STATISTIK INFERENSIA

BAB II
TEORI DASAR
A. Defenisi Statistik Inferensia
Ruang lingkup dari statistic inferensial yaitu meliputi proses pengambilan
keputusan/kesimpulan mengenai parameter populasi (biasanya adalah kuantitas yang tidak
diketahui nilainya) berdasarkan informasi yang diperoleh dari statistic sampel (kuantitas yang
diketahui nilainya).

Konsep-konsep statistic inferensial memungkinkan seseorang untuk melakukan

analisis dengan menggunakan data dari sampel untuk memperkirakan (mengestimasi) sebuah
parameter populasi yang tidak diketahui. Karena pengambilan keputusan/ kesimpulan dengan
cara seperti ini tidaklah mutlak kepastiannya, maka kata kemungkinan/ probabilitas sering
digunakan dalam menyatakan kesimpulan.
B. Distribusi Binomial.
Distribusi binomial adalah salah satu distribusi probabilitas diskrit yang paling
sering digunakan dalam analisis statistika modern. Di bidang teknik, distribusi ini erat kaitannya
dengan penendalian (Quality Control).

Suatu distribusi binomial dibentuk oleh suatu eksperimen binomial. Eksperimen ini
merupakan n kali percobaan Bernoulli, sehingga harus mememnuhi kondisi berikut:
1. Jumlah percobaan n adalah konstanata yang telah ditentukan sebelumnya.
2. Setiap eksperimen, biasa disebut dengan percobaan (trial), hanya dapat menghasilkan 1 dari2
keluaran yang mungkin, sukses atau gagal.
3. Probabilitas sukses p, demikian juga probabilitas gagal q=1 p selalu konstan pada setiap
percobaan.
4. Setiap percobaan saling bebas secara statistic, yang berarti keluaran percobaan lainnya.

C. Distribusi Binomial Negatif.

Suatu distribusi binomial negative dibentuk oleh suatu eksperimen yang memenuhi
kondisi-kondisi berikut ini:
1. Eksperimen terdiri atas serangkaian percobaan yang saling bebas.
2. Setiap eksperimen, biasa disebut dengan percobaan (trial), hanya dapat menghasilkan 1 dari2
keluaran yang mungkin, sukses atau gagal.
3. Probabilitas sukses p, demikian juga probabilitas gagal q=1 p selalu konstan pada setiap
percobaan.
4. Eksperimen terus berjalan (percobaan terus dilakukan) sampai sejumlah total r sukses diperoleh,
dimana r berupa bilangan bulat tertentu.
Jadi pada suatu eksperimen binomial negative, jumlah suksesnya tertentu
sedangkan jumlah percobaannya random.
D. Defenisi Analisis Varians
Analisis varians adalah suatu teknik statistic yang memungkinkan kita untuk
mengetahui apakah dua atau lebih populasi akan bernilai sama dengan menggunakan data dari
sampel-sampel masing-masing populasi. Analisis varians juga bias digunakan untuk keperluan
tertentu, yaitu uji hipotesis sampel ganda untuk mean dengan teknik-teknik yang telah dijabarkan
 dengan terperinci, hanya biasanya analisis varians lebih efektif digunakan untuk menguji tiga
atau lebih populasi. Tentunya jumlah variable yang berkaitan dengan sampel bias satu atau lebih.
Dalam pembahasan dasar ini akan diperkenalkan teknik analisis varians untuk variable tunggal,
yaitu ANOVA satu factor.
E. Asumsi Dasar ANOVA
Analisis varians akan menjadi teknik statistic yang valid apabila diterapkan dengan
menggunakan asumsi-asumsi sebagai berikut:
1. Populasi yang dikaji memiliki distribusi normal.
2. Pengambilan sampel dilakukan secara acak dari setiap sampel independent/ tidak terikat sampel
yang lain.
3. Populasi-populasi dimana nilai sampel-sampel diperoleh memiliki nilai varians populasi yang
sama.
Jadi asumsi ketiga dapat dinyatakan sebagai :
12 = 22 = = k2
dimana k = jumlah populasi
F. Prosedur Uji ANOVA
Secara umum prosedur uji ANOVA mengikuti prosedur uji hipotesis yang terdiri
dari tujuh langkah, yaitu :
1. Pernyataan hipotesis nol dan hipotesis alternative. Dalam uji ANOVA, hipotesis nolnya adalah
sampel-sampel yang diambil dari populasi-populasi saling independent yang memiliki mean
sama. Dengan kata lain, hipotesis nol dan hipotesis alternative adalah :
Ho ; 1 = 2 = 3 = k
H1 ; Tidak seluruh mean populasi sama.
Dimana
k= jumlah populasi yang dikaji
2. Pemilihantingkat kepentingan. Biasanya digunakan tingkat kepentingan 0.01 atau 0.05.
3. Penentuan distribusi pengujian yang digunakan. Dalam uji ANOVA ini yang digunakan adalah
distribusi f. Nilai-nilai dari distribusi f telah disajikan dalam bentuk table yang dapat ditentukan
dengan mengetahui 3 hal berikut:
a. Tingkat kepentingan (level of significant)
b. Derajat kebebasan yang digunakan sebagai pembilang dalam rasio uji adalah dfdom = k 1
 Dimana k = jumlah populasi/sampel
c. Derajat kebebasan/ degree of freedom (dfdom) yang digunakan sebagai penyebut dalam rasio
adalah dfdom = T k.
Dimana;
T = jumlah total anggota sampel diseluruh populasi yang diuji
= n1 + n2 + n3 + + nk
K = jumlah populasi/sampel
4. Pendefenisian daerah-daerah penolakan atau kritis. Daaerah penerimaan dan penolakan dibatasi
oleh nilai krritis f.
5. Pernyataan aturan keputusan (decision rule). Tolak Ho dan terima H1 jika R af > fcr. Jika tidak
demikian terima Ho.
6. Perhitungan rasio uji (Ru)
Rumus yang dugunakan untuk meenghitung rasio uji (nilai f) adaalah:

