III PENGANTAR TEORI PELUANG

3.1. Pendahuluan
Dalam Teori Peluang kita sebenarnya ingin mengukur derajat ketidakpastian dari suatu kejadian, apalagi
kejadian tersebut belum terjadi.
Keunikan statistika adalah kemampuannya menghitung ketidakpastian dengan tepat !
Contoh:
1
1. Berapa peluang besok akan hujan? Jawabnya adalah = 0,5 mengapa ?
2
Perhatikan kemungkinan terjadi kejadiannya (outcame) adalah hujan atau tidak hujan.
Jadi hujan dan tidak hujan merupakan anggota dari ruang sampel (S) atau S = { hujan, tidak hujan }
Anggota dari ruang sampel merupakan titik sampel. Jadi kalau ditanya berapa peluang besok akan
hujan adalah ada satu diantara dua atau satu per dua atau 0,5.
2. Pelantunan sebuah mata uang ( koin ) yang homogen, maka peluangnya adalah 0,5, karena
kemungkinan hasil dari pelantunan mata uang adalah muncul H (huruf) atau G (Gambar)
Jadi S = { H, G }. Peluang munculnya H pada pelantunan sebuah mata uang yang homogen adalah
P(H) = 0,5
3. Pelantunan sebuah dadu yang homogen.
Hasil dari pelantunan dadu adalah S = {1, 2, 3, 4, 5, 6}. Jika ditanya berapa peluang muncul mata
dadu genap pada pelantunan tersebut?
3
Jawabnya adalah 3 diantara 6 atau = 0,5.
6
4. Pelantunan sebuah dadu yang homogen dan kejadian A adalah mata dadu kurang dari 3 dan
kejadian B adalah mata dadu ganjil, ditanyakan berapa P(A) dan P(B)
Jawab
2 1 3
Diketahui S = {1, 2, 3, 4, 5, 6} A = {1, 2} B = {1, 3, 5}, maka P(A) = = dan P(B) = = 0,5.
6 3 6
Definisi:
Peluang adalah banyaknya titik sampel dari suatu kejadian sebut saja n dibagi dengan banyaknya titik
n
sampel yang harus terjadi.sebut saja N, makapeluang kejadian adalah
N
Jadi nilai peluang terletak antara 0 sampai dengan 1 atau 0 ≤ P( sesuatu kejadian ) ≤ 1
Berarti peluang suatu kejadian benar-benar tidak terjadi, maka peluangnya adalah 0 dan peluang suatu
kejadian benar-benar terjadi sepenuhnya adalah 1.
Jadi yang namanya peluang tidak mungkin kurang dari 0 atau negatif dan tidak mungkin lebih dari 1,
karena n  N dan n  N.
Selanjutnya untuk itu perlu diketahui istilah-istilah dan definisi dalam mempelajari peluang seperti:
Ruang Sampel ( S ) adalah himpunan semua kemungkinan hasil dari suatu percobaan.
Kejadian adalah suatu himpunan bagian (sub himpunan) dari ruang sampel.
Kejadian sederhana adalah suatu kejadian yang hanya mempunyai satu titik sampel.
Kejadian majemuk adalah suatu kejadian yang hanya mempunyai lebih dari satu titik sampel.
Ruang nol (Ruang kosong) atau Ø adalah himpunan bagian (sub himpunan) dari ruang sampel yang
tidak mengandung satupun titik sampel.

3.2. Pengolahan Terhadap Kejadian

3.2.1. Irisan Dua Kejadian
Irisan dua kejadian A dan B dilambangkan dengan A  B adalah kejadian yang mengandung semua
unsur unsur persekutuan kejadian A dan B.
Contoh:
S
A B

3.2.2. Gabungan (Paduan) Dua Kejadian

Gabungan atau paduan dua kejadian A dan B, dilambangkan A  B, adalah kejadian yang
mencakup semua unsur atau anggota A atau anggota B atau keduanya.
Contoh
S
A B
A B BB
A

3.2.3. Komplemen Suatu Kejadian

Komplemen suatu kejadian A relatif terhadap S, adalah himpunan semua anggota S yang
bukan anggota A, dilambangkan dengan A = A '
Contoh S

A
3.3. Kaidah Penjumlahan

Bila A dan B adalah dua kejadian sembarang, maka

3.3.1. Kejadian Saling Terpisah

Dua kejadian A dan B dikatakan saling terpisah, bila A  B = Ø

Contoh S

A B

Akibat dari definisi-definisi tersebut di atas diperoleh dalil sebagai berikut:

1. A  = Ø 2. A  Ø = A 3. A  A =Ø . 4. . A  A = S
5. S = Ø 6. Ø’ = S 7. ( A )’ = A

3.4. Mencacah Titik Sampel

Dalam mencacah titik sampel ada 3 jenis, yaitu: Kaidah Penggandaan, Permutasi dan
Kombinasi.

3.4.1. Kaidah Penggandaan

Bila suatu operasi dapat dilakukan dalam n1 cara, dan bila untuk setiap cara tersebut
operasi kedua dapat dilakukan dalam n2 cara, maka kedua operasi itu secara bersama-sama
dapat dilakukan dalam n1. n2 cara.

3.4.2. Permutasi
Permutasi adalah suatu susunan yang dibentuk oleh keseluruhan atau sebagian dari
sekumpulan benda.

3.4.2.1. Permutasi Sebagian

Banyaknya permutasi akibat pengambilan r unsur dari n benda yang berbeda adalah:
n!
nPr=
(n  r )!
contoh
Diketahui data n = 1, 2, 3, 4, 5 diambil disusun r =2 , maka:
5! 1x 2 x3x 4 x5
5P2= = = 20
(5  2)! 1x 2 x3
3.4.3. Kombinasi
n n!
Banyaknya kombinasi r unsur yang berbeda dari n benda adalah:   
 r  (n  r )! r!
contoh
Kasus yang sama pada permutasi sebagian, yaitu n = 5 dan r =2 dengan cara kombinasi.
Jawab
n n! 5 5! 1x 2 X 3x 4 x5
   =    = = 10
 r  (n  r )! r!  2  (5  2)!2! 1x 2 x3x1x1x 2

3.5. Peluang Suatu Kejadian

Peluang suatu Kejadian A adalah jumlah semua titik sampel di A di bagi dengan semua titik
sampel yang mesti terjadi di S.
Dengan demikian 0 ≤ P( A ) ≤ 1, P(Ø ) = 0, P( S ) = 1

3.5.1. Kaidah Penjumlahan

3.5.1.1. Bila A dan B adalah dua kejadian sembarang, maka:
P(A  B) = P(A) + P(B) – P(A  B)
Bukti
Perhatikan Gambar sebagai berikut:

A AB B

II I III

P(A  B) = I + II + III
= AB + A saja + Bsaja
= AB + A B – A B
= AB + A( 1 – B ) + ( 1 – A)B
= AB + A – AB + B – AB
= A + B – AB
= A + B – (A  B), maka
P(A  B) = P(A) + P(B) – P(A  B) terbukti.
Contoh
Suatu sampel acak berukuran 100 responden yang ditanya mengenai musik gemarannya dari
hasil survei yang ditanya ternyata ada 70 responden senang musik pop ( P ) dan 65
responden senang musik dangdut ( D ).
a. Buatlah permasalahan tersebut dalam bentuk diagram venn.
b. Berapa peluang yang menyukai kedua jenis musik tersebut.
c. Berapa peluang yang menyukai musik pop saja dan musik dangdut saja.

Jawab
a.
S

P PD D


b. P(P  D) = P(P) + P(D) – P(P  D)

(P  D) = P + D – (P  D)
(P  D) = P + D – (P  D)
(P  D) = 70 + 65 – 100
(P  D) = 35, jadi
35
P(P  D) = = 0,35
100

c. P( P  D ) = P( P ) – P(P  D)
70 35 35
=  = = 0,35
100 100 100
65 35 30
P( P  D) = P( D ) – P(P  D) = – = = 0,30
100 100 100

3.5.1.2. Bila A dan B saling terpisah, maka P(A  B) = P(A) + P(B)

Bila A dan A adalah dua kejadian yang satu merupakan komplemen lainnya, maka
P(A) + P ( A ) = 1
 IV. PEUBAH ACAK ( RANDOM VARIABLE )

4.1. Pendahuluan
Peubah Acak adalah pemetaan ( fungsi ) dari ruang sampel menjadi bilangan nyata ( real ).
Sebagai ilustrasi perhatikan pelantunan dua mata uang yang homogen sekaligus. Ruang
sampel yang mesti terjadi adalah: S = { HH, HG, GH, GG }
Jika X menyatakan banyaknya huruf H yang muncul pada pelantunan dua buah mata uang
tersebut, maka:

HH
2
HG
1
GH
0
GG

S X

Peubah Acak terdiri dari Peubah Acak Diskrit dan Peubah Acak Kontinu
Peubah Acak Diskrit adalah jika interval dari X terhingga atau takterhingga tetapi terbilang.
Peubah Acak Kontinu adalah jika interval dari X terhingga atau takterhingga tetapi takterbilang.
Untuk yang diskrit kaitannya dengan notasi  dibaca sigma atau penjumlahan bilangan cacah

sedangkan untuk yang kontinu kaitannya dengan notasi  dibaca integral atau notasi

penjumlahan titik (Reimann).

4.2.1. Peubah Acak Diskrit

Syaratnya:
1. P( X = x ) ≥ 0, selalu ada
2.  P( X = x ) = 1

Di mana X adalah peubah acak, sedangkan x adalah nilai dari peubah acak.

Contoh:
Pelantunan tiga mata uang yang homogen sekaligus. Jika X menyatakan banyaknya huruf G
yang muncul pada pelantunan tersebut ? Buatlah sebaran peluang untuk X
Jawab
Ruang sampel yang terjadi adalah: S = { HHH, HHG, HGH, GHH, HGG, GHG, GGH, GGG }.
Jika X menyatakan banyaknya huruf G, maka X = 0, 1, 2, 3

HHH 0
HHG
HGH 1
GHH
HGG 2
GHG
GGH 3
GGG

1
Jadi untuk X = 0 adalah ada 1 diantara 8 atau
8
3
Jadi untuk X = 0 adalah ada 1 diantara 8 atau
8
3
Jadi untuk X = 0 adalah ada 1 diantara 8 atau
8
1
Jadi untuk X = 0 adalah ada 1 diantara 8 atau
8
Jika dibuat tabel adalah
X 0 1 2 3 
P( X = x ) 1/8 3/8 3/8 1/8 1

Contoh lainnya
Sebuah stoples berisi 8 (delapan) butir tablet bicarbonas yang terdiri dari 5 warna putih 3 warna
kuning. Dari stoples tersebut diambil dua butir tablet secara acak, jika yang terambil ada warna
kuning kita sebut peubah acak X. Buatlah sebaran peluang untuk X tersebut.
Jawab.
Diketahui 8 butir tablet terdiri dari 5 warna putih dan 3 warna kuning. Diambil 2 butir tablet
8  8!
secara acak. Ruang sampel yang mesti terjadi adalah kombinasi 8 dan 2 atau   = =
 2 (8  2)!2!
28
Ruang sampel untuk X = tablet bicarbonas warna kuning yang terambil adalah 0, 1, 2
  3  5 
  
 x  2  x 
Rumus untuk masalah tersebut adalah: P( X = x ) =
8 
 
 2
Masukan untuk harga X tersebut, yaitu:
 3  5 
  
 0  2  0  (1)(10) 10
P( X = 0 ) = = =
28 28 28
 3  5 
  
 1  2  1 (3)(5) 15
P( X = 1 ) = = =
28 28 28
 3  5 
  
 2  2  2  (3)(1) 3
P( X = 2 ) =  =
28 28 28

X 0 1 2 
P( X = x) 10/28 15/28 3/28 1

4.2.1.2. Ekspekstasi dari Peubah Acak Diskrit

Ekspekstasi ( Nilai Harapan / Rata-rata ) dari Peubah Acak Diskrit
E( X ) =  XP( X  x)
Untuk kasus tablet bicarbonas, maka E( X ) adalah:
3
E( X ) = 0 (10/28) + 1(15/28) + 2(3/28) = 21/28 =
4

4.2.1.3. Ragam ( Variance ) dari Peubah Acak Diskrit

Var ( X ) = E( X2 ) – [E( X )]2
3
Untuk kasus tablet bicarbonas , maka E( X ) adalah: sedangkan E( X2) adalah:
4
E( X2 ) = X 2
P( X  x)

E( X2 ) = 02 (10/28) + 12 (15/28) + 22 (3/28) = 27/28

Var ( X ) = E( X2 ) – [E( X )]2
3 108 63 45
= 27/28 – ( )2 = 27/28 - 9/16 =  =
4 112 112 112
4.2.2.1. Peubah Acak Kontinu
Syaratnya:
1. f(x) ≥ 0, selalu ada

2.  f ( x)dx  1



Di mana  f ( x)dx

merupakan fungsi padat atau fungsi kepekatan atau ”density of function”

Contoh
1. Diketahui f(x) = 1/3 , 1<x<4
= 0, selainnya
Buktikan apakah f(x) merupakan fungsi padat? Atau tunjukkan bahwa luas daerah di bawah
kurva nya sama dengan 1.
Jawab
Diketahui f(x) = 1/3 , 1 < x < 4
= 0, selainnya 1 4

Maka syarat yang ke dua adalah  f ( x)dx  1


4
1
 3 dx  1
1
( 1/3 X 14 = 4/3 – 1/3 = 1

Jadi f(x) merupakan fungsi padat.

2. Diketahui f(x) = 1/3 , 1<x<4
= 0, selainnya
a. Hitung P( x < 3 )
b. Hitung P( x > 3 )
c. Hitung P( 2 < x <3 )
Jawab
3
1
a. P( x < 3 ) =  3dx
1
= 1/3 X 13 = 3/3 – 1/3 = 2/3

4
1
b. P( x > 3 ) =  3dx 
3
1/3 X 34 = 4/3 – 3/3 = 1/3

3
1
 3dx  1/3 X = 3/3 – 2/3 = 1/3
3
c. P( 2 < x < 3 ) = 2
2
Latihan
2cX
Diketahui f(x) = ,1 x 3
3
= 0, selainnya
Hitunglah konstanta c, sehingga f (x ) merupakan fungsi padat.
a. Hitung P ( X  2 )
b. Hitung P ( X  2 )

4.2.2.2. Ekspekstasi ( Nilai Harapan / Rata-rata ) dari Peubah Acak Kontinu

 
E( X ) = X

 f ( x)dx =  Xf ( x)dx


Contoh
Diketahui f(x) = 1/3 , 1 < x < 4
= 0, selainnya
Hitung E( X )
Jawab
 4
1
E( X ) = x  f ( x)dx

=  3 xdx
1
1/3 ( ½ X2 ! 14 = 1/3 (16/2 – 1/2) = 1/3 (15/2) = 5/2

4.2.2.3. Variance ( Ragam ) dari Peubah Acak Kontinu

Var ( X ) = E( X2 ) – [E( X )]2

E( X ) = X

 f ( x)dx
 4
1
  3x 1/3 ( 1/3 X3 ! 14 = 1/3( 64/3 – 1/3) = 1/3 (21) = 7
2
E( X2 ) = X2 f ( x) dx = dx
 1

Var ( X ) = E( X2 ) – [E( X )]2

= 7 – (5/2)2 = 28/4 – 25/4 = ¾

Latihan .
2(1  X )
1. Diketahui f ( x ) = dengan batas x = 2 dan x = 5.
27
= 0, selainnya
a. Buktikan apakah f (x ) merupakan fungsi padat?
b. Hitung P( X < 4 )
c. Hitung P ( 2 ≤ X < 4 )
d. Hitung E( X ) dan Var ( X ).
2. Diketahui f (x ) = x , untuk 0 < x < 1
= 2 – x , untuk 1 ≤ x < 2
= 0, selainnya
a. Buktikan apakah f( x ) merupakan fungsi padat atau bukan
b. Hitung P( X ≤ 1,5 )
c. Hitung P( X ≥ 0,5 )
d. Hitung E ( X ) dan Var ( X )

4.3. Peubah Acak Ganda ( Bersama ) untuk yang Diskrit

Syarat
P( X = x, Y = y ) ≥ 0, selalu ada
∑ P( X = x, Y = y ) = 1

Ilustrasi
Sebuah stoples berisi 9 ( sembilan ) butir tablet bicarbonas yang terdiri dari 4 warna putih, 3
warna merah dan 2 warna kuning. Dari stoples tersebut diambil dua butir tablet secara acak.
Jika yang terambil ada warna kuning kita sebut peubah acak X dan jika yang terambil ada
warna putih kita sebut peubah acak Y. Buatlah sebaran peluang bersama X dan Y.

Jawab
9 
Diketahui ruang sampel yang mesti terjadi dari 9 diambil dua secara acak adalah:   = 36
 2
Dari 9 terdiri dari 4 putih, 3 merah dan 2 kuning. Jika X = warna kuning dan Y = warna putih,
maka ruang sampel untuk hal tersebut adalah: S = {( X, Y )}= {(0,0), (0,1), (0,2), (1,0), (1,1),
(2,0)}
 2  4  3 
   
 x  y  2  x  y 
Perumusan untuk hal tersebut adalah: P( X = x, Y = y ) =
9 
 
 2
Selanjutnya masukan harga S = {( X, Y )}= {(0,0), (0,1), (0,2), (1,0), (1,1), (2,0)} ke dalam
rumus tersebut, sehingga diperoleh:
 2  4  3 
   
 0  0  2  0  0  (1)(1)(3) 3
P( X = 0, Y= 0 ) = = =
36 36 36
  2  4  3 
   
 0 1  2  0  1 (1)( 4)(3) 12
P( X = 0, Y = 1 ) = = =
36 36 36
 2  4  3 
   
 0  2  2  0  2  (1)( 6)(1) 6
P( X = 0, Y= 2 ) = = =
36 36 36
 2  4  3 
   
 1  0  2  1  0  (2)(1)(3) 6
P( X = 1, Y= 0 ) = = =
36 36 36
 2  4  3 
   
 1 1  2  1  1 (2)( 4)(1) 8
P( X = 1, Y= 1 ) = = =
36 36 36
 2  4  3 
   
 2  0  2  2  0  (1)(1)(1) 1
P( X = 2, Y= 0 ) = = =
36 36 36

Disajikan dalam Tabel Sebaran Peluang Bersama X dan Y adalah:

Y 0 1 2 ∑
X
0 3 12 6 21
36 36 36 36
1 6 8 14
36 36 36
2 1 1
36 36
∑ 10 20 6 1
36 36 36

4.3.1. Ekspekstasi dari Peubah Acak Ganda

E( X ) = ∑ X P( X = x, Y = y )
E( Y ) = ∑ Y P( X = x, Y = y )
E( XY ) = ∑ XY P( X = x, Y = y )

Untuk kasus di atas, maka diperoleh:

E( X ) = 0 (21/36) + 1 (14/36) + 2 (1/36) = 16/36 = 4/9
E( Y ) = 0 (10/36) + 1 (20/36) + 2 (6/36) = 32/36 = 8/9
E( XY ) = 0 + 0 + 0 + 0 + (1)(1)(8/36) = 8/36 = 2/9
4.3.2 Variance ( Ragam ) dari Peubah Acak Ganda
Var( X ) = E( X2) – [E(X)]2
Var( Y ) = E( Y2) – [E(Y)]2
1
E( X2 ) = 02 (21/36) + 12 (14/36) + 22 (1/36) = 18/36 =
2
49
Var(X) = ½ - (4/9)2 = 81/162 – 32/162 =
162
11
E(Y2) = 02 (10/36) + 12 (20/36) + 22 (6/36) = 44/36 =
9
57
Var(Y) = 11/9 – (8/9)2 = 121/81 – 64/81 =
81

4.4. Theorema
1. Jika E( X ) . E( Y ) = E( XY ), maka X dan Y dikatakan saling bebas ( independent ).
2. Jika E( X ) . E( Y ) ≠ E( XY ), maka X dan Y dikatakan tidak saling bebas ( dependent ).
3. Jika point 2, maka ada kovariansi ( peragam ) yang ditulis dengan Cov( XY ) dengan rumus
Cov( XY ) = E( XY ) - E( X ) . E( Y )
4. Jika point 3, maka ada korelasi antara X dengan Y yang ditulis dengan Corr( XY ) dengan
Cov( XY )
rumus Corr(XY) = , nilainya berkisar antara -1 ≤ Corr( XY ) ≤ 1
Var ( X )Var (Y )

Contoh
Dari soal di atas diperoleh E( X ) = 4/9 , E( Y ) = 8/9 , E( XY ) = 2/9 , Var( X ) = 49/162 ,
Var( Y ) = 57/81 = 114/162
Ditanyakan
a. Buktikan apakah X dan Y saling bebas atau tidak?
b. Jika tidak saling bebas, hitung nilai Cov( XY )
c. Hitung nilai Corr( XY )
Jawab
a. E( XY ) = E( X ) . E( Y )
18 32
2/9 = (4/9) (8/9) 2/9 = 32/81 
81 81
Jadi X dan Y tidak saling bebas (dependent )
b. Cov( XY ) = E( XY ) - E( X ) . E( Y )
= 2/9 = (4/9) (8/9)
= 2/9 - 32/81 = 18/81 – 32/81 = - 14/81
  14
Cov( XY ) 81
c. Corr( XY ) = = = - 0,446
Var ( X )Var (Y ) 49 114
162 162
Contoh Latihan
Sebuah kotak berisi 10 Spidol Boardmarker Snowman yang terdiri dari 4 warna hitam, 3 warna
biru dan 3 warna merah. Dari kotak tersebut diambil 2 spidol secara acak. Jika yang terambil
ada warna hitam kita sebut peubah acak X dan jika yang terambil ada warna biru kita sebut
peubah acak Y.
a. Buatlah sebaran peluang bersama X dan Y.
b. Hitung E( X ), E ) Y ) dan E( XY )
c. Apakah X dan Y saling bebas atau tidak?
d. Hitung Cov.( X,Y )
e. Hitung Var (X) dan Var (Y)
f. Hitung Corr (XY)
Jawab
Diketahui 4 Hitam , 3 Biru dan 3 Merah diambil 2 secara acak, maka:
10 
Ruang sampel yang mesti terjadi adalah S =   = 45
2 
Jika X = Hitam dan Y = Biru, maka ruang sampel untuk X dan Y atau
S = X , Y  = { (0,0), (0,1), (0,2), (1,0), (1,1), (2,0) }

 4  3  3 
   
 x  y  2  x  y 
P( X = x, Y = y ) =
10 
 
2 
Selanjutnya masukan masing-masing harga X dan Y tersebut.
 4  3  3 
   
 0  0  2  0  0  (1)(1)(3) 3
a. P( X = 0, Y= 0 ) = = =
45 45 45
 4  3  3 
   
 0 1  2  0  1 (1)(3)(3) 9
P( X = 0, Y = 1 ) = = =
45 45 45
 4  3  3 
   
 0  2  2  0  2  (1)(3)(1) 3
P( X = 0, Y= 2 ) = = =
45 45 45
 4  3  3 
   
 
P( X = 1, Y= 0 ) =     = (4)(1)(3) = 12
1 0 2 1 0
45 36 45
  4  3  3 
   
 1 1  2  1  1 (4)(3)(1) 12
P( X = 1, Y= 1 ) = = =
45 45 45
 4  3  3 
   
 2  0  2  2  0  (6)(1)(1) 6
P( X = 2, Y= 0 ) = = =
45 45 45

Disajikan dalam Tabel Sebaran Peluang Bersama X dan Y adalah:

Y 0 1 2 ∑
X
0 3 9 3 15
45 45 45 45
1 12 12 24
12 45 45
2 6 6
45 45
∑ 21 21 3 1
45 45 45

b. E( X ) = ∑ X P( X = x, Y = y ) = 0 (15/45) + 1(24/45) +2(6/45) = 36/45 = 4/5

E( Y ) = ∑ Y P( X = x, Y = y ) = 0 (21/45) + 1 (21/45) + 2 (3/45) = 27/45 = 3/5
E( XY ) = ∑ XY P( X = x, Y = y ) = 0 + 0 + 0 + 0 + (1)(1)(12/45) = 12/45 = 4/15

c. E( X ) . E( Y ) = E( XY ) (4/5) (3/5) = 4/15 12/25 = 4/15 36/75  20/75

Jadi X dan Y tidak saling bebas.

d. Cov ( XY ) = E( XY ) - E( X ) . E( Y ) 20/75 - 36/75 = - 16/75

e. Var( X ) = E( X2 ) – [E( X )]2

Var( Y ) = E( Y2 ) – [E( Y )]2
E( X2 ) = 02 (15/45) + 12 (24/45) + 22 (6/45) = 48/45 =16/15
Jadi Var( X ) = 16/15 - (4/5)2 = 16/15 – 16/25 = 80/75 – 48/75 = 32/75
E( Y2 ) = 02 (21/45) + 12 (21/45) + 22 (3/45) = 33/45 = 11/15
Jadi Var( Y ) = 11/15 – (3/5)2 = 11/15 – 9/25 = 55/75 – 27/75 = 28/75

 16
Cov( XY ) 75
f. Corr( XY ) = = = - 0,5338
Var ( X )Var (Y ) 32 28
75 75
 V. Sebaran Peluang
Sebaran-sebaran Peluang yang dibahas adalah: Sebaran Binomial, Poisson dan Normal.
Adapun sebaran peluang lainnya seperti Sebaran Student t, Sebaran  2 ( Khi- Kuadrat ) dan
sebaran F, dibahas cara penggunaan tabel untuk mendapatkan nilai kritis yang diperlukan.

