OLEH :
PENDIDIKAN MATEMATIKA
UNIVERSITAR SRIWIJAYA
2015
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, atas rahmat dan hidayah-Nyalah
sehingga kami dapat menyelesaikan makalah ini.
Kami mengucapkan terima kasih kepada Ibu Prof.Dr. Ratu Ilma Indra Putri, M.Si
selaku dosen mata kuliah statistika dasar dan Ibu Puji Astuti, S,Pd., M.Sc selaku dosen
pembimbing mata kuliah statistika dasar yang telah memberikan tugas, sehingga dapat
menambah wawasan kami serta dapat memberikanpengetahuan bagi seluruh pembaca.
Kami sangat menyadari dalam penyusunan makalah ini terdapat banyak kekurangan
dan kesalahan.Oleh karena itu, kami sangat mengharapkan kritik dan sarannya dari
Ibu.Sehingga dikemudian hari dapat kami dapat membuat makalah lebih baik lagi.Semoga
makalah ini dapat digunakan dengna baik dan bermanfaat bagi kita semua.Aamiin.
Mengetahui,
- Data Primer : data yang diperoleh secara langsung dengan melakukan sendiri
pengumpulan terhadap obyek.
- Data Sekunder : data yang diperoleh dari olahan data primer
- Data Tersier : data yang diperoleh dari olahan data sekunder.
- Data Kuarter : data yang diperoleh dari data tersier yang telah diolah terlebih
dahulu.
- Data sekunder
Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak
langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data
sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun
dalam arsip (data dokumenter) yang dipublikasikan dan yang tidak dipublikasikan.
Sumber data sekunder, misalnya, data dari pihak lain seperti:
1. BPS
2. Bank Indonesia
3. Diknas
Statistik merupakan data ringkasan yang berbentuk angka (kuantitatif). Misalnya statistik
mahasiswa, yaitu data atau keterangan berbentuk angka ringkasan mahasiswa (jumlah, rata-
rata umur, persentase yang buta huruf, dll). Sedangkan statistika adalah ilmu yang mempelajari
tentang statistik, yaitu ilmu pengetahuan yang mengandung seni tentang cara dan aturan
mengembangkan dan menerapkan metoda yang paling efektif untuk mengumpulkan,
mengolah, menganalisis, menarik kesimpulan, serta menyajikan dan mempublikasikan data
yang berupa fakta dari data-data yang berbentuk angka.
Jenis statitisk terdiri dari statistik deskriptif dan inferensial. Statistik deskriptif, yaitu
statistik yang digunakan untuk analisa data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada tujuan membuat
kesimpulan untuk generalisasi dan statistik inferensial yaitu statistik yang digunakan untuk
menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik inferensial
terbagi menjadi 2, yaitu statitik parametrik dan non-parametrik.
Data adalah himpunan nilai/variate/datum atau informasi lain yang diperoleh dari
observasi, pengukuran dan penilaian terhadap suatu obyek atau lebih . Macam-macam data
dibedakan berdasarkan dari data menurut sifat angka, data menurut sifatnya, data menurut
sumbernya, data menurut cara menyusun angkanya, data berdasarkan bentuk angkanya, dan
data berdasarkan waktu pengumpulannya. Sumber data statistik terbagi menjadi 2, yaitu data
primer (langsung) dan data sekunder (tidak langsung).
BAB II
2. Tabel Kontingensi
Tabel kontingensi merupakan bagian dari tabel baris kolom, akan tetapi tabel ini
mempunyai ciri khusus, yaitu untuk menyajikan data yang terdiri atas dua faktor
atau dua variabel, faktor yang satu terdiri atas b kategori dan lainnya terdiri atas k
kategori, dapat dibuat daftar kontingensi berukuran b x k dengan b menyatakan
baris dan k menyatakan kolom.
3. Tabel Silang
Data hasil penelitian yang berupa perhitungan frekuensi pemunculan data juga
dapat disajikan ke dalam bentuk tabel silang. Tabel silang dapat hanya terdiri dari
satu variable tetapi dapat juga terdiri dari dua variable. Tergantung pertanyaan atau
keadaan yang ingin dideskripsikan. Dengan demikian, pemilihan penyajian data ke
dalam tabel silang satu atau dua variable akan tergantung dari data yang
diperoleh.((Burhan Nurgiyantoro, 2004:42)
Tabel silang satu variable digunakan untuk menggambarkan data dengan
menampillkan satu karakteristiknya saja. Misal jumlah keseluruhan. Sementara
tabel silang dua variable digunakan untuk menggambarkan data dengan
menampilkan dua karakteristiknya. Misalnya jumlah keseluruhan dan jumlah per
gender.
Contoh:
Dalam suatu penelitian angket pada 34 siswa kelas XI.A tentang mata pelajaran
MIPA yang disukai, diperoleh hasil data sebagai berikut:
Selain dapat disajikan ke dalam bentuk tabel sebagaimana dikemukakan di atas, data-data
angka juga dapat disajikan ke dalam bentuk grafik, atau lengkapnya grafik frekuensi.
Pembuatan grafikfrekuensi pada hakikatnya merupakan kelanjutan dari pembuatan tabel
distribusi frekuensi karena pembuatan grafik itu haruslah didasarkan pada tabel distribusi
frekuensi. Dengan kata lain, pembuatan tabel distribusi frekuensi harus tetap dilakukan baik
kita bermaksud maupun tidak bermaksud membuat grafik frekuensi.
Penyajian data angka ke dalam grafik biasanya dipandang lebih menarik karena data-data itu
tersaji dalam bentuk visual. Gambar grafik frekuensi yang banyak dipergunakan dalam metode
statistik adalah histogram, polygon, kurve dan garis. (Burhan Nurgiyantoro, 2004:43-44)
FREKUENSI
10
9
8
7
6
5
FREKUENSI
4
3
2
1
0
51 57 58 64 65 71 72 78 79 85 86 92 93 99
2. Grafik Poligon
Poligon merupakan grafik distribusi dari distribusi frekuensi bergolong suatu
variable. Tampilan polygon berupa garis-garis patah yang diperoleh dengan cara
menghubungkan puncak dari masing-masing nilai tengah kelas. Jadi absisnya
adalah nilai tengah dari masing-masing kelas. (Drs. Ating Somantri, 2006:114)
3. Grafik Kurve
Kurve merupakan perataan atau penghalusan dari garis-garis polygon. Gambar
polygon sering tidak rata karena adanya perbedaan frekuensi data skor dan data
skor itu sendiri mencerminkan fluktuasi sampel. Pembuatan kurve dilakukan
dengan meratakan garis gambar polygon yang tidak rata dan terlihat tidak beraturan
sehingga menjadi rata. (Burhan Nurgiyantoro, 2004:49)
& FREKUENSI
25
20
15
& FREKUENSI
10
0
0 2 4 6 8
4. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan suatu keadaan.
Perkembangan tersebut bias naik bias turun. Hal ini akan Nampak secara visual
melalui garis dalam grafik. Dalam grafik terdapat garis vertical yang menunjukkan
jumlah dan yang mendatar menunjukkan variable tertentu yang ditunjukkan pada
gambar dibawah, yang perlu diperhatikan dalam membuat grafik adalah ketepatan
membuat skala pada garis vertical yang akan mencerminkan keadaan jumlah hasil
observasi. (Dr. Sugiyono, 2002:34)
Contoh : Perkembangan nilai ujian matematika Adit semester 1 tahun ajaran
2012/2013 sebagai berikut:
Ujian Semester ke Nilai
1 80
2 95
3 60
4 100
5 85
NILAI
120
100
80
60
NILAI
40
20
0
1 2 3 4 5
Ujian Semester ke
C. Diagram Lingkaran
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram lingkaran.
Diagram lingkaran digunakan untuk membandingkan data dari berbagai kelompok. (Dr.
Sugiyono, 2002:37)
Contoh : Dari hasil penelitian mengenai pelajaran matematika dengan sampel 50 siswa di smp
negeri 24 prabumulih diperoleh data sebagai berikut:
No Penilaian Jumlah
1 Sangat Suka 12
2 Suka 13
3 Tidak Suka 19
4 Sangat Tidak Suka 6
12%
24% Sangat Suka
Suka
Tidak Suka
38%
26% Sangat Tidak Suka
APLIKASI DALAM PENELITIAN
TUNTAS
32%
TIDAK TUNTAS
68%
Berdasarkan penyajian data diatas, nilai MID Semester Matematika Kelas XII IPA 3
SMAN 1 Tanjung Raja yang berjumlah 34 orang, dengan KKM nilai 65, banyak siswa
yang tuntas sebesar sebesar 32 % dan yang tidak tuntas sebesar 68%
KESIMPULAN
Dalam pembuatan laporan penelitian, data adalah hal yang harus dilaporkan.Agar dapat
memberikan gambaran yang bermakna, data-data itu haruslah disajikan kedalam tampilan yang
sistematis untuk keperluan penganalisisaan. Biasanya, data itu disusun dalam sebuah tabel atau
gambar-gambar grafik. Penyajian data ini bertujuan memberikan gambaran yang sistematis
tentang peristiwa-peristiwa yang merupakan hasil penilitian/observasi, data lebih cepat
ditangkap dan dimengerti, memudahkan dalam analisis data, membuat proses pengambilan
keputusan kesimpulan lebih tepat, cepat dan akurat.
Secara garis besar ada dua cara penyajian data, yaitu dengan daftar atau tabel dan
diagram atau grafik. Dua cara penyajian data ini saling berkaitan karena pada dasarnya
sebelum dibuat grafik data tersebut berupa tabel.
Dalam penyajian data dengan tabel, terdapat 3 jenis tabel, yaitu tabel satu arah, tabel
dua arah dan tabel tiga arah.Sedangkan penyajian data dengan grafik/diagram, terdapat jenis-
jenis grafiknya, diantaranya grafik garis, grafik batang, histogram, grafik lingkaran, grafik
gambar dan grafik berupa peta.