Ruf = ftest =
Perhitungan untuk bagian pembilang dan penyebut dari rumus rasio uji adalah :
a. Pembilang

Dimana,

x=
n1 = banyaknya anggota sampel ke 1
x1 = mean dari sampel ke 1
b. Penyebut.

2 dalam =
Dimana :

= jumlah dari simpangan kuadrat (

7. Pengambilan keputusan secara statistic
Jika nilai rasio berada di daerah penerimaan maka hipotesis nol diterima sedangkan jika berada
di daerah penolakan maka hipotesis nol ditolak.
G. Tabel ANOVA Satu Faktor
Dalam uji ANOVA, kerap kali diminta untuk menempatkan ringkasan pehitingan
yang dilakukan dalam suatu bentuk table yang berisi daftar ringkasan, nilai yang diperoleh ari
proses uji statistic tersebut. Table tersebut diberi nama sebagai table ANOVA. Karena kajian
yang dibicarakan menyangkut hanya satu variable/factor, maka disebut tabel ANOVA satu
factor. Format umum dari tabel ANOVA satu factor adalah sebagai berikut:
Format umum table ANOVA yaitu:
Source Of Degree Of Sum Of Mean Of Ftest
Variation Freedom (df) Squares (Ss) Squares (Mr) (Ruf)
Antar Sampel
Faktor k1 Ss faktor 2 antara
Ruf=
variation
Dalam
sampel Error Tk Ss Error
variation
Total T1

Anova Satu Arah dan Anova Dua Arah

ANOVA (ANALISIS VARIAN)

(Manajemen Strategik)

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang
termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal
dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia
merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam
pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher,
bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih
sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).

Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol
bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan
varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide
semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t
untuk dua rerata (mean).

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk
percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan
analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan

Ada tiga kelas konseptual model seperti:

Model efek tetap berasumsi bahwa data berasal dari populasi normal yang mungkin berbeda
hanya dalam kemampuan mereka. (Model 1)
Model efek acak berasumsi bahwa data yang menggambarkan hierarki populasi yang berbeda
yang perbedaan dibatasi oleh hirarki. (Model 2)
Model efek campuran menggambarkan situasi di mana baik tetap dan efek acak hadir. (Model
3)

Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah dan Anova dua
arah. Anova satu arah hanya memperhitungkan 1 faktor yang menimbulkan variasi, sedangkan
Anova dua arah memperhitungkan dua faktor yang menimbulkan variasi.

Pada dasarnya pola sampel dapat dikelompokan menjadi dua kelompok, yaitu:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di
kelompok lain, berasal dari populasiyang sama. Untuk kondisi ini hipotesis nol terbatas pada
tidak ada efek dari treatment (perlakuan)
2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda dengan populasi sampel
dengan populasi sampel yang ada di kelompok lainnya.