5.1. Sebaran Binomial

Sifatnya:
a. Suatu percobaan yang menghasilkan dua kategori
b. Setiap kejadian bersifat saling bebas
c. Mempunyai peluang p adalah tetap
b. Percobaan dilakukan sebanyak n kali
Percobaan tersebut dikenal dengan nama Sebaran Binomial dengan sebaran peluangnya
adalah:
n
P( X =x ) =   p x (1  p) n  x , untuk x = 0, 1, 2, .... , n atau
 x
n
b(x: n; p ) =   p x (1  p) n  x , untuk x = 0, 1, 2, ..... , n
 x
Sebaran Binomial mempunyai rata-rata atau µ = np dan ragam (variance) atau σ2 = np(1 – p )
Jika data mengikuti sebaran Binomial, maka ditulis sebagai X ~ b( X; n,p )

Contoh
Seorang ibu yang mempunyai 5 orang anak dan X menyatakan banyaknya anak laki-laki.
Buatlah sebaran peluangnya?
Jawab
1
Diasumsikan peluang lahir laki-laki sama dengan peluang lahir perempuan maka p = dan
2
Jika X menyatakan banyaknya anak laki-laki, maka X = 0, 1, 2, 3, 4, 5 lalu masukan masing
n
masing nilai X ke rumus ini P( X =x ) =   p x (1  p) n  x sehingga diperoleh sebagai berikut:
 x
5
P( X = 0 ) =  (1 / 2) 0 (1  1 / 2) 51 = (1)(1)(1/32) = 1/32
 0
 5
P( X = 1 ) =  (1 / 2)1 (1  1 / 2) 51 = (5)(1/2)(1/16) = 5/32
1 
 5 
P( X = 2 ) =  (1 / 2) 2 (1  1 / 2) 52 = (10)(1/4)(1/8) =10/32
 2
 5
P( X = 3 ) =  (1 / 2) 3 (1  1 / 2) 53 = (10)(1/8)(1/4) = 10/32
 3
5 
P( X = 4 ) =  (1 / 2) 4 (1  1 / 2) 54 = (5)(1/16)(1/2) = 5/32
 4
 5
P( X = 5 ) =  (1 / 2) 5 (1  1 / 2) 55 = (1)(1/32)(1) = 1/32
 5
Selanjutnya disajikan dalam bentuk sebaran peluabg sebagai berikut:
X 0 1 2 3 4 5 Σ
P( X = x ) 1/32 5/32 10/32 10/32 5/32 1/32 1

Jadi setelah dibuat tabel, selanjutnya tinggal apa pertanyaan yang akan diajukan, misalkan
a. Berapa peluang seorang ibu yang mempunyai anak laki-laki paling banyak 3.
b. Berapa peluang seorang ibu yang mempunyai anak laki-laki paling sedikit 4.
c. Berapa peluang seorang ibu yang mempunyai anak laki-laki antara 2 s.d 4..

Jawab
a. P( X ≤ 3 ) = P( X = 0) + P( X = 1 ) + P( X = 2 ) + P( X = 3 )
= 1/32 + 5/32 + 10/32 + 10/32 = 26/32 = 0,8125 atau
P( X ≤ 3 ) = 1 – { P( X = 4 ) + P( X = 5 ) }
= 1 – { 5/32 + 1/32 }
= 1 – 0,1875 = 0,8125
b. P( X ≥ 4 ) = 1 – { P( X = 0) + P( X = 1 ) + P( X = 2 ) + P( X = 3 ) }
= 1 – 0,8125 = 0,1875
c. P( 2 ≤ X ≤ 4 ) = P( X = 2) + P( X = 3 ) + P( X = 4 )
= 10/32 + 10/32 + 5/32 = 25/32 = 0,7813

Penggunaan Tabel Binomial dan cara penulisannya

Untuk contoh menjawab pertanyaan di atas jika dijawab dengan bantuan Tabel Binomial
caranya:
n
Diketahui X   b( x : n; p)
i 0
dengan p = 0,5 dan n = 5

n
P( X =x ) =   p x (1  p) n  x , X = 0, 1, 2, 3, 4, 5
 x
 3
a. P( X ≤ 3 ) =  b( x : 5;0,5)
i 0
= 0,8125 ( Lihat dalam Tabel Binomial pada n = 5 dan p = 0,5 )

3
b. P( X ≥ 4 ) = 1 –  b( x : 5;0,5)
i 0
= 1 – 0,8125 = 0,1875 ( Lihat dalam Tabel seperti di atas)

4 1
c. P( 2 ≤ X ≤ 4 ) =  b( x : 5;0,5) -
i 0
 b( x : 5;0,5)
i 0
= 0,9688 – 0,1875 = 0,7813 ( Lihat dalam

Tabel seperti di atas)

Ternyata hasil manual sama saja dengan hasil tabel. Selanjutnya gunakan hasil tabel untuk n
dan p yang diketahui.
Contoh
Peluang seseorang sembuh dari suatu penyakit darah adalah 0,4. Bila 15 orang diketahui
menderita penyakit tersebut, berapa peluang bahwa:
a. sekurang-kurangnya 10 orang dapat sembuh
b. ada 3 sampai dengan 8 orang yang dapat sembuh
c. tepat 5 orang yang sembuh.
Jawab
Diketahui n = 15 p = 0,4
n
P( X =x ) =   p x (1  p) n  x , dengan x = 0, 1, 2, .... , 15
 x
9
a. P( X ≥ 10 ) = 1 -  b( X ;15;0,4)
i 0
= 1 – 0,9662 = 0,0338

8 2
b. P( 3 ≤ X ≤ 8 ) =  b( X ;15;0,4) -  b( X ;15;0,4)
i 0 i 0
= 0,9050 – 0,0271 = 0,8779

5 4
c. P( X = 5 ) =  b( X ;15;0,4) -
i 0
 b( X ;15;0,4) = 0,4032 – 0,2173 = 0,1859
i 0

Soal Latihan
Tim Panahan Putri Indonesia pada Olympiade Seaul 1988, mempunyai peluang memanah
tepat sasaran adalah 0,7. Jika tim tersebut diberi kesempatan sebanyak 13 kali, berapa
peluang:
a. paling banyak 8 tepat sasaran.
b. paling sedikit 6 tepat sasaran
c. antara 7 sampai dengan 9 tepat sasaran
5.2. Sebaran Poisson

Suatu sebaran Binomial yang mempunyai peluang p nya terlalu kecil atau terlalu besar dan n
percobaannya cukup besar, maka dilakukan pendekatan sebaran Poisson, yang perumusannya
sebagai berikut:
e   x
P( X = x ) = , untuk x = 0, 1, 2, dst dengan e = 2,71828 atau
x!
e   x
p( x; µ ) = , untuk x = 0, 1, 2, dst
x!
Sebaran Poisson mempunyai rata-rata µ = µ dan ragam 2 = µ
Untuk mempermudah perhitungan digunakan tabel Poisson penerapannya hampir sama
dengan Tabel Binomial, asalkan diketahui rata-ratanya yaitu µ, di mana µ = np.

Contoh
Misalkan diketahui bahwa 1 diantara 1000 mahasiswa diduga pecandu narkoba. Hitunglah
peluang bahwa dalam sampel acak beukuran 500 mahasiswa:
paling banyak 4 mahasiswa pecandu narkoba
paling sedikit 3 mahasiswa pecandu narkoba
antara 2 sampai dengan 5 mahasiswa pecandu narkoba

Jawab
1
Diketahui p = = 0,001 n = 500
1000
e   x
P( X = x ) = , untuk x = 0, 1, dan seterusnya.
x!
µ = np = 500 ( 0,001 ) = 0,5

Lalu lihat Tabel untuk sebaran Poisson pada µ = 0,5

4
a. P( X ≤ 4 ) =  p( X ;0,5) = 0,9998
i 0

2
b. P( X ≥ 3 ) = 1 -  p( X ;0,5) = 1 – 0,9856 = 0,0144
i 0

5 1
c. P( 2 ≤ X ≤ 5 ) =  p( X ;0,5) -
i 0
 p( X ;0,5)
i 0
= 1 - 0,9098 = 0, 0902

Yang terpenting dalam mengerjakan sebaran Poisson, asal tahu rata-ratanya yaitu banyaknya
percobaan atau n dikalikan dengan besarnya peluang p atau  = n p , apalagi kalau dalam soal
sudah langsung diketahui rata-ratanya itulah nilai  tinggal gunakan tabel Poisson yang sesuai
dengan harga .

Soal Latihan
1. Peluang pada persilangan Kelinci untuk mendapatkan warna putih adalah 1/16 yang lainnya
warna bukan putih, bila persilangan dilakukan sebanyak 152 kali, berapa peluang:
a. paling sedikit 4 kelinci warna putih
b. paling banyak 6 kelinci warna putih
c. antara 3 sampai dengan 7 kelinci warna putih.
2 Secara rata-rata disuatu perempatan jalan terjadi tiga kecelakaan lalu lintas per bulan,
berapa peluang bahwa pada suatu bulan tertentu di perempatan tersebut terjadi:
a. Tepat tiga kecelakaan.
b. Paling banyak empat kecelakaan.
c. Paling sedikit dua kecelakaan
d. Antara satu sampai dengan lima kecelakaan.
5.3. Sebaran Normal

Sifatnya:
1. Grafiknya selalu berada di atas sumbu X.
2. Mempunyai satu modus
3. Grafiknya simetris terhadap X = , ke kiri dicapai X =  - 3  dan ke kanan X =  + 3 
4. Luas daerah grafiknya sama dengan satu unit persegi.
Definisi: Sebaran Normal .
Bila X adalah peubah acak normal dengan nilai tengah  dan ragam 2, maka persamaan
kurva normalnya adalah :
2
 x 
1 / 2  
1   
N( X: ;  ) = e , untuk -  < x <  , -  <  < 
2 2
dan 2 > 0 dengan  = 3,14159 dan e = 2,71828

Jadi X  N(,2 ) ditransformasi X  N(0,1 ) atau

(x  )
Normal umum di transformasi oleh Transformasi Z, yaitu: Z = sehingga menjadi normal

baku ( standard ) atau normal Gauss.
2
 x 
1 / 2  
1    1 2
f( X: ;  ) = e ,ditransformasi menjadi f( z ) = e -1/2 Z
2 2 2
Selanjutnya perhitungan nilai peluang dapat dicari melalui Tabel Sebaran Normal Baku atau
atau Tabel Z.

Plot Distribusi Normal Baku Z

Normal, Mean=0, StDev=1

0.4

0.3
Fungsi Kepekatan

0.2

0.1

0.0
-3 -2 -1 0 1 2 3
X
Luas daerah bila Z = 1,00 atau P ( Z  1,00 ) = 0,8413

Distribution Plot
Normal, Mean=0, StDev=1

0.4

0.3
Fungsi Kepekatan

0.2 0,841

0.1

0.0
-3,5 0 1
X

Nilai P( -1,96  Z  1,96 ) = 0,9500

Distribution Plot
Normal, Mean=0, StDev=1

0.4

0.3
Fungsi Kepekatan

0.2

0.1

0,025 0,025
0.0
-1,96 0 1,96
X
P ( 0,05 ≤ Z ≤ 0,99 )

Distribution Plot
Normal, Mean=0, StDev=1

0.4
0.94
Fungsi Kepekatan ( Fungsi Padat )

0.3

0.2

0.1

0.0
-1.64 0 2.33
X

Contoh
1. Untuk sebaran normal dengan rata-rata  = 50 dan simpangan baku  = 10, hitunglah
peluang bahwa X nilainya antara 45 dan 60.

Jawab
(X  )
Diketahui  = 50 dan  = 10 dan X  N( 0, 1 ), maka Z =

P( 45 < X < 60 ) = ?
45  50 60  50
Z1 = = - 0,50 dan Z2 = = 1,00
10 10
P( Z = - 0,50 ) = 0,3085 dan P( Z = 1,00 ) = 0,8413 ( Lihat harga Tabel Z atau Normal Baku )
Jadi P( 45 < X < 60 ) = 0,8413 – 0,3085 = 0,5328

2. Suatu penyebrangan ASDP (angkutan sungai danau dan penyebrangan ) Bakauheni-Merak

atau sebaliknya dengan menggunakan kapal cepat ( jetfoil ) waktu tempuhnya mengikuti
sebaran normal dengan rata-rata 45 menit dan ragam 25. Berapa peluang pada suatu
penyebrangan menempuh waktu:
a. paling banyak 55 menit
b. paling sedikit 40 menit
c. antara 35 sampai dengan 50 menit.
Jawab
(X  )
Diketahui rata-rata  = 45 dan 2 = 25  = 5 X  N( 0, 1 ), maka Z =

a. P( X ≤ 55 menit ) = ?
55  45
Z= = 2,00
5
P( Z = 2,00 ) = 0,9772
Jadi P( X ≤ 55 menit ) = 0,9772

b. P( X  40 menit ) = ?
40  45
Z= = - 1,00
5
P( Z = - 1,00 ) = 0,1587
Jadi P( X  40 menit ) = 1 – 0,1587 = 0,8413

c. P( 35 ≤ X ≤ 50 menit ) = ?
35  45
Z1 = = - 2,00
5
50  45
Z2 = = 1,00
5
P( Z = - 2,00 ) = 0,0228
P( Z = 1,00 ) = 0,8413
Jadi P( 35 ≤ X ≤ 50 menit ) = 0,8413 – 0,0228 = 0,8185

3. Suatu ujian Statistika hasilnya mengikuti sebaran normal dengan rata-rata 42,50 dan
ragamnya 20,25. dari hasil ujian tersebut mau dibuat kriteria nilai dengan menggunakan PAN (
Penilaian Acuan Normal ) dan diinginkan yang mendapat nilai A ada 10 %, nilai B ada 20 %,
nilai C ada 40 %, nilai D ada 20 % dan nilai E ada 10 %. Buatlah kriteria nilai tersebut.

Jawab.
Diketahui rata-rata  = 42,50 dan 2 = 20,25  = 4,5
(X  )
X  N( 0, 1 ), maka Z = diinginkan nilai E = 10 %, D = 20 %, C = 40 %, B = 20 % dan

A =10 %,
Cari nilai A minimum berapa ?
Untuk mendapatkan nilai A minimum, berarti P( Z = ) = 0,9000 Z = 1,28
 (X  )
Z= Z=X- X= + Z

X = 42,50 + ( 4,5 ) ( 1,28 ) X = 42,50 + 5,76 = 48,26
Jadi A minimum adalah 48,26, maka B maksimum adalah 48,25
Cari nilai B minimum berapa
Untuk mendapatkan nilai B minimum, berarti P( Z = ) = 0,7000 Z = 0,52
(X  )
Z= Z=X- X=+ Z

X = 42,50 + ( 4,5 ) ( 0,52 ) X = 42,50 + 2,34 = 44,84
Jadi B minimum adalah 44,84, maka C maksimum adalah 44,83
Cari nilai C minimum berapa ?
Untuk mendapatkan nilai C minimum, berarti P( Z = ) = 0,3000 Z = - 0,52
(X  )
Z= Z=X- X= + Z

X = 42,50 + ( 4,5 ) ( - 0,52 ) X = 42,50 – 2,34 = 40,16
Jadi C minimum adalah 40,16, maka D maksimum adalah 40,15
Cari nilai D minimum berapa ?
Untuk mendapatkan nilai D minimum, berarti P( Z = ) = 0,1000 Z = - 1,28
(X  )
Z= Z=X- X= + Z

X = 42,50 + ( 4,5 ) ( - 1,28 ) X = 42,50 - 5,76 = 36,74
Jadi D minimum adalah 36,74, maka E maksimum adalah 36,73

Selanjutnya di tulis Kriteria Nilai

A ≥ 48,26
44,84 ≤ B ≤ 48,83
40,16 ≤ C ≤ 44,83
36,74 ≤ D ≤ 40,15
E ≤ 36,73
 Distribution Plot
Normal, Mean=42.5, StDev=4.5

0.09

0.08

0.07

0.06
Density

0.05

0.04

0.03

0.02

0.01 0,1 0,1

0.00
E < 36,74 42,5 A > 48,25
X

Distribution Plot
Normal, Mean=0, StDev=1

0.4

0.3
Density

0.2

0.1
0.2 0.2

0.0
36,74 < D < 40,15 44,84 < B < 48,83
X
 Distribution Plot
Normal, Mean=42.5, StDev=4.5

0.09

0.08

0.07

0.06
Density

0.05

0.04

0.03

0.02 0,3 0,3

0.01

0.00
40,15 < C < 48.84

Latihan
1. Diketahui sebaran Normal dengan rata-rata = 52,0 dan ragam 25,0, Hitunglah
a. Luas daerah di bawah 47,0
b. Luas daerah di atas 54,5
c. Luas daerah antara 44,5 dan 62,0
d. Nilai x yang luas daerahnya di bawah 60 %
e. Nilai x yang luas daerahnya di atas 35 %
2. Diketahui peubah acak X dengan nilai tengah 48 dan simpangan baku 4,2. Hitunglah
a. P ( X < 50,1 )
b. P ( X > 52,2 )
c. P ( 41,7 < X < 58,5 )
d. Nilai k yang memenuhi P ( X < k ) = 0,9332
e. Nilai k yang memenuhi P ( X > k ) = 0,3085
f.
5.4. Sebaran t Student
Sebaran t student atau sebaran t mempunyai fungsi densitas
K (x  )
f ( x)  2
atau lebih sering digunakan dalam operasional t  atau
t 1 / 2n s
(1  )
n 1
Bila x dan s2 masing-masing adalah nilai tengah dan ragam, suatu sampel acak berukuran n
(x  )
yang diambil dari suatu populasi normal dengan nilai tengah  dan ragam 2 , maka t 
s
n
merupakan sebuah nilai peubah acak T yang mempunyai sebaran t dengan derajat bebas v =
n–1

Distribution Plot
T; df=30

0,4

0,3
Density

0,2

0,1

0,0
-4 -3 -2 -1 0 1 2 3 4
X
 Plot Distribusi t
T, df=15

0.4

0.3
Density

0.2

0.1

0.0
-4 -3 -2 -1 0 1 2 3 4
X

P ( t  t  ) = 0,9500 = - 1,753

Distribution Plot
T; df=15

0,4

0,3
Density

0,2

0,1

0,05
0,0
-1,75 0
X
Diketahui n =16  = 5 % , maka t0,05 ( 15 ) = 1,753

Distribution Plot
T; df=15

0,4

0,3
Density

0,2

0,1

0,05
0,0
0 1,75
X

Diketahui n =16  = 5 % , maka t0,025 ( 15 ) = 2,131 dan t0,975 ( 15 ) = - 2,131

Distribution Plot
T; df=15

0,4

0,3
Density

0,2

0,1

0,025 0,025
0,0
-2,13 0 2,13
X
5.5. Sebaran Khi-Kuadrat ( 2 )
Sebaran Khi-Kuadrat mempunyai fungsi densitas:
(n  1) S 2
f (u )  K .u 1 / 2( v1) e 1 / 2u atau sebih sering digunakan dalam operasional adalah  2 
 02
dan bergantung pada db = derajat bebas ( df = degree of freedom ) = n – 1.

Plot Distribusi Chi-Kuadrat

Chi-Square, df=15
0.08

0.07

0.06

0.05
Density

0.04

0.03

0.02

0.01

0.00
0 10 20 30 40
X

Diketahui n =16  = 5 % , maka 2 0,05 ( 15 ) = 24,996 = 25,0

 Distribution Plot
Chi-Square; df=15
0,08

0,07

0,06

0,05
Density

0,04

0,03

0,02

0,01
0,05
0,00
0 25,0
X


Diketahui n =16  = 5 % , maka  menjadi , sehingga 2 0,925 ( 15 ) = 6,262 dan 2 0,025 ( 15 ) =
2
27,488

Distribution Plot
Chi-Square, df=15
0.08

0.07

0.06

0.05
Density

0.04

0.03

0.02

0.01 0,025
0,025
0.00
0 6,262 27,488
X
Contoh soal dan Jawabannya

Hasil ujian Statistika mengikuti sebaran normal dengan rata-rata 41,0 dan ragam 29,16. Hasil
tersebut akan disajikan dalam bentuk Penilaian Acuan Normal ( PAN ) dengan komposisi A =
15 %. B = 20 %, C = 30 %, D = 20 % dan
E = 15 %. Buatlah kriteria nilai dari A s.d E ( hitungan sampai dua desimal ).

Jawaban

Diketahui rata-rata  = 41,0 dan 2 = 28,16  = 5,4

(X  )
X  N( 0, 1 ), maka Z = diinginkan nilai A = 15 %, B = 20 %, C = 30 %,

D = 20 % dan E =15 %,
Cari nilai A minimum berapa ?
Untuk mendapatkan nilai A minimum, berarti P( Z = ) = 0,8500 Z = 1,04
(X  )
Z= Z=X- X= + Z

X = 41,0 + ( 5,4 ) ( 1,04 ) X = 41,0 + 5,62 = 46,62
Jadi A minimum adalah 46,62, maka B maksimum adalah 46,61
Cari nilai B minimum berapa ?
Untuk mendapatkan nilai B minimum, berarti P( Z = ) = 0,6500 Z = 0,39
(X  )
Z= Z=X- X=+ Z

X = 41,0 + ( 5,4 ) ( 0,39 ) X = 41,0 + 2,11 = 43,11
Jadi B minimum adalah 43,11, maka C maksimum adalah 43,10
Cari nilai C minimum berapa ?
Untuk mendapatkan nilai C minimum, berarti P( Z = ) = 0,3500 Z = - 0,39
(X  )
Z= Z=X- X= + Z

X = 41,0 + ( 5,4 ) ( - 0,39 ) X = 41,0 – 2,11 = 38,89
Jadi C minimum adalah 38,89, maka D maksimum adalah 38,88
Cari nilai D minimum berapa
Untuk mendapatkan nilai D minimum, berarti P( Z = ) = 0,1000 Z = - 1,28
 (X  )
Z= Z=X- X= + Z

X = 41,0 + ( 5,4 ) ( - 1,04 ) X = 41,0 - 5,62 = 35,38
Jadi D minimum adalah 35,38, maka E maksimum adalah 35,37

Selanjutnya di tulis Kriteria Nilai

A ≥ 46,62
43,11 ≤ B ≤ 46,61
38,89 ≤ C ≤ 43,10
35,38 ≤ D ≤ 38,88
E ≤ 35,37
 VI TEKNIK SAMPLING
6.1. Pendahuluan
Teknik Sampling adalah suatu cara atau prosedur dalam pengambilan sampel.
Dalam pengambilan sampel kita mengenal adanya sampling non peluang dan ada sampling
peluang.
Sampling non peluang yaitu suatu penarikan sampel yang tidak melibatkan kaidah peluang,
sedangkan sampling peluang yaitu suatu penarikan sampel yang melibatkan kaidah peluang.
Yang bagaimana sampling non peluang ?
Berberapa jenis sampling non peluang yaitu:
a. Sampling Seadanya ( accedental sampling ) artinya suatu pengambilan anggota sampel
diambil seperlunya, misalnya kita ingin melihat pendapat umum atau opini masyarakat di
sini ukuran sampelnya diambil seperlunya oleh yang bersangkutan.
b. Sampling Pertimbangan ( purprosive sampling ) artinya suatu pengambilan anggota
sampel atas pertimbangan tertentu atau pertimbangan kepakaran keilmuan tertentu,
misalnya kuisioner.

