Rata-rata Hitung (Mean)

4 Komentar
Rata-rata atau Mean adalah ukuran statistik kecenderungan terpusat sama halnya
seperti Mediandan Modus.

Rata-rata ada beberapa macam, yaitu rata-rata hitung (aritmatik), rata-rata geometrik, rata-rata
harmonik dan lain-lain. Tetapi jika hanya disebut dengan kata "rata-rata" saja, maka rata-rata yang
dimaksud adalah rata-rata hitung (aritmatik).

Penghitungan

Penghitungan rata-rata dilakukan dengan menjumlahkan seluruh nilai data suatu kelompok sampel,
kemudian dibagi dengan jumlah sampel tersebut. Jadi jika suatu kelompok sampel acak dengan
jumlah sampel nn, maka bisa dihitung rata-rata dari sampel tersebut dengan rumus sebagai berikut.
x¯=1n(x1+x2+⋯+xn)x¯=1n(x1+x2+⋯+xn)
Jika dinotasikan dengan notasi sigma, maka rumus di atas menjadi:
x¯=1n∑i=1nxix¯=1n∑i=1nxi
Keterangan:
x¯x¯ = rata-rata hitung
xixi = nilai sampel ke-ii
nn = jumlah sampel
Contoh Penghitungan

Misalkan kita ingin mengetahui rata-rata tinggi badan siswa di suatu kelas. Kita bisa mengambil
sampel misalnya sebanyak 10 siswa dan kemudian diukur tinggi badannya. Dari hasil pengukuran
diperoleh data tinggi badan kesepuluh siswa tersebut dalam ukuran sentimeter (cm) sebagai berikut.
172,167,180,170,169,160,175,165,173,170172,167,180,170,169,160,175,165,173,170
Dari data di atas dapat dihitung rata-rata dengan menggunakan rumus rata-rata:
x¯=1n∑i=1nxi=110(172+167+180+170+169+160+175+165+173+170)=110(1701)=170,1x¯=1
n∑i=1nxi=110(172+167+180+170+169+160+175+165+173+170)=110(1701)=170,1

Dari hasil penghitungan, bisa diambil kesimpulan bahwa rata-rata tinggi badan siswa di kelas tersebut
adalah 170,1170,1 cm. Hasil tersebut bisa dibuktikan dengan menggunakan Microsoft Excel di
halaman Menghitung Rata Dengan Microsoft Excel.

Contoh Soal No. 1

Hitunglah rata-rata dari data 6,6,4,6,2,5,5,6,7,6,86,6,4,6,2,5,5,6,7,6,8!

Jawab:

Dari data tersebut dapat kita ketahui bahwa jumlah data adalah 11 (n=11)(n=11). Dengan
menggunakan rumus kita dapat menghitung rata-ratanya.
x¯=1n∑i=1nxi=111(6+6+4+6+2+5+5+6+7+6+8)=111(61)≈5,55x¯=1n∑i=1nxi=111(6+6+4+6+2+
5+5+6+7+6+8)=111(61)≈5,55

Rata-rata dari data tersebut adalah 5,555,55.

Contoh Soal No. 2

Diberikan data sebagai berikut: 4,3,5,4,6,3,6,7,8,7,8,84,3,5,4,6,3,6,7,8,7,8,8. Hitunglah rata-ratanya!

Jawab:

(n=12)(n=12). Rata-rata dari data di atas adalah

Banyaknya data di atas adalah 12
x¯=1n∑i=1nxi=112(4+3+5+4+6+3+6+7+8+7+8+8)=112(69)=5,75x¯=1n∑i=1nxi=112(4+3+5+4+
6+3+6+7+8+7+8+8)=112(69)=5,75

Rata-rata dari data tersebut adalah 5,755,75.

Contoh Soal No. 3

Rata-rata nilai ujian matakuliah statistika 29 orang mahasiswa adalah 70. Ketika nilai ujian matakuliah
statistika milik Andi digabungkan dengan nilai-nilai mahasiswa tersebut, rata-rata nilai naik menjadi 71.
Berapakah nilai Andi tersebut?

Jawab:

Soal tersebut dapat diselesaikan dengan menambahkan total keseluruhan nilai mahasiswa dengan
nilai Andi kemudian dibagi dengan jumlah mahasiswa yang nilainya dijumlahkan (termasuk Andi).

Dari soal diketahui jumlah mahasiswa sebelum nilai Andi dimasukkan adalah 29 (n=29)(n=29) dan
rata-ratanya adalah 70 (x¯=70)(x¯=70). Total keseluruhan nilai mahasiswa sebelum nilai Andi
dimasukkan adalah
x¯7070×29(x1+x2+⋯+x29)=1n∑i=1nxi=129(x1+x2+⋯+x29)=(x1+x2+⋯+x29)=2030x¯=1n∑i=1nxi
70=129(x1+x2+⋯+x29)70×29=(x1+x2+⋯+x29)(x1+x2+⋯+x29)=2030

Dengan masuknya nilai Andi, jumlah mahasiswa bertambah menjadi 30 (n=30)(n=30) dan rata-rata
nilainya naik menjadi 71 (x¯=71)(x¯=71). Selanjutnya nilai Andi dapat diketahui dengan
memasukkan komponen yang baru tersebut pada rumus rata-rata.
x¯7171×302130x30=1n∑i=1nxi=130(x1+x2+⋯+x29+x30)=(x1+x2+⋯+x29+x30)=(2030+x30)=213
0−2030=100x¯=1n∑i=1nxi71=130(x1+x2+⋯+x29+x30)71×30=(x1+x2+⋯+x29+x30)2130=(2030+x30
)x30=2130−2030=100

Dengan demikian, nilai rata-rata Andi adalah 100100.

Contoh Soal No. 4

Berikut ini adalah data nilai mahasiswa untuk mata kuliah statistika, nilai mahasiswa diurutkan dari
yang terendah ke yang tertinggi:
4,4,4,5,5,5,5,5,6,6,6,6,7,7,7,7,7,7,8,94,4,4,5,5,5,5,5,6,6,6,6,7,7,7,7,7,7,8,9
Menurut pertimbangan dosen, mahasiswa harus mengulang ujian kembali untuk memperbaiki nilai
apabila nilai yang mereka dapatkan berada di bawah rata-rata. Berapa orangkah yang harus
memperbaiki nilainya tersebut?

Jawab:

Sebelum menghitung jumlah mahasiswa yang harus memperbaiki nilainya, kita harus menghitung
dulu rata-rata nilai tersebut. Diketahui banyaknya data adalah 20 (n=20)(n=20), sehingga nilai rata-
ratanya dapat dihitung sebagai berikut.
x¯=1n∑i=1nxi=120(4+4+⋯+9)=120(120)=6x¯=1n∑i=1nxi=120(4+4+⋯+9)=120(120)=6
Rata-rata nilai mahasiswa adalah 6, dengan demikian mahasiswa yang harus mengulang ujian
adalah mahasiswa yang nilainya berada di bawah 6. Jumlah mahasiswa yang nilainya di bawah 6
adalah 8 orang.

Contoh Soal No. 5

Sebuah keluarga memiliki 8 orang anak, yaitu A, B, C, D, E, F, G, H. Umur A adalah 2x+12x+1 tahun,
umur B adalah x+1x+1 tahun, umur C, D, E, F, G dan H berturut-turut
adalah x+2x+2, x+3x+3, x+4x+4, x+5x+5, x+6x+6 dan x+7x+7 tahun. Jika rata-rata umur semua
anak tersebut adalah 77. Berapakah umur A?

Jawab:

Umur A adalah 2x+12x+1, dimana untuk menghitungnya, nilai xx harus kita ketahui terlebih dahulu.
Dari soal diketahui rata-rata umur adalah 7 dan banyaknya data adalah 8 (n=8)(n=8). Jika
komponen-komponen yang diketahui dalam soal di atas dimasukkan ke dalam rumus rata-rata, maka
x¯79x+299xx=1n∑i=1nxi=18((2x+1)+(x+1)+(x+2)+⋯+(x+7))=7×8=56−29=279=3x¯=1n∑i=1n
xi7=18((2x+1)+(x+1)+(x+2)+⋯+(x+7))9x+29=7×89x=56−29x=279=3

Nilai xx adalah 3, dengan demikian umur A adalah 2(3)+1=72(3)+1=7 tahun.

Median Data Tunggal

2 Komentar
Median adalah nilai tengah dari data yang telah disusun berurutan mulai dari yang terkecil sampai
dengan yang terbesar. Secara matematis median dilambangkan dengan Me yang dapat dicari
dengan cara sebagai berikut.

Median untuk jumlah data (n) ganjil

Median untuk jumlah data (n) genap

Keterangan:
Me = Median
n = jumlah data
x = nilai data

Contoh 1:
Lima orang anak menghitung jumlah kelereng yang dimilikinya, dari hasil penghitungan mereka
diketahui jumlah kelereng mereka adalah sebagai berikut.

5, 6, 7, 3, 2

Median dari jumlah kelereng tersebut adalah?

Jawab:
Karena jumlah data adalah ganjil, maka penghitungan median menggunakan rumus median untuk
data ganjil. Proses penghitungannya adalah sebagai berikut.
Dari rumus matematis di atas, diperoleh bahwa median adalah x3. Untuk mengetahui x3, maka data
harus diurutkan terlebih dahulu. Hasil pengurutan data adalah sebagai berikut.

2, 3, 5, 6, 7

Dari hasil pengurutan dapat kita ketahui mediannya (x3) adalah 5.

Contoh 2:
Sepuluh orang siswa dijadikan sampel dan dihitung tinggi badannya. Hasil pengukuran tinggi badan
kesepuluh siswa tersebut adalah sebagai berikut.

172, 167, 180, 171, 169, 160, 175, 173, 170, 165

Hitunglah median dari data tinggi badan siswa!

Jawab:
Karena jumlah data genap, maka penghitungan median menggunakan rumus median untuk data
genap. Proses penghitungannya adalah sebagai berikut.

Untuk melanjutkan penghitungan, kita harus terlebih dahulu mengetahui nilai x5 dan x6. Kedua nilai
data tersebut dapat diperoleh dengan mengurutkan semua data. Hasil pengurutan adalah sebagai
berikut.

160, 165, 167, 169, 170, 171, 172, 173, 175, 180

Dari pengurutan tersebut diperoleh nilai x5 sama dengan 170 dan x6 sama dengan 171. Dengan
demikian penghitungan median dapat dilanjutkan.

Modus Data Tunggal

Tidak Ada Komentar
Modus (mode) adalah penjelasan tentang suatu kelompok data dengan menggunakan nilai yang
sering muncul dalam kelompok data tersebut. Atau bisa dikatakan juga nilai yang populer (menjadi
mode) dalam sekelompok data.

Jika dalam suatu kelompok data memiliki lebih dari satu nilai data yang sering muncul maka
sekumpulan data tersebut memiliki lebih dari satu modus. Sekelompok data yang memiliki dua modus
disebut dengan bimodal, sedangkan jika lebih dari dua modus disebut multimodal.

Jika dalam sekelompok data tidak terdapat satu pun nilai data yang sering muncul, maka sekelompok
data tersebut dianggap tidak memiliki modus.

Modus biasanya dilambangkan dengan Mo.

Contoh 1:
Sepuluh orang siswa dijadikan sebagai sampel dan diukur tinggi badannya. Hasil pengukuran tinggi
badan adalah sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170
Tentukan modus tinggi badan siswa!

