Anda di halaman 1dari 65

Bahan Ajar Statistika

1. Pendahuluan dan Skala Pengukuran

Definisi Statistika
Statistika adalah ilmu yang terdiri dari teori dan metode yang merupakan cabang dari
matematika terapan dan membicarakan tentang : bagaimana mengumpulkan data, bagaimana
meringkas data, mengolah dan menyajikan data, bagaimana menarik kesimpulan dan hasil
analisis, bagaimana menentukan keputusan dalam batas batas resiko tertentu berdasarkan
strategi yang ada (Sudjana, 2004).

Peranan Statistika
Statistika dapat digunakan sebagai alat :
a. Komunikasi : penghubung beberapa pihak yang menghasilkan data statistic sehingga
mereka bisa mengambil keputusan melalui informasi tersebut.
b. Deskripsi : untuk penyajian data
c. Regresi : meramalkan pengaruh data yang satu dengan data yang lainnya.
d. Korelasi : mencari kuatnya atau besarnya hubungan data dalam satu penelitian.
e. Komparasi : membandingkan data dua kelompok atau lebih.

Data Statistik
Data adalah bentuk jamak dari datum. Data merupakan keterangan keterangan tentang suatu
hal, dapat berupa sesuatu yang diketahui atau dianggap. Jadi, data dapat diartikan sebagai sesuatu
yang diketahui atau yang dianggap atau anggapan.

Penyajian Data
Penyajian data dapat berupa :
1. Tabel data
a. Tabel Frekuensi : tabel yang menunjukkan atau memuat banyaknya kejadian atau
frekuensi
b. Tabel klasifikasi : tabel yang menunjukkan atau memuat pengelompokkan data
c. Tabel kontingensi : tabel yang menunjukkan atau memuat data sesuai rinciannya

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 17


Bahan Ajar Statistika

d. Tabel korelasi : tabel yang menunjukkan atau memuat adanya korelasi (hubungan
antara data yang disajikan).
2. Grafik data
a. Piktogram : grafik data yang menggunakan gambar atau lambing dari data itu sendiri
dengan skala tertentu.
b. Grafik batang atau balok : grafik berbentuk persegi
c. Grafik garis : grafik data berupa garis, diperoleh dari beberapa ruas garis yang
menghubungkan titik titik pada bidang bilangan.
d. Grafik lingkaran (Piechart) : grafik data berupa lingkaran yang telah dibagi menjadi
juring juring sesuai dengan data tersebut.
e. Kartogram atau peta statistik adalah grafik data berupa peta yang menunjukkan
kepadatan penduduk, curah hujan, perjalanan asal tujuan dan lain lain.

Skala Pengukuran
Skala Pengukuran adalah penggunaan notasi bilangan dalam pengukuran. Menurut skala
pengukurannya, data dibedakan atas empat yaitu data nominal, data ordinal, data interval dan
data rasio.
a. Data nominal (kategori)
Data yang diberikan pada objek atau kategori yang tidak menggambarkan kedudukan objek
atau kategori tersebut terhadap objek atau kategori lainnya, tetapi hanya sekadar label atau
kode saja.
Ciri ciri data nominal :
1. Kategori data bersifat saling lepas (satu objek hanya masuk pada 1 kelompok saja).
2. Kategori data tidak disusun secara logis
Contoh : 1 untuk pria
0 untuk wanita
b. Data ordinal (kategori)
Data yang penomoran objek atau kategorinya disusun menurut besarnya, yaitu dari tingkat
terendah ke tingkat tertinggi atau sebaliknya dengan jarak / rentang yang tidak harus sama.
Contoh : nilai A adalah dari 80 100
nilai B adalah dari 65 79

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 18


Bahan Ajar Statistika

nilai C adalah dari 55 64


nilai D adalah dari 45 54
nilai E adalah dari 0 44
c. Data interval (skala)
Data dimana objek dapat diurut berdasarkan suatu atribut yang memberikan informasi
dengan interval yang sama antara tiap objek.
Contoh : A B C D E
1 2 3 4 5
d. Data rasio (skala)
Data yang memiliki sifat sifat data dengan makna empiris. Angka pada data menunjukkan
ukuran yang sebenarnya dari objek/kategori yang diukur.

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 19


Bahan Ajar Statistika

2. Distribusi Frekuensi

Definisi Distribusi Frekuensi


Susunan data menurut kelas kelas interval tertentu atau menurut kategori tertentu dalam sebuah
daftar

Bagian bagian distribusi frekuensi


1. Kelas kelas (class)
Kelas adalah kelompok nilai data / variabel
2. Batas kelas (class limits)
Batas kelas adalah nilai yang membatasi kelas yang satu dengan yang lain. Terdapat 2 (dua)
batas kelas :
a. Batas kelas bawah (lower class limits), yaitu deretan sebelah kiri tiap kelas
b. Batas kelas atas (upper class limits), yaitu deretan sebelah kanan tiap kelas
3. Tepi kelas
Tepi kelas disebut juga batas nyata kelas. Terdapat tepi kelas, yaitu :
a. Tepi bawah kelas
b. Tepi atas kelas
Tepi kelas ini tergantung ketelitian / keakuratan pencatatan data
Misalnya : sampai 1 desimal maka :
a. tepi bawah kelas : batas bawah kelas 0,5
b. tepi atas kelas : batas atas kelas + 0,5
4. Titik tengah kelas atau tanda kelas (class mid point, class marks)
Titik tengah kelas atau tanda kelas adalah data yang terletak di tengah suatu kelas
(merupakan wakil dari kelas).
Titik tengah = (batas atas + batas bawah) kelas
5. Interval kelas (class interval)
Interval kelas adalah selang yang memisahkan kelas yang satu dengan yang lain
6. Panjang interval kelas atau luas kelas (interval size)
Panjang interval adalah jarak antara tepi atas kelas dan tepi bawah kelas

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 20


Bahan Ajar Statistika

7. Frekuensi kelas (class frequency)


Adalah banyaknya data yang termasuk ke dalam kelas tertentu.

Contoh bagian bagian distribusi Frekuensi


Penduduk Negara x
penduduk (jutaan) Frekuensi (f)
50 - 59 16
60 - 69 32
70 - 79 20
80 - 89 17
90 - 99 15
Jumlah 100

Bagian bagian distribusi frekuensi :


1. Jumlah kelas : 5
2. Batas kelas : 50, 59, 60, 69, , 99
Batas bawah : 50, 60, 70, , 90
Batas atas : 59, 69, 79, , 99
3. Batas nyata kelas kelas : 49,5 ; 59,5 ; 69,5 ; ; 99,5
Tepi bawah : 49,5 ; 59,5 ; 69,5 ; 79,5 ; 89,5
Tepi atas : 59,5 ; 69,5 ; 79,5 ; 89,5 ; 99,5
4. Titik tengah : 54,5 ; 64,5 ; 74,5 ; 84,5 ; 94,5
5. Interval kelas kelas : 50 59, 60 69, , 90 99
6. Panjang interval kelas masing masing : 10
7. Frekuensi kelas : 16 , 32, 20, 17 dan 15

Penyusunan Distribusi Frekuensi :


Langkah langkah :
1. Urutkan data dari yang terkecil ke yang terbesar
2. Tentukan jangkauan (range) dari data
Jangkauan = data terbesar data terkecil
3. Menentukan banyaknya kelas (k)

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 21


Bahan Ajar Statistika

Banyaknya kelas ditentukan dengan rumus Sturgess :


k 1 3,3 log n k bulat
Keterangan : k = banyaknya kelas
N = banyaknya data
Hasilnya dibulatkan
4. Menentukan panjang interval kelas (i)
Jangkauan (R)
i
Banyaknya kelas (k)
5. Menentukan batas bahwa kelas pertama
Biasanya dipilih dari data terkecil atau data terkecil yang berasal dari pelebaran jangkauan (<
data terkecil) dan selisihnya haru < panjang interval kelasnya.
6. Menuliskan frekuensi kelas dalam kolom turus (tally : system turus) sesuai banyaknya data.

Contoh distribusi frekuensi :


Pengukuran pipa (mm)
78 72 74 79 74 71 75 74 72 68
72 73 72 74 75 74 73 74 65 72
66 75 80 69 82 73 74 72 79 71
70 75 71 70 70 70 75 76 77 67

Buat distribusi frekuensi dari data di atas!

Penyelesaian
a. Urutkan data
65 66 67 68 69 70 70 70 70 71
71 71 72 72 72 72 72 72 73 73
73 74 74 74 74 74 74 74 75 75
75 75 75 76 77 78 79 79 80 82

b. Jangkauan (R) = 82 65 = 17
c. Banyaknya kelas (k)
k = 1 + 3,3 log 40

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 22


Bahan Ajar Statistika

= 1 + 5,3 = 6,3 6
d. Panjang interval kelas (i)
15
i = 2,5 3
6
e. Batas kelas pertama adalah 65 (data terkecil)
f. Tabel
Pengukuran Diameter Pipa Pipa (mm)
Diameter Turus Frekuensi

65 - 67 3

68 - 70 6

71 - 73 12

74 - 76 13

77 - 79 4

80 - 82 2
Jumlah 40

Pekerjaan Rumah
Buat distribusi frekuensi dari data di bawah ini,

24 25 31 44 42 41 28 47 48 43
20 41 59 55 29 52 22 39 24 57
17 32 38 46 47 63 41 43 56 18
45 54 37 39 42 32 24 46 35 43
26 30 57 47 22 25 20 62 24 19
59 31 48 61 41 38 25 52 34 45
48 32 46 44 56 49 42 47 45 29
36 32 54 60 45 48 35 52 51 54
53 42 42 26 42 24 28 30 33 41
44 24 69 23 61 30 62 39 34 43

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 23


Bahan Ajar Statistika

3. Analisis Deskriptif (Pengukuran Gejala Pusat / Central


Tendency)

Definisi
Rata rata (averages) adalah nilai tunggal yang dianggap dapat mewakili keseluruhan nilai
dalam data. Nilai inilah yang disebut ukuran nilai pusat atau ukuran tendensi pusat. Nilai rata
rata memiliki kecenderungan (tendensi) terletak di urutan tengah atau pusat.