BAB III
Total 40
Keterangan : =
=
=
=
Berdasarkan data yang didapat diatas, hasil penelitian oleh Boyke, dalam skripsinya mengenai
hasil daftar nilai MID semester kelas XII.IPA3 SMAN 1 Tanjung Raja, dapat dibuat sebuah
distribusi frekuensi numerical sebagai berikut:
84 72 66 54 47 38 30
83 71 58 51 46 38 28
78 70 58 50 44 36 26
74 70 56 50 40 34 18
72 69 56 50 39 32
Berdasarkan hasil penelitian yang dilakukan oleh Boyke dalam skripsinya mengenai hasil
daftar nilai MID semester kelas XII.IPA3 SMAN 1 Tanjung Raja, dapat dibuat sebuah
distribusi kelompok, berikut langkah-langkahnya:
= 84 18 = 66
= 1 + 3,3
= 1 + 3,3 (34)
= 1 + 3,3 (1,53)
= 1 + 5,05
= 6,05
= 7 ( )
66
I= = = 9,4 = 10 (dibulatkan keatas)
7
Menentukan batas kelas:
Tbk = Bbk 0,5 ; Tak = Bak + 0,5
Panjang interval kelas = Tak Tbk
Keterangan : Tbk = tepi bawah kelas, Bbk = batas bawah kelas
Tak = tepi atas kelas, Bak = batas atas kelas
Menentukan titik tengah
27 18
1 = = 22,5
2
37 28
2 = = 32,5
2
47 38
3 = = 42,5
2
57 48 67 58
4 = = 52,5 ; 5 = = 62,5
2 2
7768 8778
6 = 2 = 72,5 ; x7 = 2 = 82
Daftar distribusi kelompok dari data yang didapat diatas, didapat seperti tabel berikut:
Frekuensi
NILAI Batas Kelas Persen Kumulatif
Kumulatif
, 0 0
Berikut ogif kumulatif kurang dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA
Tanjung Raja yang diambil dari tabel distribusi frekuensi ditambah satu kolom frekuensi
menurun dengan menggunakan batas kelas.
35
30
25
10
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI
Frekuensi
NILAI Batas Kelas Persen Kumulatif
Kumulatif
18-27 , 34 100
Berikut ogif kumulatif lebih dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA
Tanjung Raja Raja yang diambil dari table distribusi frekuensi ditambah satu kolom frekuensi
menurun dengan menggunakan batas kelas.
35
30
25
10
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
OGIF KUMULATIF
40
35
30
25
10
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
Ogif yang diambil dari tabel distribusi kumulatif kurang dari dan distribusi kumulatif lebih
dari.Dari gambar tersebut untuk frekuensi kumulatif kurang dari grafiknya meningkat,
sedangkan untuk frekuensi lebih dari grafiknya menurun.
KESIMPULAN
Contoh:
Indeks prestasi 5 orang mahasiswa adalah sbb: 2,7; 3,2; 3; 2,4 dan 2,1
Jawab:
n
i=1 xi 2,7+3,2+3+2,4+2,1
Mean =
fi
= = 2,68
5
Jika data sudah disusun dalam daftar distribusi frekuensi, maka rataan ditentukan
dengan rumus:
n
i=1 fi xi
x = fi
Nilai fi
31 40 2
41 50 4
51 60 10
61 70 15
71 80 6
81 - 90 3
Jawab:
Langkah menghitung rata-rata yaitu: tentukan nilai tengah (Yi) masing-masing kelas
interval, tentukan tanda kelas dan nilai kodenya (Ci) sehingga tabelnya menjadi:
Nilai Fi xi Fi.xi
31 40 2 35.5 71
41 50 4 45.5 182
51 60 10 55.5 555
61 70 15 65.5 982.5
71 80 6 75.5 453
81 - 90 3 85.5 265.5
40 2509
n
i=1 fi xi 2509
Mean = = = 62.725
fi 40
b. Rataan Ukur
Rataan hitung dipergunakan untuk menghitung rata-rata dari perbandingan tiap 2
data berurutan tetap atau hamper tetap. Untuk data yang bernilai X1, X2, ., Xn.
Rataan ukur disimbolkan dengan U didefinisikan dengan:
1. Rataaan ukur data tunggal
log(xi)
= (1)(2) ()atauLog(U) = n
=
=
1 =
( fi.log(xi)) 149,8091
Log(U) = fi
= = 1,8726
80
U = 101,8726 = 74,58
c. Rataan Harmonis
Misalkan diberikan sekumpulan data X1, X2, X3, , Xn. Rataaan harmonis
disimbolkan dengan H didefinisikan dengan:
1. Rata-rata harmonis data tunggal
n
H=
1
( )
xi
=
=
1 =
Contoh:
Si Adi seorang mahasiswa Universitas Sriwijaya yang bepergian pulang pergi.
Saat pergi ia mengendarai kendaraan dengan kecepatan 10 km/jam sedangkan
saat kembalinya 20 km/jam. Berapakah rata-rata kecepatan pulang pergi Adi?
Jawab:
2 40
H= = = 13,5 km/jam
1 1 3
10 + 20
80
H= = = 72,7283
1,1000
( )
2. Median
Median adalah salah satu uuran pemusatan data, yaitu, jika segugus data
diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya, nilai pengamatan
yang tepat di tengah-tengah bila jumlah datanya ganjil atau rata-rata kedua pengamatan
yang di tengah bila datanya genap.
Contoh:
6+7
ME = = 6.5
2
Me = 7
Jika data kuantitatif sudah disusun dalam daftar distribusi frekuensi, maka median
ditentukan dengan rumus:
= + ( )
Nilai fi
31 40 2
41 50 4
51 60 10
61 70 15
71 80 6
81 - 90 3
Karena n = 40 maka kelas median terletak antara data ke 20 dan data ke 21 atau terletak pada
kelas dengan interval 61 70, sehingga diperoleh komponen-komponen:
Jawab:
Interval F Fk
31 40 2 2
41 50 4 6
51 60 10 16
61 70 15 31
71 80 6 37
81 - 90 3 40
Jumlah 40
b.3, 4, 5, 6, 6,
Jawab:
Nilai Fi
31 40 2
41 50 4
51 60 10
61 70 15
71 80 6
81 - 90 3
Jawab:
Frekuensi paling banyak adalah 15 pada interval 61-70
Bb = 60,5
p = 10
b1 = 15 10 = 5
b2 = `15 6 = 9
b1
Maka Mo = Bb + p ( )
b1+b2
5
= 60,5 + 10 (5+9)
5
= 60,5 + 10 (14)
= 60,5 + 3,57
= 64,07
UKURAN LETAK DAN PENYEBARAN
1.Ukuran Letak
Penggunaan atau fungsi sebuah ukuran letak, yaitu untuk mengetahui nilai data yang
berdasarkan pada letak dari suatu nilai data dalam urutan distribusi. Ukuran letak terdiri dari :
1.kuartil (Q)
2.desil (D)
3.persentil (P)
1.Kuartil
Kuartil adalah nilai yang membagi data menjadi 4 bagian yang sama setelah diurutkan dari
data yang terkecil ke data yang terbesar. Kuartil sering kali dilambangkan dengan Q.Kuartil
dibagi menjadi 2 perhitungan, yaitu kuartil untuk data tunggal dan kuartil data kelompok.
a.Letak Kuartil
( + 1)
=
4
b.Nilai kuartil :
( + 1)
=
4
Dimana:
Qi = Kuartil ke-i
i = 1,2,3
n = jumlah data
a.Letak kuartil :
.
=
4
b.Nilai kuartil
.
= + ( 4 )
Dimana:
Qi : Kuartil ke-i
P : Panjang kelas
n : jumlah data
Desil merupakan nilai yang membagi data menjadi 10 bagian yang sama. Desil dilambangkan
dengan D.dalam perhitungannya desil juga dibagi menjadi 2 perhitungan, yaitu desil untuk
data tunggal dan desil untuk data kelompok.
a.Letak desil
( + 1)
=
10
b.Nilai desil :
( + 1)
=
10
Dimana:
Di = Desil ke-i
i = 1,2,3
n = jumlah data
a.Letak desil :
.
=
10
b.Nilai kuartil
.
= + ( 10 )
Dimana:
Di : Kuartil ke-i
P : Panjang kelas
n : jumlah data
3.Persentil
Persentil merupakan nilai yang membagi data menjadi 100 bagian yang sama. Desil
dilambangkan dengan P.perhitungannya persentil juga dibagi menjadi 2 perhitungan, yaitu
persentil untuk data tunggal dan persentil untuk data kelompok.
a.Letak persentil
( + 1)
=
100
b.Nilai persentil
( + 1)
=
100
Dimana:
Pi = persentil ke-i
i = 1,2,3
n = jumlah data
Rumus mencari persentil data kelompok
1. Letak persentil :
.
=
100
2. Nilai persentil
.
= + ( 10 )
Dimana:
Pi = Persentil ke-i
P = Panjang kelas
n = Jumlah data
Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, dan 50. Tentukan::
a. 1, 2 3 ?
b. 3, 7 ?
c. 15, 30 ?
JAWAB:
Data disusun terlebih dahulu sehingga menjadi : 35, 40, 45, 50, 65, 70, 70, 80, 90
n=9
a.Q1, Q2 dan Q3
- Letak Q1
+1
1 = 1 ( )
4
10
= 1.
4
= 2,5 (artinya Q1 terletak pada posisi data ke-2 dan 3)
-Nilai Q1
1 ( + 1)
1 =
4
=nilai data ke 2 + nilai data 0,5 ( nilai data ke 3 nilai data ke-2)
= 40 + 0,5 (45-40)
= 42,5
, 1 2,5 42,5
- Letak Q2
+1
2 = 2( )
4
10
= 2 ( )
4
= 5 (artinya Q1 terletak pada posisi data ke-5)
-Nilai Q2
2 ( + 1)
2 =
4
=nilai dari data ke-5
= 65( )
, 2 5 65
- Letak Q3
+1
3 = 3( )
4
10
= 3 ( )
4
= 7,5 (artinya Q1 terletak pada posisi antara data ke 7 dan 8)
-Nilai Q3
3 ( + 1)
3 =
4
= 75
, 2 7,5 75
b.D3, D7
- Letak D3
+1
3 = 3 ( )
10
10
= 3.
10
= 3 (artinya D3 terletak pada posisi data k3- 3)
-Nilai D3
3 ( + 1)
3 =
4
= nilai data ke 3 = 45
, 3 2,5 45
- Letak D7
+1
7 = ( )
10
10
= 7 ( )
10
= 7 (artinya D7 terletak pada posisi data ke-7)
-Nilai D7
7 ( + 1)
7 =
10
= 70 ( )
, 7 7 70
c.P15,P30
- Letak P15
+1
15 = 15 ( )
100
10
= 15.
