10
0.05
0.00
Tabel 1. Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial
b( X ; n, p)
x 0
N
1
2
X
0
1
0
0,1
0,9000
1
0,8100
0,2
0,8000
1
0,6400
0,25
0,7500
1
0,5625
0,3
0,7000
1
0,4900
0,4
0,6000
1
0,3600
0.5
0,5000
1
0,2500
0,6
0,4000
1
0,1600
0.7
0,3000
1
0,0900
0,75
0,2500
1
0,0625
0,8
0,2000
1
0,0400
0,9
0,1000
1
0,0100
Eri Setiawan
1
2
3
0
1
2
3
4
0
1
2
3
4
5
0
1
2
3
4
5
6
0
1
2
3
4
5
6
7
0
1
2
3
4
5
6
7
8
0
1
2
3
4
5
6
7
8
N
9
x
0
1
2
3
4
5
0,9900
1
0,7290
0,9720
0,9990
1
0,6561
0,9477
0,9963
0,9999
1
0,5905
0,9185
0,9914
0,9995
1
1
0,5314
0,8857
0,9842
0,9987
0,9999
1
1
0,4783
0,8503
0,9743
0,9973
0,9998
1
1
1
0,4305
0,8131
0,9619
0,9950
0,9996
1
1
1
1
0,1
0,3874
0,7748
0,9470
0,9917
0,9991
0,9999
0,9600
1
0,5120
0,8960
0,9920
1
0,4096
0,8192
0,9728
0,9984
1
0,3277
0,7373
0,9421
0,9933
0,9997
1
0,2621
0,6554
0,9011
0,9830
0,9984
0,9999
1
0,2097
0,5767
0,8520
0,9667
0,9953
0,9996
1
1
0,1678
0,5033
0,7969
0,9437
0,9896
0,9988
0,9999
1
1
0,2
0,1342
0,4362
0,7382
0,9144
0,9804
0,9969
0,9375
1
0,4219
0,8438
0,9844
1
0,3164
0,7383
0,9492
0,9961
1
0,2373
0,6328
0,8965
0,9844
0,9990
1
0,1780
0,5339
0,8306
0,9624
0,9954
0,9998
1
0,1335
0,4449
0,7564
0,9294
0,9871
0,9987
0,9999
1
0,1001
0,3671
0,6785
0,8862
0,9727
0,9958
0,9996
1
1
0,25
0,0751
0,3003
0,6007
0,8343
0,9511
0,9900
0,9100 0,8400 0,7500
1
1
1
0,3430 0,2160 0,1250
0,7840 0,6480 0,5000
0,9730 0,9360 0,8750
1
1
1
0,2401 0,1296 0,0625
0,6517 0,4752 0,3125
0,9163 0,8208 0,6875
0,9919 0,9744 0,9375
1
1
1
0,1681 0,0778 0,0313
0,5282 0,3370 0,1875
0,8369 0,6826 0,5000
0,9692 0,9130 0,8125
0,9976 0,9898 0,9688
1
1
1
0,1176 0,0467 0,0156
0,4202 0,2333 0,1094
0,7443 0,5443 0,3437
0,9295 0,8208 0,6563
0,9891 0,9590 0,8906
0,9993 0,9959 0,9844
1
1
1
0,0824 0,0280 0,0078
0,3294 0,1586 0,0625
0,6471 0,4199 0,2266
0,8740 0,7102 0,5000
0,9712 0,9037 0,7734
0,9962 0,9812 0,9375
0,9998 0,9984 0,9922
1
1
1
0,0576 0,0168 0,0039
0,2553 0,1064 0,0352
0,5518 0,3154 0,1445
0,8059 0,5941 0,3633
0,9420 0,8263 0,6367
0,9887 0,9502 0,8555
0,9987 0,9915 0,9648
0,9999 0,9993 0,9961
1
1
1
Peluang p
0,3
0,4
0,0404 0,0101
0,1960 0,0705
0,4628 0,2318
0,7297 0,4826
0,9012 0,7334
0,9747 0,9006
0,5
0,0020
0,0195
0,0898
0,2539
0,5000
0,7461
0,6400
1
0,0640
0,3520
0,7840
1
0,0256
0,1792
0,5248
0,8704
1
0,0102
0,0870
0,3174
0,6630
0,9222
1
0,0041
0,0410
0,1792
0,4557
0,7667
0,9533
1
0,0016
0,0188
0,0963
0,2898
0,5801
0,8414
0,9720
1
0,0007
0,0085
0,0498
0,1737
0,4059
0,6846
0,8936
0,9832
1
0,6
0,0003
0,0038
0,0250
0,0994
0,2666
0,5174
0,5100
1
0,0270
0,2160
0,6570
1
0,0081
0,0837
0,3483
0,7599
1
0,0024
0,0308
0,1631
0,4718
0,8319
1
0,0007
0,0109
0,0705
0,2557
0,5798
0,8824
1
0,0002
0,0038
0,0288
0,1260
0,3529
0,6706
0,9176
1
0
0,0013
0,0113
0,0580
0,1941
0,4482
0,7447
0,9424
1
0,7
0
0,0004
0,0043
0,0253
0,0988
0,2703
0,4375
1
0,0156
0,1563
0,5781
1
0,0039
0,0508
0,2617
0,6836
1
0,0010
0,0156
0,1035
0,3672
0,7627
1
0,0002
0,0046
0,0376
0,1694
0,4661
0,8220
1
0
0,0013
0,0129
0,0706
0,2436
0,5551
0,8665
1
0
0,0004
0,0042
0,0273
0,1138
0,3215
0,6329
0,8999
1
0,75
0
0,0001
0,0013
0,0100
0,0489
0,1657
0,3600
1
0,0080
0,1040
0,4880
1
0,0016
0,0272
0,1808
0,5904
1
0,0003
0,0067
0,0579
0,2627
0,6723
1
0
0,0016
0,0170
0,0989
0,3446
0,7379
1
0
0,0004
0,0047
0,0333
0,1480
0,4233
0,7903
1
0
0
0,0012
0,0104
0,0563
0,2031
0,4967
0,8322
1
0,8
0
0
0,0003
0,0031
0,0196
0,0856
319
0,1900
1
0,0010
0,0280
0,2710
1
0,0001
0,0037
0,0523
0,3439
1
0
0,0005
0,0086
0,0815
0,4095
1
0
0
0,0013
0,0159
0,1143
0,4686
1
0
0
0,0002
0,0027
0,0257
0,1497
0,5217
1
0
0
0
0,0004
0,0050
0,0381
0,1869
0,5695
1
0,9
0
0
0
0
0,0009
0,0083
Eri Setiawan
6
7
8
9
10
0
1
2
3
4
5
6
7
8
9
10
11
0
1
2
3
4
5
6
7
8
9
10
11
12
0
1
2
3
4
5
6
7
8
9
10
11
12
N
13
X
0
1
2
3
4
5
6
7
8
1
1
1
1
0,3487
0,7361
0,9298
0,9872
0,9984
0,9999
1
1
1
1
1
0,3138
0,6974
0,9104
0,9815
0,9972
0,9997
1
1
1
1
1
1
0,2824
0,6590
0,8891
0,9744
0,9957
0,9995
0,9999
1
1
1
1
1
1
0,9997
1
1
1
0,1074
0,3758
0,6778
0,8791
0,9672
0,9936
0,9991
0,9999
1
1
1
0,0859
0,3221
0,6174
0,8389
0,9496
0,9883
0,9980
0,9998
1
1
1
1
0,0687
0,2749
0,5583
0,7946
0,9274
0,9806
0,9961
0,9994
0,9999
1
1
1
1
0,9987
0,9999
1
1
0,0563
0,2440
0,5256
0,7759
0,9219
0,9803
0,9965
0,9996
1
1
1
0,0422
0,1971
0,4552
0,7133
0,8854
0,9657
0,9924
0,9988
0,9999
1
1
1
0,0317
0,1584
0,3907
0,6488
0,8424
0,9456
0,9857
0,9972
0,9996
1
1
1
1
0,9957 0,9750 0,9102
0,9996 0,9962 0,9805
1
0,9997 0,9980
1
1
1
0,0282 0,0060 0,001
0,1493 0,0464 0,0107
0,3828 0,1673 0,0547
0,6496 0,3823 0,1719
0,8497 0,6331 0,3770
0,9527 0,8338 0,6230
0,9894 0,9452 0,8281
0,9984 0,9877 0,9453
0,9999 0,9983 0,9893
1
0,9999 0,9990
1
1
1
0,0198 0,0036 0,0005
0,1130 0,0302 0,0059
0,3127 0,1189 0,0327
0,5696 0,2963 0,1133
0,7897 0,5328 0,2744
0,9218 0,7535 0,5000
0,9784 0,9006 0,7256
0,9957 0,9707 0,8867
0,9994 0,9941 0,9673
1
0,9993 0,9941
1
1
0,9995
1
1
1
0,0138 0,0022 0,0002
0,0850 0,0196 0,0032
0,2528 0,0834 0,0193
0,4925 0,2253 0,0730
0,7237 0,4382 0,1938
0,8822 0,6652 0,3872
0,9614 0,8418 0,6128
0,9905 0,9427 0,8062
0,9983 0,9847 0,9270
0,9998 0,9972 0,9807
1
0,9997 0,9968
1
1
0,9998
1
1
1
0,1
0,2542
0,6213
0,8661
0,9658
0,9935
0,9991
0,9999
1
1
0,2
0,0550
0,2336
0,5017
0,7473
0,9009
0,9700
0,9930
0,9988
0,9998
0,25
0,0238
0,1267
0,3326
0,5843
0,7940
0,9198
0,9757
0,9944
0,9990
Peluang p
0,3
0,4
0,0097 0,0013
0,0637 0,0126
0,2025 0,0579
0,4206 0,1686
0,6543 0,3530
0,8346 0,5744
0,9376 0,7712
0,9818 0,9023
0,9960 0,9679
0,5
0,0001
0,0017
0,0112
0,0461
0,1334
0,2905
0,5000
0,7095
0,8666
0,7682
0,9295
0,9899
1
0,0001
0,0017
0,0123
0,0548
0,1662
0,3669
0,6177
0,8327
0,9536
0,9940
1
0
0,0007
0,0059
0,0293
0,0994
0,2465
0,4672
0,7037
0,8811
0,9698
0,9964
1
0
0,0003
0,0028
0,0153
0,0573
0,1582
0,3348
0,5618
0,7747
0,9166
0,9804
0,9978
1
0,5372
0,8040
0,9596
1
0
0,0001
0,0016
0,0106
0,0473
0,1503
0,3504
0,6172
0,8507
0,9718
1
0
0
0,0006
0,0043
0,0216
0,0782
0,2103
0,4304
0,6873
0,8870
0,9802
1
0
0
0,0002
0,0017
0,0095
0,0386
0,1178
0,2763
0,5075
0,7472
0,9150
0,9862
1
0,3993
0,6997
0,9249
1
0
0
0,0004
0,0035
0,0197
0,0781
0,2241
0,4744
0,7560
0,9437
1
0
0
0,0001
0,0012
0,0076
0,0343
0,1146
0,2867
0,5448
0,8029
0,9578
1
0
0
0
0,0004
0,0028
0,0143
0,0544
0,1576
0,3512
0,6093
0,8416
0,9683
1
0,2618
0,5638
0,8658
1
0
0
0
0,0009
0,0064
0,0328
0,1209
0,3222
0,6242
0,8926
1
0
0
0
0,0002
0,0020
0,0117
0,0504
0,1611
0,3826
0,6779
0,9141
1
0
0
0
0
0,0006
0,0039
0,0194
0,0726
0,2054
0,4417
0,7251
0,9313
1
320
0,0530
0,2252
0,6126
1
0
0
0
0
0,0001
0,0016
0,0128
0,0702
0,2639
0,6513
1
0
0
0
0
0
0,0003
0,0028
0,0185
0,0896
0,3026
0,6862
1
0
0
0
0
0
0
0,0005
0,0043
0,0256
0,1109
0,3410
0,7176
1
0,6
0,7
0,75
0,8
0,9
0
0,0001
0,0013
0,0078
0,0321
0,0977
0,2288
0,4256
0,6470
0
0
0
0,0007
0,0040
0,0182
0,0624
0,1654
0,3457
0
0
0
0,0001
0,0010
0,0056
0,0243
0,0802
0,2060
0
0
0
0
0,0002
0,0012
0,0070
0,0300
0,0991
0
0
0
0
0
0
0
0,0009
0,0065
Eri Setiawan
9
10
11
12
13
14
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
1
1
1
1
0,2288
0,5846
0,8416
0,9559
0,9908
0,9985
0,9998
1
1
1
1
1
1
1
1
0,2059
0,5490
0,8159
0,9444
0,9873
0,9978
0,9997
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0440
0,1979
0,4481
0,6982
0,8702
0,9561
0,9884
0,9976
0,9996
1
1
1
1
1
1
0,0352
0,1671
0,3980
0,6482
0,8358
0,9389
0,9819
0,9958
0,9992
0,9999
1
1
1
1
1
1
0,9999
1
1
1
1
0,0178
0,101
0,2811
0,5213
0,7415
0,8883
0,9617
0,9897
0,9978
0,9997
1
1
1
1
1
0,0134
0,0802
0,2361
0,4613
0,6865
0,8516
0,9434
0,9827
0,9958
0,9992
0,9999
1
1
1
1
1
0,9993 0,9922 0,9539
0,9999 0,9987 0,9888
1
0,9999 0,9983
1
1
0,9999
1
1
1
0,0068 0,0008 0
0,0475 0,0081 0,0009
0,1608 0,0398 0,0065
0,3552 0,1243 0,0287
0,5842 0,2793 0,0898
0,7805 0,4859 0,2120
0,9067 0,6925 0,3953
0,9685 0,8499 0,6047
0,9917 0,9417 0,7880
0,9983 0,9825 0,9102
0,9998 0,9961 0,9713
1
0,9994 0,9935
1
0,9999 0,9991
1
1
0,9999
1
1
1
0,0047 0,0005 0
0,0353 0,0052 0,0005
0,1268 0,0271 0,0037
0,2969 0,0905 0,0176
0,5155 0,2173 0,0592
0,7216 0,4032 0,1509
0,8689 0,6098 0,3036
0,9500 0,7869 0,5000
0,9848 0,9050 0,6964
0,9963 0,9662 0,8491
0,9993 0,9907 0,9408
0,9999 0,9981 0,9824
1
0,9997 0,9963
1
1
0,9995
1
1
1
1
1
1
0,8314
0,9421
0,9874
0,9987
1
0
0
0,0006
0,0039
0,0175
0,0583
0,1501
0,3075
0,5141
0,7207
0,8757
0,9602
0,9919
0,9992
1
0
0
0,0003
0,0019
0,0093
0,0338
0,0950
0,2131
0,3902
0,5968
0,7827
0,9095
0,9729
0,9948
0,9995
1
0,5794
0,7975
0,9363
0,9903
1
0
0
0
0,0002
0,0017
0,0083
0,0315
0,0933
0,2195
0,4158
0,6448
0,8392
0,9525
0,9932
1
0
0
0
0
0,0007
0,0037
0,0152
0,0500
0,1311
0,2784
0,4845
0,7031
0,8732
0,9647
0,9953
1
0,4157
0,6674
0,8733
0,9762
1
0
0
0
0
0,0003
0,0022
0,0103
0,0383
0,1117
0,2585
0,4787
0,7189
0,8990
0,9822
1
0
0
0
0
0,0001
0,0008
0,0042
0,0173
0,0566
0,1484
0,3135
0,5387
0,7639
0,9198
0,9866
1
0,2527
0,4983
0,7664
0,9450
1
0
0
0
0
0
0,0004
0,0024
0,0116
0,0439
0,1298
0,3018
0,5519
0,8021
0,9560
1
0
0
0
0
0
0,0001
0,0008
0,0042
0,0181
0,0611
0,1642
0,3518
0,6020
0,8329
0,9648
1
321
0,0342
0,1339
0,3787
0,7458
1
0
0
0
0
0
0
0
0,0002
0,0015
0,0092
0,0441
0,1584
0,4154
0,7712
1
0
0
0
0
0
0
0
0
0,0003
0,0022
0,0127
0,0556
0,1841
0,4510
0,7941
1
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial
b( X ; n, p)
x 0
N
16
x
0
1
2
3
4
5
6
7
8
9
10
0,1
0,1853
0,5147
0,7892
0,9316
0,9830
0,9967
0,9995
0,9999
1
1
1
0,2
0,0281
0,1407
0,3518
0,5981
0,7982
0,9183
0,9733
0,9930
0,9985
0,9998
1
0,25
0,0100
0,0635
0,1971
0,4050
0,6302
0,8103
0,9204
0,9729
0,9925
0,9984
0,9997
Peluang p
0,3
0,4
0,0033 0,0003
0,0261 0,0033
0,0994 0,0183
0,2459 0,0651
0,4499 0,1666
0,6598 0,3288
0,8247 0,5272
0,9256 0,7161
0,9743 0,8577
0,9929 0,9417
0,9984 0,9809
0,5
0
0,0003
0,0021
0,0106
0,0384
0,1051
0,2272
0,4018
0,5982
0,7728
0,8949
0,6
0
0
0,0001
0,0009
0,0049
0,0191
0,0583
0,1423
0,2839
0,4728
0,6712
0,7
0
0
0
0
0,0003
0,0016
0,0071
0,0257
0,0744
0,1753
0,3402
0,75
0
0
0
0
0
0,0003
0,0016
0,0075
0,0271
0,0796
0,1897
0,8
0
0
0
0
0
0
0,0002
0,0015
0,0070
0,0267
0,0817
0,9
0
0
0
0
0
0
0
0
0
0,0005
0,0033
Eri Setiawan
11
12
13
14
15
16
17
0
1
2
3
4
5
6
7
8
9
19
11
12
13
14
15
16
17
1
1
1
1
1
1
0,1668
0,4818
0,7618
0,9174
0,9779
0,9953
0,9992
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0225
0,1182
0,3096
0,5489
0,7582
0,8943
0,9623
0,9891
0,9974
0,9995
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0075
0,0501
0,1637
0,3530
0,5739
0,7653
0,8929
0,9598
0,9876
0,9969
0,9994
0,9999
1
1
1
1
1
1
0,9997 0,9951 0,9616
1
0,9991 0,9894
1
0,9999 0,9979
1
1
0,9997
1
1
1
1
1
1
0,0023 0,0002 0
0,0193 0,0021 0,0001
0,0774 0,0123 0,0012
0,2019 0,0464 0,0064
0,3887 0,1260 0,0245
0,5968 0,2639 0,0717
0,7752 0,4478 0,1662
0,8954 0,6405 0,3145
0,9597 0,8011 0,5000
0,9873 0,9081 0,6855
0,9968 0,9652 0,8338
0,9993 0,9894 0,9283
0,9999 0,9975 0,9755
1
0,9995 0,9936
1
0,9999 0,9988
1
1
0,9999
1
1
1
1
1
1
0,8334
0,9349
0,9817
0,9967
0,9997
1
0
0
0
0,0005
0,0025
0,0106
0,0348
0,0919
0,1989
0,3595
0,5522
0,7361
0,8740
0,9536
0,9877
0,9979
0,9998
1
0,5501
0,7541
0,9006
0,9739
0,9967
1
0
0
0
0
0,0001
0,0007
0,0032
0,0127
0,0403
0,1046
0,2248
0,4032
0,6113
0,7981
0,9226
0,9807
0,9977
1
0,3698
0,5950
0,8029
0,9365
0,9900
1
0
0
0
0
0
0
0,0006
0,0031
0,0124
0,0402
0,1071
0,2347
0,4261
0,6470
0,8363
0,9499