Jawab:
Untuk mengetahui modus dari data di atas, kita tidak menggunakan rumus apapun. Kita menentukan
modus hanya melalui pengamatan saja.

Dari hasil pengamatan, hanya nilai data 170 yang sering muncul, yaitu muncul dua kali. Sedangkan
nilai data lainnya hanya muncul satu kali. Jadi modus data di atas adalah 170.

Untuk mempermudah pengamatan dalam mendapatkan modus, kita bisa juga mengurutkan data
tersebut. Hasil pengurutan data adalah sebagai berikut.

160, 165, 167, 169, 170, 170, 172, 173, 175, 180

Dengan mudah kita peroleh modus yaitu 170.

Contoh 2:
Delapan buah mobil sedang melaju di suatu jalan raya. Kecepatan kedelapan mobil tersebut adalah
sebagai berikut.

60 , 80, 70, 50, 60, 70, 45, 75

Tentukan modus kecepatan mobil!

Jawab:
Jika data diurutkan, maka hasilnya adalah sebagai berikut.

45, 50, 60, 60, 70, 70, 75, 80

Hasil pengamatan dari pengurutan di atas bisa diketahui nilai data 60 dan 70 adalah nilai data yang
paling sering muncul (masing-masing dua kali). Oleh karena itu modus sekelompok data di atas ada 2
adalah 60 dan 70.

Contoh 3:
Sembilan orang siswa memiliki nilai ujian sebagai berikut.

77, 62, 72, 54, 76, 57, 81, 70

Tentukan modus nilai siswa!

Jawab:
Jika diurutkan, susunannya akan seperti berikut ini.

54, 57, 62, 70, 72, 76, 77, 81

Dari pengamatan, tidak ada satupun nilai data yang sering muncul. Oleh karena itu, data di atas tidak
memiliki modus.
Soal Peluang (Probabilitas) dan Pembahasannya
Tidak Ada Komentar
Soal-soal di bawah ini merupakan soal-soal peluang yang pernah ditanyakan oleh pengunjung ke
blog ini. Pertanyaan tersebut tidak selalu sesuai dengan aslinya, kami memodifikasinya atau
menggantinya dengan bentuk soal yang sama, tetapi tidak mengurangi maksud dari soal tersebut.

Jika anda juga ingin bertanya, silahkan ajukan pertanyaan anda pada form komentar di bawah.
Pertanyaan anda tersebut bisa saja kami modifikasi sebelum menjawabnya.

Contoh Soal No. 1

Misalkan kita mempunyai 10 kartu yang bernomor 1 sampai dengan 10. Jika satu kartu diambil
secara acak, berapakah peluang terambilnya kartu bernomor bilangan prima?

Jawab:

Sebelum menyelesaikan persoalan di atas, kita harus mengetahui dulu apa itu bilangan prima.
Bilangan prima adalah bilangan yang hanya memiliki dua faktor, yaitu 1 dan bilangan itu sendiri.
Bilangan prima haruslah bilangan asli, positif dan lebih dari 1.

Bilangan prima yang ada dari 1 sampai dengan 10 adalah 2, 3, 5, 7. Jadi terdapat 4 bilangan prima
yang ada dari 1 sampai dengan 10. Dengan demikian, peluang terambilnya kartu yang merupakan
bilangan prima dari 10 kartu bernomor sampai dengan 10 adalah 4/10 atau 0,4.

Contoh Soal No. 2

Dari 42 siswa, 23 siswa manyukai IPA, 21 siswa menyukai Matematika dan 3 siswa tidak menyukai
keduanya. Berapakah jumlah siswa yang menyukai IPA dan Matematika?

Jawab:

Jumlah siswa yang menyukai salah satu mata pelajaran atau kedua mata pelajaran adalah 42 - 3 =
39 siswa (jumlah semua siswa dikurangi jumlah siswa yang tidak menyukai salah satu matapelajaran).
Dengan demikian, jumlah siswa yang menyukai IPA dan Matematika adalah (23 + 21) - 39 = 5 siswa.

Gambaran siswa yang menyukai/tidak menyukai mata pelajaran tersebut dapat dilihat melalui
Diagram Venn berikut.

Contoh Soal No.3

Bilangan ribuan ganjil akan disusun dari empat buah angka, yaitu 2, 5, 6, 8. Berapakah banyaknya
bilangan yang dapat disusun apabila angka-angka tersebut (i) boleh diulang, dan (ii) tidak boleh
diulang?

Jawab:
Bila bilangan ribuan yang akan disusun harus ganjil, maka angka terakhir pada bilangan tersebut juga
harus ganjil. Dari keempat angka yang akan disusun hanya terdapat 1 buah angka ganjil yaitu 5.

(i) Dengan demikian, karena angka-angka tersebut boleh diulang maka jumlah bilangan yang dapat
disusun adalah 1 × 4 × 4 × 4 = 64.

(ii) Apabila angka-angka tersebut tidak boleh diulang maka jumlah bilangan yang dapat disusun
adalah 1 × 3 × 2 × 1 = 6.

Contoh Soal No.4

Bilangan yang terdiri dari 3 angka akan dibuat dari angka-angka 1, 2, 3, 4 , 5 dan 6. Berapakah
banyaknya bilangan yang dapat dibuat dari angka-angka tersebut jika bilangan yang dibuat harus
kecil dari 300?

Jawab:

Jika bilangan yang dibentuk harus kurang dari 300, maka angka pada digit pertama bilangan tersebut
harus harus kurang dari 3. Banyaknya angka yang kurang dari 3 adalah 2, yaitu 1 dan 2. Selanjutnya
jika digit pertama telah dipilih maka banyaknya angka yang mungkin pada digit kedua adalah 5 dan
untuk digit ketiga adalah 4. Dengan demikian banyaknya bilangan yang dapat dibuat dari angka-
angka tersebut jika bilangan yang dibuat harus kecil dari 300 adalah 2 × 5 × 4 = 40.

Kuartil Data Tunggal

8 Komentar
Kuartil adalah nilai-nilai yang membagi data yang telah diurutkan kedalam 4 bagian yang sama besar.
Kuartil dinotasikan dengan notasi Q. Kuartil terdiri dari 3, yaitu kuartil pertama (Q1), kuartil
kedua (Q2), dan kuartil ketiga (Q3).

Untuk menentukan kuartil pada data tunggal, kita harus mempertimbangkan banyaknya
data (n)terlebih dahulu. Penghitungan kuartil tergantung dari kondisi banyaknya data tersebut.

Sebagai ilustrasi, misalkan terdapat seperangkat data yaitu x1,x2,⋯,xn. Letak-letak kuartil pada data
tersebut dapat dilihat pada gambar di bawah ini.

Penentuan kuartil menurut kondisi banyaknya data adalah sebagai berikut.

1. Kuartil untuk banyaknya data (n) ganjil dan n+1 habis dibagi 4.

2. Kuartil untuk banyaknya data (n) ganjil dan n+1 tidak habis dibagi 4.
 3. Kuartil untuk banyaknya data (n) genap dan habis dibagi 4.

4. Kuartil untuk banyaknya data (n) genap dan tidak habis dibagi 4.

Rumus-rumus di atas sangat baik digunakan untuk jumlah data banyak. Untuk jumlah data yang kecil,
penentuan kuartil lebih mudah ditentukan dengan piramida berikut ini.

1. Kuartil untuk jumlah data (n) ganjil.

2. Kuartil untuk jumlah data (n) genap.

Jika kuartil terletak di antara dua nilai, maka nilai kuartil adalah rata-rata dari kedua nilai tersebut.

Contoh Soal No. 1

Berikut ini adalah data panjang jalan di sebuah daerah dalam satuan kilometer.

5, 6, 7, 3, 2

Hitunglah kuartil dari data panjang jalan tersebut?

Jawab:

Karena jumlah data adalah ganjil dan tidak banyak, maka penghitungan kuartil menggunakan
piramida kuartil untuk data ganjil. Pada piramida tersebut, letak kuartil adalah sebagai berikut.

1. Kuartil 1 terletak antara data pertama dan kedua.

2. Kuartil 2 adalah data ketiga.
3. Kuartil 3 terletak antara data keempat dan kelima.
Sebelumnya data diurutkan terlebih dahulu menjadi sebagai berikut.

2, 3, 5, 6, 7

Kuartilnya adalah sebagai berikut.

Contoh Soal No. 2

Sepuluh orang mahasiswa sebuah perguruan tinggi dijadikan sampel dan dihitung tinggi badannya.
Hasil pengukuran tinggi badan kesepuluh mahasiswa tersebut adalah sebagai berikut.

172, 167, 180, 171, 169, 160, 175, 173, 170

Tentukan nilai kuartil dari data tinggi badan mahasiswa tersebut!

Jawab:

Karena banyaknya data genap dan tidak banyak, maka penentuan kuartil bisa menggunakan
piramida kuartil data genap. Pada piramida tersebut, letak kuartil adalah sebagai berikut.
1. Kuartil 1 adalah data ketiga.
2. Kuartil 2 terletak antara data kelima dan keenam.
3. Kuartil 3 adalah data kedelapan.
Sebelumnya, data harus kita urutkan terlebih dahulu. Hasilnya adalah sebagai berikut: 160, 165, 167,
169, 170, 171, 172, 173, 175, 180. Dengan demikian, nilai-nilai kuatil
adalahQ1=167Q2=170+1712=170,5Q3=173

Contoh Soal No. 3

Jumlah data adalah 223. Tentukan letak kuartilnya!

Jawab:

Jumlah data adalah ganjil dan jika n ditambah 1, hasilnya habis dibagi 4. Oleh karena itu penentuan
kuartil menggunakan kondisi pertama.

Contoh Soal No. 4

Jumlah data adalah 197. Tentukan letak kuartilnya!

Jawab:

Jumlah data adalah ganjil dan jika n ditambah 1, hasilnya tidak habis dibagi 4. Oleh karena itu
penentuan kuartil menggunakan kondisi kedua.

Contoh Soal No. 5

Jumlah data 400. Tentukan letak kuartilnya!

Jawab:

Jumlah data adalah genap dan habis dibagi 4. Oleh karena itu penentuan kuartil menggunakan
kondisi ketiga.
Contoh Soal No. 6

Jumlah data 350. Tentukan letak kuartilnya!

Jawab:

Jumlah data adalah genap dan tidak habis dibagi 4. Oleh karena itu penentuan kuartil menggunakan
kondisi keempat.
Varian dan Standar Deviasi (Simpangan Baku)
49 Komentar
Varian dan standar deviasi (simpangan baku) adalah ukuran-ukuran keragaman (variasi) data
statistik yang paling sering digunakan. Standar deviasi (simpangan baku) merupakan akar
kuadrat dari varian.
s=s2−−√s=s2
Oleh karena itu, jika salah satu nilai dari kedua ukuran tersebut diketahui maka akan diketahui juga
nilai ukuran yang lain.

Penghitungan

Dasar penghitungan varian dan standar deviasi adalah keinginan untuk mengetahui keragaman suatu
kelompok data. Salah satu cara untuk mengetahui keragaman dari suatu kelompok data adalah
dengan mengurangi setiap nilai data dengan rata-rata kelompok data tersebut, selanjutnya semua
hasilnya dijumlahkan.

Namun cara seperti itu tidak bisa digunakan karena hasilnya akan selalu menjadi 0.

Oleh karena itu, solusi agar nilainya tidak menjadi 0 adalah dengan mengkuadratkan setiap
pengurangan nilai data dan rata-rata kelompok data tersebut, selanjutnya dilakukan penjumlahan.
Hasil penjumlahan kuadrat (sum of squares) tersebut akan selalu bernilai positif.