100
= 15 (artinya P15 terletak pada posisi antara data ke-1 dan 2)
-Nilai P15
15 ( + 1)
15 =
100
= 35 + 0,5 ( 4035)
= 37,5
, 15 1,5 37,5
- Letak P30
+1
7 = 30( )
100
10
= 30( )
100
= 3 (artinya D7 terletak pada posisi data ke-3)
-Nilai P30
30 ( + 1)
30 =
10
= 45 ( )
, 7 3 45
a. Q3
b. D5
c. P25
JAWAB :
3.40
a. Letak 3 = = 30
4
3025
Q3 = 55,5 + 6 ( ) = 55,5 + 3,75 = 59,5
8
5.40
b. Letak D5 = = 20
10
20 9
Q3 = 50,5 + 6 ( ) = 50,5 + 4,1 = 54,6
16
25.40
c. 25 = = 10
100
10 9
25 = 50,5 + 6 ( )
16
2.Ukuran Penyebaran
Dimana :
R = Rentangan (R)
Xmax = Nilai data terbesar
Xmin = Nilai data terkecil
= 3 1
Dimana :
RAK = Rentangan antar kuartil , Q3 = kuartil ke 3, Q1 = kuartil ke 1
3.Rentangan Semi Antar kuartil (Simpangan Kuartil)
Simpangan kuartil merupakan setengah dari Rentangan Antar Kuartil (RAK).Simpangan
kuartil biasanya dilambangkan dengan SK. Berikut rumus untuk mencari simpangan kuartil,
yaitu :
1
=
2
atau
1
= ( 1 )
2 3
4. Simpangan Rata-rata
| |
=
Dimana:
SR = Simpangan rata-rata
x = Data ke-i
= Rataan hitung
n = Banyak data
Dimana: | |
=
SR = Simpangan Rata-rata
= Frekuensi ke-i
= Rataan hitung
5.Simpangan Baku
Simpangan baku atau standar deviasi merupakan nilai yang menunjukkan tingkat variasi
kelompok data atau ukuran standar penyimpangan dari rata-ratanya. Standar deviasi biasanya
dilambangkan dengan s. Rumus mencari simpangan baku dalam data tunggal terdapat
sampel dan populasi dan begitu juga dengan data kelompoknya
Simpangan baku untuk data tunggal
| |2 | |2
= =
1
Dimana :
s = Simpangan baku
xi = data ke-i
n = jumlah data
( )2 ( )2
= =
1
Dimana :
s = Simpangan baku
= Frekuensi ke-i
= Rata-rata
Varians merupakan kuadrat dari simpangan baku (standar deviasi) yang biasanya
dilambangkan dengan S. sama halnya dengan simpangan baku, rumus mencari varians dalam
data tunggal ada varians yang untuk sampel dan populasi dan begitu juga dengan data
kelompoknya.
2
2 2
| | 2
= | |
1 =
Dimana:
V = varians
xi = data ke-i
n = jumlah data
2 2
( )2 ( )2
= =
1
Dimana :
V = varians
= Frekuensi ke-i
7.Koefisien Varians
Koefisien varians merupakan perbandingan antara simpangan baku dengan meannya yang
dinyatakan dalam persen dan tujuannya adalah mengamati sebaran data/variasi dari meannya.
Semakin kecil koefisien variansnya maka data semakin seragam (homogen) sebaliknya
semakin besar koefisien varians maka data semakin heterogen.Koefisien varians biasanya
dilambangkan dengan dengan KV. Berikut rumus untuk mencari koefisien varians :
= 100%
Dimana :
KV = Koefisien varians
s = simpangan baku
= rata-rata
8.Angka Baku
Angka baku merupakan bilangan yang menunjukkan seberapa jauh suatu nilai yang
menyimpang dari rata-rata dengan satuan simpangan baku dan biasanya dilambangkan dengan
Zscore. Fungsi angka baku, diantaranya mengamati perubahan kenaikan, penurunan variabel
yang ada dari meannya, untuk mengubah data ordinal menjadi interval dengan mengubah skor
mentah menjadi skor baku. Semakin kecil angka baku, semakin kecil perubahan variable
tersebut dari meannya, namun sebaliknya semakin besar angka baku maka semakin besar juga
perubahan variabel dari meannya.
Dimana :
xi = data ke-i
= rata-rata
s = simpangan baku
CONTOH (untuk data tunggal) :
Tentukan :
a.R ? c. SD dan V?
50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Berdasarkan data diatas, bahwa nilai terbesarnya adalah 100 sedangkan nilai terkecil adalah 50.
= 100 50 = 50
| |
=
105
= = 10,5
10
Jadi, simpangan rata-rata dari data diatas adalah 10,5
C. Untuk mempermudah mencari simpangan baku dan varians, kita gunakan tabel
| |2
=
1412,5
= = 11,8
10
= (11,8) 2 = 141,25
Jadi, untuk data populasi simpangan baku nya adalah 11,8 dan variansnya adalah 141,25
d.koefisien varians
berdasarkan hasil yang didapat pada pengerjaan sebelumnya, s = 11,8 dan = 141,25
5435
= = 77,6
70
a.Simpangan rata-rata :
| |
=
385,24
= = 5,5
70
( )2
=
3395,4
= = 6,9
70
Jadi, simpangan rata-rata dan simpangan baku/standar deviasi dari 70 mahasiswa diatas
berturut-turut sebesar 5,5 dan 6,9
c.Koefisien baku dapat dicari menggunakan simpangan baku dan rata-rata yang kita dapatkan
sebelumnya. didapat: s = 6,9 dan = 77,6
= 100%
6,9
= 100% = 8,8 %
77,6
Jadi, koefisien variansnya adalah 8,3 %
KESIMPULAN
Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat segugus data,
yang telah diurut dari yang terkecil sampai yang terbesar atau sebaliknya. Salah satu
kegunaan dari pemusatan data adalah untuk membandingkan dua (populasi) atau contoh,
populasi. Macam-macam dari ukuran pemusatan ini, diantaranya mean (rata-rata), median dan
modus. Masing-masing ukuran pemusatan ini mempunyai perhitungan untuk data tunggal dan
data kelompok.
Penggunaan atau fungsi sebuah ukuran letak, yaitu untuk mengetahui nilai data yang
berdasarkan pada letak dari suatu nilai data dalam urutan distribusi.Jenis ukuran letak diatara
nya kuartil, desil, persentil. Masing-masing jenis ukuran mempunyai 2 perhitungan yaitu
perhitungan untuk data tunggal dan data kelompok
Simetri
Ada beberapa cara untuk menghitung derajat kemiringan data yaitu sebagai berikut :
1. Rumus Pearson :
Contoh soal :
Berikut ini adalah data nilai ujian statistik dari 40 mahasiswa sebuah universitas.
a) Tentukan nilai sk dan ujilah arah kemencengannya (gunakan kedua rumus tersebut) !
b) Gambarlah kurvanya !
Penyelesaian:
Oleh karena nilai sk-nya negatif (-0,46) maka kurvanya menceng ke kiri atau menceng negatif.
b. Gambar kurvanya :
2. Rumus Momen
Contoh soal :
Kelas Q1 = kelas ke -3
Karena skB negatif (=0,06) maka kurva menceng ke kiri dengan kemencengan yang berarti.
Kurtosis adalah derajat kepuncakan dari suatu distribusi. Suatu distribusi yang relatif tinggi
dinamakan leptokurtik, jika puncaknya datar disebut platikurtik dan jika puncaknya tidak
terlalu tinggi atau terlalu datar disebut mesokurtik.
Untuk mengetahui apakah sekumpulan data mengikuti distribusi leptokurtik, platikurtik, dan
Untuk mengetahui keruncingan kurva dapat ditentukan dengan menghitung koefisien kurtosis:
1
( 1 )
2 3
K=
(90 10 )
Dimana:
Dari hasil koefisien kurtosis diatas, ada tiga kriteria untuk mengetahui model distribusi dari
sekumpulan data, yaitu :
Berikut ini disajikan tabel distribusi frekuensi dari tinggi 100 mahasiswa
universitas XYZ.
Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi.
Simetri
Miring ke kanan kemiringan positif
Miring ke kiri kemiringan negative
Ukuran keruncingan adalah kepuncakan dari suatu distribusi, biasanya diambil relatif
terhadap distribusi normal. Sebuah distribusi yang mempunyai puncak relatif tinggi dinamakan
leptokurtik, sebuah distribusi mempunyai puncak mendatar dinamakan platikurtik, distribusi
normal yang puncaknya tidak terlalu tinggi atau tidak mendatar dinamakan mesokurtik.
1. Jumlah percobaan merupakan bilangan bulat. Contoh: melambungkan koin 2 kali, tidak
1
mungkin 22 kali.
2. Setiap eksperimen mempunyai dua hasil. Contoh: sukses atau gagal, laki-laki atau
perempuan, sehat atau sakit.
3. Peluang sukses sama setiap ekperimen. Contoh: Jika sebuah dadu, yang diharapkan adalah
1
keluar mata lima, maka dikatakan peluang sukses adalah 6, sedangkan peluang gagal
5
adalah 6.Untuk itu peluang sukses dilambangkan p, sedangkan peluang gagal adalah (1 - p)
Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri percobaan
Binomial sebagai berikut :
Distribusi Binomial dirumuskan () = ( = ) = ( ) () ; dengan:
Banyak percobaan
Banyak kejadian sukses
Peluang sukses
=1 Peluang gagal
( ) Banyak kejadian gagal
!
= 0,1,2, . . . . , 0 < < 1 dan ( ) = !()! merupakan koefisien binomia
Distribusi binom mempunyai parameter, diantaranya yang akan kita gunakan ialah rata-rata
dan simpangan baku. Rumusnya adalah :
= dan = (1 )
Contoh Soal:
1. Diketahui bahwa 20% bola lampu yang diproduksi oleh sebuah mesin adalah
rusak. Sebuah pemeriksaan dilakukan dengan mengambil 4 bola lampu secara
acak. Dari empat bola lampu ini tentukan peluang jumlah yang rusak adalah
(a) 1 bola lampu
Jawab :
Peluang bola lampu rusak adalah p = 20% = 0,2, berarti peluang yang baik adalah q = 1
p = 0,80. Misalkan X adalah variabel acak yang menunjukkan bola lampu yang rusak.
Maka dengan menggunakan rumus (2) diperoleh :
4
(a) ( = 1) = ( ) (0,2)1 (0,8)3 = 0,4096
1
4
(b) ( = 0) = ( ) (0,2)0 (0,8)4 = 0,4096
0
(c) ( < 2) = ( = 0) + ( = 1) = 0,4096 + 0,4096 = 0,81192
2. Ani, seorang mahasiswi FKIP Matematika Unsri melakukan pengundian dengan sebuah
koin sebanyak 5 kali. Peluang untuk mendapatkan 3 uang yang bergambar adalah:
Jawab:
3
5 1 1 2
( = 3) = ( ) ( ) ( ) = (10)(0,125)(0,25) = 0,3125
3 2 2
B . Distribusi Poisson
() = ( = ) =
!
