DAFTAR ISI Educa ules 1.1, PENDAHULUAN 12 KONSEP DASAR TEKNIK PENARIKAN SAMPEL 1.3. SAMPEL ACAK SEDERHANA 7 7 3 LATIHAN SOAL 2 — 11 14 SAMPELACAKBERSTRATA _ aw _LATIHAN SOAL _ - Z 20 7\8. SAMPEL ACAK BERKELOMPOK 7 LATIHAN SOAL _ 8 1.6. SAMPEL ACAK SISTEMATIK — a 2 ee ATHANS on eee 88 SOAL-SOAL MULTIPLE CHOICE == a PCP M ecu aok Luka eka eacOL) PENDAHULUAN 22. METODE KUADRAT MINIMUM (LEAST SQUARE) = a7 2.3. STANDARD ERROR OF ESTIMASI a an) 2.4. INFERENS! MENGENAl KEMIRINGAN (8) DARI SUATU GARIS 5 25. KORELASI DAN KOEFISIEN KORELAS! _ = 54 26 GARIS REGRESI X, TERHADAP Y LL 88 LATIHAN SOAL DAN MULTIPLE CHOICE — 5 ECRSiecusk uke eeenceurL PENDAHULUAN 3.2. PERSAMAAN GAAIS LINIER REGRES! 60 33. COEFFICIENTS ESTIMATE a Ca 3.4. STANDARD DEVIASI GARIS REGRESI BERGANDA 66 35. KOEFISIEN KORELASI BERGANDA LINIER 7 26. PENDUGA PARAMETER KOEFISIEN REGRES! BERGANDA 3.7 PENGUJIAN PARAMETER KOEFISIEN REGRES| BERGANDA LATIHAN SOAL DAN MULTIPLE CHOICEBAB 4. ANALISIS VARIANS ‘4.1, PENDAHULUAN, 74 42 ANALISIS VARIANS SATU ARAH (ANOVA SEDERHANA) 5 4.3, ANALISIS VARIANS DUA ARAH (RANCANGAN BLOK ACAK) 84 LATIHAN SOAL DAN MULTIPLE CHOICE 30, PERI u Laas 5.1, PENDAHULUAN 52, Ul TANDA (SIGN TEST) 96 LATIHAN SOAL - - 101 5.3._ UJI MANNEWHITNEY (Usegr) 104 5.4. UJI KRUSKAL WALLIS (Kessnsrid 109 “LATIHAN SOAL 112 55. Udi SPEARMAN (r,) _ : 2 173 LATIHAN SOAL 118 SOAL-SOAL MULTIPLE CHOICE 119 DAFTAR PUSTAKA 122 - 123 LAMPIRAN TABEL civiliana civil engineering blogTEKNIK PENARIKAN SAMPEL ST 1.1. PENDAHULUAN Tujuan kita mengetahui teknik penarikan sampel adalah untuk memperoleh keterangan mengenai populasi dengan mengamati hanya sebagian saja dari populasi. Setiap penelitian statistik, yang selalu dituju adalah sekelompok populasi yang ingin diketahui ciri-cirinya, seperti rata-rata hitung (1), standard deviasi (0), proporsi (P), dan sebagainya, Namun karena keterbatasan dana, waktu, teknologi, dsb, maka hanya sampel yang diperiksa, seperti rata-rata hitung penduga (x), standard deviasi penduga (8), proporsi penduga (p), dsb. Penarikan sampel adalah suatu cara pengumpulan data kalau hanya sebagian dari elemen populasi (=sampel) yang diselidiki. ‘Tujuan utama dari setiap rancangan sampling adalah memberikan pedoman untuk memilih sampel yang mewakili populasi dengan biaya minimum, Jika populasi yang mendasarinya memiliki ciri-ciri yang seragam, hampir setiap sampel akan memberikan hasil yang dapat diterima. Satu-satunya cara untuk menjamin bahwa himpunan data eksperimen kita sungguh- sungguh mewakili populasi adalah dengan melakukan sensus, yaitu mencatat setiap unsur 1yang terdapat dalam populasi. Namun, dari segi ckonomis dan kepraktisannya, hampir setiap penelitian melakukan penarikan sampel untuk menduga keadaan populasi yang sebenamya. Nah, bagaimana dan pada kondisi yang bagaimanakah sampel dapat dipakai guna menarik kesimpulan mengenai ciri-ciri populasinya secara cukup meyakinkan? Penarikan kesimpulan dari sampel secara cukup meyakinkan, membutuhkan prosedur pemilihan (penarikan) sampel secara random serta metode inferens yang baik dan tepat. Prosedur pemilihan (penarikan) sampel secara random, merupakan metode guna memilih sampel dari populasi dimana setiap unsur di dalam populasi selalu memili kesempatan (peluang) yang sama untuk terpilih. Dengan menggunakan penarikan sampel sacara random (acak), kita dapat mengetahui peluang dari berbagai pengamatan yang termasuk di dalam sampel. Karena itu kita dapat membuat pernyataan probabilitas tentang populasi yang mendasarinya. Jika sampel dipilih dengan cara detemministik (tidak acak), probabilitas bahwa kita akan mengamati berbagai pengukuran sampel tidak diketahui dan kita hanya dapat membuat pemyataan deskriptip tentang sampel itv 1.2. KONSEP DASAR TEKNIK PENARIKAN SAMPEL Dua konsep dasar teori penarikan sampel untuk mempelajari populasi (semesta) adalah kerangka (frame) dan unit sampling. Populasi didefinisikan sebagai kumpulan unit dasar. Bila berhadapan dengan masalah penarikan sampel, pertama-tama harus ditetapkan unit dasar, populasi, karakteristik yang diukur, dan peubah, Pada statistika, n unit dasar dipilih dari populasi N unit dasar dan unit dasar adalah unit yang terpilih sebagai sampel. Pada teknik penarikan sampel, suatu unit khusus dinamakan unit sampling. Misalkan ingin diketahui sewa rataan suatu kamar pada kota K. Misalnya X = Rp 200.000 merupakan total sewa yang dibayarkan dan Y = 20 jumlah kamar sewa yang ada. Biasanya X dan Y tidak diketahui, karena X dan Y merupakan karakteristik populasi. Di sini sebagai unit dasar adalah kamar dan populasi adalah kumpulan kamar sewa di kota K. Sebagai unit sampling adalah kamar sewa, jadi bisa terdiri dari satu atau beberapa unit dasar. Kerangka terdiri atas unit sampling dan mewakili populasi dan merupakan alat untuk mempelajari populasi. Dalam pembahasan selanjutnya, yang dimaksud dengan — parameter populasi adalah nilai-nilai yang diperoleh terhadap kerangka bukan semesta, Selanjutnya, yang dimaksud dengan sampel adalah sampel dari kerangka. — Parameter populasi @ adalah nilai parameter yang diperoleh dari kerangka. Parameter sebenamya 0, adalah nilai parameter yang diperoleh dari semesta. Nilai 0 dapat berbeda dengan 6,.ee — Galat sampling (GS) 6 didefinisikan sebagai : cs=6-0 dengan 6 sebagai penaksir/penduga @ Presisi taksiran sampel 6 didefinisikan sebagai : 6-6 dengan 6 adalah penaksit/penduga © dan memenuhi : P(16-61 untuk populasi tak hingga. 1.3. SAMPEL ACAK SEDERHANA Penarikan sampel yang paling mendasar, adalah sampel acak sederhana. Sampel Acak Sederhana adalah pengambilan sejumlah n sampel dari populasi hingga N, dimana setiap kemungkinan sampel yang berukuran n mempunyai probabilitas yang sama untuk diseleksi Jika populasi tidak terlalu besar, masing-masing dari N pengukuran dapat ditulis pada selembar kertas atau pada kepingan poker dan kemudian ditempatkan dalam sebuah cawan. Sampel acak dengan 1 ukuran kemudian dapat ditarik dari cawan tersebut. Cara terbaik untuk memastikan bahwa kita menerapkan penarikan sampel acak adalah dengan menggunakan tabel bilangan acak. Tabel bilangan acak dibuat sedemikian rupa schingga imteger dari 0 sampai 9 muncul secara acak dan dengan frekuensi yang sama. Contoh LI: Dari suatu analisis tentang posisi kas dari sebuah toserba, sebuah Kantor akuntan publik ‘memutuskan untuk memilih sampel acak sederhana berukuran n = 15 piutang pembeli eceran bulanan dari antara N = 1000 pembeli eceran bulanan yang ada di toserba untuk menghitung atotal semua piutang. Gunakan tabel bilangan acak untuk menentukan mana yang akan dimasukkan ke dalam sampel yang berukuran n = 15. Penyelesaian : Bayangkan bahwa N = 1000 kita beri nomor 001, 002, . . . , 999, 000. Di sini didapat 1000 bilangan yang terdiri dari tiga digit, dengan 001 mewakili piutang pertama, 999 piutang yang ke 999, dan 000 yang ke 1000. Langkah pertama kita tentukan sebuah titik awal pada tabel bilangan acak, Misalkan titik awal adalah angka pertama dalam kolom kelima. Jika dibuang dua digit terakhir dari setiap angka yang terdiri dari lima digit, maka angka pertama berdigit tiga yang terbentuk adalah 816, yang kedua 309, dan ketiga adalah 763, dan seterusnya, Jika suatu bilangan acak muncul dua kali, kemunculannya yang kedua dihapus dan dipilih bilangan lain sebagai pengganti. Dengan mengambil sampel acak yang terdiri dari 15 bilangan pertama yang terdiri dari tiga digit yang tidak berulang mulai dari kolom 5, diperoleh bilangan-bilangan : 816 277 709 309 988 496 763 188, 889 078 174 482 061 530 7722 Jika piutang sudah diberi nomor, tinggal dipilih piuteng dengan nomor yang bersesuaian. Jika tidak diberi nomor, dapat mengacu pada daftar perkiraan piutang dan memilih yang ke- 61, 78, 174, dan seterusnya sehingga diperoleh jumlah sampel n = 15. ‘Setelah mengumpulkan hasil-hasil pengamatan terhadap sampel, tujuan selanjutnya adalah menghitung beberapa parameter populasi tertentu. Paling sering kita tertarik untuk mengetahui rerata populasi (j1), total populasi (t), ataupun proporsi populasi (P). Rumus perhitungan untuk mengestimasi rerata populasi 1, total populasi t, dan proporsi populasi P, untuk sampling acak sederhana ditunjukkan dalam kotak. Namun, perlu diingat bahwa penduga seperti fl, ®, dan p tidak memberikan kebaikan pendugaan (estimasi). Oleh karena itu, rumusan varians diberikan agar kita dapat menempatkan batas-batas kesalahan atas pendugaan pi, 7, dan P. Pendugaan Rerata Populasi untuk Sampel Acak Sederhana Rerata Varianso s Sampling dengan pengembalian : 67 = — = —— n a Batas kesalahan penduga x + 2 6, N-o N-n jan dinamakan koreksi populasi hingga (fpc) untuk variansi. N N-1 Faktor koreksi digunakan jika sampel ditarik dari sebuah populasi yang kecil (n/N > 5%). fetapi bila N jauh lebih besar, atau n/N mendekati nol, maka fpc mendekati satu, Bila n/N < 5%, maka fpe dapat diabaikan. Karena o% tergantung dari S? atau 0? yang mana tidak kita ketahui, maka masalah menentukan taksiran o2 menjadi menentukan taksiran S? atau 6, Untuk itu digunakan variansi sampel (s?) untuk penaksir tak bias untuk S*. Maka penaksir variansi mean populasi 63 dapat diambil dari : tanpa pengembalian - dengan pengembalian n % we (Exy n(n-1) dimana : Contoh 1.2. : Lihat audit piutang pada Tabel 2.1. Misalkan sampel acak sederhana n = 15 akan memberikan 15 saldo piutang yang tercantum dalam Tabel 1.1 Tabel 1.1. Saldo piutang 15 sampel dalam Rp 10.000. 14,50 23,40 42,00 30,20 15,50 13,30 17,80 27,50 23,70 10,00 6,90 18,40 8,50 19,50 12,10 Dugalah rerata pt untuk semua N = 1000 piutang dari sebuah tosetba, dan tentukan batas- batas kesalahan penduga.Penyelesaian : — Penduga rerata saldo piutang 1 adalah : x, fel" 28330 & =—__ = ——___ = 1889 n 15 Tabel 1.2. Perhitungan untuk data Tabel 1.1. a x 2 14,50 30,20 17,80 10,00 8,50 23,40 15,50 27,50 6,90 19,50 42,00 13,30 23,70 18,40 12,10 Ix=283,30 Ix? =6.570,85 Untuk mencari batas kesalahan penduga 1, pertama-tama harus menghitung vanrians dan galat baku. nde —( Ex) ae) 15 (6.570,85) — (283,30) “Us=) = 87,16 Untuk menghitung varians, umumnya digunakan rumus dengan tanpa pengembalian, jadi menggunakan faktor koreksi.87.16 1000 - 15 — = —_ —___. = 5,2 n N 15 1000 — maka nilai batas kesalahan dari rerata saldo piutang adalah : R250 atau 18,89 +2 5,72 atau 18,89 + 4,78 Selang Kepercayaan dan Ukuran Sampel (1a) 100% selang kepercayaan untuk mean populasi adalah : R — Zan 5 yy dimana d* dengan pengembalian N Zap 8? a= —_ tanpa pengembalian N&+ Zp Contoh 1.3.: Untuk menaksir rerata tingkat kecerdasan siswa diambil sampel acak berukuran n = 100. Dari sampel yang terpilih diperoleh X = 110 dan s = 12. Tentukan selang kepercayaan untuk mean populasi (jt) dengan Z,,, = 3 dan dengan pengembalian. Penyeles maka selang kepercayaan adalah : X + 3 (1,2) atau 110 + 3,6. Contoh 1.4. : Dari suatu populasi diperoleh nilai taksiran variansi populasi s” = 600. Ingin ditaksir mean populasi dengan presisi + 5 untuk Z,,, Bila ukuran populasi sangat besar sehingga pengambilan sampel dapat dianggap sampling tanpa pengembalian, tentukan ukuran sampel yang diperlukan.Penyelesaian : Dengan rumus n = ( Z,,, s/d )®, diperoleh n = 3 (60/5) = 216. Misalkan N = 2000, untuk sampling tanpa pengembalian diperoleh ukuran sampel : N (Zs) N@+Z (2000)(9)(600) n=——___—____ = 195 2000(25) + 9 (600) Pendugaan Total Populasi Penduga ss: R=aN Varians penduga tanpa pengembalian dengan pengembalian Batas kesalahan : Contoh 1.5. : Dari populasi dengan N = 1000 dipilih n = 50 sampel acak. Tentukan taksiran total 4, andaikan x = 12, Penyelesaian : %=N X= 1000 (12) = 12.000. Contoh 1.6. : Diketahui populasi berukuran N = 1000. Dengan sampling acak berukuran n = 50 diperoleh s’ = 10. Tentukan galat standar dari 2 dengan sampling tanpa pengembalian. Penyelesaian : g=N 10 1000 - 50 = 1000? —— ————— = 190,000 50 1000ee maka galat standar dari 4 : % = 190.000 = 436. Batas kesalahan pendugaan : N&+2s atau 12.0002 (436) atau 12,000 + 872 Pendugaan Proporsi Populasi Penduga : Varians : tanpa pengembalian dengan pengembalian dimana: q= Batas kesalahan penduga : p#26? atau p+2s, Contoh 1.7. : Pabrik-pabrik sering mengusahakan potongan harga jengka pendek untuk mendorong para pelanggan menaikkan jumlah pesanan mereka dan membeli di muka, sehingga dengan demikian mempertinggi posisi kas pabrik. Konsisten dengan maksud dasar ini, sebuah pabrik dan grosir produk-produk makanan beku mempertimbangkan memberikan potongan harga 20 % kepada pembeli yang menggandakan pesanan mereka per bulannya. Karena makanan beku memerlukan tempat penyimpanan yang mahal, belum tentu para pembeli akan menggunakan tawaran potongan harga tersebut. Suatu sampel acak n = 50 dari N = 430 pembeli dihubungi, dengan 15 dari 0 memberikan indikasi bahwa akan menerima tawaran potongan harga dan menggandakan pesanan bulanan mereka, Hitung proporsi dari semua N = 430 pembeli yang akan menggunakan tawaran tersebut, dan tentukan batas kesalahan penduganya. Penyelesaian : Suam pendugaan atas proporsi p dari semua pembeli yang akan menggunakan potongan harga tersebut x 15 — =—__ = 0,30 n 50 Untuk menentukan batas kesalahan pendugaan (error of estimation), kita pertama-tama menghitung varians (digunakan tanpa pengembalian), sebagai berikut :(0,30)(0,70), , 430 ~ 50 49 430 ) =I ) 021 = — (0.88) = 0,003771 49 Maka batas kesalahan penduga : p£2s, atau 0,30 +2 V0.003771 atau 0,30 + 0,12 Artinya, kita menduga bahwa proporsi semua pembeli yang akan mengambil keuntungan dari potongan harga adalah 0,30 dengan batas kesalahan penduga 0,12.v LATIHAN SOAL Dari populasi N = 600, pilihlah sampel acak berukuran nomor = 20 dengan menggunakan tabel bilangan acak. Diketahui populasi X, = X,, + 3. X, = 2; i= 2345. Tentukan X bila dilakukan sampling acak dengan n = 2 tanpa pengembalian Diketahui populasi dengan X, = X, a) Tentukan o° dan S? dengan menggunakan rumus 1 3 LF $= 556-9 b) Andaikan dipilin sampel berukuran n=2. Tentukan 6? bila sampling tanpa pengembalian ! c) Sama dengan b. tetapi sampling dengan pengembalian ! ‘Suatu sampel acak n=400 dipilih dari populasi N=4000 untuk menaksir mean populasi X, Dari sampel diperoleh X=140 dan S: . Tentukan 95% (Z=2) selang kepercayaan untuk X ! Misalkan suatu sampel acak dipilih dari kumpulan keluarga untuk menaksir pengeluaran rataan per minggu. Diinginkan presisi d=4 dengan koefisien reliabilitas Z=3, Dari survei pendahuluan diperoleh S=12 dan total unit sampling N=2000. Tentukan ukuran sampel yang diperlukan. PETUNJUK. Ukuran sampel n dapat dihitung dengan rumus : @ n= N (ZSp(N@ +(ZS)*) atau (i) n =n, ((4+nJN) dengan n, =(ZS/dy Pada soal no 5, jika diketahui N=10.000, apakah n dapat dianggap sama dengan n, = (ZS/dy ?PETUNJUK. () Hitung n, =(ZS/ay (ii) Periksa nisbah n/N Gi) Bila n/N < 5%, maka n=n, bila tidak n=n,/(14n/N) Andaikan N=500. Suatu sampel acak pendahuluan n=30 diperoleh nilai berikut : 23.514; 38; 1157;3159; 16; 12; 25; 1:15 336; 24:10; 16; 26; 12:25; 28; 3452551157595 335 255954519; (i) Tentukan taksiran mean X = X (ii) Tentukan § = 5, St = 5, (iii) Dari hasil (ii) tentukan ukuran sampel yang diperlukan bila d=4 dan Z=2 ‘Suatu sampel acak n=10 dari populasi N=50 (tanpa pengembalian) diperoleh nilai : 12 105458575 113559; 10:7 Tentukan : @ % (ii) Taksiran total x, & (iii) Taksiran $2, yaitu 8° (iv) Varians & Dari populasi N=1500 ingin ditaksir total X.Diinginkan presisi d=500 dan koefisien reliabilitas Z=2. Dari sampel pendahuluan diperoleh $=3.Tentukan ukuran sampel yang diperlukan. Andaikan sampling tanpa pengembalian. ). Misalkan dari N=4000 mahasiswa,SO mahasiswa memperoleh beasiswa. Diketahui proporsi populasi P=0,5 (tanpa pengembalian). Tentukan: (_ Varians proporsi populasi (ii) Selang kepercayaan untuk P bila koefisien reliabilitas Z = Z.,, . Seorang auditor perusahaan tertarik untuk menduga total bukti pembayaran perjalanan yang disimpan dalam arsip secara tidak benar. Dalam sampel acak sederhana berukuran n= 50 bukti pembayaran yang diambil dari sekelompok N = 250, dua puluh ditemukan tersimpan dalam arsip secara tidak benar. Dugalah total bukti pembayaran N = 250 yang disimpan dalam arsip secara tidak benar, dan tentukan batas kesalahan pendugaannya!1.4. SAMPLING ACAK BERLAPIS (Stratified Random Sampling) ‘Tipe kedua penarikan sampel yang sering memberikan sejumlah tertentu informasi dengan biaya yang lebih murah daripada penarikan sampel acak sederhana, dinamakan sampel acak berlapis. Rancangan ini direkomendasikan jika populasi terdiri sehimpunan kelompok heterogen (yang tidak serupa). Misalnya, pendapatan karyawan suatu perusahaan, bisa distrata sebagai pekerja dan laboratorium, mandor dan manajer menengah, dan eksekutif yang tingkatannya lebih tinggi Sampel acak berstrata (berlapis) adalah sampel acak yang diperoleh dengan mamisahkan unsur-unsur populasi ke dalam kelompok yang tidak tumpang tindih, yang disebut strata (lapisan), dan kemudian memilih sampel acak di dalam setiap strata. Beberapa alasan penggunaan sampling acak stratifikasi adalah : 1. Meningkatkan presisi. 2. Diperoleh informasi selain tentang populasi, juga mengenai masing-masing strata. 3. Dengan alasan administrasi atau pisik, informasi lebih mudah dikumpulkan. Langkah pertama dalam memilih sampel acak berlapis adalah menetapkan secara jelas strata-stratanya, yaitu mengasosiasikan setiap unsur populasi dengan satu dan hanya satu strata (lapisan), Dalam beberapa kasus, tugas ini mungkin mudah. Dalam contoh penelitian pendapat umum, apakah kita akan mengklasifikasikan mereka yang tinggal di kota berpenduduk 1000, sebagai bagian dari kota atau desa? Dalam contoh penggunaan tenaga listrik, apakah tempat kediaman seorang akuntan yang kantomya berada di rumahnya ditempatkan dalam lapisan pemukiman atau komersil? Pemecahan terhadap pertentangan tersebut tidak mempengaruhi hasil kita scjauh ia selalu dikerjakan secara konsisten. Sebagai contoh, kita dapat mengatakan bahwa kota-kota yang populasinya di bawah 2500 akan selalu dianggap desa, yang lebih besar adalah kota; kombinasi satuan bisnis pemukiman akan diklasifikasikan menurut pemakaian terbanyak ruang lantai tempat tersebut. Setelah strata-strata ditetapkan, gunakan sampel acak sederhana dalam memilih sampel dalam setiap strata. Ukuran keseluruhan sampel n bergantung pada anggaran yang tersedia untuk sampling dan pada tingkat ketelitian dan ketepatan nilai duga yang diinginkan.Rumus Alokasi Sampel Antar Strata-strata : n=n+n+...