Nilai varian diperoleh dari pembagian hasil penjumlahan kuadrat (sum of squares) dengan ukuran
data (n).

Namun begitu, dalam penerapannya, nilai varian tersebut bias untuk menduga varian populasi.
Dengan menggunakan rumus tersebut, nilai varian populasi lebih besar dari varian sampel.

Oleh karena itu, agar tidak bias dalam menduga varian populasi, maka n sebagai pembagi
penjumlahan kuadrat (sum of squares) diganti dengan n-1 (derajat bebas) agar nilai varian sampel
mendekati varian populasi. Oleh karena itu rumus varian sampel menjadi:

Nilai varian yang dihasilkan merupakan nilai yang berbentuk kuadrat. Misalkan satuan nilai rata-
rataadalah gram, maka nilai varian adalah gram kuadrat. Untuk menyeragamkan nilai satuannya
maka varian diakarkuadratkan sehingga hasilnya adalah standar deviasi (simpangan baku).
Untuk mempermudah penghitungan, rumus varian dan standar deviasi (simpangan baku) tersebut
bisa diturunkan :

Rumus varian :

Rumus standar deviasi (simpangan baku) :

Keterangan:
s2 = varian
s = standar deviasi (simpangan baku)
xi = nilai x ke-i
= rata-rata
n = ukuran sampel

Contoh Penghitungan

Misalkan dalam suatu kelas, tinggi badan beberapa orang siswa yang dijadikan sampel adalah
sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Dari data tersebut diketahui bahwa jumlah data (n) = 10, dan (n - 1) = 9. Selanjutnya dapat dihitung
komponen untuk rumus varian.

Dari tabel tersebut dapat ketahui:

 Dengan demikian, jika dimasukkan ke dalam rumus varian, maka hasilnya adalah sebagai berikut.

Dari penghitungan, diperoleh nilai varian sama dengan 30,32.

Dari nilai tersebut bisa langsung diperoleh nilai standar deviasi (simpangan baku) dengan cara
mengakarkuadratkan nilai varian.

Hasil tersebut bisa dibuktikan dengan menggunakan Microsoft Excel. Lihat artikel:

1. Menghitung Varian Sampel dengan Microsoft Excel

2. Menghitung Standar Deviasi Sampel dengan Microsoft Excel
3. Menghitung Varian dan Standar Deviasi Secara Manual

https://www.rumusstatistik.com/2013/07/varian-dan-standar-deviasi-simpangan.html

Menghitung Varian Sampel dengan Microsoft Excel

1 Komentar
Sebelumnya telah dibahas teori dan contoh penghitungan varian sampel di halaman ini. Pada tulisan
ini akan dibahas mengenai penghitungan varian sampel dengan menggunakan Microsoft Excel.

Data yang akan digunakan dalam penghitungan ini adalah data yang sama dengan penghitungan
pada contoh sebelumnya, yaitu tinggi badan siswa dalam satuan cm. Data tinggi badan siswa
tersebut adalah sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Sebelum menghitung variannya, data diinput terlebih dahulu. Hasil input data adalah sebagai berikut.
Dari hasil input data tersebut tampak bahwa data tinggi badan yang akan dihitung variannya berada
pada kolom-baris D5 sampai D14, atau biasa ditulis D5:D14.

Penghitungan varian sampel dengan Microsoft Excel memerlukan fungsi VAR.S, dengan syntax-
nya VAR.S(Number 1, [Number 2], ... ). Sehingga syntax penghitungan varian untuk data tinggi
badan menjadi =VAR.S(D5:D14). Penulisan syntax dilakukan di kolom-baris di luar data, misalnya di
kolom-baris D15.

Setelah itu tekan ENTER, maka selanjutnya akan muncul varian sampel.
Menghitung Standar Deviasi Sampel dengan Microsoft
Excel
2 Komentar
Pada tulisan sebelumnya telah dibahas teori dan contoh penghitungan standar deviasi sampel.
Tulisan tersebut bisa dilihat di "varian dan standar deviasi". Pada tulisan ini akan dibahas mengenai
penghitungan standar deviasi sampel dengan menggunakan Microsoft Excel.

Data yang akan digunakan dalam penghitungan ini adalah data yang sama dengan penghitungan
pada contoh sebelumnya, yaitu tinggi badan siswa dalam satuan cm. Data tinggi badan siswa
tersebut adalah sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Sebelum menghitung standar deviasinya, data diinput terlebih dahulu ke dalam sheet Microsoft Excel.
Hasil input data adalah sebagai berikut.
Dari hasil input data tersebut, tampak bahwa data tinggi badan yang akan dihitung standar deviasinya
berada pada kolom-baris D5 sampai D14, atau biasa ditulis D5:D14.

Penghitungan varian sampel dengan Microsoft Excel menggunakan fungsi STDEV.S, dengan syntax-
nya STDEV.S(Number 1, [Number 2], ... ). Oleh karena itu, syntax penghitungan varian untuk data
tinggi badan menjadi =STDEV.S(D5:D14). Penulisan syntax dilakukan di kolom-baris di luar data.
Pada contoh ini syntax-nya ditulis di kolom-baris D15.

Selanjutnya itu tekan ENTER, maka selanjutnya akan muncul varian sampel.
 Teknik Sampling

Menghitung Varian dan Standar Deviasi Secara Manual

4 Komentar
Pada artikel "varian dan standar deviasi" sebelumnya, telah dilakukan penghitungan varian dan
standar deviasi secara manual dengan menggunakan rumus di bawah ini.
Rumus varian 1

Rumus standar deviasi 1

Artikel ini menyajikan cara mencari standar deviasi secara manual dengan menggunakan rumus
varian dan standar deviasi di bawah ini.
Rumus varian 2

Rumus standar deviasi 2

Pada prinsipnya, hasil yang diperoleh dari kedua rumus tersebut sama. Perbedaannya hanya jalan
untuk memperolehnya saja. Data yang digunakan sama dengan data sebelumnya yaitu:

172, 167, 180, 170, 169, 160, 175, 165, 173, 170
Langkah-langkahnya adalah sebagai berikut.

1. Siapkan terlebih dahulu data dalam bentuk kolom (lihat kolom 1 dan 2 pada tabel di
bawah)
2. Hitung rata-ratanya, hasilnya ditempatkan pada kolom 3. Penghitungan rata-rata ini
telah dilakukan pada artikel "Rata-rata"
3. Kurangi setiap data dengan rata-ratanya (kolom 4 = kolom 2 dikurangi kolom 3)
4. Kuadratkan pengurangan data dengan ratanya tersebut (kolom 5 = kolom 4
dikuadratkan)
5. Jumlahkan semua hasil kuadrat pada kolom 5 (hasilnya pada bagian bawah)

Dari tabel di atas diperoleh

Oleh karena itu dapat dihitung varian

Sedangkan standar deviasi adalah akar kuadrat dari varian tersebut.

Hasil varian dan standar deviasi tersebut sudah dibuktikan dengan menggunakan microsoft excel.
Lihat:
1. Menghitung Varian Sampel Dengan Microsoft Excel
2.Menghitung Standar Deviasi Sampel Dengan Microsoft Excel

Teknik Sampling

Menghitung Varian Sampel dengan Microsoft Excel

1 Komentar
Sebelumnya telah dibahas teori dan contoh penghitungan varian sampel di halaman ini. Pada tulisan
ini akan dibahas mengenai penghitungan varian sampel dengan menggunakan Microsoft Excel.

Data yang akan digunakan dalam penghitungan ini adalah data yang sama dengan penghitungan
pada contoh sebelumnya, yaitu tinggi badan siswa dalam satuan cm. Data tinggi badan siswa
tersebut adalah sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Sebelum menghitung variannya, data diinput terlebih dahulu. Hasil input data adalah sebagai berikut.

Dari hasil input data tersebut tampak bahwa data tinggi badan yang akan dihitung variannya berada
pada kolom-baris D5 sampai D14, atau biasa ditulis D5:D14.

Penghitungan varian sampel dengan Microsoft Excel memerlukan fungsi VAR.S, dengan syntax-
nya VAR.S(Number 1, [Number 2], ... ). Sehingga syntax penghitungan varian untuk data tinggi
badan menjadi =VAR.S(D5:D14). Penulisan syntax dilakukan di kolom-baris di luar data, misalnya di
kolom-baris D15.
Setelah itu tekan ENTER, maka selanjutnya akan muncul varian sampel.
Rata-rata Hitung Data Berkelompok
11 Komentar
Data berkelompok adalah data yang disajikan dalam bentuk kelas-kelas interval. Setiap kelas
biasanya memiliki panjang interval yang sama.

Ada tiga cara menghitung rata-rata data berkelompok, yaitu dengan menggunakan titik tengah,
menggunakan simpangan rata-rata sementara dan menggunakan kode (coding). Rumus ketiga cara
penghitungan rata-rata data berkelompok tersebut adalah sebagai berikut.

1. Menggunakan titik tengah (cara biasa)

x¯=∑i=1kfixi∑i=1kfix¯=∑i=1kfixi∑i=1kfi
2. Menggunakan simpangan rata-rata sementara
x¯=x¯s+∑i=1kfidi∑i=1kfix¯=x¯s+∑i=1kfidi∑i=1kfi
dimana di=x¯s−xidi=x¯s−xi.

3. Menggunakan pengkodean (coding)

x¯=x¯s+⎛⎝⎜⎜⎜⎜⎜∑i=1kfici∑i=1kfi⎞⎠⎟⎟⎟⎟⎟⋅px¯=x¯s+(∑i=1kfici∑i=1kfi)⋅p
Keterangan:
x¯x¯ = rata-rata hitungdata berkelompok
x¯sx¯s = rata-rata sementara
fifi = frekuensi data kelas ke-i
xixi = nilai tengah kelas ke-i
cici = kode kelas ke-i
pp = panjang interval
Berikut ini diberikan contoh penggunaan ketiga metode di atas.

Sebanyak 21 orang pekerja dijadikan sampel dan dihitung tinggi badannya. Data tinggi badan dibuat
dalam bentuk kelas-kelas interval. Hasil pengukuran tinggi badan adalah sebagai berikut.
Frekuensi
Tinggi Badan
(fi)(fi)
151 - 155 3
156 - 160 4
161 - 165 4
166 - 170 5
171 - 175 3
176 - 180 2

Hitunglah rata-rata tinggi badan pekerja dengan menggunakan titik tengah, simpangan rata-rata
sementara dan cara koding!

Jawab:

1. Menggunakan titik tengah (cara biasa)

Proses penghitungan rata-rata dengan menggunakan titik tengah dibantu dengan menggunakan tabel
di bawah ini.
 Titik Tengah Frekuensi
Tinggi Badan
(xi)(xi) (fi)(fi) fi⋅xifi⋅xi
151 - 155 153 3 459
156 - 160 158 4 632
161 - 165 163 4 652
166 - 170 168 5 840
171 - 175 173 3 519
176 - 180 178 2 356
Jumlah 21 3458

Dari tabel di atas diperoleh

∑i=1kfi=21∑i=1kfixi=3458∑i=1kfi=21∑i=1kfixi=3458
Dengan begitu dapat kita hitung rata-rata data berkelompok sebagai berikut.
x¯=345821=164,67x¯=345821=164,67

2. Dengan menggunakan simpangan rata-rata sementara

Sebelum menghitung rata-rata data berkelompok menggunakan simpangan rata-rata sementara, kita
terlebih dahulu menetapkan rata-rata sementaranya. Misalkan rata-rata sementara yang kita tetapkan
adalah 160. Selanjutnya kita bisa membuat tabel penghitungan sebagai berikut.