Keterangan :
= 0,1,2,3, . . . .,
e adalah basis logaritma natural ( = 2,71828 )
= dan =
Distribusi Poisson juga merupakan salah satu model distribusi peluang untuk peubah acak
yang farik. distribusi poisson sering digunakan untuk menentukan peluang sebuah peristiwa
mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan waktu yang
diharapkan jarang terjadi. Misalnya, banyak orang yang lewat di depan pasar setiap hari, tetapi
sangat jarang terjadi seseorang yang menemukan barang hilang dan mengembalkan kepada
pemilik-nya atau melaporkannya kepada polisi. Contoh lain, operator telepon banyak
menerima permintaan nomor untuk disambungkan, diharapkan jarang sekali terjadi salah
sambung setiap menit.
Contoh soal:
1. Sepuluh persen peralatan yang dihasilkan dari sebuah proses produksi ditemukan cacat.
Hitunglah peluang bahwa dalam 10 peralatan yang diambil secara acak dua diantarannya cacat
dengan menggunakan pendekatan distribusi Poisson
Jawab:
() = ( = ) =
!
2 (2,71828)1 (1)2
( = 2) = = = 0,1839
2! 2!
2. Dari 100 orang mahasiswa FKIP 2 orang mengaku selalu terlambat masuk kuliah setiap hari,
jika pada suatu hari terdapat 500 mahasiswa FKIP, berapa peluang ada lebih dari 3 orang
yang terlambat?
Jawab:
a. Kejadian Sukses : selalu terlambat masuk kuliah
2
p= = 0.02 n = 500 x>3
100
= Np = = 0.02 500 = 1
1 10 (2,71828)1 1
(0) = = = 0,36
0! 1
1 11 (2,71828)1 1
(1) = = = 0,36
1! 1
1 12 (2,71828)1 1
(2) = = = 0,18
2! 2
1 13 (2,71828)1 1
(3) = = = 0,06
3! 6
Yang menderita reaksi buruk lebih dari 3 orang, ini berarti X = 4, 5, ...
KESIMPULAN
Dari penjelasan di atas dapat disimpulkan bahwa probabilitas dapat membantu kita
dalam mengambil keputusan. Misalnya seperti memperkirakan mana yang lebih banyak peluang
Percobaan Binomial adalah suatu percobaan yang terdiri dari beberapa usaha, yang
mana setiap usaha memiliki dua kemungkinan hasil yaitu berhasil dan gagal. Percobaan tersebut
DISTRIBUSI NORMAL
A. DISTRIBUSI NORMAL
1. Definisi distribusi normal
Distribusi normal merupakan suatu alat statistik yang sangat penting untuk menaksir
dan meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal disebut juga dengan
distribusi Gauss untuk menghormati Gauss sebagai penemu persamaannya (1777-
1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi mengikuti distribusi
normal.
Distribusi normal memiliki parameter, yaitu rata-rata () dan simpangan baku (), selain itu
juga kurvanya berbentuk lonceng (bell shape) dimana menggunakan rata-rata sebagai sumbu
simetrisnya. Dikatakan berdistribusi normal jika data tersebut berdistribusi simetris, yaitu nilai
rata-rata, median dan modus sama. Selain itu juga variabel acak x bdikatakan berdistribusi
normal jika nilai x mempunyai batas nilai < > . Peubah acak x yang mempunyai rata-
rata () dan varians (2) memiliki fungsi densitas pada X = x, yaitu:
( )
() =
Dengan :
= 3,1416. merupakan nilai konstan yang ditulis hingga 4 desimal
e = 2,7183. merupakan bilangan konstan yang ditulis hingga 4 desimal
= rata-rata distribusi
= simpangan baku distribusi
(Usman Husaini dan R. Purnomo, 2006:106).
5.Luas daerah di bawah kurva adalah 1; di sisi kanan nilai tengah dan di sisi kiri.
Jika terdapat bentuk kurva yang tidak memenuhi karakteristik di atas dikenal dengan distribusi
tidak simetris (distribusi menceng kekiri atau kekanan)
PLATIKURTIK
Pada kurva normal:
LEPTOKURTIKPLATIKURTIK
- Semakin besar , maka kurva semakin rendah (platikurtik) LEPTOKURTIK
1 = 2 1 < 2 1 < 2
1 > 2 1 = 2 1 < 2
Untuk menentukan peluang harga x antara a dan b seperti gambar diatas, yaitu :
(
)
P( < < ) = ()
Dengan:
Seperti kita ketahui, distribusi normal baku (standar) adalah distribusi normal dengan = 0 dan
= 1, dimana fungsi densitasnya berbentuk:
Dengan batas z < > .
() =
Pengubahan distribusi normal umum ke distribusi normal baku, dapat menggunakan rumus:
Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya luas dibawah kurva:
Setelah pengubahan distribusi normal umum ke daftar distribusi normal baku, maka daftar
distribusi normal baku dapat digunakan dan dapat ditentukan luas distribusi normal bakunya
dengan cara sebagai berikut:
1. Menghitung z dan didapat dua desimal
2. Gambar kurva seperti gambar distribusi normal standar
3. Letakkan nilai z pada sumbu datar, kemudian tarik garis vertikal sehingga memotong kurva
4. Luas pada daftar merupakan luas daerah antara garis ini dengan garis tegak titik nol
5. Dalam daftar distribusi normal baku, nilai z pada kolom paling kiri hanya memuat satu
desimal dan pada desimal kedua dicari pada baris paling atas.
6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, lalu didapat
bilangan yang merupakan luas yang dicari. Bilangan yang didapat dalam bentuk 4 desimal
7. Karena luas seluruh kurva yaitu satu satuan luas persegi, dan kurva simetris di titik 0, maka
luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5 satuan luas.
1. Hitung P (X<1,25)
Penyelesaian: Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah angka
0,05 pada baris paling atas. Sel para pertemuan kolom dan baris tersebut adalah 0,8944.
2. Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan
baku (s) 0,9 ton. Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi
normal (data tentatif), tentukan
Jawab:
8 6
= = = 2,22
0,9
b. Hitung luas di bawah kurva normal pada z = 2,22. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris 2,20 dan kolom 0,02. Hasilnya adalah angka 0,98679 dan bila
dijadikan persen menjadi 98,679%. Angka ini menunjukkan bahwa luas di bawah
kurva normal baku dari titik 2,22 ke kiri kurva adalah sebesar 98,679%. Karena luas
seluruh di bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva
adalah 100% 98,679% = 1,321% (arsir warna hitam pada gambar). Oleh karena itu,
luas sawah yang produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x
100.000 ha = 1321 ha.
3.IPK (indeks kumulatif prestasi) rata-rata mahasiswa FKIP Matematika tahun ajaran 2013
yaitu 2,62 dengan simpangan baku 0,50. Jika diasumsikan IPK berdistribusi normal, berapa
% mahasiswa yang memperoleh IPK 3.00 ?
Jawab: Bagian IPK = 3.00 pada kurva normal ditunjukkan oleh bilangan baku
=
3.00 2.62
=
0.5
= 0, 76
Dengan melihat tabel distribusi normal untuk proporsi luas antara x=0 sampai x=0.76 yaitu
0.2764 sehingga proporsi mahasiwa dengan ipk 3.00 yaitu 0.5000-0.2764 = 0,2236 atau
22,36%
4. Dari penelitian terhadap 150 orang laki-laki yang berumur 4060 tahun didapatkan rata-rata
kadar kolesterol () mereka 215 mg % dan simpangan baku = 45 mg %. Hitunglah peluang
kita mendapatkan seorang yang kadar kolesterolnya:
a. > 250 mg %
b. < 200 mg %
c. antara 200 275 mg %
Jawab :
= 215
= 45
Untuk memudahkan pengerjaan, kita kerjaan contoh soal 4.b terlebih dahulu.
b. P(x < 200)
200 215
= = = -6
45
Berdasarkan tabel kurva normal, untuk nilai Z = -0,67, luasnya adalah 0.2514. Sehingga
peluang untuk menemukan laki-laki dengan kadar gula kurang dari 200 mg % adalah
0.2514.
250 215
= = =0,78
45
Berdasarkan tabel kurva normal, untuk nilai Z = 0.78, luasnya adalah 0.7794. Sehingga
peluang untuk menemukan laki-laki dengan kadar gula kurang dari 250 mg % , P (x < 250)
adalah 0.7794. Peluang untuk menemukan laki-laki dengan kadar gula lebih dari 250 mg %
, atau P (x > 250) dapat dilakukan dengan cara berikut :
a. Rata-rata;
=
b. Varians;
2
( )2
=
c. Simpangan baku;
( )2
=
Sumber:www.cortland.edu
Distribusi Normal dengan:
a) total luas dibawah kurva +-1 (68,26%), +-2 (95,44%) dan +-3 (99,74%)
b) persen dalam interval
c) z score (nilai standar)
d) t score (jumlah standar deviasi)
e) persentil
Rata-rata (garis perpindicular di tengah-tengah kurva) dari distribusi normal membagi
kurva menjadi dua, sehingga 50% dari area bawah kurva di sebelah kanan rata-rata dan 50%
adalah ke kiri. Oleh karena itu, 50% dari nilai tes yang lebih besar dari rata-rata, dan 50% dari
nilai tes yang kurang dari rata-rata. Gambar di atas menunjukkan bahwa 34,13% dari daerah
ini antara rata-rata dan +1 atau -1 standar deviasi unit, disebut z score. Oleh karena itu total
dari 68,26% (34,13% x 2) dari nilai tes jatuh antara +1 dan -1 SD. (Coba mengerjakan
persentase lain dari daerah di bawah kurva antara dua garis standar deviasi atau total persentase
ke kiri atau kanan garis standar deviasi.)
Contoh aplikasi: Semua siswa kelas 2 mengambil Test IQ dengan rata-rata 100 dan
simpangan baku 15. Seorang administrator ingin menentukan berapa persen peserta ujian harus
skor antara 1 simpangan baku atas (100 + 15 = 115 IQ) dan Simpangan baku bawah (100 - 15
= 85 IQ) rata-rata. Karena daerah persen di bawah kurva sama dengan frekuensi persen nilai,
68,26% (34,13% x 2) dari siswas harus mendapatkan nilai antara 85 dan 115 pada tes IQ.
Selain itu, 15,87% (50% - 34,13% = 15,87%) akan mencetak di atas skor 115 dan di bawah 85.