Mengingat Anova berkaitan dengan pengujian hipotesis multipel (ganda). Pada saat melakukan
pengujian hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung
kesalahan tipe 1 sebesar alpha. Untuk ANOVA kesalahan tipe 1 disebut dengan experiment wise
alpha level yang besarnya:
1-(1-)N
N Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu per satu)

Misalnya: Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika dimbil alpha
sebesar 0,005 maka dengan penggunaan t tes besarnya resiko kesalahan tipe 1 untuk sekali
pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan tipe 1 sebesar
0,5. Apabila kita menggunakan ANOVA kesalahan tipe 1 yang harus ditanggung adalah :
1-(1-0,05)10 = 0,40
Mengapa N berjumlah 10 untuk 5 kelompok sampel? Untuk menjawab pertanyaan tersebut
marilah kita telusuri satu per satu pengujian yang dilakukan dengan t tes.
1 = 2
1 = 3
1 = 4
1 = 5
2 = 3
2 = 4
2 = 5
3 = 4
3 = 5
4 = 5
 Melalui perbandingan sederhana adalah teknik analisis statistik yang dapat memberi jawaban
atas ada tidaknya perbedaan skor pada masing-masing kelompok (khususnya untuk kelompok
yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin. Anova mempunyai
kemampuan membedakan antar banyak kelompok dengan risiko kesalahan yang kecil, juga dapat
memberi informasi tentang ada tidaknya interaksi antar variabel bebas sehubungan dengan
variabel terikat.
Pada dasarnya ANOVA dapat dibagi menjadi 2 kelompok besar, yaitu:
1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen varibel
(variabel bebas)
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen varibel
(variabel bebas)

Asumsi Dasar dalam ANOVA :

1. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor sampel dalam
kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan memperbanyak sampel
dalam kelompok, karena semakin banyak n maka distribusi akan mendekati normal. Apabila
sampel tiap kelompok kecil dan tidak dapat pula diatasi dengan jaln melakukan transformasi.

2. Kesamaan Variansi
Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai variansi yang sama.
Untuk sampel yang sama pada setiap kelompok, kesamaan variansi dapat diabaikan. Tetapi, jika
banyaknya sampel pada masing-masimg kelompok tidak sama, maka kesamaan variansi populasi
memang sangat diperlukan.
3. Penamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan merupakan
informasi yang bebas.

PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH

Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi kasus variabel bebas
lebih dari satu. Hanya saja analisisnya dilakukan satu per satu, sehingga akan menghadapi
banyak kasus ( N semakin banyak ).
Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise (suatu
kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya suatu analisis data).
Noise ini dapat dihindari pada ANOVA dua arah karena analis disini melibatkan kontor terhadap
perbedaan(katagorikal) variabel bebas.
Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas, dengan
sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti
efek faktor satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan efek
faktor lain terhadap variabel terikatsejajar (saling berpotongan), maka antara faktor tidak
mempunyai interaksi.
Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel terikat yang
dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing variabel terdiri dari
beberapa kelompok. Anova dua arah merupakan penyempurnaan Anova satu arah.
Anova dua arah lebih efisien daripada anova satu arah, karena:
kasus yang dihadapi lebih sedikit yaitu sejumlah sampel .
noise dapat dihilangkan.
dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi variabel terikat.

ANOVA SATU ARAH

Contoh :
Untuk homogenitas varians. Langkah-langkah tersebut adalah sebagai berikut :
1. Merumuskan hipotesis
2. Menguji homogenitas tiga varians atau lebih
3. Analisi of Varians (ANOVA)
4. Menguji hipotesis

Contoh :
Seorang dosen bahasa Indonesia hendak melakukan penelitian berkenaan dengan efektifitas
empat macam tekhnik membaca yang bisa dipergunakan mahasiswanya. Untuk keperluan itu,
dipilih masing-masing di pilih 10 mahasiswa untuk menerapkan teknik membaca tersebut. Dari
penelitian tersebut, data skor kecepatan efektif membaca (KEM) tertera pada tabel berikut ini.