Jenis jenis ukuran nilai pusat


1. Rata rata hitung (Mean)
Mean adalah nilai rata rata dari data yang ada
Mean untuk populasi

Mean untuk sampel x


a. Mean data tunggal
xi
x dimana: x = Mean
n
xi = wakil/nilai data
n = jumlah data
Contoh : Hitung mean dari nilai nilai : 7, 6, 3, 4, 8, 8
x = 7, 6, 3, 4, 8, 8
n=6
x i = 7 + 6 + 3 + 4 + 8 + 8 = 36
36
x =6
6
Jika nilai x1, x2, , xn memiliki frekuensi f1, f2, , fn maka mean :
fi x i f1x1 f2 x 2 ... fn x n
x
fi f1 f2 ... fn

Hitung mean dari data 3, 4, 3, 2, 5, 1, 4, 5, 1, 2, 6, 4, 3, 6, 1


Penyelesaian : nilai 3 keluar 3 kali, maka x 1 = 3, f1 = 3

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 24


Bahan Ajar Statistika

nilai 4 keluar 3 kali, maka x2 = 4, f2 = 3


nilai 2 keluar 2 kali, maka x3 = 2, f3 = 2
nilai 5 keluar 2 kali, maka x4 = 5, f4 = 2
nilai 1 keluar 3 kali, maka x5 = 1, f5 = 3
nilai 6 keluar 2 kali, maka x6 = 6, f6 = 2
f i x i = 3 x 3 + 3 x 4 + 2 x 2 + 2 x 5 + 3 x 1 + 2 x 6 = 50

f i = 3 + 3 + 2 + 2 + 3 + 2 = 15

fi x i 50
x = 3,3
fi 15

b. Mean Data Berkelompok

t i .f i
x x = Mean
fi

ti = titik tengah
fi = frekuensi
Contoh :
Diketahui : nilai ujian Mekanika Teknik yang diikuti oleh 70 peserta seperti pada tabel
distribusi frekuensi di bawah ini :

Nilai interval frekuensi (f)


60 - 64 2
65 - 69 6
70 - 74 15
75 - 79 20
80 - 84 16
85 - 89 7
90 - 94 4
Jumlah 70

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 25


Bahan Ajar Statistika

Hitung mean data berkelompok !


Titik Tengah Frekuensi Jumlah
No Nilai Interval
(ti) (fi) (ti.fi)
1 60 - 64 62 2 124
2 65 - 69 67 6 402
3 70 - 74 72 15 1080
4 75 - 79 77 20 1540
5 80 - 84 82 16 1312
6 85 - 89 87 7 609
7 90 - 94 92 4 368
Jumlah fi = 70 ti = 5435

ti . f i 5435 = 77,643
x 70
fi

Teori lain untuk menghitung mean kelompok


f i .s i
x t0 x = Mean
P fi

t0 = titik tengah ke-0


fi = frekuensi
si = tanda angka meningkat atau menurun
P = panjang kelas

Contoh :
Diketahui soal sama seperti di atas
Titik Tengah Jumlah
No Nilai Interval fi si
(ti) (fi. si)
1 60 - 64 62 2 -3 -6
2 65 - 69 67 6 -2 -12
3 70 - 74 72 15 -1 -15
4 75 - 79 77 *) 20 0 *) 0
5 80 - 84 82 16 1 16
6 85 - 89 87 7 2 14
7 90 - 94 92 4 3 12
Jumlah fi=70 (fi.si)=9

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 26


Bahan Ajar Statistika

Langkah langkah :
1. Buat tabel baru seperti di atas
2. Pilih satu titik tengah sembarang misalnya t0 = 77 kemudian beri angka 0 pada kolom
si .
3. Urutkan nilai titik tengah yang < t0 dengan angka -1, -2, -3 pada kolom si dan nilai
titik tengah yang lebih besar dengan angka 1, 2, 3 pada kolom tersebut.
4. Hitung Mean
f i .s i 9

x t0 P 77 5 = 77,643
fi 70
Jadi mean kelompok = 77,643

2. Modus (Mode)
Modus adalah nilai yang paling sering muncul dalam data. Modus biasa disingkat (Mo).
a. Modus data tunggal
Modus dari data tunggal adalah data yang frekuensinya terbanyak.
Contoh : Tentukan Modus dari
1). 1, 4, 7, 8, 9, 9, 11
2). 1, 4, 7, 8, 9, 11, 13
3). 1, 2, 4, 4, 7, 9, 11, 11, 13
4). 1, 1, 3, 3, 7, 7, 12, 12, 14, 15

b. Modus data berkelompok


F1
Mo P Mo = Modus
B
b
F1 F2

Bb = Batas bawah kelas yang mengandung nilai modus


P= Panjang kelas nilai modus
F1 = selisih antara frekuensi mode (f) dengan frekuensi
sebelumnya (fsb)
F2 = selisih antara frekuensi mode (f) dengan frekuensi
sesudahnya (fsd)

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 27


Bahan Ajar Statistika

Contoh
Dengan soal yang sama dengan soal pada mean (Nilai ujian Mekanika Teknik), tentukan
modus data berkelompok.

No Nilai Interval f
1 60 - 64 2
2 65 - 69 6
3 70 - 74 15 fsb
Bb = (74+75)=74,5 F1= f-fsb = 20-15 = 5

4 75 79 P = 5 20 f = 20

F2= f-fsd = 20-16 = 4


5 80 - 84 16 fsd
6 85 - 89 7
7 90 - 94 4
70

Langkah langkah :
1. Cari frekuensi modus terbanyak, yaitu 20. Nilai modus ada di kelas interval ke-4.
2. Cari batas bawah kelas mode (Bb) Bb = (74 + 75) = 74,5
3. Hitung panjang kelas mode (P) P = 75 79 = 5
4. Cari F1 F1 = f fsb = 20 15 = 5
5. Cari F2 F2 = f fsd = 20 16 = 4
6. Modus
F1 5
Mo P 74,5 5 77,278
B b
F F 5 4
1 2

3. Median
Median (Me) adalah nilai tengah dari gugusan data yang telah diurutkan mulai dari data
terkecil sampai data terbesar atau sebaliknya.
a. Median untuk data tunggal
Contoh 1 : Jumlah data ganjil

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 28


Bahan Ajar Statistika

Diketahui data : 65; 70; 90; 40; 35; 45; 70; 80 dan 50
Ditanya : tentukan median
Penyelesaian : urutkan data : 35; 40; 45; 50; 65; 70; 70; 80; 90
Cari posisi median : Me = (n+1); Me = (9+1) =5
(posisi median pada data ke-5)
Jadi, Me = 65

Contoh 2 : Jumlah data genap


Diketahui data : 50; 65; 70; 90; 40; 35; 45; 70; 80 dan 90
Ditanya : tentukan median
Penyelesaian : urutkan data : 35; 40; 45; 50; 50; 65; 70; 70; 80; 90
Cari posisi median : Me = (n+1); Me = (10+1) =5,5
Jadi, Me = (50 + 65) = 57,5
b. Median untuk data berkelompok

Me 1 n Jf Me = Median
Bb P 2
f Bb = batas bawah kelas sebelum median akan terletak
P= panjang kelas nilai median
n= Jumlah data
f= frekuensi kelas median
Jf = jumlah dari semua frekuensi kumulatif sebelum
kelas median

Contoh
Nilai ujian Statistika
70 70 71 60 63 80 81 81 74 74 66 66 67 67 67 68 76 76
77 77 77 80 80 80 80 73 73 74 74 74 71 72 72 72 72 83
84 84 84 84 75 75 75 75 75 75 75 78 78 78 78 78 78 79
79 81 82 82 83 89 85 85 87 90 93 94 94 87 87 89

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 29


Bahan Ajar Statistika

Penyelesaian
1. Urutkan data

60 63
66 66 67 67 67 68
70 70 71 71 72 72 72 72 73 73 74 74 74 74 74
75 75 75 75 75 75 75 75 76 76 77 77 77 78 78 78 78 78 79 79
80 80 80 80 80 81 81 81 82 82 83 83 84 84 84 84
85 85 87 87 87 89 89
90 93 94 94

2. Hitung Rentang
R = data tertinggi data terendah
R = 94 60 = 34

3. Hitung jumlah kelas (k) dengan Sturgess


k = 1 + 3,3 log 70
k = 1 + 3,3 . 1,845
k = 1 + 6,0885 = 7,0887 = 7

4. Hitung panjang kelas interval (P)


34
P
rentangan (R) = 4,857 5
Jumlah kelas (k) 7

5. Tentukan batas kelas interval


(60 + 5) = 65 - 1 = 64
(65 + 5) = 70 - 1 = 69
(70 + 5) = 75 - 1 = 74
(75 + 5) = 80 - 1 = 79
(80 + 5) = 85 - 1 = 84
(85 + 5) = 90 - 1 = 89
(90 + 5) = 95 - 1 = 94

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 30


Bahan Ajar Statistika

6. Tabel distribusi Frekuensi


Nilai Turus Frekuensi

60 - 64 2

65 - 69 6

70 - 74 15

74 - 79 20

80 - 84 16

85 - 89 7

90 - 94 4
Jumlah 70

No Nilai interval frekuensi (f)


1 60 64 2
2 65 69 6 Jf = 2+6+15=23
3 70 74 Bb=74+ = 74,5 15

4 75 79 P = 5 20 f = 20
5 80 84 16
6 85 89 7
7 90 94 4

7. Cari nilai interval yang mengandung unsur median dengan rumus n.


n = x 70 = 35. Median ada pada kelas interval ke-4
8. Batas bawah kelas median (Bb)
Bb = (74 + 75) = 74,5
9. Hitung panjang kelas median (P) P = 75 79 = 5
10. Cari jumlah frekuensi kelas median (f) f = 20
11. Cari jumlah semua frekuensi kumulatif di bawah kelas median (Jf)
Jf = 2 + 6 + 15 = 23

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 31


Bahan Ajar Statistika

12. Hitung median


1 70 23
1 n
Me B 2J f 74,5 5 2 =77,5
P
b
f 20

Jadi Median (Me) = 77,5

Pekerjaan Rumah
Diketahui data seperti di bawah ini
79 82 78 86 84 87 85 86 86 86
77 82 78 43 50 46 71 59 67 79
66 41 47 84 70 100 90 87 87 47
75 81 60 76 82 83 40 44 100 53
83 84 67 43 81 74 52 98 98 96
79 80 63 88 73 84 86 85 85 47
87 92 88 77 100 65 82 80 93 90
66 54 85 66 79 78 78 60 51 41
67 58 86 78 77 69 84 85 84 77
87 92 88 91 78 78 82 93 87 87

1. Cari mean, modus dan median untuk data tunggal


2. Cari mean, modus dan median untuk data kelompok

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 32


Bahan Ajar Statistika

4. Pengukuran Penyimpangan (Dispersi)

Definisi
Pengukuran penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai
nilai data dari nilai nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai nilai
data yang berbeda dengan nilai nilai pusatnya.