6.2. Sampling Peluang

Berberapa jenis sampling peluang yaitu:
6.2.1. Samping Acak Sederhana ( Simple Randomized Sampling ) artinya pengambilan
anggota sampel dilakukan secara acak ( melalui tabel bilangan acak ) dari anggota populasi
diasumsikan hampir sama atau homogen.
6.2.2. Sampling Stratifikasi artinya populasi dibuat strata-strata ( lapisan ) dalam strata
diharapkan homogen dan antar strata heterogen, lalu pengambilan sampel dilakukan secara
acak dari masing-masing strata.
6.2.3. Sampling Klaster artinya populasi dibuat strata-strata ( lapisan ) dalam strata diharapkan
heterogen dan antar strata homogen, lalu pengambilan sampel dilakukan secara acak dari
masing-masing strata.
6.2.4. Sampling Proporsi artinya populasi dibuat strata-strata ( lapisan ) lalu pengambilan
lapisan sampel dilakukan secara acak dari masing-masing strata yang banyaknyanya berbeda-
beda setiap strata.
6.2.5. Sampling Sistimatik artinya pengambilan sampel pertama dilakukan secara acak
selanjutnya anggota sampel berikutnya berdasarkan rasio dari N populasi dengan n sampel
yang mau diambil.
6.2.6. Sampling Quota
6.2.7. Sampling Sekuensial
6.3. Cara Pengambilan Sampel
Dalam hal ini di bahas bagaimana sampel itu terbentuk dari anggota populasi. Cara atau
prosedur untuk mendapatkan sampel ada dua yaitu: pengambilan dengan cara dengan
pengembalian atau pemulihan ( with replacement ) dan tanpa pengembalian atau pemulihan (
without replacement ).
Perhatikan Gambar berikut ini:

Populasi berukuran N

Sampel
berukuran n

Yang dimaksud dengan pengembalian adalah anggota sampel pertama diambil dari anggota
populasi lalu disimpan kembali dan anggota sampel yang kedua diambil dari angota populasi
lalu disimpan kembali dan seterusnya sampai sebanyak anggota sampel yang diinginkan.
Yang dimaksud tanpa pengembalian adalah anggota sampel pertama diambil dari anggota
populasi lalu tidak disimpan kembali dan anggota sampel yang kedua diambil dari angota
populasi lalu tidak disimpan kembali dan seterusnya sampai sebanyak anggota sampel yang
diinginkan.
Jika pengambilan sampel dilakukan dengan pengembalian, maka akan terbentuk sebanyak Nn
buah sampel yang akan terjadi, sedangkan jika pengambilan sampel dilakukan dengan
N
pengembalian, maka akan terbentuk sebanyak   buah sampel yang akan terjadi.
n 
Contoh
Misalkan suatu populasi sebut saja N = { 1, 2, 3, 4, 5 }diambil sampel berukuran dua atau n = 2
satu persatu.
Jika dengan pengembalian, maka akan terbentuk sebanyak Nn = 52 = 25 buah sampel.
Apa saja sampelnya?
1. ( 1, 1 ) 6. ( 2, 1 ) 11. ( 3, 1 ) 16. ( 4, 1 ) 21. ( 5, 1 )
2. ( 1, 1 ) 7. ( 2, 1 ) 12. ( 3, 1 ) 17. ( 4, 1 ) 22. ( 5, 1 )
3. ( 1, 1 ) 8. ( 2, 1 ) 13. ( 3, 1 ) 18. ( 4, 1 ) 23. ( 5, 1 )
4. ( 1, 1 ) 9. ( 2, 1 ) 14. ( 3, 1 ) 19. ( 4, 1 ) 24. ( 5, 1 )
5. ( 1, 1 ) 10. ( 2, 1 ) 15. ( 3, 1 ) 20. ( 4, 1 ) 25. ( 5, 1 )
 N  5 
Jika dengan pengembalian, maka akan terbentuk sebanyak   =   = 10 buah sampel.
n   2
Apa saja sampelnya?
1. ( 1, 2 ) 3. ( 1, 4 ) 5. ( 2, 3 ) 7. ( 2, 5 ) 9. ( 3, 5 )
2. ( 1, 3 ) 4. ( 1, 5) 6. ( 2, 4 ) 8. ( 3, 4 ) 10. (4, 5 )
Misalkan perhatikan pengambilan sampel tanpa pengembalian dari populasi N = {1, 2, 3,4,5}
diambil sampel berukuran n = 2 lalu kita hitung rata-rata sampel atau X dan ragamnya S2
diperoleh:
No Sampel Rata-rata Sampel Ragam Sampel ( S2 )
Yang n n

Terjadi X i (X i  X )2
X  i 1
S2 = i 1

n n 1
1 ( 1, 2 ) 1,5 0,5
2 ( 1, 3 ) 2,0 2,0
3 ( 1, 4 ) 2,5 4,5
4 ( 1, 5 ) 3,0 8,0
5 ( 2, 3 ) 2,5 0,5
6 ( 2, 4 ) 3,0 2,0
7 ( 2, 5 ) 3,5 4,5
8 ( 3, 4 ) 3,5 0,5
9 ( 3, 5 ) 4,0 2,0
10 ( 4, 5 ) 4,5 0,5
X i  30,0

30,0
Dari rata-rata sampel kita rata-ratakan lagi atau double mean ditulis X atau µ x =  3,0
10
Dari populasi dihitung rata-rata ( µ ) dan ragam (  2 ) diperoleh µ = 3 dan  2 = 2
Jadi µ x = µ.

6.4. Sebaran-sebaran Sampling

6.4.1. Sebaran Sampling Rata-rata ( S S Rata-rata )

a. S S Rata-rata mempunyai rata-rata µ x = µ.

 n
dan simpangan baku ( galat baku ) σ x = , jika < 5 % sehingga:
n N

X  x
Persamaan normalnya adalah: Z=

n
b. S S Rata-rata mempunyai rata-rata µ x = µ.

 N n n
dan simpangan baku ( galat baku ) σ x = , jika ≥ 5 % sehingga:
n N 1 N
 X  x
Persamaan normalnya adalah: Z=
 N-n
n N -1

Contoh
Suatu penyebrangan ASDP ( angkutan sungai dan penyebrangan ) dari Bakauheni ke Merak
atau sebaliknya menggunakan kapal cepat ( Jetfoil ) mengikuti sebaran normal dengan rata-
rata 46 menit dan ragam 36. Pada suatu waktu tertentu diambil sampel secara acak berukuran
16 penyebrangan. Berapa peluang rata-rata penyebrangan:
a. kurang dari 49,00 menit
b. lebih dari 44,50 menit
c. antara 43,00 s.d 47,50 menit

Jawab
Diketahui rata-rata µ = 46 ragam σ2 = 36 simpangan baku σ = 6 dan n = 16
(X  ) X  x
N = ∞ ( tidak diketahui ) X  N(0,1 ) Z= menjadi Z =
 
n
Maka rata-rata µ x = µ. = 46
 6
galat baku σ x = = = 1,50 sehingga
n 16
X  x
persamaan normalnya Z =

n

a. P( X < 49,0 menit ) = ?

49,0  46,0
Z= = 2,00
1,5
P( Z = 2,00 ) = 0,9772
Jadi P( X < 49,0 menit ) = 0,9772

b. P( X > 44,5 menit ) = ?

44,5  46,0
Z= = - 1,00
1,5
P( Z = -1,00 ) = 0,1587
Jadi P( X > 44,5 menit ) = 1 – 0,1587 = 0,8413
c. P( 43,0 < X < 47,5 menit ) = ?
43,0  46,0
Z1 = = - 2,00
1,5
47,5  46,0
Z2 = = 1,00
1,5
P( Z1 = - 2,00 ) = 0,0228
P( Z2 = 1,00 ) = 0,8413
Jadi P( 43,0 < X < 47,5 menit ) = 0,8413 – 0,0228 = 0,8185

Latihan
Hasil penelitian pada 8000 ekor kambing di Bandar Lampung menghasilkan nilai tengah (rata-
rata) berat daging-tulang (karkas) sebesar 42,900 kg dengan ragam 12,96 kg2. Pada suatu hari
tertentu diambil sampel secara acak sebanyak 64 ekor kambing yang disembelih. Tentukan
peluang memperoleh rata-rata berat kambing yang disembelih:
a. paling sedikit 42,450 kg
b. paling banyak 43,125 kg
c. antara 42,450 s.d 43,125 kg

6.4.2. Sebaran Sampling Selisih atau Beda Dua Rata-rata

Rata-ratanya µsr = µ x1  x2 = µ1 - µ2

 12  22
Galat baku σsr = σ x1  x2 = 
n1 n2

( x1  x 2 )  ( 1   2 )
Persamaan Normalnya Z =
 12  22

n1 n2

Contoh
Pada bula Januari dan Februari di Kota Bandar Lampung musim buah duku dan penjualan
eceran buah duku mengikuti sebaran normal. Penjualan di Pasar Bawah laku secara rata-rata
perhari 50 kg dengan simpangan baku 1,9 kg sedangkan penjualan di Pasar Tugu laku secara
rata-rata perhari 45 kg dengan simpangan baku 1,6 kg. Suatu waktu diambil sampel secara
acak dari penjualan kedua pasar tersebut masing-masing sebanyak 25 penjual. Berapa peluang
selisih rata-rata kedua pasar tersebut:
a. paling banyak 6,5 kg
b. paling sedikit 2,0 kg
c. antara 3,5 s.d 8,0 kg
Jawab
Diketahui rata-rata pasar Bawah µ1 = 50 kg, σ1 = 1,9 σ12 = 3,61, n1 = 25
rata-rata pasar Tugu µ2 = 45 kg, σ2 = 1,6 σ22 = 2,56, n2 = 25
Rata-ratanya µsr = µ x1  x2 = µ1 - µ2 = 50 – 45 = 5,0

 12  22 3,61 2,56
Galat baku σsr = σ x1  x2 =  =  = 1,5
n1 n2 25 25

( x1  x 2 )  ( 1   2 )
Persamaan Normalnya Z =
 12  22

n1 n2

a. P [( X 1  X 2 ) ≤ 6,5 kg ] = ?
6,5  5.0
P [( X 1  X 2 ) ≤ 6,5 kg ] = = 1,00
1,5
P ( Z = 1,00 ) = 0,8413
Jadi P [( X 1  X 2 ) ≤ 6,5 kg ] = 0,8413

b. P [( X 1  X 2 ) ≥ 2,0 kg ] = ?
2,0  5.0
P [( X 1  X 2 ) ≥ 2,0 kg ] = = - 2,00
1,5
P ( Z = - 2,00 ) = 0,0228
Jadi P [( X 1  X 2 ) ≥ 2,0 kg ] = 1 – 0,0228 = 0,9772

c. P [3,5 ≤ ( X 1  X 2 ) ≤ 8,0 kg ] = ?
3,5  5.0
Z1 = = - 1,00
1,5
8,0  5.0
Z2 = = 2,00
1,5
P ( Z = - 1,00 ) = 0,1587
P ( Z = 2,00 ) = 0,9772
Jadi P [3,5 ≤ ( X 1  X 2 ) ≤ 8,0 kg ] = 0,9772 – 0,1587 = 0, 8185

6.4.3. Sebaran Sampling Proporsi

x
Proporsi = p = dan ingat Sebaran Binomial rata-rata µ = n p dan
n
simpangan baku σ = np(1  p) .

X ~ b( X; n, p ) maka rata-rata µ = n p dan simpangan baku σ = np(1  p) maka

 x p(1  p)
~ b( X; n, p ) maka rata-rata µ = p dan simpangan baku σ = jadi
n n
Rata-rata untuk sebaran sampling proporsi µp = p dan

p(1  p)
Galat baku untuk sebaran sampling proporsi σp =
n
x
p
Sehingga persamaan normalnya adalah Z= n
p (1  p )
n
Contoh
Ada petunjuk kuat bahwa Calon A di daerah pemilihan I akan mendapat suara 10 %. Suatu
sampel acak telah diambil berukuran n = 100 orang untuk diwawancaradari daerah pemilihan I.
Berapa peluang
a. paling banyak 13 dari 100 orang akan memilih calon A
b. paling sedikit 4 dari 100 orang akan memilih calon A
c. antara 7 s. d 16 orang dari 100 akan memilih calon A

Jawab
Diketahui p = 0,1 n = 100 X  N(0,1 ), maka

p(1  p) 0,1(1  0,1)

µp = p = 0,1 , σp = = = 0,03
n 100
x
p
Z= n
p (1  p )
n
x 13
a. P( ≤ )=?
n 100
13
 0,10
Z= 100  1,00
0,03
P( Z = 1,00 ) = 0,8413
x 7
Jadi P( ≤ ) = 0,1587
n 100
x 4
b. P( ≥ )=?
n 100
4
 0,10
Z= 100  2,00
0,03
 P( Z = - 2,00 ) = 0,0228
x 4
Jadi P( ≥ ) = 1 - 0,0228 = 0,9772
n 100
7 x 16
c. P( ≤ ≤ )=?
100 n 100
7
 0,10
Z1 = 100  1,00
0,03
16
 0,10
Z2 = 100  2,00
0,03
P( Z1 = - 1,00 ) = 0,1587
P( Z2 = 2,00 ) = 0,9772
7 x 16
Jadi P( ≤ ≤ ) = 0,9772 – 0,1587 = 0,8185
100 n 100

Latihan .
Sebuah perusahaan angkutan barang pecah belah (jenis gelas untuk minum) biasanya
mengalami kerusakan 4 % dari barang-barang yang dikirim. Hitunglah peluang dari 600 barang
yang diangkut perusahaan tersebut mengalami kerusakan:
a. paling sedikit terdapat 0,060 yang rusak.,
b. paling banyak terdapat 0,032 yang rusak
c. antara 0,032 s.d 0,060 yang rusak.

6.4.4. Sebaran Sampling Selisih atau Beda Dua Proporsi

Rata-rata untuk sebaran sampling selisih atau beda dua proporsi µ sp = p1 – p2 dan
p1 (1  p1 ) p2 (1  p2 )
Galat baku untuk sebaran sampling proporsi σ sp = 
n1 n2

x1 x2
(  )  ( p1  p 2 )
n1 n2
Sehingga persamaan normalnya adalah Z=
p1 (1  p1 ) p 2 (1  p 2 )

n1 n2

Contoh:
Ada petunjuk kuat bahwa calon A mendapat suara 60 % dalam Pilkada. Dua buah sampel acak
secara bebas telah diambil masing-masing terdiri dari 300 orang . tentukan peluang akan terjadi
perbedaan persentase 10 % yang akan memilih calon A.
Jawab
Diketahui n1 = 300, n2 = 300 p1 = 0,60 p2 = 0,60 diminta p1 – p2  = 10 %
atau - 0,10  p1 – p2  0,10
Diperoleh µ sp = p1 – p2 = 0,6 – 0,6 = 0
p1 (1  p1 ) p2 (1  p2 ) 0,6(1  0,6) 0,6(1  0,6)
σ sp =  =  = 0,04
n1 n2 300 300

Selanjutnya p1 – p2 = - 0,10 dan p1 – p2 = 0,10

x1 x2
(  )  ( p1  p 2 )
n1 n2  0,10  0
Z1 = = = - 2,50
p1 (1  p1 ) p 2 (1  p 2 ) 0,04

n1 n2

x1 x2
(  )  ( p1  p 2 )
n1 n2 0,10  0
Z2 = = = 2,50
p1 (1  p1 ) p 2 (1  p 2 ) 0,04

n1 n2
P( Z = - 2,50) = 0,0062 dan P(Z = 2,50) = 0,9938
maka peluang akan terjadi perbedaan persentase sebesar 10 % adalah 0,9938 – 0,0062 =
0,9876
 VII PENDUGAAN PARAMETER

7.1. Pendahuluan
Parameter merupakan besaran-besaran yang diperoleh dari populasi, secara umum
dinotasikan dengan , sedangkan statistik merupakan besaran-besaran yang diperoleh dari

sampel, secara umum dinotasikan dengan ˆ . Selanjutnya parameter tersebut akan diduga

oleh statistik, atau  akan diduga oleh ˆ


Jadi  merupakan penduga ( estimator ) bagi .
x
Dengan demikian  bisa berupa µ, 2, p dan ˆ berupa x , S2,
n
Parameter rata-rata (nilai tengah) adalah µ akan diduga (estimator) oleh statistik x
Parameter ragam (variance) adalah 2 akan diduga (estimator) oleh statistik S2
x
Parameter proporsi adalah p akan diduga (estimator) oleh statistik
n
Jadi x merupakan penduga rata-rata (nilai tengah) bagi µ , S2 merupakan penduga ragam bagi
2
x
S merupakan penduga simpangan baku bagi  dan merupakan penduga proporsi bagi p
n

7.2. Jenis Pendugaan

Penduga Titik ( Point Estimate ) hasil dugaan berupa satu nilai tertentu
Penduga Selang ( Interval Estimate ) hasil dugaan berupa dua nilai diantara

7.3. Sifat-sifat Pendugaan

a. Penduga harus bersifat tak bias artinya secara harapan penduga sama dengan yang

diduga.atau E(  )= .
b. Penduga harus mempunyai ragam minimum
c. Penduga harus bersifat statistik cukup
d. Penduga harus bersifat konsisten
e. Penduga harus bersifat lengkap.
Penduga yang baik adalah memenuhi dua sifat pendugaan yaitu: tak bias dan mempunyai
ragam minimum.
Penduga akan dikatakan lebih baik (terbaik), bila semua sifat pendugaan dipenuhi.
Kita tidak akan membicarakan penduga titik, karena terlalu riskan untuk dibuat kesimpulan.

Dalam pendugaan titik bisa diperoleh hasil dugaan over estimate, karena hasil dari  bisa
terlalu tinggi atau terlalu rendah.
Sehingga akan dibicarakan adalah penduga selang ( Interval Estimate ).
Perhatikan Gambar berikut ini:

Distribution Plot
Normal; Mean=0; StDev=1

0,4

0,3
Density

0,2

0,1

0,025 0,025
0,0
-1,96 0 1,96
X

7.4.1. . Menduga Rata-rata ( Nilai Tengah )

7.4.1.a. Untuk  diketahui maka P( Z/2 ≤ Z ≤ Z1 - /2 ) = 1 - 

(X  )
Ingat sebaran sampling persamaan normal adalah : Z 
/ n
(X  )
sehingga kalau Z kita ganti menjadi P( Z/2 ≤ ≤ Z1 - /2 ) = 1 - 
/ n
hasil manipulasi matematiknya menjadi: atau rumus yang akan digunakan adalah:
   
P( X - Z/2 ≤ µ ≤ X + Z/2 )=1-
n n
7.4.1.b. Untuk  tidak diketahui maka P( t/2 ≤ t ≤ t1 - /2) = 1 - 
(X  )
Ingat sebaran sampling t, yaitu t = sehingga kalau t kita ganti menjadi
s
n
( X  )
P( t/2 ≤ ≤ t1 - /2) = 1 - 
s
n
hasil manipulasi matematiknya menjadi: atau rumus yang akan digunakan adalah
s s
P ( X - t/2 ≤ µ ≤ X + t/2 )=1-
n n
Bagaimana cara memandang persoalan ? Perhatikan contoh soal berikut ini:
1. Suatu sampel acak berukuran 36 mahasiswa tingkat akhir mempunyai nilai tengah dan
simpangan baku IPK adalah 2,6 dan 0,3. Buatlah selang kepercayaan 95 % dan 99 % bagi nilai
tengah IPK seluruh mahasiswa tingkat akhir.

Jawab.
1. a. . Diketahui rata-rata ( nilai tengah ) X  2,6, simpangan baku   0,3, n =36,
1 – α = 0,95 Z = 1,96
0,3 0,3
P( 2,6 – 1,96 < µ < 2,6 + 1,96 ) = 0,95
36 36
P(2,6 – 0,098 < µ < 2,6 + 0,098 ) = 0,95
P( 2,502 < < µ < 2,698 ) = 0,95
Jadi rata-rata atau nilai tengah IPK seluruh mahasiswa adalah antara 2,502 sampai
dengan 2,698 dengan selang kepercayaan 95 %.

1.b. Diketahui rata-rata ( nilai tengah ) X  2,6, simpangan baku   0,3, n =36,
1 – α = 0,99 Z = 2,57
0,3 0,3
P( 2,6 – 2,57 < µ < 2,6 + 2,57 ) = 0,99
36 36
P(2,6 – 0,128 < µ < 2,6 + 0,128 ) = 0,99
P( 2,472 < µ < 2,728 ) = 0,99

2. Isi 9 kaleng asam sulfat adalah 9,8 10,2 10,4 9,8 10,0 10,2 9,8 9.7 10,1 Tentukan
selang kepercayaan 95 % bagi nilai tengah isi semua kaleng.
 Jawab
9

 Xi 90,0
Diketahui rata-rata X  i 1
  10,0 dan simpangan bakunya,
n 9

 ( Xi  x ) 
9
2
( Xi  10,0) 2
s  11
 0,240 , t0,025(8) = 2,306
n 1 9 1

Dikerjakan dengan paket program, hasilnya:

Descriptive Statistics: Volume Kaleng
Variable Mean SE Mean St-Dev Variance
Volume Kaleng 10.000 0.0799 0.240 0.0575
s s
P ( X - t/2 ≤ µ ≤ X + t/2 )=1-
n n
0,240 0,240
P( 10,0 – 2,306 ≤ µ ≤ 10,0 + 2,306 ) = 0,95
9 9
P( 10,0 – 0,184 ≤ µ ≤ 10,0 + 0,184 ) = 0, 95
P( 9,816 ≤ µ ≤ 10,184 ) = 0,95
Jadi nilai tengah isi kaleng asam sulfat yang sebenarnya adalah antara 9,816 s.d 10,184
dengan selang kepercayaan 95 %.
Atau bila dianalisis dengan paket program diperoleh:

One-Sample T: Isi

Variable N Mean St-Dev SE Mean 95% CI

Isi 9 10.0000 0.2398 0.0799 (9.8157, 10.1843)

7.4.2. Menduga Beda /Selisih Dua Rata-rata ( Nilai tengah )

Dalam Menduga Beda/Selisih Dua Rata-rata ( Nilai tengah ) ada 4 masalah, yaitu:

7.4.2.a. Jika 1 dan 2 diketahui, maka:

 12  22  12  22
P[ ( X 1 - X 2 ) – Zα/2  < µ1- µ2 < ( X 1 - X 2 ) + Zα/2  ]=1-α
n1 n2 n1 n2

Contoh
Suatu ujian bahasa Inggris diberikan pada 75 mahasiswi dan 50 mahasiswi. Mahasiswa
mempunyai rata-rata dan simpangan baku adalah 82 dan 8 sedangkan mahasiswi 76 dan 6.
Tentukan selang kepercayaan 96 % bagi beda rata-rata ( nilai tengah ) nilai mahasiswa dan
mahasiswi.

Jawab
Diketahui: X 1  82 dan s1 = 8 s12 = 64 X 2  76 dan s2 = 6 s22 = 36 dan 1 – α = 0,96 ,
maka harga Z = 2,05

 12  22  12  22
P[ ( X 1 - X 2 ) – Zα/2  < µ1- µ2 < ( X 1 - X 2 ) + Zα/2  ]=1–α
n1 n2 n1 n2

64 36 64 36
P[(82 – 76) – 2,05  < µ1- µ2 < [(82 – 76) + 2,05  ] = 0,96
75 50 75 50
P( 6 – 2,571 < µ1- µ2 < 6 + 2,571 ) = 0,96
P( 3,429 < µ1- µ2 < 8,571 ) = 0,96
Jadi beda rata-rata ( nilai tengah ) nilai mahasiswa dan mahasiswi adalah antara 3,429 s.d 8,
571 dengan selang kepercayaan 96 %.