Titik Tengah Frekuensi di=di=

f1⋅dif1⋅di
Tinggi Badan 160−xi160−xi
(xi)(xi) (fi)(fi)
151 - 155 153 3 -7 -21
156 - 160 158 4 -2 -8
161 - 165 163 4 3 12
166 - 170 168 5 8 40
171 - 175 173 3 13 39
176 - 180 178 2 18 36
Jumlah 21 98

Dari tabel di atas diperoleh

x¯s=160∑i=1kfi=21∑i=1kfidi=98x¯s=160∑i=1kfi=21∑i=1kfidi=98
Hasil rata-rata hitung menggunakan simpangan rata-rata adalah
x¯=160+(9821)=160+4,67=164,67x¯=160+(9821)=160+4,67=164,67

3. Cara coding

Sama dengan menggunakan simpangan rata-rata sementara, sebelum menghitung rata-rata dengan
cara coding, kita juga harus menetapkan rata-rata sementara. Namun rata-rata sementara yang kita
tetapkan harus sama dengan salah satu nilai tengah salah satu kelas interval.

Misalkan kita menetapkan rata-rata sementara adalah nilai tengah kelas keempat, yaitu 168. Dengan
begitu kita bisa membuat tabel dan pengkodean seperti di bawah ini.

Titik Tengah Frekuensi

Tinggi Badan Coding
(xi)(xi) (fi)(fi) f1⋅cif1⋅ci
(ci)(ci)
 Titik Tengah Frekuensi
Tinggi Badan Coding
(xi)(xi) (fi)(fi) f1⋅cif1⋅ci
(ci)(ci)
151 - 155 153 3 -3 -9
156 - 160 158 4 -2 -8
161 - 165 163 4 -1 -4
166 - 170 168 5 0 0
171 - 175 173 3 1 3
176 - 180 178 2 2 4
Jumlah 21 -14

Pengkodean dimulai dari angka 0 untuk kelas interval dimana rata-rata sementara ditetapkan.
Kemudian dengan kelas sebelumnya berturut-turut menjadi angka negatif (-1, -2, -3 dan seterusnya)
menjauhi kelas rata-rata sementara. Berikutnya dengan kelas sesudahnya berturut-turut
pengkodeannya menjadi angka positif (1,2 3 dan seterusnya) menjauhi kelas rata-rata sementara
tersebut.

Dari tabel di atas diperoleh

x¯s=168∑i=1kfi=21∑i=1kfici=−14p=5x¯s=168∑i=1kfi=21∑i=1kfici=−14p=5
Hasil rata-rata hitung menggunakan coding adalah sebagai berikut.
x¯=168+(−1421)⋅5=168+(−3,33)=−164,67x¯=168+(−1421)⋅5=168+(−3,33)=−164,67

Dari ketiga cara mencari rata-rata data berkelompok di atas, metode menggunakan titik tengah atau
cara biasa merupakan metode yang paling banyak digunakan karena proses penghitungannya
sangat mudah. Oleh karena itu untuk penghitungan-penghitungan selanjutnya sangat disarankan
untuk menggunakan tersebut.

Contoh Soal No. 1

Nilai mahasiswa jurusan statistika untuk mata kuliah statistik deskriptif adalah sebagai berikut.

Nilai Frekuensi
41 - 45 18
46 - 50 19
51 - 55 30
56 - 60 17
61 - 65 26
66 - 70 24
71 - 75 28
76 - 80 35
81 - 85 20

Hitunglah rata-rata dari nilai mahasiswa tersebut!

Jawab:

Rumus yang digunakan untuk mencari rata-rata data berkelompok di atas adalah
x¯=∑i=1kfixi∑i=1kfix¯=∑i=1kfixi∑i=1kfi
Untuk menyelesaikannya dengan menggunakan rumus tersebut, kita harus mencari komponen-
komponen dari rumus tersebut yaitu komponen ∑ki=1fi∑i=1kfi dan komponen ∑ki=1fixi∑i=1kfixi.

Nilai Titik Tengah Frekuensi fi⋅xifi⋅xi

(Kelas Interval) (xi)(xi) (fi)(fi)
41 - 45 43 18 774
46 - 50 48 19 912
51 - 55 53 30 1590
56 - 60 58 17 986
61 - 65 63 26 1638
66 - 70 68 24 1632
71 - 75 73 28 2044
76 - 80 78 35 2730
81 - 85 83 20 1660
Jumlah 217 13966

Dari tabel di atas diperoleh komponen

∑i=1kfi=217 dan ∑i=1kfixi=13966∑i=1kfi=217 dan ∑i=1kfixi=13966
Dengan begitu dapat kita hitung rata-rata data berkelompok sebagai berikut.
x¯=∑i=1kfixi∑i=1kfi=13966217=64,36x¯=∑i=1kfixi∑i=1kfi=13966217=64,36
Rata-rata nilai mahasiswa jurusan statistika untuk mata kuliah statistik deskriptif adalah 64,36.

Contoh Soal No. 2

Sebanyak 30 pelajar dikelompokkan menurut kelompok umur seperti tabel berikut.

Kelompok Umur Banyaknya Pelajar

7-9 8
10 - 12 5
13 - 15 6
16 - 18 7
19 - 21 4

Hitunglah rata-rata umur para pelajar tersebut!

Jawab:

Tentukan titik tengah setiap kelas interval terlebih dahulu, kemudian kalikan dengan banyaknya
pelajar (frekuensi).

Kelompok Umur Titik Tengah Banyaknya Pelajar

(fi⋅xi)(fi⋅xi)
Kelas Interval (xi)(xi) (Frekuensi fifi)
7-9 8 8 64
10 - 12 11 5 55
13 - 15 14 6 84
16 - 18 17 7 119
19 - 21 20 4 80
Jumlah 30 402
Dari tabel diperoleh
∑i=1kfi=30∑i=1kfixi=402∑i=1kfi=30∑i=1kfixi=402
Selanjutnya kita bisa menghitung rata-rata
x¯=∑i=1kfixi∑i=1kfi=40230=13,4x¯=∑i=1kfixi∑i=1kfi=40230=13,4
Dengan demikian rata-rata umur para pelajar adalah 13,4.

Modus Data Berkelompok

46 Komentar
Modus adalah nilai yang memiliki frekuensi terbanyak dalam seperangkat data. Modus untuk data
yang disusun dalam bentuk kelas interval (data berkelompok) bisa ditentukan berdasarkan nilai
tengah kelas interval yang memiliki frekuensi terbanyak.

Namun nilai yang dihasilkan dari nilai tengah kelas interval ini adalah nilai yang kasar. Nilai modus
yang lebih halus bisa diperoleh dengan menggunakan rumus di bawah ini.

Mo = modus
b = batas bawah kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi terbanyak dikurangi frekuensi kelas sebelumnya
b2 = frekuensi terbanyak dikurangi frekuensi kelas sesudahnya

Contoh:

Berikut ini adalah nilai statistik mahasiswa jurusan ekonomi sebuah universitas.

Berapakah modus nilai statistik mahasiswa tersebut?

Jawab:

Dari tabel di atas, kita bisa mengetahui bahwa modus terletak pada kelas interval keempat (66 – 70)
karena kelas tersebut memiliki frekuensi terbanyak yaitu 27. Sebelum menghitung menggunakan
rumus modus data berkelompok, terlebih dahulu kita harus mengetahui batas bawah kelas adalah
65,5, frekuensi kelas sebelumnya 14, frekuensi kelas sesudahnya 21. Panjang kelas interval sama
dengan 5.

Dengan begitu bisa kita menghitung modus nilai statistik mahasiswa sebagai berikut.
Median Data Berkelompok
60 Komentar
Pada data tunggal, penghitungan median cukup mudah. Data diurutkan berdasarkan nilai datanya
mulai dari yang terkecil sampai yang terbesar. Kemudian median bisa diketahui langsung dari nilai
tengah urutan data tersebut.

Namun pada data berkelompok, cara tersebut tidak bisa digunakan. Data berkelompok merupakan
data yang berbentuk kelas interval, sehingga kita tidak bisa langsung mengetahui nilai median jika
kelas mediannya sudah diketahui.

Oleh karena itu, kita harus menggunakan rumus berikut ini.

Me = median
xii = batas bawah median
n = jumlah data
fkii = frekuensi kumulatif data di bawah kelas median
fi = frekuensi data pada kelas median
p = panjang interval kelas

Contoh Soal No. 1

Sebanyak 26 orang mahasiswa terpilih sebagai sampel dalam penelitian kesehatan di sebuah
universitas. Mahasiswa yang terpilih tersebut diukur berat badannya. Hasil pengukuran berat badan
disajikan dalam bentuk data berkelompok seperti di bawah ini.

Hitunglah median berat badan mahasiswa!

Jawab:
Sebelum menggunakan rumus di atas, terlebih dahulu dibuat tabel untuk menghitung frekuensi
kumulatif data. Tabelnya adalah sebagai berikut.

Selanjutnya adalah menentukan nilai-nilai yang akan digunakan pada rumus.

Jumlah data adalah 26, sehingga mediannya terletak di antara data ke 13 dan 14. Data ke-13 dan 14
ini berada pada kelas interval ke-4 (61 – 65). Kelas interval ke-4 ini kita sebut kelas median.

Melalui informasi kelas median, bisa kita peroleh batas bawah kelas median sama dengan 60,5.
Frekuensi kumulatif sebelum kelas median adalah 9, dan frekuensi kelas median sama dengan 5.
Diketahui juga, bahwa panjang kelas sama dengan 5.

Secara matematis bisa diringkas sebagai berikut:

xii = 60,5
n = 26
fkii = 9
fi = 5
p=5

Dari nilai-nilai tersebut dapat kita hitung median dengan menggunakan rumus median data
berkelompok.

Sehingga median berat badan mahasiswa adalah 64,5 kg.

Contoh Soal No. 2

Berikut ini adalah data berat badan 50 orang mahasiswa jurusan statistika yang telah dikelompokkan
ke dalam kelas-kelas interval berat badan. Hitunglah median berat badan mahasiswa tersebut.
Jawab:
Hitung terlebih dahulu frekuensi kumulatif dari data tersebut. Selanjutnya tentukan kelas interval yang
memuat median data.

Karena jumlah data (mahasiswa) adalah 50, maka median data terletak pada data ke-25 dan data ke-
26.

Dari hasil penghitungan frekuensi kumulatif di atas, dapat kita ketahui bahwa median terletak pada
kelas interval ketiga, yaitu kelas interval 70 – 74. Frekuensi kelas interval dimana median terletak
adalah 15, sedangkan frekuensi kumulatif sebelum kelas interval median adalah 16.

Selain itu dapat kita ketahui juga bahwa panjang interval adalah 5 dan batas bawah kelas median
adalah 69,5.

Secara matematis, nilai-nilai tersebut dapat kita tulis dalam notasi sebagai berikut.
xii = 69,5
n = 50
fkii = 16
fi = 15
p=5

Dengan menggunakan rumus median data berkelompok di atas, kita dapat mengetahui median berat
badan mahasiswa.