Pada tes IQ yang sama, salah satu siswi kelas menerima skor 145. Guru mengetahui ini adalah
skor luar biasa dibandingkan siswa lain. Skor 145 adalah +3 unit simpangan baku di atas rata-
rata (100 + 15 + 15 + 15 = 145). Area di bawah kurva distribusi normal di sebelah kiri skor ini
adalah 99,87%99,87% (50% + 34,13% + 13,59% + 2.15% = 99,87%). Oleh karena itu, siswa
ini mencetak lebih baik dari 99,87% dari yang lain peserta tes. Statistik ini juga disebut sebagai
persentil.
Tentu saja tidak semua distribusi skor tes terdistribusi secara normal akan tetapi bisa miring,
yaitu memiliki jumlah yang tidak proporsional baik atau sangat buruk.
Kolom paling kiri menunjukkan nilai Z, tertera angka 0 sampai 3 dengan satu desimal
dibelakangnya. Desimal berikutnya terletak pada baris paling atas dengan angka dari 0 sampai
9.
Misalnya dari hasil perhitungan diperoleh nilai Z = 1,96
Maka di kolom kiri kita cari nilai1,9 dan baris atas kita cari angka 6
Dari kolom 6 bergarak ke bawah, hingga pertemuan titik yang menunjukkan angka
0,4750.
Berarti luas daerah di dalam kurva normal antara rata-rata dengan 1,96 SD ke kanan
adalah 0,475.
Karena luas kurva ke kanan dan ke kiri sama, maka luas penyimpangan 1,96 ke kanan
dan ke kiri dari rata-rata adalah 0,95 (95%).
Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar
10. Berapakah probabilitas kesembuhan antara 190 dan 210?
Jawab :
210 200
= = = 1 = 0,3413
10
Distribusi normal merupakan salah satu distribusi teoritis dan variabel random
kontinu.Dimana kurvanya merupakan kurva normal. Keluarga distribusi normal memiliki
jumlah yang banyak sekali, akibat pengaruh rata-rata simpangan baku. Akan tetapi, untuk
mencari probabilitas suatu interval dari variabel random kontinu dapat dipermudah dengan
menggunakan bantuan distribsui normal standar.Menghitung luas daerah kurva normal dapat
menggunakan Tabel Kurve Normal Baku.
BAB VIII
A. UJI NORMALITAS
Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal
sehingga dapat dipakai dalam statistik parametrik (statistik inferensial).Uji normalitas berguna
untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari
populasi normal.
1. Chi-Square
2. Lilliefors
3. Kolmogorov Smirnov
4. Shapiro Wilk
2. Chi-Square
Metode Chi-Square atau 2 untuk Uji Goodness of fit Distribusi Normal menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan.
( )
2 =
Keterangan :
2 = Nilai 2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Signifikansi
Jika nilai 2 hitung > nilai 2 tabel, maka maka Ho ditolak ; Ha diterima.
Contoh :
Selidikilah dengan = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean =
157.8; Standar deviasi = 8.09)
Penyelesaian :
1) Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badanmahasiswa tidak berdistribusi normal
2) Nilai
Nilai = level signifikansi = 5% = 0,05
3) Rumus Statistik Penguji
( )
2 =
Batas Interval
= ( )
Kelas Bawah
139,5-144,5 -2,26 - -1,64 0,4881 0,4495 7 3,86
144,5-149,5 -1,64 - -1,03 0,4495 - 0,3485 10 10,1
149,5-154,5 -1,03 - -0,41 0,3485 0,1591 16 18,94
154,5-159,5 -0,41 - -0,21 0,1591 0,0832 23 24,23
159,5-164,5 -0,21 - 0,83 0,0832 0,2967 21 21,35
164,5-169,5 0,83 1,45 0,2967 0,4265 17 12,98
169,5-174,5 1,45 2,06 0,4265 0,4803 6 5,38
Jumlah 100
( )
2 =
(7 3,86)2 (10 10,1)2 (6 5,38)2
= + + +
3,86 10,1 5,38
= 0,427
4) Derajat Bebas
Df = ( k =panjang kelas) 3 ) = ( 5 3 ) = 2
5) Nilai Tabel
Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-Square) pada lampiran.
6) Daerah Penolakan
o Menggunakan Gambar
o Menggunakan Rumus
|0,427 | < |5,991| ; berarti Ho diterima, Ha ditolak.
7) Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.
3. Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva
normal sebagai probabilitas komulatif normal.
Rumus:
=
keterangan :
Xi = data / nilai
X = rata- rata (mean)
s = standar deviasi
Contoh:
Berikut ini adalah data nilai hasil belajar statistik siswa SMK Merdeka, yang terdiri dari 20
siswa:
51 52 56 56 56 56 66 66 71 71
71 73 76 81 81 82 86 86 91 96
Apakah nilai mata pelajaran tersebut berdistribusi normal?
Nilai Frekuensi FX X 2 2
51 1 51 -21,2 449,44 449,44
52 1 52 -20,2 408,04 408,04
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
66 1 66 -6,2 38,44 38,44
66 1 66 -6,2 38,44 38,44
71 1 71 -1,2 1,44 1,44
71 1 71 -1,2 1,44 1,44
71 1 71 -1,2 1,44 1,44
73 1 73 0,8 0,64 0,64
76 1 76 3,8 14,44 14,44
81 1 81 8,8 77,44 77,44
81 1 81 8,8 77,44 77,44
82 1 82 9,8 96,04 96,04
86 1 86 13,8 190,44 190,44
86 1 86 13,8 190,44 190,44
91 1 91 18,8 353,44 353,44
96 1 96 23,8 566,44 566,44
Jumlah 20 1424 3555,2 3555,2
Mean 71,2
Standar 13,3
Deviasi
Menghitung Rata-rata:
=
= 1424 / 20
= 71,2
Menghitung Standar Deviasi
3555,2
= =13,3
20
X Tabel Zi F () FK S () F () S ()
51 -1,51 0,4345 0,0655 1 0,05 0,0155
52 -1,44 0,4251 0,0749 2 0,1 0,0251
56 -1,14 0,3729 0,1271 3 0,15 0,0229
56 -1,14 0,3729 0,1271 4 0,2 0,0729
56 -1,14 0,3729 0,1271 5 0,25 0,1229
56 -1,14 0,3729 0,1271 6 0,3 0,1729
66 -0,39 0,1517 0,3483 7 0,35 0,0017
66 -0,39 0,1517 0,3483 8 0,4 0,517
71 -0,01 0,0040 0,496 9 0,45 0,0460
71 -0,01 0,0040 0,496 10 0,5 0,0040
71 -0,01 0,0040 0,496 11 0,55 0,0540
73 0,13 0, 517 0,5517 12 0,6 0,0483
76 0,36 0,1406 0,6406 13 0,65 0,0094
81 0,73 0,2673 0,7673 14 0,7 0,0673
81 0,73 0,2673 0,7673 15 0,75 0,0173
82 0,81 0,2910 0,791 16 0,8 0,0090
86 1,11 0,3665 0,8665 17 0,85 0,0165
86 1,11 0,3665 0,8665 18 0.9 0,0335
91 1,48 0,4306 0,9306 19 0,95 0,0194
96 1,86 0,4686 0,9686 20 1,0 0,0314
Jumlah 1424
Mean 71,2
Standar 13,3
Deviasi
Lo 0,1729
Hitung
Lo Tabel 0,190
1) Menghitung Rumus
=
51 71,2
= = 1,51
13,3
2) Menghitung Tabel Zi
3) Menghitung FZi
Jika pada data Zi minus ( - ) maka: 0,5 data pada tabel Zi
Contoh: 0,5 0,4345 = 0,0655
Jika pada data Zi plus ( + ) maka: 0,5 + data pada tabel Zi
Contoh: 0,5 + 0,1406 = 0,6406
4) Menentukan FK
Dengan cara seperti menentukan frekuansi kumulatif atas.
5) Menghitung SZi
=
Contoh:
1
= = 0,05
20
6) Menghitung F () S ()
Contoh: 0,655 0,5 = 0,155
7) Kesimpulan
L hitung = 0,1729< L table = 0,190 , maka nilai berdistribusi normal.
4. Kolmogorov Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-langkah
penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.
No Xi Fs | |
=
1
2
3
4
dst
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
= Probabilitas kumulatif normal
= Probabilitas kumulatif empiris
Persyaratan:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi:
Signifikansi uji, nilai | Fs| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov. Jika nilai | Fs| terbesar < nilai tabel Kolmogorov Smirnov, maka Ho diterima
; Ha ditolak. Jika nilai | Fs| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho
ditolak ; Ha diterima. Tabel Kolmogorov Smirnov pada lampiran 5, Harga Quantil Statistik
Kolmogorov Distribusi Normal.
Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengikuti pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random,
didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78,
77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan = 5%, apakah
data tersebut di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian:
Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
Nilai
Nilai = level signifikansi = 5% = 0,05
Statistik Penguji
No Fs | |
=
1 67 -1,3902
0,0823 0,0741 0,0082
2 67 -1,3902
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,0330
5 70 -1,0985
0,1357 0,2222 0,0865
6 70 -1,0985
7 72 -0,904
0,1841 0,2963 0,1122
8 72 -0,904
9 77 -0,4178
0,3372 0,3704 0,0332
10 77 -0,4178
11 78 -0,3205
12 78 -0,3205
0,3745 0,5185 0,1440
13 78 -0,3205
14 78 -0,3205
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,06843 0,5279 0,5926 0,0647
17 84 0,26291 0,6025 0,6025 0,0271
18 87 0,55463 0,7088 0,7088 0,0421
19 88 0,65188 0,7422 0,7422 0,0385
20 89 0,74912 0,7734 0,7734 0,0327
21 90 0,84636
0,8023 0,8148 0,0125
22 90 0,84636
23 95 1,33256 0,9082 0,5190 0,3892
24 97 1,52704
25 97 1,52704 0,9370 0,9630 0,0260
26 97 1,52704
27 98 1,62429 0,7474 1,0000 0,2526
Nilai | | tertinggi sebagai angka penguji normalitas, yaitu 0,1440
Derajat Bebas
Df tidak diperlukan.
Nilai Tabel
Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ; yaitu 0,254. Tabel Kolmogorov
Smirnov pada lampiran.
Daerah Penolakan
Menggunakan rumus
| 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.
5. Shapiro Wilk
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi.Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam
Shapiro Wilk.Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung
luasan kurva normal.
2
1 3
3 = [ (+1 )] = ( )2 = + + ( )
1 3
=1 =1
Signifikansi
3
= + + ( )
1 3
3 24
= 24 + 24 + ( )
1 3
0.9391 0.2106
= 5.605 + 1.862 + ( )
1 0.9391
= 1.2617
Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai
proporsi (p) luasan pada tabel distribusi normal (lampiran). Berdasarkan nilai G = -
1,2617, maka nilai proporsi luasan = 0,1038. Nilai p tersebut di atas nilai = 0,05
berarti Ho diterima Ha ditolak. Data benar-benar diambil dari populasi normal.