+n, atau n= dimana : jumtah sampel yang diinginkan —n, = jumlah sampel dalam strata ke-i —L = jumlah strata maka untuk menentukan jumlah sampel dalam masing-masing strata : Ukuran populasi N, nen( if N=X.N isl ' Secara diagram dapat dinyatakan dengan : si=12,...,L N, = jumlah unsur dalam strata i. 1 2 L N, N, N, T i <—— sampling acak —> | n ny m, N, +N, +..40 n+n+...+m=n Dari informasi yang diperoleh dari unsur sampel, dapat dihitung rerata dugaan %, dan varians s Rumus Pendugaan (Mean) dan Varians dari Setiap Strata : 2, dari peng:matan di dalam setiap strata seperti di bawah ini : Varians s*, adalah suatu nilai duga dari varians strata yang benar 0°,Penduga Rerata Populasi untuk Sampel Acak Berlapis L Rerata x, DN, xX, 1 N 1 Varians — Nw '_) tanpa pengembalian 1k s, > EM (—) dengan pengembalian = 1, Batas kesalahan pedugaan : %, +2 6; , Contoh 18. Pimpinan suatu perusahaan memutuskan snmk melakukan suatu survai tentang kebiasaan menabung karyawan-karyawannya untuk menilai keci'-tifan kampanye menabung. Diinginkan untuk menghitung rata-rata jumlah yang diinvestasikan dalam tabungan oleh karyawan- karyawan dari pendapatan mereka bulan lalu, Usulkan rancangan survai untuk masalah ini. Penyelesaian Karyawan perusahaan dapat dikategorikan sebagai pekerja kerikal dan laboratorium, mandor dan manajer menengah, dan eksekutif yang tingkatannya lebih tinggi. Sampel acak berstrata dengan L = 3 strata nampaknya dapat menjadi rancangan sampel survei yang tepat. Di dalam setiap strata (lapisan) kebiasaan berbelanja dan menginvestasi cukup homogen. Sampling acak sederhana harus digunakan untuk memilih sampel karyawan-karyawan dari setiap strata untuk menanyakan tentang investasi tabungan mereka dari pendapatan mereka bulan Jalu Misalkan perusahaan tersebut mempekerjakan 5000 orang, diantaranya 3500 pekerja kerikal atau laboratorium, 1000 adalah mandor atau manajer menengzh, dan 500 adalah eksekutif, Kemudian diambil sampel sebanyak 50 karyawan. Dengan menggunakan alokasi yang proporsional, dapat disekat ukuran n = 50 sebagai berikut : N 3500, n, =n—+ = 50 (——— ) = 35 n 5000 1000 n, = 50 (——— ) = 10 dann, = 5 : 5000 Kemudian kita pilih sampel secara acak dengan menggunakan Tabel bilangan acak, sesuai dengan proporsi masing-masing strata. Berdasarkan observasi di dalam setiap strata, diperoleh X, dan s* 15Tabel 1.3. Perhitungan Contoh 1.8. L = —— [(3500)(10,16) 1000)(25,50) 500)(21,80) xO [(3500)(10.16) + (1000)(25.50) + (500)(21.80)] 1 ie 71,960) = $ 14,39 S000) ¢ ) = $ 143! Varians yang diduga (dilakukan tanpa pengembalian) adalah : 1, , (3500) (0,99) (16,81) (1000)? (0,99)(22,09) = + oo (5000) 35 (500) (0.99) (125.44) ] 5 = 0,5688 Maka batas kesalahan penduga adalah : Kt2s., alu $ 14,39 +2 ¥05688 atau $ 14,39 + $ 1,50 16ee Pendugaan Total Populasi Penduga : %,=Ni, Varians dimana —:__nillai s2, tergantung dengan cara pengembalian atau tanpa pengembalian. Batas kesalahan penduga : 4,42 6¢ atau 4, +2 s3 Contoh 1.9. : Lihat contoh 1.8. Dugalah total pendapatan bulan lalu yang diinvestasikan ke dalam tabungan oleh para karyawan. Tentukan batas kesalahan pendugaan (dilakukan tanpa pengembalian). Penyelesaian : Dari perhitungan kita sebelumnya %,.= $ 14,39 dan s,7, = 0,5688, maka : Total tabungan:t = NX, = (5,000) ($ 14,39) = $ 71.950, Untuk mencari batas kesalahan penduga , pertama-tama kita hitung varians yang diduga : sé= N82, = (5000)? (0,5688) = 14.220.000 Nilai duga dari total tabungan, dengan batas kesalahan penduga : 42% atau $ 71.950 + 2 -¥14.220.000 atau $ 71.950 + 2 (3.771) atau $ 71.950 + $ 7.542 Oleh karena itu, dalam selang + 95 % kita merasa pasti bahwa total investasi ke dalam tabungan oleh para karyawan berada dalam selang dari $ 64.410 hingga $ 79.490. 7Pendugaan Proporsi Populasi Sampel Acak Berstrata Penduga : p,= ‘Varians tanpa pengembalian : Jengan pengembalian : “gatas kesalahan penduga : p, +2 s Contoh 1.10. : Dari contoh 1.8, dari n= 50 karyawan yang diwawancarai dalam studi investasi tabungan, jumlalt yang menunjukkan bahwa mereka sebenamya berpartisipasi dicantumkan dalam Tabel, 4.4. Dugalah proporsi semua karyawan yang berpartisipasi dalam program tabungan, dan tentukan batas kesalahan penduganya, Tabel 1.4. Data untuk contoh 1.10 Strata Ukuran sampel Jumlah yang berpartisipasi P, I 21 0,60 2 7 0.70 3 4 0.80 Penyelesaian : Nilai dugaan yang diinginkan diperoleh dari P,, dengan P, i TT : (3.500)0,60)+(1.000)(0,70)+(500)(0,80) = 0.64 000 \ ( \( (0,80) Batas kesalahan penduga dapat dicari dengan pertama-tama mencari varians terlebih dahulu. Varians dapat dicari dengan :3.500 - 35 (0,60)(0,4) ee ———-- 1,000 “6.0007 won | 3.500 ( 3.500 dC 34 ye 1,000 - 10 . me 30) 500-5 (0,8)(0,2) (AO SO + 900 FYI = 0,004744 Maka nilai dugaan proporsi karyawan yang berpartisipasi dalam program tabungan, dengan batas kesalahan penduga sebesar : p,£2s,, atau 0,64 + 2-¥0,004744 pat atau 0,64 + 2 (0,069) atau 0,64 + 0,1420 LATIHAN SOAL Dalam kondisi bagaimana kita dapat melakukan suatu penarikan sampel dengan sampel acak berstrata? Bagaimana prosedur pemilihan sampel dengan sampel acak berstrata? Apakah yang dimaksud dengan prosedur pemilihan sampel acak berstrata dengan alokasi yang proporsional ? Jika dari 2500 siswa SLTA diantaranya terdapat 750 siswa kelas I, 1250 siswa kelas II, dan 500 siswa kelas III, berapkah sampel yang dapat diambil dari masing-masing kelas bila diinginkan jumlah seluruh sampel adalah 50? Tentukan batas kesalahan pendugaan ! Diketahui populasi (L = 2) dengan x, diberikan oleh : Stratal : 2; 4; 6; 8; 10 Strata I: 9; 12; 13; 21; 25; 31 diambil secara acak sejumlah 5 sampel dari kedua strata. Maka, tentukan : N,; N,; x4 Ingin ditaksir Iuas lantai pusat perbelanjaan di kota A. dan dengan sampel acak berstrata, diperoleh data berikut : Stratum N n, : Kecil 110 20 4.000 Sedang 60 15 10.500 Besar 30 10 60.000 Tentukan taksiran : (1) &: Xs X,; %, dengan batas kesalahan penduganya ! 2) 4; 4,34: %, dengan batas kes: an penduganya ! Seorang auditor untuk Kantor Akuntansi Pemerintah dibebani tanggung jawab menghitung kelebihan biaya dalam pelaksanaan kontrak pertahanan pemerintah, Untuk mudahnya, auditor tersebut membuat tahapan-tahapan dalam studinya menurut cabang pelayanan militer yang spesifik yang masing-masing tercantum dalam sebuah kontrak. Dalam suatu analisis terhadap 270 kontrak pertahanan yang dibuat dalam tahun 1980, auditor memilih 45 secara acak dan menemukan hasilnya seperti yang diperlihatkan dalam tabel berikut :Angkatan Darat ‘Angkatan Darat Angkatan Laut N 120 90 60 n 20 15 10 x $71,468 $68.709 $89.918 s, $16,095 $18,452 21.065 | a. Dugalah rata-rata kelebil.an biaya pelaksanaan semua 60 kontrak pertahanan yang diatur oleh Angkatan Laut dalam tahun 1980 ! b. Dugalah rata-rata kelebihan biaya pelaksanaan untuk semua 270 kontrak pertahanan dalam tahun 1980, dan tentukan batas kesalahan pendugaan ! c. Dugalah total kelebihan biaya pelaksanaan untuk semua 270 kontrak pertahanan dalam tahun 1980, dan tentukan batas kesalahan pendugaan ! Biaya penyusutan memberikan kepada perusahaan kesempatan untuk menciptakan cadangan uang untuk mengganti peralatan yang lama dan barang-barang modal lainnya. Pengauditan dilakukan terhadap tiga cabang dari sebuah pabrik untuk menghitung proporsi barang-barang peralatan modal yang sudah digunakan selama sepuluh tahun atau lebih, Dari catatan yang tersedia auditor menggunakan alokasi yang proporsional untuk memilih sampel acak berstrata n = 60 barang-barang peralatan modal dari antara N = 7.200 barang-barang yang terdaftar pada daftar persediaan. Diperoleh hasil sebagai berikut : ‘Cabang pabrik 1 2 3 Jumlah Barang-barang Peralatan Modal. N, 3.600 | 2.400 | 1.200 Ukuran Sampel. n, 30 20 10 Jumlah yang digunakan selama 10 tahun atau lebih, x,] 7 4 3 Dugalah proporsi p dari barang-barang perlatan modal pada tiga cabang yang sudah digunakan selama sepuluh tahun atau lebih, dan tentukan batas kesalahan pendugaan ! ‘Toko-toko berangkai dan sebagian besar usaha perbankan memproses semua pelanggan Kredit melalui kantor pusat atau wilayah, bukan terpisah-pisah melalui setiap cabang. Teknik ini memungkinkan pengendalian terpusat yang lebih efisien terhadap kegiatan manajemen cabang. Manager kredit dari grosir kembang gula dengan 4 cabang merasa Khawatir dengan meningkatnya pelanggan yang macet yang jumlahnya cukup besar sekarang ini, Untuk mengurangi biaya sampling, manager itu menggunakan sampel acak 2122 berstrata dengan setiap toko sebagai satu strata yang terpisah. Dari catatan yang tersedia di kantomya, manager kredit memutuskan untuk menggunakan alokasi yang proporsional untuk memilih sampel acak berstrata n = 50 pelanggan dari semua N = 200 piutang. Pada waktu mengerjakannya, ia mencatat hasilnya dalam tabel berikut * Toko v we a Jumlah Piutang Ukuran Sampel Jumlah Pelanggan yang Macet a. Dugalah proporsi p dari pelanggan yang macet untuk toko (grosir) tersebut, dan tentukan batas kesalahan pendugaan ! b. Ada alasan untuk mempercayai bahwa manager toko yang ke-3 terlalu lunak dalam mengabulkan permohonan kredit pelanggannya, Hitunglah proporsi p, dari pelanggan yang macet untuk toko yang ke-3, dan tentukan batas kesalahan pendugaannya !1.5. SAMPEL ACAK BERKELOMPOK (Cluster Random Sampling) Tipe ketiga penarikan sampel adalah penarikan sampel acak berkelompok. Sering lebih mudah menarik sampel berkelompok daripada individu sampel itu sendiri-sendiri.. Sampel Acak Berkelompok adalah pengambilan sampel dari populasi yang terdiri M kelompok dan dilakukan pemilihan secarak acak m kelompok dan tiap kelompok yang terpilih, diambil secara acak sebesar n sampel. Sampel Acak Berkelompok biasanya akan memberikan sejumlah informasi tertentu dengan biaya minimum, jika a. Sebuah kerangka yang mencantumkan daftar unsur-unsur populasi tidak ada atau akan sangat mahal untuk mendapatkannya. b. Populasinya besar dan tersebar pada suatu daerah yang luas. Sebagai ilustrasi, perhatikan seorang ekonom yang ingin menghitung rata-rata pengeluaran. mingguan untuk keperluan makanan per rumah tanga di sebuah kota. Baik dengan menggunakan sampel sederhana maupun sampel berstrata, ekonom tersebut harus mempunyai daftar anggota-anggota sampel (rumah tangga) yang dapat dipilih, Namun, semua daftar tentang semua rumah tangga di kota dapat menjadi sangat mahal atau bahkan tidak mungkin_ untuk mendapatkannya. Bahkan jika daftar tersebut tersedia, biaya survai tetap akan menjadi mahal karena dengan sampel sederhana atau sampel berstrata, rumah tangga yang dipilih dalam sampel mungkin akan terpencar-pencar di suatu daerah yang luas, Akibatnya, biaya penyelenggaraan survai antar rumah tangga yang terpencar-pencar akan mahal karena waktu perjalanan pewawancara dan pengeluaran-pengeluaran lain yang berkaitan dengannya. Ketimbang memilih sampel rumah tangga yang terpencar-pencar di seluruh kota, ekonom itu dapat menggunakan sampel berkelompok dan membagai kota menjadi kelompok masyarakat, dapat berupa dacrah pemungutan suara. Ini mudah dicapai karena daftar daerah sudah tersedia, Setiap rumah tangga di dalam setiap daerah yang terpilih lalu disurvai, Dengan begitu total biaya survai dapat dihemat. Langkah pertama dalam memilih sampel acak berkelompok adalah membagi populasi dalam beberapa gerombol/kelompok. Kita dapat mengurangi kesalahan sampling dengan memilih berbagai macam kelompok kecil dan bukan dengan sedikit kelompok besar. Semakin kecil ukuran kelompok, semakin kecil kemungkinannya bahwa kita akan menyatakan kelas- kelas dari anggota-anggota tertentu dari sampel. Oleh karena itu, lebih banyak lagi informasi tentang populasi dapat diperolch dengan memilih jumlah yang lebih besar dari kelompok- kelompok yang berukuran lebih kecil Setclah kelompok-kelompok ditetapkan, sebuah daftar yang berisi semua gerombol harus disiapkan. Sampling acak sederhana dapat digunakan untuk memilih sampel acak berukuran m kelompok dari M kelompok dalam populasi. 231 Qo eeiiec cece eve e eee e ees M 1 2 m N Np IN: Nit Not... + Na =N m my Da M+ Met. My =D Tiap kelompok dari M kelompok dinamakan unit sampling primer (USP). Dan tiap unit dasar dinamakan unit sampling sekunder (USS). Kelompok yang terdiri atas n,, n, .....n., unit dinamakan kelompok terakhir (ultimate clusters). Jadi dapat disimpulkan bahwa tahapan sampling berkelompok terdiri atas dua tahap. Pertama, pemilihan secara acak m unit sampling primer dari M unit sampling primer. Kedua, pemilihan secara cak n, (i= 1, 2, ..., m) unit sampling sekunder dari unit sampling primer yang ke-i terpilih. Misalkan ingin ditaksir total populasi X dari sampel yang diambil dengan sampling gerombol. Dari prosedur pengambilan sampel, penaksir total X terdiri atas dua tahap. Pertama, menaksir total dari m kelompok/gerombol. Kedua, menaksir total untuk M kelompok. Contoh 1.11. : Misalkan populasi dikelompokkan atas M = 10 kelompok penghasilan orang tva. Ingin ditaksir total buku yang dimiliki siswa SMTA. Andaikan dipilih m = 2 kelompok penghasilan orang tua dengan N, = N, = 40 siswa dan diadakan sampling acak berukuran n, = n, = 10 siswa. Misalkan diperoleh x, = 5, x, 7. Berapa taksiran total untuk M = 10 kelompok? Penyelesaian : Taksiran total untuk N, = 40 adalah : 40 x 5 ‘Taksiran total untuk N, = 40 adalah : 40 x 7 = 200 + 280 Rerata dari dua kelas = ———— = 240 2 Maka taksiran total untuk M=10 kelompok adalah : = 240 x 10 = 2400.Misalkan populasi terdiri atas M kelompok masing-masing berisi N,, N,... .N, unit sampling. Dipilih m kelompok dan diambil sub sampel n,, n,. ... . n,,. Banyaknya sampel kelompok yang mungkin diberikan adalah CONC) ) dengan anggapan N, = Contoh 1.12. : Misalkan populasi terdiri atas anak-anak dan dikelompokkan menurut kelompok umur atas M = 3 (namakan A. B, dan C). Andaikan X, menyatakan banyaknya buku yang dipunyai anak ke-j pada kelompok ke-i, Pilih secara acak m = 2 kelompok, kemudian pilih secara acak n, =n, = 2 anak (n= n, +n, = 4). Tentukan taksiran total buku dari N = 9 anak. Penyelesaian : Tabel 1.5. Daftar nilai x,, total kelompok x, dan rataan kelompok x, pada populasi Kelompok x, x, A 9 B 15 i c 21 a x =45 (® Banyaknya sampel yang mungkin (tanpa pengembalian) : = Banyaknya kombinasi usp : (M) = (3 )=301 620 2 yang mungkin dari m = 2 usp — Banyaknya sampel n, = 3 3 (74) = C5 )=3.329 ~ Total banyaknya sampel yang mungkin : QQ Q)-x 25Tabel 1.6. Daftar semua sampel yang mungkin A BX A c x B c x 1;3 ca) 7 1,3 57 36 3:5 S57 45 37 315 59 40,5 5:9 49,5 5:7 36 79 45 79 54 1,5 3:5 a aa aa 40,5 ae eee ee 37 36 59 45 59 54 5:7 40,5 79 49,5 79 58,5 3,5 3:5 36 aoa a 45 3:5 oo 37 405 495 5:9 58.5 S745 54 79 63 324 405 486 Pendugaan Total Populasi untuk sampel Acak Berkelompok ,.Mm@N a Populi =: = t= —— } — x, m ist mn jel” M-m Varians =: If) ME M ee 63 = 83 = a b Ma 2 + DN? a b dimana (1) adalah varians total dengan tanpa pengembalian dan (2) varians dengan pengembalian, Terdapat dua sumber variasi, (a) variasi terhadap sampling usp dan dinamakan variasi antar usp, dan (b) variasi intra usp Batas kesalahan : %,+26), atau 4,425, 26dimana : Sh= -1E t-m( ZR yy i=l m (ii) Dengan cara lain bisa dihitung taksiran total populasi X berdasarkan sampel (1;3;3;5) dari Tabel 1.6, yaitu : eo e ns fe m f1 on jl a 3 N a ge t= [ky he) > 3,3 t= [5 - Git xd +— On +m] 3. 3 3 t-—- [= 0+5+4—@+5) 3 R= 5 (6 + 12) = 27 ‘Adapun taksiran varians populasi dari contoh Tabel 1.6 di atas (tanpa pengembalian) adalah : M-m sy s M M pg N +—2ZN M m m N n ‘Varians Namun, terlebih dahulu harus dapat kita ketahui nilai s’, dan s*. Kelompok xy x, x, x, N/n, % a, A 13 10 4 2 3p 6 36 B 35 4 8 4 aR 2 14 TOTAL 13). 180 2785577 0-2 @ J= [10-8 1 au 7 ana Ce 0.8] 1 = 5 [4-2 06 ] = [34-32 ]=2 . 1 3 Maka : $=3GB-I—+5—-O () =274+9=34 standart error: sp = V34 = 5,8309 Batas kesalahan : t+2 6:4 atau ti +2 sea 27 + 2 (58309) = 27 + 11,6618 Penduga Rerata Populasi untuk sampel Acak Berkelompok 1 oM N, Reta: Ga POE, N om él nm I 1 M-m s; M N-m Variang —: 1p — (m@——_ + Fy, ) N M mm Nt 1 Ss OM sy 2 Oe + Em) N nm ny dimana (1) adalah varians rerata dengan tanpa pengembalian dan (2) varians dengan pengembalian. Batas kesalahan : Kut2Giq atau Rt2 Sa 28dimana : Contoh 1.12. : ‘Sesuai dengan contoh 1.11. Carilah nilai penduga rata-rata untuk sampel acak berkelompok dan tentukan batas kesalahan pendugaannya, Penyelesaian : Ingat bahwa diketahui : - N=9danM=3 N Noa ~ Boxy + =e 9 2 2 es 3 — 6+12)=3 2 29Untuk menentukan batas kesalahan pendugaan, terlebih dahulu kita cari nilai varians (tanpa pengembalian) dengan rumus : 1 M-m [we —— N M Varians 1 Lt, [E e-m(—"y] i=l m ” Sy m-1 i=! 1 Bo =r! W0-2(—- P= 18 1 0, - [XY x3-@ 49] fl n-1 1 2, i: (E x2- 0,5) | =1 j= [10-2 (4)]=[10-8]=2 [2 x?- 8) ] jel — [34-2 (16) ]=[34-32]=2 3 Varians : s,2, oOo 1 4 Varians : 52, = —— 34 =—— = 042 81 81 Batas kesalahan : Xyt2G,, alan % +25, , 3 +2 (0,42) atau 3+ 0,84 Seringkali seorang pelaksana eksperimen ingin menggunakan sampel acak bergerombol untuk menduga proporsi populasi p. Misalnya dalam survai sebelum pra pemilihan, barangkali diinginkan untuk menduga proporsi penduduk suatu masyarakat yang menyukai ukuran kotak 30pemungutan suara tertentu: atau barar-zka!i dimaksudkan untuk menduga mobil-mobil di kota yang tidak lolos dari standar pengotoran yang terakhir, proporsi anggota serikat buruh di selumuh pzopinsi yang menyukai penyesuaian gaji melalui negosiasi. Untuk menghitung p pada wakt menggunakan sampel acak bergerombol, pertama-tama kita cari a, yaita banyaknya anggota dalam gerombol ke-i yang memiliki ciri-ciri yang diminati, untuk setiap gerombol i=1,2,....m. Kemudian nilai dugaan proporsi anggota dalam populasi yang memiliki ciri- ciri dapat diveroleh melalui rumus yang ada dalam kotak. Pendugaan Proporsi Populasi untuk Sampel Acak Bergerombol Penduga : Varians penduga : Q @-pny) —_——— ] dimana : Batas kesalahan pendugaan: p+2 6%, atu p+2s\,, 31wp 32 LATIHAN SOA Dalam keadaan apa kita dapat menggunakan sampel acak berkelompok ? Apakah kelebihan dan kekurangannya ? Diketahui populasi : kelompok A, A B Cc Dipilih m = 2 kelompok Hitunglah varians 7 ! Diketahui populasi : kelompok x, A 13:5 B 3: 6:6 dipilih m = 1 kelompok secara acak dan subsampel n, = 2 secara acak. (1) Tuliskan semua sampel kelompok yang mungkin ! (2) Ambillah sampel yang pertama dan hitunglah varians total populasi ! Seorang pemeriksa mutu pada rantai produksi perangkat keras ingin menghitung proporsi bola lampu yang cacat yang dikirimkan ke gudang oleh pabrik. Bola lampu dikirimkan dalam karton yang berisi 12 kotak, dengan setiap Kotak berisi 6 bola lampu. Buat rancangan percobaan sampel acak bergerombol untuk pemeriksa tersebut. Manakah yang harus digunakan, karton-karton bola lampu atau kotak-kotak bola lampu sebagai gerombol ? Jelaskan ! Lihat latihan soal no.4. Misalkan pemeriksa tersebut memutuskan untuk menggunakan kotak bola Jampu sebagai gerombol dan secara acak memilih m = 20 kotak dari antara 100 karton yang diterima dalam pengiriman. Banyaknya bola lampu yang cacat yang ditemukan dalam setiap kotak bola lampu adalah sebagai berikut : 0, 2.0, 3. 