Jenis jenis ukuran dispersi


1. Range (Jangkauan / Rentangan)
Range adalah data tertinggi dikurangi data terendah
R = data tertinggi data terendah
Contoh : Tentukan jangkauan data
Nilai kelas A : 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Nilai kelas B : 80, 80, 75, 95, 75, 70, 95, 60, 85, 90
Penyelesaian : Data diurutkan
Nilai kelas A : 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Nilai kelas B : 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
Range kelas A : 100 50 = 50
Range kelas B : 95 60 = 35

2. Standard Deviation (Simpangan Baku)


Standard Deviation adalah suatu nilai yang menunjukkan tingkat (derajat) variasi kelompok
atau ukuran standar penyimpangan dari reratanya.
a. Simpangan baku data tunggal

2 x
x 2 x
n 1
atau s
n 2
1 n x
n 1

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 33


Bahan Ajar Statistika

Contoh : Data nilai Statistik


No X x2
1 75 5625
2 70 4900
3 80 6400
4 85 7225
5 60 3600
6 75 5625
7 100 10000
8 90 8100
9 95 9025
10 75 5625
2
n = 10 x = 805 x = 66125

Simpangan baku :

2 x (805)2
x 66125
n 2 10 1322,5 146,9 =12,12
1
n 10 1 = 9
1 n

atau
2
No X x- x (x- x )
1 75 -5.5 30.25
2 70 -10.5 110.25
3 80 -0.5 0.25
4 85 4.5 20.25
5 60 -20.5 420.25
6 75 -5.5 30.25
7 100 19.5 380.25
8 90 9.5 90.25
9 95 14.5 210.25
10 75 -5.5 30.25
2
x = 805 x = 1322.5

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 34


Bahan Ajar Statistika

x = 80,5
x
805
n 10

x 1322,5
Simpangan baku s 146,9 = 12,12
2 10 1
x
n 1

b. Simpangan baku data berkelompok

2
2
fx
fx 2
f f x x
n 1
atau s
f f
1 1

Contoh : Data distribusi nilai Metodologi Penelitan


Nilai Titik Tengah
No f f.x x2 f. x
2

Interval (x)
1 60 - 64 2 62 124 3844 7688
2 65 - 69 6 67 402 4489 26934
3 70 - 74 15 72 1080 5184 77760
4 75 - 79 20 77 1540 5929 118580
5 80 - 84 16 82 1312 6724 107584
6 85 - 89 7 87 609 7569 52983
7 90 - 94 4 92 368 8464 33856
2
f = 70 f.x = 5435 fx = 425385

2 5435
425385
fx 2
2
fx
f 70
n 1 =7,0156
f 70 1
1

atau

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 35


Bahan Ajar Statistika

Nilai Batas
No f f.x 2 2
kelas x- x (x- x ) f(x- x )
Interval
(x)
1 60 - 64 2 64,5 129 -15,6429 244,699 489,398
2 65 - 69 6 69,5 417 -10,6429 113,2704 679,6224
3 70 - 74 15 74,5 1117,5 -5,64286 31,84184 477,6276
4 75 - 79 20 79,5 1590 -0,64286 0,413265 8,265306
5 80 - 84 16 84,5 1352 4,357143 18,98469 303,7551
6 85 - 89 7 89,5 626,5 9,357143 87,55612 612,8929
7 90 - 94 4 94,5 378 14,35714 206,1276 824,5102

f=70 f.x=5610 2
f(x- x ) =3396,071

fx 5610
x 80,14286
f 70

Simpangan baku untuk data berkelompok :

f x 3396,071
s =7,0156
x
2 70 1

f 1
3. Variance (Varians)
Variance adalah kuadrat dari simpangan baku. Fungsinya untuk mengetahui tingkat
penyebaran atau variasi data.
Contoh :
Standar deviasi (s) = 12,12 maka varians (s atau 2n 1 ) = 146,9

Pekerjaan Rumah
Gunakan data PR di kuliah 3 dan buat dispersi untuk data tunggal dan data berkelompok.

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 36


Bahan Ajar Statistika

2
5. Chi Kuadrat ( )

2
Metode Chi Kuadrat ( ) digunakan untuk mengadakan pendekatan (estimasi) dari beberapa
faktor, menggunakan data nominal (deskrit) yang diperoleh dari hasil hitungan atau dengan kata
lain Chi Kuadrat digunakan untuk mengevaluasi frekuensi hasil observasi dengan
frekuensi yang diharapkan, apakah ada hubungan atau perbedaan antara keduanya. Besarnya nilai
2
bukan merupakan ukuran derajat hubungan/perbedaan.

2
Rumus untuk menghitung

f f 2
2 o e
fe

2
= Nilai chi-kuadrat
fo = frekuensi yang diobservasi
fe = frekuensi yang diharapkan

Rumus mencari frekuensi teoritis (fe)

fk fb
f
e
T

fe = frekuensi yang diharapkan


fk = jumlah frekuensi pada kolom
fb = jumlah frekuensi pada baris
T = jumlah keseluruhan baris dan kolom

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 37


Bahan Ajar Statistika

Contoh
Diadakan penelitian untuk mengetahui displin berlalu lintas di tiga lokasi. Sampel diambil
sebanyak 725 orang. Lokasi 1 = 275 orang, lokasi 2 = 250 orang dan lokasi 3 = 200 orang

Disiplin Berlalu Lintas


Lokasi Tinggi Sedang Rendah Total
(100 - 85) (81 - 66) (65 - 0)
Lokasi 1 150 75 50 275
Lokasi 2 75 150 25 250
Lokasi 3 150 25 25 200
Jumlah 375 250 100 725

Penyelesaian
Langkah 1 : Membuat Ha dan H0 dalam bentuk kalimat
Ha : Ada perbedaan yang signifikan antara disiplin berlalu lintas di lokasi 1, lokasi 2
dan lokasi 3.
Ho : Tidak ada perbedaan yang signifikan antara disiplin berlalu lintas di lokasi 1,
lokasi 2 dan lokasi 3.

Langkah 2 : Mencari frekuensi yang diharapkan (fe) pada tiap sel

fk fb
f
e
T

375 275 250 275 100 275


142,24 94,83 37,93
725 725 725
375 250 250 250 100 250
129,31 86,21 34,48
725 725 725
375 200 250 200 100 200
103,45 68,96 27,59
725 725 725

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 38


Bahan Ajar Statistika
2
Langkah 3 : Menghitung
; f f 2

2 o e
fe
150 142,24 2 2
2 0,42 25 94,83 50 37,93
4,15 3,84
142,24 94,83 37,93
75 129,31 2
150 86,21 2 2
22,81 25 34,48
47,2 2,61
129,31 86,21 34,48
150 103,45 25 68,96 25 27,59
2 20,95 2 28,02 2 0,24
103,45 68,96 27,59

2
= 0,42 + 4,15 + 3,84 + 22,81 + 47,2 + 2,61 + 20,95 + 28,02 + 0,24
= 130,24

2
Langkah 4 : Mencari tabel.
dk = (k-1) . (b-1)
dk = (3-1) . (3-1) = 4
2
Nilai tabel untuk 0,01 = 13,28 dan 0,05 = 9,49
2 2 2 2
Kemudian bandingkan antara hitung dan tabel. Jika hitung tabel tolak H0, artinya
2 2
signifikan atau sebaliknya. Ternyata hitung tabel atau 130,24 > 13,28 maka H0 ditolak :
Signifikan.

Langkah 5 : Kesimpulan
Ada perbedaan disiplin berlalu lintas yang signifikan pada ketiga kelas.

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 39


Bahan Ajar Statistika

6. Korelasi Pearson Product Moment

Teknik analisis korelasi PPM termasuk teknik Statistik parametrik yang menggunakan data
interval dan ratio dengan persyaratan tertentu. Misalnya : data dipilih secara acak (random), data
berdistribusi normal, data yang dihubungkan berpola linier, dan data yang dihubungkan
mempunyai pasangan yang sama sesuai dengan subjek yang sama. Kalau salah satu persyaratan
tersebut tidak terpenuhi, analisis korelasi tidak dapat dilakukan. Rumus yang digunakan korelasi
PPM,

n XY X. Y
rXY
2
n. X2 X . n. Y2
2
Y

Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-1 r +1).
Apabila nilai r = -1 artinya korelasinya negatif sempurna; r = 0 artinya tidak ada korelasi; dan r =
1 berarti korelasinya sangat kuat. Interpretasi nilai r dapat dilihat pada tabel berikut.
Interpretasi Koefisien Nilai r
Interval Koefisien Tingkat Hubungan
0,80 - 1,000 Sangat Kuat
0,60 - 0,799 Kuat
0,40 - 0,599 Cukup Kuat
0,20 - 0,399 Rendah
0,00 - 0,199 Sangat Rendah

Pengujian lanjutan yaitu uji signifikansi yang berarti menguji apakah korelasi yang digambarkan
oleh r itu signifikan atau tidak. Uji signifikansi ini menggunakan rumus :

rn 2
thitung
1 r2

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 40


Bahan Ajar Statistika

Contoh : Hubungan Motivasi dengan Kinerja Dosen


Diketahui :
Motivasi (X) 60 70 75 65 70 60 80 75 85 90 70 85
Kinerja (Y) 450 475 450 470 475 455 475 470 485 480 475 480

Ditanya :
a. Berapakah besar hubungan motivasi dengan kinerja dosen?
b. Buktikan apakah ada hubungan yang signifikan antara motivasi dengan kinerja dosen.