0,9925
1
0,2018
0,4019
0,6482
0,8593
0,9719
1
0
0
0
0
0
0
0
0,0005
0,0026
0,0109
0,0377
0,1057
0,2418
0,4511
0,6904
0,8818
0,9775
1
322
0,0170
0,0684
0,2108
0,4853
0,8147
1
0
0
0
0
0
0
0
0
0
0,0001
0,0008
0,0047
0,0221
0,0826
0,2382
0,5182
0,8332
1
b( X ; n, p)
x 0
N
18
x
0
1
2
3
4
5
6
7
8
9
19
11
12
13
14
0,1
0,1501
0,4503
0,7338
0,9018
0,9718
0,9936
0,9988
0,9998
1
1
1
1
1
1
1
0,2
0,0180
0,0991
0,2713
0,5010
0,7164
0,8671
0,9487
0,9837
0,9957
0,9991
0,9998
1
1
1
1
0,25
0,0056
0,0395
0,1353
0,3057
0,5187
0,7175
0,8610
0,9431
0,9807
0,9946
0,9988
0,9998
1
1
1
Peluang p
0,3
0,4
0,0016 0,0001
0,0142 0,0013
0,0600 0,0082
0,1646 0,0328
0,3327 0,0942
0,5344 0,2088
0,7217 0,3743
0,8593 0,5634
0,9404 0,7368
0,9790 0,8653
0,9939 0,9424
0,9986 0,9797
0,9997 0,9942
1
0,9987
1
0,9998
0,5
0
0
0,0007
0,0038
0,0154
0,0481
0,1189
0,2403
0,4073
0,5927
0,7597
0,8811
0,9519
0,9846
0,9962
0,6
0
0
0
0,0002
0,0013
0,0058
0,0203
0,0576
0,1347
0,2632
0,4366
0,6257
0,7912
0,9058
0,9672
0,7
0
0
0
0
0
0,0003
0,0014
0,0061
0,0210
0,0596
0,1407
0,2783
0,4656
0,6673
0,8354
0,75
0
0
0
0
0
0
0,0002
0,0012
0,0054
0,0193
0,0569
0,1390
0,2825
0,4813
0,6943
0,8
0
0
0
0
0
0
0
0,0002
0,0009
0,0043
0,0163
0,0513
0,1329
0,2836
0,4990
0,9
0
0
0
0
0
0
0
0
0
0
0,0002
0,0012
0,0064
0,0282
0,0982
Eri Setiawan
15
16
17
18
19
0
1
2
3
4
5
6
7
8
9
19
11
12
13
14
15
16
17
18
19
1
1
1
1
0,1351
0,4203
0,7054
0,8850
0,9648
0,9914
0,9983
0,9997
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0144
0,0829
0,2369
0,4551
0,6733
0,8369
0,9324
0,9767
0,9933
0,9984
0,9997
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0042
0,0310
0,1113
0,2631
0,4654
0,6678
0,8251
0,9225
0,9713
0,9911
0,9977
0,9995
0,9999
1
1
1
1
1
1
1
1
1
0,9999
1
1
0,9999
1
1
1
1
1
1
0,0011 0
0
0,0104 0,0008 0
0,0462 0,0055 0,0004
0,1332 0,0230 0,0022
0,2822 0,0696 0,0096
0,4739 0,1629 0,0318
0,6655 0,3081 0,0835
0,8180 0,4878 0,1796
0,9161 0,6675 0,3238
0,9674 0,8139 0,5000
0,9895 0,9115 0,6762
0,9972 0,9648 0,8204
0,9994 0,9884 0,9165
0,9999 0,9969 0,9682
1
0,9994 0,9904
1
0,9999 0,9978
1
1
0,9996
1
1
1
1
1
1
1
1
1
0,9987
0,9987
0,9999
1
0
0
0
0,0001
0,0006
0,0031
0,0116
0,0352
0,0885
0,1861
0,3325
0,5122
0,6919
0,8371
0,9304
0,9770
0,9945
0,9992
0,9999
1
0,9858
0,9858
0,9984
1
0
0
0
0
0
0,0001
0,0006
0,0028
0,0105
0,0326
0,0839
0,1820
0,3345
0,5261
0,7178
0,8668
0,9538
0,9896
0,9989
1
0,9605
0,9605
0,9944
1
0
0
0
0
0
0
0
0,0005
0,0023
0,0089
0,0287
0,0775
0,1749
0,3322
0,5346
0,7369
0,8887
0,9690
0,9958
1
0,9009
0,9009
0,9820
1
0
0
0
0
0
0
0
0
0,0003
0,0016
0,0067
0,0233
0,0676
0,1631
0,3267
0,5449
0,7631
0,9171
0,9856
1
323
0,5497
0,5497
0,8499
1
0
0
0
0
0
0
0
0
0
0
0
0,0003
0,0017
0,0086
0,0352
0,1150
0,2946
0,5797
0,8649
1
b( X ; n, p)
x 0
N
20
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
0,1
0,1216
0,3917
0,6769
0,8670
0,9568
0,9887
0,9976
0,9996
0,9999
1
1
1
1
1
1
1
1
1
1
0,2
0,0115
0,0692
0,2061
0,4114
0,6296
0,8042
0,9133
0,9679
0,9900
0,9974
0,9994
0,9999
1
1
1
1
1
1
1
0,25
0,0032
0,0243
0,0913
0,2252
0,4148
0,6172
0,7858
0,8982
0,9591
0,9861
0,9961
0,9991
0,9998
1
1
1
1
1
1
Peluang p
0,3
0,4
0,0008 0
0,0076 0,0005
0,0355 0,0036
0,1071 0,0160
0,2375 0,0510
0,4164 0,1256
0,6080 0,2500
0,7723 0,4159
0,8867 0,5956
0,9520 0,7553
0,9829 0,8725
0,9949 0,9435
0,9987 0,9790
0,9997 0,9935
1
0,9984
1
0,9997
1
1
1
1
1
1
0,5
0,6
0,7
0,75
0,8
0
0
0,0002
0,0013
0,0059
0,0207
0,0577
0,1316
0,2517
0,4119
0,5881
0,7483
0,8684
0,9423
0,9793
0,9941
0,9987
0,9998
1
0
0
0
0
0,0003
0,0016
0,0065
0,0210
0,0565
0,1275
0,2447
0,4044
0,5841
0,7500
0,8744
0,9490
0,9840
0,9964
0,9995
0
0
0
0
0
0
0,0003
0,0013
0,0051
0,0171
0,0480
0,1133
0,2277
0,3920
0,5836
0,7625
0,8929
0,9645
0,9924
0
0
0
0
0
0
0
0,0002
0,0009
0,0039
0,0139
0,0409
0,1018
0,2142
0,3828
0,5852
0,7748
0,9087
0,9757
0
0
0
0
0
0
0
0
0,0001
0,0006
0,0026
0,0100
0,0321
0,0867
0,1958
0,3704
0,5886
0,7939
0,9308
0,9
0
0
0
0
0
0
0
0
0
0
0
0,0001
0,0004
0,0024
0,0113
0,0432
0,1330
0,3231
0,6083
Eri Setiawan
19 1
20 1
21
0 0,1094
1 0,3647
2 0,6484
3 0,8480
4 0,9478
5 0,9856
6 0,9967
7 0,9994
8 0,9999
9 1
10 1
11 1
12 1
13 1
14 1
15 1
16 1
17 1
18 1
19 1
20 1
21 1
1
1
0,0092
0,0576
0,1787
0,3704
0,5860
0,7693
0,8915
0,9569
0,9856
0,9959
0,9990
0,9998
1
1
1
1
1
1
1
1
1
1
1
1
0,0024
0,0190
0,0745
0,1917
0,3674
0,5666
0,7436
0,8701
0,9439
0,9794
0,9936
0,9983
0,9996
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,0006 0
0
0,0056 0,0003 0
0,0271 0,0024 0,0001
0,0856 0,0110 0,0007
0,1984 0,0370 0,0036
0,3627 0,0957 0,0133
0,5505 0,2002 0,0392
0,7230 0,3495 0,0946
0,8523 0,5237 0,1917
0,9324 0,6914 0,3318
0,9736 0,8256 0,5000
0,9913 0,9151 0,6682
0,9976 0,9648 0,8083
0,9994 0,9877 0,9054
0,9999 0,9964 0,9608
1
0,9992 0,9867
1
0,9998 0,9964
1
1
0,9993
1
1
0,9999
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0,0002
0,0008
0,0036
0,0123
0,0352
0,0849
0,1744
0,3086
0,4763
0,6505
0,7998
0,9043
0,9630
0,9890
0,9976
0,9997
1
1
0,9992
1
0
0
0
0
0
0
0,0001
0,0006
0,0024
0,0087
0,0264
0,0676
0,1477
0,2770
0,4495
0,6373
0,8016
0,9144
0,9729
0,9944
0,9994
1
0,9968
1
0
0
0
0
0
0
0
0
0,0004
0,0017
0,0064
0,0206
0,0561
0,1299
0,2564
0,4334
0,6326
0,8083
0,9255
0,9810
0,9976
1
0,9885
1
0
0
0
0
0
0
0
0
0
0,0002
0,0010
0,0041
0,0144
0,0431
0,1085
0,2307
0,4140
0,6296
0,8213
0,9424
0,9908
1
b( X ; n, p)
x 0
P
N
25
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
0,1
0.0038
0.0274
0.0982
0.2340
0.4207
0.6167
0.7800
0.8909
0.9532
0.9827
0.9944
0.9985
0.9996
0.9999
1
1
1
1
1
1
1
1
1
1
0,2
0.0008
0.0070
0.0321
0.0962
0.2137
0.3783
0.5611
0.7265
0.8506
0.9287
0.9703
0.9893
0.9966
0.9991
0.9998
1
1
1
1
1
1
1
1
1
0,25
0.0001
0.0016
0.0090
0.0332
0.0905
0.1935
0.3407
0.5118
0.6769
0.8106
0.9022
0.9558
0.9825
0.9940
0.9982
0.9995
0.9999
1
1
1
1
1
1
1
324
0,8784
1
0
0
0
0
0
0
0
0
0
0
0
0
0,0001
0,0006
0,0033
0,0144
0,0522
0,1520
0,3516
0,6353
0,8906
1
0,3
0,4
0,5
0,6
0.75
0,8
0,9
0.0004
0.0024
0.0095
0.0294
0.0736
0.1536
0.2735
0.4246
0.5858
0.7323
0.8462
0.9222
0.9656
0.9868
0.9957
0.9988
0.9997
0.9999
1
1
1
1
0.0005
0.0020
0.0073
0.0216
0.0539
0.1148
0.2122
0.3450
0.5000
0.6550
0.7878
0.8852
0.9461
0.9784
0.9927
0.9980
0.9995
0.9999
1
1
0.0003
0.0012
0.0043
0.0132
0.0344
0.0778
0.1538
0.2677
0.4142
0.5754
0.7265
0.8464
0.9264
0.9706
0.9905
0.9976
0.9996
0.9999
0.0005
0.0018
0.0060
0.0175
0.0442
0.0978
0.1894
0.3231
0.4882
0.6593
0.8065
0.9095
0.9668
0.9910
0.9984
0.0002
0.0009
0.0034
0.0107
0.0297
0.0713
0.1494
0.2735
0.4389
0.6217
0.7863
0.9038
0.9679
0.9930
0.0004
0.0015
0.0056
0.0173
0.0468
0.1091
0.2200
0.3833
0.5793
0.7660
0.9018
0.9726
0.0005
0.0023
0.0095
0.0334
0.0980
0.2364
0.4629
0.7288
Eri Setiawan
24 1
25 1
1
1
1
1
1
1
1
1
1
1
325
0.9999
1
0.9992
1
0.9962
1
0.9282
1
b( X ; n, p)
x 0
N
30
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
0,1
0,0424
0,1837
0,4114
0,6474
0,8245
0,9268
0,9742
0,9922
0,9980
0,9995
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,2
0,0012
0,0105
0,0442
0,1227
0,2552
0,4275
0,6070
0,7608
0,8713
0,9389
0,9744
0,9905
0,9969
0,9991
0,9998
0,9999
1
1
1
1
1
1
1
1
1
1
1
0,25
0,0002
0,0020
0,0106
0,0374
0,0979
0,2026
0,3481
0,5143
0,6736
0,8034
0,8943
0,9493
0,9784
0,9918
0,9973
0,9992
0,9998
0,9999
1
1
1
1
1
1
1
1
1
Nilai peluang p
0,3
0,4
0
0
0,0003 0
0,0021 0
0,0093 0,0003
0,0302 0,0015
0,0766 0,0057
0,1595 0,0172
0,2814 0,0435
0,4315 0,0940
0,5888 0,1763
0,7304 0,2915
0,8407 0,4311
0,9155 0,5785
0,9599 0,7145
0,9831 0,8246
0,9936 0,9029
0,9979 0,9519
0,9994 0,9788
0,9998 0,9917
1
0,9971
1
0,9991
1
0,9998
1
1
1
1
1
1
1
1
1
1
0,5
0
0
0
0
0
0,0002
0,0007
0,0026
0,0081
0,0214
0,0494
0,1002
0,1808
0,2923
0,4278
0,5722
0,7077
0,8192
0,8998
0,9506
0,9786
0,9919
0,9974
0,9993
0,9998
1
1
0,6
0
0
0
0
0
0
0
0
0,0002
0,0009
0,0029
0,0083
0,0212
0,0481
0,0971
0,1754
0,2855
0,4215
0,5689
0,7085
0,8237
0,9060
0,9565
0,9828
0,9943
0,9985
0,9997
0,7
0
0
0
0
0
0
0
0
0
0
0
0,0002
0,0006
0,0021
0,0064
0,0169
0,0401
0,0845
0,1593
0,2696
0,4112
0,5685
0,7186
0,8405
0,9234
0,9698
0,9907
0,75
0
0
0
0
0
0
0
0
0
0
0
0
0
0,0002
0,0008
0,0027
0,0082
0,0216
0,0507
0,1057
0,1966
0,3264
0,4857
0,6519
0,7974
0,9021
0,9626
0,8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,0002
0,0009
0,0031
0,0095
0,0256
0,0611
0,1287
0,2392
0,3930
0,5725
0,7448
0,8773
0,9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,0001
0,0005
0,0020
0,0078
0,0258
0,0732
0,1755
0,3526
Eri Setiawan
27
28
29
30
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,9979
0,9997
1
1
0,9894
0,998
0,9998
1
0,9558
0,9895
0,9988
1
326
0,5886
0,8163
0,9576
1
Tabel 2.a. Sebaran Geometrik untuk Kumulatif ( CDF ) dan Peluang ( PDF ) untuk p = 0,5 dan n = 12
X
0
1
2
3
4
5
6
7
8
9
10
11
12
P( X x )
0
0.5000
0.7500
0.8750
0.9375
0.9688
0.9844
0.9922
0.9961
0.9980
0.9990
0.9995
0.9998
P(X=x)
0
0.5000
0.2500
0.1250
0.0625
0.0313
0.0156
0.0078
0.0039
0.0020
0.0010
0.0005
0.0002
Tabel 2.b. Nilai Kritis Koefisien Korelasi Peringkat Spearman
N
5
6
7
8
9
10
11
12
13
0,900
0,829
0,714
0,643
0,600
0,564
0,523
0,497
0,475
= 0,025
= 0,01
= 0,005
0,886
0,786
0,738
0,683
0,648
0,623
0,591
0,566
0,943
0,893
0,833
0,783
0,745
0,736
0,703
0,673
0,881
0,853
0,834
0,818
0,780
0,745
Eri Setiawan
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0,457
0,441
0,425
0,412
0,399
0,388
0,377
0,368
0,359
0,351
0,343
0,336
0,329
0,323
0,317
0,311
0,305
0,545
0,525
0,507
0,490
0,476
0,462
0,450
0,438
0,428
0,418
0,409
0,400
0,392
0,385
0,377
0,370
0,364
327
0,646
0,716
0,623
0,698
0,601
0,666
0,582
0,645
0,564
0,625
0,549
0,608
0,534
0,591
0,521
0,576
0,508
0,562
0,496
0,549
0,485
0,537
0,475
0,526
0,465
0,515
0,456
0,505
0,448
0,496
0,440
0,487
0,432
0,478
Tabel 2.c. Product Moment ( r )
PRODUCT MOMENT ( r )
n
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Taraf
Signifikan
5%
!%
0,997 0,999
0,950 0,990
0,878 0,959
0,811 0,917
0,754 0,874
0,707 0,834
0,666 0,798
0,632 0,765
0,602 0,735
0,576 0,708
0,553 0,684
0,532 0,661
0,514 0,641
0,497 0,623
0,482 0,606
0,468 0,590
0,456 0,575
0,444 0,561
0,433 0,549
0,423 0,537
0,413 0,526
0,404 0,515
0,396 0,505
0,388 0,496
n
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
Taraf
Signifikan
5%
!%
0,381 0,487
0,374 0,478
0,367 0,470
0,361 0,463
0,355 0,456
0,349 0,449
0,344 0,442
0,339 0,436
0,334 0,430
0,329 0,424
0,325 0,418
0,320 0,413
0,316 0,408
0,312 0,403
0,308 0,398
0,304 0,393
0,301 0,389
0,297 0,384
0,294 0,380
0,291 0,376
0,288 0,372
0,284 0,368
0,281 0,364
0,279 0,361
n
55
60
65
70
75
80
85
90
95
100
112
115
117
200
300
400
500
600
700
800
900
1000
Taraf
Signifikan
5%
!%
0,266 0,345
0,254 0,330
0,244 0,317
0,235 0,306
0,227 0,296
0,220 0,286
0,213 0,278
0,207 0,270
0,202 0,263
0,195 0,256
0,176 0,230
0,159 0,210
0,148 0,194
0,138 0,181
0,113 0,148
0,098 0,128
0,088 0,115
0,080 0,105
0,074 0,097
0,070 0,091
0,065 0,086
0,062 0,081
Eri Setiawan
328
Tabel.2.d. Spearman Rank atau Rho ( )
Taraf
Signifikansi
5%
1%
Taraf
Signifikansi
N
5%
5
6
7
8
9
10
12
14
1,000
0,886
0,786
0,738
0,683
0,648
0,591
0,544
16
18
20
22
24
26
28
30
1,000
0,929
0,881
0,833
0,794
0,777
0,715
0,506
0,475
0,450
0,428
0,409
0,392
0,377
0,364
1%
0,665
0,626
0,591
0,562
0,537
0,515
0,496
0,478
Tabel 2.e Nilai Kritis h Untuk Uji Tanda