1, 1.0. 1. 2,1,0, 2,0, 1, 1,0, 3,0, 2. 1. Dugalah proporsi p bola lampu yang cacat dalam pengiriman, dan tentukan batas kesalahan pendugaan !1.6. SAMPEL ACAK SISTEMATIK Rancangan yang menghindari persyaratan pengumpulan data yang tidak prakus dari sampel acak sederhana adalah sampel acak sistematik. Sampel Acak Sistematik adalah suatu cara pemilihan sampel secara acak satu anggota (unsur) dari k anggota pertama dalam kerangka dan kemudian memilih setiap anggota yang ke-k selanjutnya. Karena lebih mudah dan lebih sedikit memakan waktu untuk melaksanakannya ketimbang, sampel acak sedcrhana, sampel acak sistematik dapat menghasilkan lebih banyak informasi per rupiah sampel. Terutama bermanfaat dalam audit, bila informasi yang relevan dicatat dalam bentuk yang berurutan, misalnya, menyimpan dalam komputer atau pada kartu arsip. Dengan memilih pelanggan kredit, catatan pemeliharaan peralatan, atau data tenaga penjualan dari catatan perusahaan yang disimpan dalam komputer dapat dilaksanakan dengan mudah, murah, dan efisien dengan menggunakan sampel acak sistematik. Ada beberapa keadaan tertentu dimana sampel acak sistematik tidak seharusnya digunakan, yaitu jika terdapat periodisitas tersembunyi yang muncul pada jangka waktu tertentu dalam populasi, dan juga bila ukuran sampel tidak diketahui. Adapun cara pemilihan sampel dengan sampling sistematik, terdapat dua metode, metode A dan metode B. (1) Metode A Misalkan populast berukuran N= 12 Kye Xp Xe Xe Xe Kee Xp Xe Kye Kor Kee Xe Dengan metode A. dilakukan pemilihan satu unit sampling dari tiga unit sampling pertama (misalkan terpilih X,) selanjutnya dipilih tiap unit kedua kelompok sampling berikutnya. Jadi : Populasi : Xj. Xj. X, 1 Xp Xq Xp pp Kye Xo Xpye Nye XZ Sampel: -X, X, x, ee Dengan metode A populasi dikelompokkan dalam N 12 n= == 4 kelompok N = nk, jadi jumlah populasi merupakan kelipatan dari k. Bilangan k menyatakan banyaknya sampel gkin, dan n menyatakan ukuran sampel, Bila N + nk, misalkan untuk N = 12 akan dipilih sampel sistematik dengan k = 5, maka 33,k 5 Dalam hal ini, ukuran sampel adalah 2 atau 3. Prosedur pemilihan sampel adalah memilih secara acak | unit dari 5 unit pertama, selanjutnya dipilih satu unit dari setiap 5 unit berikutnya mulai dari sampel awal yang terpilih. (2) Metode B Untuk menjelaskan metode B, akan diberikan suatu ilustrasi. Andaikan N = nk = 12. Ingin diadakan sampling sistematik dengan k = 3. Dipilih suatu unit sampling secara acak (namakan unit ke-j). Andaikan j=8, diperoleh : J k Karena k = 3, maka.nilai r yang mungkin adalah 01,2. Pada metode B,pemilihan titik awal (sampel awal) didasarkan atas nilai r. Bila r= 1, pilih X,, bila r = 2; pilih X,, bila r= 0, pilih X, sebagai titik awal selanjumya pilih setiap unit sampling ke-k = 3 dari titik awal. Begitu juga berlaku untuk sampling dimana N + k. Andaikan N = 11 dan k = 3, diperoteh : 8 = —— = 2 dengan sisa r = 2 8 ae = dengan sisa t= 2 a Untuk r = 2 dipilih X, sebagai titik awal. Selanjutnya pilih setiap unit sampling ke-k = 3, Dalam hal N + nk, ukuran sampel sistematik tidak sama. Sampel sistematik ketiga hanya mempunyai tiga unit sampling, sedangkan yang lainnya 4. Karakteristik prosedur pemilihan B adalah peluang terpilihnya sampel sistematik sama dengan n/N. Sedangkan pada metode A, peluang terpilihnya sampel sistematik sama dengan Uk. Penduga Rerata Populasi untuk Sampel Acak Sistematik Rerata x, eee eee dimana Varians dimana Batas kesalahan : X, 34Contoh 1.13 = Diketahui data tentang banyaknya buku ajar yang dimiliki oleh N=9 mahasiswa : 1; 2; 3 4; 5; 6: 7; 8: 9. Dari populasi tersebut pilihlah sampling sistematik 1 — 3 dan dari sampel yang terpilih dihitung taksiran mean populasi ! Penyelesaian : N=9=3x3=nk—>n=3 Jadi ada 3 sampling sistematik 1 — 3 yang mungkin, yaitu : Bila sampel yang terpilih adalah sampling sistematik nomor 1, maka : hewe4 Bila yang terpilih sampling sistematik nomor 2, maka X,, = § dan bila yang terpilih adalah yang oy 1? sampling sistematik nomor tiga, maka %,, = 6. Dari daftar semua sampel yang mungkin, diperoleh nilai ekspetasi x, 1 EQ,) = > (4+5 + 6) =5 =x (metode A) 3 BG) = (4+ 5 + 6) = 5 =x (metode B) Contoh 1.14: Dikctahui populasi sebagai berikut : 1 314; 5,617 8:9 Dari populasi tersebut diadakan sampling stratifikasi dengan k Carilah varians dari rata-rata sistematik ! aPenyelesaian : berarti terdapat k = 3 sampel sistematik yang mungkin seperti pada Tabel 1.9. Tabel 1.9. Jumlah sampel sistematik yang mungkin 1 2 3 Xy *y Xy xy a} *y 1 I 2 4 9 4 16 5 25 6 36 49 8 64 9 81 12 66 15 93 18 126 Langkah pertama, tentukan nilai $? n n oa =—[2o@,-0+20,-9 +2 O-v ] O41 jel jel” j=l 1 ge? 60 =—— (21+ 18 +21) =— 8 : 8 Varians S? merupakan varians populasi secara keseluruhan. Selanjunya dibitung suku kedua, yaitu : 1 koa —— YY (x,- x) N isl j=l loo - n =—[E «@,-xP+ Yo, ] al jel 1 54 = — (18 + 18 + 18 ) = —— 9 Cy 36Maka, varians rerata populasi dari sampel sistematik adalah : Varians : Namun perlu diketahui untuk dapat menentukan varians seperti rumus tersebut, perlu diketahui semua sampel sistematik yang mungkin. Hal ini menyebabkan varians tidak dapat digunakan untuk keperluan praktis, karena biasanya hanya tersedia sampel. Jadi pertu ditentukan penaksir nilai varians didasarkan atas satu sampel. Karena sifat dari nilai varians, penaksir tak bias untuk nilai varians tidak dapat ditentukan berdasarkan satu sampel sistematik, Tetapi dengan kondisi tertentu, sampling sistematik dapat dianggap sama dengan sampling acak. Dengan demikian taksiran varians random dapat digunakan untuk menaksir varians sistematik. Suatu ukuran yang menyatakan derajat keseragaman suatu sampel sistematik adalah koefisien korelasi p antar pasangan unit di dalam sampel sistematik yang sama. Koefisien korelasi p didefinisikan sebagai E (x, — &) (x, ~ X) p= dengan menggunakan p. varians rerata dapat ditulis sebagai : Varians : Sl Pe, =—— | +n- Ip | n oN kon - | dengan YL. =x) &,-¥) = ne elici N-1 $ p dinamakan koefisien Korelasi intra kelas. Koefisien korelasi intra kelas p mengukur Keseragaman suatu sampel sistematik. Koefisien korelasi intra kelas bertambah besar bila sampel sistematik bertambah seragam. 37LATIHAN SOAL Mengapa orang melakukan pemilihan sampel dengan sampel acak sistematik ? Dalam keadaan apa penarikan sampel dengan sampel acak sistematik tidak dapat di- lakukan ? Diberikan populasi 2 4 8 v (1) Dengan metode A, pilih semua sampel sistematik yang mungkin (2) Dengan metode B, pilihlah semua sampel sistematik 1-6 yang mungkin, (3) Tentukan peluang untuk sampel yang dipilih pada (1). Misalkan suatu buku terdiri 555 halaman. Ingin ditaksir banyaknya perkataan “adalah” muncul di dalam buku tersebut. Akan dipilih sampel sistematik 1 ~ 20. (1) Berapa ukuran sampel, menurut metode A? Menurut metode B ? (2) Tentukan peluang terpilihnya suaty sampel yang dipilin dengan metode A? Juga metode B ? Petunjuk : (1) ingat N = nk ——> n= Nik (2) Peluang terpilitmya suatu sampel : metode A. 1/k metode B : n/N Diketahui populasi : 1s 2 35 4; 5; 6; 7% 8: 9% 10; Mts 12 Misalkan dipilih sampel sistematik 1 ~ 4. Tentukan (1) koefisien korelasi intra kelas p (2) variansi rerata dengan faktor koreksi dari koefisien korelasi intra kelas p.v SOAL-SOAL MULTIPLE CHOICE Di bawah ini termasuk teknik pengambilan sampling dengan jumlah sampel terbatas, kecuali : a. Stratified Random Sampling b. Systematic Random Sampling c. Cluster Sampling d. Tidak ada jawaban yang benar Suatu sampel random sederhana bersifat : a. Secara relatif situasi dalam sampel sama dengan situasi populasi, karena penarikan dilakukan menurut suatu proses probabilitas b. Untuk setiap penelitian, sampel ini yang paling baik cc. Sampel ini selalu yang paling mudah diambil d. Karena penarikan sampel ini dilakukan menurut suatu proses probabilitas, situasi dalam sampel mungkin berbeda dari situasi dalam populasi Sampel dikatakan sampel random bila : a. Setiap unsur dalam populasi memiliki kesempatan yang sama b. Setiap unsur memiliki peluang cc. Sampel yang dipilih dengan prosedur random d. Semua jawaban di atas benar semua Manfaat penarikan sampel : a. efisiensi biaya cc. agar random c.-hemat waktu d.adanc benar Sejumlah n sampel ditarik dari sebuah populasi yang besar ( n/N < 5% ) dimana pemilihan sampel dilakukan dengan pemulihan, maka standar error dari harga rala-rata hitung sampel adalah : 3910. Lt. 40 Jika sebuah sampel random sebesar n = 250 dipilih tanpa pemulihan dari populasi normal sebesar N = 3500 dengan qt = 27.5 dan o = 10, maka standar deviasi distribusi sampelnya ; a, 0,632 c. 0,945 b. 0,609 4. 0921 Sejumlah n sampel mempunyai rata-rata 9.82 dengan standar deviasi o, = 2,3. Dengan uji kepercayaan 95 % dari distribusi nommalnya, diperoleh nilai interval rata-rata populasi (m): a. 95, b, 312 = 0,95 c. 0,95 d. -14,328 Sp $ 5,312 = 095 Sejumlah N populasi yang memiliki distribust normal mempunyai nilai rata-rata (U) = 1200 dengan 6 = 300. Dengan interval keyakinan sebesar 95 %, maka jumlah sampet yang dapat diambil secara random dan dengan pemulihan dant populasi tersebut bila diharapkan rata-rata sampel X = 1258.8 adalah : a. 100 30 b 10 900 Presisi penaksir (°) dipengaruhi oleh ukuran sampel, bila presisi semakin besat, make ukuran sampel a. berbanding lurus c. tetap b. _berbanding terballik d. tidak ada yang benar Andaikan 2,5 % pelanggan telepon di Jakarta memiliki tunggakan, maka rata-rata propots) pelanggan telepon yang memiliki tunggakan pada sampel acak yang terdin ary 10" orang adalah a. 0,025 % 0028 b. 0.25 % d b. Distribusi rata-rata sampel kecil akan normal jika sampel ditarik dart poputass sembarang ¢. Pendekatan distribusi rata-rata sampel kecil dengan distribust | sangat mendekats distribusi nomal 4. Distribusi rata-rata sampel akan menyerupai distribusi normal jika besar sampel (ny bertambah tanpa batasfp 13. 15, lo Diantara 250 karyawan kantor cabang sebuah perusahaan asuransi intemasional, 182 orang berkebangsaan Inggris, 5 orang berkebangsaan AS, dan 17 orang Asia. Bila kita gunakan alokasi sebanding untuk mengambil sebuah contoh acak berlapis 15 karyawan, maka jumlah karyawan yang harus diambil dari setiap golongan tersebut secara berturut- turut adalah a tb 3.t ec. 1 tL bo T 3d ad 1113 Dari suatu populasi mahasiswa tak terbata dan terdistribusi normal diambil sampel ran- dom yang terdiri dari 64 orang. Penarikan sampel ditakukan tanpa pemulihan dengan rata-rata IQ sampel 115.5 dengan standard deviasi sampel sebesar 16. Batas atas IQ populasi mahasiswa tersebut pada interval keyakinan 95 % adalah a 1914 ce. 1194 b. 1149 d 1419 Jika diinginkan selisih rata-rata sampel dengan rata-rata populasi (x — jt, ) = V5 dengan standard devrasi populasi (6,) = 10, maka ukuran sampel yang ditarik pada selang kepercayaan 95 % adalah a 16 c. 236 boo a7 Gunakan soal no. 14, Jika diinginkan selisih rata-rata sampel dengan rata-rata populasi = 2. maka ukuran sampel pada selang kepereayaan 99 % menjadi : ead © 97 b. 167 a. 9224 Suatu sampel acak sederhana bersitat 4 secara relatif situasi dalam sampel sama dengan situasi dalam populasi, karena penarikan dilakukanmenurut suatu proses probabilitas b. untuk setiap penelitian, sampel ini yang paling baik Sampel ini selalu yang paling mudah diambil dé. karena penarikan sampel ini dilakukan menurut suatu proses probabilitas, situasi dalam sampel mungkin berbeda dari situasi dalam populasi e Dari suatu populasi satu sampel acak sederhana ditarik tanpa pemulihan. Populasi terdiri dar’ 4500 unsur dan sampel tersebut terdiri dari 15 unsur, Untuk penarikan itu tabel angka random digunakan. Lihat pada tabel bilangan random. Pada tabel 0 angka dalam baris 05 dan kolom litusuk” sebagai angka pertama, yaitu angka Kemudian diambil dant kisi ke kanan setiap angka dalam baris 05, baris 06, baris 07, dan seterusnya. Dalam sampel ini, antara lain ditarik unsur bemomor : a. Ol «107 b. $467 d. 739 4l18. Dari suatu populasi satu sampel acak sederhana ditarik tanpa pemulihan, Populasi terdiri dari 6700 unsur dan sampel tersebut terdiri dari 20 unsur. Untuk penarikan itu tabel angka random digunakan, Lihat pada tabel bilangan random. Pada tabel ini angka dalam baris 10 dan kolom 00 “ditusuk” sebagai angka pertama, yaitu angk: Kemudian diambil dari kiri ke kanan setiap angka dalam baris 10, baris 11, baris 12, dan. seterusnya. Dalam sampel ini, antara lain ditarik unsur bemomor : a 2211 c. 84 b. 20 d. 8484 19. Suatu populasi terdiri dari dua lapisan 1. _lapisan pertama terdiri dari 4000 keluarga tani 2. lapisan kedua terdiri dari 800 keluarga buruh 4000 keluarga tani ini terdiri dari 24,000 orang dan 800 keluarga buruh ini terdiri dari 4000 orang. Dari populasi ditarik suatu sampel berlapis terdiri dari 42 keluarga. Pembagian unsur sampel menurut lapisan, sebanding dengan besamya lapisan (pro- portional allocation). Kalau ditarik secara demikian, sampel berlapis ini teidiri dari: a. 36 keluarga tani dan 6 keluarga buruh b. 210 orang dari keluarga tani dan 35 orang dari keluarga buruh c. 7 keluarga tani dan 35 keluarga buruh d. 35 Keluarga tani dan 7 keluarga buruh 20. Sejenis benang diproduksi dengan kekuatan tarik rata-rata = 78,3 kg dengan standar deviasi = 56, Jika ukuran sampel dinaikkan dari 64 menjadi 196, maka galat baku/ standard error menjadi a. 0,20 c. 0.40 c. 0,70 4. 0,03 21. Gunakan soal no. 20 untuk memperoleh standard error = 0,2, maka ukuran sampel yang harus diambil adalah : a. 180 c. 196 ce. 184 d. 28 22. Sampling sistematik dapat digunakan, jika : a. persyaratan pengumpulan data tidak praktis dari sampling acak sederhana b. _terdapat periodisitas tersembunyi yang muncul pada jangka waktu tertentu dalam populasi c. ukuran sampel tidak diketahui d. semua jawaban di atas benar 23, Misalkan dari suatu populasi berukuran N = 5 diambil sampel acak sederhana berukuran 2. Maka untuk sampel tanpa pengembalian berlaku a 386 c. 3/0 S? b. 8208? d. 320 S?Diketahui populasi X, = 6 dan x, = -2, mak 4 ce X=3 8 x 4: X, =-2. Dengan sampel acak sederhana diperoleh a Xx bes now Diketahui suatu populasi : X,= i, i= 1,2, Dari populasi ini diadakan sampling sistematik 1 - 6, maka : a. ada 6 sampel sistematik yang mungkin b. tiap sampel ssitematik berukuran 6 c. salah satu sampel sistematik adalah : 1; 7 dd. adanc benar Diketahui populasi : X, XX, X, XX, XX, Dari populasi ini diadakan sampling sistematik 1 - 3, maka : a, ada 3 sampel sistematik yang mungkin b. taksiran mean populasi adalah %, = 1/2 (Xt X,) cc. peluang terpilihnya sampel X,, X, adalah 2/8 bila pemilihan sampel dilakukan dengan metode B d. a danc benar . Diketahui populasi : 13:5: 8:10; 12 1618 Diadakan sampling sistematik 1 - 3, maka jah salu sanpel sistematik adalah 16; 18 b. peluang tempilihnya suatu sampel sistematik adalah 1/3 bila pemilihan sampel dilakukan dengan metode A cc. peluang terpilihnya suatu sampel sistematik adalah 1/3 bila pemilihan sampel dilakukan dengan metode B 4d. peluang terpilihnya sampel 5; 12 adalah 2/3 bila pemilihan sampel dilakukan dengan metode B . Dari 10,000 karyawan pabrik terdapat 50 lulusan sarjana, 150 lulusan D-3, 500 lulusan SMA, dan selebihnya adalah yang tidak tamat sampi SMA maupun yang tidak bersekolah. Pimpinan perusahaan ingin melihat tingkat kerajinan karyawannya dengan mengambil secara acak 200 karyawannya untuk diteliti. Pimpinan akan melakukan penarikan sampel acak berstrata. Pimpinan mengambil sampel secara alokasi dengan jumlah sampel sama. Berapa sampel yang diambil dari karyawan lulusan SMA ? a 10 cr 50) bi 25 a5 4329. 30. 31. Apabila pada soal 28, pimpinan mengambil sampel dengan cara alokasi secara Proporsional, maka jumlah sampel yang diambil dari karyawan yang tidak lulus SMA atau tidak bersekolah adalah : a 50 c. 8 b. 186 d. 145 Diketahui populasi dengan X, ~ 1+ j- 1, i= 1,2, 3. Maka a. Varians antar total sampel berkelompok S = 9 b. Varians taksiran total t adalah 30 c. Rata-rata penduga sampel berkelompok %, = 5 d. a dan b benar Diketahui populasi yang telah dikelompokkan : Kelompok rs Ot A 123 B 4 5: 6 c 7&O Dipilih m = 2 kelompok dan n, = n, a. terdapat 27 sampel yang mungkin b. salah satu sampel kelompok adalah A: 1:2 B:4: 5. c. total populasi X = 45 d. b dan c benar 2 subsampel. Maka :REGRESI DAN KORELASI SEDERHANA 2.1. PENDAHULUAN Analisa pasangan variabel membutuhkan data yang terdiri dari 2 kelompok hasil observasi atau pengukuran. Data yang dapat‘diperoleh dari pelbagai bidang kegiatan yang menghasilkan pasangan observasi sebanyak n, dinyatakan sebagai (x; y,)- Di dalam penelitian ilmiah, selain ingin menunjukkan hubungan antara dua variabel atau lebih dan mengukur hubungan itu, juga ingin dapat meramalkan sesuatu, yaitu menentukan nilai suatu variabel sesudah mengetahui nilai-nilai variabel yang lain. Untuk dapat meramal, harus diketahui dulu hubungan antara variabel-variabel itu. Yang berhubungan dengan peramalan dan kesalahan peramalan, dinamakan proses regresi. Sedangkan pengukuran hubungan antara variabel, dinamakan proses korelasi. Definisi : Regresi dan korelasi sederhana adalah svatu cara untuk mengetahui hubungan antara satu variabel dengan satu variabel yang lain. Jika pasangan observasi pengukuran (x; y) digambarkan di atas kertas berskala hitung, | akan diperoleh serangkaian titik-titik Koordinat yang menghubungkan kedua hasil observasi. 