Teknik membaca
ABCD
90 70 40 50
80 50 60 30
70 60 50 60
50 70 50 40
60 50 70 50
80 70 60 40
80 70 60 50
70 80 60 60
90 60 40 40
80 70 60 30

1. Merumuskan Hipotesis
Ho menyatakan tidak ada perbedaan di anatara rata-rata beberapa populasi yaitu Ho: 1 = 2 =
3 = ...
H1 menyatakan satu atau lebih rata-rata populasi tidak sama dengan rata-rata populasinya yaitu:
H1 : 1 2 = 3 = ... = n atau
H1 : 1 2 3 ... n atau
H1 : 1 = 2 = 3 ... n atau
H1 : 1 2 3 ... n atau
Pada contoh di atas, hipotesisnya dirumuskan :
H1 : efektivitas keempat teknik membaca tersebut tidak berbeda satu sama lain.
H1 : efektivitas keempat teknik membaca tersebut tidak berbeda satu sama lain (paling sedikit
anatar dua teknik membaca)
Atau : Ho : A = B = C = D
Ho : A B C D

2. Menguji Homogenitas varians

Jika hasilnya menunjukan varians-var4ians yang homogen, dilajutkan pada perhitungan
ANOVA. Jika homogen, perbedaan atau kesamaan rata-rata keempat variabel etrsebut diuji
sepasang demi sepasang dengan uji T yaitu pasanga AB, AQC, AD, BC, BD, dan CD ( ada
enam pasangan).
3. Apabila ketahui hasil perhitungan memperlihatkan varians-varians yang homogen, dilanjutkan
dengan menguji ANOVA satu jalur.

a) tabel persiapan harga-harga N, X, X2dan X

STATISTIK A B C D Total (T)

N 70 10 10 10 NT= 40
X 750 650 550 450 XT= 2400
X2 57700 43100 31100 21300 X2T = 153200
X 75 65 55 45

b) Tabel Ringkasan ANOVA Satu Jalur

Sumber Varians (SV) Jumlah Kuadrat (JK) Derajat Kebebasan (DK) Renta Kuadrat (RK) F
Antar Kolom(a) Jka dba RKa RKa
Residu (d) JKd dbd RKd RKd
Total (T) JKT

JKT = X2 r (XT)2; Nt: banyaknya sebuh data

NT
maka JKT = 153200 2400 2 = 9200
40
JKd = JKT - JKA
JKd= 9200-5000=4200
RKd = JKd maka Rkd = 4200/36 = 116,7
dbd
Rka = Jka/dbd maka Rka = 5000/3= 1666,7
menghitung F
F = JKd\ RKd maka F = 1666,7/16,7 = 14,28
Maka Fhitung = 14,28

c) Menentukan F tabel
F tabel = F(@) (dba/dbd)
Untuk = 0,05 dan @= 0,01
Dba= derajat kebebasan pembilang = 3
Dbd= derajat kebebasan penyebut = 36
Maka F tabel = F (0,05) (3/36) = 2.8
F tabel = F (0,05) (3/36) = 4.38
d) Menguji hipotesis
Kriteria pengujian:
Jika Fhitung > F tabel, Ho di tolak danjika Fhitung

ANOVA DUA ARAH

Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya penyimpangan

(dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau varians. Apabila para peneliti
inign menguji efektivitas keberdaaan dua buah factor, yang masing-masing faktornya terbagi atas
beberapa kategori, peneliti dapat menggunakan

Contoh :
Seorang guru matematika ingin mengetahui efektivitas pemberian latihan soal dengan
menggunakan perangkat dan buku paket terhadap dua kelompok siswa, yaitu dengan pengujian
efektivitasnya berdasarkan hasil/skor latihan yang telah dibuat untuk siswa. Untuk kepentingan
penelitiannya guru mengambil/memilih masing-masing 10 pandai untuk diberi dua perlakuan
yang berbeda dan 10 siswa yang kurang pandai untuk keperluan berbeda pula
Hasil penelitiannya ditunjukkan oleh data berikut ini:

LKS Buku Paket

Siswa Pandai Siswa Lemah Siswa Pandai Siswa Lemah
Nama Skor Nama Skor Nama Skor Nama Skor
A1 82 B1 45 C1 63 D1 40
A2 82 B2 50 C2 63 D2 50
A3 73 B3 60 C3 63 D3 60
A4 73 B4 50 C4 55 D4 50
A5 82 B5 45 C5 65 D5 42
A6 60 B6 50 C6 73 D6 53
A7 60 B7 45 C7 55 D7 43
A8 73 B8 60 C8 55 D8 62
A9 85 B9 45 C9 65 D9 35
A10 75 B10 60 C10 55 D10 50