B. UJI HOMOGENITAS
Pengujian homogenitas adalah sebuah pengujian yang dilakukan dengan maksud
memberikan keyakinan bahwa dua buah kelompok data (distribusi) atau lebih yang
dimanipulasi dalam serangkaian analisis memang berasal dari populasi yang tidak jauh berbeda
keragaman/variansnya.
Uji homogenitas yang biasa digunakan adalah Uji Homogenitas Variansi dan Uji
Burlett. Uji homogenitas dilakukan untuk mengetahui apakah data didalam variabel X dan Y
bersifat homogen atau tidak.
1. Uji Homogenitas Variansi
Adapun langkah-langkah yang perlu kita lakukan dalam uji homogenitas variansi ini
adalah sebagai berikut.
a) Menentukan nilai varians/standar deviasi untuk variabel X dan Y, yaitu dengan rumus:
. 2 ( )2 . 2 ( )2
2 = 2 =
(1) (1)
Contoh perhitungan:
Berikut adalah 10 data tentang hubungan antara nilai siswa ketika belajar dengan metode
pembelajaran ceramah (X) dan nilai siswa ketika belajar dengan metode pembelajaran
diskusi (Y).
No X Y X2 Y2
1 89 87 7921 7569
2 78 90 6084 8100
3 92 78 8464 6084
4 85 83 7225 6889
5 79 76 6241 5776
6 80 91 6400 8281
7 80 82 6400 6724
8 83 90 6889 8100
9 92 82 8464 6724
10 90 80 8100 6400
JUMLAH 848 839 72188 70647
Jawab:
a) Menentukan nilai varians/standar deviasi untuk variabel X dan Y, yaitu dengan rumus:
2 . 2 ( )2 (10)(72188) (848)2
= = = 5,55
( 1) (10)(9)
. 2 ( )2 (10)(70647) (839)2
2 = = = 5,32
( 1) (10)(9)
5,55
= = = 1,04
5,32
2. Uji Bartlett
Adapun langkah-langkah yang perlu kita lakukan dalam uji barlett ini adalah sebagai
berikut.
a) Misalkan sampel berukuran 1 , 2 , , dengan data = ( = 1, 2, , dan =
1, 2, , ) dan hasil pengamatan lebih disusun seperi didalam tabel di bawah ini.
Data Populasi ke
1 2 ... K
11 11 ... 11
Data 11 11 ... 11
hasil
pengamatan
11 11 ... 11
2 . 2 ( )2
=
( 1)
c) Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji barlett lebih baik
disusun dalam sebuah tabel seperti berikut:
Sampel
dk ( )
ke
1 1 1 1/(1 1) 1 2 log 1 2 (1 1) log(1 2 )
2 2 1 1/(2 1) 2 2 log 2 2 (2 1) log(2 2 )
k 1 1/( 1) 2 log 2 ( 1) log( 2 )
d) Menentukan hipotesis
Ho : 1 2 = 2 2 = = 2
H1 : 1 2 2 2 2
Harga satuan B
= (log 2 ) ( 1)
Statistik chi-kuadrat
dengan ln 10 = 2,3026
Contoh perhitungan:
Berikut adalah data nilai siswa ketika diajarkan dengan tiga strategi pembelajaran
(ekpositori, inkuiri, dan konstektual) yang berbeda.
Data populasi ke
1 2 3
92 89 80
Data 84 82 87
hasil 87 86 90
pengamatan 79 87 85
83 76 80
Jawab:
Data populasi ke
1 2 3 1 2 2 2 3 2
92 89 80 8464 7921 6400
Data 84 82 87 7056 6724 7569
hasil 87 86 90 7569 7396 8100
pengamatan 79 87 85 6241 7569 7225
83 76 80 6889 5776 6400
JUMLAH 425 420 422 36219 35386 35694
5(36219) (425)2
1 2 = = 23,5
5(4)
2 5(35386) (420)2
2 = = 26,5
5(4)
5(35694) (422)2
3 2 = = 19,3
5(4)
b) Menentukan hipotesis
Ho : 1 2 = 2 2 = 3 2
H1 : 1 2 2 2 3 2
c) Menentukan nilai level signifikan ()
Nilai = 5% = 0,05.
d) Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji barlett lebih
baik disusun dalam sebuah tabel seperti berikut:
Sampel
dk ( )
ke
1 4 0,25 23,5 1,37 5,48
2 4 0,25 26,5 1,42 5,68
3 4 0,25 19,3 1,28 5,12
JUMLAH , , , ,
e) Menghitung nilai-nilai statistik penguji, sebagai berikut:
Varians gabungan dari semua sampel
( 1) 2 4(23,5) + 4(26,5) + 4(19,3)
2 = = = 23,1
( 1) 4+4+4
Harga satuan B
Statistik chi-kuadrat
UJI NORMALITAS
Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam penguji annormalitas suatu
data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakarstatistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal.
Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak,
sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yanglebih dari 30 bisa
dipastikan berdistribusi normal, demikian sebaliknya data yangbanyaknya kurang dari 30
belum tentu tidak berdistribusi normal, untuk itu perlu suatupembuktian. uji statistik normalitas
yang dapat digunakan diantaranya Chi-Square,KolmogorovSmirnov, Lilliefors, ShapiroWilk
UJI HOMOGENITAS
Uji kesamaan dua varians digunakan untuk menguji apakah kedua data tersebut
homogen yaitu dengan mambandingkan kedua variansnya. Jika kedua varians sama besarnya,
maka uji homogenitas tidak perlu dilakukan lagi karena datanya sudah dapat dianggap
homogen. Namun untuk varians yang tidak sama besarnya, perlu diadakan pengujian
homogenitas melalui uji kesamaan dua varians ini. Persyaratan agar uji homogenitas dapat
dilakukan ialah apabila kedua datanya telah terbukti berdistribusi normal.
BAB IX
UJI HIPOTESIS
Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang disajikan
sebagai bukti. Maka Hipotesis dapat diartikan sebagai pernyataan yang masih lemah tingkat
kebenarannya sehingga masih harus diuji menggunakan teknik . Hipotesis dirumuskan
berdasarkan teori, dugaan, pengalaman pribadi/ orang lain, kesan umum, kesimpulan yang
masih sangat sementara.
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya dan harus diuji kebenarannya
menggunakan data atau informasi yang dikumpulkan melalui sampel. Penerimaan suatu
hipotesis terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena
Hipotesis itu benar. Dan Penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk
menerima hipotesis tersebut dan bukan karena Hipotesis itu salah.
B. PERUMUSAN HIPOTESIS
Suatu rumusan dari sebuah hipotesis digunakan sebagai petunjuk arah dalam
rancangan penelitian, teknik pengumpulan, dan analisis data serta penyimpulan. Rumusan
hipotesis sebenarnya sudah dapat dibaca dari uraian masalah, tujuan penelitian, kajian
teoritik, dan kerangka pikir sehingga rumusannya harus sejalan.
Rumusan hipotesis mempunyai ciri-ciri umum, yaitu sebagai berikut:
1. Kalimat dari rumusan hipotesis dinyatakan sebagai kalimat pernyataan (deklaratif).
2. Rumusan hipotesis melibatkan minimal dua variabel penelitian.
3. Rumusan hipotesis mengandung suatu prediksi.
4. Suatu rumusan hipotesis harus dapat diuji (testable).
Hipotesis korelatif, yaitu peryataan tentang ada atau tidak adanya hubungan antara dua
variabel atau lebih.
Hipotesis komparatif, yaitu peryataan tentang ada atau tidak adanya perbedaaan antara
dua kelompok atau lebih.
C. TIPE-TIPE HIPOTESIS
Hipotesis statistik akan diterima jika hasil pengujian membenarkanpernyataannya
dan akan ditolak jika terjadi penyangkalan daripernyataannya. Di dalam pengujian
hiptesis, keputusan yang dibuat mengandungketidakpastian, artinya keputusan bisa benar
atau salah, sehinggamenimbulkan resiko. Besar kecilnya resiko dinyatakan dalam
bentukprobabilitas.
Hipotesis digolongkan menjadi 2 tipe, yaitu hipotesis nihil dan hipotesis alternatif.
1. Hipotesis nihil/nol (Ho)
Hipotesis nihil adalah hipotesis yang menyatakan tidak adanya hubungan antara dua
variabel atau lebih atau tidak adanya perbedaan antara dua kelompok atau lebih.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah hipotesis yang menyatakan adanya hubungan antara dua
variabel atau lebih atau adanya perbedaan antara dua kelompok atau lebih.
A. Kesalahan Jenis I
Kesalahan jenis I adalah karena H0 ditolak padahal kenyataannya benar.Artinya, kita
menolak hipotesis tersebut (H0) yang seharusnya diterima.
B. Kesalahan Jenis II
Kesalahan jenis II adalah kesalahan karena H0 diterima padahal kenyataannya salah. Artinya,
kita menerima hipotesis (H0) yang seharusnya ditolak.
Kesimpulan Hipotesis benar Hipotesis salah
Terima Kekeliruan tipe II ()
hipotesis (kuasa uji = 1 )
Tolak Kekeliruan tipe I
hipotesis (taraf signifikan )
Keterangan :
= Peluang menolak H0 padahal H0 benar
= Peluang menerima H0 padahal H1 yang benar
Pembuat keputusan berusaha agar kedua jenis kesalahan tersebut ditekan sampai
sekecil kecilnya, hal ni dapat terjadi jika n meningkat
Hipotesis alternatif disimbolkan H1 atau Ha adalah hiptesis yang dirumuskan sebagai lawan
atau tandingan dari hiptesis nol. Secara umum, formulasi hiptesis dapat dituliskan :
H0 : q = q0
H1 : q > q0
Pengujian ini disebut pengujian sisi kanan
H0 : q = q0
H1 : q < q0
Pengujian ini disebut pengujian sisi kiri
H0 : q = q0
H1 : q q0
Pengujian ini disebut pengujian dua sisi
a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada
nilai positif atau negatif dari tabel. Atau nilai uji statistik berada di luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai
positif atau negatif dari tabel. Atau nilai uji statistik berada di dalam nilai kritis.
Uji Satu Pihak (Kanan)
Contoh: metode pembelajaran kostektual lebih unggul daripada metode pembelajaran
simulasi.
Ho: = o
Ho: > o
5. Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol (H0), sesuai dengan criteria pengujiannya. Pembuatan kesimpulan
dilakukan setelah membandingkan nilai uji staistik dengan nilai tabel atau nial kritis.