45Penggambaran demikian dinamakan diagram pencar (scatter diagram). Dari diagram pencar dapat ditarik suatu garis yang menggambarkan nilai rata-rata y terhadap x, sehingga diperoleh persamaan garis regresi. y y nilal-nilal observast . = 1 (ample points) . nilai-nilai observasi . “ (sample points) 0 x 0 x Gb.L.1. Scatter Diagram Gb.1.2. $.D. dengan Garis Lengkung 7 | a (sample a ial observasi 0 x | Gb.L.3. Scatter Diagram dengan garis linear Biasanya yang sering digunakan dan mudah untuk perhitungan, digunakan persamaan garis linear dari Scatter Diagram dengan garis lurus seperti di atas. Persamaan garis linear : Hy, = A+ BX dimana : 1,, = rata-rata populasi y terhadap x A’ = jarak antara 0 dengan sumbu Y B= koefisien regresi / kemiringan 462.2. METODE KUADRAT MINIMUM ( Least Squares ) Prosedur statistik untuk memperoleh garis lurus dengan “kesesuaian terbaik” (best fitting) untuk serangkaian titik dari pasangan data bisa kita peroleh dengan meminimumkan penyimpangan (deviasi) titik-titik dari garis yang akan kita buat.“ Rata-rata populasi y terhadap x biasanya tidak diketahui, sehingga digunakan suatu garis penduga (garis regresi). Persamaan garis penduga : f=atbx dimana: § = penduga untuk 1, a = penduga untuk nilai A b= penduga untuk nilai B Yeas Bx Gb.1.5. Persamaan Garis Linear Dengan prinsip kuadrat minimum (principle of least squares), dapat dibuat suaww garis lurus yang memiliki “kesesuaian terbaik”, yaitu pilih sebuah garis dengan “kesesuaian terbaik”” yang meminimumkan jumlah kuadrat penyimpangan nilai yang diamati dengan yang diramalkan. Atau meminimumkan sse= 3 W,-9F i=l Istilah SSE menyatakan jumlah kuadrat penyimpangan, yang biasa disebut jumlah kuadrat Kesalahan (sum of squares for error). Kalau disubstitusikan ramus persamaan garis regresi dalam rumus SSE, maka SSE = 2 [y,- (a+ bx) P isl 47Rumus Kuadrat Terkecil untuk a dan b SS, Pe b= danas yb SS, dimana : a (Xd xy pn , Fl ss,= 2-9 = Pe - 1 i=l n _ Eo, =2y,- 9) a a (2 xd y) ao el a1 n Contoh 2.1: Tabel 2.1. Pengeluaran iklan dan volume penjualan untuk suatu perusahaan selama 10 bulan yang dipilih secara random Pengeluaran untuk iklan Volume pengeluaran Bulan x (x Rp 10,000,000) ¥ (x Rp 10.000.000) 1 12 101 2 08 2 3 1,0 110 4 1,3 120 5 07 90 6 08 82 7 10 93 8 06 75 9 09 a1 10 Ll 105 Buatlah persamaan garis regresi dari data di alas 48Penyelesaian : Langkah pertama adalah membuat tabel data perhitungan yang dibutuhkan untuk mencari nilai-nilai a dan b, seperti pada tabel di bawah ini. Tabel 2.2. Perhitungan dari data Tabel 2.1. v x x, xy y 101 aa 1,44 121,1 10,201 aa 08 0,64 73,6 8.464 110 1,0 1,00 110,0 12,100 120 a 1,69 156,0 14,400 90 0,7 0,49 63,0 8,100, 82 08 0,64 65,6 6,724 93, 10 1,00 93,0 8,649 75 0,6 0,36 45,0 5,625 91 09 0,81 881,9 8,281 102 il 1,21 115.5 11,025 Jumlah 959 94 9,28 924,8 93,569 Rata-Rata sli) 0,94 0,928 92,48 9,3569 ay SS, = 9,28 — 0,44 a 10 [ a a fe OE, 9.4959) ss. =% xy-— = 924g - = 23,34 se" n 10 = 0,94 Jadi : 23,34 SS, 0.444 = 52,5676 = 52,57dan : a = ¥ — bx = 95,9 — (52,5676)(0,94) = 46,49 maka persamaan regresi adalah : J=atbdx atau ¥ = 46,49 + 52,57x Misalkan perusahaan menganggarkan Rp 10,000,000 untuk pengeluaran iklan pada satu bulan, maka volume penjualan yang diramalkan adalah : J =a + bx = 46,49 + (52,57)(1,0) = 99.06 atau kalau dalam rupiah, volume penjualan = Rp 990.600.000. 2.3. STANDARD ERROR OF ESTIMATE Kalau sampel memiliki jumlah n yang cukup besar, pengukuran dispersi titik-titik koordinat dari garis duga regresinya dapat dicari dari : ss : dimana (n-2) adalah derajat kebebasan (degrees of freedom) n2 Rumus Menghitung SSE SSE = SS, — bSS,, dimana : a (2 yy n _ on SS, = 2% ~yed ” = = i= Contoh 2.2.: Untuk data pada Tabel 2.1. hitung dan taksirlah standard error populasinya. 50Penyelesaian : Dalam contoh 2.1, telah kita peroleh nilai SS,, = 23,34 dan nilai koefisien regresi (b) = 52,57. Sckarang kita hitung dulu nilai SS, dan SSE seperti rumus di atas. (959)* ua = 1.600,9 SS, = 93,569 — SSE = SS, - bSS,, = 1,600.9 ~ (52,5676)(23,34) = 373,97 SSE _ 373,97 = = 46.76 maka n2 s= V46.76 = 6.84 dan s, merupakan taksiran untuk 6? dan 6. 2.4. INFERENSI MENGENAI KEMIRINGAN (B) DARI SUATU GARIS Inferensi awal yang dikehendai dalam mempelajari hubungan antara y dz x adalah mengenai adanya eksistensi hubungan kedua variabel. Yaitu, apakah data itu menyajikan bukti yang cukup untuk menunjukkan bahwa x menyumbangkan (memberikan) informasi untuk peramalan y dalam lingkup pengamatan? atau cukup besarkah kemungkinan bahwa kalau y dan x sama sekali tidak mempunyai hubungan. Diasumsikan berkenaan dengan distribusi kemungkinan (probabilistik) y untuk suatu nilai x tertentu, dapat ditunjukkan bahwa baik a maupun b keduanya disdistribusikan secara normal dalam pengambilan sampel secara berulang dan bahwa nilai yang diharapkan (nilai rerata) dan varian dari b adalah : oe SS, E®)=B dan Karena nilai o? yang sebenamya tidak diketahui, dapat diganti dengan varians yang diperkirakan untuk nilai b, yaitu s. = 8 35 BS, Dengan mensubstitusikan (mengganti) s untuk o dalam statistik normal, maka pendugaan dan pengujian hipotesis dapat menggunakan distribusi t,.. aePengujian Hipotesis Mengenai Kemiringan suatu Garis Hipotesis Nol : HL: B=0 Hipotesis Altematif : ditentukan oleh peneliti, tergantung pada nilai b yang diinginkan untuk dideteksi b-B, Statistik Tes (Uji): t= dengan db = Interval nilai B : POD — bana: $< B< D+ Capen + 8) Bila t,, atau t,,.,, 2 t.,... ——> koefisien regresi nyata. Contoh 2.3. : Dengan menggunakan data pada Tabel 2.1., buatlah uji hipotesis untuk menunjukkan bahwa b tidak sama dengan nol dengan a. = 0,05 Penyelesaian : Pertama-tama kita tentukan bentuk uji hipotesisnya. Karena disini kita diarahkan ke dalam suatu bentuk statement tertentu, digunakan uji hipotesis altemnatif dua arah (B # 0). Kalau uji hipotesis satu arah, pengujian diarahkan untuk membuktikan (B > 0) atau B<0). ~ Hipotesis nol H, : B= 0 ee Seal 52re |4——— Daerah Penerimaan ———>, 2,306 2,306 5,12 Karena t,,, > t,s,; maka kita tolak hipotesis nol : B = 0 dan menyimpulkan bahwa ada bukti yang menunjukkan bahwa pengeluaran biaya iklan memberikan informasi untuk digunakan dalam peramalan volume penjualan bruto bulanan (hipotesis alt. diterima : B + 0). Contoh 2.4. Hitunglah interval nilai B dengan selang keyakinan 95 % dengan menggunakan data pada Tabel 2.1. Penyelesaian : B= tapas) $< B0 —: derajat hubungan antara dua variabel menunjukkan hal yang sejajar atau paralel koefisien korelasi positip). Pada grafik, garis regresinya miring ke bawah kanan. *r=0 : tidak ada hubungan sama sekali antara dua variabel. Pada gratik, tidak ada korelasi linear. Rumus Koefisien Korelasi V SS,SS, Contoh 2.5. : Hitunglah koefisien korelasi untuk data pengeluaran iklan dan volume penjualan pada Tabel 2.1. : Penyelesaian : Telah kita ketahui bahwa nilai-nilai : SS, = 23,34 SS, = 0,444 SS, = 1.6009 Maka nilai koefisien korelasi : no Ini berarti koefisien korelasinya positip, atau dengan kata lain hubungan antara pengeluaran iklan berjalan paralel dengan volume penjualan. Jadi, semakin tinggi dana yang dikeluarkan untuk iklan, semakin besar pula volume penjualan 54re 2.6. GARIS REGRESI X TERHADAP Y | Kita bisa membuat suatu garis linear rata-rata X terhadap Y (i,,) dengan membuat suatu garis penduga (garis regresi) rata-rata x terhadap y : Qeaeby dimana ,_ @x-bTy) as n dan 55v yy 56 LATIHAN SOAL Apa yang dimaksud dengan analisis regresi sederhana ? Jelaskan kenapa dan bagaimana kita membuat suatu diagram titik (Scarter diagram) ? Apa kegunaan dari analisis korelasi ? Apa yang dimaksud dengan metode least square ? Diketahui sehimpunan data : X 13 16 4 Ht 17 9 13) 17 1B 12 Y 62 86 72 45 90 35 65 93 95 57 a, Tentukan persamaan garis regresinya ! b. Dugalah nilai Y untuk X = 10, 15, dan 20. Diketahui sehimpunan data : 56 48 42 58 40 3 50 45 385 345 46,1 333 321 404 Carilah persamaan garis regresinya ! Hitung standart error dari analisis anda ! Carilah interval perkiraan Y dengan 0 = 0,05 untuk X = 44. ese ax Jika dari suatu data diketahui nilai SS, = 15: SS, = 0.4; dan SS, = 1500. Carilah nilai koefisien korelasi. Apa yang dapat saudara simpulkan dari hasil perhitungan saudara ! Dari sehimpunan data : xX 3°97 4 2 0 4 1 2 You woo4 7 6 3 8 a. Buatlah suatu uji hipotesis untuk menunjukkan bahwa koefisien regresi (b) lebih besar dari nol dengan 0 = 0,05. b. Apa yang dapat saudara simpulkan dari hasil analisis saudara.w SOAL-SOAL MULTIPLE CHOICE Analisis untuk melihat keeratan hubungan antar variabel : a. time series c. regresi b. ANOVA d. korelasi Prinsip pendugaan persamaan regresi adalah : a. meminimalkan jumlah kuadrat error b. meminimalkan jumlah kuadrat variabel c. meminimalkan kemiringan persamaan regresi Variabel dalam suatu eksperimen yang mudah dikendalikan dikenal sebagai variabel : a. respon c. dependen b. independen 4. addan b benar Jika B = 0, maka garis regresi populasi dimana Y = A + B X akan : a. membentuk sudut 45° ¢.sejajar sumbu X b. sejaiar sumbu Y 4. berhimpit sumbu Y Dari hasil analisis variabel dimana X adalah harga barang (dalam rupiah) dan Y adalah jumlah penawaran (unit), diperoleh nilai koefisien korelasi r = 0,893. Hubungan kedua variabel dapat disimpulkan sebagai berikut : a. kenaikan harga barang akan diikuti ole penurunan penawaran b. penurunan harga akan diikuti oleh peningkatan penawaran c. kenaikan harga akan diikuti oleh peningkatan penawaran d. tidak ada hubungan antara kenaikan harga dengan jumlah penawaran Gunakan soal no. 5. Jika hubungan X dan Y dinyatakan dalam persamaan garis ¢ = 55 + 1,25X, maka penawaran 180 unit barang dicapai pada harga a. Rp. 100 c. Rp 280 b. Rp. 100.000 d. Rp 280,000 Nilai mid-test (X) dan ujian akhir (Y) dari 9 mahasiswa adalah : X 77 50 71 72 81 94 9 67 e162) 00) 18.04 ee47,2 85 00 = GH maka persamaan regresinya adalah : a ¥=21+087X 12 + 0,78X 4 B ° 1 + 0,87X + 0,78X ¥ y s713, 58 Gunakan soal no. 7. Dugaan nilai akhir bagi mahasiswa yang mendapat nilai mid-test = 85 adalah : a 8 c. 68 b. 76 d. 94 Bila koefisien korelasi suatu persamaan regresi mendekati nilai +1, maka a. garis regresi turun dari kanan ke kiri b. kedua variabel mempunyai hubungan kausal c. garis regresi naik dari kiri ke kanan d. ban c benar ). Dua variabel X dan Y diukur pada skala interval. untuk 60 pasang data (x,y,) diperoleh hasil sebagai berikut ; x= 10 y= 20 SS, = 6 SS, = 144 Kalau nilai Y = 22, maka nilai X yang diramalkan menurut garis regresi X terhadap Y sama dengan : a 10,5 ice G2 b. 18,0 d. 28 . Untuk 25 pasangan data (x;y,) berlaku : x=10 yas SS, =2 SS, = 6 b=03 Jadi, untuk data ini koefisien korelasi X terhadap Y adalah : a 03 c 09 b Ol d. salah semua .. Variabel X dan variabel Y kedua-duanya diukur pada skala interval. Untuk 200 pasangan data (x;y,) berlaku : x=20 y= 30 SS, = 10 SS, =5 Kalau X = 15, maka nilai Y yang diramalkan menurut garis regresi Y terhadap X sama dengan : a. -20 c 25 b. ~40 d. 10 (Data di bawah ini digunakan untuk soal no.13 sid no. 17) Diketahui data sebagai berikut : Ree 2S Y: 1 1 eee seanese eee Koefisien regresi (b) X dan Y adalah a. 0,6 c. 0,1 b. 02 d 0415. 19. 20. . Koefisien korelasi (r) data tersebut adalah : eee c. 0,55 b. 0.95 aot Rata-rata X adalah : a 3 C3) ease d. 5,55 . Rata-rata Y adalah : a 0.2 ce 2 b. 1,2 da 2.2 . Standar deviasi X adalah : a 1,76 c. 158 b. 12 d. 0,98 . Standard deviasi Y adalah : a 1,76 ce 12 bo1 d. 0.98 Diketahui varians regresi sebesar (s) 93.1864 digunakan untuk menguji apakah ada hubungan linear antara besamya pendapatan (Y) dengan banyaknya konsumsi yang dikeluarkan (X). Diketahui pula jumlah kuadarat untuk variabel X sebesar 10.378.461.18. Maka dapat kita tentukan a. s, = 0.005 c b. 0,67 d. S, Berdasakan soal no. 19, tindak lanjut dilakukan pengujian hipotesis dengan a = 5 %, maka bisa disimpulkan : a. tidak terdapat hubungan linear antara kedua variabel b. ada hubungan linear antara kedua variabel c. Hipotesis nol H, : B = 0 diterima d.adan ¢ benar 59REGRESI DAN KORELASI BERGANDA 3.1. PENDAHULUAN Metode ini merupakan perluasan dari metode regresi sederhana, Tujuan dari mempelajari regresi dan korelasi berganda (Multiple Regression and Correlation) adalah untuk mencari hubungan antara variabel dependen Y dengan dua atau lebih variabel independen (X,: X,: 2d XD 3.2. PERSAMAAN GARIS LINEAR REGRESI Untuk garis linear terhadap rata-rata Y terhadap X,; X,: dalam persamaan garis linear regresi berganda : .. X, dari populasi dijabarkan MYX), X2, 0... Xq_ = A + BiX1 + BoX +... + BaXn dan penduga garis regresi rata-rata Y tethadap beberapa X variabel bebas, dapat diduga dengan garis regresi sampel seperti dalam persamaan sebagai berikut : 60Yeatbdx,+bx, +... +x, 3.3. COEFFICIENTS ESTIMATE Untuk mencari nilai-nilai a. b,. dan b, dalam linear regresi berganda untuk dua variabel independen X, dan X,, dapat kita gunakan kuadrat minimum (by least squares). Karena persamaan garis regresi berganda seperti di atas, tidaklah sesederhana itu. Setiap observasi dati beberapa variabel selalu mengandung random error atau selisih antara nilai observasi dengan nilai penduganya. Atau dengan kata lain, dengan mode! kuadrat minimum, kita'duga nilai a, b,, dan b, dengan meminimumkan nilai : a, a SSE = 2 = 2(Y,- vy a Om Lalu kita substitusikan nilai § ke dalam persamaan di atas, menjadi : Q | See Pada keadaan ckstrim — dimana kondisi minimum adalah salah satu keadaannya — turunan pertama dari SSE berturut-turut terhadap a, b,. dan b, bemilai nol, schingga diperoleh tiga persamaan berikut: a n DY,=na +by xX, +d xX, i isl ist” n n a EXy, =a XM, + 2M, +b 2B XX is = Bxynak X, +b, zx, X, +b, es Dari tiga persamaan di atas, bisa kita mencari nilai b, dan b,. Untuk nilai a bisa dicari dengan rumus : 61Contoh 3.1. : Internal Revenue Service mencoba menduga pajak aktual yang tertunda setiap bulan dari divisi auditingnya. Diduga dua faktor yang mempengaruhi adalah jumlah jam kerja pegawai | dan jumlah jam kerja mesin (komputer). Untuk menganalisis seberapa besar kedua faktor tersebut mempengaruhi besamya pajak aktual yang tertunda (yang tidak dibayar) setiap bulan, dicatat pajak setiap variabel sclama 10 bulan. Hasilnya terlampir pada Tabel 3.1. Tabel 3.1. Data dari IRS Auditing Records selama 10 bulan terakhir x, x, Y(Rp. 1000) Bulan Jam kerja Pegawai Komputer Pajak Aktual (am) yang tidak dibayar Januari 45 16 2» Februari 42 14 24 Maret 4 15 7 April 45 13 25 Mei 43 13 26 | Juni 46 \4 28 Juli 44 16 30 Agustus 45 16 28 ‘September 44 15 28 Oktober 43 15 2 Penyelesaian : 1) Kita susun Tabel 3.1. berdasarkan kuadrat minimum dengan n = 10 seperti pada Tabel 3.2.Tabel 3.2. Hasil kesesuaian kuadrat minimum dengan n = 10 Y x, x, | xy | XY | Xy, | x Y, y Ww (2) (3) | @)x) | Bx) | @)x(3) |? By ay 29 45 16 | 1305 | 464 720 | 2.025 | 256 | 841 4 a2 14 | 1.008 | 336 588 | 1.764 | 196 | 576 21 44 15 | 1.188 | 405 660 | 1.936 | 225 | 729 25 45 13 | 1.125 | 325 585 | 2.025 | 169 | 625 26 43 13 | 1118 | 338 559 | 1849 | 169 | 676 28 46 14 | 1.288 | 392 644 | 2.116 | 196 | 784 30 44 16 | 1.320 | 480 704 | 1.936 | 256 | 900 28 45 16 | 1.260 | 448 720 | 2025 | 256 | 784 28 44 15 | 1.232 | 420 660 | 1936 | 225 | 784 21 43 15 | 1.161 | 405 45 | 1.849 | 225 | 729 272 | 441 | 147 | 12.005 | 4.013 | 6.485 | 19.461 | 2.173 | 7.483 2) 3) X= 272 X, = 441 X,= 147 Dalam 3 persamaan normal : 22= Wat 441, + 147d, 12.005 = 441 a+ 19.461 b, + 6.485 b, 4.013 = 147 a+ 6485 b, + 2.173 b, Menghilangkan nilai a dengan menjumlahkan persamaan (1) dengan (2). Persamaan (1) x -441 dan persamaan (2) x 10 : (1) x (441): 119.952 = -4410 a — 194.481 b, — 64.827 b, (2) x (10) : 120.050= 4410 a + 194.610 b, + 64.850 b, @: 8= 1290,+ 236, Persamaan (1) kalikan dengan —147 dan persamaan (3) dengan 10. Jumlahkan persamaan_ (1) dan (3) : (1) x (147): -39.984 = -1470 a - 64.827 b, — 21.609 b, @)x(10) : 40.130= 1470a+ 64.850 b, + 21.730 b, phe ae ©: Me= 23b,+ 1216, 634) Kalikan persamaan (4) dengan -23 dan (5) dengan 129, Jumlahkan (4) dan (5) untuk menduga nilai b : (4) x (23) : ~2.254 = -2967b, - 529d, (5) x (129) : 18.834 = 2.967 b, + 15.609 b, © : 16580 = 15.080 b, Maka, b, = 1,099 5) Cari nilai penduga b, dari persamaan (4) : © A): 98 = 129d, + 23d, 98 = 129 b, + (23) (1,099) 98 = 129 b, + 25,277 Maka, b, = 0,564 7) Cari nilai a dari persamaan : a=¥-bX, bx, = 27.2 ~ (0,564) (44,1) ~ (1,099) (14.7) = 27.2 ~ (24,8724) ~ (16,1553) = + 138277 13,828 Maka, persamaan garis regresi berganda : Y=a+d, X+d,X, = 13.828 + 0,564 X, + 1.099 0 8) 43 (4300 jam pegawai) Jika X, = 16 (1600) jam dari waktu kompuier Maka : ¥ = -13.828 + 0,564 X, + 1,099 X, = ~13,828 + (0,564)(43) + (1,099) (16) 13,828 + 24,252 + 17584 “°8 atau Rp. 28.008 ‘Tiga persamaan linear tersebut sebelumnya dapat pula disederhanakan. Jika deviasi antara +, dan X, dinyatakan sebagai x, = X,— X, atau deviasi antara Y dan ¥ dinyatakan sebagai y = Y — Y, maka ketiga persamaan linear dapat 4 hanakan menjadi : 64re 1 0=0 ul D yx, =b, Dx +b, Dx, x, Mt Lyx, =b, Dxx, +b Ex, dimana : Syn 2B YX -nXy Lax, = Lxx,-n XX, Maka, bese contoh 3.1. bisa dicari nilai koefisien korelasi dengan cara lain 2.173 — (1014, -n y = 7.483 — (1027,2 = 84.6 © YX, - 0 X,¥ = 12.005 - (10)(44,1)(27.2) = 98 x 485 — (10)(44, 114.7) = 2.3 .013 — (10(14.27.2) = 14.6 Setelah itu dimasukkan ke dalam dua persamaan yang telah disederhanakan Lyx, =b, Lx, +b, Dx, a, a) Lyx, = b, LXx, +b Tw, Q) Maka : 9,8 = 12,9 b, + 2,3 b, cp) 14.6 = 2.3 b, + 12.1 b, @) (1) Persmaan pertama kita kalikan dengan 2.3 dan persamaan ketlua kita kalikan dengan 12,9 untuk menghilangkan faktor b, 22.54 = 29.67, + 5.29 b, 188,34 29,67 b, + 156,09 b, 165.8 = -150,8 b, maka nilai b, = 1,099 659,67 b, + 5,29 (1,099) 29,67 b, + 5.81371 maka : . = 0,564 Atau bisa dicari nilai koefisien regresi dengan rumus sebagai berikut : Lyx, Lyx, Dx,x, (Zxx, F Lyx, Dx, - Lyx, Dx, 3.4. STANDART DEVIASI GARIS REGRESI BERGANDA Seperti halnya pada regresi sederhana, kalau sampel memiliki jumlah n yang cukup besar, pengukuran dispersi titik-titik koordinat dari garis regresi berganda dapat dicari dari : SSE mk dimana : — k = banyaknya parameter dalam model (variabel bebas) Ingat bahwa untuk model linear sederhana (yang mengandung satu parameter bebas (b). standard erromya adalah SSE dibagi dengan (n ~ 1 — 1). Dalam kasus umum s* sama dengan | SSE dibagi dengan n, yaitu banyaknya titik data, dikurangi satu derajat kebebasan untuk setiap parameter yang muncul dalam model Rumus Menghitung SSE SSE, Toa = SS- SSR dimana : Q ssp = (§ ~ 9)? = jumlah kuadrat akibat regresi & ‘ Day lg = (b, L yx,) + DE yx) - — Zy,P Sut = £0,-wF= By — 1 66BO Ly? - , Z yx,) + LZ yx) n-k-1 Standart deviasi regresi berganda : s= Ve Contoh 3.2. : Untuk data pada Tabel 3.1. hitung dan taksirlah standard error populasinya. Penyelesaian : Dalam contoh 3.1, telah kita peroleh nilai Syx, = 9,8; Lyx : b, = 1,099; n= 10; dan m = jumlah parameter (b, dan b,) = 3. Maka bisa kita langsung menghitung varians sesuai dengan rumus : Ly? - (B,D yx,) + (b,D yx,) n-k-1 84,6 - i (0.564)(9,8) + (1,099)(14,6) é — 84,6 — (5.4978 + 16,0454) 7 9,0081 Maka, standard error untuk regresi berganda adalah : s s = ¥9,0081 = 3,001 3.5. KOEFISIEN KORELASI BERGANDA LINEAR Seperti halnya pada regresi sederhana, koefisien korelasi digunakan untuk melihat tinggi rendabnya derajat hubungan antara dua atau lebih variabel. Koefisien korelasi dapat dicari dari koefisien determinasi yang merupakan variasi yang dapat dijelaskan oleh garis regresi berganda linear, yaitu 67P= SSR/ Sy, _ (bE yx,) + (0, E yx,) zy Dari sini bisa kita hitung nilai koefisien korelasi berganda linear sebagai berikut : Rumus Koefisien Korelasi : {SSR7SS,,., "yx,) + 0b, atau : (02 yx) + (0% Ym) zy Contoh 3.3. : Kita lihat kembali kelanjutan dari contoh 3.1. dan 3.2. Carilah koefisien korelasi berganda lineamya ! Penyelesaian : _ DZ yx) + 0, Dyn) zy 5.4978 + 16,0454 = 02546 84.6 Maka : r= [r= (0.2546 = 0,5046 3.5. PENDUGA PARAMETER KOEFISIEN REGRESI BERGANDA Pendugaan parameter koefisien regresi berganda B, dan B, membutubkan hasil ukuran kesalahan duga standard bagi penduga b, dan b,. Kesalahan duga standard demikian dapat diartikan sebagai : 1 A “ "Ee V7, = So = s Se 68dimana : = koefisien korelasi antara X, dan X, Peo = masing-masing dengan derajat bebas (n — k — 1). Maka, interval keyakinan bagi pendugaan parameter B, di atas dapat diberikan sebagai : DB, = Garnk-t » Sx, < Bi < Bi + Kornt-t - Sb; Contoh 3.4.: Dugalah parameter B, dan B, dalam contoh data Tabel 3.2. dengan interval keyakinan 0.95. : Dari hasil perhitungan contoh-contoh yang lalu, kita peroleh : n=10 Bx, = 129 Lx, x, =23 r= 05046 Penyelesaian : Terlebih dahulu kita cari koefisien korelasi antara x, dan x,. Box, xP 2,3¢ 5,29 “@19A2D 156.09 - = 0,0334 Kemudian kita cari masing-masing kesalahan untuk penduga b, dan b, dan : 69Interval keyakinan bagi penduga B, adalah : b, a Cnn “8s B, - b, ha Nona + Soy 0,564 — (2,365)(0,836) < B, < 0,564 + (2,365)(0,836) — 141314 < B, < 2.54114 Interval keyakinan bagi penduga B, adalah : Dy = henascy S02 < By 2365 dan 1 <-2,365 0.564 4, Maka untuk Uji B,, t,,..,= ——— = 0.6746 0,836 1,099 5. Maka untuk uji B,. 