Mengetes Homogenitas Dua Varians

Homogenitas LKS dan Buku Paket

1. Varians semua skor LKS = 14.242= 203.04
Varians semua skor Buku Paket = 9,752 = 95.08

F=203.04=2.14 Jadi, Fhitung = 2.14

95.08
2. Menentukan derajat kebebasan:
db = n -1 dbLKS = 20-1 =19 = db1
dbBuku Paket = 20 -1= 19 = db2
3. Menentukan Ftabel
Ftabel = F(a)(db1)(db2) = F(0.01)(19/19)=
Dengan interpolasi
F(0.01)(16/19) = 3.12 )
( F(0.01)(19/19) = 3.12-3 ( 0.12) = 3.03
F(0.01)(20/19) = 3.00 ) 4

Jadi Ftabel = 3.03

4. Kriteria Homogenitas
Karena Fhitung > Ftabel, varians perlakuan LKS dan Buku Paket Homogen.

Homogenitas Skor Siswa Pandai dan Lemah

1. Varians semua skor siswa pandai = 10.052 = 101.19
2. Varians semua skor siswa lemah = 7.572 = 57.36
Dengan cara seperti di atas diketahui Fhitung < Ftabel maka kedua varians juga homogen.

Homogenitas pasangan LKS Siswa Pandai, LKS-Siswa Lemah, Buku Paket- Siswa Pandai,
Buku Paket- Siswa Lemah.

LKS Siswa Pandai : 82, 82, 73, 73, 82, 60, 60, 73, 85 , 75 (1)
LKS Siswa Lemah : 45, 50 , 60, 50, 45, 50, 45, 60, 45, 60 (2)
B. Paket Siswa Pandai : 63, 63, 63, 55, 65, 73, 55, 55, 65, 55 (3)
B. Paket Siswa Lemah : 40, 50, 60, 50, 42, 53, 43, 62, 35, 50 (4)

1. Varians varians:
V1 = 78.5
V2 = 43.3
V3 = 36.8
V4 = 74.3

2. Varians Gabungan :

Vgab = (9x78.5) + (9x43.3) + ( 9x36.8) + ( 9x74.3)

9+9+9+9

Uji Binomial

Written By Malonda Gaib on Sabtu, 09 April 2011 | 9.4.11

Distribusi binomial adalah distribusi yang menghasilkan salah satu dari dua hasil yang saling mutually
exclusive, seperti sakit-sehat, hidup-mati, sukses-gagal dan dilakukan pada percobaan yang saling
independen, artinya hasil percobaan satu tidak mempengaruhi hasil percobaan lainnya (Bisma Murti,
1996). Uji binomial digunakan untuk menguji hipotesis tentang suatu proporsi populasi. Data yang cocok
untuk melakukan pengujian adalah berbentuk nominal dengan dua kategori. Dalam hal ini semua nilai
pengamatan yang ada di dalam populasi akan masuk dalam klasifikasi tersebut. Bila proporsi
pengamatan yang masuk dalam kategori pertama adalah sukses = p, maka proporsi yang masuk dalam
kategori kedua gagal adalah 1-p = q. Uji binomial memungkinkan kita untuk menghitung peluang atau
probabilitas untuk memperoleh k objek dalam suatu kategori dan n-k objek dari kategori lain. (Wahid
Siulaiman, 2003).

Jika jumlah kategori pertama (P) dari satu seri pengamatan dengan n sampel adalah k, maka probabilitas
untuk memperoleh P adalah:

k= jumlah objek berelemensukses dari seri pengamatan berukuran n

Distribusi binomial disebut juga percobaan Bernouli, dimana percobaan Bernouli dapat dilakukan pada
keadaan :

1. Setiap percobaan menghasilkan salah satu dari dua kemungkinan hasil yang saling terpisah
(mutually exclusive).
2. Probabilitas sukses (p) adalah tetap dari satu percobaan ke percobaan lainnya.
3. Percobaan-percobaan bersifat independen, dimana hasil dari satu perobaan tidak
mempengaruhi hasil percobaan lainnya.

Dengan uji binomial, pertanyaan penelitian yang akan dicari jawabannya adalah apakah kita mempunyai
alasan yang cukup kuat untuk mempercayai bahwa proporsi elemen pada sampel kita sama dengan
proporsi pada populasi asal sampel. Dalam prosedur uji hipoesa, distribusi binomial kita gunakan
sebagai acuan dalam menetapkan besarnya probabiitas untuk memperoleh suatu nilai kategori
pertama sebesar yang teramati dan yang lebih ekstrim dari nilai itu, dari sebuah sampel yang berasal
dari populasi binomial.