Dengan demikian median berat badan mahasiswa jurusan statistika adalah 72,5 kg.
Varian dan Standar Deviasi Data Berkelompok
Tidak Ada Komentar
Rumus varian dan standar deviasi data berkelompok tidak jauh berbeda dengan rumus varian
dan standar deviasi data tunggal. Berikut adalah varian dan standar deviasi untuk data berkelompok.

Rumus Varian
s2=1n−1∑i=1kfi(xi−x¯)2=∑i=1kfix2i−(∑i=1kfixi)2nn−1s2=1n−1∑i=1kfi(xi−x¯)2=∑i=1kfixi2−(∑i=1kfixi)
2nn−1

Rumus Standar Deviasi

s=1n−1∑i=1kfi(xi−x¯)2−−−−−−−−−−−−−−−−− ⎷ =∑i=1kfix2i−(∑i=1kfixi)2nn−1−−−−−−−−−
−−−−−−−−−−− ⎷ s=1n−1∑i=1kfi(xi−x¯)2=∑i=1kfixi2−(∑i=1kfixi)2nn−1

Contoh Penghitungan

Misalnya diberikan data seperti pada contoh penghitungan pada artikel Rata-rata Data Berkelompok,
yaitu:

Frekuensi
Tinggi Badan
(fi)(fi)
151 - 155 3
156 - 160 4
161 - 165 4
166 - 170 5
171 - 175 3
176 - 180 2

Hitunglah varian dan standar deviasi data tersebut!

Jawab:

Dari soal telah diketahui kelas-kelas interval dan frekuensi tiap kelas interval (fi)(fi). Selanjutnya,
dibuat kembali tabel untuk memperoleh banyaknya data (n),(n),titik
tengah (xi)(xi), fixifixi dan fix2i.fixi2.

xixi fifi (fixi)(fixi) (fix2i)(fixi2)

153 3 459 70277
158 4 632 99856
163 4 652 106276
168 5 840 141120
173 3 519 89787
178 2 356 63368
21 3458 570634

Dari tabel di atas, diperoleh:

n∑i=1kfixi∑i=1kfix2i=21=3458=570634n=21∑i=1kfixi=3458∑i=1kfixi2=570634
Dari data-data tersebut dapat diperoleh varian data berkelompok, yaitu
s2=∑i=1kfix2i−(∑i=1kfixi)2nn−1=570634−(3458)22121−1=60,83s2=∑i=1kfixi2−(∑i=1kfixi)2nn−1=5706
34−(3458)22121−1=60,83
Selanjutnya, karena standar deviasi merupakan akar kuadrat dari varian, maka standar deviasi data
berkelompok adalah
s=s2−−√=60,83−−−−√=7,80s=s2=60,83=7,80

Jangkauan atau Rentang (Range)

Tidak Ada Komentar
Dalam sekelompok data kuantitatif akan terdapat data dengan nilai terbesar dan data dengan nilai
terkecil. Rentang (range) atau disebut juga dengan jangkauan adalah selisih antara data dengan nilai
yang terbesar dengan data denga nilai yang terkecil tersebut.
R=xmax−xminR=xmax−xmin
dimana RR adalah range (jangkauan atau rentang), xmaxxmax adalah nilai data yang paling besar
dan xminxminnilai data yang paling kecil.

Contoh Soal No. 1

Hitunglah rentang dari data

20,21,19,17,20,21,23,24,2520,21,19,17,20,21,23,24,25
Jawab:

Data terbesar (xmaxxmax) adalah 25 dan data terkecil (xminxmin) adalah 17. Dengan demikian,
rentang/jangkauan adalah
R=xmax−xmin=25−17=8R=xmax−xmin=25−17=8

Contoh Soal No. 2

Nilai ujian akhir matakuliah statistika mahasiswa adalah

70,72,69,67,54,60,49,75,59,6370,72,69,67,54,60,49,75,59,63
Hitunglah range dari data tersebut!

Jawab:

Dari data tersebut diperoleh xmax=75xmax=75 dan xmin=49xmin=49. Range data tersebut adalah
R=xmax−xmin=75−49=26R=xmax−xmin=75−49=26

Contoh Soal No. 3

Data banyaknya mobil yang lewat pada suatu jalan tiap jamnya adalah
51,35,29,57,21,40,25,47,25,53,48,43,27,34,3751,35,29,57,21,40,25,47,25,53,48,43,27,34,37
Berapakah range dari data tersebut?

Jawab:

Diketahui xmax=57xmax=57 dan xmin=21xmin=21. Range data tersebut adalah

R=xmax−xmin=57−21=36R=xmax−xmin=57−21=36
Rata-rata Gabungan
2 Komentar
Jika kita mempunyai beberapa buah nilai rata-rata, maka untuk mendapatkan nilai rata-rata
gabungannya kita tidak boleh langsung merata-ratakan beberapa buah nilai rata-rata tersebut. Hal ini
disebabkan karena masing-masing rata-rata tersebut mungkin saja berasal dari jumlah sampel yang
berbeda-beda. Oleh karena itu, untuk menghitung rata-rata gabungannya, kita harus
mempertimbangkan jumlah sampel masing-masing rata-rata.

Rumus yang digunakan untuk menghitung rata-rata gabungan dari sejumlah p rata-rata dengan
mempertimbangkan ukuran sampel (n) adalah sebagai berikut.
x¯gab=n1x¯1+n2x¯2+⋯+nkx¯kn1+n2+⋯+nkx¯gab=n1x¯1+n2x¯2+⋯+nkx¯kn1+n2+⋯+nk
dimana x¯gabx¯gab adalah rata-rata gabungan, x¯1x¯1 adalah rata-rata pertama dan n1n1 adalah
jumlah sampelnya, x¯2x¯2 adalah rata-rata kedua dan n2n2 adalah jumlah sampelnya, begitu
seterusnya hingga rata-rata ke-kk.

Persamaan tersebut dapat disederhanakan dengan menuliskannya dalam bentuk notasi

sigmasebagai berikut.
x¯gab=∑j=1knjx¯j∑j=1knjx¯gab=∑j=1knjx¯j∑j=1knj
Dimana x¯jx¯j adalah rata-rata ke-jj dan njnj adalah jumlah sampelnya.

Berikut ini diberikan contoh menghitung rata-rata gabungan menggunakan rumus di atas.

Rata-rata tinggi badan 10 siswa di kelas A adalah 170,1 cm, rata-rata tinggi badan 15 siswa di kelas
B adalah 173,4 cm. Selanjutnya, rata-rata tinggi badan 5 siswa di kelas C adalah 168,9. Berapakah
rata-rata gabungan tinggi badan 30 siswa diketiga kelas tersebut?

Jawab:

Diketahui bahwa

1. x¯1=170,1x¯1=170,1 dan n1=10n1=10

2. x¯2=173,4x¯2=173,4 dan n2=15n2=15
3. x¯3=168,9x¯3=168,9 dan n3=5n3=5
Dengan menggunakan rumus rata-rata gabungan di atas, penghitungannya menjadi:
x¯gab=n1x¯1+n2x¯2+n3x¯3n1+n2+n3=(10×170,1)+(15×173,4)+(5×168,9)10+15+5=171,55x¯ga
b=n1x¯1+n2x¯2+n3x¯3n1+n2+n3=(10×170,1)+(15×173,4)+(5×168,9)10+15+5=171,55

Dengan demikian rata-rata gabungan 30 siswa di ketiga kelas tersebut adalah 171,55 cm.

Perhatian!!!

Jika kita langsung merata-ratakan ketiga rata-rata tersebut tanpa mempertimbangkan jumlah
sampelnya, maka rata-ratanya menjadi
x¯=(170,1+173,4+168,9)3=170,8x¯=(170,1+173,4+168,9)3=170,8
Ternyata hasilnya berbeda dengan penghitungan rata-rata dengan menggunakan rumus rata-rata
gabungan di atas. Oleh karena itu, perlu kehati-hatian jika kita ingin menghitung rata-rata
gabungan. Penghitungan rata-rata gabungan harus memperhatikan ukuran sampel rata-rata
pembentuknya.

Contoh Soal No. 1

Nilai rata-rata ujian statistika 8 mahasiswa adalah 60, nilai rata-rata 6 orang mahasiswa yang lain
adalah 70, dan nilai rata-rata 4 mahasiswa berikutnya adalah 90. Jika Nilai 18 mahasiswa tersebut
digabungkan, berapakah rata-ratanya?

Jawab:

Diketahui
1. x¯1=60x¯1=60 dan n1=8n1=8
2. x¯2=70x¯2=70 dan n2=6n2=6
3. x¯3=90x¯3=90 dan n3=4n3=4
Rata-rata gabungan dapat dihitung menggunakan rumus rata-rata gabungan di atas
x¯gab=n1x¯1+n2x¯2+⋯+nkx¯kn1+n2+⋯+nk=n1x¯1+n2x¯2+n3x¯3n1+n2+n3=(8×60)+(6×70)+(4×
90)8+6+4=70x¯gab=n1x¯1+n2x¯2+⋯+nkx¯kn1+n2+⋯+nk=n1x¯1+n2x¯2+n3x¯3n1+n2+n3=(8×60)+
(6×70)+(4×90)8+6+4=70

Dengan demikian, rata-rata nilai statistika 18 mahasiswa tersebut adalah 70.

Contoh Soal No. 2

Rata-rata nilai ujian matematika 40 siswa adalah 50. Jika 5 siswa yang nilainya sama dikeluarkan dari
rata-rata tersebut maka rata-ratanya berubah menjadi 55. Berapakah nilai masing-masing 5 siswa
tersebut?

Jawab:

Dari soal di atas diketahui

1. n=40n=40, rata-ratanya adalah x¯(40)=50x¯(40)=50
2. n−5=35n−5=35, rata-ratanya adalah x¯(35)=55x¯(35)=55
Hitung terlebih dahulu jumlah nilai 40 siswa.
x¯(40)50∑i=140xi=1n∑i=1nxi=140∑i=140xi=2000x¯(40)=1n∑i=1nxi50=140∑i=140xi∑i=140xi=2000
Hitung juga jumlah nilai 35 siswa (nilai 5 siswa yang nilainya sama telah dikeluarkan).
x¯(35)55∑i=135xi=1n−5∑i=1n−5xi=135∑i=135xi=1925x¯(35)=1n−5∑i=1n−5xi55=135∑i=135xi∑i=135
xi=1925

Jumlah nilai 5 siswa dapat diperoleh dengan mengurangi jumlah nilai 40 siswa dengan jumlah nilai 35
siswa.
∑i=15xi=∑i=140xi−∑i=135xi=2000−1925=75∑i=15xi=∑i=140xi−∑i=135xi=2000−1925=75
Karena nilai 5 siswa tersebut sama, maka ∑5i=1xi=5xi∑i=15xi=5xi, sehingga
5xixi=75=155xi=75xi=15
Dengan demikian nilai masing-masing 5 siswa tersebut adalah 15.

Contoh Soal No. 3

Sebuah perusahaan industri memiliki dua jenis produk yaitu produk A dan produk B. Untuk
mengetahui kualitas dari kedua produk tersebut, dilakukan pengambilan sampel masing-masing dari
produk A dan produk B untuk selanjutnya dilakukan pengujian. Hasil pengujian menunjukkan bahwa
nilai rata-rata kualitas produk A adalah 95, sedangkan nilai rata-rata kualitas produk B adalah 75. Jika
kedua sampel produk digabung, nilai rata-rata kualitas produk menjadi 87. Berapakah perbandingan
jumlah sampel produk A dan produk B?

Jawab:

Dari soal di atas, diketahui x¯A=95x¯A=95, x¯B=75x¯B=75 dan x¯=87x¯=87.