4, = 1.2735 0,803 Karena 0,6746 dan 12735 < 2.365, maka kita harusmenerima hipotesis nol H, : B, = 0 maupun H, : B, = 0. Hal tersebut berarti bahwa tidak ada hubungan berganda linear antara variabel X, dan X,, Demikianlah pembahasan mengenai regresi berganda linear dengan 2 variabel bebas. Untuk lebih dari 2 variabel bebas, perhitungannya lebih kompleks, sehingga lebih dianjurkan untuk menggunakan paket-paket program statistik 1Rv AY 72 LATIHAN SOAL ‘Apa yang dimaksud dengan regresi ? Apa yang saudara ketahui tentang korelasi ? Apakah perbedaan antara regresi sederhana dan regresi berganda? Perhatikan data di bawah ini : Y X, X, 25 35 5,0 30 67 42 i 1S 85 22 0,3 14 | a 46 3,6 | 19 2.0 13 a. Carilah persamaan garis regresi b. Dugalah nilai Y bila X, = 3,0 dan nilai X, Direktur pemasaran minuman dingin SHY COLA ingin mengetahui apakah ada hubungan antara VOLUME PENJUALAN per tahun (Y) dalam jutaan ribu rupiah, dengan dua variabel bebas, yaitu HARGA PENYALUR (X,) dalam ratusan rupiah, dan PENDAPATAN PER KAPITA (X,) dalam ribuan rupiah. Perkiraan direktur tersebut rempunyai hubungan negatif dengan Y sedangkan X, mempunyai hubungan f dengan Y. Dari 20 wilayah pemasaran diperoleh data statistik sebagai 721 356 948,95 3643.2 TX, = 6415 © X, X, = -136,67 15,4976374 X,Y = -86,307498 LX, Y= 1710.2 a. Berdasarkan data statistik di atas, ujilah perkiraan direktur di atas (lakukan t-test) pada level of significance 1 %. Tentukan persamaan regresinya. Kemudian interpretasi saudara terhadap koefisien regresi tersebut. b. Tentukan berapa besar variasi Y yang dapat diterangkan oleh persamaan regresi. Tentukan dan interpretasikan koetisien determinasi. c. Dengan menggunakan garis regresi yang telah saudara peroleh, tentukan prediksirata- rata Y pada saat X, = 3,6 (Rp 300) dan X, = 100 (Rp 100.000)v MULTIPLE CHOICE Variabel Y akan bebas bila X, dan X, bemilai masing-masing adalah : a 0 c 0:1 bt a Bila ada 20 elemen dalam sampel dan 4 variabel bebas digunakan dalam regresi berganda, sebaiknya digunakan derajat bebas untuk mencari nilai t table : fai) 15 b 17 d. tidak ada yang benar Untuk menguji bahwa Y benar-benar tergantung pada hasil X,, maka uji hipotesis yang paling tepat digunakan 7 BO « Bel b. By=-1 d. tidak ada yang benar Pada persamaan ¥ = 5.6 + 2.8 X,~ 3.9 X, + 5.6 X,, kalau X,, X,. dan X, adalah nol, maka penduga nilai Y adalah : a 101 c -56 b. 56 a - 101 Penduga standard error mempunyai derajat bebas n- k - 1 Disini k menunjukkan : a. jumlah elemen dalam sampel cc. Titik tengah dari variabel dependen b. jumlah variabel independen d. tidak ada satupun yang benar Persamaan gatis regresi berganda Y = a + b, X, +b, X, digunakan untuk menduga Y = A+B, X, +B, X, . interval keyakinan untuk B adalah : a By ty, 3B, + bey Ce bee b. By-t: B+, a bt b +h, Dari suatu data diperoleh nilai-nilai sebagai berikut ¥=10 K,=23 X, = 126 b, =04b Maka persamaan garis regresi berganda yang dapat dibentuk : a = 10404 X,+15X, c %=10+04 X,- 15 X2 b. $= 19.7404, +15 X, b. ¥ = 197404 X, - 15 x2 oaANALISIS VARIANS 4.1. PENDAHULUAN Analisis Varians merupakan suatu uji perhitungan yang diterapkan untuk data yang dihasilkan oleh eksperimen yang dirancang atau pada kasus dimana data dikumpul pada variabel yang terkontrol ‘Tujuan analisis varians adalah untuk melokalisasi variabel-variabel bebas yang penting dalam suatu penelitian dan menentukan bagaimana mereka berinteraksi dan mempengaruhi respons Keragaman (variabilitas) sehimpunan n pengukuran adalah proposional terhacap jumilah kuadrat simpangan (square of deviations) : n SS, = ¥ (x, ~ > > untuk sampel tunggal Kuatitas ini digunakan untuk menghitung varians sampel. Analisis varians memecah keragaman SS, , atau total jumlah kuadrat simpangan, menjadi bagian-bagian, yang masing- masingnya dikaitkan dengan satu dari variabel-variabel bebas dalam eksperimen (percobaan), dan sisanya dikaitkan dengan kesalahan random (galat acak = random error). 44.2, ANALISIS VARIANS SATU ARAH (Anova sederhana) Analisis satu arah untuk menganalisis satu macam karakteristik dari populasi yang diambil dari sampel. Membandingkan 2 rerata sampel dari sampel n, dan n, Uji Hipotesis nol Hy: Hy = Hs Uji Hipotesis alternatif H,: H, # H, ‘Total jumlah kuadrat simpangan dari semua nilai (n, + n.)x di sekitar rerata umum_ adalah 2 dimana % adalah rata-rata (average) dari semua (n, + n,) pengamatan yang berada dalam dua sampel itu, Rumus total kuadrat simpangan dapat dijabarkan sbb 75= adalah rata-rata dari pengamatan dalam sampel ke-i, i = 1, = jumlah kuadrat perlakuan (sum of squares for treatment), berfungsi untuk mengukur keragaman antara rerata sampel. ~ SSE = jumlah kuadrat kesalahan (sum of squares for error), berfungsi untuk mengukur keragaman dalam sampel — CM = = Correction Mean (koreksi untuk nilai rata-rata) = GT = General Toral (total seluruh nilai observasi). -k = banyaknya treatment/perlakuan Rumus SST bisa dibuktikan dengan : non, Sst = =. (, -% F n, +n, * SSE = SS,,., - SST SST MST Farm 2 pe “MSE ssT Frag tcc MSE SSE * MSE = (n, +n) — dibandingkan dengan F, total Fs saraay F, thing Bila F,,.,, 2 Fs. dapat diinterpretasikan bahwa hipotesiss nol ditolak. Ada perbedaan yang be erp! po nyata diantara kedua rerata sampel, ada pengaruh terhadap respons. 76Ulangan Treatment n xX, xe 1 XxX, X, 2 Xy en n X, X» Total T T, = GT SS, ht SSE = SS, Total SST Contoh 4.1. . Seorang investor ingin mengetahui apakah ada perbedaan yang nyata antara rata-rata keuntungan yang diberikan oleh Bank dan industri, Investor tersebut melihat data rata-rata bunga yang diberikan oleh Bank dan industri sesuai dengan jatuh temponya. Adapun data yang diperoleh terlihat pada Tabel 4.1 Tabel 4.1. Rata-rata bunga yang diberikan sesuai jatuh tempo Jatuh tempo | Bank Industri 1 9,14 9.69 2 8.85 394 3 9.52 8,85 4 10,16 9.45 5 8.90 9.15 77Penyelesaian : Langkah pertama, menentukan uji hipotesisnya, yaitu : Hipotesis nol, : #t, = l, ——> tidak berbeda nyata Hipotesis alt. —-H, : |, # hy > ada perbedaan nyata Langkah kedua, melengkapi Tabel 4.1. dengan total masing-masing dan total keseluruhannya. Tabel 4.2. Total rerata yang diberikan sesuai dengan jatuh tempo Jatuh tempo Bank Industri 1 914 9,69 2 8,85 8,94 3 952 8,85 4 10,16 9.45 5 8,90 915 Total 46,57 46,08 GT = 92,65 2a S845 =D, 2 x,- CM = “isl j=l” = (9,14) + (9,697 +. - Q 6) = 860,0953 — 858,40225 = 1.69305 2 cr - ssp = STE My OT n kn (46.57) + (46,.08P @ 7 @ ©) = 858.42626 — 858,40225 = 0.02401 SSE = SS,,,, - SST 1,69305 — 0,02401 = 1,66904 SST 0,02401 MST = —— =—— = 002401 k-1 1 1,66904 MSE = “345 78<«—— Daerah ——+! Penerimaan 0,11508 5,32 Nilai kritis dari statistik F untuk © = 0,05 dengan derajad bebas sebesar k-1; (n, + n,) ~ 2, atau F,,,,, = 5.32. Karena nilai Fyoe < Fay atau 0.11508 < 5,32, maka H, diterima. Dengan demikian rata- rata bunga yang diberikan oleh Bank maupun industri tidak ada perbedaan nyata. Jadi inves- tor bisa memilih diantara keduanya yang mana saja. Membandingkan Lebih 2 Rerata Populasi Jumlah Sampel sama | Ulangan ‘Treatment n x, i rr 1 x, x Xy 2 Xy Xy oh n x, x, x " GT 9SSE = SS, roa) SST Uji F untuk membandingkan rerata populasi p Hipotesis noi He: =u, =H, uy, Hipotesis altematif H, : satu atau lebih pasangan rerata populasi berbeda. MST Statistik uji F = ——, dimana F didasarkan pada derajad bebas k-1; k(n-1). MSE Untuk memudahkan, biasanya perhitungan analisis varians ditunjukkan atau disajikan dalam Tabel ANOVA. Perhatikan Tabel 4.3. yang merupakan Tabel ANOVA untuk lebih dari 2 rerata dengan jumlah sampel sama Tabel 4.3, Tabel ANOVA untuk > 2 rerata dengan jumlah sampel sama Sumber af ss Ms ie Treatment kl Sst SST/K-1 MST/MSE Enor kam) SSE SSE/K(n-1) TOTAL nk-1 ss, Jumlah sampel tidak sama Ulangan Treatment n : xy Xx e Xy Xx 3 Xy n x, 80Gor CM=> ¥' x, -—— i=l j=l” N dimana : k N = > n = jumlah seluruh sampel 2 SST = ~ pT SSE = SSraa = SSF Uji F untuk membandingkan rerata populasi p Hipotesis nol =H, : Hy, = Hy = Hy = By, Hipotesis altematif H, : satu atau lebih pasangan rerata populasi berbeda. MST Statistik uji F = ———. dimana F didasarkan pada derajad bebas k-1; N - k. MSE Tabel 4.4. Tabel ANOVA untuk > 2 rerata dengan jumlah sampel tidak sama ——— Sumber at ss MS Fung Treatment kl Sst SST/K- MST/MSE Error N-k SSE SSE/N-k TOTAL N-l SS Contoh 4.2. : Empat kelompok karyawan bagian penjualan (salesman) sebuah agen penjualan majalah diharuskan mengikuti program pelatihan penjualan yang berbeda. Karena ada beberapa yang keluar (drop-out) selama program pelatihan, jumlah orang yang dilatih berbeda-beda dalam setiap kelompok. Pada akhir program pelatihan setiap karyawan penjualan secara random diberi tugas di suatu wilayah penjualan dari sekelompok wilayah penjualan yang dinilai mempunyai potensi penjualan yang sama, Jumlah penjualan yang dibuat oleh setiap orang dari empat kelompok karyawan penjualan selama minggu pertama setelah menyelesaikan program pelatihan dituliskan dalam Tabel 4.5. Apakah data tersebut menyajikan bukti yang cukup untuk menunjukkan perbedaaan dalam rerata prestasi kerja untuk empat program pelatihan itu? 81Penyelesaian : 4a 4 cr SS, = 2 2 x,-CM =¥ z x -— a1 jel fel jel N (1779) = (65) + (87) + (73) + ... + (88% — = 139.511 — 137.601,8 = 1.909,2 k Tr. GT’ ssf = }——--—_. i=l n, N (454) (459) (425" = (351? (1.7799 + + ——- 6 7 6 4 23 138,314,4 — 137.601,8 = 712,6 SS,,,, — SST = 1.196,6 " SSE Tabel 4.5. Banyaknya penjualan yang dibuat oleh setiap orang dari setiap kelompok pelatihan Kelompok Pelatihan 1 2 3 4 4 65 B 59 94 87 69 B 89 B 83 67 80 9 81 2 88 81 2 83 69 19 16 90 a Total 454 549 a5 351 82SST 712.6 MST = = = 2375 kl SSE 1.96.6 MSE = —— = —— = 630 N-K 19 Maka : Fee nent MSE 63.0 +— Daerah ———+ |«— Daerah ———> Penerimaan Penolakan 3,13 3,77 Nilai kritis F untuk ct = 0,05, adalah Fyys..iyx = 3.13. Karena nilai F yang dihitung = 3,77, melebihi atau lebih besar dari Foss: = 3.13, maka kita menolak hipotesis nol dan ‘menyimpulkan bahwa bukti tersebut cukup untuk menunjukkan perbedaan dalam rerata prestasi kerja untuk keempat program pelatihan. Tabel 4.6. Tabel ANOVA untuk Contoh 4.2. Sumber af ss Ms | ie Treatment c 12.6 237.5 3,77 Enror 19 1.1966 630 TOTAL 2 1.9092 | 834.3. ANALISIS VARIANS DUA ARAH (Rancangan Blok Acak) Analisis Varians Dua Arah, adalah suatu bentuk analisis dengan menggunakan rancangan Blok teracak. Disini yang akan dianalisis adalah 2 karakter saja dalam populasi yang diambil dengan cara sampling. Maksud dari rancangan (desain) ini adalah membuat perbandingan antara sehimpunan perlakuan dalam kelompok (blok) yang mengandung bahan eksperimen yang relatif homogen, Perbedaan antara rancangan blok teracak dengan rancangan yang teracak (Analisis satu arah) secara lengkap dapat didemonstrasikan dengan memperhatiken eksperimen yang membandingkan efek dari peragaan produk (yaitu perlakwan) terhadap penjualan dalam suatu analisis pemasaran Peragaan produk (product display) dapat didefinisikan sebagai keragaman pengemasan atau pengaturan di pasar. ‘Misalkan empat rancangan kemasan dipilih sebagai perlakuan (treatment) dan kita ingin mempelajari efek pengaruh mereka terhadap penjualan dengan menggunakan 12 pasar swalayan. Setiap pasar swalayan akan memperagakan hanya satu dari empat rancangan kemasan, Jadi kedua belas pasar swalayan tersebut secara random dapat dianggap sebagai penyalur, 3 penyalur untuk setiap dari empat rancangan kemasan, seperti yang diperlihatkan pada tabel di bawah ini, yaitu tabel 4.7 Tabel 4.7. Rancangan eksperimen yang teracak secara lengkap Perlakuan Pasar Swalayan I 4.9.1 a 11.3, 5 3 2.6 12) 4 8 7,10 Penetapan random dari pasar swalayan bagi perlakuan (atau sebaliknya) akan menyebarkan kesalahan secara random karena adanya keragaman dari pasar swalayan terhadap empat perlakuan dan menghasilkan empat contoh (sampel) yang untuk praktisnya adalah random dan independen. Ini merupakan rancangan eksperimen yang didesain secara lengkap. Kesalahan eksperimen random terdiri dari sejumlah Komponen, Beberapa di antaranya disebabkan oleh perbedaan-perbedaan diantara pasar-pasar swalayan, kegagalan catatan penjualan yang berturutan untuk produk tersebut dalam satu pasar swalayan agar menjadi identik (disebabkan oleh keragaman dalam periklanan dan perubahan pola kelakuan membeli dari pelanggan Pasar swalayan), kegagalan direktur peneliti pemasaran untuk mengatur program secara konsisten dari suatu pasar swalayan ke pasar swalayan lainnya, dsb. Keragaman/variasi dari toko ke toko dalam eksperimen dapat dihapus dengan menggunakan pasar swalayan sebagai blok (kelompok), Jadi sctiap pasar swalayan akan menerima setiap dari empat rancangan kemasan (perlakuan) yang disusun dalam suatu urutan random. 84Perhatikan diagram di bawah ini : 1 2 3 4 n 2 4 1 i 2 1 2 3 4 3 4 1 2 3 4 3 4 2 1 Perhatikan bahwa setiap perlakuan hanya muncul satu kali dalam setiap kelompok. Blok (kelompok) dapat mewakili waktu, lokasi, atau bahan eksperimen. Jika tiga perlakuan akan dibandingkan dan terdapat kecenderungan dalam rerata respons dengan berjalannya waktu, bagian terbesar dari keragaman akibat waktu dapat dihilangkan dengan pengelompokkan. Seluruh tiga perlakuan tersebut dapat diterapkan secara acak (random) pada unit-unit eksperimen dalam kelompok waktu yang kecil. Prosedur ini dapat diulang dalam kelompok-kelompok waktu berikutnya sampai jumlah data yang diperlukan terkumpul. ‘Adapun bentuk rancangan blok teracak yang berulang-ulang dapat dilihat pada bentuk rancangan ——] Blok ~ — Ulangan Treatment Total n x, xX, Blok ' 1 xX, Xy B, 2 Xy Xx B,, 7 Xa Xu B, Total Treatment T,, Ty GT, in 1 X, X, B,, 2 X,, Xy B,, a Xn Xu Ba, Total Treatment Ty T, GT, 85N 1 Xi, xX, Xn By, : Xy Xy xy Ba a Xu x. Xu B, Total Treatment T, T, T, ‘Namun bentuk tabel seperti di at 5. dapat disederhanakan setelah seluruh nilai yang sama dari hasil pengulangan, kita cari nilai rata-ratanya. Setclah diperoleh nilai rata-rata untuk seluruh karakteristik, baru dapat disajikan dalam bentuk tabel yang lebih sederhana dan mudah dibaca untuk tujuan analisis sclanjutnya. ‘Adapun bentuk rancangannya dapat dirubah sebagai berikut : SS Treatment Total Blok x, 2S, x, Blok z Xi xX, Xy B, 7 Xn Xn Xn B, N Xy Xe Xx B, Total Treatment —T, a T, GT Maka, untuk mencari rumus keragaman masing-masing adalah : bk or SSiug =D D x -CM= lala k sstT => FI b Bo GP SSB = -—— is] k kb SSE = SS,,,,, - SST - SSB otal 86Tabel 4.8. Tabel ANOVA untuk Rancangan Blok Teracak (Dua Arah) SS Sumber af ss MS Fuso Treatment kel ssT SST/K-1 MST/MSE Blok bl SSB SSB/b-1 MSB/MSE Error k-1Y(b-1) SSE SSEMK-1)(b-1) TOTAL kn SSrasa eee eee Dari Tabel 4.8. tampak jelas perbedaan antara Anova satu arah dan Anova dua arah. Dalam Anova dua arah, F,,..,, ada dua. MST/MSE adalah untuk melibat pengaruh dari perlakuan dan MSB/MSE untuk melihat pengaruh dari blok. Uji F untuk membandingkan rerata populasi p Hipotesis nol H,: _ rerata perlakuan dan blok populasi adalah sama Hipotesis altematif H, ; satu atau lebih pasangan rerata perlakuan dan blok dalam populasi berbeda. : MST Statisik ji F =— Fo dimana F.. didasarkan pada derajad bebas k-1; (k-1)(b-1) MSB . . Statistik ujiF =———, dimana F,,,, didasarkan pada derajat bebas b-1; (k-1)(b-1). MSE Contoh 4.3. : ‘Suatu studi tentang preferensi konsumen yang melibatkan tiga rancangan kemasan yang berbeda (perlakuan) diatur dalam rancangan blok yang teracak di antara empat pasar swalayan (blok/kelompok). Data diperoleh merupakan jumlah unit yang dijual untuk setiap rancangan kemasan dalam setiap pasar swalayan selama masing-masing tiga minggu yang ditetapkan. Aapakah data pada Tabel 4.6. menyajikan bukti yang cukup untuk menunjukkan perbedaan dalam rerata penjualan untuk setiap rancangan kemasan (perlakuan)? ‘Apakah cukup bukti untuk menunjukkan perbedaan dalam rerata penjualan untuk pasar- pasar swalayan? 