Penyelesaian
Langkah 1. Buat tabel bantu seperti di bawah ini
No X Y X2 Y2 XY
1 60 450 3600 202500 27000
2 70 475 4900 225625 33250
3 75 450 5625 202500 33750
4 65 470 4225 220900 30550
5 70 475 4900 225625 33250
6 60 455 3600 207025 27300
7 80 475 6400 225625 38000
8 75 470 5625 220900 35250
9 85 485 7225 235225 41225
10 90 480 8100 230400 43200
11 70 475 4900 225625 33250
12 85 480 7225 230400 40800
885 5640 66325 2652350 416825

n = 12
Langkah 2. Hitung nilai korelasi Pearson Product Moment dengan rumus,
n XY X. Y
rXY 2 2
n. X2 X . n. Y2 Y

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 41


Bahan Ajar Statistika

12 416825 885 5640


rXY
12 66325 8852 12 2652350 56402

rXY=0,683847

Langkah 3.Lakukan uji Signifikansi (t test)

r n
thitung 2
1 r2

0,683847 12 2
thitung
1 0,6838472
thitung = 2,963838

Untuk = 0,05 dan n = 12


Uji dua pihak : dk =n2
= 12 2
= 10
Diperoleh ttabel = 2,228
Ternyata thitung > ttabel
2,963868 > 2,228
Kesimpulan : Ada hubungan signifikan antara variabel X dan Y sebesar 68,3847%

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 42


Bahan Ajar Statistika

7. Korelasi Ganda

Analisis korelasi ganda berfungsi untuk mencari besarnya hubungan dan kontribusi dua variabel
bebas atau lebih secara simultan (bersama sama) dengan variabel terikat. Desain penelitian
korelasi ganda adalah sebagai berikut,

X1 rX Y
1

RX X Y
rX X
1 2
1 2
Y
rX Y
X2 2

Desain Penelitian X1 X2 dan Y

Rumus Korelasi Ganda

rX2 1Y rX2 2 Y 2 rX1Y rX 2Y rX1X2


R X1 X 2 Y
1 X1X2
r2

Selanjutnya untuk mengetahui signifikansi korelasi ganda dicari dulu dilakukan uji signifikansi F
test. Rumus Fhitung :

R2
Fhitung k
(1 R 2 )
n k
1
R = Nilai koefisien korelasi ganda
k = jumlah variabel bebas (independent).
n = jumlah sampel
Fhitung = Nilai F yang dihitung

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 43


Bahan Ajar Statistika

Contoh : Judul Penelitian Hubungan volume lalu lintas dengan jumlah marka jalan dan jumlah
tanda lalu lintas
Data Penelitian untuk variabel X1, X2 dan Y
X1 X2 Y X1 X2 Y
48 97 61 42 67 64
47 77 40 41 58 50
47 99 48 55 90 61
41 77 54 68 77 47
41 77 34 61 99 68
42 55 48 61 109 82
61 88 68 54 76 67
69 120 67 48 75 69
62 87 67 40 77 55
65 87 75 34 67 48
48 50 56 48 68 47
52 87 60 38 67 55
47 87 47 55 89 61
47 87 60 62 87 61
47 81 61 68 87 68
41 55 47 56 87 65
55 88 68 38 65 70
75 98 68 61 98 75
62 87 74 68 105 61
68 87 75 50 78 54
48 44 55 55 77 60
49 94 61 27 66 55
48 77 46 48 66 55
54 55 61 40 55 47
54 76 58 40 78 56
48 65 50 48 79 54
61 90 68 38 75 69
54 119 75 57 98 74
68 119 75 68 98 68
68 98 75 61 87 66
47 55 56 35 87 61
41 66 61 40 77 69

Penyelesaian :
Langkah 1. Membuat Ha da H0 dalam bentuk kalimat :
Ha : Terdapat hubungan yang signifikan antara jumlah marka jalan dan jumlah tanda lalu
lintas secara simultan terhadap volume lalu lintas
H0 : Tidak terdapat hubungan yang signifikan antara jumlah marka jalan dan jumlah tanda lalu
lintas secara simultan terhadap volume lalu lintas

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 44


Bahan Ajar Statistika

Langkah 2. Membuat Ha dan H0 dalam bentuk Statistik :


Ha : r 0
H0 : r = 0

Langkah 3. Membuat tabel penolong untuk menghitung korelasi ganda


2 2
No X1 X2 Y X1 X2 Y2 X1Y X 2Y X1X2
1 48 97 61 2304 9409 3721 2928 5917 4656
2 47 77 40 2209 5929 1600 1880 3080 3619
3 47 99 48 2209 9801 2304 2256 4752 4653
4 41 77 54 1681 5929 2916 2214 4158 3157
5 41 77 34 1681 5929 1156 1394 2618 3157
6 42 55 48 1764 3025 2304 2016 2640 2310
7 61 88 68 3721 7744 4624 4148 5984 5368
8 69 120 67 4761 14400 4489 4623 8040 8280
9 62 87 67 3844 7569 4489 4154 5829 5394
10 65 87 75 4225 7569 5625 4875 6525 5655
11 48 50 56 2304 2500 3136 2688 2800 2400
12 52 87 60 2704 7569 3600 3120 5220 4524
13 47 87 47 2209 7569 2209 2209 4089 4089
14 47 87 60 2209 7569 3600 2820 5220 4089
15 47 81 61 2209 6561 3721 2867 4941 3807
16 41 55 47 1681 3025 2209 1927 2585 2255
17 55 88 68 3025 7744 4624 3740 5984 4840
18 75 98 68 5625 9604 4624 5100 6664 7350
19 62 87 74 3844 7569 5476 4588 6438 5394
20 68 87 75 4624 7569 5625 5100 6525 5916
21 48 44 55 2304 1936 3025 2640 2420 2112
22 49 94 61 2401 8836 3721 2989 5734 4606
23 48 77 46 2304 5929 2116 2208 3542 3696
24 54 55 61 2916 3025 3721 3294 3355 2970
25 54 76 58 2916 5776 3364 3132 4408 4104
26 48 65 50 2304 4225 2500 2400 3250 3120
27 61 90 68 3721 8100 4624 4148 6120 5490
28 54 119 75 2916 14161 5625 4050 8925 6426
29 68 119 75 4624 14161 5625 5100 8925 8092
30 68 98 75 4624 9604 5625 5100 7350 6664
31 47 55 56 2209 3025 3136 2632 3080 2585
32 41 66 61 1681 4356 3721 2501 4026 2706
33 42 67 64 1764 4489 4096 2688 4288 2814
34 41 58 50 1681 3364 2500 2050 2900 2378
35 55 90 61 3025 8100 3721 3355 5490 4950
36 68 77 47 4624 5929 2209 3196 3619 5236
37 61 99 68 3721 9801 4624 4148 6732 6039
38 61 109 82 3721 11881 6724 5002 8938 6649

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 45


Bahan Ajar Statistika

39 54 76 67 2916 5776 4489 3618 5092 4104


40 48 75 69 2304 5625 4761 3312 5175 3600
41 40 77 55 1600 5929 3025 2200 4235 3080
42 34 67 48 1156 4489 2304 1632 3216 2278
43 48 68 47 2304 4624 2209 2256 3196 3264
44 38 67 55 1444 4489 3025 2090 3685 2546
45 55 89 61 3025 7921 3721 3355 5429 4895
46 62 87 61 3844 7569 3721 3782 5307 5394
47 68 87 68 4624 7569 4624 4624 5916 5916
48 56 87 65 3136 7569 4225 3640 5655 4872
49 38 65 70 1444 4225 4900 2660 4550 2470
50 61 98 75 3721 9604 5625 4575 7350 5978
51 68 105 61 4624 11025 3721 4148 6405 7140
52 50 78 54 2500 6084 2916 2700 4212 3900
53 55 77 60 3025 5929 3600 3300 4620 4235
54 27 66 55 729 4356 3025 1485 3630 1782
55 48 66 55 2304 4356 3025 2640 3630 3168
56 40 55 47 1600 3025 2209 1880 2585 2200
57 40 78 56 1600 6084 3136 2240 4368 3120
58 48 79 54 2304 6241 2916 2592 4266 3792
59 38 75 69 1444 5625 4761 2622 5175 2850
60 57 98 74 3249 9604 5476 4218 7252 5586
61 68 98 68 4624 9604 4624 4624 6664 6664
62 61 87 66 3721 7569 4356 4026 5742 5307
63 35 87 61 1225 7569 3721 2135 5307 3045
64 40 77 69 1600 5929 4761 2760 5313 3080
3310 5198 3881 178356 439670 241605 204394 321086 275816
2 2
Statistik X1 X2 Y X1 X2 Y2 X1Y X2Y X1X2
n = 64

a. Menghitung nilai Korelasi X1 terhadap Y


n XY X .Y
X1Y 1 1
2 2
r n. X2 X . n. Y2 Y
1 1

rX1Y 0,548496

b. Menghitung nilai Korelasi X2 terhadap Y


n X Y X .Y
X2Y 2 2
2 2
r n. X2 X . n. Y2 Y
2 2

rX2Y
0,561545

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 46


Bahan Ajar Statistika

c. Menghitung nilai Korelasi X1 dengan X2


n XX X .X
1 22 1 2 2
rX1X2 n. X2 X . n. X2 X
1 1 2 2

rX X 0,623524
1 2

Langkah 4. Mencari nilai korelasi antar variabel dan korelasi ganda (RX1,X2,Y)

rX2 1Y rX2 2 Y 2 rX1Y rX 2 Y rX1X2


R X1 X 2 Y
1 X1 X2
r2
RX1X 2Y = 0,616204

Langkah 5. Uji Signifikansi (F test)

R2 k = jumlah variabel bebas =2


Fhitung k
(1 R 2 ) n = jumlah sampel = 64
n k
1

0,6162042
2
Fhitung
1 0,616204 2
64 2 1

Fhitung = 18,67029887

Untuk = 0,05 n = 64 k=2


Ftabel = F {(1-) (dk=k), (dk=n-k-1)}
= F {(1-0.05) (dk=2), (dk=64-2-1)}
= F {(0.95), (2, 61)}

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 47


Bahan Ajar Statistika

Cara mencari Ftabel : angka 2 sebagai angka pembilang


Angka 61 sebagai angka penyebut

Ftabel = 3,148 (interpolasi)


Ternyata Fhitung > Ftabel
18,67029887 > 3,148

Kesimpulan : Ada hubungan yang signifikan antara jumlah marka jalan dan jumlah tanda lalu
lintas secara simultan terhadap volume lalu lintas.