N
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
0,0 0,0
1
5
0
0
0
0
0
1
0
1
0
1
1
2
1
2
1
2
2
3
2
3
2
4
3
4
3
4
3
5
4
5
4
5
4
6
5
6
5
7
6
7
6
7
6
8
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
0,0 0,0
1
5
9 11
10 12
10 12
11 12
11 13
11 13
12 14
12 14
13 15
13 15
13 15
14 16
14 16
15 17
15 17
15 18
16 18
16 18
17 19
17 19
17 20
18 20
18 21
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
0,0
1
22
22
22
23
23
24
24
25
25
25
26
26
27
27
28
28
28
29
29
30
30
31
31
0,0
5
24
25
25
25
26
26
27
27
28
28
28
29
29
30
30
31
31
32
32
32
33
33
34
Eri Setiawan
29
30
31
32
33
34
35
7
7
7
8
8
9
9
8
9
9
9
10
10
11
59
60
61
62
63
64
65
19
19
20
20
20
21
21
21
21
22
22
23
23
24
89
90
91
92
93
94
95
329
31
32
32
33
33
34
34
34
35
35
36
36
37
37
Tabel 2. f Nilai Kritis L untuk Uji Lilliefors

Ukuran
Sampel
n=4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
n > 30
0,01
0,417
0,405
0,364
0,348
0,331
0,311
0,294
0,284
0,275
0,268
0,261
0,257
0,250
0,245
0,239
0,235
0,231
0,200
0,187
1,031
Taraf Nyata
0,05
0,381
0,337
0,319
0,300
0,285
0,271
0,258
0,249
0,242
0,234
0,227
0.220
0,213
0,206
0,200
0,195
0,19
0,173
0,161
0,886
0,10
0,352
0,315
0,294
0,276
0.261
0,249
0,239
0,230
0,223
0,214
0,207
0,201
0,195
0,189
0,184
0,179
0,174
0,158
0,144
0,805
Eri Setiawan
Tabel 2. g Nilai kritis J untuk Uji Wilcoxon