87Tabel 4.9. Data Jumlah unit terjuan dari Rancangan Blok Teracak Kemasan TOTAL Pasar Swalayan A B c BLOK 1 17 34 23 74 2 15 26 21 62 3 1 23 32 4 6 22 16 44 Total 39 105 68 212 = GT Penyelesaian : Spy = BE e-em SE we, a x -CM= Sto ljel ” i=l jel kb (2122 = (7 + y+... + 16? ~ = 4.686 — 3.745,33 = 940,67 SST = (39)? + (105) + (68) (212)? Oa = 4.2925 - 3.74533 = 547,17 SSB = . 1) = (74) + (62) + G2) + 44) — = 4,093,33 - 3.745,33 = 348,00 SSE = SS,,,,- SST - SSB 88 ot 940.67 - 547,17 - 348,00 = 45,50.Tabel 4.10. Tabel ANOVA untuk Rancangan Blok Teracak (Dua Arah) Sumber at ss Ms Fisang Treatment 2 547,17 273,58 36,09 Blok 3 348,00 116,00 15,30 Error 6 45,50 7,58 TOTAL bY 940,67 : bs Daerah 1» Penerimaan hitung Treatment 5,14 13,30 36,09 Nilai kritis statistik F (0. = 0,05) untuk pertakuan dengan derajad bebas 2;6 adalah 5,14. Karena Fy, > Faq + terdapat cukup bukti untuk menolak hipotesis nol dan menyimpulkan bahwa perbedaan yang nyata memang ada dalam penjualan yang diharapkan untuk ketiga rancangan kemasan tersebut. Nilai kritis statistik F (oc = 0,05) rerata penjualan untuk pasar-pasar swalayan dengan derajad bebas 3:6 adalah 4,76, kita menolak hipotesis nol dan menyimpulkan bahwa perbedaan yang nyata ada dalam penjualan yang diharapkan dalam empat pasar swalayan, yaitu data tersebut menyajikan bukti yang cukup untuk mendukung keputusan kita untuk mengelompokkan pasar-pasar swalayan. 89LATIHAN SOA Dalam kondisi bagaimana kita dapat melakukan suatu analisis varians? ‘Apakah yang dimaksud dengan kata “teracak” pada rancangan teracak lengkap maupun rancangan blok teracak ? Sebutkan asumsi yang mendasari model-model rancangan eksperimen betikut a. Rancangan acak (random) b. Rancangan blok (kelompok) yang teracak Pada waktu memilih rancangan eksperimen = a. Bahas keuntungan dari bloking (pengelompokkan) b. Apa yang terjadi pada keuntungan tersebut jika anda menambah ukuran kelompok (banyaknya unit eksperimen per kelompok) ! Ketahuilah, j1, dan y,, melambangkan rerata biaya variabel per km pengoperasian sebuah tuk merek A dan merek B. a. Cari selang keyakinan 95 % untuk 11, b. Cari selang keyakinan 95 % untuk j1, c. Cari selang keyakinan 95 % untuk (jt, ~ tL, ) d. Apakah tepat untuk mengasumsikan bahwa selang keyakinan yang dihitung dalam butir c adalah sama dengan perbedaan antara selang-selang keyakinan yang ditemukan dalam butir a dan b ? Jelaskan ! ‘Sebuah perusahaan transportasi ingin membandingkan tiga merek truk sebelum memesan satu armada lengkap dari salah satu merek itu, Harga beli masing-masing buatan itu sama dan dengan demikian diabaikan dalam perbandingan ini. Lima truk dari masing- masing buatan dijalankan 5.000 km dan rata-rata biaya variabel operasi per km dicatat per setiap truk. Namun, karena kerusakan ban, kecelakaan dan supir yang sakit, dua tuk merek B dan dua truk merek C tidak dapat menyelesaikan uji 5.000 km ini, Untuk mereka yang berhasil menyelesaikan 5.000 km, hasilnya dicatat dalam tabel. Merek A Merek B Merek C 27,3 25,4 28,3 274 276 27,1 26,8 28,0 a. Lakukan analisis varians untuk eksperimen ini !b. Apakah data ini memberikan bukti yang cukup untuk menunjukkan perbedaan dalam rata-rata biaya variabel per-km operasi untuk tiga merek tuk tersebut ? c. Apakah ada keuntungannya dalam menggunakan jumlah pengukuran yang sama dalam setiap perlakuan dalam rancangan yang teracak secara lengkap ? Jelaskan ! 7. Suatu (elaah dilakukan untuk menentukan kecepatan relatif mengetik yang dapat dicapai dengan menggunakan empat merk mesin tik yang berbeda. Setiap mesin tik diberikan kepada masing-masing dari delapan sekretaris, urutan pemberian tugas dilakukan secara random. Kecepatan mengetik, yang diukur dalam kata per-menit untuk 10 menit pengetikan dicatat untuk setiap kombinasi mesin tik-sekretaris. Data yang diperoleh dicantumkan dalam tabel di bawah ini : Mesin Sekretaris Tik 1 2 3 4 5 6 7 8 A ie) 80 71 75 82 77 8 76 B 74 79 73 70 76 8 72 4 Cc 82 86 80 799 81 80 80 84 D 79 81 182 wt) 82 7 77 78 Identifikasikan rancangan yang digunakan dan jelaskan diagnosa anda! b. Lakukan analisis varians terhadap data tersebut. cc. Apakah data tersebut memberikan bukti yang cukup untuk menunjukkan bahwa rerata kecepatan mengetik seksetaris bervariasi dari merk ke merk mesin tik? Ujilah dengan menggunakan 0 = 0,10. 8. Suatu komisi penetapan wilayah dibentuk untuk menghitung rata-rata hasil penilaian atas rumah-rumah di daerah pemukiman luar kota. Komisi ita mempertimbangkan untuk menggunakan salah satu dari tiga model penilaian yang berbeda dalam upaya itu. Dalam salah satu uji untuk adanya Konsistensi anatara tiga model penilaian, setiap model digunakan secara terpisah untuk mendapatkan hasil penilaian dari masing-masing dari tiga dacrah pemukiman yang berbeda. Hasilnya sebagai berikut : Model Daerah ( $ 1.000) Penilaian 1 2 3 A 50 1 68 B 42 6 47 c 39 41 66 Saudara diminta untuk membuat analisis varians (c: = 0,10) dan buatlah kesimpulan saudara ! 91setelah diberikan suatu paket program sadar lingkungan selama lima tahun, Disini tidak bisa kita dapatkan langsung suatu data yang berupa angka-angka, tetapi mungkin hanya suatu data yang berisi ya dan tidak, naik turun dan tetap, dan sebagainya yang biasanya digunakan dengan jawaban berupa kata-kata dari responden, Data kualitatip semacam ini dapat dianalisis bila data tersebut dirubah ke dalam bentuk data kuantitatip dengan cara memberikan suatu rangking/urutan, Dengan dimikian akan diperoleh suatu data yang berupa angka-angka Definisi : Statistik nonparametrik adalah statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi dan karena itu merupakan statistik yang bebas distribusi. 5.2. UJI TANDA (Sign Test) Uji tanda digunakan untuk membandingkan dua populasi apakah dua populasi tersebut berbeda atau tidak. Uji tanda didasarkan atas tanda-tanda, positip atau negatip, dari perbedaan antara pasangan pengamatan, Bukan didasarkan atas besamya perbedaan. Uji tanda dapat dipergunakan untuk mengevaluasi efek dari suatu eksperimen (treatment) tertentu, Efek dati variabel ekperimen tidak dapat diukur melainkan hanya dapat diberi tanda positip atau negatip saja. Sebagai contoh : apakah penerangan tentang kebersihan dan kesehatan ada manfaamya untuk menyadarkan penduduk dalam hal kebersihan dan kesehatan. Untuk ini perlu diamati sebelum dan sesudah beberapa minggu diadakan penerangan. Efek penerangan terhadap Kesadaran penduduk tidak dapat diukur, tatapi hanya diberi tanda positip dan negatip saja. 5.2.1, PENGUJIAN DENGAN SAMPEL KECIL Misalkan X, dan X, merupakan variabel random dan kita mengemukakan sebuah hipotesis bahwa distribusi populasi X, identik dengan distribusi X,. Guna menguji hipotesis di atas, kita memilih dua sampel random yang memiliki besaran n yang sama (n, = n, ) masing-masing dari populasi X, dan X, . Andaikan hipotesis hipotesis nol yang menyatakan bahwa distribusi Populasi X, dani X, identik memang beriar, maka kita dapat mengharapkan beda antara hasil Observasi sampel X, dan X, atau X, ~ X, akan memiliki jumlah tanda positip dan negatip yang sama. Hal tersebut bahwa proporsi tanda + dan — scharusnya sama dan sebesar 0,50 atau 50 %, schingga bisa digunakan pendekatan pengujian proporsi populasi binomial dimana H, : p= p, atau H, : p = 0.50. Contoh 5.1: Pada suatu eksperimen penelitian pasar sebuah perusahaan pengolah pangan melakukan studiftelaah untuk menentukan mengenai dapat diterimanya bahan pengganti gula pada air Jeruk dalam kaleng yang diproduksi mereka. Kepada sebelas keluarga diberikan sejumlah Produk yang sekarang ini ada (X,) dan satunya lagi yang baru (X,) dan meminta mereka untuk menggunakannya selama periode 4 minggu dan menyatakan preferensi mereka dengan 96menilainya ke dalam bentuk ranking (pada skala | sampai 10). Nilai 10 adalah nilai yang “paling disukai". Hasilnya ditunjukkan pada Tabel 5.2.1. Tabel 5.1, Data preferensi dari sebelas keluarga terhadap dua jenis minuman jeruk dalam jumlah + dan ~. Produksi Keluarga Tanda x x,-X, 2 1 + eUAwkEN = ws aAeorudT ax 9 10. 9 HW 9 Wawrrwadaurans ee ole Penyelesaian : Andaikan jumlahnya memang sama besamya, maka tanda + sama banyak dengan tanda —. Secara singkal, andaikan p, = probabilitas (proporsi) hipotesis untuk memperoleh tanda +, maka hipotesi nol-nya dapat dinyatakan sebagai H, : p = p, atau H, : p = 0,50 dan hipotesis alternatifnya sebagai H, : p # 0,50. Scsuai contoh di atas. preferensi masyarakal terhadap produk baru temyata lebih besar, maka jumlah tanda + diharapkan lebih banyak daripada tanda — schingga H, : p = 0,50 sedangkan hipotesis altematifnya dapat dinyatakan sebagai H, : p > 0,50. Beye Proses pengujian langkah demi langkah adalah sebagai berikut : H, : p= 0.50 H, : p > 0.50 5 Statistik uji 3. Daerah krtis ditentukan oleh nilai-nilai X yang sesuai dengan luas distribusi binomfal kumulatif dimana ot = 0,05 dalam uji searah atas bagi n = 10 ( karena terdapat 10 beda bertanda, angka 0 ditiadakan). Pada tabel binomial kumulatif, luas probabilitas binomial secara kumulatif dengan n= 10 dan yang mendekati ot = 0,05 searah atas ialah 0 = 0,033. jumlah tanda positip (+) 97Bagi luas probabilitas binomial kumulatif sebesar 0,055, nilai r kumulatif ialah 2 8 sehingga daerah kritis ialah r 2 8. 5. Hasil observasi sampel r = 8 Karena 8 > 8 maka H, : p = 0,50 ditolak. Hal tersebut berarti cukup beralasan guna menerima hipotesis yang menyatakan bahwa preferensi konsumen terhadap produk bana lebih tinggi dibanding dengan produk yang ada. 5.2.2, PENGUJIAN DENGAN SAMPEL BESAR Andaikan besaran sampel cukup besar, katakantah lebih besar dari 30, maka cara perkiraan distribusi binomial dengan distribusi normal dapat digunakan untuk menguji hipotesis proporsi populasi p. Dalam banyak hal, jika n > 10 dan p = 0.50, penggunaan distribusi normal untuk memperkirakan distribusi binomial sudah akan memperoleh hasil yang memuaskan Contoh 5.2: Suatu telah terhadap keefektifan 2 tipe kelas dalam tes panel : kelas yang besar dengan seorang profesor yang berupa diskusi umum dan kelas yang kecil dengan tenaga pengajar asisten senior yang berupa diskusi kelompok terbatas. Pengukuran diukur secara ranking dari 4 sampai 1. Nilai 4 adalah yang terbaik dan 1 adalah nilai yang terjelek. Evaluasi dilakukan terhadap 40 mahasiswa, Misalkan tanda + berarti kelas besar yang disukai mahasiswa, tanda — berarti preferensi mahasiswa tethadap Kelas kecil, dan 0 berarti tidak ada yang disukai. Hasil dari Tabel 5.2.3. adalah : Jumlah tanda+ = 19 Jumlah tanda~ = Jumlah nilai0 = = 10 Total sampel - | 40 Jumlah sampel yang digunakan adalah yang bertanda, yaitu 19 ditambah 11 = 30. pH = 0.5 6 => hipotesis proposi populasi yang merasa bahwa dua tipe kelas tersebut adalah sama gH = 0.5 6 = hipotesis proposi populasi yang merasa bahwa dua tipe kelas tersebut adalah berbeda (gH, = | — pH,) n = 30 = jumlah sampel B= 0,633 = proporsi sukses dalam sampel ( 19/30 ) q = 0,367 => proporsi kegagalan dalam sampel ( 11/30 )Tabel 5.2. Evaluasi 40 mahasiswa terhadap 2 tipe kelas jumlah mahasiswa skor kelas besar (1) skor kelas kecil (2) uji tanda 1-2 Beer aunawna i a 13 14 15, 16 iy 18 20 21 22 23 24 25 vas 29 30 31 32 33 34 35 36 oa 38 39 DOE NRNNWAH-WAWAWNUWLAADANNE HR RAR HN EHWEERN WRK ROU ERENNYE HK RE NNODEEWUNWNYESROYNALENNAWNNY Ltoootrotteeil +4 lOltett+Oto+Ott1 ol +1 OF 99Penyelesaian : Statistik uji diberikan dengan pendekatan kedalam distribusi normal standard, dengan standar error proporsi : Pq (0,50) (0,50) o-=\ = n 30 = {0.00833 = .091 (standar error proporsi 1 ¢— Daerah Penerimaan —> ! Proporsi sampel 0,322 P,,,=05 0,678 Ho Dengan menggunakan distribusi normal ot = 0,05, diketahui nilai z adalah 1,96 pada avo tailed test. Maka bisa kita tentukan daerah penerimaan H, yang terletak pada interval pH, + 1,96 6, * PH, + 1.96 6 = 0,50 + (1,96) (0,091) = 0,50 + 0,178 = 0,678 (batas atas) pH, — 1.96 = 0.50 - (1,96) (0,091) = 0,50 - 0,178 = 0,322 (batas bawah) Karena proporsi sampel adalah 0,633, maka masuk daerah penerimaan H,. Hipotesis nol diterima dengan kata lain tidak ada perbedaan antara dua tipe kelas menurut mahasiswa tersebut.v ye Y It Pergunakan uji tanda dengan 0. = 0.05. LATIHAN SOAL Apakah bedanya statistik parametrik dengan statistik non parametrik ? Apakah kegunaan dari statistik nonparametrik ? Apakah yang dimaksud dengan prosedur uji tanda ? Apakah yang dimaksud dengan hipotesis nol dalam prosedur uji tanda ? Distribusi probabilitas apa yang digunakan dalam menguji hipotesis pada prosedur uji tanda, jika jumlah sampel kecil ? Dan jika sampel besar ? Sctiap n = 27 ekonom yang terkemuka ditanyai apakah dia percaya pengendalian pemerintah terhadap perusahaan-perusahaan minyak dalam negeri akan membantu perekonomian Amerika. Empat belas ekonom menyatakan bahwa mereka menyetujui pengendalian terhadap perusahaan minyak. 11 menentang adanya pengendalian, dan dua ‘orang mengatakan tidak menentukan sikap. Apakah respons tersebut menunjukkan bahwa para ekonom secara umum menyetujui adanya pengendalian pemerintah terhadap perusahaan demi membantu perekonomian Amerika ? Ujilah dengan menggunakan taraf nyata sedekat mungkin dengan 5 % ! Dari data di bawah ini ujilah hipotesis nihil bahwa periode liburan tidak mempunyai efek yang favorable atas produktivitas kerja. Output Mingguan Pekerja Sebelum liburan Sesudah liburan A 83 9 B 85 87 Cc 75 70 D 91 93 E 80 85 F ae: 7S G 90 80 H 65 1 1 B 80 J 85 88 K 83 n ib 15 75 M B 85 N 80 86 1018. Di suatu daerah pedalaman telah diadakan kampanye tentang makanan bergizi. Untuk meneliti apakah kampanye tersebut mempunyai efek positip, diadakan pengamatan terhadap 20 keluarga yang dipilih secara acak. Penilaian sebelum dan sesudah kampanye memberikan informasi sebagai berikut : Keluarga Nilai Sebelum Nilai Sesudah SRREBRB TS ewer UM AHAUnH S DOwKBNUAARKBONN ER AWWHAR BAN NKOAUYNHE HRY NNW 2 s Pergunakan uji tanda dengan 0 = 0.01. 9. Kita ingin menentukan efektivitas suatu diet yang dinamakan diet harimau. Tujuh belas orang dicoba untuk melaksanakan diet tersebut. Berat badan mereka sebelum dan sesudah menjalankan diet adalah : 102Berat Berat Berat Berat Orang Sebelum Sesudah Orang, Sebelum Sesudah A 110 108 J 95 85 B 97 96 K 54 50 Cc 103 95 L 719 3 D 75 75 M 143 135 i 134 129 N 95 104 ig 78 70 0 98 93 G 152, 142 P 69 69 H 130. 121 Q 117 110 I 90 113 Ujilah hipotesis nihil bahwa diet tersebut tidak efektif (P = 0.5) lawan hipotesis alternatip bahwa diet tersebut efektip (P > 0.5) dengan menggunakan uji tanda pada a= 001 Seperti pertanyaan a, tetapi pergunakan metode pendekatan kurva normal. 1035.3. UJI MANN - WHITNEY ( U,,) Ini merupakan uji nonparametrik yang digunakan untuk membandingkan dua populasi didasarkan pada sampel acak yang bebas dengan menggunakan jumlah peringkat dari kedua sampel tersebut, Asumsikan bahwa kita mempunyai sampel acak yang independen berukuran n, dan n, dari dua populasi, A dan B. Langkah pertama untuk mencari statistik Mann- Whitney (U,,,). adalah membuat peringkat (menjenjang) semua (n, + n,) pengamatan sesuai dengan urutan besarannya. Peringkat ke-L untuk pengamatan yang terkecil, 2 untuk yang kedua, dan seterusnya, Kemudian hitunglah jumlah dari peringkat R, dan R, untuk kedua sampel. Uji Mann-Whitney : Untuk uji dua arah gunakan U,.. mana yang lebih kecil dari n(n, +1) Oh inn eee dan n(n, #1) U,snn,+——— RR, dimana : n, = jumlah observasi dalam sampel | jumlah observasi dalam sampel 2 jumlah seluruh ranking dalam sampel 1 jumlah seluruh ranking dalam sampel 2 Contoh 5.3. : Tabel 5.3. merupakan data jumlah akuntan yang lulus ujian negara dari 8 kantor akuntan yang masing-masing dipilih 50 akuntan yunior. Para akuntan dari 4 kantor dilatih dengan program A dan akuntan dari 4 kantor Jainnya dilatih dengan program B. Tabel 5.3. Jumlah akuntan yang lulus ujian negara A B 28 33 31 29 27 35 25 30Untuk memberikan cukup bukti bahwa ada perbedaan dalam distribusi populasi latihan program A dan B, digunakan uji Mann-Whitney dengan melakukan peringkat setiap nilai observasi dengan mengurut data dari yang terkecil sampai yang terbesar. Tabel 5.4. Data dan peringkat untuk contoh 5.3 Penyelesaian : Peringkal (rank) ditunjukkan pada Tabel 5.4. bersama-sama dengan (n, + n,) = 8 pengukuran. Jumlah peringkat untuk kedua sampel juga diperlihatkan. Maka : 4 G+) = - U,=@) 4) + 12=14 U, = np, - U, = 16 - 14 =2 Misalkan kita menginginkan suatu nilai c yang dekat dengan 0,05, maka pada Tabel Mann-Whitney untuk n, = n, = 4, kita peroleh nilai U,,,. sebesar 1. Temyata nilai U,, lebih besar dari nilai U,,,, maka dapat dikatakan bahwa ada kecenderungan perbedaan dalam distribusi populasi antara latihan program A dan program B. Uji Mann-Whitney (U,,) Hipotesis nol H,: yu, =p, —> Tidak ada perbedaan antara kedua populasi, dan memiliki rata-rata yang sama Hipotesis altematif H,: 1, #4, —> Ada perbedaan antara kedua populasi, dan memiliki rata-rata yang berbeda @=0.15 —> level significance 105Contoh 5.4. : Kita ambil contoh 5.3. Kita anggap sampel yang digunakan adalah lebih besar dari 10, sehingga distribusinya mendekati normal. Buktikan apakah benar pendapat yang mengatakan bahwa kedua program tersebut ada perberbedaan yang nyata, Gunakan significant level sebesar a= 0.15. Penyelesaian : Sebelum melakukan suatu hipotesis, kita cari terlebih dahulu nilai rata-rata U statistic dan standard error dari U statistic, dengan mencari dari : men, 444 Rerata 2 2 Tin, (n, +n, + 1) Standard error: Gy = YW ive [@aa+44 1 oy= Ya Oy = i? = 3.464 Setelah itu, kita lakukan langkah-langkah sebagai berikut : 1. Bentuk uji hipotesis. Hipotesis nol : H, : M, = tidak ada perbedaan nyata antara kedua program A dan B. Hipotesis alt. : H,:m,#m, ada perbedaan nyata antara kedua program A dan B. 2. a = 0.15 —> level significance 3. Daerah penerimaan H, adalah pt, +Z,, . 6, atau: 4 £ (1,44) (3,464) 4 -£4,98816 atau 4 + 4.988 106'¢-1,-1.440, >| 1,-146, 0,075 one 4. Harga U,,, tenyata masuk dalam daerah penerimaan H,, Atau kata lain U,_, = 2, terletak diantara nilai 4 + 4,988. Jadi masuk daerah penerimaan H., 5. Kesimpulan yang bisa diambil adalah tidaklah benar yang mengatakan bahwa kedua program A dan B ada perbedaan yang nyata. Kedua program tersebut temyata tidak berbeda. 