7.4.2.b. Jika 1 dan 2 tidak diketahui tapi diasumsikan 1 = 2 , maka:

1 1 1 1
P[( X 1  X 2 ) - tα/2 Sp  < µ1- µ2 < ( X 1  X 2 ) + tα/2 Sp  ]=1–α
n1 n2 n1 n2

(n1  1) S1  (n2  1) S 2
2 2
2
Dengan Sp2 = Sp = Sp
n1  n2  2

Contoh
Suatu program pengajaran matematika dengan Metode I diberikan kepada 12 siswa dan
Metode II diberikan kepada 10 siswa. Selanjutnya diberi ujian dan hasilnya adalah Metode I
mencapai rata-rata 85 dan simpangan bakunya 4, sedangkan Metode II mencapai rata-rata 81
dan simpangan bakunya 5. Tentukan selang kepercayaan 90 % bagi selisih rata-rata, bila
kedua simpangan baku populasi tidak diketahui dan diasumsikan sama.

Jawab
Diketahui X 1 = 85 S1 = 4 S12 = 16 n1 = 12 X 2 = 81 S1 = 5 S22 = 25 n2 = 10
1 – α = 0,90 tα/2 (n1 + n2 - 2 ) = t0,05 (20) = 1,725
(n1  1) S1  (n2  1) S 2 (12  1)16  (10  1)25
2 2

Sp2 = = = 20,05 Sp = 4.478

n1  n2  2 12  10  2
 1 1 1 1
P[( X 1  X 2 ) - tα/2 Sp  < µ1- µ2 < ( X 1  X 2 ) + tα/2 Sp  ]=1–α
n1 n2 n1 n2

1 1 1 1
P[(85 – 81) – 1,725 (4,478)  < µ1- µ2 < (85 – 81) – 1,725 (4,478)  ] = 0,90
12 10 12 10
P( 4 – 3,307 < µ1- µ2 < 4 + 3.307 ) = 0,90
P( 0,693 < µ1- µ2 < 7,307 ) = 0,90
Two-Sample T-Test and CI
Sample N Mean StDev SE Mean
1 12 85.00 4.00 1.2
2 10 81.00 5.00 1.6
Difference = mu (1) - mu (2)
Estimate for difference: 4.00
90% CI for difference: (0.69, 7.31)
T-Test of difference = 0 (vs not =): T-Value = 2.09
P-Value = 0.050 DF = 20
Both use Pooled StDev = 4.4777

7.4.2.c. Jika 1 dan 2 tidak diketahui tapi diasumsikan 1 ≠ 2 , maka:

2 2 2 2
S1 S S1 S
P[( X 1  X 2 ) - tα/2  2 < µ1- µ2 < ( X 1  X 2 ) + tα/2  2 ]=1–α
n1 n2 n1 n2
2
 S1 2 S 2 2 
 
 n  n 
Cari dulu derajat bebas dugaannya ( dbˆ ) =  1 2 

  S 2     S 2  2
2

  1     2  
  n1     n2  
  

 1 n  1   n2  1 
   
  
   
Contoh
Jika kasus b) bila diasumsikan 1 ≠ 2 , maka harus menghitung dbˆ , yaitu:
2
 16 25 
  
 12 10  14,694
dbˆ = = = 17,166  18
  16  2    25  2  0,856
       
  12      10  
 12  1   10  1 
  
 


   
 2 2 2 2
S1 S S1 S
P[( X 1  X 2 ) - tα/2  2 < µ1- µ2 < ( X 1  X 2 ) + tα/2  2 ]=1–α
n1 n2 n1 n2

16 25 16 25
P[( 85 – 81 ) – 1,734  < µ1- µ2 < ( 85 – 81 ) + 1,734  ] = 0,90
12 10 12 10
P( 4 – 3,395 < µ1- µ2 < 4 + 3,395 ) = 0,90
P( 0,605 < µ1- µ2 < 7,395 ) = 0,90

7.4.2.d. Jika 1 dan 2 tidak diketahui dan diasumsikan data berpasangan, maka:
Sd Sd
P( d  t / 2 < µd < d  t  / 2 )=1–α
n n

n(d i )  (d i ) 2
2
2
Dengan Sd2 = dan Sd = Sd db = n -1 , n1 = n2 = n
n(n  1)
Penelitian terhadap efektifitas penurunan tekanan darah sistolik oleh suatu obat antihipertensi didapatkan
data sebelum dan sesudah diberikan obat sbb:
Tekanan darah Tekanan darah
sistolik sebelum sistolik sesudah
diberi obat diberi obat
161 158
159 160
162 163
160 157
156 154
159 164
163 169
160 158
158 162
160 161

Tentukan selang kepercayaan 95 % bagi selisih data tekanan darah sistolik sebelum dan
sesudah
Jawab
Tekanan darah Tekanan darah Beda (d) d2
sistolik sebelum sistolik sesudah
diberi obat diberi obat
161 158 3 9
159 160 -1 1
162 163 -1 1
160 157 3 9
156 154 2 4
159 164 -5 25
163 169 -6 36
160 158 2 4
158 162 -4 16
160 161 -1 1
-8 106
 n1 = 10 n2 = 10 maka n = 10 1 – α = 0,95 t0,025 (9) = 2,262
d 10 nd i  (d i ) 2 10(106)  (8) 2 996
2

d  i   1,0    11,067
2
Sd = Sd =3,327
n 10 n(n  1) 10(10  1) 90
Sd Sd
P( d  t / 2 < µd < d  t  / 2 )=1–α
n n
3,327 3,327
P( - 0,8 – 2,262 < µd < - 0,8 + 2,262 ) = 0,95
10 10
P( - 0.8 – 2,380 < µd < - 0,8 + 2,380 ) = 0,95
P( - 3,180 < µd < 1,580) = 0,95

Jika dikerjakan dengan paket program Minitab hasilnya

Paired T-Test and CI: Sebelum; Sesudah

Paired T for Sebelum - Sesudah

N Mean StDev SE Mean

Sebelum 10 159,80 1,99 0,63
Sesudah 10 160,60 4,22 1,33
Difference 10 -0,80 3,33 1,05

95% CI for mean difference: (-3,18; 1,58)

T-Test of mean difference = 0 (vs not = 0):
T-Value = -0,76 P-Value = 0,466

7.4.3. Menduga Ragam ( Variance ) 2

Dalam menduga ragam statistik yang digunakan adalah 2 ( khi-kuadrat ) di mana
(n  1) S 2
 
2

2
P(2/2 ≤ 2 ≤ 21 - /2 ) = 1 - 
(n  1) S 2
P(2/2 ≤ ≤ 21 - /2 ) = 1 - 
 1

(n  1) S 2 (n  1) S 2
P(   2
 )  1
 2 / 2  21 / 2
Contoh
Data berikut ini berupa volume (dalam desiliter ) dari 10 kaleng buah-buahan sebagai berikut:
46,4 46,1 45,8 47,0 46,1 45,9 45,8 46,9 45,2 dan 46,0. Buat selang kepercayaan 95 %
bagi ragam volume kaleng buah-buahan hasil perusahaan tersebut.

Jawab
nXi 2  (Xi) 2
Hitung dulu ragam sampelnya ( S2 ), yaitu: S2 = = 0,286
n(n  1)

(n  1) S 2 (n  1) S 2
P(   2
 )  1
 2 / 2  21 / 2
(10  1)(0,286) (10  1)(0,286)
P( ≤ 2 ≤ ) = 0,95
19,023 2,700
P( 0,135 ≤ 2 ≤ 0,954 ) = 0,95

Test and CI for One Standard Deviation: Volume

Method
The standard method is only for the normal distribution.
The adjusted method is for any continuous distribution.

Statistics

Variable N StDev Variance

Volume 10 0,535 0,286

95% Confidence Intervals

CI for
Variable Method CI for StDev Variance
Volume Standard (0,368; 0,977) (0,135; 0,954)
Adjusted (0,362; 1,017) (0,131; 1,034)
  12
7.4.4. Menduga Nisbah ( Rasio ) Ragam ( )
 22
Untuk menduga rasio ( nisbah ) ragam statistik yang digunakan adalah statistik F, di mana
2
1 2 S1
v1  12  2 2 S1 2
pendugaannya diperoleh sebagai berikut: F = = =
22 S2
2
 12 S 2 2
v2  22
P( f/2 ≤ F ≤ f1 - /2 ) = 1 - 

 2 2 S1 2
P( f/2 ≤ ≤ f1 - /2 ) = 1 -  atau
 12 S 2 2

S1
2
1
2
 2
S
P[ ≤ 1 2 ≤ 1 2 f/2 ( v2, v1) ] = 1 - 
S2
2
f  / 2 (v1 , v 2 ) 2 S2
Contoh:
Suatu program pengajaran matematika dengan Metode I diberikan kepada 16 siswa dan
Metode II diberikan kepada 9 siswa. Selanjutnya diberi ujian dan hasilnya adalah Metode I
mencapai rata-rata 85 dan simpangan bakunya 4, sedangkan Metode II mencapai rata-rata 81
dan simpangan bakunya 5. Buatlah selang kepercayaan 90 % bagi rasio ragam.
Jawab
Diketahui n1 = 16 S1 = 4 S12 = 16 n2 = 9 S2 = 5 S22 = 25 1 -  = 0,90
1 1
f 0,05 ( 15, 8 ) = 3,22 f 0,05 ( 8, 15 ) = 2,64 = = 0,311
f 0,05(15,8) 3,22

S1
2
1  2
S
2
P[ ≤ 1 2 ≤ 1 2 f/2 ( v2, v1) ] = 1 - 
S2
2
f  / 2 (v1 , v 2 ) 2 S2

16 1  16
2
P[ ≤ 12 ≤ ( 2,64 ) ] = 0,90
25 (3,22) 2 25

 12
P( 0,174 ≤ ≤ 1,478 ) = 0,90
 22
 Distribution Plot
F; df1=8; df2=15
0,8

0,7

0,6

0,5
Density

0,4

0,3

0,2 0,05

0,1
0,05
0,0
0 0,311 2,64
X

Contoh Latihan
1. Diketahui data sampel tentang besarnya cahaya pada bunga bagian atas dan bawah
sebagai berikut: yang dikumpulkannya adalah:
Bunga b. atas 39 52 54 42 47 39 41 46 45
Bunga b. bawah 41 37 47 38 36 43 45 40 42
a. Dugalah nilai tengah bunga bag. atas yang sesungguhnya dengan 1-  = 0,95
b. Dugalah nilai tengah bunga bag. bawah yang sesungguhnya dengan 1-  = 0,90
c. Dugalah beda nilai tengah bunga yang sesungguhnya dengan 1-  = 0,90, jika
diasumsikan Adan B tidak ketahui dan A = B.
d. Dugalah ragam bunga bag. atas yang sesungguhnya dengan 1-  = 0,90
e. Dugalah ragam bunga bag. bawah yang sesungguhnya dengan 1-  = 0,95
f. Dugalah nisbah ( rasio ) ragam bunga yang sesungguhnya dengan 1-  = 0,90
2. Data besarnya volume penjualan komodi di Pasar 1 dan Pasar 2 sebagai berikut
Pasar 1 3,9 5,2 5,4 4,2 4,7 3,9 4,1 4,6 4,5
Pasar 2 4,1 3,7 4,7 3,8 3,6 4,3 4,5 4,0 4,2
a. Dugalah rata-rata atau nilai tengah volume penjualan komodi di Pasar 1 yang
sesungguhnya dengan 1-  = 0,90
b. Dugalah rata-rata atau nilai tengah volume penjualan komodi di Pasar 2 yang
sesungguhnya dengan 1-  = 0,90
c. Dugalah beda rata-rata atau nilai tengah bunga yang sesungguhnya dengan 1-  = 0,95
3. Hitunglah:
a. P(t < 2,365 ), bila v = 7
b. P( t > 1,318 ), bila v = 24
c. t 0,025 , bila v = 25
d - t 0,025 , bila v = 15
e t 0,99 , bila v = 20
f. P( - t /2  t  t/2 ) = 0,90 untuk n = 20
g. P ( 2 1 - /2  2  2/2 ) = 0,95 untuk n = 15
h. P( f /2  f  f 1-/2 ) = 0,98 untuk n1 = 16 dan n2 = 25

3. Dari kepustakaan diketahui proporsi ibu hamil yang menderita toxemia adalah p = 0,25. Tingkat
kepercayaan yang digunakan adalah 99% atau α = 0,01 dengan deviasi maximal 5% = 0,05. Maka
besar sampel yg diambil adl....
a. 499
b. 782
c. 799
d. 487
e. 680

4. Bila diketahui jumlah populasi ibu hamil adalah 1000 ibu hamil maka besar sampel yang diambil
adalah..
a. 333
b. 499
c. 799
d. 680
e. 492

5. Sebanyak 25 penderita gagal jantung ditimbang berat badannya sebelum dan sesudah pemberian obat
diuretika. Nilai rata-rata (mean) selisih berat badan sebelum dan sesudah minum diuretika adalah 2kg,
dg standar deviasi 0,2 kg. Penghitungan batas atas penduga selang untuk 95% kepercayaan terlihat
sebagai ...
a. 2 + t(0,2/√25)
b. 2 + t(0,2/√5)
c. 2 + t(0,2)
d. 2 + z(0,2)

6. Suatu penelitian terhadap 25 orang laki-laki yang berumur 40-60 tahun didapatkan rata-rata kadar
kolesterol mereka 215 mg% dan simpangan baku Sd=50 mg%. Hitunglah peluang kita mendapatkan
seseorang yang kadar kolesterolnya > 225 mg%?
a. 84,13,8%
b. 43,67%
c. 15,87%
 d. 45%

7. Peluang penderita dengan kadar kolesterol < 200 mg% adalah?

a. 12%
b. 93,32%
c. 6,68%
d. 75%

8. Peluang penderita dengan kadar kolesterol antara 200-225 mg%?

a. 58,07%
b. 77,45%
c. 36%
d. 32%

9. Suatu penelitian yang dilakukan seorang dokter kebidanan untuk meneliti kadar hemoglobin ibu
hamil. Untuk penelitian ini telah diambil sebanyak 50 ibu hamil dan didapatkan rata-rata kadar
Hb=9,5 gr% dengan simpangan baku 4,5 gr%.
Probabilitas akan mendapatkan seorang ibu hamil yang diambil dari 50 orang tersebut mempunyai
Hb > 11 gr%?
a. 21,8 %
b. 99,04 %
c. 14,2 %
d. 0,96 %

10. Hasil analisis dari pengukuran kadar glukosa darah sewaktu-waktu sejumlah orang didapatkan rata-
rata 152 mg% dan S= 55 mg%. Dapatkanlah probabilitas bahwa secara random diambil dari 100
orang tersebut mempunyai kadar glukosa:
11.a. Antara 80 dan 120 mg% ?
a. 18,4 %
b. 21,89 %
c. 33 %
d. 42 %

11. b. Kurang dari 80 mg%?

a. 18,4 %
b. 21,89 %
c. 33 %
d. 42 %
11. Penelitian terhadap efektifitas penurunan tekanan darah sistolik oleh suatu obat antihipertensi
didapatkan data sebelum dan sesudah diberikan obat sbb:
Tekanan darah Tekanan darah Beda (D) D2
sistolik sebelum sistolik sesudah
diberi obat diberi obat
161 158 3 9
159 160 -1 1
162 163 -1 1
160 157 3 9
156 154 2 4
159 164 -5 25
163 169 -6 36
160 158 2 4
158 162 -4 16
160 161 -1 1
-8 106

a. Standar deviasi ( simpangan baku ) dari data hasil penelitian tersebut adalah..
a. 3.33
b. 4.1
c. 1.05
d. 4

b. Harga t yang dihasilkan pada analisis statistik dengan α sebesar 5 % adalah?

a. 2.262
b. -1,112
c. -0.05
d. 1,96
 VIII PENGUJIAN HIPOTESIS

8.1. Pendahuluan
Hipotesis berasal dari bahasa Yunani, yaitu: Hypo dan Titenai
Hypo artinya di bawah Titenai artinya menempatkan. Jadi artinya menempatkan di bawah
Secara umum hipotesis merupakan landasan berpijak bagi peneliti dalam melakukan penelitian.
Jadi hipotesis merupakan asumsi atau perumusan sementara mengenai suatu hal yang dibuat
untuk menjelaskan hal tersebut. Jika asumsi itu mengenai populasi, yaitu nilai-nilai parameter,
maka disebut hipotesis statistik.
Hipotesis bisa benar, bisa tidak benar sehingga diperlukan prosedur untuk menentukan diterima
atau ditolak.
Jadi pengujian hipotesis merupakan prosedur untuk menentukan apakah menerima atau
menolak hipotesis.
Hipotesis atau pernyataan tersebut biasanya dinotasikan dengan H 0 , sedangkan alternatif
hipotesis atau versusnya dinotasikan dengan H1. Jadi
H0 : mengenai apa
H1 : mengenai apa
Menerima H0 berarti kesimpulannya adalah kalimat pada H0 dan menolak H0 berarti
kesimpulannya adalah kalimat pada H1 sebagai alternatif H0. Meskipun kita akan sering
menggunakan istilah menerima atau menolak tetapi bahwa penolakan suatu hipotesis berarti
menyimpulkan bahwa hipotesis itu salah, sedangkan penerimaan suatu hipotesis semata-mata
mengimplikasikan bahwa kita tidak cukup bukti untuk mempercayainya. Dengan pengertian
tersebut maka statistikawan atau peneliti sering mengambil sebagai hipotesisnya suatu
pernyataan yang diharapkan akan menolaknnya.
Dalam melakukan pengujian hipotesis akan terdapat dua jenis kesalahan yang dapat terjadi,
yaitu:
Tipe Kesalahan Jenis I dan Tipe Kesalahan Jenis II. Pernyataan tersebut diperoleh dari
Kesimpulan Keadaan Sebenarnya
Hipotesis Benar Hipotesis Salah
Menerima Hipotesis Benar Kesalahan Tipe II (  )
Menolak Hipotesis Kesalahan Tipe I (  ) Benar
Tipe Kesalahan Jenis I = α = P ( menolak H0 padahal H0 benar )
Tipe Kesalahan Jenis II = β = P ( menerima H0 padahal H1 benar )
sedangkan 1 - β adalah kuasa uji (power test) dmana 1 - β = P (menolak H0 padahal H1 benar)
Daerah kritis atau daerah penolakan hipotesis.
Perhatikan Gambar berikut ini:
Pengujian Dua Pihak ( Dua arah )

Distribution Plot
Normal; Mean=0; StDev=1

0,4

0,3
Density

0,2

0,1

0,025 0,025
0,0
-1,96 0 1,96
X

Pengujian Satu Pihak ( Satu Arah ) Untuk Arah Kanan

Distribution Plot
Normal; Mean=0; StDev=1

0,4

0,3
Density

0,2

0,1

0,05
0,0
0 1,64
X
Pengujian Satu Pihak ( Satu Arah ) Untuk Arah Kiri

Distribution Plot
Normal; Mean=0; StDev=1

0,4

0,3
Density

0,2

0,1

0,05
0,0
-1,64 0
X

Harga α digunakan untuk sebelah kiri atau kanan, jadi harga α tidak dibagi dua.

a. Uji Dua Arah H0 :    0 b. Uji Satu Arah H0 :    0 c. Uji Satu Arah H0 :    0

H1:    0 H1:    0 H1:    0


Uji dua arah artinya ada dua daerah penolakan pihak kiri dan kanan sehingga α menjadi
2
dan uji satu arah artinya ada satu daerah penolakan dikanan H1:    0 dan dikiri H1:    0

8.2. Prosedur Pengujian Hipotesis

a. Tentukan perumusan hipotesis sesuai dengan permasalahannya. H 0 : apa dan H1 apa.

b. Tentukan taraf nyata ( α ) yang diinginkan

c. Tentukan Statistik Uji yang digunakan, tentunya sesuai dengan permasalahan.

d. Bandingkan antara statistik hitung dengan statistik tabel.

e. Buat Kesimpulan.
8.3.1. Menguji Rata-rata ( Nilai Tengah ) 

No H0 H1 Keterangan Statistik Uji Daerah Kritis

1ª H0 :  = 0 H0 :  ≠ 0 Informasi  X  Zhitung  Z/2
diketahui Z =
/ n atau Zhitung  -
Z/2
1b H0 :  = 0 H0 :   0 Informasi  X  Zhitung  Z
diketahui Z=
/ n
1c H0 :  = 0 H0 :   0 Informasi  X  Zhitung  - Z
diketahui Z =
/ n
2ª H0 :  = 0 H0 :  ≠ 0 Informasi  X  t hitung  t /2 atau
tidak diket. t=
S/ n t hitung  - t /2
2b H0 :  = 0 H0 :   0 Informasi  X  t hitung  t 
tidak diket. t=
S/ n
2c H0 :  = 0 H0 :   0 Informasi  X  t hitung  - t 
tidak diket. t =
S/ n
Contoh
1. Sebuah perusahaan memproduksi lampu listrik yang umurnya mendekati sebaran normal
dengan nilai tengah 800 jam dan simpangan baku 40 jam. Bila suatu sampel acak
berukuran 30 menghasilkan nilai tengah 788 jam Ujilah hipotesis bahwa nilai tengah lampu
listrik belum tentu 800 jam dengan taraf nyata 4 %.
Jawab
Diketahui µ = 800 jam,  = 40 X = 788 n = 30 α = 4 %
H0 : µ = 800
H1 : µ ≠ 800
α = 4 % maka Z = - 2,05 dan Z = 2,05
X  788  800  12
Z= = = = - 1,64
/ n 40 / 30 7,303
Karena Z hitung > - Z tabel , maka H0 diterima.
Kesimpulan : Kita tidak cukup alasan untuk mengatakan bahwa nilai tengah lampu listrik
yang diproduksinya bukan 800 jam dengan selang kepercayaan 96 %.
2. Ujilah hipotesis bahwa rata-rata atau nilai tengah isi kaleng suatu jenis minyak pelumas
lebih dari 10,0 liter. Bila suatu sampel acak berukuran 9 kaleng adalah: 10,3 9,8 10,2
10,4 9,9 10,1 10,5 10,4 dan 10,2 (dalam liter) dengan taraf nyata 1 %.
Jawab
Diketahui µ = 10,0 jam,
 X dan s di cari dulu dari data di atas, sehingga diperoleh X = 10,2 s = 0,234 n = 9 α = 1 %
H0 : µ = 10,0
H1 : µ > 10,0
α = 1 % , maka t 0,01 (8) = 2,896
X  10,2  10,0 0,200
t= = = = 2,564
S/ n 0,234 / 9 0,078
Karena t hitung < t tabel , maka H0 diterima.
Kesimpulan : Kita tidak cukup alasan untuk mengatakan bahwa nilai tengah isi kaleng
pelumas bukan 10,0 liter dengan selang kepercayaan 99 %.