BAB X
Hipotesis yaitu dugaan yang mungkin benar, atau mungkin juga salah. Hipotesis akan
ditolak jika salah atau palsu, dan akan diterima jika faktor-faktor membenarkannya. Penolakan
dan penerimaan hipotesis, dengan begitu sangat tergantung kepada hasil-hasil penyelidikan
terhadap faktor-faktor yang dikumpulkan.
Hipotesis dapat juga dipandang sebagai simpulan yang sifatnya sangat sementara.
Sebagai simpulan sudah tentu hipotesis tidak dibuat dengan semena-mena, melainkan atas
dasar pengetahuan-pengetahuan tertentu. Pengetahuan ini sebagian dapat diambil dari hasil-
hasil serta problematika-problematika yang timbul dari penyelidikan-penyelidikan yang
mendahului, dari dasar pertimbangan yang masuk akal, dari hasil-hasil penyelidikan yang
dilakukan sendiri.
Dalam pengujian hipotesis, terdapat jenis jenis pengujian yang didasarkan atas
kriteria, salah satunya adalah pengujian hipotesis tentang rata rata yang menguji hipotesis
berkenaan dengan rata rata populasi yang didasarkan atas informasi sampelnya.
Untuk pengujian hipotesis satu rata-rata dengan sampel besar (n > 30), uji statistiknya
menggunakan distribusi Z. Prosedurnya sebagai berikut.
1) Formulasi hipotesis
H0 : = 0 H0 : = 0
H1 :>0 H1 :<0
Kriteria pengujian
Kriteria pengujian
-H0 diterima jika Z0 , -H0 diterima jika Z0 ,
-H0 ditolak jika Z0> , -H0 ditolak jika Z0< ,
,
H0 : = 0
H1 : 0
Kriteria pengujian
H0 diterima jika /2 Z0 /2 ,
0 0
0 = =
ii.Simpangan baku populasi () tidak diketahui:
0 0
0 = = Keterangan:
4.) Kesimpulan
1. Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan melalui ATM,
dengan simpangan baku = $45. Dengan taraf nyata 1% , ujilah :
a) apakah rata-rata nasabah menarik melalui ATM kurang dari $500 per bulan ?
b} apakah rata-rata nasabah menarik melalui ATM tidak sama dengan $500 per bulan ?
Jawab :
6. Statistik Hitung
x 0 495 500 5
z = = = -1.11
/ n 45 / 100 4.5
7. Kesimpulan : z hitung = -1.11 ada di daerah penerimaan H0
ini = = 1%
Daerah penerimaan H0
-2.33 0
b) Coba anda kerjakan sebagai latihan ! ( H1 : 500; Uji 2 arah, /2 = 0.5%, statistik
uji = z)
2. Menurut pendapat salah satu pinpinan perusahaan buku Statistika, rata-rata penerimaan
per hari sebesar Rp 7.000, dengan alternatif lebih besar dari itu. Diketahui simpangan
baku dari penerimaan sebesar Rp 1.600. untuk menguji pendapatnya, dilakukan
penyelidikan terhadap 256 orang penjual buku ke mahasiswa yang dipilih secara acak,
ternyata diketahui rata-rata penerimaan mereka sebesar Rp 7.100. dengan menggunakan
= 5%, ujilah pendapat tersebut.
Penyelesaian
1.)Formulasi hipotesis
0 = 7000
> 7000
Kriteria pengujian
Untuk pengujian hipotesis satu rata-rata dengan sampel kecil (n 30), uji
statistiknya menggunakan distribusi t. Prosedurnya sebagai berikut.
1) Formulasi hipotesis
i. H0 : = 0
H1 :>0
Kriteria pengujian:
H0 diterima jika t0 ,
H0 ditolak jika t0> ,
ii. H0 : = 0
H1 :<0
Kriteria pengujian:
a) H0 diterima jika t0 ,
b) H0 ditolak jika t0< ,
iii. H0 : = 0
H1 : 0
Kriteria pengujian:
a) H0 diterima jika /2 Z0 /2 ,
b) H0 ditolak jika t0>/2 atau t0</2 ,
3) Uji statistik
i. Simpangan baku populasi () diketahui:
0 0
0 = =
ii. Simpangan baku populasi () tidak diketahui:
0 0
0 = =
4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai dengan kriteria
pengujiannya).
Contoh soal :
Jawab:
Diketahui : x = 22 s=4 n = 25 0 = 20 = 5%
a) Ditinggalkan sebagai latihan ( H1 : > 20; uji 1 arah, =5%, statistik uji = t, db = 24)
b) 1. H0 : = 20 H1 : 20
/2 = 2.5% = 0.025
5. Titik kritis
db = n-1 = 25-1 = 24
t < -t (24; 2.5%) t < -2.064 dan t > t (24; 2.5%) t > 2.064
6. Statistik Hitung
x 0 22 20 2
t = = = 2.5
s / n 4 / 25 0.8
H0 ditolak, H1 diterima ,
Daerah penerimaan H0
-2.064 0 2.064
2. Menurut salah satu seorang guruyayasan Bina Ria, pengeluaran per hari siswa-siswi
sekolah tersebut yaitu sebesar Rp1.740 dengan alternatifnya tidak sama dengan itu.
Untuk menguji pendapat guru tersebut, dilakukan wawancara terhadap 25 orang siswa
yayasan yang dipilih secara acak sebagai sampel, dan ternyata rata-rata pengeluaran per
hari adalah Rp1.800 dengan simpangan bakunya sebesar Rp100. Dengan menggunakan
= 0,05(5%), ujilah pendapat tersebut.
Penyelesaian:
Formulasi hipotesis
0 = 1800 ,
0 1800
0 1740 1800
0 = = = 3,00
100
25
= 0,05
derajat kebebasan = 1 = 25 1 = 24
= 0,025(24) = 2,0639
2(1)
2 = 2,0639
3. Secara hipotesis, mesin stensil Stavo dapat menstensil 6500 helai kertas per jam.
Sebuah perusahaan stensil ingin membuktikan keabsahan hipotesis di atas.
Perusahaan mengadakan observasi secara empiris dengan menggunakan 12 mesin
Stavo dan hasil observasi sbb:
6000 5900 6200 6200 5000
6100 5800 6400 6500 5400
6200 6700
Apakah hipotesis tersebut dapat dipercaya atau tidak ?
= 0,05
= 1,645
0
=
= 6033
S = 384,06
=( , 1)
2
Penyelesaian:
60336500
= 384,06 = 4,13
12
Artinya = kemampuan mesin stensil Stavo menstensil kertas perjam sama dengan 6500
BAB XI
Uji hipotesis dua rata-rata digunakan mengetahui ada atau tidaknya perbedaan
(kesamaan) antara dua buah data. Teknik analisis statistik untuk menguji kesamaan data rata-
rata ini ialah uji z dan t uji Z karena sampel lebih besar dari 30 dan uji T karena sampel lebih
kecil dari 30.
Seringkali dalam suatu penelitian akan diselidiki apakah suatu metode baru
memberikan hasil yang lebih baik dari metode lama, atau dua pendekatan dalam memberikan
hasil yang sama. Masalah seperti ini dapat diselesaikan dengan melakukan pengujian rata-rata
dua populasi. Berikut adalah tabel untuk uji rata-rata dua populasi yang memuat hipotesis,
statistik uji dengan asumsi variansi, dan daerah kiritis, yaitu daerah penolakan H0..
sampel Besar
Pada uji hipoteisis ini menggunakan distribusi uji Z karena sampel lebih besar dari 30.
Langkah-langkah:
1. Formulasi hipotesis
a) H0 : 1 = 2
H1 : 1 >2
b) H0 :1 = 2
H1 :1 <2
c) H0 :1 = 2
H1 :1 2
3. Kriteria pengujian
H0 :1 = 2
H0 : 1 = 2
H1 :1 <2
H1 : 1 >2
Kriteria pengujian
Kriteria pengujian -H0 diterima jika Z0 ,
-H0 ditolak jika Z0< ,
-H0 diterima jika Z0 ,
,
-H0 ditolak jika Z0> ,
H0 :1 = 2
H1 :1 2
Kriteria pengujian
H0 diterima jika /2 Z0 /2 ,
4. Uji statistik
1 2)0
(
Z=
2 2
( 1 )+( 2 )
1 2
5. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0
Contoh:
1. Suatu sampel acak berukuran n = 25 diambil dari populasi normal dengan simpangan
baku 1 = 5,2 mempunyai rata-rata x1 81 . Sampel kedua berukuran m = 36 diambil
dari populasi yang lain dengan simpangan baku 1 = 3,4 mempunyai rata-rata x1 76
. Uji hipotesis H0: 1 2 = 0 dan Ha: 1 2 > 0 dengan taraf signifikansi 0,05.
Jawab:
Perhitungan :
x1 x2 d0 81 76 0
z 4, 22
12 22 (5, 2)2 (3, 4)2
n m 25 36
Kesimpulan :
Karena z = 4,22 > z 0,05 = 1,645, maka H0 ditolak, yang berarti rata-rata populasi pertama lebih
besar dari pada rata-rata populasi kedua.
2. Seseorang berpendapat bahwa rata-rata jam kerja buruh di daerah A dan B sama
dengan alternatif A lebih besar dari pada B. Untuk itu, di ambil sample di kedua
daerah, masing-masing 100 dan 70 dengan rata-rata dan simpangan baku 38 dan 9 jam
per minggu serta 35 dan 7 jam per minggu. Ujilah pendapat tersebut dengan taraf nyata
5% ! Untuk Varians/ simpangan baku kedua populasi sama besar !
Jawab:
Diketahui :
1 = 100 1 = 38 = 9
2 = 70 2 = 35 = 7
a. Formulasi hipotesisnya :
Ho : =
H1 : >
= 5% = 0,05
c. Kriteria pengujian :
d. Uji Statistik
e. Kesimpulan
Karena Zo = 2,44 > Z0,05 = 1,64 maka Ho di tolak. Jadi, rata-rata jam kerja buruh di daerah
A dan daerah B adalah tidak sama.
Pada uji hipoteisis ini menggunakan distribusi uji t karena sampel lebih kecil dari 30.