107108 LATIHAN SOAL ‘Apakah yang dimaksud dengan uji U atau uji Mann-Whitney ? Bagaimanakah prosedur menganalisis data dengan uji U ? Suatu perusahaan akuntansi rubrik yang besar, dengan kantor-kantor cabang pada ibu kota propinsi, merencanakan dua program lokakarya akuntansi yang berbeda untuk membimbing akuntan yunior dalam menghadapi ujian ujian negara yang akan datang. Untuk membandingkan keefektivitasan dari program studi ini, perusahaan memilih 8 kantor cabang utama, dan 50 akuntan yunior dipilih dari setiap kantor, Para akuntan dari 4 yunior dilatih dengan program A. akuntan dari 4 kantor lainnya dengan program B. Setelah menyelesaikan ujian, jumlah akuntan yang lulus dicatat sebagai berikut : A B 28 33 31 29 27 35 25 30, ‘Apakah data di atas memberikan cukup bukti untuk menunjukkan adanya perbedaan dalam distribusi populasi latihan program A dan B ? Misalkan dari dua sampel 1 dan 1, menunjukkan data sebagai berikut : Ujilah dengan U,,, ! Sampel I Sampel II 7 15.4, UJI KRUSKAL - WALLIS Metode nonparametrik ini merupakan kelanjutan dari uji Mann-Whitney, tetapi yang diuji adalah lebih dari 2 populasi. Atau dengan kata lain, uji Kruskal-Wallis digunakan untuk melihat apakah 3 atau lebih sampel acak yang independen berasal dari populasi yang sama. Uji Kruskal-Wallis juga tergantung pada jumlah ranking tiap-tiap sampel, seperti halnya dengan uji Mann-Whitney. Rumus yang digunakan : 12 R? K = —__ > —-_ - 3 + 1) na+l) 1, dimana : =n, = jumlah nilai/unit dalam sampel ke-j — R, = jumlah ranking dalam sampel ke-j —1 jumlah seluruh nilai observasi seluruh sampel. Contoh 5.5.: Pimpinan sekolah ingin mengevaluasi keefektifan dari 3 metode perkuliahan, yaitu dengan menggunakan video cassette, Audio cassette, dan metode tatap muka. Untuk itu pimpinan mengambil secara random nilai ujian akhir semester dari 20 orang mahasiswa yang mewakili ketiga metode perkuliahan tersebut. Nilai ujian akhir semester dari 20 orang mahasiswa disajikan dalam Tabel 5.5 Tabel 5.5. Nilai ujian akhir semester 20 mahasiswa dengan perbedaan metode perkuliahan, Video cassette 74 88 «982 «93 «550 Audio cassette 7% 80 6 $7 89 Tatap muka 6 83) (50 (Os 84TH BLD Penyelesaian : Langkah pertama adalah kita membuat rangking untuk masing-masing nilai sesuai dengan urutan nilai yang terkecil seperti pada Tabel 5.6.Tabel 5.6. Rangking nilai ujian dari kecil ke besar Rangking | Nilai Metode | Rangking | Nilai | Metode 7 50 T™ i 81 ™ 2 55 4s 12 82 vc 2 57 AC 13 83 ™ 4 65 AC 14 84 T™. 5 68 T™ 15 88 VC 6 70 vc 16 89 AC e 4 ae 17 91 ™ 8 77 ™ 18 92 TM 9 7B AC 19 os ae 10 80 AC 20 94 T™. Langkah kedua adalah mencari jumlah rangking untuk masing-masing metode perkuliahan. ‘Untuk memudahkan bisa kita gunakan Tabel 5.6. Tabel 5.7. Susunan data dan rangking untuk setiap metode Video Rangking Audio Rangking Tatap Rangking cassette cassette muka 74 7 78 9 68 5 88 80 10 83 13 82 65 4 50 1 93, nF) 3 91 17 55 89 16 84 14 70 R,=42 1 8 94 20 81 i 92 18 110Langkah ketiga, mencari nilai Uji Kruskal Wallis (K-statistik) dengan rumus : 12 — 3(n+) nin+ 1) 2 (107? _ Y ]- 3004 20 (20+ 1 6 el) 9 K = (0,.2857)(620,2 + 352,8 + 1272.1) - 63 K = 1,143 Uji Hipotesis : Langkah terakhir, menentukan uji hipotesis sebagai berikut : 1. Hipotesis nol H,: , =, =}, tidak ada perbedaan diantara antara ketiga populasi, atau ketiganya mempunyai rata-rata yang sama. ketiga Hipotesis alt. H,: 1, # Ht, #H, ada perbedaan nyata antara ketiga populasi. Atau ketiganya mempunyai rerata yang tidak sama. = 0,10 —> level sginificance. 4, Daerah kritis dicari pada tabel chi-square (X*) dengan derajat bebas k-1 (dalam hal ini, k = 3), yaitu X;, = =X = 4,605. ‘oanact 01034 R ‘0402 ¢—— Daerah Penerimaan ——>' 0,10 0 K = 1,143 4,605 5. Karena nilai K-statistik < X?,,,, alau'l,143 < 4,605, maka hipotesis nol kita terima. 6. Kesimpulannya, tidak ada perbedaan yang nyata antara ketiga metode perkuliahan yang diterapkan di sekolah tersebut. Jadi, tidak efektif menerapkan tiga metode perkuliahan di sekolah tersebut. iilApakah yang dimaksud dengan uji Kruskal-Wallis? Bagaimana konsep dasar uji statistik ini! Empat kelompok A, B, C, dan D dilibatkan dalam suatu eksperimen. Data-data setiap LATIHAN SOA kelompok dipilih secara random Hasil cksperimen adalah seperti di bawah ini A B Cc D 57 43 87 60 81 él 69 70 67 a2 58 75 64 45 82 nR 96 39 90 Ty 80 OL ol 68 56 Pergunakan uji Kruskal-Wallis untuk menentukan apakah populasi empat kelompok itu mempunyai mean yang sama pada c= (08 Suatu percobaan untuk membandingkan umur rata-rata tiga merek bola lampu telah dilakukan serta memberikan data sebagai berikut Merek X Merek Y Merek Z B 84 82 64 80, 79 67 81 1 a 77 15 70 83 74 68 Dengan 0 = 0,05, ujilah hipotesis nihil bahwa rata-rata umur ketiga merek bola lampu itu tidak berbeda ! Lima club olah raga A. B. C, D, dan E diteliti rata-rata umur para pemainnya, Pemain setiap club diambil secara random, Data tentang umur pemainnya adalah : A 20 B 21 (es 24 D 17 = ea) 18 iB] 23 aan 23 16 We 25 16 26 7 18 20 18 20 29 26 19 24 16. 25 20 25 18 Dengan o. = 0,05 ujilah hipotesis nihil yang mengatakan unur rata-rata pemain lima club olah raga tersebut sama.5.5. UJI SPEARMAN (Rank Correlation Coefficient) Uji Spearman digunakan untuk melihat derajat hubungan antara 2 variabel dalam bentuk ranking. Selain itu juga, uji Spearman banyak digunakan oleh para statistisi, karena lebih mudah penghitungannya daripada menggunakan analisis korelasi biasa apabila jumlah datanya sangat besar setiap variabel. Di sini penghitungan berdasarkan ranking, bukan nilai angka dalam data. Koetisien korelasi berjenjang disimbolkan dengan r,. Nilai r, terletak antara —1 dan +1 atau dirumuskan sebagai -1 <¥, < +1. Rumus : ole fo n(n’ - 1) dimana : — r, = koefisien korelasi berjenjang — n= jumlah pasangan observasi — d= selisih jenjang (ranking) dari pasangan observasi. Contoh 5.6. : Misalkan kita ingin mengetahui hubungan ranking dari dua variabel dari $ orang siswa. Ranking diperolch dari sckolah dan dari perusahaan dimana mereka kerja 10 tahun kemudian. Data diperoleh pada tabel 5.8. Tabel 5.8. Perbandingan ranking dari 5 orang siswa Siswa ranking di sekolah | ranking di perusahaan John 4 4 Margareth ' 3 Debbie 1 1 Steve 2 2 Lisa 5 5 Penyelesaian : Data pada tabel 5.8. dapat kita hitung dengan mudah dalam bentuk data tabulasi seperti pada tabel 5.9. 113Tabel 5.9. Informasi umum perhitungan untuk koefisien korelasi berjenjang Ranking Ranking di Selisih | Selisih kuadrat Siswa di sekolah perusahaan | 2 ranking (1) (2) (1) - Q) i) = (2) 6? John 4 4 0 0 Margareth 3 3 0 0 Debbie 1 1 0 0 Steve 2 2 0 0 Lisa 5 5 0 0 Le =0 Maka koefisien korelasi berjenjang dapat dicari dengan : . 6x@ nets n( ay: 6(0) 525-1) 0 120 = | ——> koefisen korelasi berjenjang 1 Koefisien korelasi adalah 1 atau positip, hal ini berarti Korelasinya sempuma, Atau dengan kata Jain kedua ranking untuk setiap siswa adalah identik. 5.5.1. PENGUJIAN DENGAN SAMPEL KECIL Untuk jumlah sampel kecil (n < 30), distribusi r, tidak normal. Untuk itu hasil perhitungan kita bandingkan dengan tabel r, (tabel Spearman). Untuk pengujian kita anggap koefisien korelasi populasi (p, = rho-sub-s) adalah mendekati 0. Tabel Spearman digunakan untuk menentukan daerah penerimaan dan penolakan hipotesis nol (H.). Contoh 5.7 : Misalkan kita ingin menentukan apakah nilai dalam suatu test tertentu yang diperoleh pekerja-pekerja mempunyai hubungan dengan hasil pekerjaan yang dinyatakan dengan jumlah satuan yang diprodusir dalam jangka waktu tertentu. Sepuluh pekerja telah dipilih. Nilai test dinyatakan dengan X dan jumlah satuan yang diprodusir dinyatakan dengan Y. Hasil penelitian ditunjukkan dalam tabel 5.10. 114‘Tabel 5.10. Ilustrasi untuk metode korélasi berjenjang Nilai Test | Satuan yang diprodusir Pekerja a & x Jenjang Y Jenjang (X- Y) A 65 1 30 a -l I B 70 2 ea) 1 1 1 Cc 76 4 cay 3 I . D 75 - 40 5 2 4 E 80, 6 38 4 2 4 F 78 5 42 6 -1 1 G 83 7 48 8 -l i H 84 8 50 9 -l 1 I 85 9 a 10 -l 7 J ei 10, 45 7 3 9 Léa Dari data di atas koefisien Korelasi Spearman dapat dihitung : . 6 (24) nS "000 = 144 990 = 0,855 —> koefisien korelasi berjenjang =1 a Uji hipotesis nol H, : p, = 0 —> Tidak ada korelasi dalam data berjenjang dari populasi Uji hipotesis alt H, : p, #0 —> Ada orelasi dalam data berjenjang dari populasi © = 0,05 Kemudian kita lihat pada tabel Spearman dengan baris untuk n = 10 dan kolom untuk ot = 0,05, Pada tabel kita temukan harga r, sebesar + 0.6364. Daerah penerimaan hipotesis nol terletak antara -0,6364 (batas bawah) can 0,6364 (batas atas). Jadi bisa disimpulkan bahwa r, hasil perhitungan temyata lebil. cvsar dari batas atas penerimaan H,, maka kita menolak hipotesis nol yang menyatakan tidak ada korelasi antara dua jenjang dalam populasi. 15Se le 4 0.05 r, hitung = 0,855 06364 p=0 +0,6364 5.5.2, PENGUJIAN DENGAN SAMPEL BESAR Jika n > 30 distribusi sampel dari r, akan mendekati normal dengan nilai tengah nol dan standard deviasi 1/-Yn ~ T. Jadi standard error untuk roa Uji Hipotesis Uji Korelasi Berjenjang : H,: p, = 0—> tidak ada korelasi di dalam data berjenjang Spearman. H,: p, # 0—> ada korelasi nyata dalam data berjenjang Spearman. Contoh 5.8. : Kita ambil contoh 5.7, dimana dianggap sampel yang ditarik jumlahnya besar dengan r, = 0,855. Dengan o = 0,01, ujilah apakah ada korelasi positip antara nilai test dengan jumlah yang diprodusir dari seluruh pekerja-pekerja. Penyelesaian : 1. Menentukan bentuk uji hipotes H,:p, =0 tidak ada korelasi antara nilai test dengan jumlah yang diprodusir setiap pekerja. H,:p,>0 ada Korelasi positip antara nilai test dengan jumlah yang diprodusir setiap pekerja. (Bentuk uji hipotesis satu arah) a=0,01 116nv Meneari standard error dari uji Spearman : I 1 yn-i Vio-i 0,333 Mencari nilai z pada Tabel Distribusi Normal dengan & = 0,01, yaitu 2.33. Interval atau batas limit daerah penerimaan H, adalah : Papp #233 6 = 0+ (2,33) (0,333) = 0 4 0,77589 = 0 £ 0.776 0, Karena r, hitung lebih besar dari batas penerimaan H,, atau r, = 0,855 lebih besar dari batas penerimaan H,, maka hipotesis altematif dapat diterima. Dengan kata lain ada Korelasi positip antara nilai test dengan jumlah yang diprodusir setiap pekerja. Jac hipotesis nol kita tolak. WI7118 Apakah kegunaan daripada uji koefisien korelasi berperingkat ? ‘Tentukan apakah pemyataan-pemyataan berikut ini benar atau salah, jika salah betulkan pemyataan tersebut ! a. Jika r,= 1, maka r yang dihitung dari data yang sama akan sama dengan 1. b. Jika r= —1, maka r, yang dihitung dari data yang sama akan sama dengan -1. c. _Jika suatu analisis terhadap dua variabel memberikan petunjuk bahwa ada hubungan antara dua variabel pada taraf nyata o = 0,10, hubungan tersebut juga akan terbukti nyata pada taraf nyata a. = 0,05. d. Rumus pintas untuk r, dapat digunakan untuk menentukan ada atau tidaknya pasangan untuk x pengamatan dan y pengamatan. Pembantu Dekan I Fakultas Ekonomi sebuah universitas swasta di Jakarta ingin menguji apakah terdapat korelasi positip antara kemampuan matematika di SMA dengan indeks prestasi (IP) mahasiswa-mahasiswa tingkat persiapan. Untuk itu diambil sebuah sampel random sebanyak 10 orang mahasiswa tingkat persiapan. Tabel : Kemampuan Matematika dan IP Mahasiswa : 1 es = 4 i 6 7 8 9 10 Math : 75 84 8 68 69 88. aa ae aa 74 IP : 1,70 1,81 1,84 2,17 242 245 2,32 341 3.64 3,69 Saudara diminta untuk menguji korelasi antara kedua variabel tersebut dengan metode spearman (0. = 0,1). Bagaimana kesimpulan suadara ?MULTIPLE CHOICE Suatu uji Mann-Whitney (U,_,) mempunyai rata-rata U = 15. : Hi ny (+ I Hasil perhitungan dari Ua, dengan nin, + 7 = dengan cepat bisa 1 (ny + ; n(n, + D ae kita hitung nilai nn, + ——"—~ — R, adalah 2 a 10 c. 75 be 25 d. Tidak bisa dihitung Uji Kruskal Wallis (K,,..,,) bisa dilakukan pendekatan dengan distribusi sampel dari chi square, bila : a. Ukuran sampel minimal 5 c.Ukuran sampel tidak ditentukan b. Ukuran sampel kurang dari 5 4. Tidak ada pemyataan yang benar Ukuran sampel > 30 distribusi dari koefisien korelasi berperingkat bisa dilakukan pendekatan dengan distribusi : at c. chi square b. binomial d. normal Suatu uji Kruskal Wallis dari k sampel, nilai derajat bebas adalah : ak ce n-l bo ok-1 ad n-k Jika dibandingkan dengan metode parametrik, metode non parametrik : a. kurang akurat cc. mudah dihitung b. kurang efisien d. semua benar Korelast sempuma apabila keofisien korelasi berperingkat (7,): a c. sama dengan 0 b. antara 0 dan -1 d. Tidak ada yang benar Mana dari 3 sampel yang memiliki jumlah rangking paling tinggi bila diurut dari besar ke kecil (descending) : SamplA : 1 3 9 SampelBe os 1 8 SampelC : 9 4 2 C dengan jumlah rangking = 15 C dengan jumlah rangking = 20,5 ‘A dengan jumlah rangking = 16 B dengan jumlah rangking = 14,5 ae oe 119(Data di bawah ini berlaku untuk soal no.8 sid no. 9) 5 pasien dari bangsal A dan 4 pasien dari bangsal B sebuah rumah sakit swasta diambil sebagai sampel secara random. Yang diperhatikan adalah lamanya masing-masing sampel dirawat di rumah sakit tersebut (dalam hari), Data yang diperoleh sebagai berikut Bangs A: 13 4 2 10 6 Banga B: 10 9 7 8 8. Uji Mann-Whitney dilakukan untuk melihat adanya pengaruh perbedaan lamanya dirawat di rumah sakit untuk kedua bangsal tersebut. Kalau lamanya hari dirawat dirangking dari kecil ke besar, berapa rangking untuk sampel yang dirawat selama 13 hari di bangsal A? a 9 c 912 oo a 712 9. Berapa hasil dari (R, — R, )? a -12 c 12 b. 0 a. 212 10. Uji tanda dilakukan dari 800 siswa untuk memberikan penilaian terhadap dua macam test, yaitu : benar salah dan pilihan berganda. Setelah dirangking temyata ada 138 siswa memberikan respon kepada dua macam test tersebut sebesar 0. Ini menunjukkan bahwa 138 siswa tersebut : a, Tidak menyukai kedua macam test tersebut b. Tidak memberikan penilaian terhadap kedua macam test c. Rangking untuk kedua macam tipe test sama 4d. Berfikir bahwa salah satu ada yang baik dan ada yang tidak 11, 2 sampel dengan ukuran n, dan n, digunakan dalam perhitungan uji Mann-Whitney. Distribusi sampel dari U,,.,,, bisa digunakan pendekatan dengan distribusi nomial dimana ukuran kedua sampel n, dan n, : a. lebih besar dari 10 c. sama dengan 10 b. lebih kecil dari 10 d. 210 12. Distribusi sampel dari Kruskal Wallis K, asx 44Pat digunakan pendekatan distribusi chi- square, jika seluruh ukuran sampel a. lebih kecil dati 5 c. paling sedikit 5 b. lebih kecil dari 3 d. paling sedikit 3 13, Koefisien korelasi berperingkat = —1, menunjukkan bahwa : a. Korelasinya sempuma c. Tidak ada korelasi b. Korelasi tidak sempuma d. Tidak ada yang benar 12014. Koefisien korelasi berperingkat = 1 menujukkan bahwa a. Korelasinya sempuma c. Tidak ada korelasi b. Korelasi tidak sempuma 4. Tidak ada yang benar (Data di bawah ini berlaku untuk soal no. 15 std no.17) Data di bawah ini adalah data pendapatan setahun dari 7 eksekutif (A — G) yang dirangking dari 1 sampai 7 dimana rengking 1 diberikan untuk eksekutif yang memiliki pendapatan paling tinggi : A 15. 16. 19. Be GD Ee EG 2 6 4 1 3 5 7 Mana pemyataan di bawah ini yang benar : a. E pendapatannya lebih tinggi dari 4 eksekutif lainnya b. C dar F memperoleh pendapatan yang sama c. C penaapatannya lebih sedikit dari 4 eksekutif lainnya d. adan c benar ‘Survai kedua dilakukan untuk melihat hubungan pendapatan dengan kegembiraan yang dimiliki oleh ketujuh eksekutif tersebut, dimana rangking 1 diberikan untuk perasaan ‘gembira yang lebih tinggi. Apabila korelasi antara pendapatan dan kegembiraan adalah sempuma, maka rangking kegembiraan untuk eksekutif A bemilai : al «3 b 2 a 6 |. Namun bila korelasi antara pendapatan dan perasaan gembira adalah tidak sempuma, maka rangking kegembiraan untuk eksekutif F bernilai : a 7 « 5 b 2 d 3 . Apabila tak ata perbedaan antara 2 populasi, maka hipotesis nol (nihil) dalam uji tanda (sign test) a H,:p=0 c HL: p=05 b. H,:p=0 d. Tidak ada yang benar Jika n> 30 distribusi sampel r, akan mendekati normal dengan nilai tengah nol dan a Yn ce Wyn-t b. VNn-1 a yn-T |. Bentuk uji hipotesis dari koefisien korelasi berperingkat (r,) untuk menguji apakah ada korelasi antara dua karakteristik yang ingin diteliti adalah : a Hi:p,=0 c. HL: p,=05 b. H.:p,>0 a. H.:p+0 aeDAFTAR PUSTAKA COCHRAN, W.G., Sampling Techniques, John Wiley & Sons, Inc, New York, i977. DAJAN, ANTO., Pengantar Metode Statistik, Jilid Ul, LP3ES, Jakarta, 1986. DARWIS, S. Dr., Metode Survey Sampel, Modul 1-5, Penerbit Karunika Universitas Terbuka. Jakarta, 1986. DJARWANTO, Ps. Drs., Statistik Nonparamerrik, BPFE, Yogyakarta, 1986 LEVIN, R.L, RUBIN, D.S., Statistics for Management, Prentice Hall, New Jersey, 1991. MENDENHALL, W., REINMUTH, J.E., Statistics for Management and Economics, PWS Publishers, Duxbury Press, Boston, 1982. ‘SPIEGEL, M.R., Theory and Problems of : statistics, Mc Graw-Hill International, Singapore, 1981. SUPRANTO, J., Statistik : Teori dan Aplikasi, Jilid 2, Penerbit Erlangga, Jakarta, 1991, WALPOLE, R.E., MYERS, R.H., Probability and Statistics for Engineers and Scientists, 2E, Mac-Millan Co. Inc., New York, 1978. 122LAMPIRAN TABELTABEL 1 Areas Under Standart Normal Probability Distribution Between the Mean Positive Values of z* EXAMPLE : To find the area under the curve between the mean and point 2.24 standard deviation to the right of the mean, look up the value opposite 2.2 and under 04 in the table; 4875 of the area under the curve lies between the mean and a z value of 2.24 ——— o1 02 03 04 os 06 O7 08 0040 0080 01200160 «019902390279 0319 (0438 0478 0517-0557 05960636. 06750714 0832 0871 910 0948 0987 1026 1064 1103 12171255 13681406 «1443 «1480 1591-1628 1736 A772.——«1808 «1844 «1950-1985 2088 21 21572190 291.2324 2422 245424862517 2611 2642 273427642794 .2823 2910 2939 3023 3051-3078 3106 3186 3212 3289 331533403365 3438 3461 S531 35581 3517) | 9505) 3665 3686 3749 3770 «379038103830 3869 3888 3044 396239803097 41S 4049 4066 «40824099115. AIS]. 414741624177 4207 4222 423642514265 427942924306 4319 4345 A357 «4370» 4382 ABO 440644184429 44) 44634474 dd84 4495405. 451545254535. ASS. A564 4573. «458245914599 4608 4616 46254633, 4649 46564664 «= 467146784686 469346994706 ANN9 472% «©4732. AT3RAT44. = A750— 47564761 A767 4718 AT83. «4788. A793.«A798-— 4803 480848124817 482648304834 ABBR BAZ = ARASH 4850 ABSA ABST A864 4868 «= 48714875 A878 48814884 48874890 4896 4898 4901. «490449064909 4911934916 492049, 4925 492749294931 493249344936 4940 49414943 494549464948 494949514952. 