N
6
7
8
9
0
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Taraf Nyata
0,01
0,05
0
2
0
4
2
6
3
8
5
11
7
14
10
17
13
21
16
25
20
30
23
35
28
40
32
46
38
52
43
59
49
66
55
73
61
81
68
89
Tabel 2. h Batas Kritis untuk Uji Korelasi berdasarkan Koefisien Korelasi Rank
=1%
=5%
330
Eri Setiawan
331
4
1,000
5
1,000
0,900
6
0,943
0,829
7
0,893
0,714
8
0,833
0,643
9
0,783
0,600
10
0,746
0,564
12
0,701
0,504
14
0,645
0,456
16
0,601
0,425
18
0,564
0,399
20
0,534
0,377
22
0,508
0,359
24
0,485
0,343
26
0,465
0,329
28
0,448
0,317
30
0,432
0,306
Tabel 2.i TABEL ORDINAT DARI KURVA NORMAL
TABEL ORDINAT DARI KURVA NORMAL
P
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
(1-p)
0,99
0,98
0,97
0,96
0,95
0,94
0,93
0,92
0,91
0,90
0,89
0,88
0,87
0,86
0,85
0,84
0,83
0,82
0,81
0,80
0,79
0,78
0,77
0,76
0,75
0,027
0,048
0,068
0,086
0,103
0,119
0,134
0,149
0,162
0,176
0,188
0,200
0,212
0,223
0,233
0,243
0,253
0,262
0,271
0,280
0,288
0,296
0,304
0,311
0,318
P(1 - p)/Y
0,366667
0,408333
0,427941
0,446512
0,461165
0,473950
0,485821
0,493960
0,505556
0,511364
0,520745
0,528000
0,533491
0,539910
0,547210
0,553086
0,557708
0,563359
0,567897
0,571429
0,576042
0,579730
0,582566
0,586495
0,589623
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50
(1-p)
0,74
0,73
0,72
0,71
0,70
0,69
0,68
0,67
0,66
0,65
0,64
0,63
0,62
0,61
0,60
0,59
0,58
0,57
0,56
0,55
0,54
0,53
0,52
0,51
0,50
0,324
0,331
0,337
0,342
0,348
0,353
0,358
0,362
0,366
0,370
0,374
0,378
0,381
0,384
0,386
0,389
0,391
0,393
0,394
0,396
0,397
0,398
0,398
0,399
0,399
p(1-p)/Y
0,593827
0,595468
0,598220
0,602047
0,603448
0,605949
0,607821
0,610773
0,613115
0,614865
0,616043
0,616667
0,618373
0,619531
0,621762
0,621851
0,623018
0,623664
0,625381
0,625000
0,625693
0,625879
0,627136
0,626316
0,626566
Eri Setiawan
332
Tabel 2.j Batas Kritis Untuk Runtun U Dengan Taraf Nyata 5 %

5
2
8
2
2
8
2
1
0
3
1
1
3
1
2
3
1
3
2
8
2
1
0
3
1
1
3
1
2
4
1
3
4
1
4
2
8
2
1
0
3
1
2
4
1
3
4
1
4
5
1
4
5
1
5
1
0
1
1
2
8
2
1
0
3
1
2
4
1
3
5
1
4
5
1
5
5
1
6
6
1
6
2
8
3
1
0
4
1
2
4
1
3
5
1
4
5
1
5
6
1
6
6
1
7
7
2
3
4
5
6
7
8
9
10
11
9
2
1
0
9
3
1
0
3
1
1
1
2
2
6
2
8
3
1
0
4
1
2
4
1
3
5
1
4
6
1
6
6
1
6
7
1
7
7
1
3
2
6
2
8
3
1
0
4
1
2
5
1
4
5
1
5
6
1
6
6
1
7
7
1
8
7
1
4
2
6
2
8
3
1
0
4
1
2
5
1
4
5
1
5
6
1
6
7
1
7
7
1
8
8
1
5
2
6
3
8
3
1
0
4
1
2
5
1
4
6
1
5
6
1
7
7
1
8
7
1
8
8
1
6
2
6
3
8
4
1
0
4
1
2
5
1
4
6
1
6
6
1
7
7
1
8
8
1
9
8
1
7
2
6
3
8
4
1
0
4
1
2
5
1
4
6
1
6
7
1
7
7
1
8
8
1
9
9
1
8
2
6
3
8
4
1
0
5
1
2
5
1
4
6
1
6
7
1
7
8
1
8
8
1
9
9
1
9
2
6
3
8
4
1
0
5
1
2
6
1
4
6
1
6
7
1
7
8
1
8
8
2
0
9
2
0
2
6
3
8
4
1
0
5
1
2
6
1
4
6
1
6
7
1
7
8
1
8
9
2
0
1
Eri Setiawan
1
7
12
333
1
8
1
9
1
9
1
9
2
0
2
0
2
0
7
1
9
8
1
9
8
2
0
8
2
0
9
2
1
8
2
0
9
2
0
9
2
1
9
2
1
9
2
2
1
0
2
2
9
2
1
1
0
2
2
1
0
2
3
1
1
2
3
9
2
1
1
0
2
2
1
0
2
3
1
1
2
3
1
1
2
4
1
1
2
5
9
2
1
1
0
2
2
1
0
2
3
1
1
2
4
1
1
2
5
1
2
2
5
1
2
2
6
13
14
15
16
17
18
19
20
Tabel k Batas Uji Durbin-Watson = 5 %