Perbandingan nAnA dan nBnB dapat diketahui dengan rumus berikut.
nAx¯A+nBx¯B95nA+75nB95nA+75nB8nAnAnB=(nA+nB)x¯=87(nA+nB)=87nA+87nB=12nB=32n
Ax¯A+nBx¯B=(nA+nB)x¯95nA+75nB=87(nA+nB)95nA+75nB=87nA+87nB8nA=12nBnAnB=32

Perbandingan jumlah sampel produk A dan produk B adalah 3 : 2.

Rata-rata Tertimbang (Terbobot)

Tidak Ada Komentar
Rata-rata tertimbang/terbobot (weighted average) adalah rata-rata yang dihitung dengan
memperhitungkan timbangan/bobot untuk setiap datanya. Setiap penimbang/bobot tersebut
merupakan pasangan setiap data.

Rumus rata-rata tertimbang/terbobot adalah sebagai berikut.

Keterangan:
= rata-rata tertimbang
xi = nilai data ke-i
wi = bobot data ke-i
n = jumlah data

Contoh penggunaan rata-rata tertimbang

Sebuah perguruan tinggi membuka penerimaan mahasiswa baru. Dalam rangka penerimaan,
perguruan tinggi tersebut melaksanakan ujian masuk untuk calon mahasiswa baru. Calon mahasiswa
baru diwajibkan mengkuti tes kemampuan 3 mata pelajaran, yaitu matematika, bahasa inggris dan
pengetahuan umum.

Untuk memberikan penilaian yang lebih baik, perguruan tinggi tersebut membobot setiap mata
pelajaran yang diujiankan. Matematika diberi bobot 50, bahasa Inggris 30 dan pengetahuan umum 20.

Setelah ujian dilaksanakan, seorang calon mahasiswa baru mendapatkan nilai sebagai berikut.
Matematika 65, bahasa inggris 70 dan pengetahuan umum 80. Berapakah nilai rata-rata calon
mahasiswa tersebut?

Jawaban

Diketahui bahwa penilaian bersifat terbobot, oleh karena itu penghitungan nilai mahasiswa tersebut
menggunakan rumus rata-rata tertimbang.

Dengan menggunakan rumus rata-rata tertimbang maka penghitungan nilai mahasiswa tersebut
adalah sebagai berikut.

Jadi, nilai rata-rata calon mahasiswa baru tersebut adalah 69,5.

Penjelasan tambahan
Jika kita menghitungnya menggunakan rata-rata hitung biasa. Maka rata-rata nilai mahasiswa
tersebut adalah sebagai berikut.

Dari hasil tersebut bisa kita ketahui bahwa nilai rata-rata hitung (71,67) lebih tinggi dari nilai rata-rata
tertimbang (69,5). Jika kita perhatikan untuk setiap nilai datanya, bisa kita ketahui bahwa penyebab
rendahnya nilai rata-rata tertimbang adalah karena nilai matematikanya paling rendah di antara mata
pelajaran yang lain padahal nilai matematika tersebut memiliki bobot paling besar. Sedangkan nilai
bahasa inggris adalah nilai yang paling tinggi, tetapi karena bobotnya paling kecil sehingga tidak
mampu memberikan kontribusi lebih besar untuk meningkatkan nilai rata-ratanya.

Rata-rata Ukur (Geometrik)

2 Komentar
Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan mengalikan semua data dalam
suatu kelompok sampel, kemudian diakarpangkatkan dengan jumlah data sampel tersebut. Secara
matematis rata-rata ukur (geometrik) dirumuskan seperti berikut ini.

Atau rumus tersebut bisa diringkas menjadi:

Penghitungan rata-rata ukur (geometrik) juga bisa dihitung dengan menggunakan logaritma.
Rumusnya adalah sebagai berikut.

Keterangan:
G = rata-rata ukur (geometrik)
n = jumlah sampel
∏ = kegunaannya hampir sama dengan ∑, bedanya ∑ digunakan untuk penjumlahan, sedangkan ∏
digunakan untuk perkalian
xi = nilai sample ke-i

Contoh:

Diketahui data suku bunga tabungan beberapa bank adalah sebagai berikut.

6.75, 5.75, 6.50, 6.25, 6.25, 6.10, 5.70, 5.90, 6.25, 5.60

Berapakah rata-rata ukur (geometrik) suku bunga bank-bank tersebut?

Jawab:

Rata-rata ukur (geometrik) bisa dihitung dengan menggunakan rumus pertama atau kedua. Cara
penghitungannya adalah sebagai berikut.
 G = 6,095

Jika menggunakan rumus yang ketiga, cara penghitungannya adalah sebagai berikut.

G = antilog(0,7849769756) = 6,095

Hasil tersebut bisa dibuktikan dengan menggunakan Microsoft Excel di halaman Menghitung Rata-
rata Geometrik Dengan Microsoft Excel.

Penghitungan menggunakan logaritma biasanya dilakukan jika jumlah data cukup banyak sehingga
membuat hasil perkalian pada rumus pertama menjadi sangat besar dan menyulitkan. Untuk
mengurangi hitungan yang terlalu besar maka digunakanlah logaritma.

Rata-rata Harmonik (Harmonic Average)

2 Komentar
Rata-rata harmonik (harmonic average) adalah rata-rata yang dihitung dengan cara mengubah
semua data menjadi pecahan, dimana nilai data dijadikan sebagai penyebut dan pembilangnya
adalah satu, kemudian semua pecahan tersebut dijumlahkan dan selanjutnya dijadikan sebagai
pembagi jumlah data. Rata-rata harmonik ini sering disebut juga dengan kebalikan dari rata-rata
hitung (aritmatik). Secara matematis rata-rata harmonik dirumuskan sebagai berikut.

Keterangan:
H = rata-rata harmonik
n = jumlah data sampel
xi = nilai data ke-i

Contoh:
Suatu pertandingan bridge terdiri dari 10 meja. Pada pertandingan tersebut ingin diketahui rata-rata
lama bermain dalam 1 set kartu bridge. Pada pertandingan pertamanya dihitung lama bermain untuk
setiap set kartu di setiap meja. Hasilnya adalah sebagai berikut (dalam menit).

7, 6, 8, 10, 8, 8, 9, 12, 9, 11
Berapakah rata-rata harmonik lama pertandingan tersebut?

Jawab:
Dari rumus dapat dihitung rata-rata harmonik adalah sebagai berikut.

Hasil tersebut bisa dibuktikan dengan menggunakan Microsoft Excel di halaman Menghitung Rata-
rata Harmonik Dengan Microsoft Excel.

Hubungan Antara Rata-rata Hitung (Mean), Median dan

Modus
8 Komentar
Rata-rata hitung (mean), median dan modus adalah nilai yang digunakan untuk mewakili
seperangkat data. Ketiga nilai tersebut sering juga disebut dengan ukuran kecenderungan
terpusat(measure of central tendency). Sebab kecenderungan dari nilai-nilai tersebut memusat pada
bagian tengah suatu perangkat data.

Pada analisis data biasanya fokus perhatian tidak terletak pada keseluruhan data, tetapi terletak
hanya dimana data tersebut memusat. Oleh karena itulah nilai-nilai rata-rata, median dan modus
sering digunakan untuk mewakili seperangkat data dalam analisis statistik.

Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus adalah sebagai
berikut.

1. Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-rata,
median dan modus akan terletak pada satu titik dalam kurva distribusi frekuensi. Kurva
distribusi frekuensi tersebut akan terbentuk simetris.

2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka
pada kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan
median terletak di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi yang
terbentuk adalah menceng kanan atau kemencengan positif.
 3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada
kurva distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan median
terletak di tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi yang terbentuk
adalah menceng kiri atau kemencengan negatif.

4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka
biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.

Rata-rata – Modus = 3 (Rata-rata – Median)

Skip to content

Kelebihan dan Kekurangan Rata-rata, Median dan

Modus
1 Komentar
Di suatu wilayah, sebuah perusahaan properti membangun perumahan untuk masyarakat di wilayah
tersebut. Perusahaan memperoleh informasi bahwa rata-rata jumlah anggota rumah tangga di
wilayah tersebut adalah 4 orang, sehingga perusahaan tersebut membangun perumahan yang terdiri
dari 3 kamar tidur (1 kamar untuk bapak-ibu dan 2 kamar untuk 2 orang anak).

Setelah perumahan tersebut dibangun kemudian dipasarkan, ternyata perumahan tersebut tidak laku
karena kurang peminat. Perusahaan pun meneliti apa penyebab kurangnya peminat perumahan
tersebut.
Setelah diteliti ternyata walaupun rata-rata anggota rumah tangga adalah 4 orang, namun
kebanyakan anggota rumah tangga di wilayah tersebut adalah 3 orang dan 5 orang, sehingga
perumahan yang mereka butuhkan adalah rumah yang terdiri dari 2 kamar (1 kamar untuk bapak-ibu
dan 1 kamar untuk 1 orang anak) atau 4 kamar (1 kamar untuk bapak-ibu dan 3 kamar untuk 3 orang
anak). Perusahaan pun menyadari kekeliruan tersebut bahwa kesalahan merencanakan jumlah
kamar disebabkan kurangnya memahami pemanfaatan data.

Dari cerita di atas, dapat kita pahami bahwa ukuran kecenderungan terpusat rata-rata walaupun
sangat pupuler tidak selalu bisa digunakan dengan baik. Dalam memanfaatkan ukuran keterwakilan
data kita jangan selalu terpaku pada rata-rata saja. Ada kalanya kita mempertimbangkan ukuran
kecenderungan terpusat yang lain seperti median atau modus.

Agar lebih jelas memahami penggunaan rata-rata, median dan modus, ada baiknya kita
mengetahui kelebihan dan kelemahan rata-rata, median dan modus. Berikut ini dirincikan kelebihan
dan kelemahan masing-masing ukuran kecenderungan terpusat tersebut.

Rata-rata

Kelebihan

1. Rata-rata lebih populer dan lebih mudah digunakan.

2. Dalam satu set data, rata-rata selalu ada dan hanya ada satu rata-rata.
3. Dalam penghitungannya selalu mempertimbangkan semua nilai data.
4. Tidak peka terhadap penambahan jumlah data.
5. Variasinya paling stabil.
6. Cocok digunakan untuk data yang homogen.
Kelemahan

1. Sangat peka terhadap data ekstrim. Jika data ekstrimnya banyak, rata-rata menjadi
kurang mewakili (representatif).
2. Tidak dapat digunakan untuk data kualitatif.
3. Tidak cocok untuk data heterogen.

Median

Kelebihan

1. Tidak dipengaruhi oleh data ekstrim.

2. Dapat digunakan untuk data kualitatif maupun kuantitatif.
3. Cocok untuk data heterogen.
Kelemahan

1. Tidak mempertimbangkan semua nilai data.

2. Kurang menggambarkan rata-rata populasi.
3. Peka terhadap penambahan jumlah data.

Modus

Kelebihan

1. Tidak dipengaruhi oleh data ekstrim.

2. Cocok digunakan untuk data kuantitatif maupun kualitatif.
Kelemahan
 1. Modus tidak selalu ada dalam satu set data.
2. Kadang dalam satu set data terdapat dua atau lebih modus. Jika hal itu terjadi modus
menjadi sulit digunakan.
3. Kurang mempertimbangkan semua nilai.
4. Peka terhadap penambahan jumlah data.