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 48


Bahan Ajar Statistika

8. Regresi Linier Sederhana

Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang apa yang
paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan sekarang
yang dimiliki. Regresi dapat juga diartikan sebagai usaha memperkirakan perubahan.

Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau memprediksi
variabel terikat (Y) apabila variabel bebas (X) diketahui. Regresi sederhana dapat dianalisis
karena didasari hubungan fungsional atau hubungan sebab akibat (kausal) variabel bebas (X)
terhadap variabel terikat (Y). Pada dasarnya analisis regresi dan analisis korelasi mempunyai
hubungan yang sangat kuat dan mempunyai keeratan. Setiap analisis regresi otomatis ada
analisis korelasinya, tetapi sebaliknya analisis korelasi belum tentu diuji regresi atau diteruskan
dengan analisis regresi.

Analisis korelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis korelasi yang
kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat. Apabila peneliti
mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari kedua variabel
tersebut.

Persamaan regresi dirumuskan : Y = a + bX


Dimana :
Y = subjek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
a = Nilai konstanta harga Y jika X = 0
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai peningkatan (+)
atau nilai penurunan (-) variabel Y.

n xy x y b x
b 2 2 a
y n x x n

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 49


Bahan Ajar Statistika

Contoh :
Diketahui :
Jumlah Jumlah
Daerah Terjual Penduduk
(unit) (ribuan)
y x
1 54 36
2 30 26
3 28 12
4 48 40
5 36 24
6 30 18
7 38 30
8 46 30
9 16 14
10 42 34

Penyelesaian
Langkah 1. Buat tabel penolong
Daerah Bangkitan Jumlah Penduduk
(ribuan) (ribuan)
y x xy x2 y2
1 54 36 1944 1296 2916
2 30 26 780 676 900
3 28 12 336 144 784
4 48 40 1920 1600 2304
5 36 24 864 576 1296
6 30 18 540 324 900
7 38 30 1140 900 1444
8 46 30 1380 900 2116
9 16 14 224 196 256
10 42 34 1428 1156 1764
2 2
y= 368 x= 264 xy = 10556 x = 7768 y = 14680

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 50


Bahan Ajar Statistika

Langkah 2. Mencari persamaan Regresi


Diketahui : jumlah data (n) = 10

n xy x y
b 2
n x2 x

10 10556 264 368


b
10 (7768) (264)2

b = 1,053

y
a
b x
n
368 (1,053)(264)
a 10
a = 8,998

y=a+bx
y = 8,998 + 1,053 . x

Langkah 3. Menghitung Standard Error

y2 a y
b xy
Se
n 2
14680 8,998(368)
Se
1,053(10556)
10 2

Se = 5.614137

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 51


Bahan Ajar Statistika

Langkah 4. Koefisien Determinasi

2
r2 n xy x y
2 2
n x2 x n y2 y

r2 = 0,778351

Langkah 5. Koefisien Korelasi

r r2

r = 0,882242

Langkah 6. Uji Signifikansi (t test)

r n 2
thitung
1 r2

0,882242 10 2
thitung
1 0.8822422
thitung = 5,300287

Untuk = 0,05 dan n = 10


Uji dua pihak : dk =n2
= 10 2
=8
Diperoleh ttabel = 2,306
Ternyata thitung > ttabel
Kesimpulan : Ada hubungan signifikan antara jumlah penduduk dan bangkitan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 52


Bahan Ajar Statistika

Uji Signifikansi (F test)

r2
k = jumlah variabel bebas =1
Fhitung k
(1 r 2 ) n = jumlah sampel = 10
n k
1
0,8822422
1
Fhitung
1 - 0,8822422
10 -1 -1

Fhitung = 28,09304573

Untuk = 0,05 n = 10 k=1


Ftabel = F{(1- )(dk=k),(dk=n-k-1)}

= F{(1-0.05) (dk=1), (dk=10-1-1)}


= F {(0.95), (1, 8)}

Cara mencari Ftabel : angka 1 sebagai angka pembilang


angka 8 sebagai angka penyebut
Ftabel = 5,32
Ternyata Fhitung > Ftabel
Kesimpulan : ada hubungan signifikan antara jumlah penduduk dan bangkitan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 53


Bahan Ajar Statistika

9. Regresi non linier

Selain regresi linier, dalam beberapa kasus terdapat data dimana garis hubungan variabel terikat
dan variabel bebas tidak membentu garis linier (non linier). Untuk meramalkan data seperti ini
maka digunakan analisa regresi non linier.

a. Regresi non linier - quadratic


Diketahui data seperti pada tabel berikut.

Bangkitan Jlh penduduk Bangkitan Jlh penduduk


Daerah Daerah
(ribuan) (ribuan) (ribuan) (ribuan)
y x y x
1 80 17 21 82 22
2 85 19 22 82 24
3 84 24 23 79 23
4 80 30 24 80 26
5 76 29 25 80 25
6 87 23 26 79 25
7 86 23 27 75 26
8 93 16 28 73 28
9 87 19 29 71 27
10 86 19 30 56 43
11 84 23 31 76 31
12 83 22 32 74 32
13 80 27 33 72 31
14 81 22 34 71 34
15 78 24 35 76 33
16 77 25 36 70 39
17 70 28 37 69 42
18 77 22 38 65 42
19 75 26 39 24 148
20 81 24

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 54


Bahan Ajar Statistika

Penyelesaian
Daerah Bangkitan Jlh penduduk
(ribuan) (ribuan)
2 3 4 2 2
y x x x x y xy xy
1 80 17 289 4913 83521 6400 1360 23120
2 85 19 361 6859 130321 7225 1615 30685
3 84 24 576 13824 331776 7056 2016 48384
4 80 30 900 27000 810000 6400 2400 72000
5 76 29 841 24389 707281 5776 2204 63916
6 87 23 529 12167 279841 7569 2001 46023
7 86 23 529 12167 279841 7396 1978 45494
8 93 16 256 4096 65536 8649 1488 23808
9 87 19 361 6859 130321 7569 1653 31407
10 86 19 361 6859 130321 7396 1634 31046
11 84 23 529 12167 279841 7056 1932 44436
12 83 22 484 10648 234256 6889 1826 40172
13 80 27 729 19683 531441 6400 2160 58320
14 81 22 484 10648 234256 6561 1782 39204
15 78 24 576 13824 331776 6084 1872 44928
16 77 25 625 15625 390625 5929 1925 48125
17 70 28 784 21952 614656 4900 1960 54880
18 77 22 484 10648 234256 5929 1694 37268
19 75 26 676 17576 456976 5625 1950 50700
20 81 24 576 13824 331776 6561 1944 46656
21 82 22 484 10648 234256 6724 1804 39688
22 82 24 576 13824 331776 6724 1968 47232
23 79 23 529 12167 279841 6241 1817 41791
24 80 26 676 17576 456976 6400 2080 54080
25 80 25 625 15625 390625 6400 2000 50000
26 79 25 625 15625 390625 6241 1975 49375
27 75 26 676 17576 456976 5625 1950 50700
28 73 28 784 21952 614656 5329 2044 57232
29 71 27 729 19683 531441 5041 1917 51759
30 56 43 1849 79507 3418801 3136 2408 103544
31 76 31 961 29791 923521 5776 2356 73036
32 74 32 1024 32768 1048576 5476 2368 75776
33 72 31 961 29791 923521 5184 2232 69192
34 71 34 1156 39304 1336336 5041 2414 82076
35 76 33 1089 35937 1185921 5776 2508 82764
36 70 39 1521 59319 2313441 4900 2730 106470
37 69 42 1764 74088 3111696 4761 2898 121716
38 65 42 1764 74088 3111696 4225 2730 114660
39 24 148 21904 3241792 479785216 576 3552 525696

2 3 4 2
y = 2984 x = 1163 x = 50647 x = 4106789 x = 507434515 y = 232946 xy = 81145 x2y = 2677359

n= 39

Persamaan regresi quadratic

2
y= a + bx + cx
2
y= n.a + b. x + c. x
2 3
xy = a. x + b. x + c. x
2 2 3 4
x y= a. x + b. x + c. x

2984 = 39 a + 1163 b + 50647 c


81145 = 1163 a + 50647 b + 4106789 c
2677359 = 50647 a + 4106789 b + 507434515 c

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 55


Bahan Ajar Statistika

(1) * 1163 3470392 = 45357 a + 1352569 b + 58902461 c


(2) * 39 3164655 = 45357 a + 1975233 b + 160164771 c -
305737 = -622664 b + -101262310 c ..(4)

(1) * 50647 151130648 = 1975233 a + 58902461 b + 2565118609 c


(3) * 39 104417001 = 1975233 a + 160164771 b + 19789946085 c -
46713647 = -101262310 b + -17224827476 c ..(5)

(4) * -101262310 -3,09596E+13 = 6,3052E+13 b + 1,02541E+16 c


(5) * -622664 -2,90869E+13 = 6,3052E+13 b + 1,07253E+16 c -
-1,87273E+12 = -4,71225E+14 c

-1,87273E+12
c= = 0,00397417
-4,71225E+14

(4) * -17224827476 -5,26627E+15 = 1,0725E+16 b + 1,74423E+18 c


(5) * -101262310 -4,73033E+15 = 1,0254E+16 b + 1,74423E+18 c -
-5,35935E+14 = 4,7122E+14 b