8.3.2. Menguji Selisih ( Beda ) Dua Rata-rata ( Nilai Tengah ) 1 - 2

No H0 H1 Keterangan Statistik Uji Daerah Kritis

1.a H0 : 1 = 2 H1 :  1 ≠ 2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) Zhitung Z/2
diketahui Z= atau
 12  22
 Zhitung - Z/2
n1 n2

1.b H0 : 1 = 2 H1 : 1 2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) Zhitung  Z

diketahui Z=
 12  22

n1 n2

1c H0 : 1 = 2 H1 : 1  2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) Zhitung  -Z

diketahui Z=
 12  22

n1 n2

2.a H0 : 1 = 2 H1 : 1 ≠ 2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung  t /2

tidak diketahui dan t= atau
1 1
diasumsikan 1 = Sp  t hitung - t /2
n1 n2
2
2;b H0 : 1 = 2 H1 : 1  2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung  t 
tidak diketahui dan t=
1 1
diasumsikan 1 = Sp 
n1 n2
2
2.c H0 : 1 = 2 H1 : 1 2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung  - t 
tidak diketahui dan t=
1 1
diasumsikan 1 = 2 Sp 
n1 n2

3.a H0 : 1 =2 H1 : 1 ≠2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung  t /2

tidak diketahui dan t= atau
2 2
S1 S
diasumsikan 1 ≠  2 t hitung - t /2
2 n1 n2
3.b H0 : 1 = 2 H1 : 1 2 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung  t 
tidak diketahui dan t=
2 2
S1 S
diasumsikan 1 ≠  2
2 n1 n2

3.c H0 : 1 = 2 H1 : 12 Informasi 1 dan 2 ( X 1  X 2 )  ( 1   2 ) t hitung - t 

tidak diketahui dan t=
2 2
S1 S
diasumsikan 1 ≠  2
2 n1 n2

4.a H0 : d =d0 H1 : d ≠ d0 Informasi 1 dan 2 d  d0 t hitung  t /2

tidak diketahui dan t= atau
Sd / n
diasumsikan data t hitung - t /2
berpasangan
4.b H0 : d =d0 H1 : d d0 Informasi 1 dan 2 d  d0 t hitung  t 
tidak diketahui dan t=
Sd / n
diasumsikan data
berpasangan
4.c H0 : d =d0 H1 : dd0 Informasi 1 dan 2 d  d0 t hitung - t 
tidak diketahui dan t=
Sd / n
diasumsikan data
berpasangan

Contoh
Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali A melebihi rata-rata
tali B sebesar sekurang-kurangnya 12 kilogram. Untuk diuji pernyataan ini, 50 tali dari masing-
masing jenis tersebut di uji di bawah kondisi yang sama. Hasil uji memperlihatkan tali A
mempunyai kekuatan rentangan rata-rata 86,7 kg dengan simpangan baku 6,28 kg, sedangkan
tali B mempunyai kekuatan rentangan rata-rata 77,8 kg dengan simpangan baku 5,61 kg.
Ujilah pernyataan tersebut ? dengan taraf nyata 5 %.
Jawab.
Diketahui X 1  86,7 1 = 6,28 12 = 39,4384 n1 = 50  = 5 %.

X 2  77,8 2 = 5,61 22 = 31,4721 n2 = 50

H0 : A = B
H1 : A < B
 = 5 %. Z = - 1,96
( X 1  X 2 )  ( 1   2 ) (86,7  77,8)  0 8,9  12,0
Z= = = = - 2,60
1 2
2 2
39,4384 31,4721

1,191

n1 n2 50 50

Karena Z hitung < - Z tabel maka H0 ditolak

Kesimpulan : Kita tidak cukup alasan untuk menyatakan bahwa kekuatan rentangan rata-rata
tali A melebihi rata-rata tali B sekurang-kurangnya 12 kilogram.
Dari dua populasi normal yang bebas diambil sampel acak berkukuran n 1 = 11 dan n2 =14 yang
menghasilkan rata-rata masing-masing adalah 75 dan 60 dan simpangan baku adalah
6,1 dan 5,3.
a. Ujilah hipotesis 1 - 2 belum tentu sama pada taraf nyata 5 %, bila diasumsikan 1 = 2
b. Ujilah hipotesis 1 - 2 belum tentu sama pada taraf nyata 5 %, bila diasumsikan 1 ≠ 2
Jawab
a. Diketahui X 1  75 S1 = 6,1 S12 = 37,21 n1 = 11  = 5 %.

X 2  60 S2 = 5,3 S22 = 28,09 n2 = 14

(n  1) S1  (n2  1) S 2 (11  1)37,21  (14  1)28,09

2 2

Sp2 = 1 = = 32,055 Sp = 5,662

n1  n2  2 11  14  2

H0 : 1 = 2
H1 :  1 ≠ 2
 = 5 %. t0,025(23) = 2,069
( X 1  X 2 )  ( 1   2 ) (75  60)  0 15
t= = = = 6,576
1 1 1 1 2,281
Sp  5,662 
n1 n2 11 14

Karena t hitung > t tabel maka H0 ditolak

Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa 1 = 2 pada taraf nyata 5 %.
b. H0 : 1 = 2
H1 :  1 ≠ 2
 = 5 %. t0,025(20) = 2,086
2
 S1 2 S 2 2   37,21 28,09 
2
 
 n  n    
( dbˆ ) =  1 2 
=  11 14 
= 19, 9  20
  S 2     S 2  2
2
    37,21  2    28,09  2  
  1     2           
  n1     n2      11      14   
     10   13  

 1 n  1   n2  1  
      
    
     
      
   

( X 1  X 2 )  ( 1   2 ) (75  60) 15
t= = = = 6,463
2
S1 S
2
37,21 28,09 2,321
 2 
n1 n2 11 14

Karena t hitung > t tabel maka H0 ditolak

Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa 1 = 2 pada taraf nyata 5 %.
Untuk mengetahui apakah aktif di UKM mempunyai akibat baik atau buruk terhadap IPK yang
dihasilkan. Data mengenai rata-rata IPK telah dikumpulkan selama periode 5 tahun:
Tahun
UKM 1 2 3 4 5
Aktif 2 2 2,3 2,1 2,4
Tidak Aktif 2,2 1,9 2,5 2,3 2,4

Ujilah pada taraf nyata 5 % apakah aktif di UKM berakibat buruk pada IPK?
Jawab.
Diketahui
Aktif 2 2 2,3 2,1 2,4 
Tidak Aktif 2,2 1,9 2,5 2,3 2,4
di - 0,2 0,1 - 0,2 - 0,2 0 - 0,5
d i2 0,04 0,01 0,04 0,04 0 0,13

d 
d i
=
 0,5
 0,1 Sd =
2
n d i  ( d i ) 2
2

=
5(0,13)  (0,5) 2
= 0,02 Sd = 0,1414
n 5 n(n  1) 5(5  1)
H0 : d = 0
H1 : d ≠ 0
 = 5 %. - t0,025(4) = - 2,776
d  d0  0,1
t= = = - 1,587
Sd / n 0,1414
5
karena t hitung > - t tabel maka H0 diterima
Kesimpulan
Kita tidak cukup alasan untuk menyatakan bahwa aktif di UKM berakibat buruk pada IPK
dengan taraf nyata 5 %.
Jika dikerjakan dengan paket program, diperoleh
Paired T-Test and CI: Aktif, Tdk Aktif
Paired T for Aktif - Tdk Aktif
N Mean St-Dev SE Mean
Aktif 5 2.160 0.182 0.081
Tdk Aktif 5 2.260 0.230 0.103
Difference 5 -0.100 0.1414 0.0632
95% CI for mean difference: (-0.2756, 0.0756)
T-Test of mean difference = 0 (vs not = 0): T-Value = -1.58
P-Value = 0.189
8.3.3. Menguji Ragam (  2 )
No H0 H1 Statistik Uji Daerah Kritis

A H0 : 2 = 02 H1 : 2 ≠ 02 (n  1) S 2 2/2 > 2tabel atau 21 - /2 <

2 
0 2
2tabel
B H0 : 2 = 02 H1 : 2 > 02 (n  1) S 2 2 > 2tabel
2 
 02
C H0 : 2 = 02 H1 : 2 < 02 (n  1) S 2 21 -  < 2tabel
 
2

 02

Contoh
Sebuah perusahaan aki mobil mengatakan bahwa umur aki yang diproduksinya mempunyai
simpangan baku populasi sebesar 0,9 tahun. Bila suatu sampel acak berukuran 10 buah aki
telah diambil, ternyata simpangan bakunya adalah 1,2 tahun. Ujilah apakah menurut simpangan
baku populasi sudah lebih dari 0,9 tahun ? dengan taraf nyata 5 %.
Jawab
Diketahui  = 0,9 2 = 0,81 n = 10 S = 1,2 S2 = 1,44  = 0,05
H0 : 2 = 0,81
H1 : 2 > 0,81
 = 0,05 20,05(9) = 16,919
(n  1) S 2 (10  1)1,44
2  = = 16,000
0 2
0,81

Karena 2hitung < 2tabel maka H0 diterima

Kesimpulan
Kita tidak cukup alasan untuk mengatakan bahwa ragam umur aki yang diproduksi oleh
perusahaan tersebut sudah berubah dari 0,9 tahun, dengan taraf nyata 5 %.
  12
8.3.4.. Menguji Nisbah ( Perbandingan ) Ragam ( )
 22
N0 H0 H1 Statistik Uji Daerah Kritis

A H0 : 12 = 22 H1 : 12 ≠ 22 S1

2
f hitung > f /2 ( v2, v1 )
f = 2
S2 1
atau f hitung <
f  / 2 (v 2 , v1 )

B H0 : 12 = 22 H1 : 12 > 22 S1

2
f hitung > f  ( v2, v1 )
f = 2
S2
C H0 : 12 = 22 H1 : 12 < 22 S1
2
1
f = f hitung <
S2
2 f  (v 2 , v1 )

Contoh
Dari dua populasi normal yang bebas diambil sampel acak berkukuran n 1 = 11 dan n2 =14 yang
menghasilkan rata-rata masing-masing adalah 75 dan 60 dan simpangan baku masing-masing
adalah 6,1 dan 5,3. Ujilah dengan taraf nyata 10 %, nisbah ragam tersebut apakah masih sama
atau tidak?
Jawab
Diketahui X 1  75 S1 = 6,1 S12 = 37,21 n1 = 11  = 10 %.

X 2  60 S2 = 5,3 S22 = 28,09 n2 = 14

H0 : 12 = 22
H1 : 12 < 22
1 1
 = 10 %. f /2 ( v2, v1 ) = f 0,05 (13 , 10 ) = 2,89 dan f 1 - /2 ( v1, v2 ) = = = 0,346
f  / 2 (v1 , v 2 ) 2,89
2
S1 37,21
f = 2
= = 1,32
S2 28,09

Karena f hitung < f tabel , maka H0 diterima

Kesimpulan: Kita cukup alasan untuk mengatakan bahwa 12 = 22 dengan taraf nyata 10 %.

Untuk  = 10 % dan 
1 1
sebelah kiri = = = 0,346
2 f 0,05(13,10) 2,89
 Distribution Plot
F; df1=10; df2=13

0,8

0,7

0,6

0,5
Density

0,4

0,3

0,2 0,05

0,1

0,0
0 0,346
X

Untuk  = 5 % dan v1 = 10 dan v2 = 13 , maka f 0, 05(10,13) = 2,67

Distribution Plot
F; df1=10; df2=13

0,8

0,7

0,6

0,5
Density

0,4

0,3

0,2

0,1
0,05
0,0
0 2,67
X
Untuk  = 10 % maka 
1 1
sebelah kiri = = = 0,346 dan sebelah kanan f 0, 05(10,13) = 2,67
2 f 0,05(13,10) 2,89

Distribution Plot
F; df1=10; df2=13

0,8

0,7

0,6

0,5
Density

0,4

0,3

0,2 0,05

0,1
0,05
0,0
0 0,346 2,67
X

Soal Latihan
1. Seorang peneliti mempelajari pengaruh pencahayaan terhadap bunga Lucerne pada kondisi
lingkungan yang berbeda. Ia mengambil sampel secara acak 9 dan 9 tanaman yang segar
dengan bunga-bunga yang tersinari tanpa halangan di bagian atas dan bunga-bunga yang
tersembunyi mungkin di bagian bawahnya. Kemudian ia menghitung banyak biji perdua polong
pada setiap lokasi. Data yang dikumpulkannya adalah:
Bunga b. atas 3,9 5,2 5,4 4,2 4,7 3,9 4,1 4,6 4,5
Bunga b. bawah 4,1 3,7 4,7 3,8 3,6 4,3 4,5 4,0 4,2
a. Ujilah nilai tengah bunga bag, atas yang sesungguhnya > 4,2 dengan taraf nyata 1 %
b. Ujilah nilai tengah bunga bag, bawah yang sesungguhnya > 4,2 dengan taraf nyata 5 %
c. Ujilah beda nilai tengah yang sesungguhnya belum tentu sama, dengan taraf nyata 10 %.,
jika diasumsikan Adan B tidak ketahui dan A = B.
d. Uji ragam bunga bag. atas yang sesungguhnya < 0,200 dengan taraf nyata 1 %.
e. Uji ragam bunga bag. bawah yang sesungguhnya < 0,200 dengan taraf nyata 5 %.
f. Ujuilah nisbah ragam yang sesungguhnya denagn taraf nyata 10 %.
8.4. Menguji Homogenitas Ragam

H0 : 12 = 22 = 32 = = k2

H1 : H0 ditolak
Statistik yang digunakan  Bartlett  (ln 10){B   (ni  1)} log si }
2 2

 (n  1)s
2

dan B = (log s 2 ) (ni  1)

i i
dengan s2 =
 (n  1)i

 2 Bartlett  (ln 10){B   (ni  1)} log si 2 }

Contoh
Perlak 1 Perlak 2 Perlak 3 Perlak 4
16 13 15 10
20 15 19 14
23 17 12 12
18 19 17 18
15 22 11 16

Descriptive Statistics: Respon

Variable Ragam N Mean StDev Variance
2
Respon s1 5 18.40 3.209 10.300
2
s2 5 17,20 3.493 12.200
2
s3 5 14,80 3,347 11,200
2
s4 s1
2
5 14.20 3,162 10,000
2
sp 20 14.55 3,305 10,925

Sampel Ke db 1 S i2 log Si2 ( db ) log Si2

db
1 4 0,25 10,300 1,0128 4,0512
2 4 0,25 12.200 1,0863 4,3452
3 4 0,25 11,200 1,0492 4,1968
4 4 0,25 10.000 1,0000 4,0000
Jumlah 16 - - - 16,5932

 (n  1)s
2

dan B = (log s 2 ) (ni  1)

i i
dengan s2 =
 (n  1)i
  2 Bartlett  (ln 10){B   (ni  1)} log si 2 }

log Sp2 = log 10,925 = 1,0384

 (n  1)} log si } = ( db ) log Si2 = 16,5932

2
i

B = (log s p ) (ni  1) = 1,0384 ( 16) = 16,6144

2

 Bartlett2  (ln 10){B   (ni  1)} log si 2 } = 2,3025 ( 16,6144 – 16,5932 ) = 0,0479

 tabel 2 = 5 % =  2 0,05(3)  7,815

Distribution Plot
Chi-Square; df=3
0,25

0,20

0,15
Density

0,10

0,05

0.05
0,00
0 7.815
X

Kesimpulan:
Karena 2hitung < 2tabel maka H0 diterima berarti Kita tidak cukup alasan untuk mengatakan
bahwa keempat ragam tersebut berbeda.
Hasil manual adalah 0,0479 sedangkan hasil olahan paket program adalah 0,04 ( perbedaan
antara 0,0479 dan 0,04 disebabkan pembulatan dari perkalian saja ).
Jika dengan paket program adalah
Test for Equal Variances: Respons versus Perlakuan

95% Bonferroni confidence intervals for standard deviations

Perlakuan N Lower StDev Upper

1 5 1,69426 3,20936 13,3149
2 5 1,84391 3,49285 14,4910
3 5 1,76673 3,34664 13,8844
4 5 1,66940 3,16228 13,1195

Bartlett's Test (Normal Distribution)

Test statistic = 0,04; p-value = 0,998

Levene's Test (Any Continuous Distribution)

Test statistic = 0,02; p-value = 0,996

Uji Homogenitas Ragam

Bartlett's Test

1 Test Statistic 0,04

P-Value 0,998
Lev ene's Test
Test Statistic 0,02
P-Value 0,996
2
Perlakuan

0 2 4 6 8 10 12 14 16
95% Bonferroni Confidence Intervals for StDevs
8.5. Uji Kebaikan Suai atau Uji Kecocokan ( Goodness of fit test )
Uji Kebaikan Suai artinya ingin melihat sejauhmana antara frekuensi yang teramati (observasi)
k
(oi  ei ) 2
dengan frekuensi harapan ( ekspekstasi ) didasarkan pada besaran:  2  
i 1 ei
Prosedurnya
a. Tentukan perumusan hipotesisnya sesuai dengan masalahnya, yaitu:
H0 : Tidak ada masalah
H1: H0 ditolak .
b. Tentukan taraf nyata yang diinginkan
c. Tentukan statistik ujinya, yaitu:
d. Bandingkan antara statistik uji dengan statistik tabel.
e. Buat Kesimpulan.
Contoh
Pelantunan sebuah dadu yang seimbang ( homogen ) sebanyak 120 kali.Hasil percobaan
sebagai berikut:
Permukaan dadu 1 2 3 4 5 6 
Hasil observasi 23 22 17 21 19 18 120
Ujilah dengan  = 5 %, apakah dadu tersebut mempunyai permukaan yang sama (seimbang)
atau tidak?
Jawab.
H0 : Pelantunan sebuah dadu sebanyak 120 masih seimbang
H1: Pelantunan sebuah dadu sebanyak 120 sudah tidak seimbang atau H 0 ditolak
=5% 20,05 ( 5 ) = 11,070
 Distribution Plot
Chi-Square, df=5
0.16

0.14

0.12

0.10
Density

0.08

0.06

0.04

0.02
0.05
0.00
0 11.070
X

k
(oi  ei ) 2 (23  20) 2 (22  20) 2 (17  20) (21  20) 2 (19  20) 2 (18  20) 2
2   =      = 1,400
i 1 ei 20 20 20 20 20 20

Karena 2 hitung < 2 tabel , maka H0 diterima

Kesimpulan: Kita cukup alasan untuk mengatakan bahwa pelantunan sebuah dadu sebanyak
120 masih seimbang dengan taraf nyata 5 %.

8.6 Uji Kebebasan ( Freedom of test )

Uji kebebasan artinya ingin melihat sejauhmana ada hubungan atau tidak antara faktor yang
satu dengan faktor yang lainnya, secara umum disebut dengan Kontingensi dan hal tersebut
k
(oi  ei ) 2
didasarkan pada besaran:  2  
i 1 ei

Prosedurnya
Tentukan perumusan hipotesisnya sesuai dengan masalahnya, yaitu:
H0 : Apakah ada hubungan atau tidak antara .........
H1: H0 ditolak .
a. Tentukan taraf nyata yang diinginkan
b. Tentukan statistik ujinya, yaitu:
c. Bandingkan antara statistik uji dengan statistik tabel.
d. Buat Kesimpulan.
Contoh
Dalam suatu penelitian dikumpulkan data untuk menentukan apakah proporsi produk yang
cacat oleh pekerja yang bertugas pagi, sore dan malam hari sama atau tidak. Data diperoleh
sebagai berikut:
Waktu Kerja
Hasil Produk Pagi Sore Malam Jumlah
Cacat 50 60 70 180
Tidak Cacat 750 740 730 2220
Jumlah 800 800 800 2400

Ujilah dengan taraf nyata 5 %, apakah ada hubungan atau tidak antara hasil produk dengan
waktu kerja.
Jawab
Cari nilai ekspeksi dulu untuk masing-masing sel, yaitu
(180 x800) (2220 x800)
E(Cacat  Pagi) = = 60 E( Tidak Cacat  Pagi) = = 740
2400 2400
(180 x800) (2220 x800)
E(Cacat  Sore) = = 60 E(Tidak Cacat  Sore) = = 740
2400 2400
(180 x800) (2220 x800)
E(Cacat  Malam) = = 60 E(Tidak Cacat  Malam) = = 740
2400 2400
H0 : Tidak ada hubungan antara hasil produk dengan waktu kerja.
H1 : H0 ditolak
=5% 20,05 ( 2 ) = 5,991
 Distribution Plot
Chi-Square, df=2

0.5

0.4

0.3
Density

0.2

0.1

0.05
0.0
0 5.991
X

k
(oi  ei ) 2 (50  60) 2 (60  60) 2 (70  60) 2 (750  740) 2 (740  740) 2 (730  740) 2
2   =     
i 1 ei 60 60 60 740 740 740
= 1,667 + 0 + 1,667 + 0,135 + 0,135 + 0,135 = 5,406
Karena 2 hitung < 2 tabel , 5,406  5,991, maka H0 diterima
Kesimpulan: Kita cukup alasan untuk mengatakan bahwa tidak ada hubungan atau tidak
pengaruh antara hasil produk dengan waktu kerja, berarti proporsi produk yang cacat oleh
pekerja yang bertugas pagi, sore dan malam hari adalah sama dengan taraf nyata 5 %.

Soal Latihan
Suatu penelitian untuk melihat apakah ada hubungan antara kelas pasar kebiasaan belanja
dan status ekonomi , diperoleh data sebagai berikut:
Ekonomi Ekonomi Ekonomi Jumlah
Bawah Menengah Atas
Pasar Tradisional 90 70 40 200
Pasar Modern 30 70 100 200
Jumlah 120 140 140 400

Ujilah dengan taraf nyata  = 5 %, apakah ada hubungan antara kelas pasar kebiasaan belanja
dengan status ekonomi ?.
 IX ANALISIS RAGAM

9.1. Pendahuluan
Teknik Analisis Ragam (Analysis of Variance) digunakan untuk menguji rata-rata (nilai tengah )
bila lebih dari dua atau untuk menguji beberapa rata-rata.
Analisis ragam artinya suatu metode untuk menguraikan keragaman total menjadi komponen-
komponen yang mengukur berbagai sumber keragaman.

9.2. Model Matematik

Dalam Statistika, jika kita mengukur lebih dari satu kali maka diperoleh rata-rata data dan
penyimpangan dari data itu sendiri. Hal tersebut dituangkan dalam bentuk persamaan
matematiknya adalah : Yi =  ± i
Artinya Yi = hasil pengamatan atau pengukuran,ke-i,  = rata-rata atau nilai tengah dan

i = galat percobaan
Model matematik tersebut dikenal dengan istilah Model Linear Aditif.
Andaikan yang diukur itu adalah suatu perlakuan ( treatmen ), maka model linear aditifnya
adalah
Yij =  +  i + ij di mana i = perlakuan ( treatmen ) dengan i = 1, 2, . . . , t dan

j = ulangan ( replikasi ) dengan j = 1, 2, . . . , r.

Yij = pengaruh yang akan kita ukur
 = rata-rata atau nilai tengah
 i = pengaruh perlakuan ke-i
i j = galat percobaan yang mendapat perlakuan ke-i dan ulangan ke-j.
( Yij ) 2
Jadi Yij =  +  i + ij adalah Y
2
FK = Faktor Koreksi = ij -
tr
( Yij ) 2
Yij -
2
JKT = Jumlah Kuadrat Total =
tr
( Yij ) 2
Y
2
JKP = Jumlah Kuadrat Perlakuan = i. -
tr
JKG = Jumlah Kuadrat Galat = JKT - JKP
JKT FK JKP JKG
9.3. Klasifikasi Satu Arah

Misalkan kita ingin menguji lebih dari dua rata-rata atau nilai tengah sebutlah uji beberapa rata-
rata, maka hipotesisnya
H0 : 1 = 2 = 3 = ... = k
H1 : H0 ditolak atau sekurang-kurangnya dua rata-rata tidak sama.