Uji Z - Uji Hipotesis Rata-rata Satu Populasi

Tidak Ada Komentar
Uji Z rata-rata satu populasi adalah uji statistik yang digunakan untuk mengetahui apakah suatu
populasi memiliki rata-rata yang sama dengan, lebih kecil atau lebih besar dari suatu nilai rata-rata
tertentu sesuai dengan hipotesis yang telah ditetapkan.

Sebelum melakukan pengujian statistik, terlebih dahulu dilakukan pengambilan sampel yang nantinya
digunakan sebagai bahan untuk melakukan pengujian.

Berikut ini adalah syarat-syarat yang harus dipenuhi untuk melakukan pengujian.
1. Sampel yang digunakan dalam pengujian adalah sampel acak sederhana.
2. Varian populasi σ2 diketahui.
3. Sampel berasal dari populasi yang berdistribusi normal atau ukuran (banyaknya)
sampel cukup besar (biasanya ukuran sampel cukup besar yang sering digunakan adalah
lebih dari 30).
1. Hipotesis

Hipotesis terdiri dari dua bentuk, yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.
1. Hipotesis untuk uji dua arah
HoH1:μ=μ0:μ≠μ0
2. Hipotesis untuk uji satu arah
H0:μ=μ0H1:μ<μ0atauH0:μ=μ0H1:μ>μ0
H0 adalah hipotesis null (hipotesis awal), H1 adalah hipotesis tandingan (alternatif), μ adalah rata-
rata populasi yang akan diuji dan μ0 adalah rata-rata yang ditentukan terelbih dahulu nilainya.

Misalnya seorang kepala cabang sebuah bank menyatakan bahwa rata-rata lamanya nasabah yang
antri di teller bank tersebut tidak lebih dari 5 menit. Dengan demikian, hipotesis yang kita gunakan
untuk menguji kebenaran pernyataan tersebut adalah
HoH1:μ=5:μ<5
2. Tingkat Kepercayaan atau Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen atau (1−α)=0,95,
maka tingkat signifikansinya adalah 5 persen ( α=0,05).

3. Statistik Uji
Statistik uji yang digunakan dalam uji rata-rata adalah
z=x¯−μoσ/n−−√
dimana z adalah nilai z hitung, x¯ adalah rata-rata sampel, σ adalah standar devasi populasi
dan nadalah banyaknya sampel.

4. Titik Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak Ho.
1. Titik kritis uji dua arah adalah −Zα/2 dan Zα/2
2. Titik kritis uji satu arah adalah −Zα untuk H1:μ<μo dan Zα untuk H1:μ>μo.
(Lihat Tabel Z Distribusi Normal).

5. Keputusan

1. Keputusan untuk uji dua arah

Tolak Ho apabila z<−Zα/2 atau z>Zα/2.
2. Keputusan untuk uji satu arah
Untuk H1:μ<μo, tolak Ho jika z<−Zα.
Untuk H1:μ>μo, tolak Ho apabila z>Zα.

Uji Z - Uji Hipotesis Rata-rata Dua Populasi

Tidak Ada Komentar
1. Hipotesis

Hipotesis terdiri dari dua bentuk yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.
1. Hipotesis untuk uji dua arah
HoH1:μ1−μ2=do:μ1−μ2≠doHo:μ1−μ2=doH1:μ1−μ2≠do
2. Hipotesis untuk uji satu arah
HoH1:μ1−μ2=do:μ1−μ2<doHo:μ1−μ2=doH1:μ1−μ2<do
atau
HoH1:μ1−μ2=do:μ1−μ2>doHo:μ1−μ2=doH1:μ1−μ2>do
2. Tingkat Kepercayaan dan Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95(1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen

atau (1−α)=0,95(1−α)=0,95, maka tingkat signifikansinya adalah 5 persen α=0,05α=0,05.

3. Statistik Uji

Statistik uji yang digunakan dalam uji rata-rata adalah

z=(x¯1−x¯2)−doσ21n1+σ22n2−−−−−−−−√z=(x¯1−x¯2)−doσ12n1+σ22n2
4. Daerah Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak HoHo.
1. Titik kritis uji dua arah adalah −Zα/2−Zα/2 dan Zα/2Zα/2
2. Titik kritis uji satu arah
adalah −Zα−Zα untuk H1:μ1−μ2<doH1:μ1−μ2<do dan ZαZα untuk H1:μ1−μ2>doH1:μ1−μ2>d
o.
(Lihat Tabel Z Distribusi Normal).

5. Keputusan

1. Keputusan untuk uji dua arah adalah

tolak HoHo apabila z<−Zα/2z<−Zα/2 atau z>Zα/2.z>Zα/2.
2. Keputusan untuk uji dua arah adalah
Untuk H1:μ1−μ2<doH1:μ1−μ2<do, tolak HoHo apabila z<−Zα.z<−Zα.
Untuk H1:μ1−μ2>doH1:μ1−μ2>do, tolak HoHo apabila z>Zα.z>Zα.

Uji Z - Uji Hipotesis Proporsi Satu Populasi

Tidak Ada Komentar
1. Hipotesis

Hipotesis terdiri dari dua bentuk, yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.
1. Hipotesis untuk uji dua arah adalah
HoH1:p=po:p≠poHo:p=poH1:p≠po
2. Hipotesis untuk uji satu arah adalah
Ho:p=poH1:p<poatauHo:p=poH1:p>poHo:p=poatauHo:p=poH1:p<poH1:p>po
2. Tingkat Kepercayaan atau Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95(1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen

atau (1−α)=0,95(1−α)=0,95, maka tingkat signifikansinya adalah 5 persen α=0,05α=0,05.

3. Statistik Uji

Statistik uji yang digunakan dalam uji proporsi satu populasi adalah
z=p^−popo(1−po)n−−−−−−−−−√z=p^−popo(1−po)n
4. Daerah Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak HoHo.
1. Titik kritis untuk uji dua arah adalah −Zα/2−Zα/2 dan Zα/2.Zα/2.
2. Titik kritis untuk uji satu arah
adalah −Zα/2−Zα/2 untuk H1:p<poH1:p<po dan ZαZα untuk H1:p>poH1:p>po.
(Lihat Tabel Z Distribusi Normal).

5. Keputusan
1. Keputusan untuk uji dua arah adalah
tolak HoHo apabila z<−Zα/2z<−Zα/2 atau z>Zα/2.z>Zα/2.
2. Keputusan untuk uji dua arah adalah
Untuk H1:p<poH1:p<po, tolak HoHo apabila z<−Zα.z<−Zα.
Untuk H1:p>poH1:p>po, tolak HoHo apabila z>Zα.z>Zα.

Uji Z - Uji Hipotesis Proporsi Dua Populasi

1 Komentar
Uji hipotesis proporsi dua populasi adalah pengujian dua proporsi yang masing-masing proporsi
tersebut berasal dari dua populasi yang berbeda serta independen.

Pengujian dua proporsi digunakan ketika akan membandingkan apakah proporsi pada populasi
pertama lebih kecil, sama atau lebih besar dibandingkan proporsi pada populasi kedua.

Misalnya ada orang tua yang akan memasukkan anaknya ke SMA. Dia masih menimbang-nimbang
apakah akan dimasukkan ke sekolah A atau sekolah alternatif lain yaitu sekolah B. Ia merasa yakin
menyekolahkan anaknya ke sekolah A apabila proporsi siswa yang lulus ke perguruan tinggi negeri
dari sekolah A lebih tinggi daripada dari sekolah B.

Oleh karena itu, untuk mengetahui hal tersebut perlu dilakukan pengambilan sampel lulusan dari
sekolah A dan sampel lulusan dari sekolah B. Selanjutnya sampel tersebut digunakan untuk
melakukan pengujian secara statistik apakah proporsi siswa yang lulus ke perguruan tinggi negeri
dari sekolah A lebih besar secara signifikan dari pada dari sekolah B.

Syarat sampel untuk melakukan pengujian proporsi dua populasi adalah sampel yang diambil harus
acak (random) dan berasal dari populasi yang independen.

Berikut adalah beberapa tahapan dalam melakukan uji hipotesis dua populasi.

1. Hipotesis

Hipotesis uji proporsi dua populasi terdiri dari dua bentuk, yaitu hipotesis uji dua arah (uji dua sisi)
dan hipotesis uji satu arah (uji satu sisi).

Uji dua arah digunakan untuk mengetahui apakah dua populasi memiliki proporsi yang sama atau
tidak, sedangkan uji satu sisi digunakan untuk mengetahui apakah populasi pertama memiliki
proporsi yang lebih kecil atau lebih besar dibandingkan dengan proporsi pada populasi kedua.

Hipotesis untuk uji dua arah adalah

Ho: P1 = P2
H1: P1 ≠ P2

Hipotesis untuk uji satu arah adalah

Ho: P1 ≥ P2
H1: P1 < P2

atau

Ho: P1 ≤ P2
H1: P1 > P2

P1 adalah proporsi pada populasi 1

P2 adalah proporsi pada populasi 2

2. Tingkat Kepercayaan atau Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen atau (1 – α) =
0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen atau (1 – α) = 0,95,
maka tingkat signifikansinya adalah 5 persen α = 0,05.

3. Statistik Uji

Statistik uji yang digunakan dalam uji proporsi dua populasi adalah

dimana

Keterangan:
adalah proporsi pada sampel 1
adalah proporsi pada sampel 2
adalah proporsi gabungan
x1 adalah banyaknya sukses pada sampel 1
x2 adalah banyaknya sukses pada sampel 2
n1 adalah banyaknya sampel 1
n2 adalah banyaknya sampel 2

4. Daerah Kritis

Daerah kritis adalah daerah yang digunakan untuk menolak atau tidak menolak H o. Titik kritis untuk uji
dua arah adalah –Zα/2 dan Zα/2, sedangkan untuk uji satu arah adalah –Zα untuk
Ho: P1 ≥ P2 dan Zα untuk Ho: P1 ≤ P2. (Lihat Tabel Z).

5. Keputusan

Keputusan untuk uji dua arah adalah tolak Ho apabila z < –Zα/2 atau z > Zα/2.

Keputusan untuk uji satu arah adalah

1. Untuk Ho: P1 ≥ P2 dan H1: P1 < P2, tolak Ho apabila z < –Zα
2. Untuk Ho: P1 ≤ P2 dan H1: P1 > P2, tolak Ho apabila z > Zα.

Contoh Soal No. 1

Mahasiswa jurusan pertanian ditugaskan untuk menguji formula pupuk terbaru untuk tanaman cabe.
Mereka mengelompokkan tanaman-tanaman cabe menjadi dua kelompok.. Kelompok tanaman cabe
pertama diberi pupuk dan kelompok tanaman cabe kedua tidak diberi pupuk. Dari 250 batang
tanaman cabe yang diberi pupuk, mati sebanyak 15 batang. Sedangkan dari 200 batang tanaman
cabe yang tidak diberi pupuk, juga mati sebanyak 15 batang. Dengan tingkat kepercayaan 95 persen,
apakah pemberian pupuk formula terbaru pada cabe akan menjadi lebih baik daripada tidak diberi
pupuk?

Jawab:

Dari soal di atas diketahui

x1 = 15
x2 = 15
n1 = 250
n2 = 200

Langkah-langkah yang dilakukan untuk menyelesaikannya adalah sebagai berikut.

1. Tentukan terlebih dahulu hipotesis yang digunakan

Dari persoalan di atas ingin diketahui apakah pemberian pupuk formula terbaru pada cabe akan
berdampak lebih baik daripada tidak diberi pupuk.