Hipotesa dalam Uji Binomial

Dua sisi : Ho: p = po dan Ha: p po
Satu sisi : Ho: p <= po dan Ha: p > po
Ho: p >= po dan Ha: p < po

p = proporsi pada sampel

po = proporsi pada populasi

Perhitungan Nilai p secara Manual (Bisma Murti, 1986):

Dua Sisi
Jika p po, maka:

Jika p > po, maka:

Satu Sisi :

Jika Ho: p po dan Ha: p < po, maka:

Jika Ho: p po dan Ha: p > po, maka :

Kriteria Pengambilan Keputusan:

Untuk Uji Dua sisi:
Bila Exact Sig. (2-tailed) < /2 maka Ho ditolak
 Exact Sig. (2-tailed) > /2 maka Ho gagal ditolak

Untuk Uji Satu sisi:

Bila Exact Sig. (2-tailed) < maka Ho ditolak
Exact Sig. (2-tailed) > maka Ho gagal ditolak

Contoh Soal :
Sebuah studi berminat melakukan uji fluorescent antibody guna meneliti adanya reaksi serum setelah
pengobatan pada penderita malaria falcifarum. Dari 25 subjek yang telah disembuhkan, 15 subjek
ditemukan bereaksi positif. Jika sampel itu memenuhi semua asumsi yang mendasari uji binomial,
dapatkah kita menyimpulkan dari data itu bahwa proporsi reaksi positif dalam populasi yang
bersangkutan adalah lebih besar dari 0,5? Misalkan = 0,05 (Wayne W.Daniel, 2003, hal 67).

HIPOTESA
Ho : p 0,5 dan Ha: p > 0,5

PERHITUNGAN

Dari tabel binomial, dengan n=25, x-1=14 dan Po=0,5, untuk uji satu sisi dengan P = 15/25 = 0,6 > po
=0,5, diperoleh nilai p :

14 25!

p=P(X 15) = 1 - -------------- 0,5 k

0,525-k

k=0 25! (25-k)!

= 1 0,7878 = 0,2122

Karena p = 0,2122 > 0,05. maka Ho gagal ditolak, sehingga kita dapat menyimpulkan bahwa proporsi
reaksi serum di antara populasi yang telah mendapat pengobatan malaria tidak dapat dikatakan lebih
besar secara bermakna dari 0,5.

Uji Binomial menguji hipotesis tentang suatu proporsi populasi. Ciri dari binomial adalah data berupa
dua (bi) macam unsur.
Kelebihannya antara lain adalah :
Tingkat kesalahan penggunaan prosedur statistika nonparametrik relatif kecil karena statistik jenis ini
tidak memerlukan banyak asumsi.
Perhitungan yang harus dilakukan pada umumnya sederhana dan mudah,khususnya untuk data yang
kecil.
Konsep dalam statistika nonparametrik mudah untuk dimengerti.
Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun peringkat (rank).
 1. Soal Anova

Duabelas orang karyawan yang di bagi dalam empat kelompok, di ikutkan dalam pelatihan untuk menyelesaikan satu unit barang.
Masing- masing kelompok diberikan pelatihan yang berbeda.

Hasil akhir dalam menyelesaian satu unit barang (jam) sebagai berikut :
A B C D
6 8 7 9
5 6 7 8
7 6 8 7
Apakah ada perbedaan waktu dalam menyelesaikan satu unit barang diantara empat kelompok yang diberikan pelatihan berbeda?
Bila ada kelompok mana yang berbeda? (Alfa = 0,05)

Penyelesaian :

A B C D
6 8 7 9
5 6 7 8
7 6 8 7
Yi+ 18 20 22 24 84

Yi+ 6 6,66 7,33 8 7

I. Ho: 1 = 2 = 3= 4= 5
Ha: 1 2 3 4 5
II. SST = 62 + 52 + 72 + 82 + 62 + 62 + 72 + 72 + 82 + 92 + 82 + 72 (84)2 = 14
12
III. SSB = 182 + 202 + 222 + 242 - 842 = 6,66
3 3 3 3 12

IV. SSW = 602 [(182) + (202) + (222) + (242)] = 7,34

3 3 3 3

F = 6.66 = 0,90
7,34

Tabel Anova
__________________________________
_Sumber df SS MS F
Between 3 6,66 2,22 2,03
Within 8 7,34 1,09________
Total 11 14

F (0,89) ( 3;8 ) = 4,07

Karena F hitung < F table Ho diterima

Kesimpulan : tidak ada perbedaan waktu dalam menyelesaikan satu unit
barang dari keempat kelompok tersebut.