Identitas Jumlah Kuadrat Klasifikasi Satu Arah

k n k
 2   2 k n 
 ij
( y  y
i 1 j 1
..)  n  i. .. )   ( yij  yi. ) 2
y  y
i 1 i 1 j 1

 k n
  
 ( y ij  y.. ) 2 = [( y i.  y.. )  ( yij  yi. )] 2
i 1 j 1

k n
     
= [( y
i 1 j 1
i.  y..) 2  2( yi.  y.. )( yij  yi. )  ( yij  yi. ) 2 ]

k n k n k n
     
=  ( yi.  y.. ) 2 + 2
i 1 j 1
 ( yi.  y.. )( yij  yi. ) +
i 1 j 1
 (y
i 1 j 1
ij  yi. ) 2

k n
  
di mana 2  ( y
i 1 j 1
i.  y.. )( yij  yi. ) = 0

 n 
  y ij 
 j 1 
n n n
 
 ( yij  yi. ) =  y ij  ny i.   y ij  n  =0
j 1 j 1 j 1 n
 
 
k
k
n
  
 ( yi.  y.. ) 2 = n (yi 1
i.  y.. ) 2
i 1 j 1

k
k n
   k n

Jadi  ( yij  y.. ) 2 = n  ( yi.  y.. ) 2 +
i 1
 (y ij  yi. ) 2
i 1 j 1 i 1 j 1

k n
 
Dan diperoleh JKT = Jumlah Kuadrat Total =  ( y
i 1 j 1
i.  y.. ) 2

k
 
JKK = Jumlah Kuadrat Kolom = n (y
i 1
i.  y.. ) 2

k n

JKG = Jumlah Kuadrat Galat =  (y
i 1 j 1
ij  yi. ) 2

Dengan demikian identitas jumlah kuadrat dinotasikan sebagai persamaan

JKT = JKK + JKG
 k n
( y ij ) 2
 y 
2
Rumus Operasional JKT = ij
i 1 j 1 nk
k

y i.
2
( y ij ) 2
i 1
Rumus Operasional JKK = -
n nk
Rumus Operasional JKG = JKT – JKK

Tabel Klasifikasi Satu Arah

Perlakuan Jumlah
Ulangan 1 2 t
1 Y11 Y12 Y1t Y.j
2 Y21 Y22 Y21 Y.j

r Yri Yr2 Yrt Y.j

Jumlah Yi. Yi. Yi. Yij

Kolom dalam hal ini menyatakan banyaknya perlakuan atau banyaknya rata-rata yang akan
diuji.
Selanjutnya dibuat dalam tabel analisis ragam, yaitu:
Sumber Derajat Jumlah Kuadrat Tengah F hitung F tabel
Keragaman Bebas Kuadrat 0,05 0,01
Perlakuan t -1 JKP JKP KTP ....... .......
dbPerlakuan KTG
Galat t(r–1) JKG JKG
dbGalat
Total tr – 1 JKT JKT
dbtotal

9.4. Kriteria Pengujian

f hitung > f tabel , baik 5 % ataupun 1 %, maka H0 sangat ditolak (sangat berbeda/ higly significant)

f hitung > f tabel , baik 5 % tapi < 1 %, maka H0 ditolak (berbeda/ significant)

f hitung < f tabel , baik 5 % ataupun 1 %, maka H0 diterima (tidak berbeda/ non significant)
Contoh
Dari 5 ( lima ) tablet sakit kepala yang diberikan kepada 25 dicatat berapa lama tablet-tablet itu
dapat mengurangi rasa sakit. Ke 25 orang itu dibagi secara acak ke dalam 5 jenis tablet sakit
kepala sebut saja tablet merk A, B, C, D dan E yang masing-masing diberi satu. Hasilnya
reaksi pengobatan dicantumkan dalam tabel sebagai berikut:
Tablet
Orang A B C D E 
1 4 9 3 2 7 25
2 5 7 5 3 6 26
3 8 8 2 4 9 31
4 6 6 3 1 4 20
5 3 9 7 4 7 30
Jumlah 26 39 20 14 33 132

Apakah ada pengaruh yang berarti atau tidak dari kelima tablet sakit kepala tersebut?

Jawab
H0: Secara rata-rata kelima jenis tablet mempunyai reaksi yang sama dalam mengurangi rasa
sakit kepala.
H1: Secara rata-rata kelima jenis tablet belum tentu mempunyai reaksi yang sama dalam
mengurangi rasa sakit kepala.

Atau dengan bahasa statistiknya

H0 : µA = µB = µC = µD = µE
H1 : H0 ditolak ( artinya salah satu ada yang tidak sama )
Selanjutnya hitung
( Yij ) 2 (132) 2 17424
1. FK = = = = 696,96
tr 5 x5 25
( Yij ) 2
Yij -
2
2. JKT = = [ 42 + 52 + ... + 72 ] – 696,96 = 834 - 696,96 = 137,04
tr

Y (Yij ) 2
2
(26) 2  (39) 2  (20) 2  (14) 2  (33) 2

i.
3. JKP = =[ ] – 696,96 = 776,40 – 696,96 =
r tr 5
79,44
4. JKG = JKT – JKP = 137,04 – 79,44 = 57,60

Selanjutnya disajikan dalam tabel

Tabel Analisis ragam
Sumber Derajat Bebas Jumlah Kuadrat f hitung f tabel
Keragaman Kuadrat Tengah 0,05 0,01
Perlakuan 5–1=4 79,44 19,86 6,90 ** 2,87 4,43
Galat 5(5–1) =20 57,60 2,88
Total 5x5– 1 = 24 137,04

Kesimpulan

Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 sangat ditolak, berarti kelima jenis tablet

sakit kepala memberikan reaksi yang sangat berbeda.

Bila dihitung melalui paket program hasilnya adalah

General Linear Model: Respons versus Perlakuan
Factor Type Levels Values
Perlakuan fixed 5 A, B, C, D, E
One-way ANOVA: Respon versus Perlakuan

Analysis of Variance for Respon

Source DF SS MS F P
Perlakuan 4 79.44 19.86 6.90 0.001
Error 20 57.60 2.88
Total 24 137.04
Pooled St Dev = 1.697

Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 ditolak, berarti kelima jenis tablet sakit
kepala memberikan reaksi yang sangat berbeda.
Perhatikan
Terlihat hasil perhitungan secara manual dan hasil melalui paket program di atas adalah sama

pada tabel analisis ragam dan pada tabel Analysis of Variance .

Selanjutnya dilihat hasil ploting data tersebut sebgai berikut.

Residual Plots for Treatmen

Normal Probability Plot Versus Fits
99
3,0
90
1,5

Residual
Percent

50 0,0

10 -1,5

1 -3,0
-4 -2 0 2 4 4 6 8
Residual Fitted Value

Histogram Versus Order

3,0
4,8

3,6 1,5
Frequency

Residual

2,4 0,0

1,2 -1,5

0,0 -3,0
-2,4 -1,2 0,0 1,2 2,4 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

Contoh lainnya

Tablet
Orang A B C D E 
1 4 9 3 2 7 25
2 5 7 5 3 6 26
3 8 8 2 9 21
4 6 6 12
5 3 3
Jumlah 26 30 10 5 22 93

Hasil Analisis

Sumber Derajat Jumlah Kuadrat f hitung f tabel

Keragaman Bebas Kuadrat Tengah 0,05 0,01
Perlakuan 4 58,602 14,650 5,93 ** 3,26 5,41
Galat 12 29,633 2,469
Total 16 88,235

Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 ditolak, berarti kelima jenis tablet sakit
kepala memberikan reaksi yang sangat berbeda.
One-way ANOVA: Respon versus Perlakuan
Source DF SS MS F P
Perlakuan 4 58.60 14.65 5.93 0.007
Error 12 29.64 2.47
Total 16 88.24
S = 1.571 R-Sq = 66.42% R-Sq(adj) = 55.22%

Individual 95% CIs For Mean Based on Pooled St-Dev

Level N Mean St-Dev +---------+---------+---------+---------
A 5 5.200 1.924 (-----*-----)
B 4 7.500 1.291 (------*------)
C 3 3.333 1.528 (-------*-------)
D 2 2.500 0.707 (---------*---------)
E 3 7.333 1.528 (-------*-------)
+---------+---------+---------+---------
0.0 2.5 5.0 7.5

Pooled St-Dev = 1.571

Kesimpulan
Karena f hitung > f tabel baik 5 % ataupun 1 %, maka H0 sangat ditolak, berarti kelima jenis tablet
sakit kepala memberikan reaksi yang sangat berbeda.
Perhatikan diperoleh data sampel mengenai nilai hasil dari peserta LUAN SMA 2009 sebagai
berikut:

Siswa
Pelajaran 1 2 3 4 5
Matematika 61 67 68 65 68
B Indonesia 72 75 70 77 70
B Inggris 67 69 72 71 73
IPA 70 73 74 72 74
IPS 75 74 76 80 76

Pertanyaannya
a. Apakah ada perbedaan kemampuan dari kelima siswa tersebut.
b. Apakah ada perbedaan tingkat kesulitan dari kelima pelajaran tersebut
Jawab
Sebelum menjawab hal tersebut akan diuji terlebih dahulu asumsi normalitas data dan
homogenitas ragam data
a. Uji Normalitas Data sebagai berikut:
H0 : Data kemampuan siswa 1 adalah normal
H1 : data kemampuan siswa 1 tidak normal.
Taraf Nyata (  ) = 5 % Z tabel = 1,96
Z hitung menurut Anderson Darling ( AD ) = 0,165

Kesimpulan :
Karena Z hitung < Z tabel , maka H0 : diterima, berarti kemampuan siswa 1 adalah normal.
.

Uji Normalitas Data Siswa 1

Normal
99
Mean 69
StDev 5,339
95 N 5
AD 0,190
90
P-Value 0,789
80
70
Percent

60
50
40
30
20

10

1
60 65 70 75 80 85
1
 X. Analisis Regresi dan Korelasi

10.1. Pendahuluan
Analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau lebih
peubah. Bila hubungan tersebut dapat dinyatakan dalam bentuk matematik, maka akan dapat
menggunakannya untuk keperluan peramalan.
Regresi berasal dari kata regress artinya cenderung, pengertian regresi berarti kecenderungan
mendekati.
Jadi kecenderungan pola hubungan peubah secara fungsional merupakan suatu garis lurus
atau tidak.

Analisis Regresi merupakan hubungan fungsional antara dua atau lebih peubah sedangkan
Analisis Korelasi merupakan hubungan keeratan antara dua atau lebih peubah.
Suatu fungsi ditulis Y  f ( X ) . Hubungan funsional tersebut ditulis Y  X dalam hal ini Y
merupakan peubah tak bebas ( terikat/dependent ) dan X merupakan peubah bebas (
independent ). Sehingga hubungan tersebut dapat ditulis menjadi Y  X  

10.2 Jenis Regresi

Regresi terdiri dari regresi linear dan non linear.
a.1. Regresi Linear berarti garisnya merupakan garis lurus. Regresi Linear terdiri dari
Regresi Linear Sederhana artinya hubungan garis lurus dengan satu peubah bebas.
a.2. Regresi Linear Berganda artinya hubungan garis lurus dengan lebih dari satu peubah
bebas
b. Regresi Non Linear berarti garisnya bukan merupakan garis lurus, mungkin
b.1. Regresi Kuadratik Y  a  bX  cX 2
b.2. Regresi Kubik Y  a  bX  cX 2 + dX3
b.3. Regresi Geometrik Y  aX b .
b.4. Regresi Eksponensial Y  ab x
1
b.5. Regresi Logistik Y =
ab  c
x
10.3. Regresi Linear Sederhana

Persamaan garis Y  X   dalam operasionalnya diduga melalui sampel menjadi y  a  bx
dengan a = koefisien titik potong dan b = koefisien regresi. Selanjutnya dengan metode
kuadrat terkecil ( Ordinary Least Squares ) diperoleh persamaan untu koefisien:

b=
n X i Yi  ( X i )(  Yi )
dan a = y  bx dengan x 
X i
dan y 
Y i

n X i  ( X i )
2 2
n n

Contoh
1. Perhatikan data sebagai berikut:
X 1 2 3 4 5 6

Y 6 4 3 5 4 2

Buatlah persamaan garis regresi linear sederhana.

Jawab

X Y XY X2 Y2
1 6 6 1 36
2 4 8 4 16
3 3 9 9 9
4 5 20 16 25
5 4 20 25 16
6 2 12 36 4
21 24 75 91 106

x
X i
y
Y i
Sx2 =
n X i  ( X i ) 2
2

Sy2 =
n Yi  ( Yi ) 2
2

n n n(n  1) n(n  1)

21 24 6(91)  (21) 2 6(106)  (24) 2

x  3,5 y  4,0 Sx2 = = 3,5 Sy2 = = 2,0
6 6 6(6  1) 6(6  1)

2 2
Sx = Sx = 3,5 = 1,871 Sy = Sy = 2,0 = 1,414

6(75)  (21)( 24) 450  504  54

b = = = - 0,514
6(91)  (21) 2
546  441 105

a = 4.0 – ( - 0,514 ) ( 3,5 ) = 4 + 1,8 = 5,8


Jadi persamaan garis regresi linear sederhana adalah y  5,8 – 0,514 x
Jika dikerjakan dengan paket program hasilnya, sebagai berikut:
Regression Analysis: Volume versus Harga

The regression equation is

Volume = 5.80 - 0.514 Harga

Predictor Coef SE Coef T P

Constant 5.800 1.079 5.38 0.006
Harga -0.514 0.277 -1.86 0.137

S = 1.15882 R-Sq = 46.3% R-Sq(adj) = 32.9% r = - 0,68

Analysis of Variance

Source DF SS MS F P
Regression 1 4.629 4.629 3.45 0.137
Residual Error 4 5.371 1.343
Total 5 10.000

Jika data tersebut kita plot, maka hasilnya sebagai berikut:

Fitted Line Plot

Y = 5,800 - 0,5143 X
S 1,15882
6
R-Sq 46,3%
R-Sq(adj) 32,9%

4
Y

1 2 3 4 5 6
X
Jadi persamaan garis regresi yang kita duga tidak pas dengan data yang kita punya, artinya
ada penyimpangan atau keragaman dalam pembuatan garis regresi.
10.3.1 Keragaman Sehubungan dengan Regresi Linear Sederhana

(n  1)
a. Ragam Galat (   2 atau  y .x ) akan diduga melalui Se2 = S y.x =
2 2
[ Sy2 – b2 Sx2 ]
(n  2)
2
S y. x
b. Ragam Koefisien Regresi (   ) akan diduga melalui
2
Sb2 =
 (X i  X )2

1 x2
c. Ragam Koefisien Titik Potong (   ) akan diduga melalui { 
2 2
Sa2 = S y.x }
n ( X i  X )2

Hasil perhitungan dengan data di atas diperoleh :

2 (n  1)
a. S y.x = [ Sy2 – b2 Sx2 ]
(n  2)
(6  1) 5
= [ 2 – ( - 0,514)2 ( 3,5 ) ] = [ 2 – 0,925 ] = 1,343
(6  2) 4

Untuk menghitung b, cari dulu nilai ( X i  X ) 2 melalui rumus ragam lainnya, yaitu :

(X  X )2
( X  X ) 2 = ( n – 1 ) Sx2 = ( 6 – 1 ) 3,5 = 17,5
i
Sx2 = dan diperoleh
n 1
i

2
S y. x 1.343
b. Sb2 = = = 0,077 kalau ditanya Sb = 0,077 = 0,277
 (X i  X) 2
17,5

1 x2 1 (3,5) 2
 
2
c. Sa2 = S y.x { } = 1,343 { } = 1,343 ( 0,167 + 0,7 ) = 1,164
n ( X i  X )2 6 17,5

kalau ditanya Sa = 1,164 = 1,079

10.3.2 Pendugaan Sehubungan dengan Regresi Linear Sederhana

(n  2) S y. x (n  2) S y. x
2 2

a. Menduga Ragam Galat (   ) dengan P[ 2

   2
]=1–α
 / 2 2 1 / 2 2

b. Menduga Ragam Koefisien Regresi   dengan P[ b – t α/2 Sb ≤ β ≤ b + t α/2 Sb ] = 1 - α

2

c. Menduga Ragam Koefisien Regresi   dengan P[ a – t α/2 Sa ≤ α ≤ a + t α/2 Sa ] = 1 - α

2

Untuk soal di atas tadi dengan 1 – α = 0,95, maka

(n  2) S y. x (n  2) S y. x
2 2

  y .x 
2
a. P[ ]=1–α
 / 2 2 1 / 2 2
(6  2)1,343 (6  2)1,343
≤  y .x ≤
2
P[ ] = 0,95
11,143 0,484

P( 0,482 ≤   ≤ 11,099 ) = 0,95

2

b. P[ b – t α/2 Sb ≤ β ≤ b + t α/2 Sb ] = 1 – α
 P[ - 0,514 – (2,776)(0,277) ≤ β ≤ - 0,514 + (2,776)(0,277) ] = 0,95
P( - 1,283 ≤ β ≤ 0,255 ) = 0,95
c. P[ a – t α/2 Sa ≤ α ≤ a + t α/2 Sa ] = 1 – α
P[ 5,8 – (2,776)(1,079) ≤ α ≤ 5,8 + (2,776)(1,079) ] = 0,95
P( 2,805 ≤ α ≤ 8,795 ) = 0,95

10.3.3. Pengujian Hipotesis Sehubungan dengan Regresi Linear Sederhana

H0 : Garis regresi linear sederhana
H1 : Garis regresi tidak linear sederhana
Prosedur Pengujian
( Yi ) 2
a. Hitung FK =
n
( Yi ) 2
Y 
2
b. Hitung JKT = i
n
 ( X i )(  Yi ) 
c. Hitung JKR = Jumlah Kuadrat Regresi = b   X i Yi  
 n 
 
d. Hitung JKG = JKT – JKR
Tabel Analisis Ragam

Sumber Derajat Jumlah Kuadrat f hitung f tabel

Keragaman Bebas Kuadrat Tengah 0,05 0,01
 ( X i )(  Yi ) 
2
S regresi KTR
B   X i Yi  

JKR
2
=
Regresi 1  n  dbR S galat KTG
 2
Sy.x2 =
 (Yi  Y ) JKG
Galat n–2 n2 dbG
( Yi ) 2
Y 
2
i
Total n–1 n

Untuk contoh soal di atas adalah:

( Yi ) 2 ( 24) 2
FK = = = 96
n 6

( Yi ) 2
Y 
2
JKT = i = 106 – 96 = 10
n

 ( X i )(  Yi ) 
JKR = b   X i Yi   = ( - 0,514 )  (75)  (21)( 24)  = 4,626
n   6 
 
JKG = JKT – JKR = 10 – 4,626 = 5,374

Selanjutnya disajikan dalam Tabel Analisis Ragam

Sumber Derajat Jumlah Kuadrat f hitung f table

Keragaman Bebas Kuadrat Tengah 0,05 0,01
Regresi 1 4,626 4,626 3,45 tn 7,71 21,20
Galat 6–2=4 5,374 1,343
Total 6–1=5 10,000

Karena f hitung < f tabel , maka hipotesis diterima

Kesimpulan : berarti garis regresi linear sederhana

Perhatikan hasil perhitungan menggunakan alat bantu ( program komputer paket Minitab )

Regression Analysis: Y versus X

The regression equation is

Y = 5,80 - 0,514 X
Predictor Coef SE Coef T P
Constant 5,800 1,079 5,38 0,006
X -0,5143 0,2770 -1,86 0,137
S = 1,15882 R-Sq = 46,3% R-Sq(adj) = 32,9%

Analysis of Variance
Source DF SS MS F P
Regression 1 4,629 4,629 3,45 0,137
Residual Error 4 5,371 1,343
Total 5 10,000

Trend Analysis Plot for Y

Linear Trend Model
Yt = 5.80 - 0.514286*t
Variable
6
A ctual
Fits

A ccuracy Measures
5 MA PE 25.5397
MA D 0.9143
MSD 0.8952

4
Y

1 2 3 4 5 6
Index
No Data X Data Y Persamaan Regresi Gambar
1 1 6

2 4 Y1 = 5.47 - 0.371 X1 Fitted Line Plot
Y1 = 5.467 - 0.3714 X1

S 1.05108
6.0

3 3 b0 = + ( positif ) 5.5
R-Sq
R-Sq(adj)
35.3%
19.2%

4 5 b1 = - ( negatif )
5.0

4.5

Y1
5 4 4.0

6 3 3.5

3.0

1 2 3 4 5 6
X1

2 1 4  Fitted Line Plot

2 4 Y2 = 3.00 + 0.714 X2 7.5

Y2 = 3.000 + 0.7143 X2

S 0.377964
R-Sq 94.0%

3 5 b0 = + ( positif ) 7.0

6.5
R-Sq(adj) 92.5%

4 6 b1 = + ( positif ) 6.0

5.5

Y2
5 7 5.0

4.5

6 7 4.0

3.5
1 2 3 4 5 6
X2

3 1 9

2 8 Y3 = 10.0 - 1.00 X3 9
Fitted Line Plot
Y3 = 10.00 - 1.000 X3

S 0
R-Sq 100.0%

3 7 b0 = + ( positif ) 8
R-Sq(adj) 100.0%

4 6 b1 = - ( negatif )
7

Y3
6

5 5 5

6 4 4

1 2 3
X3
4 5 6

4 1 4 Fitted Line Plot

Y4 = 5.000 + 0.0000 X4

 7 S
R-Sq
1.58114
0.0%

2 7 Y4 = 5.00 + 0.000 X4 6
R-Sq(adj) 0.0%

3 5 b0 = + ( positif ) 5
Y4

4 3 b1 = 0 4

5 6 3

1 2 3 4 5 6
X4

6 5
5 1 3 Fitted Line Plot


Y5 = 2.000 + 1.000 X5

S 0
8

2 4 Y5 = 2.00 + 1.00 X5 7
R-Sq
R-Sq(adj)
100.0%
100.0%

3 5 b0 = + ( positif ) 6
Y5

4 6 b1 = + ( positif )
5

5 7 3

6 8 1 2 3
X5
4 5 6

1. Suatu penelitian ingin mengukur banyaknya volume penjualan ( dalam unit ) pada berbagai waktu jual
( dalam minggu ) , datanya sebagai berikut :

Waktu Jual ( x ) 11 12 13 14 15 16 17 18 19 20
Volume Penjualan ( y ) 14 15 16 16 17 18 18 19 20 22

a. Tentukan persamaan garis regresi linear sederhana ? hitungan sampai 3 desimal

2 2 2
b. Hitunglah keragaman untuk S y.x , S b1 dan S b 0
c. Jika waktu jual pada minggu ke-25 , berapa prakiraan ( ramalan ) volume penjualan ( ŷ )
1. Diketahui data
X Y XY X2 Y2
11 14 154 121 196
12 15 180 144 225
13 16 208 169 256
14 16 224 196 256
15 17 255 225 289
16 18 288 256 324
17 18 306 289 324
18 19 342 324 361
19 20 380 361 400
20 22 440 400 484
155 175 2777 2485 3115

X Y  X Y = 2777  X Y
2 2
i = 155 i = 175 i i i = 2485 i = 3115

x
X i
y
Y i
Sx2 =
n X i  ( X i ) 2
2

Sy2 =
n Yi  ( Yi ) 2
2

x
155
 15,5
n n n(n  1) n(n  1) 10

175 10(92485)  (155) 2 10(3115)  (175) 2

y  17,5 Sx2 = = 9,167 Sy2 = = 5,833
10 10(10  1) 10(10  1)

2 2
Sx = Sx = 9,167 = 3,028 Sy = Sy = 5,833 = 2,415

10(2777)  (155)(175) 27770  27125 645

b1  = = = 0,782
10(2485)  (155) 2
24850  24025 825

b0 = 17,5 – ( 0,782 ) ( 15,5 ) = 17,5 - 12,121 = 5,379


a. Jadi persamaan garis regresi linear sederhana adalah y  5,379 + 0,782 X

2 (n  1)
b.1. S y.x = [ Sy2 – b2 Sx2 ]
(n  2)
(10  1) 9
= [ 5,833 – ( 0,782)2 ( 9,167 ) ] = [ 5,833 – 5,606 ] = 0,227
(10  2) 8

Untuk menghitung b, cari dulu nilai ( X i  X ) 2 melalui rumus ragam lainnya, yaitu :
 (X  X )2
( X  X ) 2 = ( n – 1 ) Sx2 = ( 10 – 1 ) 9,167 = 82,503
i
Sx2 = dan diperoleh
n 1
i

2
S y. x 0,277
b.2. Sb12 = = = 0,003 kalau ditanya Sb1 = 0,003 = 0,058
 (X i  X) 2
82,503

1 x2 1 (15,5) 2
 
2
b,3,. Sbo2 = S y.x { } = 0,277 { } = 0,277 ( 0,1 + 2,912 ) = 0,834
n ( X i  X )2 10 82,503

kalau ditanya Sbo = 0,834 = 0,913

10.4. Analisis Korelasi

Analisis Korelasi merupakan hubungan keeratan antara dua atau lebih peubah, koefisien
korelasi ditulis dengan notasi r dan persamaannya sebagai berikut:
n X i Yi  ( X i )(  Yi )
r =
{n X i  ( X ) 2 }{n Yi  ( Yi ) 2 }
2 2

besarnya nilai r antara -1 ≤ r ≤ 1, sedangkan bila r dikuadratkan atau r2 atau R2 merupakan

koefisien determinasi yang berarti kemampuan mendeteksi Y ( peubah respon ) oleh X (
peubah bebas ) yang dinyatakan dalam persen.
bS x
Hubungan antara Regresi dengan Korelasi dinyatakan dalam bentuk r= dengan
Sy

r = koefisien korelasi, b= koefisien regresi, Sx=simpangan baku data X dan Sy =simpangan baku
data Y.atau dapat diturunkan dari JKG = Jumlah Kuadrat Galat = ( n – 1 ) ( sy2 – b2 sx2 ) ,
sehingga diperoleh
JKG
r2  1
(n  1) s y
2