Maksud dari pernyataan tersebut adalah ingin diketahui apakah proporsi mati pada cebe yang diberi
pupuk lebih rendah dari proporsi mati pada cabe yang tidak diberi pupuk.

Misalkan P1 adalah proporsi mati cabe yang diberi pupuk dan P2 adalah proporsi mati cabe yang tidak
diberi pupuk, maka H1 : P1 < P2.

Dengan demikian hipotesis yang digunakan adalah

Ho: P1 ≥ P2
H1: P1 < P2

2. Tingkat Kepercayaan

Telah disebutkan bahwa tingkat kepercayaan yang digunakan dalam penelitian adalah 95 persen
atau (1 – α) = 0,95, dengan demikian tingkat signifikansinya adalah 5 persen atau α = 0,05.

3. Statistik Uji

Pengujian tersebut merupakan uji proporsi dua populasi, maka statistik uji yang digunakan adalah
uji z,

Sebelum menggunakan rumus tersebut, tentukan terlebih dahulu komponen-komponen yang

digunakan.
Selanjutnya menghitung nilai z,

4. Daerah Kritis

Karena pengujian di atas adalah pengujian satu arah, maka tingkat signifikansi yang digunakan
adalah α = 0,05. Dengan demikian daerah kritis adalah nilai di bawah –Z0,05 = –1,645 (Lihat Tabel Z).

5. Keputusan

Telah diketahui bahwa z = –0,057 dan –Z0,05 = –1,645, oleh karena itu arena z < –Z0,05 maka
keputusannya adalah tolak Ho.

6. Kesimpulan

Berdasarkan data pengujian pemberian dan tanpa pemberian pupuk formula terbaru pada cabe,
maka dengan tingkat kepercayaan 95 persen, proporsi mati cabe yang diberi pupuk lebih sedikit
dibandingkan proporsi mati cabe yang tidak diberi pupuk.

Dengan demikian, pemberian pupuk formula terbaru pada cabe akan menjadi lebih baik daripada
tidak diberi pupuk.

Tidak Ada Komentar

1. Hipotesis

Hipotesis terdiri dari dua bentuk, yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.
1. Hipotesis untuk uji dua arah adalahH0:μ=μ0H1:μ≠μ0
2. Hipotesis untuk uji satu arah adalahH0:μ=μ0atauH0:μ=μ0H1:μ<μ0H1:μ>μ0
2. Tingkat Kepercayaan dan Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen atau (1−α)=0,95, maka
tingkat signifikansinya adalah 5 persen α=0,05.

3. Statistik Uji

Statistik uji yang digunakan dalam uji rata-rata satu populasi adalaht=ˉx−μ0s/√n4. Titik Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak H0.
1. Titik kritis untuk uji dua arah adalah −Tα/2,v dan Tα/2,v
2. Titik kritis untuk uji satu arah adalah −Tα,v untuk H1:μ<μ0 dan Tα,v untuk H1:μ>μ0.
(Lihat Tabel T Distribusi t-Student).

5. Keputusan
1. Keputusan untuk uji dua arah adalah tolak H0 apabila t<−Tα/2,v atau t>Tα/2,v.
2. Keputusan untuk uji dua arah adalah
Untuk H1:μ<μ0, tolak H0 apabila t<−Tα,v.
Untuk H1:μ>μ0, tolak H0 apabila t>Tα,v.

Uji t - Uji Hipotesis Rata-rata Dua Populasi

Tidak Ada Komentar
Hipotesis terdiri dari dua bentuk yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.

1. Hipotesis
1. Hipotesis untuk uji dua arah adalah
HoH1:μ1−μ2=do:μ1−μ2≠doHo:μ1−μ2=doH1:μ1−μ2≠do
2. Hipotesis untuk uji satu arah adalah
Ho:μ1−μ2=doH1:μ1−μ2<doatauHoH1:μ1−μ2=do:μ1−μ2>doHo:μ1−μ2=doatauHo:μ1−μ2=doH
1:μ1−μ2<doH1:μ1−μ2>do

2. Tingkat Kepercayaan atau Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95(1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.

Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen

atau (1−α)=0,95(1−α)=0,95, maka tingkat signifikansinya adalah 5 persen α=0,05α=0,05.

3. Statistik Uji

Statistik uji yang digunakan dalam uji rata-rata terdiri dari dua bentuk.
1. Varian sama
t=(x¯1−x¯2)−dosp1n1+1n2−−−−−−−−√t=(x¯1−x¯2)−dosp1n1+1n2
dimana
 sp=(n1−1)s21+(n2−1)s21n1+n2−2−−−−−−−−−−−−−−−−−−−√sp=(n1−1)s12+(n2−1)s12n1
+n2−2

2. Varian tidak sama

t=(x¯1−x¯2)−dos21n1+s22n2−−−−−−−−√t=(x¯1−x¯2)−dos12n1+s22n2
4. Daerah Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak HoHo.

a. Varian sama
1. Titik kritis untuk uji dua arah adalah −Tα/2,v−Tα/2,v dan Tα/2,v.Tα/2,v.
2. Titik kritis untuk uji satu arah
adalah −Tα,v−Tα,v untuk H1:μ1−μ2<doH1:μ1−μ2<do dan Tα,vTα,v untuk H1:μ1−μ2>doH1:μ1
−μ2>do dimana v=n1+n2−1v=n1+n2−1.
b. Varian tidak sama
1. Titik kritis untuk uji dua arah adalah −Tα/2,v−Tα/2,v dan Tα/2,v.Tα/2,v.
2. Titik kritis untuk uji satu arah
adalah −Tα,v−Tα,v untuk H1:μ1−μ2<doH1:μ1−μ2<do dan Tα,vTα,v untuk H1:μ1−μ2>do,H1:μ
1−μ2>do, dimana
v=s21/n1+s22/n2(s21/n1)2n1−1+(s22/n2)2n2−1v=s12/n1+s22/n2(s12/n1)2n1−1+(s22/n2)2n2−1
vv adalah derajat kebebasan (degree of freedom).
Lihat dan pelajari Tabel T Distribusi t-Student.

5. Keputusan
1. Keputusan untuk uji dua arah adalah
tolak HoHo apabila t<−Tα/2,vt<−Tα/2,v atau t>Tα/2,v.t>Tα/2,v.
2. Keputusan untuk uji dua arah adalah
Untuk H1:μ1−μ2<do,H1:μ1−μ2<do, tolak HoHo apabila t<−Tα,v.t<−Tα,v.
Untuk H1:μ1−μ2>do,H1:μ1−μ2>do, tolak HoHo apabila t>Tα,v.t>Tα,v.

Uji t - Uji Hipotesis Rata-rata Data Berpasangan

Tidak Ada Komentar
1. Hipotesis

Hipotesis terdiri dari dua bentuk yaitu hipotesis untuk uji dua arah dan hipotesis untuk uji satu arah.
1. Hipotesis untuk uji dua arah adalah
H0H1:μd=d0:μd≠d0H0:μd=d0H1:μd≠d0
2. Hipotesis untuk uji satu arah adalah
H0:μd=d0H1:μd<d0atauH0:μd=d0H1:μd>d0H0:μd=d0atauH0:μd=d0H1:μd<d0H1:μd>d0
2. Tingkat Kepercayaan atau Tingkat Signifikansi

Tingkat kepercayaan yang sering digunakan dalam pengujian statistik adalah 95 persen
atau (1−α)=0,95(1−α)=0,95.

Tingkat kepercayaan bisa dikurangi sesuai dengan jenis penelitian yang dilakukan, misalnya misalnya
90 persen. Selain itu bisa juga diperbesar jika menginginkan tingkat ketelitian yang lebih tinggi,
misalnya menjadi 99 persen.
Jika disebutkan bahwa tingkat kepercayaan yang digunakan adalah 95 persen
atau (1−α)=0,95(1−α)=0,95, maka tingkat signifikansinya adalah 5 persen α=0,05α=0,05.

3. Statistik Uji

Statistik uji yang digunakan pada uji rata-rata data berpasangan adalah
t=d¯−d0sd/n−−√t=d¯−d0sd/n
4. Daerah Kritis

Titik kritis adalah titik yang digunakan pada pengambilan keputusan yaitu sebagai dasar untuk
menolak atau tidak menolak H0.H0.
1. Titik kritis untuk uji dua arah adalah −Tα/2,v−Tα/2,v dan Tα/2,v.Tα/2,v.
2. Titik kritis untuk uji satu arah
adalah −Tα,v−Tα,v untuk H1:μd<d0H1:μd<d0 dan Tα,vTα,v untuk H1:μd>d0H1:μd>d0,
dimana v=n−1v=n−1 adalah derajat kebebasan (degree of freedom).
Lihat dan pelajari Tabel T Distribusi t-Student.

5. Keputusan
1. Keputusan untuk uji dua arah adalah
tolak H0H0 apabila t<−Tα/2,vt<−Tα/2,v atau t>Tα/2,v.t>Tα/2,v.
2. Sedangkan keputusan pada uji satu arah adalah
Untuk H1:μd<d0H1:μd<d0, tolak H0H0 apabila t<−Tα,v.t<−Tα,v.
Untuk H1:μd>d0H1:μd>d0, tolak H0H0 apabila t>Tα,vt>Tα,v.

Tabel Z Distribusi Normal

12 Komentar
Tabel yang akan disajikan di bawah ini adalah tabel Z yang berdistribusi normal standar. Distribusi
normal standar adalah distribusi normal yang telah ditransformasi sehingga distribusi normal tersebut
memiliki rata-rata 0 dan varian 1.

Tabel distribusi normal berisi peluang dari nilai Z atau P(Z ≤ z). Sebagaimana kita ketahui bahwa nilai
peluang akan selalu berada di antara 0 dan 1, sehingga nilai-nilai di dalam tabel juga berada di antara
0 dan 1.

Gambar kurva berbentuk lonceng ini sebagai ilustrasi.

Gambar di atas adalah gambar kurva distribusi normal. Luas area di bawah kurva adalah 1. Pada
tabel Z, nilai yang ditulis adalah nilai yang diperoleh dari luas area sebelum z atau nilai P(Z ≤ z).

Baca:
Menghitung Luas Area dengan Menggunakan Tabel Z Distribusi Normal Baku
Format tabel yang disajikan adalah gambar (image). Untuk memperbesar, silakan tabel (gambar)
tersebut diklik. Jika ingin mendapatkan tabel dengan format yang lebih baik (excel), silakan download
tabelnya di link ini.

Tabel Z Distribusi Normal

z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0.0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641

0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998

Tabel T Distribusi t-Student

Tidak Ada Komentar
Tabel t biasanya digunakan ketika varian populasi σ2 tidak diketahui dan ukuran sampel kurang dari
30. Pada proses penghitungan, nilai rata-rata dan varian diperkirakan dari sampel. Penentuan nilai
pada tabel t menggunakan tingkat signifikansi (α) dan derajat bebas (v).

Pada kondisi ukuran sampel lebih besar dari 30, distribusi t-student akan mendekati distribusi normal.
Oleh karena itu jika kita tidak mempunyai tabel t yang menyediakan derajat bebas lebih dari 30,
maka tabel z distribusi normal bisa digunakan.

Di bawah ini disajikan tabel t untuk derajat bebas (v) 1 sampai dengan 30 dengan tingkat signifikansi
(α) 0.005, 0.01, 0.025, 0.05 dan 0.1. Tabel tersebut disajikan dalam bentuk gambar (image). Tabel
bisa di-download dalam format excel di halaman ini.