p1=1
p1=
2
p1=3
p1=4
p-1=5
2
1
1
0
2
2
1
0
2
3
1
1
2
3
1
1
2
4
1
2
2
5
1
2
2
6
1
3
2
7
1
3
2
7
0
2
1
1
0
2
2
1
1
2
3
1
1
2
4
1
2
2
4
1
2
2
5
1
3
2
6
1
3
2
7
1
3
2
7
1
4
2
8
Eri Setiawan
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
45
50
55
60
65
70
75
80
85
90
95
100
dL
1,08
1,10
1,13
1,16
1,18
1,20
1,22
1,24
1,26
1,27
1,29
1,30
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,43
1,44
1,48
1,50
1,53
1,55
1,57
1,58
1,60
1,61
1,62
1,63
1,64
1,65
dU
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,45
1,46
1,47
1,48
1,48
1,49
1,50
1,50
1,51
1,51
1,52
1,52
1,53
1,54
1,54
1,54
1,57
1,59
1,60
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,69
dL
0,95
0,98
1,02
1,05
1,06
1,10
1,13
1,15
1,17
1,19
1,21
1,22
1,24
1,26
1,27
1,28
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,43
1,46
1,49
1,51
1,54
1,55
1,57
1,59
1,60
1,61
1,62
1,63
dU
1,54
1,54
1,54
1,53
1,53
1,54
1,54
1,54
1,54
1,55
1,55
1,55
1,56
1,56
1,56
1,57
1,57
1,57
1,58
1,58
1,58
1,59
1,59
1,59
1,60
1,60
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,70
1,71
1,72
dL
0,82
0,86
0,90
0,93
0,97
1,00
1,03
1,05
1,08
1,10
1,12
1,14
1,16
1,18
1,20
1,21
1,23
1,24
1,26
1,27
1,28
1,29
1,31
1,32
1,33
1,34
1,38
1,42
1,45
1,48
1,50
1,52
1,54
1,56
1,57
1,59
1,60
1,61
dU
1,75
1,73
1,71
1,69
1,68
1,68
1,67
1,66
1,66
1,66
1,66
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,65
1,66
1,66
1,66
1,66
1,67
1,67
1,68
1,69
1,70
1,70
1,71
1,72
1,72
1,73
1,73
1,74
dL
0,69
0,74
0,78
0,82
0,86
0,90
0,93
0,96
0,99
1,01
1,04
1,06
1,08
1,10
1,12
1,14
1,16
1,18
1,19
1,21
1,23
1,24
1,25
1,26
1,27
1,29
1,34
1,38
1,41
1,44
1,47
1,49
1,51
1,53
1,55
1,57
1,58
1,59
334
dU
1,97
1,93
1,90
1,87
1,85
1,83
1,81
1,80
1,79
1,78
1,77
1,76
1,76
1,75
1,74
1,74
1,74
1,73
1,73
1,73
1,73
1,73
1,72
1,72
1,72
1,72
1,72
1,72
1,72
1,73
1,73
1,74
1,74
1,74
1,75
1,75
1,75
1,76
Gambar 4.
dL
0,56
0,62
0,67
0,71
0,75
0,79
0,83
0,86
0,90
0.93
0.95
0,98
1,01
1,03
1,05
1,07
1,09
1,11
1,13
1,15
1,16
1,18
1,19
1,21
1,22
1,23
1,29
1,34
1,38
1,41
1,44
1,47
1,49
1,51
1,52
1,54
1,56
1,57
dU
2,21
2,15
2,10
2,06
2,02
1,96
1,94
1,92
1,90
1,89
1,88
1,86
1,85
1,84
1,83
1,83
1,82
1,81
1,81
1,80
1,80
1,80
1,79
1,79
1,79
1,78
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,77
1,78
1,78
1,78
Eri Setiawan
335
Distribution Plot
Poisson; Mean=3
0,25
Probability
0,20
0,15
0,10
0,05
0,0335
0,00
Gambar 5.
Distribution Plot
Poisson; Mean=15
0,10
Probability
0,08
0,06
0,04
0,02
0,00
10
15
X
20
25
30
Eri Setiawan
336
Tabel 3. Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson

X
0
1
2
3
4
5
6
0,1
0,9048
0,9953
0,9998
1,0000
0,2
0,8187
0,9825
0,9989
0,9999
1,0000
0,3
0,7408
0,9631
0,9964
0,9997
1,0000
0,4
0,6730
0,9384
0,9921
0,9992
0,9999
1,0000
0,5
0,6165
0,9098
0,9856
0,9982
0,9998
1,0000
0,6
0,5488
0,8781
0,9769
0,9966
0,9996
1,0000
Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson
P( X ; )
x 0
0,7
0,4966
0,8442
0,9659
0,9942
0,9992
0,9999
1,0000
0,8
0,4493
0,8088
0,9526
0,9909
0,9986
0,9998
1,0000
P( X ; )
x 0
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1,0
0,3679
0,7358
0,9197
0,9810
0,9963
0,9994
0,9999
1
1
1
1
1
1
1
1
1
1
1,5
0,2231
0,5578
0,8088
0,9344
0,9814
0,9955
0,9991
0,9998
1
1
1
1
1
1
1
1
1
2,0
0,1353
0,4060
0,6767
0,8571
0,9473
0,9834
0,9955
0,9989
0,9998
1
1
1
1
1
1
1
1
2,5
0,0821
0,2873
0,5438
0,7576
0,8912
0,9580
0,9858
0,9958
0,9989
0,9997
0,9999
1
1
1
1
1
1
3,0
0,0498
0,1991
0,4232
0,6472
0,8153
0,9161
0,9665
0,9881
0,9962
0,9989
0,9997
0,9999
1
1
1
1
1
3,5
0,0302
0,1359
0,3208
0,5366
0,7254
0,8576
0,9347
0,9733
0,9901
0,9967
0,9990
0,9997
0,9999
1
1
1
1
4,0
0,0183
0,0916
0,2381
0,4335
0,6288
0,7851
0,8893
0,9489
0,9786
0,9919
0,9972
0,9991
0,9997
0,9999
1
1
1
4,5
0,0111
0,0611
0,1736
0,3423
0,5321
0,7029
0,8311
0,9134
0,9597
0,9829
0,9933
0,9976
0,9992
0,9997
0,9999
1
1
5,0
0,0067
0,0404
0,1247
0,2650
0,4405
0,6160
0,7622
0,8666
0,9319
0,9682
0,9863
0,9945
0,9980
0,9993
0,9998
0,9999
1
P( X ; )
x 0
0,9
0,4066
0,7725
0,9371
0,9865
0,9977
0,9997
1,0000
Eri Setiawan
337
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
5,5
0,0041
0,0266
0,0884
0,2017
0,3575
0,5289
0,6860
0,8944
0,9462
0,9747
0,9890
0,9955
0,9983
0,9994
0,9998
0,9999
1
1
1
1
1
1
1
1
1
6,0
0,0025
0,0174
0,0620
0,1512
0,2851
0,4457
0,6063
0,8472
0,9161
0,9574
0,9799
0,9912
0,9964
0,9986
0,9995
0,9998
0,9999
1
1
1
1
1
1
1
1
6,5
0,0015
0,0113
0,0430
0,1118
0,2237
0,3690
0,5265
0,7916
0,8774
0,9332
0,9661
0,9840
0,9929
0,9970
0,9988
0,9996
0,9998
1
1
1
1
1
1
1
1
7,0
0,0009
0,0073
0,0296
0,0818
0,1730
0,3007
0,4497
0,7291
0,8305
0,9015
0,9467
0,9730
0,9872
0,9943
0,9976
0,9990
0,9996
1
1
1
1
1
1
1
1
7,5
0,0006
0,0047
0,0203
0,0591
0,1321
0,2414
0,3782
0,6620
0,7764
0,8622
0,9208
0,9573
0,9784
0,9897
0,9954
0,9980
0,9992
0,9999
1
1
1
1
1
1
1
8,0
0,0003
0,0030
0,0138
0,0424
0,0996
0,1912
0,3134
0,5925
0,7166
0,8159
0,8881
0,9362
0,9658
0,9827
0,9918
0,9963
0,9984
0,9997
0,9999
1
1
1
1
1
1
8,5
0,0002
0,0019
0,0093
0,0301
0,0744
0,1496
0,2562
0,5231
0,6530
0,7634
0,8487
0,9091
0,9486
0,9726
0,9862
0,9934
0,9970
0,9995
0,9998
0,9999
1
1
1
1
1
9,0
0,0001
0,0012
0,0062
0,0212
0,0550
0,1157
0,2068
0,4557
0,5874
0,7060
0,8030
0,8758
0,9261
0,9585
0,9780
0,9889
0,9947
0,9989
0,9996
0,9998
0,9999
1
1
1
1
P( X ; )
x 0
9,5
0
0,0008
0,0042
0,0149
0,0403
0,0885
0,1649
0,3918
0,5218
0,6453
0,7520
0,8364
0,8981
0,9400
0,9665
0,9823
0,9911
0,9980
0,9991
0,9996
0,9999
0,9999
1
1
1
Eri Setiawan
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
10
0
0,0005
0,0028
0,0103
0,0293
0,0671
0,1301
0,2202
0,3328
0,4579
0,5830
0,6968
0,7916
0,8645
0,9165
0,9513
0,9730
0,9857
0,9928
0,9965
0,9984
0,9993
0,9997
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
1
1
11
0
0,0002
0,0012
0,0049
0,0151
0,0375
0,0786
0,1432
0,2320
0,3405
0,4599
0,5793
0,6887
0,7813
0,8540
0,9074
0,9441
0,9678
0,9823
0,9907
0,9953
0,9977
0,9990
0,9995
0,9998
0,9999
1
1
1
1
1
1
1
1
1
1
1
1
12
0
0
0,0005
0,0023
0,0076
0,0203
0,0458
0,0895
0,1550
0,2424
0,3472
0,4616
0,5760
0,6815
0,7720
0,8444
0,8987
0,9370
0,9626
0,9787
0,9884
0,9939
0,9970
0,9985
0,9993
0,9997
0,9999
0,9999
1
1
1
1
1
1
1
1
1
1
13
0
0
0,0002
0,0011
0,0037
0,0107
0,0259
0,0540
0,0998
0,1658
0,2517
0,3532
0,4631
0,5730
0,6751
0,7636
0,8355
0,8905
0,9302
0,9573
0,9750
0,9859
0,9924
0,9960
0,9980
0,9990
0,9995
0,9998
0,9999
1
1
1
1
1
1
1
1
1
Tabel 4.a. Tabel Z ( Normal Baku )
14
0
0
0
0,0005
0,0018
0,0055
0,0142
0,0316
0,0621
0,1094
0,1757
0,2600
0,3585
0,4644
0,5704
0,6694
0,7559
0,8272
0,8826
0,9235
0,9521
0,9712
0,9833
0,9907
0,9950
0,9974
0,9987
0,9994
0,9997
0,9999
0,9999
1
1
1
1
1
1
1
338
15
0
0
0
0,0002
0,0009
0,0028
0,0076
0,0180
0,0374
0,0699
0,1185
0,1848
0,2676
0,3632
0,4657
0,5681
0,6641
0,7489
0,8195
0,8752
0,9170
0,9469
0,9673
0,9805
0,9888
0,9938
0,9967
0,9983
0,9991
0,9996
0,9998
0,9999
1
1
1
1
1
1
16
0
0
0
0
0,0004
0,0014
0,0040
0,0100
0,0220
0,0433
0,0774
0,1270
0,1931
0,2745
0,3675
0,4667
0,5660
0,6593
0,7423
0,8122
0,8682
0,9108
0,9418
0,9633
0,9777
0,9869
0,9925
0,9959
0,9978
0,9989
0,9994
0,9997
0,9999
0,9999
1
1
1
1
17
0
0
0
0
0,0002
0,0007
0,0021
0,0054
0,0126
0,0261
0,0491
0,0847
0,1350
0,2009
0,2808
0,3715
0,4677
0,5640
0,6550
0,7363
0,8055
0,8615
0,9047
0,9367
0,9594
0,9748
0,9848
0,9912
0,9950
0,9973
0,9986
0,9993
0,9996
0,9998
0,9999
1
1
1
18
0
0
0
0
0
0,0003
0,0010
0,0029
0,0071
0,0154
0,0304
0,0549
0,0917
0,1426
0,2081
0,2867
0,3751
0,4686
0,5622
0,6509
0,7307
0,7991
0,8551
0,8989
0,9317
0,9554
0,9718
0,9827
0,9897
0,9941
0,9967
0,9982
0,9990
0,9995
0,9998
0,9999
0,9999
1
Eri Setiawan
339
Distribution Plot
0,4
Distribution Plot
0,4
0,3
Density
Density
0,3
0,2
0,2
0,841
0,1
0,1
0,0
0,0
-3,5
-3
-2
-1
Z
-3,4
-3,3
-3,2
-3,1
- 3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
- 1,5
- 1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,00
0,0003
0,0005
0,0007
0,0010
0,0013
0,0019
0,0026
0,0015
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,01
0,0003
0,0005
0,0007
0,0008
0,0013
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0351
0,0434
0,0538
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3821
0,4168
0,4562
0,03
0,0003
0,0005
0,0006
0,0009
0,0013
0,0017
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061`
0,2358
0,2676
0,3015
0,3372
0,3783
0,4129
0,4522
0,03
0,0003
0,0004
0,0006
0,0009
0,0012
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3745
0,4090
0,4487
Tabel 4.b. Tabel Z ( Normal Baku )
0,04
0,0003
0,0004
0,0006
0,0008
0,0012
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0125
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2296
0,2611
0,2946
0,3300
0,3707
0,4052
0,4443
0,05
0,0003
0,0004
0,0006
0,0008
0,0011
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3669
0,4013
0,4404
0,06
0,0003
0,0004
0,0005
0,0008
0,0011
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0152
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0722
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3632
0,3974
0,4364
0
X
0,07
0,0003
0,0004
0,0005
0,0008
0,0011
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3594
0,3936
0,4325
0,08
0,0002
0,0004
0,0005
0,0007
0,0010
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0239
0,0301
0,0375
0,0465
0,0571
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,09
0,0002
0,0004
0,0005
0,0007
0,0010
0,0014
0,0019
0,9974
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
Eri Setiawan
340
Distribution Plot
Distribution Plot
0,4
0,4
0,3
0,2
Density
Density
0,3
0,841
0,2
0,1
0,1
0,0
0,0
-3,5
-3
-2
Z
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,01
0,50
40
0,5438
0,5832
0,6179
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,03
0,03
0,04
0,5080
0,5478
0,5871
0,6217
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,5120
0,5517
0,5910
0,6255
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,5160
0,5557
0,5948
0,6293
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
Tabel 5. Tabel t ( t Student )
0,05
0,519
9
0,5596
0,5987
0,6331
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
-1
0
X
0,06
0,07
0,08
0,09
0,5239
0,5636
0,6026
0,6368
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9278
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,5279
0,5675
0,6064
0,6406
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9077
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
Eri Setiawan
341
Distribution Plot
T, df=15
Distribution Plot
T; df=15
0.4
0,4
0.3
Density
Density
0,3
0.9
0.2
0.1
0,2
0,1
0,05
0.0
Nilai Kritis Sebaran t Student