Untuk contoh soal Diketahui data sebagai berikut:

X Y XY X2 Y2
1 6 6 1 36
2 4 8 4 16
3 3 9 9 9
4 5 20 16 25
5 4 20 25 16
6 2 12 36 4
21 24 75 91 106

n X i Yi  ( X i )(  Yi )
6(75)  (21)( 24)
r = = = - 0,68
{n X i  ( X ) 2 }{n Yi  ( Yi ) 2 } {6(91)  (21) 2 }{6(106)  (24) 2 }
2 2
 bS x
atau r =
Sy

bS x  0,514(1,871)
Coba perhatikan hubungan r = - 0,68 = benar adanya.
Sy 1,414
Apabila dihitung nilai r2 = ( - 0,68 )2 = 0,4623

R2 atau r2 disebut koefisien determinasi

Dari mana nilai-nilai tersebut? Bila dengan paket program diperoleh hasil sebagai berikut:

Descriptive Statistics: X; Y

Variable N Mean St-Dev Variance

X 6 3,500 1,871 3,500

Y 6 4,000 1,414 2,000

Regression Analysis: Y versus X

The regression equation is

Y = 5,80 - 0,514 X

Descriptive Statistics: X; Y
Variable N Mean St Dev Variance
X 6 3,500 1,871 3,500
Y 6 4,000 1,414 2,000

Constant 5,800 1,079 5,38 0,006

X -0,5143 0,277 -1,86 0,137

S = 1,15882 R-Sq = 46,3% R-Sq(adj) = 32,9% r = - 0,6804

Analysis of Variance
Source DF SS MS F P
Regression 1 4,629 4,629 3,45 0,137
Residual Error 4 5,371 1,343
Total 5 10,000
Descriptive Statistics: X; Y
Variable N Mean St Dev Variance
X 6 3,500 1,871 3,500
Y 6 4,000 1,414 2,000
 X1 Y1 X2 Y2 X3 Y3 X4 Y4 X5 Y5
1 6 1 4 1 9 1 4 1 3
2 4 2 4 2 8 2 7 2 4
3 3 3 5 3 7 3 5 3 5
4 5 4 6 4 7 4 3 4 6
5 4 5 7 5 6 5 6 5 7
6 3 6 7 6 5 6 5 6 8

S = 1.05108 R-Sq = 35.3% R-Sq(adj) = 19.2%

S = 0.377964 R-Sq = 94.0% R-Sq(adj) = 92.5%
S = 0 R-Sq = 100.0% R-Sq(adj) = 100.0%
S = 1.58114 R-Sq = 0.0% R-Sq(adj) = 0.0%
S = 0 R-Sq = 100.0% R-Sq(adj) = 100.0%

No Data X Data Y Koefisien Makna Intepretasi

Korelasi
1 1 6 r = – 0,594 Hubungan kurang dan Jika X naik, maka Y
2 4 negatif menurun
3 3
4 5
5 4
6 3
2 1 4
2 4 r = 0,97 Hubungan sangat kuat dan
3 5 positif Jika X naik, maka Y naik
4 6
5 7
6 7
3 1 9
2 8 r = - 1,00 Hubungan sangat kuat dan Jika X naik, maka Y
3 7 negatif menurun
4 6 atau Jika X turun, maka
5 5 Y naik.
6 4
4 1 4
2 7 r=0 Hubungan tidak ada Tidak ada hubungan
3 5 dengan X naik atau
4 3 turun.
5 6
6 5
5 1 3
2 4 r = 1,00 Hubungan sangat kuat dan Jika X naik, maka Y naik
3 5 positif
4 6
5 7
6 8
Contoh lainnya
Data Skor tes intelegensia dan Nilai Quis Statistika Mahasiswa
Skor Nilai
65 85
50 74
55 76
65 90
55 85
70 87
65 94
70 98
55 81
70 91
50 76
55 74

Correlations: X; Y

Pearson correlation of X and Y = 0,862 P-Value = 0,000

r = 0,862 r2 = 0,744

Hasilnya analisisnya

X Y XY X2 Y2
65 85 5 525 4 225 7 225
50 74 3 700 2 500 5 476
55 76 4 180 3 025 5 776
65 90 5 850 4 225 8 100
55 85 4 675 3 025 7 225
70 87 6 090 4 900 7 569
65 94 6 110 4 225 8 836
70 98 6 860 4 900 9 604
55 81 4 455 3 025 6 561
70 91 6 370 4 900 8 281
50 76 3 800 2 500 5 776
55 74 4 070 3 025 5 476
725 1 011 61 685 44 475 85 905

n X i Yi  ( X i )(  Yi )
r=
{n X i  ( X ) 2 }{n Yi  ( Yi ) 2 }
2 2
11(61685)  (725)(1011)
=
{11(44475)  (725) 2 }{11(85905)  (1011) 2 }

= 0,862

Selanjutnya r2 = ( 0,862 )2 = 0,744

 n
Tabel 1. Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
n X 0,1 0,2 0,25 0,3 0,4 0.5 0,6 0.7 0,75 0,8 0,9
1 0 0,9000 0,8000 0,7500 0,7000 0,6000 0,5000 0,4000 0,3000 0,2500 0,2000 0,1000
1 1 1 1 1 1 1 1 1 1 1 1
2 0 0,8100 0,6400 0,5625 0,4900 0,3600 0,2500 0,1600 0,0900 0,0625 0,0400 0,0100
1 0,9900 0,9600 0,9375 0,9100 0,8400 0,7500 0,6400 0,5100 0,4375 0,3600 0,1900
2 1 1 1 1 1 1 1 1 1 1 1
3 0 0,7290 0,5120 0,4219 0,3430 0,2160 0,1250 0,0640 0,0270 0,0156 0,0080 0,0010
1 0,9720 0,8960 0,8438 0,7840 0,6480 0,5000 0,3520 0,2160 0,1563 0,1040 0,0280
2 0,9990 0,9920 0,9844 0,9730 0,9360 0,8750 0,7840 0,6570 0,5781 0,4880 0,2710
3 1 1 1 1 1 1 1 1 1 1 1
4 0 0,6561 0,4096 0,3164 0,2401 0,1296 0,0625 0,0256 0,0081 0,0039 0,0016 0,0001
1 0,9477 0,8192 0,7383 0,6517 0,4752 0,3125 0,1792 0,0837 0,0508 0,0272 0,0037
2 0,9963 0,9728 0,9492 0,9163 0,8208 0,6875 0,5248 0,3483 0,2617 0,1808 0,0523
3 0,9999 0,9984 0,9961 0,9919 0,9744 0,9375 0,8704 0,7599 0,6836 0,5904 0,3439
4 1 1 1 1 1 1 1 1 1 1 1
5 0 0,5905 0,3277 0,2373 0,1681 0,0778 0,0313 0,0102 0,0024 0,0010 0,0003 0
1 0,9185 0,7373 0,6328 0,5282 0,3370 0,1875 0,0870 0,0308 0,0156 0,0067 0,0005
2 0,9914 0,9421 0,8965 0,8369 0,6826 0,5000 0,3174 0,1631 0,1035 0,0579 0,0086
3 0,9995 0,9933 0,9844 0,9692 0,9130 0,8125 0,6630 0,4718 0,3672 0,2627 0,0815
4 1 0,9997 0,9990 0,9976 0,9898 0,9688 0,9222 0,8319 0,7627 0,6723 0,4095
5 1 1 1 1 1 1 1 1 1 1 1
6 0 0,5314 0,2621 0,1780 0,1176 0,0467 0,0156 0,0041 0,0007 0,0002 0 0
1 0,8857 0,6554 0,5339 0,4202 0,2333 0,1094 0,0410 0,0109 0,0046 0,0016 0
2 0,9842 0,9011 0,8306 0,7443 0,5443 0,3437 0,1792 0,0705 0,0376 0,0170 0,0013
3 0,9987 0,9830 0,9624 0,9295 0,8208 0,6563 0,4557 0,2557 0,1694 0,0989 0,0159
4 0,9999 0,9984 0,9954 0,9891 0,9590 0,8906 0,7667 0,5798 0,4661 0,3446 0,1143
5 1 0,9999 0,9998 0,9993 0,9959 0,9844 0,9533 0,8824 0,8220 0,7379 0,4686
6 1 1 1 1 1 1 1 1 1 1 1
7 0 0,4783 0,2097 0,1335 0,0824 0,0280 0,0078 0,0016 0,0002 0 0 0
1 0,8503 0,5767 0,4449 0,3294 0,1586 0,0625 0,0188 0,0038 0,0013 0,0004 0
2 0,9743 0,8520 0,7564 0,6471 0,4199 0,2266 0,0963 0,0288 0,0129 0,0047 0,0002
3 0,9973 0,9667 0,9294 0,8740 0,7102 0,5000 0,2898 0,1260 0,0706 0,0333 0,0027
4 0,9998 0,9953 0,9871 0,9712 0,9037 0,7734 0,5801 0,3529 0,2436 0,1480 0,0257
5 1 0,9996 0,9987 0,9962 0,9812 0,9375 0,8414 0,6706 0,5551 0,4233 0,1497
6 1 1 0,9999 0,9998 0,9984 0,9922 0,9720 0,9176 0,8665 0,7903 0,5217
7 1 1 1 1 1 1 1 1 1 1 1
8 0 0,4305 0,1678 0,1001 0,0576 0,0168 0,0039 0,0007 0 0 0 0
1 0,8131 0,5033 0,3671 0,2553 0,1064 0,0352 0,0085 0,0013 0,0004 0 0
2 0,9619 0,7969 0,6785 0,5518 0,3154 0,1445 0,0498 0,0113 0,0042 0,0012 0
3 0,9950 0,9437 0,8862 0,8059 0,5941 0,3633 0,1737 0,0580 0,0273 0,0104 0,0004
4 0,9996 0,9896 0,9727 0,9420 0,8263 0,6367 0,4059 0,1941 0,1138 0,0563 0,0050
5 1 0,9988 0,9958 0,9887 0,9502 0,8555 0,6846 0,4482 0,3215 0,2031 0,0381
6 1 0,9999 0,9996 0,9987 0,9915 0,9648 0,8936 0,7447 0,6329 0,4967 0,1869
7 1 1 1 0,9999 0,9993 0,9961 0,9832 0,9424 0,8999 0,8322 0,5695
8 1 1 1 1 1 1 1 1 1 1 1
 Peluang p
n x 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
9 0 0,3874 0,1342 0,0751 0,0404 0,0101 0,0020 0,0003 0 0 0 0
1 0,7748 0,4362 0,3003 0,1960 0,0705 0,0195 0,0038 0,0004 0,0001 0 0
2 0,9470 0,7382 0,6007 0,4628 0,2318 0,0898 0,0250 0,0043 0,0013 0,0003 0
3 0,9917 0,9144 0,8343 0,7297 0,4826 0,2539 0,0994 0,0253 0,0100 0,0031 0
4 0,9991 0,9804 0,9511 0,9012 0,7334 0,5000 0,2666 0,0988 0,0489 0,0196 0,0009
5 0,9999 0,9969 0,9900 0,9747 0,9006 0,7461 0,5174 0,2703 0,1657 0,0856 0,0083
6 1 0,9997 0,9987 0,9957 0,9750 0,9102 0,7682 0,5372 0,3993 0,2618 0,0530
7 1 1 0,9999 0,9996 0,9962 0,9805 0,9295 0,8040 0,6997 0,5638 0,2252
8 1 1 1 1 0,9997 0,9980 0,9899 0,9596 0,9249 0,8658 0,6126
9 1 1 1 1 1 1 1 1 1 1 1
10 0 0,3487 0,1074 0,0563 0,0282 0,0060 0,001 0,0001 0 0 0 0
1 0,7361 0,3758 0,2440 0,1493 0,0464 0,0107 0,0017 0,0001 0 0 0
2 0,9298 0,6778 0,5256 0,3828 0,1673 0,0547 0,0123 0,0016 0,0004 0 0
3 0,9872 0,8791 0,7759 0,6496 0,3823 0,1719 0,0548 0,0106 0,0035 0,0009 0
4 0,9984 0,9672 0,9219 0,8497 0,6331 0,3770 0,1662 0,0473 0,0197 0,0064 0,0001
5 0,9999 0,9936 0,9803 0,9527 0,8338 0,6230 0,3669 0,1503 0,0781 0,0328 0,0016
6 1 0,9991 0,9965 0,9894 0,9452 0,8281 0,6177 0,3504 0,2241 0,1209 0,0128
7 1 0,9999 0,9996 0,9984 0,9877 0,9453 0,8327 0,6172 0,4744 0,3222 0,0702
8 1 1 1 0,9999 0,9983 0,9893 0,9536 0,8507 0,7560 0,6242 0,2639
9 1 1 1 1 0,9999 0,9990 0,9940 0,9718 0,9437 0,8926 0,6513
10 1 1 1 1 1 1 1 1 1 1 1
11 0 0,3138 0,0859 0,0422 0,0198 0,0036 0,0005 0 0 0 0 0
1 0,6974 0,3221 0,1971 0,1130 0,0302 0,0059 0,0007 0 0 0 0
2 0,9104 0,6174 0,4552 0,3127 0,1189 0,0327 0,0059 0,0006 0,0001 0 0
3 0,9815 0,8389 0,7133 0,5696 0,2963 0,1133 0,0293 0,0043 0,0012 0,0002 0
4 0,9972 0,9496 0,8854 0,7897 0,5328 0,2744 0,0994 0,0216 0,0076 0,0020 0
5 0,9997 0,9883 0,9657 0,9218 0,7535 0,5000 0,2465 0,0782 0,0343 0,0117 0,0003
6 1 0,9980 0,9924 0,9784 0,9006 0,7256 0,4672 0,2103 0,1146 0,0504 0,0028
7 1 0,9998 0,9988 0,9957 0,9707 0,8867 0,7037 0,4304 0,2867 0,1611 0,0185
8 1 1 0,9999 0,9994 0,9941 0,9673 0,8811 0,6873 0,5448 0,3826 0,0896
9 1 1 1 1 0,9993 0,9941 0,9698 0,8870 0,8029 0,6779 0,3026
10 1 1 1 1 1 0,9995 0,9964 0,9802 0,9578 0,9141 0,6862
11 1 1 1 1 1 1 1 1 1 1 1
12 0 0,2824 0,0687 0,0317 0,0138 0,0022 0,0002 0 0 0 0 0
1 0,6590 0,2749 0,1584 0,0850 0,0196 0,0032 0,0003 0 0 0 0
2 0,8891 0,5583 0,3907 0,2528 0,0834 0,0193 0,0028 0,0002 0 0 0
3 0,9744 0,7946 0,6488 0,4925 0,2253 0,0730 0,0153 0,0017 0,0004 0 0
4 0,9957 0,9274 0,8424 0,7237 0,4382 0,1938 0,0573 0,0095 0,0028 0,0006 0
5 0,9995 0,9806 0,9456 0,8822 0,6652 0,3872 0,1582 0,0386 0,0143 0,0039 0
6 0,9999 0,9961 0,9857 0,9614 0,8418 0,6128 0,3348 0,1178 0,0544 0,0194 0,0005
7 1 0,9994 0,9972 0,9905 0,9427 0,8062 0,5618 0,2763 0,1576 0,0726 0,0043
8 1 0,9999 0,9996 0,9983 0,9847 0,9270 0,7747 0,5075 0,3512 0,2054 0,0256
9 1 1 1 0,9998 0,9972 0,9807 0,9166 0,7472 0,6093 0,4417 0,1109
10 1 1 1 1 0,9997 0,9968 0,9804 0,9150 0,8416 0,7251 0,3410
11 1 1 1 1 1 0,9998 0,9978 0,9862 0,9683 0,9313 0,7176
12 1 1 1 1 1 1 1 1 1 1 1
 Peluang p
n X 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
13 0 0,2542 0,0550 0,0238 0,0097 0,0013 0,0001 0 0 0 0 0
1 0,6213 0,2336 0,1267 0,0637 0,0126 0,0017 0,0001 0 0 0 0
2 0,8661 0,5017 0,3326 0,2025 0,0579 0,0112 0,0013 0 0 0 0
3 0,9658 0,7473 0,5843 0,4206 0,1686 0,0461 0,0078 0,0007 0,0001 0 0
4 0,9935 0,9009 0,7940 0,6543 0,3530 0,1334 0,0321 0,0040 0,0010 0,0002 0
5 0,9991 0,9700 0,9198 0,8346 0,5744 0,2905 0,0977 0,0182 0,0056 0,0012 0
6 0,9999 0,9930 0,9757 0,9376 0,7712 0,5000 0,2288 0,0624 0,0243 0,0070 0
7 1 0,9988 0,9944 0,9818 0,9023 0,7095 0,4256 0,1654 0,0802 0,0300 0,0009
8 1 0,9998 0,9990 0,9960 0,9679 0,8666 0,6470 0,3457 0,2060 0,0991 0,0065
9 1 1 0,9999 0,9993 0,9922 0,9539 0,8314 0,5794 0,4157 0,2527 0,0342
10 1 1 1 0,9999 0,9987 0,9888 0,9421 0,7975 0,6674 0,4983 0,1339
11 1 1 1 1 0,9999 0,9983 0,9874 0,9363 0,8733 0,7664 0,3787
12 1 1 1 1 1 0,9999 0,9987 0,9903 0,9762 0,9450 0,7458
13 1 1 1 1 1 1 1 1 1 1 1
14 0 0,2288 0,0440 0,0178 0,0068 0,0008 0 0 0 0 0 0
1 0,5846 0,1979 0,101 0,0475 0,0081 0,0009 0 0 0 0 0
2 0,8416 0,4481 0,2811 0,1608 0,0398 0,0065 0,0006 0 0 0 0
3 0,9559 0,6982 0,5213 0,3552 0,1243 0,0287 0,0039 0,0002 0 0 0
4 0,9908 0,8702 0,7415 0,5842 0,2793 0,0898 0,0175 0,0017 0,0003 0 0
5 0,9985 0,9561 0,8883 0,7805 0,4859 0,2120 0,0583 0,0083 0,0022 0,0004 0
6 0,9998 0,9884 0,9617 0,9067 0,6925 0,3953 0,1501 0,0315 0,0103 0,0024 0
7 1 0,9976 0,9897 0,9685 0,8499 0,6047 0,3075 0,0933 0,0383 0,0116 0,0002
8 1 0,9996 0,9978 0,9917 0,9417 0,7880 0,5141 0,2195 0,1117 0,0439 0,0015
9 1 1 0,9997 0,9983 0,9825 0,9102 0,7207 0,4158 0,2585 0,1298 0,0092
10 1 1 1 0,9998 0,9961 0,9713 0,8757 0,6448 0,4787 0,3018 0,0441
11 1 1 1 1 0,9994 0,9935 0,9602 0,8392 0,7189 0,5519 0,1584
12 1 1 1 1 0,9999 0,9991 0,9919 0,9525 0,8990 0,8021 0,4154
13 1 1 1 1 1 0,9999 0,9992 0,9932 0,9822 0,9560 0,7712
14 1 1 1 1 1 1 1 1 1 1 1
15 0 0,2059 0,0352 0,0134 0,0047 0,0005 0 0 0 0 0 0
1 0,5490 0,1671 0,0802 0,0353 0,0052 0,0005 0 0 0 0 0
2 0,8159 0,3980 0,2361 0,1268 0,0271 0,0037 0,0003 0 0 0 0
3 0,9444 0,6482 0,4613 0,2969 0,0905 0,0176 0,0019 0 0 0 0
4 0,9873 0,8358 0,6865 0,5155 0,2173 0,0592 0,0093 0,0007 0,0001 0 0
5 0,9978 0,9389 0,8516 0,7216 0,4032 0,1509 0,0338 0,0037 0,0008 0,0001 0
6 0,9997 0,9819 0,9434 0,8689 0,6098 0,3036 0,0950 0,0152 0,0042 0,0008 0
7 1 0,9958 0,9827 0,9500 0,7869 0,5000 0,2131 0,0500 0,0173 0,0042 0
8 1 0,9992 0,9958 0,9848 0,9050 0,6964 0,3902 0,1311 0,0566 0,0181 0,0003
9 1 0,9999 0,9992 0,9963 0,9662 0,8491 0,5968 0,2784 0,1484 0,0611 0,0022
10 1 1 0,9999 0,9993 0,9907 0,9408 0,7827 0,4845 0,3135 0,1642 0,0127
11 1 1 1 0,9999 0,9981 0,9824 0,9095 0,7031 0,5387 0,3518 0,0556
12 1 1 1 1 0,9997 0,9963 0,9729 0,8732 0,7639 0,6020 0,1841
13 1 1 1 1 1 0,9995 0,9948 0,9647 0,9198 0,8329 0,4510
14 1 1 1 1 1 1 0,9995 0,9953 0,9866 0,9648 0,7941
15 1 1 1 1 1 1 1 1 1 1 1
 n
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
Peluang p
n x 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
16 0 0,1853 0,0281 0,0100 0,0033 0,0003 0 0 0 0 0 0
1 0,5147 0,1407 0,0635 0,0261 0,0033 0,0003 0 0 0 0 0
2 0,7892 0,3518 0,1971 0,0994 0,0183 0,0021 0,0001 0 0 0 0
3 0,9316 0,5981 0,4050 0,2459 0,0651 0,0106 0,0009 0 0 0 0
4 0,9830 0,7982 0,6302 0,4499 0,1666 0,0384 0,0049 0,0003 0 0 0
5 0,9967 0,9183 0,8103 0,6598 0,3288 0,1051 0,0191 0,0016 0,0003 0 0
6 0,9995 0,9733 0,9204 0,8247 0,5272 0,2272 0,0583 0,0071 0,0016 0,0002 0
7 0,9999 0,9930 0,9729 0,9256 0,7161 0,4018 0,1423 0,0257 0,0075 0,0015 0
8 1 0,9985 0,9925 0,9743 0,8577 0,5982 0,2839 0,0744 0,0271 0,0070 0
9 1 0,9998 0,9984 0,9929 0,9417 0,7728 0,4728 0,1753 0,0796 0,0267 0,0005
10 1 1 0,9997 0,9984 0,9809 0,8949 0,6712 0,3402 0,1897 0,0817 0,0033
11 1 1 1 0,9997 0,9951 0,9616 0,8334 0,5501 0,3698 0,2018 0,0170
12 1 1 1 1 0,9991 0,9894 0,9349 0,7541 0,5950 0,4019 0,0684
13 1 1 1 1 0,9999 0,9979 0,9817 0,9006 0,8029 0,6482 0,2108
14 1 1 1 1 1 0,9997 0,9967 0,9739 0,9365 0,8593 0,4853
15 1 1 1 1 1 1 0,9997 0,9967 0,9900 0,9719 0,8147
16 1 1 1 1 1 1 1 1 1 1 1
17 0 0,1668 0,0225 0,0075 0,0023 0,0002 0 0 0 0 0 0
1 0,4818 0,1182 0,0501 0,0193 0,0021 0,0001 0 0 0 0 0
2 0,7618 0,3096 0,1637 0,0774 0,0123 0,0012 0 0 0 0 0
3 0,9174 0,5489 0,3530 0,2019 0,0464 0,0064 0,0005 0 0 0 0
4 0,9779 0,7582 0,5739 0,3887 0,1260 0,0245 0,0025 0,0001 0 0 0
5 0,9953 0,8943 0,7653 0,5968 0,2639 0,0717 0,0106 0,0007 0 0 0
6 0,9992 0,9623 0,8929 0,7752 0,4478 0,1662 0,0348 0,0032 0,0006 0 0
7 0,9999 0,9891 0,9598 0,8954 0,6405 0,3145 0,0919 0,0127 0,0031 0,0005 0
8 1 0,9974 0,9876 0,9597 0,8011 0,5000 0,1989 0,0403 0,0124 0,0026 0
9 1 0,9995 0,9969 0,9873 0,9081 0,6855 0,3595 0,1046 0,0402 0,0109 0,0001
19 1 0,9999 0,9994 0,9968 0,9652 0,8338 0,5522 0,2248 0,1071 0,0377 0,0008
11 1 1 0,9999 0,9993 0,9894 0,9283 0,7361 0,4032 0,2347 0,1057 0,0047
12 1 1 1 0,9999 0,9975 0,9755 0,8740 0,6113 0,4261 0,2418 0,0221
13 1 1 1 1 0,9995 0,9936 0,9536 0,7981 0,6470 0,4511 0,0826
14 1 1 1 1 0,9999 0,9988 0,9877 0,9226 0,8363 0,6904 0,2382
15 1 1 1 1 1 0,9999 0,9979 0,9807 0,9499 0,8818 0,5182
16 1 1 1 1 1 1 0,9998 0,9977 0,9925 0,9775 0,8332
17 1 1 1 1 1 1 1 1 1 1 1
 n
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
Peluang p
n x 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
18 0 0,1501 0,0180 0,0056 0,0016 0,0001 0 0 0 0 0 0
1 0,4503 0,0991 0,0395 0,0142 0,0013 0 0 0 0 0 0
2 0,7338 0,2713 0,1353 0,0600 0,0082 0,0007 0 0 0 0 0
3 0,9018 0,5010 0,3057 0,1646 0,0328 0,0038 0,0002 0 0 0 0
4 0,9718 0,7164 0,5187 0,3327 0,0942 0,0154 0,0013 0 0 0 0
5 0,9936 0,8671 0,7175 0,5344 0,2088 0,0481 0,0058 0,0003 0 0 0
6 0,9988 0,9487 0,8610 0,7217 0,3743 0,1189 0,0203 0,0014 0,0002 0 0
7 0,9998 0,9837 0,9431 0,8593 0,5634 0,2403 0,0576 0,0061 0,0012 0,0002 0
8 1 0,9957 0,9807 0,9404 0,7368 0,4073 0,1347 0,0210 0,0054 0,0009 0
9 1 0,9991 0,9946 0,9790 0,8653 0,5927 0,2632 0,0596 0,0193 0,0043 0
19 1 0,9998 0,9988 0,9939 0,9424 0,7597 0,4366 0,1407 0,0569 0,0163 0,0002
11 1 1 0,9998 0,9986 0,9797 0,8811 0,6257 0,2783 0,1390 0,0513 0,0012
12 1 1 1 0,9997 0,9942 0,9519 0,7912 0,4656 0,2825 0,1329 0,0064
13 1 1 1 1 0,9987 0,9846 0,9058 0,6673 0,4813 0,2836 0,0282
14 1 1 1 1 0,9998 0,9962 0,9672 0,8354 0,6943 0,4990 0,0982
15 1 1 1 1 1 0,9999 0,9987 0,9858 0,9605 0,9009 0,5497
16 1 1 1 1 1 0,9999 0,9987 0,9858 0,9605 0,9009 0,5497
17 1 1 1 1 1 1 0,9999 0,9984 0,9944 0,9820 0,8499
18 1 1 1 1 1 1 1 1 1 1 1
19 0 0,1351 0,0144 0,0042 0,0011 0 0 0 0 0 0 0
1 0,4203 0,0829 0,0310 0,0104 0,0008 0 0 0 0 0 0
2 0,7054 0,2369 0,1113 0,0462 0,0055 0,0004 0 0 0 0 0
3 0,8850 0,4551 0,2631 0,1332 0,0230 0,0022 0,0001 0 0 0 0
4 0,9648 0,6733 0,4654 0,2822 0,0696 0,0096 0,0006 0 0 0 0
5 0,9914 0,8369 0,6678 0,4739 0,1629 0,0318 0,0031 0,0001 0 0 0
6 0,9983 0,9324 0,8251 0,6655 0,3081 0,0835 0,0116 0,0006 0 0 0
7 0,9997 0,9767 0,9225 0,8180 0,4878 0,1796 0,0352 0,0028 0,0005 0 0
8 1 0,9933 0,9713 0,9161 0,6675 0,3238 0,0885 0,0105 0,0023 0,0003 0
9 1 0,9984 0,9911 0,9674 0,8139 0,5000 0,1861 0,0326 0,0089 0,0016 0
19 1 0,9997 0,9977 0,9895 0,9115 0,6762 0,3325 0,0839 0,0287 0,0067 0
11 1 1 0,9995 0,9972 0,9648 0,8204 0,5122 0,1820 0,0775 0,0233 0,0003
12 1 1 0,9999 0,9994 0,9884 0,9165 0,6919 0,3345 0,1749 0,0676 0,0017
13 1 1 1 0,9999 0,9969 0,9682 0,8371 0,5261 0,3322 0,1631 0,0086
14 1 1 1 1 0,9994 0,9904 0,9304 0,7178 0,5346 0,3267 0,0352
15 1 1 1 1 0,9999 0,9978 0,9770 0,8668 0,7369 0,5449 0,1150
16 1 1 1 1 1 0,9996 0,9945 0,9538 0,8887 0,7631 0,2946
17 1 1 1 1 1 1 0,9992 0,9896 0,9690 0,9171 0,5797
18 1 1 1 1 1 1 0,9999 0,9989 0,9958 0,9856 0,8649
19 1 1 1 1 1 1 1 1 1 1 1
 n
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
Peluang p
n x 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
20 0 0,1216 0,0115 0,0032 0,0008 0 0 0 0 0 0 0
1 0,3917 0,0692 0,0243 0,0076 0,0005 0 0 0 0 0 0
2 0,6769 0,2061 0,0913 0,0355 0,0036 0,0002 0 0 0 0 0
3 0,8670 0,4114 0,2252 0,1071 0,0160 0,0013 0 0 0 0 0
4 0,9568 0,6296 0,4148 0,2375 0,0510 0,0059 0,0003 0 0 0 0
5 0,9887 0,8042 0,6172 0,4164 0,1256 0,0207 0,0016 0 0 0 0
6 0,9976 0,9133 0,7858 0,6080 0,2500 0,0577 0,0065 0,0003 0 0 0
7 0,9996 0,9679 0,8982 0,7723 0,4159 0,1316 0,0210 0,0013 0,0002 0 0
8 0,9999 0,9900 0,9591 0,8867 0,5956 0,2517 0,0565 0,0051 0,0009 0,0001 0
9 1 0,9974 0,9861 0,9520 0,7553 0,4119 0,1275 0,0171 0,0039 0,0006 0
10 1 0,9994 0,9961 0,9829 0,8725 0,5881 0,2447 0,0480 0,0139 0,0026 0
11 1 0,9999 0,9991 0,9949 0,9435 0,7483 0,4044 0,1133 0,0409 0,0100 0,0001
12 1 1 0,9998 0,9987 0,9790 0,8684 0,5841 0,2277 0,1018 0,0321 0,0004
13 1 1 1 0,9997 0,9935 0,9423 0,7500 0,3920 0,2142 0,0867 0,0024
14 1 1 1 1 0,9984 0,9793 0,8744 0,5836 0,3828 0,1958 0,0113
15 1 1 1 1 0,9997 0,9941 0,9490 0,7625 0,5852 0,3704 0,0432
16 1 1 1 1 1 0,9987 0,9840 0,8929 0,7748 0,5886 0,1330
17 1 1 1 1 1 0,9998 0,9964 0,9645 0,9087 0,7939 0,3231
18 1 1 1 1 1 1 0,9995 0,9924 0,9757 0,9308 0,6083
19 1 1 1 1 1 1 1 0,9992 0,9968 0,9885 0,8784
20 1 1 1 1 1 1 1 1 1 1 1
21 0 0,1094 0,0092 0,0024 0,0006 0 0 0 0 0 0 0
1 0,3647 0,0576 0,0190 0,0056 0,0003 0 0 0 0 0 0
2 0,6484 0,1787 0,0745 0,0271 0,0024 0,0001 0 0 0 0 0
3 0,8480 0,3704 0,1917 0,0856 0,0110 0,0007 0 0 0 0 0
4 0,9478 0,5860 0,3674 0,1984 0,0370 0,0036 0,0002 0 0 0 0
5 0,9856 0,7693 0,5666 0,3627 0,0957 0,0133 0,0008 0 0 0 0
6 0,9967 0,8915 0,7436 0,5505 0,2002 0,0392 0,0036 0,0001 0 0 0
7 0,9994 0,9569 0,8701 0,7230 0,3495 0,0946 0,0123 0,0006 0 0 0
8 0,9999 0,9856 0,9439 0,8523 0,5237 0,1917 0,0352 0,0024 0,0004 0 0
9 1 0,9959 0,9794 0,9324 0,6914 0,3318 0,0849 0,0087 0,0017 0,0002 0
10 1 0,9990 0,9936 0,9736 0,8256 0,5000 0,1744 0,0264 0,0064 0,0010 0
11 1 0,9998 0,9983 0,9913 0,9151 0,6682 0,3086 0,0676 0,0206 0,0041 0
12 1 1 0,9996 0,9976 0,9648 0,8083 0,4763 0,1477 0,0561 0,0144 0,0001
13 1 1 0,9999 0,9994 0,9877 0,9054 0,6505 0,2770 0,1299 0,0431 0,0006
14 1 1 1 0,9999 0,9964 0,9608 0,7998 0,4495 0,2564 0,1085 0,0033
15 1 1 1 1 0,9992 0,9867 0,9043 0,6373 0,4334 0,2307 0,0144
16 1 1 1 1 0,9998 0,9964 0,9630 0,8016 0,6326 0,4140 0,0522
17 1 1 1 1 1 0,9993 0,9890 0,9144 0,8083 0,6296 0,1520
18 1 1 1 1 1 0,9999 0,9976 0,9729 0,9255 0,8213 0,3516
19 1 1 1 1 1 1 0,9997 0,9944 0,9810 0,9424 0,6353
20 1 1 1 1 1 1 1 0,9994 0,9976 0,9908 0,8906
21 1 1 1 1 1 1 1 1 1 1 1
 n
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
P
n x 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0.75 0,8 0,9
25 0 0.0038 0.0008 0.0001
1 0.0274 0.0070 0.0016
2 0.0982 0.0321 0.0090 0.0004
3 0.2340 0.0962 0.0332 0.0024
4 0.4207 0.2137 0.0905 0.0095 0.0005
5 0.6167 0.3783 0.1935 0.0294 0.0020
6 0.7800 0.5611 0.3407 0.0736 0.0073 0.0003
7 0.8909 0.7265 0.5118 0.1536 0.0216 0.0012
8 0.9532 0.8506 0.6769 0.2735 0.0539 0.0043
9 0.9827 0.9287 0.8106 0.4246 0.1148 0.0132 0.0005
10 0.9944 0.9703 0.9022 0.5858 0.2122 0.0344 0.0018 0.0002
11 0.9985 0.9893 0.9558 0.7323 0.3450 0.0778 0.0060 0.0009
12 0.9996 0.9966 0.9825 0.8462 0.5000 0.1538 0.0175 0.0034 0.0004
13 0.9999 0.9991 0.9940 0.9222 0.6550 0.2677 0.0442 0.0107 0.0015
14 1 0.9998 0.9982 0.9656 0.7878 0.4142 0.0978 0.0297 0.0056
15 1 1 0.9995 0.9868 0.8852 0.5754 0.1894 0.0713 0.0173
16 1 1 0.9999 0.9957 0.9461 0.7265 0.3231 0.1494 0.0468 0.0005
17 1 1 1 0.9988 0.9784 0.8464 0.4882 0.2735 0.1091 0.0023
18 1 1 1 0.9997 0.9927 0.9264 0.6593 0.4389 0.2200 0.0095
19 1 1 1 0.9999 0.9980 0.9706 0.8065 0.6217 0.3833 0.0334
20 1 1 1 1 0.9995 0.9905 0.9095 0.7863 0.5793 0.0980
21 1 1 1 1 0.9999 0.9976 0.9668 0.9038 0.7660 0.2364
22 1 1 1 1 1 0.9996 0.9910 0.9679 0.9018 0.4629
23 1 1 1 1 1 0.9999 0.9984 0.9930 0.9726 0.7288
24 1 1 1 1 1 1 0.9999 0.9992 0.9962 0.9282
25 1 1 1 1 1 1 1 1 1 1
 n
Tabel Kumulatif Sebaran atau Distribusi Binomial ( Jumlah Peluang Binomial  b ( X ; n, p )
x 0
Nilai peluang p
n X 0,1 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,75 0,8 0,9
30 0 0,0424 0,0012 0,0002 0 0 0 0 0 0 0 0
1 0,1837 0,0105 0,0020 0,0003 0 0 0 0 0 0 0
2 0,4114 0,0442 0,0106 0,0021 0 0 0 0 0 0 0
3 0,6474 0,1227 0,0374 0,0093 0,0003 0 0 0 0 0 0
4 0,8245 0,2552 0,0979 0,0302 0,0015 0 0 0 0 0 0
5 0,9268 0,4275 0,2026 0,0766 0,0057 0,0002 0 0 0 0 0
6 0,9742 0,6070 0,3481 0,1595 0,0172 0,0007 0 0 0 0 0
7 0,9922 0,7608 0,5143 0,2814 0,0435 0,0026 0 0 0 0 0
8 0,9980 0,8713 0,6736 0,4315 0,0940 0,0081 0,0002 0 0 0 0
9 0,9995 0,9389 0,8034 0,5888 0,1763 0,0214 0,0009 0 0 0 0
10 0,9999 0,9744 0,8943 0,7304 0,2915 0,0494 0,0029 0 0 0 0
11 1 0,9905 0,9493 0,8407 0,4311 0,1002 0,0083 0,0002 0 0 0
12 1 0,9969 0,9784 0,9155 0,5785 0,1808 0,0212 0,0006 0 0 0
13 1 0,9991 0,9918 0,9599 0,7145 0,2923 0,0481 0,0021 0,0002 0 0
14 1 0,9998 0,9973 0,9831 0,8246 0,4278 0,0971 0,0064 0,0008 0 0
15 1 0,9999 0,9992 0,9936 0,9029 0,5722 0,1754 0,0169 0,0027 0,0002 0
16 1 1 0,9998 0,9979 0,9519 0,7077 0,2855 0,0401 0,0082 0,0009 0
17 1 1 0,9999 0,9994 0,9788 0,8192 0,4215 0,0845 0,0216 0,0031 0
18 1 1 1 0,9998 0,9917 0,8998 0,5689 0,1593 0,0507 0,0095 0
19 1 1 1 1 0,9971 0,9506 0,7085 0,2696 0,1057 0,0256 0,0001
20 1 1 1 1 0,9991 0,9786 0,8237 0,4112 0,1966 0,0611 0,0005
21 1 1 1 1 0,9998 0,9919 0,9060 0,5685 0,3264 0,1287 0,0020
22 1 1 1 1 1 0,9974 0,9565 0,7186 0,4857 0,2392 0,0078
23 1 1 1 1 1 0,9993 0,9828 0,8405 0,6519 0,3930 0,0258
24 1 1 1 1 1 0,9998 0,9943 0,9234 0,7974 0,5725 0,0732
25 1 1 1 1 1 1 0,9985 0,9698 0,9021 0,7448 0,1755
26 1 1 1 1 1 1 0,9997 0,9907 0,9626 0,8773 0,3526
27 1 1 1 1 1 1 1 0,9979 0,9894 0,9558 0,5886
28 1 1 1 1 1 1 1 0,9997 0,998 0,9895 0,8163
29 1 1 1 1 1 1 1 1 0,9998 0,9988 0,9576
30 1 1 1 1 1 1 1 1 1 1 1
 