-5,35935E+14 = -1,1373246
b= 4,71225E+14

Dari persamaan 1
2984 = 39 a + -1322,708516 + 201,28
2984 = 39 a + -1121,428501
a = 105,2673975

Persamaan regresi quadratic


2
y= a + bx + cx
2
y= 105,2674 + -1,137324606 x + 0,003974174 x

Standard Error

y2 a y b xy
c x2y
Se
n p 1
p = banyaknya variabel bebas - untuk pers kuadratic p = 2

23296 105,2674 * 2984 ( 1.13732) * 81145 0,003974 *


Se
2677359
39 2 1
Se = 3,636235

Koefisien Determinasi

2 n(a y b xy c x 2 y) ( y) 2
r
n y2 ( y) 2

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 56


Bahan Ajar Statistika

2
2 39(105,2673975 * 2984 ( 1.1373246) * 81145 0,003974 * 2677359) 2984
r
39 * 232946 29842
r2 = 0,897231

Koefisien Korelasi

r r2
r = 0,947223

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 57


Bahan Ajar Statistika

b. Regresi non linier - logarithmic

Daerah Bangkitan Jlh Penduduk


(ribuan) (ribuan)
y x1 Loge x1 = x xy x2 y2
1 80 17 2,833213 226,6571 8,027098 6400
2 85 19 2,944439 250,2773 8,669721 7225
3 84 24 3,178054 266,9565 10,10003 7056
4 80 30 3,401197 272,0958 11,56814 6400
5 76 29 3,367296 255,9145 11,33868 5776
6 87 23 3,135494 272,788 9,831324 7569
7 86 23 3,135494 269,6525 9,831324 7396
8 93 16 2,772589 257,8508 7,687248 8649
9 87 19 2,944439 256,1662 8,669721 7569
10 86 19 2,944439 253,2218 8,669721 7396
11 84 23 3,135494 263,3815 9,831324 7056
12 83 22 3,091042 256,5565 9,554543 6889
13 80 27 3,295837 263,6669 10,86254 6400
14 81 22 3,091042 250,3744 9,554543 6561
15 78 24 3,178054 247,8882 10,10003 6084
16 77 25 3,218876 247,8534 10,36116 5929
17 70 28 3,332205 233,2543 11,10359 4900
18 77 22 3,091042 238,0103 9,554543 5929
19 75 26 3,258097 244,3572 10,61519 5625
20 81 24 3,178054 257,4224 10,10003 6561
21 82 22 3,091042 253,4655 9,554543 6724
22 82 24 3,178054 260,6004 10,10003 6724
23 79 23 3,135494 247,704 9,831324 6241
24 80 26 3,258097 260,6477 10,61519 6400
25 80 25 3,218876 257,5101 10,36116 6400
26 79 25 3,218876 254,2912 10,36116 6241
27 75 26 3,258097 244,3572 10,61519 5625
28 73 28 3,332205 243,2509 11,10359 5329
29 71 27 3,295837 234,0044 10,86254 5041
30 56 43 3,7612 210,6272 14,14663 3136
31 76 31 3,433987 260,983 11,79227 5776
32 74 32 3,465736 256,4645 12,01133 5476
33 72 31 3,433987 247,2471 11,79227 5184
34 71 34 3,526361 250,3716 12,43522 5041
35 76 33 3,496508 265,7346 12,22557 5776
36 70 39 3,663562 256,4493 13,42168 4900
37 69 42 3,73767 257,8992 13,97017 4761
38 65 42 3,73767 242,9485 13,97017 4225
39 24 148 4,997212 119,9331 24,97213 576

2 2
y = 2984 x= 128,7669 xy = 9708,835 x = 430,1727 y = 232946

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 58


Bahan Ajar Statistika

n = 39
Persamaan Regresi

n xy x y
b 2
n x2 x
39 ( 9708,835 ) - ( 128,7669 ) ( 2984 )
b=
39 ( 430,1727 ) - ( 128,7669 )2

b= -28,575

y b x
a

2984 - ( -28,575 ) ( 128,76687


a= n ) 39

a= 170,8588

y = a + b ln x
y= 170,8587562 + -28,57483 . ln x

Standard Error

y2 a y b xy
Se
n 2

232946 170,859(2984)
Se
( 28,575)(9708,835)
39 2

Se = 3,791175945

Koefisien Determinasi

2
r2 n xy x y
2 2
n x2 x n y2 y

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 59


Bahan Ajar Statistika

r2 (39(9708,8352) (128,76687)(2984))2
(39(430,17266) (128,76687)2 )(39(232946) (2984)2 )

r2 = 0.885183291

Koefisien Korelasi

r r2

r = 0.940841799

Uji Signifikansi (t test)

r n 2
t hitung
2
1 r
0,940841799 sqrt ( 39 - 2)
t hitung = 2
sqrt ( 1 - 0,9408418 )
t hitung = 16,8894271

Untuk = 0.05 dan n = 39


uji dua pihak : dk = n-2
= 39 - 2
= 37

diperoleh t tabel = lihat t tabel


ternyata t hitung > t tabel
Kesimpulan : Ada hubungan signifikan antara jumlah penduduk dan bangkitan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 60


Bahan Ajar Statistika

Uji Signifikansi (F test)


k = jumlah variabel bebas = 1
R2 n = jumlah sampel = 39
Fhitung k
(1 R 2 )
n k
1 2
0,9408418
F hitung = 1
2
(1 - 0,9408418 )
39 - 1 - 1

F hitung = 285,2527477

Untuk = 0.05 n = 39 k= 1
F tabel = F {(1-) (dk=k), (dk=n-k-1)}
= F {(1-0.05) (dk=1), (dk=39-1-1)}
= F {(0.95), (1, 37)}
Cara mencari F tabel : angka 1 sebagai angka pembilang
angka 37 sebagai angka penyebut
F tabel = lihat F tabel

ternyata F hitung > F tabel


Kesimpulan : Ada hubungan signifikan antara jumlah penduduk dan bangkitan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 61


Bahan Ajar Statistika

c. Regresi non linier - exponential


Daerah Bangkitan Jlh Penduduk
(ribuan) (ribuan)
y1 Loge y1 = y x xy x2 y2
1 80 4,382026635 17 74,49445279 289 19,20215743
2 85 4,442651256 19 84,41037387 361 19,73715019
3 84 4,430816799 24 106,3396032 576 19,6321375
4 80 4,382026635 30 131,460799 900 19,20215743
5 76 4,33073334 29 125,5912669 841 18,75525126
6 87 4,465908119 23 102,7158867 529 19,94433532
7 86 4,454347296 23 102,4499878 529 19,84120984
8 93 4,532599493 16 72,52159189 256 20,54445817
9 87 4,465908119 19 84,85225425 361 19,94433532
10 86 4,454347296 19 84,63259863 361 19,84120984
11 84 4,430816799 23 101,9087864 529 19,6321375
12 83 4,418840608 22 97,21449337 484 19,52615232
13 80 4,382026635 27 118,3147191 729 19,20215743
14 81 4,394449155 22 96,6778814 484 19,31118337
15 78 4,356708827 24 104,5610118 576 18,9809118
16 77 4,343805422 25 108,5951355 625 18,86864554
17 70 4,248495242 28 118,9578668 784 18,04971182
18 77 4,343805422 22 95,56371928 484 18,86864554
19 75 4,317488114 26 112,254691 676 18,64070361
20 81 4,394449155 24 105,4667797 576 19,31118337
21 82 4,406719247 22 96,94782344 484 19,41917452
22 82 4,406719247 24 105,7612619 576 19,41917452
23 79 4,369447852 23 100,4973006 529 19,09207454
24 80 4,382026635 26 113,9326925 676 19,20215743
25 80 4,382026635 25 109,5506659 625 19,20215743
26 79 4,369447852 25 109,2361963 625 19,09207454
27 75 4,317488114 26 112,254691 676 18,64070361
28 73 4,290459441 28 120,1328644 784 18,40804222
29 71 4,262679877 27 115,0923567 729 18,17043973
30 56 4,025351691 43 173,0901227 1849 16,20345623
31 76 4,33073334 31 134,2527335 961 18,75525126
32 74 4,304065093 32 137,730083 1024 18,52497633
33 72 4,276666119 31 132,5766497 961 18,28987309
34 71 4,262679877 34 144,9311158 1156 18,17043973
35 76 4,33073334 33 142,9142002 1089 18,75525126
36 70 4,248495242 39 165,6913144 1521 18,04971182
37 69 4,234106505 42 177,8324732 1764 17,92765789
38 65 4,17438727 42 175,3242653 1764 17,42550908
39 24 3,17805383 148 470,3519669 21904 10,10002615

2 2
y= 168,5245376 x = 1163 xy = 4867,084677 x = 50647 y = 729,883986

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 62


Bahan Ajar Statistika

n = 39
Persamaan Regresi

n xy x y
b 2 2
n x x
39 ( 4867,085 ) - ( 1163 ) ( 168,5245 )
b= 2
39 ( 50647 ) - ( 1163 )

b= -0,00992

y b x
a

168,5245 - ( -0,00992 ) ( 1163 )


Loge a = n 39

Loge a = 4,617004958
a = exp (Loge a) = 101,190508
bx
y=ae atau ln y = ln a + bx
-0,00992 x
y= 101,1905 * e atau ln y = 4,617005 + -0,00992 x

Standard Error

y2 a y b xy
Se
n 2
Untuk menghitung standard error, dalam kasus ini a = Loge a
729,883986 4,617(168,5245376)
Se ( 0,010)(4867,084677)
39 2
Se = 0,05038695

Koefisien Determinasi
2
r2 n xy x y
2 2
n x2 x n y2 y

r2 (39(4867) (1163)(168,5245))2
(39(50647) (1163)2 )(39(729,884) (168,5245)2 )

r2 = 0,943599198

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 63


Bahan Ajar Statistika

Koefisien Korelasi

r r2

r = 0,971390343

Uji Signifikansi (t test)

r n 2
t hitung
1 r2
0,971390343 sqrt ( 39 - 2)
t hitung = 2
sqrt ( 1 - 0,97139 )
t hitung = 24,88009327