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
Inf
0,100
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,300
1,300
1,290
1,280
0,050
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,700
1,680
1,670
1,660
1,645
0,025
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,040
2,020
2,000
1,980
1,960
0,010
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,460
2,420
2,390
2,360
2,330
0
X
0,005
63,657
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,700
2,660
2,620
2,580
0,200
1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879
0,876
0,873
0,870
0,868
0,866
0,885
0,863
0,862
0,861
0,860
0,859
0,858
0,858
0,857
0,856
0,856
0,855
0,855
0,854
0,854
0,851
0,848
0,845
0,842
0,0
1.34
0,250
1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
0,697
0,695
0,694
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,681
0,679
0,677
0,674
0,900
-3,078
-1,886
-1,638
-1,533
-1,476
-1,440
-1,415
-1,397
-1,383
-1,372
-1,363
-1,356
-1,350
-1,345
-1,341
-1,337
-1,333
-1,330
-1,328
-1,325
-1,323
-1,321
-1,319
-1,318
-1,316
-1,315
-1,314
-1,313
-1,311
-1,310
-1,300
-1,300
-1,290
-1,280
Chi-Square; df=15
Chi-Square, df=15
0.07
0,07
0.06
0,06
0.05
0,05
Density
Density
0,08
0.9
0.04
Tabel 6. Tabel ( Khi- Kuadrat )
0,04
0.03
0,03
0.02
0,02
0,01
0.01
0.00
0,975
-12,706
-4,303
-3,182
-2,776
-2,571
-2,447
-2,365
-2,306
-2,262
-2,228
-2,201
-2,179
-2,160
-2,145
-2,131
-2,120
-2,110
-2,101
-2,093
-2,086
-2,080
-2,074
-2,069
-2,064
-2,060
-2,056
-2,052
-2,048
-2,045
-2,040
-2,020
-2,000
-1,980
-1,960
Distribution Plot
Distribution Plot
0.08
0,950
-6,314
-2,920
-2,353
-2,132
-2,015
-1,943
-1,895
-1,860
-1,833
-1,812
-1,796
-1,782
-1,771
-1,761
-1,753
-1,746
-1,740
-1,734
-1,729
-1,725
-1,721
-1,717
-1,714
-1,711
-1,708
-1,706
-1,703
-1,701
-1,699
-1,700
-1,680
-1,670
-1,660
-1,645
22.3
X
0,00
0,05
0
25,0
0
X
1,75
0,990
-31,821
-6,965
-4,541
-3,747
-3,365
-3,143
-2,998
-2,896
-2,821
-2,764
-2,718
-2,681
-2,650
-2,624
-2,602
-2,583
-2,567
-2,552
-2,539
-2,528
-2,518
-2,508
-2,500
-2,492
-2,485
-2,479
-2,473
-2,467
-2,462
-2,460
-2,420
-2,390
-2,360
-2,330
Eri Setiawan
342
V
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0,995
0,000393
0,0100
0,0717
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
13,787
0,990
0,00157
0,0201
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,879
13,565
14,256
14,953
0,975
0,00982
0,0506
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,689
12,401
13,120
13,844
14,573
15,308
16,047
16,791
0,950
0,0393
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493
0,050
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,326
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773
0,025
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,194
44,461
45,722
46,979
0,010
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892
0,005
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,807
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,993
52,336
53,672
Distribution Plot
Distribution Plot
F; df1=25; df2=25
F, df1=8, df2=15
1,2
0.8
0.7
1,0
0.6
Tabel 7.a Tabel F