4955 4956 495749594960 A961_- 4962496349 4966 49674968 496949704971 49724973. 4974 4975 4976 «497749774978 «49794979 498004981 4982 4982-4983 HOR 49844985 ADRS AIRS 4ORG 4987 4987 4988 ABR A989 ABD 498D 4990490. * From Robert D.Mason, inc, Englewood Cliffs, N.J ssentials of Statistics, © 1976. p. 307 Reprinted by permission of Prentice-Hall, 124TABEL 2 Areas in Both Tails Combined for Student's t Distribution * 05 of area 08 of area, aS STD EXAMPLE : To find the value of ¢ which comesponds to an area of .10 in both tails of the distribution combined, when there are 19 degrees of freedom, look under the .10 columm, and proceed down to the 19 degrees of freedom row; the appropriate ¢ value there is 1.729. Degrees of freedom Sige ers URERe 13 4 15 16 7 18 19 20 a1 2 23 4 25 26 27 28 29 30 40 60 120 Normal Distribution * Taken from Table Ill of Fisher and Yates, Statistical Tables for Biological, Agricultural and Medical Resarch, published by Longman Group Ltd, London (previously published by Oliver & Boyd, Edinburgh) and by permission of the authrs and publishers. 125TABEL 3 Area in the Rigt Tail of a Chi-square (X?) Distribution * 20 of area Values ofx? 141631 EXAMPLE : in a chi-square distribution with 11 degrees of freedom, if we want to find the appropriate chi-square value for .20 column in the table and proceed down to the 11 degrees of freedom row; the appropriate chi-square value there is 14.631 Degrees of ‘Area in right tail Freedom 99 O75 5 0 800 ae 00016, 00098 00398 0158 0642 2 0201 0506 103 211 A465 3 US. 216 352 584 1.005 4 207 484 mM 1.064 1649 5 554 831 1.145 1.610 2343 6 872 1.237 1.635 2.204 3.070 7 1.239 1.690 2.167 2.833 3.822 8 1.646 - 2.180 2.733 3.490 4.594 9 2.088 2.700 3.325 4.168 5.380 10 2.558 3.247 3.940 4.865 6.179 u 3.053 3.816 4375 5578 6.989 12 3571 4.404 5.226 6304 7.807 uk 4.107 5.009 5.892 7.042 8.634 4 4.660 5.629 6571 7.790 9.467 1S 5.229 6.262 7.261 8.547 10.307 16 5.812 6.908 7.962 9312 11.152 7 6.408 7.564 8.672 10.085, 12.002 18 7.015 8.231 9.390 10.865, 12.857 19 7.633 8.907 10.117 11.651 13.716 20 8.260 9591 10.851 12.443, 14.578 2 8.897 10.283 11.591 13.240 15.445, 2 9.542 10.982 12.338 14.041 16.314 23 10.196, 11.689 13.091 14,848, 17.187 m 10.856 12.401 13.848 15.658 18.062 35 11.524 13.120 14.611 16.473 18.940 26 13.844 15.379 17.292 19.820 a 12.879 14.573 16.151 18.114 20.703 2B 13.565 15.308 16.928 18.939 21.588 2 14.256 16.047 17.708 19.768 22.475, 30 14.953 16.791 18.493, 20,599 23.364 + Taken from Table IV of Fisher and Yates, Statistical Tables for Biological, Agricultural and Medical Research, published by Longman Group Ltd, London (previously published by Oliver & Boyd, Edinburgh) and by permission of the authrs and publishers. 126NOTE TABEL 4 square value leaving a of the area in the right tail. by if v, the number of degrees of freedom, is greater than 30, we can approximate X?,, the chi- 2 2 yer ov say = Where Z, is the standard normal value (from Appendix Table 1) that leaves a. of the area in the right tail, Area in right tail Degrees of 20 10 0s ms O1 freedom L642 2.706 3.841 5.024 6.635 1 3219 4.605 5.991 7378 9.210 2 4.642 6251 7815 9348 11.348 3 5.989 7779 9.488 1.143 B27 4 7.289 9.236 11.070 12833 15.086 5 8.558 10.645 12.592 14.449 16812 6 9.803 12017 14.067 16.013 18.475 7 11.030 13.362 15507 20.090 8 12.242 14.684 16919 21,666 9 13442 15.987 18307 23.209 10 14.631 19.675 24.725 ul 15812 21.026 26.217 2 16.985 27.688 B 13,151 29.141 4 19311 30.578 15 20.465 32.000 16 21615 33.409 17 22.760 34.805 18 23.900 36.191 19 25.038 37.566 20 26.171 38.932 21 27301 40.289 2 28.429 41.638 2B 29.553 42.980 2 30.675 44314 25 45.682 26 46.963 27 48.278 28 35.139 39.087 49.588 29 40.256 30 127TABEL 5 Values of for F Distribution with.05 of the Area in the Right Tail* .08 of area 394 EXAMPLE : For a test at asignificance level of .05 where we have 15 degrees of freedom for the numerator and 6 degrees of freedom for the denominator, the approppriate F value is found by looking under the 15 degrees of freedom column and proceeding down to the 6 degrees of freedom row; there we Find the appropriate F value to be 3.94, Degrees of freedom for numerator 1 2 3 4 5 6 7 8 9 10 1 | 161 | 200 | 216 230 | 24 | 237 | 230 | 2a 2] 1s | 190 | 192 193 | 193 | 194 | 194] 194 3 | 101 | 955 | 928 | 912 | 901 | 894 | 889 | 885 | 881 4] 771 | 694 | 659 | 639 | 626 | 616 | 609 | 604} 600 | 5 | 661 | 5.79 | sar | sto | sos | 495 | 4g | 482 | 477 6 514} 4.76 | 453 | 439 | 428 | 421 | ais | 410 1 474 | 435 397 | 387 | 379 | 373 | 368 8 446 | 407 369 | 358 | 350 | 344 | 339 & 9 | 512 | 426 | 386 | 363 | 348 | 337 | 329 | 323] 338 B10 | 496 | 410) 371 | 348 | 333) 322 [ey ae Bu | 484 | 398 | 359 | 336 | 320 | 309 | 301 | 295 | 290 g§ 12 | 475 | 389 | 349 | 3.26 | 311 | 300 | 291 | 285 | 280 313 | 467 | 381 | 341 | 338 | 303 | 292 | 283 | 277 | 271 & 14 { 460 | 374 | 334 | 311 | 296 | 285 | 276 | 270] 265 g 15 | 454 | 368 | 329 | 306 | 290 | 279 | 271 | 264] 259 & | B ie | 449 | 363) 324 | or | 2a5 | 274 | 2 254 | 249 7 | 445 320 | 296 | 281 | 270 | 2 249 | 245 3 18 | 441 S16) ye 293) [eae |e | 2 246 | 241 g 9 | 438 313 | 290 | 274 | 263 | 2: 242 | 238 B 20 | 435 310 | 287 | 271 | 260 | 2: 239 | 235 a | 432 | 347 | 307 | 284 | 268 2 242 | 237 | 232 m2 | 430 3.05 | 282 | 266 2 240 | 234 | 230 23 | 428 3.03 | 280 | 264 2 237 | 232 | 227 24 | 426 301 | 278 | 262 2. 236 | 230 25 | 424 299 | 276 | 260 2 234 | 228 wo | 4i7 292 | 269 242 | 2 227 | 221 | 2.16 40 | 408 284 | 261 poe 2 218 | 212 | 208 60 | 392 | 3 268 | 2.45 aug) 202 | 196 | 191 120 | 392 | 307 | 268 | 245 218 | 2 202 | 196 } 191 « | 384 | 300 | 260 | 237 210 | 2 194} 188 | 175 128TABEL 5 (Lanjutan) Values of for F Distribution with.05 of the Area in the Right Tail* SSS Degrees of freedom for numerator nm bs © 4 %®» 4 6 120 © 1 [oss [246 | me | 29 | 250 | 2sn | 252 ] 253 | 254 2] 194 | 194 | 94 | 195 | 195 | 195 | 195 | 195 | 195 3 | 87 | 870 | 866 | set | go2 | 859 | 857 | 855 | 853 4 | sor | see | s8o | 577 | 575 | 572 | S09 | 5.66 | 5.63 s | aon | 462 | 456 | 453 | 450 | 446 | 443 | 440 | 437 |e oo aot |e str: |eaeee ie cele |ecam7 | 9742 |23710,|.36)) 7 | 357 | 351 | 344 | 341 | 338 | 334 | 330 | 327 8 | 328 | 322 | 315 | 312 | 308 | 304 | 301 | 297 = 9 | 307 | 301 | 293 | 290 | 286 | 283 ] 279 | 275 Zw | 291 | 285 | 277 | 274 | 270 | 266 | 262 | 258 | 254 Bu 272 257 245 | 240 gx 262 247 234 | 230 5 13 | 2.62 247 234 | 230 54 246 231 } 2s | 243 g 1S 240 225 zu | 207 3 # 16 219 206 | 201 én 215 201 | 1.96 S18 2 197 | 1.92 g 19 207 193 | 1.88 P 20 204 190 | 184 a 201 | 196 | 192 | 187 | 181 2 198 | 194 | 189 | 184 | 178 2B i96 | 191 | 186 | 181 | 1.76 a rot} 19 | 184 | 179 | 173 25 vez | 187 f 182} 177 | a7 30 Ot 10a) | too) see] iota 7aee| a ueee| [a2 40 v2 | 1a4 | 179 | 174 | 169 | ios | iss} 1st 7) iss | 175 | 170 } Los | 159 | 153} 147) 139 120 175 | 166 | Ver | uss | 150 | 143 | 135) 125 - 167 | 157 | 1sz | 146 | 139 1 132 1.00 * Source : M. Merrington and C.M Thompson, Biometrika, vol. 33 (1943). 129TABEL 6 Values of F for F Distributions With .01 of the Area in the Right Tail 01 of area ee 105 EXAMPLE : For atest at significance level of .01 Where we have 7 degrees of freedom for the ‘numerator and 5 degrees of freedom for the denominator, the appropriate F value is found by looking under the 7 degrees of freedom column and proceeding down to the 5 degrees of freedom row; there we find the appropriate F value to be 10. Degrees of freedom for numerator gio | 593 | Sor } 450 | 417 | 394 | 377 | 363 | 3.43 glo | 585 | 494 | 443 | 410 | 387 | 370 | 356 | 3.46 8 1 2 7 4 5 6 7 8 9 10 1 4,052 | 5.000 5.403 5.625 ‘5.764 5.859 5.928 5.982| 6.023! 6.056 2 | 985 | 990 | 992 | 992 | 93 | 94 | 994 | 994 | 994 | 994 a 34.1 | 308 29.5 287 28.2 219 277 275 27.3 | 27.2 4 212 18.0 16.7 16.0 155 15.2 15.0 148 14.7 14.5 5 163 13.3 121 M4 11.0 10.7 10.5 10.3 10.2 10.1 6 13.7 10.9 9.78 915 8.75 8.47 8.26 7.10 7.98 | 7.87 7 | 122 | 955 | 84s | 785 | 746 | 719 | 699 | 684 | 672 | 662 8 2 8.65 159 7.01 6.63 6.37 6.18 6.03 5.91 5.8L 5 9 | 106 | 802 | 699 | 642 | 606 | S80 | S61 | 547 | 535 | 5.26 a 10 10.0 756 6.55 ae 5.64 a) 5.20 5.06 494 | 485 Bu | 965 | 721 | 622 | 567 | 532 | so7 | 489 | 474 | 463 | asa § 12 9.33 6.93 5.95 SAL 5.06 482 4.64 4.50 439 | 430 2 B 9.07 6.70 5.74 5.21 486 462 444 430 419 | 4.10 & 4 8.86 651 5.56 5.04 4.70 4.46 428 414 4.03 3.94 zg 15 | 808 | 636 | saz | 489 | 456 | 432 | 414 | 400 3.99 | 380 q 16 8.53 6.23 5.29 477 444 4.20 4.03 3.89 ba pe S17 8.40 6.11 5.19 4.67 434 4.10 3.93 3.79 3.68 | 3.68 3 18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 31 3.60 | 3.51 $ a 8.02 5.78 4.37 4.04 3.81 3.64 351 3.40 22 7.95 5.72 431 3.99 3.76 3.59 3.45 3.35 2 7.88 5.66 4.26 3.94 371 3.54 341 3.30 24 7.82 5.61 422 3.90 3.67 3.50 3.36 3.26 28 a oe 418 3.86. 3.63 3.46 a 3.22 » 756 ae 451 4,02 3.70 347 3.30 3.17 3.07 40 ch! 5.18 431 3.83 ee Abs — 2.89 60 7.08 498 4.13 3.65 334 3.12 2.95 2.82 2.72 120 6.85 479 3.95 3.48 317 2.96 2.79 2.66 2.56 eo | 663 | 461 | 3.78 o2 | 280 | 264 1 2511 241 331 3.26 321 3.47 3.13 2.98 2.80 2.63 2.47 2.32 130TABEL 6 (Lanjutan) Values of F for F Distributions With .01 of the Area in the Right Tail ee Degrees of freedom for numerator Degrees of freedom for denominator wees Beaua 2 15 20 m4 x 40 oo 120 =. 6.106 | 6.157 | 6.209 | 6,235 | 6,261 | 6287] 6,313 | 6,339] 6.366 994 | 94 | 94 | 995 | 995 | 95 | 995 | 5] 995 271 | 269 | 267 | 266 | 265 | 264 | 263 } 26.2] 26.1 ia | 142 | 140 | 139 | 138 | 13.7 |} 137 | 136] 135 989 | 972 | 955 | 947 | 938 | 929 | 9.20 | 9.11 | 9.02 772 | 156 | 740 | 731 | 723 | 714 | 7.06 | 697 | 6.88 647 | 631 | 616 | 607 | 599 | 591 | 582 | 5.74 | 5.65 567 | 552 | 536 | 528 | 520 | 512 | 503 | 495 | 4.86 sui | 496 | 481 | 473 | 465 | 457 | 448 | 440] 431 am | 456 | 441 | 433 | 425 | 417 | 408 | 400] 391 440 | 425 | 410 | 402 | 394 | 386 ] 3.78 | 369 | 3.60 46 | 401 | 386 | 3.78 | 370 | 362 | 354 | 345] 3.36 3.96 | 382 | 366 | 359 | 351 | 343 | 334 | 3.25 | 317 3.66 | 351 | 343 | 335 | 327 | 318 | 3.09 | 3.00 367 | 352 | 337 | 329 | 321 | 343 | 305 | 296 | 287 355 | 341 | 326 | 318 | 310 | 302 | 293 | 284] 275 346 | 331 | 3416 | 308 | 300 | 292 | 283 | 275 | 265 337 | 323 | 308 | 300 | 292 | 284 | 275 | 266 | 257 330 | 345 | 300 | 292 | 284 | 276 | 267 | 258 | 249 3.23 | 309 | 294 | 286 | 278 | 269 | 261 | 252 | 242 3.17 | 303 | 288 | 280 264 | 255 | 246 | 236 312 | 298 | 283 | 275 258 | 250 | 240} 231 3.07 | 293 | 278 | 270 254 | 245 | 235 | 2.26 3.03 | 289 | 274 | 2.66 249 | 240 | 231 | 221 2.99 | 285 | 270 | 262 DAS) | 2368 |2 227) | 217) 284 | 270 | 255 | 247 230 | 221 | 211 | 201 266 | 252 229 21 | 202 | 192 | 180 250 | 235 212 194) 184 | 173 | 160 234 | 219 195 176 | 166 | 153 | 138 204! tas | 179 isg | 1.47 1.00 131TABEL 7 Values for Spearman's Rank Correlation (r,) for Combined Area in Both Tails * n = sample size = 12) 10 of area 10 of area 3986 3986 EXAMPLE : FOR A two-tailed test of significance at the .20 level, with » = 12, the appropriate value for r, can be found by looking under the .20 column and proceeding down to the 12 row: there we find the appropriate r, value to be 3986. n 20 10 05 02 OL 002 4 8000 8000 5 7000 -8000 -9000 9000 6 6000 7714 8286 8857 9429 7 5357 6786 7450 8571 8929 8 5000 6190 7143 8095 8571 9 4667 6833 7667 8167 10 4424 6364 7333 7818 ul 4182 6091 7000 7455 12 3986 4965 5804 6713 7273 B 3791 A780 5549) 6429 6978 4 3626 4593 5341 6220 6747 15 3500 4429 5179 6000 6536 16 3382 4265 5000 5824 v7 3260 AlI8 4853 5637 18 3148 3994 ATI6 5480 19 3070 3895 4579 5333 20 2977 3789 4451 5203 21 .2909 3688 A351 5078 22 2829 3597 A241 4963 23 2167 3518 4150 4852 24 2704 3435 4061 A748 25 2646 3362 3977 4654 26 2588 3299 3894 A564 27 2540 3236 3822 A481 28 2490 3175 4401 29 2443 313 4320 30 2400 3059 A251 * Source : W.J. Conover , Pratical Nonparametne Statistics, John Wiley & Sons, Inc , New York, 1971 132,TABEL 8 Bilangan acak Kolom Baris} 1 2 3 4 5 6 7 8 9 10 1 10480 15011 01536 0211 81647 91646 69179-14194 6259036207 2 | 22368 46573 25595 85393 30995-89198. -27982 53402 93965 34095 3 | 24130 48360 22527 97265 76393 64809-15179 24830 4934032081 4 | 42167 93243 06243 61680 07856 16376 39440 53537-71341 57004 5 | 37570 39975 81837 16656 0612191782 60468 81305 49684 60672 6 | 77921 06907 11008 42751 27756 © $3498 18602 70659 9065515053 7 | 99562 72905 56420 69994 98872-31016 7119418738 44013 48840 8 | 9630) 91977 05463 07972 18876 20922 94595 56869 69014 60045 9 | 89579 14342 63661 1028117453 18103 57740-84378 2533112566 10 | 85475 36857 53342 53988 5306059533. 38867 6230008158 17983 11 | 28918 69578 88231 33276 70997 79936 5686505859 90106 31595 R 48235 03427 49626 69445-18663 72695 52180 20847 13 52636 92737 88974 33488 36320-17617 3001508272 14 | 10365 61129 87529 85689 48237 52267 67689-93394 O1S11 26358 15 | 07119 97336 71048 08178 77233-13916 47564 81056-97735 85977 16 | 51085 12765 51821 51259 77452 16308 60756 92144 49442 53900 17 | 02368 21382 52404 60268 89368 19885 55322 44819 O11RB 65255 18 | O1011 54092 33362 94904 3127304146 18594 2985271585 85030 19 | 52162 53916 46369 58586 2321614513 83149-98736 2349564350 20 | 07056 97628 33787 09998 42698 06691 7698813602 51851 46104 21 | 48663 91245 85828 14346 09172 30168 90229 04734 59193 22178 22 | 54164 58492 22421 74103 47070 25306-76468 26384 58151 06646 23 | 32639 32363 05597 24200 13363 38005 94342-28728 35806 06912 24 | 29334 27001 87637 87308 58731 00256 45834-15398 4655741135 25 | 02488 33062 28834 07351 19731 92420 60952 61280 S0O01 67658 26 | 81525 04839 96423 2487882651 66566 14778 76797 14780 27 | 29676 20591 68086 26432 46901-20849 8976R_ 81536 86645 12659 28 | 00742 57392 39064 66432-84673. 40027 3283261362 98947 96067 29 | 05366 04213 25669 26422 44407 44048-37937 63904 45766 66134 30 | 91921 26418 64117 94305 26766 25940 39972 22209-71500 64568 31 | 00582 O4711 87917 77341 42206 35126 74087-9547 81817 42607 32 | 00725 69884 62797 56170 86324 88072 76222-36086 84637-93161 33 | 69011 65795 95876 55293 18988 27354 26575 08625 40801 59920 34 | 25976 57948 29888 88604 67917 48708-18912 8227165424 69774 35 | 09763 83473 73577 12908 30883-18317 28290 35797 05998 41688 133TABEL 8 (Lanjutan) Bilangan acak Kolom Baris 1 2 3 4 s 6 7 8 7 10 36 91567 42595 27958 30134 04024 = 86385-29880. BABSS, 37 17955 56349 90999 49127 20044-59931 06115 02008 38 46503 18584-18845 49618 02304 «= 51038-20655 15475 39 92157 89634 9482478171 84610 82834-09922 48413 40 14577 62769 35605 39667 47358 = 56873 56307 49518 4i 98427 07523 33362 64270 01638 92477 66969 (45585 42 34914 63976 = 88720-82765 «= 34476 =—«:17032 87589 70002, 43 70060 28277 39475 46473 23219-53416 = 94970 94884 44 53976 54914 06990 67245 68350-82948 11398 88267 45 76072 29515 40980 07391 58745-25775 22987 96189 46 90725 52210 83974 29992 65831 38857 50490-83765 55657-14361 47 64364 67412 3333931926 © 14883-24413 59744 «92351 «9747389286 48 08962 00358 31662 25388 61642 34072 81249 35648 + S6R91 69352 49 95012 68379 93526 70765 10592 04542-76463 © 54328) 02349): 1L7T ‘50 15664 10493 20492 38391 «91132-21999 $9516 59516 81652 48223 Si 16408 81899 04153 79401 21438 = 83035, 31238, 52 1829-81953 05520 04739 13092-97662 06496 53 TBALS 35101 47498 99016 71060 = 88824 20286 54 57491 16703-23167 45021 33132 12544 45393 55 30405 83946 = 23792 15059 45799-22716 74353 56 16631 35006 85900 98275-32388 «5239016815 38480, ‘S57 96773 20206 «42559-78985 «05300 22164 «24369. 19687 58 38935 64202 14349 82674 66523-44133 00697 19124 59 31624 76384 «17403 53363 44167 64486 61758. 31601 60 78919 19474 23632 27889 «47914 02584 37680. 39339, 61 03931 633309 S7047 74211 63445 17361 62825 91284 62 74426-33278 «10119-89917 eel ipl 88662 63 09066 00903 20795 95452 92648 45454. 51125, 64 42238 «12426 8702514267 20979-4508 29472, 65 16153 08002 26504 41744 «81959 65642. 56302 00033 67107 66 21457 40742 29820-96783 29400 21840 15035 3453733310 06116 67 21581 57802 02050 89728 17937 37621_«= 47075-42080: 97403 48626 68 55612 78095 83197 33732 OS810 24813 86902 60397 16489 03264 69 44657 66999 99324 51281 84463 6056379312 93454 68876 25471 70 91340 84979 46949 81973 37949 61023-43997 15263 80644 43942 134TABEL 8 (Lanjutan) Bilangan acak Kolom Baris L 2 BS 4 5 6 7 8 9 10 mW 91227 21199 31935 27022 84067 05462-35216 «14486 29891 68607 2 50001 38140 66321 19924 72163 09538 12151 06878 91903 18749 = 65390 05224 72958 28609 81406 39147-25549 48542 42627 45233 74 27504 96131 83944 41575 10573. 08619 64482-73923 36152 05184 75 37169 94851 39117 89632 00959 16487 65536 49071 39782 17095 76 11508 70225 S111] 38351 19444 66499 71945 05422-13442 78675 oo 37449 3036206694 54690 04052-53115. 62757-95348 7866211163 8 46515 70331 8592: 57015-15765. 97161 17869 45349 61796 79 30986 81223 42416 58353 21532 30502 32305 86482-05174 07901 80 63798 64995 46583 09785 44160 78128 83991 42865 92520 83531 81 82486 84846 99254 67632 43218 50076-21361 64816 51202 88124 82 21885 32906 92431 09060 51674 64126 © 62570 26123 05155. 83 60336 «98782 07408 53458 13564 © $9089 26445-29789 85205 41001 84 | 43937 46891 24010 25560 86355 33941 25786 54990 7189915475 85 97656 63175 89303 16275 07100 92063 21942 18611 47348 20203 86 03299 01221 05418 38982 $5758 92237 26759-86367 21216-98442 87 79626 06486 03574-17668 +0785 = 76020 79924-25651 83325 88428 88 85636 68335 47539 03129 65651 11977 02510 26113 99447 68645, 89 18039 14367 61337 06177 12143 46609 32989-74014 64708 00533 90, 08362 15656 60627 36478 65648 16764 $3412 09013 0783241574 OL 79556 29068 04142 16268» :15387 12856 66227-38358 22478 73373 92 92608 82674 27072 32534 17075-27698 += 98204. 6386311951 34648 93 23982 25835 40055 67006 »=—-12293. 02753. 1482723235 35071 99704 94 09915 96306 05908 97901 28395 14186 00821-80703 7042675647 95 59037 33300 26695 62247 69927-76123 SO842 43834 86654 70959 96 42488 78077 69882 34136 © 79180-97526 04098 «73571 = 46764 86273 63003 31204 © 36692 40202 57306 55543 98 03237 45430 55417 90816 17349-88298 36600 78406 99 86591 81482 52667 14972 90053 89534. 76036 49199 43716 100 38534 O1715 94964 65680 © 43772--39560-«12918 86537 62738 —— ‘Abridged from Handbook of Tables for Probability, 2nd edEdited by William H Beyer Cleveland : The Chemical Rubber Company.1968) Reproduced by permission of CRC Press.lne. 135