Untuk = 0.05 dan n = 39


uji dua pihak : dk = n-2
= 39 - 2
= 37

diperoleh t tabel = lihat t tabel


ternyata t hitung > t tabel
Kesimpulan : Ada hubungan signifikan antara jumlah penduduk dan bangkitan

Uji Signifikansi (F test)


k = jumlah variabel bebas = 1
R2 n = jumlah sampel = 39
Fhitung k
(1 R 2 )
n k
1 2
0,97139
1
F hitung = 2
(1 - 0,97139 )
39 - 1 - 1

F hitung = 619,0190411

Untuk = 0.05 n = 39 k= 1
F tabel = F {(1-) (dk=k), (dk=n-k-1)}
= F {(1-0.05) (dk=1), (dk=39-1-1)}
= F {(0.95), (1, 37)}
Cara mencari F tabel : angka 1 sebagai angka pembilang
angka 37 sebagai angka penyebut
F tabel = lihat F tabel

ternyata F hitung > F tabel


Kesimpulan : Ada hubungan signifikan antara jumlah penduduk dan bangkitan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 64


Bahan Ajar Statistika

10. Analisa Regresi Berganda

Analisis regresi ganda adalah pengembangan dari analisis regresi sederhana. Kegunaannya yaitu
untuk meramalkan nilai variabel terikat (Y) apabila jumlah variabel bebas lebih dari satu.

Analisis regresi ganda ialah suatu alat analisis peramalan nilai pengaruh dua variabel bebas atau
lebih terhadap variabel terikat untuk membuktikan ada atau tidaknya hubungan fungsi atau
hubungan kausal antara dua variabel bebas atau lebih (X1), (X2), (X3), , (Xn) dengan satu
variabel terikat

Persamaan regresi ganda dirumuskan :


a. Dua variabel bebas : Y = a + b1X1 + b2X2
b. Tiga variabel bebas : Y = a + b1X1 + b2X2 + b3X3
c. Empat variabel bebas : Y = a + b1X1 + b2X2 + b3X3 + b4X4
d. Ke-n variabel bebas : Y = a + b1X1 + b2X2 + + bnXn

Contoh :
Diketahui data seperti pada tabel di bahwa ini :
Jumlah
PDRB Penduduk Tarikan
(juta rupiah) (ribuan) (ribuan)
x1 x2 y
1 2 1
8 8 4
3 1 1
5 7 3
6 4 2
10 6 4
33 28 15

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 65


Bahan Ajar Statistika

Ditanya : apakah ada pengaruh signifikan antara PDRB dan jumlah penduduk secara simultan
terhadap tarikan pergerakan?

Penyelesaian :
PDRB Jumlah Penduduk Tarikan
(juta rupiah) (ribuan) (ribuan)
x1 x2 y x1y x2y x1x2 x12 x22 y2
1 2 1 1 2 2 1 4 1
8 8 4 32 32 64 64 64 16
3 1 1 3 1 3 9 1 1
5 7 3 15 21 35 25 49 9
6 4 2 12 8 24 36 16 4
10 6 4 40 24 60 100 36 16
33 28 15 103 88 188 235 170 47

Rumus nilai persamaan untuk 2 variabel bebas :

y na b1 X1 b 2 x2
2
yx1 a x 1 b1 x1 b2 x1x 2
2
yx2 a x 2 b1 x1x 2 b2 x2
n= 6

15 = 6 a + 33 b1 + 28 b2
103 = 33 a + 235 b1 + 188 b2
88 = 28 a + 188 b1 + 170 b2

15 = 6a + 33 b1 + 28 b2 x 33 495 = 198 a + 1089 b1 + 924 b2


103 = 33 a + 235 b1 + 188 b2 x 6 618 = 198 a + 1410 b1 + 1128 b2 -

-123 = 0a + -321 b1 + -204 b2

15 = 6 a+ 33 b1 + 28 b2 x 28 420 = 168 a + 924 b1 + 784 b2


88 = 28 a + 188 b1 + 170 b2 x 6 528 = 168 a + 1128 b1 + 1020 b2 -

-108 = 0a + -204 b1 + -236 b2

-123 = 0 a + -321 b1 + -204 b2 x -204 25092 = 0a + 65484 b1 + 41616 b2


-108 = 0 a + -204 b1 + -236 b2 x -321 34668 = 0a + 65484 b1 + 75756 b2 -

-9576 = 0a + 0 b1 + -34140 b2

b2 = -9576 / -34140 = 0,280492

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 66


Bahan Ajar Statistika

-123 = 0a + -321 b1 + -204 b2


-123 = 0a + -321 b1 + -204 x 0,280492
-123 = 0a + -321 b1 + -57,22

-123 + 57,220387
b1 = -321
b1 = 0,204921

15 = 6 a + 33 b1 + 28 b2
15 = 6 a + 33 x 0,204921 + 28 x 0,280492
15 = 6 a + 6,7624 + 7,853779
15 - 6,7624 - 7,853779
a = 6
a = 0,063972

Standard Error

2
y a y b1 x1 y b2 x2y
Se
n p
1
p = banyaknya variabel bebas = 2

Se = sqrt 47 - 0,063972 x 15 - 0,204921 x 103 - 0,280492 x 88


6 - 2 - 1

Se = 0,288827296

Koefisien Determinasi dan Koefisien Korelasi

2
n(a y b1 xy b2 x y) ( y) 2
r
1n y2 ( 2 y) 2
6 ( 0,063972 x 15 + 0,204921 x 103 + 0,280492 x 88 ) - 225
r2 =
6 x 47 - 225

2
r = 0,973656461

r r 2
2
r = sqrt r = 0,98674

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 67


Bahan Ajar Statistika

11. Uji t

Uji t Untuk Satu Variabel Bebas (One Sample T-test)

Analisis perbandingan satu variabel bebas dikenal dengan Uji t atau t-test. Tujuan Uji t adalah
untuk mengetahui perbedaan variabel yang dihipotesiskan.

Contoh :
Pada sebuah ruas jalan dengan batas kecepatan 60 km/jam diperkirakan rata rata kecepatan lalu
lintas adalah 95% dari batas kecepatan. Akan dibuktikan bahwa perkiraan ini adalah benar.
Berdasarkan sampel yang diambil dari 61 kendaraan acak diperoleh data seperti pada kolom x.
Buktikan bahwa :
Ha : Rata rata kecepatan lalu lintas adalah 95% dari batas kecepatan
0= 57 km/jam
H0 : Rata rata kecepatan lalu lintas tidak sama dengan 95% dari batas kecepatan
0 57
km/jam Kriteria pengujian :
Jika thitung > ttabel : terima H0 tolak Ha
Jika thitung < ttabel : tolak H0 terima Ha

No x No x No x
1 59 21 59 41 50
2 60 22 50 42 60
3 58 23 60 43 60
4 59 24 60 44 60
5 60 25 60 45 59
6 58 26 60 46 60
7 60 27 60 47 60
8 59 28 50 48 60
9 50 29 59 49 60
10 60 30 60 50 58

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 68


Bahan Ajar Statistika

11 59 31 60 51 60
12 50 32 60 52 58
13 60 33 59 53 50
14 59 34 60 54 58
15 58 35 60 55 60
16 50 36 60 56 60
17 59 37 60 57 58
18 60 38 60 58 60
19 59 39 60 59 60
20 60 40 60 60 60
61 60

Buat tabel bantu seperti di bawah ini!

No x x2 No x x2
1 59 3481 31 60 3600
2 60 3600 32 60 3600
3 58 3364 33 59 3481
4 59 3481 34 60 3600
5 60 3600 35 60 3600
6 58 3364 36 60 3600
7 60 3600 37 60 3600
8 59 3481 38 60 3600
9 50 2500 39 60 3600
10 60 3600 40 60 3600
11 59 3481 41 50 2500
12 50 2500 42 60 3600
13 60 3600 43 60 3600
14 59 3481 44 60 3600
15 58 3364 45 59 3481
16 50 2500 46 60 3600
17 59 3481 47 60 3600
18 60 3600 48 60 3600
19 59 3481 49 60 3600

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 69


Bahan Ajar Statistika

20 60 3600 50 58 3364
21 59 3481 51 60 3600
22 50 2500 52 58 3364
23 60 3600 53 50 2500
24 60 3600 54 58 3364
25 60 3600 55 60 3600
26 60 3600 56 60 3600
27 60 3600 57 58 3364
28 50 2500 58 60 3600
29 59 3481 59 60 3600
30 60 3600 60 60 3600
61 60 3600
3565 208939
n = 61

X
X2 2

s n
n 1

35652
208939
s 61
61 1

s = 3,138602

X
x n

x = 58,44262
3565
61

Rata rata nilai ideal = 60 km/jam


95% dari rata rata nilai ideal = 95% * 60
0= 57 km/jam

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 70


Bahan Ajar Statistika

thitung x 0
s
n

thitung 58,44262 57
3,138602
7,81025
thitung = 3,589894

untuk = 0,05 dan n = 61


uji dua pihak : df =n1
= 61 1
= 60
Diperoleh ttabel = 2
Ternyata thitung > ttabel
3,589894 > 2

Kesimpulan : terima H0 tolak Ha


Ada perbedaan antara kecepatan rata rata kendaraan dengan 95% dari rata rata nilai ideal (60
km/jam)

Pekerjaan rumah
1. Uji data di atas untuk 98% dari nilai batas kecepatan
2. Diketahui data pada tabel di bawah ini
78 45 47 34 57 53 77 49 59
45 49 50 39 69 45 55 45 54
70 44 49 39 48 54 60 59 60
70 44 49 39 48 54 70 44 49
56 42 58 53 76 45 56 42 58
53 27 70 54 66 51 53 27 70

Nilai ideal = 60 km/jam


Uji apakah ada perbedaan antara rata - rata nilai di atas dengan 60% dari nilai ideal

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 71


Bahan Ajar Statistika

Uji t Untuk 2 Variabel Bebas (Two Sample T-Test)