1
2
3
4
5
6
7
1
161,4
4052
18,51
98,49
10,13
34,12
7,71
21,20
6,61
16,26
5,99
13,74
5,59
12,25
2
199,5
4999
19,00
99,00
9,55
30,82
6,94
18,00
5,79
13,27
5,14
10,92
4,74
9,55
0.4
0.3
0,6
0,4
0.2
= 5 % dan 1 %
3
215,7
5403
19,16
99,17
9,55
29,46
6,94
16,69
5,79
12,06
5,14
9,78
4,74
8,45
0,8
0.5
D
ensity
D
ensity
f ( v1,v 2 )
0.9
4
224,6
5625
19,25
99,25
9,12
28,71
6,39
15,98
5,19
11,39
4,53
9,15
4,12
7,85
5
230,2
5764
19,30
99,30
9,01
28,24
6,26
15,52
5,05
10,97
4,39
8,75
3,97
7,46
0,2
0.1
0,05
0.0
6
234,0
5859
19,33
99,33
8,94
27,91
6,16
15,21
4,95
10,67
4,28
8,47
3,87
7,19
2.12
0,0
7
236,8
5928
19,35
99,36
8,89
27,67
6,09
14,98
4,88
10,46
4,21
8,26
3,79
6,99
1,96
X
8
238,9
5981
19,37
99,37
8,85
27,49
6,04
14,80
4,82
10,29
4,15
8,10
3,73
6,84
9
240,5
6022
19,38
99,39
8,81
27,35
6,00
14,66
4,77
10,16
4,10
7,98
3,68
6,72
10
241,9
6056
19,40
99,40
8,79
27,23
5,96
14,55
4,74
10,05
4,06
7,87
3,64
6,62
11
243
6082
19,40
99,41
8,76
27,13
5,93
14,45
4,70
9,96
4,03
7,79
3,60
6,54
12
243,9
6106
19,41
99,42
8,74
27,05
5,91
14,37
4,68
9,89
4,00
7,72
3,57
6,47
Eri Setiawan
8
5,32
11,26
9
5,12
10,56
10
4,96
10,01
11
4,81
9,65
12
4,75
9,33
13
4,67
9,07
14
4,60
8,86
15
4,54
8,68
16
4,49
8,53
17
4,45
8,40
18
4,41
8,28
19
4,38
8,18
20
4,35
8,10
21
4,32
8,02
22
4,30
7,94
4,46
8,65
4,26
8,02
4.10
7,56
3,98
7,21
3,89
6,93
3,81
6,70
3,74
6,51
3,68
6,36
3,63
6,23
3,59
6,11
3,55
6,01
3,52
5,93
3,49
5,85
3,47
5,78
3,44
5,72
4,46
7,59
4,26
6,99
4,10
6,55
3,98
6,22
3,89
5,95
3,81
5,74
3,74
5,56
3,68
5,42
3,63
5,29
3,59
5,18
3,55
5,09
3,52
5,01
3,49
4,94
3,47
4,87
3,44
4,82
Tabel 7.b. Tabel F
3,84
7,01
3,63
6,42
3,48
5,99
3,36
5,67
3,26
5,41
3,18
5,21
3,11
5,04
3,06
4,89
3,01
4,77
2,96
4,67
2,93
4,58
2,90
4,50
2,87
4,43
2,84
4,37
2,82
4,31
3,69
3,58
6,63
6,37
3,48
3,37
6,06
5,80
3,33
3,22
5,64
5,39
3,20
3,09
5,32
5,07
3,11
3,00
5,06
4,82
3,03
2,92
4,86
4,62
2,96
2,85
4,69
4,46
2,90
2,79
4,56
4,32
2,85
2,74
4,44
4,20
2,81
2,70
4,34
4,10
2,77
2,66
4,25
4,01
2,74
2,63
4,17
3,94
2,71
2,60
4,10
3,87
2,68
2,57
4,04
3,81
2,66
2,55
3,99
3,76
3,50
6,18
3,29
5,61
3,14
5,20
3,01
4,89
2,91
4,64
2,83
4,44
2,76
4,28
2,71
4,14
2,66
4,03
2,61
3,93
2,58
3,84
2,54
3,77
2,51
3,70
2,49
3,64
2,46
3,59
3,44
6,03
3,23
5,47
3,07
5,06
2,95
4,74
2,85
4,50
2,77
4,30
2,70
4,14
2,64
4,00
2,59
3,89
2,55
3,79
2,51
3,71
2,48
3,63
2,45
3,56
2,42
3,51
2,37
3,45
3,39
5,91
3,18
5,35
3,02
4,94
2,90
4,63
2,80
4,39
2,71
4,19
2,65
4,03
2,59
3,89
2,54
3,78
2,49
3,68
2,46
3,60
2,42
3,52
2,39
3,46
2,37
3,40
2,34
3,35
3,35
5,81
3,14
5,26
2,98
4,85
2,85
4,54
2,75
4,30
2,67
4,10
2,60
3,94
2,54
3,80
2,49
3,69
2,45
3,59
2,41
3,51
2,38
3,43
2,35
3,37
2,32
3,31
2,30
3,26
3,31
5,74
3,10
5,18
2,94
4,78
2,82
4,46
2,72
4,22
2,63
4,02
2,56
3,86
2,51
3,73
2,45
3,61
2,41
3,52
2,37
3,44
2,34
3,36
2,31
3,30
2,28
3,24
2,26
3,18
343
3,28
5,67
3,07
5,11
2,97
4,71
2,79
4,40
2,69
4,16
2,60
3,96
2,53
3,80
2,48
3,67
2,42
3,55
2,38
3,46
2,34
3,37
2,31
3,30
2,28
3,23
2,25
3,17
2,23
3,12
f ( v1,v 2 ) = 5 % dan 1 %
Distribution Plot
Distribution Plot
F, df1=8, df2=15
F; df1=25; df2=25
0.8
1,2
0.7
1,0
0.6
0.9
0,8
Density
Density
0.5
0.4
0.3
0,6
0,4
0.2
0,2
0.1
0.0
23
24
25
26
1
4,28
7,88
4,26
7,82
4,24
7,77
4,23
7,72
2.12
2
3,42
5,66
3,40
5,61
3,39
5,57
3,37
5,53
0,0
3
3,03
4,76
3,01
4,72
2,99
4,68
2,98
4,64
4
2,80
4,26
2,78
4,22
2,76
4,18
2,74
4,14
5
2,64
3,94
2,62
3,90
2,60
3,85
2,59
3,82
6
2,53
3,71
2,51
3,67
2,49
3,63
2,47
3,59
7
2,44
3,54
2,42
3,50
2,40
3,46
2,39
3,42
0,05
0
8
2,37
3,41
2,36
3,36
2,34
3,32
2,32
3,29
9
2,32
3,30
2,36
3,26
2,34
3,22
2,32
3,18
1,96
10
2,27
3,21
2,25
3,17
2,24
3,13
2,22
3,09
11
2,24
3,14
2,22
3,09
2,20
3,05
2,18
3,02
12
2,20
3,07
2,18
3,03
2,16
2,99
2,15
2,96
Eri Setiawan
27
4,21
7,68
28
4,20
7,64
29
4,18
7,60
30
4,17
7,56
32
4,15
7,50
34
4,13
7,44
40
4,08
7,31
50
4,03
7,17
60
4,00
7,08
100
3,91
6,90
120
3,92
6,85
3,84
6,63
3,35
5,49
3,34
5,45
3,33
5,42
3,32
5,39
3,30
5,34
3,28
5,29
3,23
5,18
3,18
5,06
3,15
4,98
3,09
4,82
3,07
4,79
2,96
4,60
2,95
4,57
2,93
4,54
2,92
4,51
4,51
4,46
2,88
4,42
2,84
4,31
2,79
4,20
2,76
4,13
2,70
3,98
2,61
3,95
2,73
4,11
2,71
4,07
2,70
4,04
2,69
4,02
2,67
3,97
2,65
3,93
2,61
3,83
2,56
3,72
2,53
3,65
2,46
3,51
2,45
3,48
2,57
2,46
2,37
3,78
3,56
3,39
2,56
2,45
2,36
3,75
3,53
3,36
2,55
2,43
2,35
3,73
3,50
3,33
2,53
2,42
2,33
3,70
3,47
3,30
2,51
2,40
2,32
3,66
3,42
3,25
2,49
2,38
2,30
3,61
3,38
3,21
2,45
2,34
2,25
3,51
3,29
3,12
2,40
2,29
2,20
3,41
3,18
3,02
2,37
2,25
2,17
3,34
3,12
2,95
2,30
2,19
2,10
3,20
2,99
2,82
2,29
2,17
2,09
3,17
2,96
2,79
2,31
3,26
2,29
3,23
2,28
3,20
2,27
3,17
2,25
3,12
2,23
3,08
2,18
2,99
2,43
2,88
2,10
2,82
2,03
2,69
2,02
2,66
2,31
3,15
2,29
3,12
2,28
3,09
2,27
3,07
2,19
3,01
2,17
2,97
2,18
2,89
2,07
2,78
2,10
2,72
1,97
2,59
2,02
2,56
2,20
3,06
2,19
3,03
2,18
3,00
2,16
2,98
2,14
2,94
2,12
2,89
2,08
2,80
2,02
2,70
1,99
2,63
1,92
2,31
1,91
2,47
2,16
2,98
2,15
2,95
2,14
2,92
2,12
2,90
2,10
2,86
2,08
2,82
2,04
2,73
1,98
2,62
1,95
2,56
1,88
2,13
1,86
2,40
344
2,13
2,93
2,12
2,90
2,10
2,87
2,09
2,84
2,07
2,80
2,05
2,76
2,00
2,66
1,95
2,56
1,92
2,50
1,85
2,36
1,83
2,34
3,00
4,61
2,60
3,78
2,37
3,32
2,21
3,02
1,94
2,51
1,88
2,41
1,83
2,32
1,79
2,21
1,75
2,18
2,10
2,80
2,01
2,64
Distribution Plot
Distribution Plot
F; df1=25; df2=25
F, df1=8, df2=15
1,2
0.8
0.7
1,0
0.6
0,8
0.5
D
ensity
D
ensity
f ( v1,v 2 )
0.9
0.4
0.3
0,6
0,4
0.2
Tabel 7.c.
1
2
3
4
5
6
7
8
9
10
Tabel F
14
245
6142
19,42
99,43
8,71
26,92
5,87
14,24
4,64
9,77
3,96
7,60
3,52
6,35
3,23
5,56
3,02
5,00
2,86
15
245,9
6157
19,43
99,43
8,70
26,87
5,86
14,20
4,62
9,72
3,94
7,56
3,51
6,31
3,22
5,52
3,01
4,96
2,91
= 5 % dan 1 %
16
246
6169
19,43
99,44
8,69
26,83
5,84
14,15
4,60
9,68
3,92
7,52
3,49
6,27
3,20
5,48
2,98
4,92
2,82
20
248,0
6209
19,45
99,45
8,66
26,69
5,80
14,02
4,56
9,55
3,87
7,40
3,44
6,16
3,15
5,36
2,94
4,81
2,77
24
249
6234
19,45
99,46
8,64
26,60
5,77
13,93
4,53
9,47
3,84
7,31
3,41
6,07
3,12
5,28
2,90
4,73
2,74
0,2
0.1
0,05
0.0
30
250,1
6261
19,46
99,47
8,62
26,60
5,75
13,84
4,50
9,38
3,81
7,23
3,38
5,99
3,08
5,20
2,86
4,65
2,70
2.12
0,0
40
251
6286
19,47
99,47
8,60
26,41
5,71
13,75
4,46
9,29
3,77
7,14
3,34
5,91
3,05
5,12
3,56
4,57
2,67
1,96
X
50
252
6302
19,47
99,48
8,58
26,30
5,70
13,69
4,44
9,24
3,75
7,09
3,32
5,85
3,02
5,06
2,80
4,51
2,64
60
252,2
6313
19,48
99,48
8,57
26,32
5,69
13,65
4,43
9,29
3,74
7,14
3,30
5,91
3,01
5,12
2,79
4,57
2,62
100
253
6334
19,49
99,49
8,56
26,23
5,66
13,57
4,40
9,13
3,71
6,99
3,28
5,75
2,98
4,96
2,76
4,41
2,59
120
253,3
6339
19,49
99,49
8,55
26,22
5,66
13,56
4,40
9,11
3,70
6,97
3,27
5,74
2,97
4,95
2,75
4,40
2,58
254,3
6366
19,50
99,50
8,53
26,13
5,63
13,46
4,36
9,02
3,67
6,88
3,23
5,65
2,93
4,86
2,71
4,31
2,54
Eri Setiawan
4,60
11
2,74
4,29
12
2,64
4,05
13
2,55
3,85
14
2,48
3,70
15
2,43
3,56
16
2,37
3,45
17
2,33
3,35
18
2,29
3,27
19
2,26
3,19
20
2,23
3,13
21
2,20
3,07
22
2,18
3,02
4,56
2,72
4,25
2,62
4,01
2,53
3,82
2,46
3,66
2,40
3,52
2,35
3,41
2,31
3,31
2,27
3,23
2,23
3,15
2,20
3,09
2,18
3,03
2,15
2,98
4,52
2,70
4,21
2,60
3,98
2,51
3,78
2,44
3,62
2,39
3,48
2,33
3,37
2,29
3,27
2,26
3,19
2,21
3,12
2,18
3,05
2,15
2,99
2,13
2,94
Tabel 7.d. Tabel F
4,41
2,65
4,10
2,54
3,86
2,46
3,66
2,39
3,51
2,33
3,37
2,28
3,26
2,23
3,16
2,19
3,08
2,16
3,00
2,12
2,94
2,10
2,88
2,07
2,83
4,33
4,25
2,61
2,57
4,02
3,94
2,51
2,47
3,78
3,70
2,42
2,38
3,59
3,51
2,35
2,31
3,43
3,35
2,29
2,25
3,29
3,21
2,24
2,19
3,18
3,10
2,19
2,15
3,08
3,00
2,15
2,11
3,00
2,92
2,11
2,07
2,92
2,84
2,08
2,04
2,86
2,78
2,05
2,01
2,80
2,72
2,03
1,98
2,75
2,67
4,17
2,53
3,86
2,42
3,62
2,34
3,43
2,27
3,27
2,21
3,13
2,16
3,02
2,11
2,92
2,07
2,84
2,02
2,76
1,99
2,69
1,96
2,64
1,93
2,58
4,12
2,50
3,80
2,40
3,56
2,32
3,37
2,24
3,21
2,18
3,07
2,13
2,96
2,08
2,86
2,04
2,78
2,00
2,70
1,96
2,63
1,93
2,58
1,91
2,53
4,17
2,49
3,86
2,38
3,62
2,30
3,43
2,22
3,27
2,16
3,13
2,11
3,02
2,06
2,92
2,02
2,84
1,98
2,76
1,95
2,69
1,92
2,64
1,89
2,58
4,01
2,45
3,70
2,35
3,46
2,26
3,27
2,19
3,11
2,12
2,97
2,07
2,86
2,02
2,76
1,98
2,68
1,94
2,60
1,90
2,53
1,87
2,47
1,84
2,42
4,00
2,45
3,69
2,34
3,45
2,25
3,25
2,18
3,09
2,11
2,96
2,06
2,84
2,01
2,75
1,97
2,66
1,93
2,58
1,90
2,52
1,87
2,46
1,84
2,40
345
3,91
2,40
3,60
2,30
3,36
2,21
3,17
2,13
3,00
2,07
2,87
2,01
2,75
1,96
2,65
1,92
2,57
1,88
2,49
1,84
2,42
1,81
2,36
1,78
2,31
f ( v1,v 2 ) = 5 % dan 1 %
Distribution Plot
Distribution Plot
F, df1=8, df2=15
F; df1=25; df2=25
0.8
1,2
0.7
1,0
0.6
0.9
0,8
Density
Density
0.5
0.4
0.3
0,6
0,4
0.2
0,2
0.1
0.0
23
24
25
26
27
28
29
14
2,14
2,97
2,13
2,93
2,11
2,89
2,10
2,86
2,08
2,83
2,06
2,80
2,05
2.12
15
2,13
2,93
2,11
2,89
2,09
2,85
2,07
2,81
2,06
2,78
2,04
2,75
2,03
0,0
16
2,10
2,89
2,09
2,85
2,06
2,81
2,05
2,77
2,03
2,74
2,02
2,71
2,00
20
2,05
2,78
2,03
2,74
2,01
2,70
1,99
2,66
1,97
2,63
1,96
2,60
1,94
24
2,01
2,70
1,98
2,66
1,96
2,62
1,95
2,58
1,93
2,55
1,91
2,52
1,90
30
2,62
1,96
2,58
1,94
2,54
1,92
2,50
1,90
2,47
1,88
2,44
1,87
2,41
40
1,91
2,54
1,89
2,49
1,87
2,45
1,85
2,42
1,84
2,38
1,82
2,35
1,81
0,05
0
50
1,88
2,48
1,86
2,44
1,84
2,40
1,82
2,36
1,80
2,33
1,78
2,30
1,77
60
1,86
2,45
1,84
2,40
1,82
2,36
1,80
2,33
1,79
2,29
1,77
2,26
1,75
1,96
100
1,82
2,37
1,80
2,33
1,77
2,29
1,76
2,25
1,74
2,21
1,72
2,18
1,71
120
1,81
2,35
1,79
2,31
1,77
2,27
1,75
2,23
1,73
2,20
1,71
2,17
1,70
1,76
2,26
1,73
2,21
1,71
2,17
1,69
2,13
1,67
2,10
1,65
2,08
1,64
Eri Setiawan
2,77
30
2,04
2,74
32
2,02
2,70
34
2,00
2,66
40
1,95
2,56
50
1,90
2,46
60
1,86
2,40
100
1,79
2,26
120
1,77
2,33
1,69
2,07
2,73
2,01
2,70
2,00
2,66
1,97
2,62
1,92
2,52
1,87
2,43
1,84
2,35
1,77
2,23
1,75
2,19
2,68
1,99
2,66
1,97
2,62
1,95
2,58
1,90
2,49
1,83
2,39
1,80
2,30
1,75
2,19
1,72
2,15
2,57
1,93
2,55
1,91
2,51
1,89
2,47
1,84
2,37
1,78
2,26
1,75
2,20
1,68
2,06
1,66
2,03
2,49
1,85
2.33
1,89
2,39
1,79
2,47
1,84
2,30
1,86
1,82
1,76
2,42
2,34
2,25
1,84
1,80
1,74
2,38
2,30
2,21
1,79
1,74
1,69
2,29
2,20
2,11
1,74
1,69
1,63
2,18
2,10
2,00
1,75
1,63
1,59
2,12
2,00
1,93
1,63
1,57
1,51
1,98
1,89
1,79
1,66
1,55
1,49
1,95
1,85
1,75
2,27
1,76
2,24
1,74
2,20
1,71
2,15
1,66
2,05
1,60
1,94
1,56
1,87
1,48
1,73
1,45
1,68
2,23
1,74
2,21
1,73
2,21
1,70
2,13
1,64
2,02
1,59
1,92
1,53
1,84
1,46
1,71
1,43
1,66
2,15
1,69
2,13
1,67
2,08
1,64
2,04
1,60
1,97
1,52
1,82
1,48
1,74
1,39
1,59
1,36
1,51
2,14
1,68
2,11
2,09
2,07
2,06
2,03
1,58
1,92
1,52
1,82
1,47
1,73
1,39
1,61
1,35
1,53
346
2,03
1,62
2,01
1,60
1,97
1,58
1,94
1,51
1,80
1,45
1,50
1,39
1,60
1,38
1,57
1,25
1,38
1,67
2,04
1,64
1,99
1,57
1,88
1,57
1,79
1,35
1,52
1,32
1,47
1,24
1,36
1,22
1,32
1,00
1,00
1,46
1,69
1,40
1,59
Gambar 6. Pendekatan Sebaran Binomial ke Normal