Lanhkah-langkah:
1. Formulasi hipotesis
a) H0 : 1 = 2
H1 : 1 >2
b) H0 :1 = 2
H1 :1 <2
c) H0 :1 = 2
H1 :1 2
3. Kriteria pengujian
5) Formulasi hipotesis
H0 : 1 = 2
H1 : 1 >2
Kriteria pengujian:
H0 diterima jika t0 ,
H0 :1 = 2
H1 :1 <2
Kriteria pengujian:
H0 diterima jika t0 ,
H0 ditolak jika t0< ,
H0 :1 = 2
H1 :1 2
Kriteria pengujian:
H0 diterima jika /2 Z0 /2 ,
H0 ditolak jika t0>/2 atau t0</2 ,
4. Uji statistic
Untuk pangamatan tidak berpasangan
1 2
0 =
( 1)12 + (2 1)22 1 1
1 ( 1 2 )
+
1 + 2 2
Keterangan :
= rata-rata dari nilai d
= simpangan baku dari nilai d
= bayaknya pasangan
0 memiliki distribusi dengan = 1
5. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0
Contoh :
1. Suatu perkuliahan statistika diberikan pada pada dua kelas. Kelas pertama diikuti 12
mahasiswa dengan pembelajaran kooperatif dan kelas lain diikuti 10 mahasiswa dengan
pembelajaran konvensional. Pada akhir semester mahasiswa diberi ujian dengan soal
yang sama untuk kedua kelas. Hasil ujian pada kelas kooperatif mencapai nilai rata-rata
85 dengan simpangan baku 4, sedang kelas biasa memperoleh nilai rata-rata 81 dengan
simpangan baku 5.
Ujilah hipotesis bahwa hasil pembelajaran dengan kedua metode adalah sama dengan
menggunakan taraf signifikansi 10 %. Asumsikan kedua populasi berdistribusi normal
dengan variansi sama.
Jawab.
Diketahui x1 85 , S1 = 4, n = 12; x2 81 , S2 = 5, m = 10
Hipotesis
H0: 1 2 = 0
Ha: 1 2 0
Daerah kritis :
Perhitungan
x1 x2 d 0 85 81 0
t 2, 07
S (1/ n 1/ m)
2
p
4, 478 (1/12) (1/10)
Kesimpulan:
Karena t = 2,07 > 1,725, maka H0 ditolak pada taraf signifikansi 10 %. Ini berarti bahwa kedua
pembelajaran memberikan hasil pembelajaran yang tidak sama.(rata-rata hasil pembelajaran
kedua metode tidak sama)
2. Dengan menggunakan data pada Contoh 1, Ujilah hipotesis bahwa hasil pembelajaran
dengan metode kooperatif lebih baik daripada dengan metode konvensional dengan
menggunakan taraf signifikansi 5 %. Asumsikan kedua populasi berdistribusi normal
dengan variansi tidak sama.
Jawab.
Hipotesis
H0: 1 2 = 0
Ha: 1 2 > 0
Daerah kritis :
S
2
1
2
/ n S22 / m (16 /12 25 /10) 2 14, 69
v 17,17
S S
2 2 2 2
2
/n 2
/m (16 /12) (25 /10) 0,86
1 2
11 9
n 1 m 1
Perhitungan
x1 x2 d0 85 81 0
t 2,04
S 2
S 2
(16 /12) (25 /10)
1
2
n m
Kesimpulan:
Karena t = 2,04 > 1,74, maka H0 ditolak pada taraf signifikansi 0,05 . Ini berarti bahwa
pembelajaran kooperatif memberikan hasil pembelajaran yang lebih tinggi dibandingkan
dengan pembelajaran konvensional.
Penyelesaian :
Diketahui :
1 = 12 1 = 80 = 4
2 = 10 2 = 75 = 4,5
Jawab:
a. Formulasi hipotesisnya :
Ho : =
H1 :
= 10% = 0,10
= 0,05
db = 12 + 10 2 = 20
t0,05;20 = 1,725
c. Kriteria pengujian :
d. Uji Statistik
e. Kesimpulan
Karena t0 = 2,76 > t0,05;20 = 1,725 maka Ho di tolak. Jadi, kedua metode yang digunakan
dalam pelatihan tidak sama hasilnya.
Kesimpulan
Hipotesis berasal dari bahasa Yunani, Hupo berarti Lemah atau kurang atau di
bawah ,Thesis berarti teori, proposisi atau pernyataan yang disajikan sebagai bukti. Sehingga
dapat diartikan sebagai Pernyataan yang masih lemah kebenarannya dan perlu dibuktikan atau
dugaan yang sifatnya masih sementara.
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan
apakah menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang di
buat mengandung ketidakpastian, artinya keputusan bias benar atau salah, sehingga
menimbulkan risiko.
Dalam melakukan sebuah penelitian langkah awal yang kita tentukan adalah
menentukan hipotesis, dimana hipotesis adalah pernyataan atau dugaan sementara mengenai
satu atau lebih populasi.
Hipotesis yang telah kita tentukan tadi perlu diadakan pengujian untuk membuktikan
apakah hipotesis kita sudah benar atau salah. Hal ini disebut dengan penguian hipotesis.
Langkah 1 : Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatifnya (Ha).
Pengujian hipotesis sangat berperan penting pada penelitian. Hal ini bisa
mempermudah kita untuk menguji hipotesis kita sehingga pengujian hipotesis ini merupakan
salah satu hal yang harus kita kuasai jika kita ingin melakukan penelitian.
Dua jenis pengujian hipotesis yaitu uji hipotesis satu rata-rata dan uji hipotesis dua
rata-rata.
Masing-masing dari kedua jenis uji hipotesis tersebut terdiri dari sampel besar dan sampel
kecil yang mempunyai langkah-langkah tersendiri yang pada akhirnya bisa menghasilkan
kesimpulan dari hipotesis yang kita ambil apakah diterima atau ditolak.
Jenis-Jenis Pengujian Hipotesis
DAFTAR PUSTAKA
http://ekosujadi-bintan.blogspot.com/2011/04/pengertian-statistik-menurut-para-
ahli.html (20 Agustus 2014)
http://dilihatya.com/1050/pengertian-statistika-menurut-para-ahli (20 Agustus 2014)
Salim Nahdi. Penyajian Data Statistika.
http://salimnahdi.blogspot.com/2013/10/penyajian-data-statistika.html
Dajan, Anto. Pengantar Metode Statistik jilid I, PT. Perdja. Jakarta: 1985
Meilia N. I. Susanti. S.T. M.Kom, Statistika Deskriptif &induktif , Graha Ilmu, 2010
http://nyoglaudes.blogspot.com/2013/02/distribusi-frekuensi.html (30 Agustus 2014)
http://jekkoblog.blogspot.com/2009/03/pengertian-distribusi-frekuensi.html (30 Agustus 2014)
http://anitaharum.wordpress.com/2013/09/29/kuartil-rata-rata-ukur-dan-rata-rata-
harmonik/
http://avstatistik.blogspot.com/2012/09/pengertian-mean-median-dan-
modus.htmlstatistika.pdf-AdobeReader
http://dheaayuwikuningtyas.blogspot.com/2013/10/mean-median-modus_5.html?m=1
http://zaneta9bp2.blogspot.com/p/rata-rata-ukur-geometric-mean.html
http://www.uthk-mandiri.com/statistics/ukuran-penyebaran-pada-statistik
Nugroho, S. 2007. Dasar-Dasar Metode Statistika. Grasindo, Bengkulu.
Putri, Ratu Ilma Indra. Distribusi Binomial dan Poisson.
http://ilma69.files.wordpress.com/2012/10/distribusi-binomial-dan-poisson-baru.pdf
http://fathur14klose.blogspot.com/2011/12/makalah-statistika-distribusi-binomial.html
http://anitaharum.wordpress.com/2013/11/12/distribusi-normal-kurva-normal/
Istiarto.Tabel Distribusi Normal Standar.
http://istiarto.staff.ugm.ac.id/docs/statistika/Tabel-Distribusi-Normal-Standar-v1.pdf
Putri, Ratu Ilma Indra. Distribusi Normal.
http://ilma69.files.wordpress.com/2012/10/distribusi-normal-ft.pdf
Hidayat, Anwar. Uji Normalitas
http://www.statistikian.com/2013/01/uji-normalitas.html?m=1.
Widiharso. Uji Normalitas
http://widhiarso.staff.ugm.ac.id/files/uji%20Normalitas.pdfD
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitas-ri.pdf
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas Terbuka.
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitas-ri.pdf.
Badruzaman. Uji Homogenitas.
http://file.upi.edu/Direktori/FPOK/JUR._PEND._KESEHATAN_%26_REKREASI/PRO
DI._ILMU_KEOLAHRAGAAN/195911041986011-
BADRUZAMAN/UJI_NORMAL_BADRU.pdf. Diakses pada tanggal 11 November
2014.
Matondang, Zulkifli. Pengujian Homogenitas Variansi. http://fahost1992.googlecode.com.
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas Terbuka.
Putri, Ratu Ilma Indra. Uji Hipotesis. http://ilma69.files.wordpress.com/2012/10/uji_hipotesis-
dan-uji-hipotesis_1_ratarata.pdf. Diakses pada tanggal 19 Novemer 2014.
Marhaendro, Agus Susworo Dwi. Pengujian Hipotesis.
http://staff.uny.ac.id/sites/default/files/Pengujian%20Hipotesis.pdf. Diakses pada tanggal
19 November 2014.
Harlyan, Ledhyane Ika. Uji Hipotesis.
http://ledhyane.lecture.ub.ac.id/files/2012/11/PENGUJIAN-HIPOTESIS.pdf. Diakses
pada tanggal 19 November 2014.
Syahza, Almasdi. Pengujian Hipotesis Sampel Besar.
http://almasdi.staff.unri.ac.id/files/2010/02/06-Pengujian_Hipotesis.pdf. Diakses pada
tanggal 20 November 2014.
Munir, Rinaldi. Pengujian Hipotesis.
http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/2010-
2011/Pengujian%20Hipotesis.pdf. Diakses pada tanggal 20 November 2014.
Hasan, Iqbal.2003.Pokok-pokok Materi Statistik 2 (Statistik Inferensif).Jakarta: Bumi Aksara.
J.Supranto. 2001.Statistik Teori dan Aplikasi. Jakarta : Erlangga
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Hasan, Iqbal.2003.Pokok-pokok Materi Statistik 2 (Statistik Inferensif).Jakarta: Bumi Aksara.
J.Supranto. 2001.STATISTIK Teori dan Aplikasi.Jakarta : Erlangga
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Kesuma, Deta Puji. Uji Hipotesis 2 Rata-Rata
http://detapujik.blogspot.com/2012/06/uji-hipotesis-dua-rata-rata-uji.html
Wahdini, Widya. Uji Hipotesis 2 Rata-Rata
http://widyawahdinitpsore2012.blogspot.com/2013/06/statistik-pendidikan.html