Tujuan uji t dua variabel bebas adalah untuk membandingkan (membedakan) apakah kedua
variabel tersebut sama atau berbeda. Gunanya untuk menguji kemampuan generalisasi
(signifikansi hasil penelitian yang berupa perbandingan dua rata rata sampel). Rumus uji t dua
variabel sebagai berikut :
x1 x2
t hitung
S1 S s1 s2
2r .
2 n1 n2
n1 n2
r= nilai korelasi X1 dan X2
n= jumlah sampel

x1 = rata rata sampel ke-1

x 2 = rata rata sampel ke-2


s1 = standar deviasi sampel ke-1
s2 = standar deviasi sampel ke-2
S1 = varians sampel ke-1
S2 = varians sampel ke-2

Contoh
Pada sebuah ruas jalan dipasang batas kecepatan (speed limit) maksimal 60 km/jam. Akan diuji
apakah pemasangan speed limit berpengaruh terhadap kecepatan rata rata.
x1 x2
1 77 40
2 99 48
3 77 54
4 77 34
5 55 48
6 88 68
7 120 67
8 87 67
9 87 75
10 50 56

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 72


Bahan Ajar Statistika

11 87 60
12 87 47
13 87 60
14 90 70
15 81 61
16 55 47
17 88 68
18 98 68
19 87 74
20 87 75
21 44 55
22 94 61
23 77 46
24 55 61
25 76 58
26 65 50
27 90 68
28 80 75
29 89 75
30 96 75

Langkah 1 : Membuat Ha dan H0 dalam bentuk kalimat


Ha : Rata rata kecepatan sesudah pemasangan speed limit adalah sama dengan sebelum
pemasangan speed limit
H0 : Rata rata kecepatan sesudah pemasangan speed limit adalah tidak sama dengan
sebelum pemasangan speed limit

Kriteria pengujian
Jika thitung > ttabel : terima Ho tolak Ha
Jika thitung < ttabel : tolak Ho terima Ha

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 73


Bahan Ajar Statistika

Buat tabel bantu seperti di bawah ini!


2 2
x1 x2 x1 x2 x1x2
1 77 40 5929 1600 3080
2 99 48 9801 2304 4752
3 77 54 5929 2916 4158
4 77 34 5929 1156 2618
5 55 48 3025 2304 2640
6 88 68 7744 4624 5984
7 120 67 14400 4489 8040
8 87 67 7569 4489 5829
9 87 75 7569 5625 6525
10 50 56 2500 3136 2800
11 87 60 7569 3600 5220
12 87 47 7569 2209 4089
13 87 60 7569 3600 5220
14 90 70 8100 4900 6300
15 81 61 6561 3721 4941
16 55 47 3025 2209 2585
17 88 68 7744 4624 5984
18 98 68 9604 4624 6664
19 87 74 7569 5476 6438
20 87 75 7569 5625 6525
21 44 55 1936 3025 2420
22 94 61 8836 3721 5734
23 77 46 5929 2116 3542
24 55 61 3025 3721 3355
25 76 58 5776 3364 4408
26 65 50 4225 2500 3250
27 90 68 8100 4624 6120
28 80 75 6400 5625 6000
29 89 75 7921 5625 6675
30 96 75 9216 5625 7200
2430 1811 204638 113177 149096

n1=n2=n = 30

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 74


Bahan Ajar Statistika

Langkah 2 : Mencari rata rata, standar deviasi, varians dan korelasi


Rata rata
X
x n

x1 = 81
2430
30

x2 = 60,36667
1811
30

Standar deviasi

X
X2 2

s n
n 1

24302
204638
s1 30
30 1

s1 = 16,40858

18112
113177
s2 30
30 1

s2 = 11,52653

Varians
s1 = s12 = 269,2414
s2 = s22 = 132,8609

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 75


Bahan Ajar Statistika

Korelasi

n x1x2 x1 x2
r
2 2 2 2
n x1 1 x n x x2

30 149096 2430 18112


r
2
30 204638 2430 30 113177 1811 2
r = 0,438478

Langkah 3 : Menghitung thitung dengan rumus :

t x1 x2
hitung
S S s s
1 2 1 2
2r .
n1 n2 n1 n2

81 60,367
thitung
132,8609 16,409 11,53
2
269,2414
30 30 5,4772 5,477
0,4385
thitung = 7,352806

Langkah 4 : Menguji hipotesa


Untuk = 0,05 dan n = 30
Uji dua pihak : df = (n1 + n2) 2
= (30 + 30) 2
= 58
Diperoleh ttabel = 2,004 (interpolasi)
Ternyata thitung > ttabel
7,352806 > 2,004

Kesimpulan : terima H0 tolak Ha


Pemasangan speed limit mengubah rata rata kecepatan kendaraan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 76


Bahan Ajar Statistika

12. One Way Anova Uji F untuk lebih dari 2 variabel bebas

Analysis of Variance (Anova) adalah analisis komparatif lebih dari dua variabel atau lebih dari
dua rata rata. Gunanya untuk menguji kemampuan generalisasi artinya data sampel dianggap
dapat mewakili populasi. Anova lebih dikenal dengan Uji F (Fisher Test).

Contoh :
Penelitian berjudul : Perbedaan antara hasil belajar mahasiswa Fakultas Teknik untuk mata
kuliah Statistika kelas A, kelas B dan Kelas C.

Diketahui : Nilai Statistika ketiga kelas seperti pada tabel di bawah ini!
Kelas A 6 8 5 7 7 6 6 8 7 6 7
Kelas B 5 6 6 7 5 5 5 6 5 6 8 7
Kelas C 6 9 8 7 8 9 6 6 9 8 6 8

Ditanya : Buktikan apakah terdapat perbedaan yang signifikan!

Penyelesaian :
Langkah langkah menjawab uji anova satu jalur
Diasumsikan bahwa data dipilih secara acak, berdistribusi normal dan variannya homogen.

Langkah 1. Membuat Ha dan H0 dalam bentuk kalimat


Ha : Ada perbedaan yang signifikan antara hasil belajar mahasiswa kelas A, kelas B dan
kelas C
H0 : Tidak ada perbedaan yang signifikan antara hasil belajar mahasiswa kelas A, kelas B
dan kelas C

Langkah 2. Membuat Ha dan H0 model Statistik :


Ha : A B C
H0 : A=B=C

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 77


Bahan Ajar Statistika

Langkah 3. Membuat tabel penolong untuk menghitung angka Statistik :


A2 B2 C2
36 25 36
64 36 81
25 36 64
49 49 49
49 25 64
36 25 81
36 25 36
64 36 36
49 25 81
36 36 64
49 64 36
0 49 64
2
X 493 431 692

No A B C
1 6 5 6
2 8 6 9
3 5 6 8
4 7 7 7
5 7 5 8
6 6 5 9
7 6 5 6
8 8 6 6
9 7 5 9
10 6 6 8
11 7 8 6
Statistik 12 7 8 Total (T)
n 11 12 12 35
X 73 71 90 234
2
( X) 5329 5041 8100 18470
2
X 493 431 692 1616
x 2
6,636 5,917 7,500 6,684 average
( X) /n 484,455 420,083 675,000 1579,538
i
Varians (S) 0,855 0,992 1,545 1,131 average

Varians (S) dihitung menggunakan rumus di bawah ini


2
2 X
X n
S
n 1

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 78


Bahan Ajar Statistika

Langkah 4. Mencari jumlah kuadrat antar group (JKA) dengan rumus :


2 2
X X
JKi i T

ni N

2
5329 5041 8100 234
JK
11 12 12 35
JK = 15,081

Langkah 5. Mencari derajat kebebasan antar group (dki) dengan rumus :


dki = i 1 = 3 1 = 2

Langkah 6. Mencari kuadrat rerata antar group (KRi) dengan rumus :


JKi
KR i
dk
i

KRi = 7,540
15,081
2

Langkah 7. Mencari jumlah kuadrat dalam antar group (JKD) dengan rumus :
JK X X 2
2 i
D T
ni

5329 8100
JK 493 431 692 5041
D

11 12 12

JKD = 36,462

Langkah 8. Mencari derajat kebebasan dalam antar group (dkD) dengan rumus :
dkD = N i = 35 3 = 32

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 79


Bahan Ajar Statistika

Langkah 9. Mencari kuadrat rerata dalam antar group (KRD) dengan rumus :
JK D
KR D
dk
D

36,462
KRD 1,139
32

Langkah 10. Mencari nilai Fhitung dengan rumus :

KR i
F
hitung
KR D

7,540
Fhitung = 6,618
1,139

Langkah 11. Menentukan kaidah pengujian


Jika Fhitung Ftabel, maka tolak Ho artinya signifikan
Fhitung Ftabel, maka terima Ho artinya tidak signifikan

Langkah 12. Mencari Ftabel dengan rumus :


Ftabel = F(1- a)(dki, dkD)
Ftabel = F(1 - 0.05) (2, 32)
Ftabel = F(0.95) (2, 32)
Ftabel = 3,3
(Cara mencari Ftabel 2 = pembilang, 32 = penyebut)

Langkah 13. Membandingkan Fhitung dan Ftabel


Ternyata : 6,618 > 3,3
Fhitung > Ftabel maka tolak H0 artinya signifikan

Langkah 14. Kesimpulan

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 80


Bahan Ajar Statistika

Ternyata Fhitung lebih besar dari Ftabel atau 6,618 > 3,3 maka tolak Ho artinya ada perbedaan yang
signifikan antara hasil belajar mahasiswa kelas A, kelas B dan kelas C.

Pekerjaan Rumah
No A B C No A B C
1 90 62 60 11 77 86 48
2 89 60 55 12 76 80 50
3 89 63 56 13 39 80 44
4 87 68 52 14 68 80 39
5 94 71 39 15 67 78 68
6 92 80 68 16 48 77 67
7 91 78 67 17 54 76 48
8 90 77 80 18 43 75 54
9 90 76 80 19 49 74 56
10 86 59 42 20 42 74 49

Semuel Y. R. Rompis, ST, MT, MEng(TransSys), PhD 81