Distribution Plot
0.09
Distribution n
p
Binomial
100 0,5
0.08
Distribution Mean StDev

Normal
60
5
0.07
Density
0.06
0.05
0.04
0.03
0.02
0.01
0.00
30
40
50
60
70
80
Pendekatan Sebaran Khi-Kuadrat ke Normal
Gambar 7.
Eri Setiawan
347
Distribution Plot
0,06

Normal
60
20
Distribution df
Chi-Square 30
0,05
Density
0,04
0,03
0,02
0,01
0,00
20
40
60
X
80
Gambar 8.
100
120
Pendekatan Sebaran F ke Normal
Distribution Plot
1.0

Normal
0
1
Distribution df1 df2
F
15 24
Density
0.8
0.6
0.4
0.2
0.0
-3
-2
-1
Gambar 9.
Pendekatan Sebaran Poisson ke Normal
Eri Setiawan
348
Distribution Plot
0.12
Distribution Mean
Poisson
12.5
Normal
45
4
0.10
Density
0.08
0.06
0.04
0.02
0.00
10
20
30
X
40
50
60
CURICULUM VITAE
1. Data Pribadi
a. N a m a
b. Tempat dan Tanggal lahir
c. NIP
d. Pekerjaan
e. Pangkat / Golongan
f. Jabatan Fungsional
g. Alamat Rumah
h. Alamat Kantor
i. No. KTP
i. NPWP
j Telepon
k. Handphone
l. e-mail
: Drs. Eri Setiawan, M.Si.

: Banjarsari, 01 November 1958
: 19581101 198803 1 002
: Staf. Pengajar Jurusan Matematika, FMIPA Unila.
: Pembina / IV a
: Lektor Kepala
: Jl. Asoka B-60 Perumahan Bataranila, Hajimena, Natar,
Lampung Selatan, 35144
: Jurusan Matematika, FMIPA Unila.
Jl. Prof. Dr. Soemantri Brojonegoro No. 1 Bandar Lampung.
: 18.01.04.2001/1077/01111958
: 78.362.742.325.000
: (0721) 781417
: 08127270312 / 08197991541
: erstatis @ ymail..com.
2. Pendidikan
SD Negeri IV Kec. Banjarsari, Kab. Ciamis, Jawa Barat. Lulus Tahun 1971.
SMP Negeri Kec. Banjarsari, Kab. Ciamis, Jawa Barat. Lulus Tahun 1974
SMA Negeri I Ciamis, Jawa Barat. Lulus Tahun 1977
S-1 Jurusan Statistika, FMIPA Universitas Padjadjaran, Bandung, Lulusan Tahun 1986
S-2 Jurusan Matematika, FMIPA Universitas Gadjah Mada, Yogyakarta, Lulusan Tahun 2003
Eri Setiawan
349
PELATIHAN PROFESIONAL
Tahun
Jenis Pelatihan
1993/1994 Pelatihan Pengajaran Statistika
( HEDS Project )
1994/1995 Pelatihan Penelitian
2006
2006
2006
2007
2007
Lokakarya Peningkatan
Kemampuan dan Pengabdian
Kepada Masyarakat
Pelatihan Tecnical Assistance
Penelitian Bidang Matematika
Penelitian Bidang Statistika
Penelitian Bidang Komputer
Quality Assurance
Penyelenggara
Jurusan Staistika IPB
Bogor
Jurusan Matematika
ITB Bandung
PHK A2 Jurusan
Matematika
Jangka Waktu
3 Bulan (Des03
s.d Peb04)
3 Bulan (Des04
s.d Peb05)
1 Minggu
(Juni 2006)
PHK A2 Jurusan
Matematika
PHK A2 Jurusan
Matematika
PHK A2 Jurusan
Matematika
PHK A2 Jurusan
Matematika
1 Minggu
(Juli 2006)
1 Minggu
(Juli 2006)
1 Minggu
(Sept 2007)
1 Minggu
(Nov 2007)
PENGALAMAN PENELITIAN
Tahun
Judul Penelitian
1995
Analisis Regresi Berganda untuk Model

Kombinasi yang Mungkin
Robust Principal Component Analysis
Anggota
Using Minimum Covariance Determinant
Estimator.
Indeks Kecocokan Dari Beberapa Metode Mandiri
Estimasi untuk Ukuran Sampel Tertentu
Pada Model Persamaan Struktural
Pengaruh Langsung dan Tak Langsung
Mandiri
dari Peubah Laten Pada Model
Persamaan Struktural
2006
2007
2008
Ketua/
Anggota Tim
Mandiri
KONFERENSI/SEMINAR/LOKAKARYA/SIMPOSIUM
Tahun
Judul Kegiatan
Penyelenggara
2002
( 28 Sept.)
2006
( 9-11 Juli )
2007
(15-23 Mei)
Seminar Nasional Statistika

Seminar dan Rapat Tahunan
(SEMIRATA) KE-19 BKS PTN
Wilayah Barat Bidang MIPA
Lokakarya: Peningkatan
Efisiensi Pembimbingan Skripsi
dan Akademik
Jurusan Statistika
FMIPA IPB Bogor
Universitas Andalas
& Universitas
Negeri Padang.
PHK A2 Jurusan
Biologi FMIPA
Unila
Sumber Dana
DIPA PNPB
Unila
PHK A2
PHK A2
DIPA PNPB
Unila
Panitia/Peserta/
Pembicara
Pembicara
Peserta &
Pembicara
Pembicara
Eri Setiawan
2007
( 9-11 Juli )

2011
( 9-11 Mei )

Universitas Islam
Negeri Syarif
Hidayatullah,
Jakarta.
Universitas
Lambung Mangkurat
Banjarmasin
350
Peserta &
Pembicara
Peserta &
Pembicara
KERJASAMA
Tahun Judul Kegiatan
2006 Survey Kepuasan Masyarakat di
Kabupaten Lampung Timur.(Awal)
Kabupaten Lampung Utara.(Awal).
Kabupaten Lampung Selatan.(Awal)
Kabupaten Lampung Utara.(Akhir)
Penyelengara
Proyek SCBD dan Pemda
Lampung Timur
Lampung Utara
Lampung Selatan
Lampung Utara
Gambar 10
Masalah Dalam Analisis Statistik Tentang Konseptual
Kedudukan
Tenaga Akhli
Statistik
Tenaga Akhli
Statistik
Tenaga Akhli
Statistik
Tenaga Akhli
Statistik

Naskah Buku Stat New

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Naskah Buku Stat New

Diunggah oleh

Hak Cipta:

Format Tersedia

Eri Setiawan

1.1. Pengertian Statistik dan Statistika

ilmu pengetahuan pembantu yang berhubungan dengan cara

Untuk apa dan buat apa data tersebut ?

Contoh Grafik atau Diagram Garis

Contoh Grafik atau Diagam Batang

Contoh: Grafik atau Diagram Lingkaran atau Pastel

Usia Responden ( Dalam Persen )

Jenis Pekerjaan Responden

Jenis Pekerjaan Utama Responden

Jenis Pekerjaan Utama Responden

Hasil Kerja Kelompok A, B, C, D dan E Dari Tahun 1 sampai dengan 3.

Data Penjualan Sepeda Motor di Dealer ABC Selama 1 Tahun

Grafik Penjualan Sepeda Motor di Dealer ABC Selama 1 Tahun

Trend Penjualan Motor

Moving Average Plot for Penjualan Motor

Contoh lain Pembuatan Histogram dan Poligon

1.3. Pengukuran Data

, urutan.dan jarak dan

mempunyai titik nol murni

Sari Numerik Data

Ukuran Pemusatan Data

Grafik Bar ( Batang )

Grafik Line (Garis )

Ukuran Pemusatan Data

Ukuran Letak Data

Ukuran Penyimpangan Data

Mengukur Angka Indeks

Bentuk ( Shape ) Data

Uji Bentuk Data

Data Deret Waktu

1.4. Populasi dan Sampel

1.5. Parameter dan Statistik

Simpangan baku populasi

( X i ) 2 atau cari melalui ragam yaitu

Ternyata hasilnya sama, yaitu 2 = 2.

Simpangan baku sampel

( X i X ) 2 atau cari melalui ragam yaitu

Setelah ragam diperoleh tinggal diakarkan, maka s =

Ternyata hasilnya sama, yaitu s 2 = 2,5

Descriptive Statistics: C1, C2, C3, C4

Empirical CDF of C2, C3

SARI NUMERIK DATA

Ukuran Pemusatan, Ukuran Letak dan Ukuran Penyimpangan Data

2.1.1.1 Rata-rata Hitung

Jika data sampel, misalkan n = {1, 2, 3, 4, 5}, maka

2.1.1.2. Rata-rata Ukur ( Rata-rata Geometrik )

Kalau dengan rata-rata hitung adalah

1000 3000 5000 9000

G 4 1000 x3000 x5000 x9000.

= 3408,66 atau 3409.

Trend Penjualan Motor dari Dealer Adira

Banyaknya Motor yang Terjual

Ditinjau dari prakiraan penjualan sampai tahun ke sembilan.

Banyaknya Motor yang Terjual

Linear Trend Model

Moving Average Motor yang terjual

Pareto Chart untuk Penjualan Motor

3000 5000 9000

2.1.1.3. Rata-rata Harmonik ( Harmonic Mean )

pembilang tetap sedangkan penyebut bervariasi. Dengan perumusan sebagai

Jika menggunakan rata-rata hitung, maka rata-rata kecepatan

900 800 700