Tabel 2. Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson  P( X ;  )
x 0


X 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
0 0,9048 0,8187 0,7408 0,6730 0,6165 0,5488 0,4966 0,4493 0,4066
1 0,9953 0,9825 0,9631 0,9384 0,9098 0,8781 0,8442 0,8088 0,7725
2 0,9998 0,9989 0,9964 0,9921 0,9856 0,9769 0,9659 0,9526 0,9371
3 1,0000 0,9999 0,9997 0,9992 0,9982 0,9966 0,9942 0,9909 0,9865
4 1,0000 1,0000 0,9999 0,9998 0,9996 0,9992 0,9986 0,9977
5 1,0000 1,0000 1,0000 0,9999 0,9998 0,9997
6 1,0000 1,0000 1,0000


Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson  P( X ;  )
x 0


X 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
0 0,3679 0,2231 0,1353 0,0821 0,0498 0,0302 0,0183 0,0111 0,0067
1 0,7358 0,5578 0,4060 0,2873 0,1991 0,1359 0,0916 0,0611 0,0404
2 0,9197 0,8088 0,6767 0,5438 0,4232 0,3208 0,2381 0,1736 0,1247
3 0,9810 0,9344 0,8571 0,7576 0,6472 0,5366 0,4335 0,3423 0,2650
4 0,9963 0,9814 0,9473 0,8912 0,8153 0,7254 0,6288 0,5321 0,4405
5 0,9994 0,9955 0,9834 0,9580 0,9161 0,8576 0,7851 0,7029 0,6160
6 0,9999 0,9991 0,9955 0,9858 0,9665 0,9347 0,8893 0,8311 0,7622
7 1 0,9998 0,9989 0,9958 0,9881 0,9733 0,9489 0,9134 0,8666
8 1 1 0,9998 0,9989 0,9962 0,9901 0,9786 0,9597 0,9319
9 1 1 1 0,9997 0,9989 0,9967 0,9919 0,9829 0,9682
10 1 1 1 0,9999 0,9997 0,9990 0,9972 0,9933 0,9863
11 1 1 1 1 0,9999 0,9997 0,9991 0,9976 0,9945
12 1 1 1 1 1 0,9999 0,9997 0,9992 0,9980
13 1 1 1 1 1 1 0,9999 0,9997 0,9993
14 1 1 1 1 1 1 1 0,9999 0,9998
15 1 1 1 1 1 1 1 1 0,9999
16 1 1 1 1 1 1 1 1 1
 
Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson  P( X ;  )
x 0


X 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5
0 0,0041 0,0025 0,0015 0,0009 0,0006 0,0003 0,0002 0,0001 0
1 0,0266 0,0174 0,0113 0,0073 0,0047 0,0030 0,0019 0,0012 0,0008
2 0,0884 0,0620 0,0430 0,0296 0,0203 0,0138 0,0093 0,0062 0,0042
3 0,2017 0,1512 0,1118 0,0818 0,0591 0,0424 0,0301 0,0212 0,0149
4 0,3575 0,2851 0,2237 0,1730 0,1321 0,0996 0,0744 0,0550 0,0403
5 0,5289 0,4457 0,3690 0,3007 0,2414 0,1912 0,1496 0,1157 0,0885
6 0,6860 0,6063 0,5265 0,4497 0,3782 0,3134 0,2562 0,2068 0,1649
7 0,8944 0,8472 0,7916 0,7291 0,6620 0,5925 0,5231 0,4557 0,3918
8 0,9462 0,9161 0,8774 0,8305 0,7764 0,7166 0,6530 0,5874 0,5218
9 0,9747 0,9574 0,9332 0,9015 0,8622 0,8159 0,7634 0,7060 0,6453
10 0,9890 0,9799 0,9661 0,9467 0,9208 0,8881 0,8487 0,8030 0,7520
11 0,9955 0,9912 0,9840 0,9730 0,9573 0,9362 0,9091 0,8758 0,8364
12 0,9983 0,9964 0,9929 0,9872 0,9784 0,9658 0,9486 0,9261 0,8981
13 0,9994 0,9986 0,9970 0,9943 0,9897 0,9827 0,9726 0,9585 0,9400
14 0,9998 0,9995 0,9988 0,9976 0,9954 0,9918 0,9862 0,9780 0,9665
15 0,9999 0,9998 0,9996 0,9990 0,9980 0,9963 0,9934 0,9889 0,9823
16 1 0,9999 0,9998 0,9996 0,9992 0,9984 0,9970 0,9947 0,9911
17 1 1 1 1 0,9999 0,9997 0,9995 0,9989 0,9980
18 1 1 1 1 1 0,9999 0,9998 0,9996 0,9991
19 1 1 1 1 1 1 0,9999 0,9998 0,9996
20 1 1 1 1 1 1 1 0,9999 0,9999
21 1 1 1 1 1 1 1 1 0,9999
22 1 1 1 1 1 1 1 1 1
23 1 1 1 1 1 1 1 1 1
24 1 1 1 1 1 1 1 1 1
 
Tabel Kumulatif Sebaran/Distribusi Poisson ( Jumlah Peluang Poisson  P( X ;  )
x 0

X 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0
1 0,0005 0,0002 0 0 0 0 0 0 0
2 0,0028 0,0012 0,0005 0,0002 0 0 0 0 0
3 0,0103 0,0049 0,0023 0,0011 0,0005 0,0002 0 0 0
4 0,0293 0,0151 0,0076 0,0037 0,0018 0,0009 0,0004 0,0002 0
5 0,0671 0,0375 0,0203 0,0107 0,0055 0,0028 0,0014 0,0007 0,0003
6 0,1301 0,0786 0,0458 0,0259 0,0142 0,0076 0,0040 0,0021 0,0010
7 0,2202 0,1432 0,0895 0,0540 0,0316 0,0180 0,0100 0,0054 0,0029
8 0,3328 0,2320 0,1550 0,0998 0,0621 0,0374 0,0220 0,0126 0,0071
9 0,4579 0,3405 0,2424 0,1658 0,1094 0,0699 0,0433 0,0261 0,0154
10 0,5830 0,4599 0,3472 0,2517 0,1757 0,1185 0,0774 0,0491 0,0304
11 0,6968 0,5793 0,4616 0,3532 0,2600 0,1848 0,1270 0,0847 0,0549
12 0,7916 0,6887 0,5760 0,4631 0,3585 0,2676 0,1931 0,1350 0,0917
13 0,8645 0,7813 0,6815 0,5730 0,4644 0,3632 0,2745 0,2009 0,1426
14 0,9165 0,8540 0,7720 0,6751 0,5704 0,4657 0,3675 0,2808 0,2081
15 0,9513 0,9074 0,8444 0,7636 0,6694 0,5681 0,4667 0,3715 0,2867
16 0,9730 0,9441 0,8987 0,8355 0,7559 0,6641 0,5660 0,4677 0,3751
17 0,9857 0,9678 0,9370 0,8905 0,8272 0,7489 0,6593 0,5640 0,4686
18 0,9928 0,9823 0,9626 0,9302 0,8826 0,8195 0,7423 0,6550 0,5622
19 0,9965 0,9907 0,9787 0,9573 0,9235 0,8752 0,8122 0,7363 0,6509
20 0,9984 0,9953 0,9884 0,9750 0,9521 0,9170 0,8682 0,8055 0,7307
21 0,9993 0,9977 0,9939 0,9859 0,9712 0,9469 0,9108 0,8615 0,7991
22 0,9997 0,9990 0,9970 0,9924 0,9833 0,9673 0,9418 0,9047 0,8551
23 0,9999 0,9995 0,9985 0,9960 0,9907 0,9805 0,9633 0,9367 0,8989
24 1 0,9998 0,9993 0,9980 0,9950 0,9888 0,9777 0,9594 0,9317
25 1 0,9999 0,9997 0,9990 0,9974 0,9938 0,9869 0,9748 0,9554
26 1 1 0,9999 0,9995 0,9987 0,9967 0,9925 0,9848 0,9718
27 1 1 0,9999 0,9998 0,9994 0,9983 0,9959 0,9912 0,9827
28 1 1 1 0,9999 0,9997 0,9991 0,9978 0,9950 0,9897
29 1 1 1 1 0,9999 0,9996 0,9989 0,9973 0,9941
30 1 1 1 1 0,9999 0,9998 0,9994 0,9986 0,9967
31 1 1 1 1 1 0,9999 0,9997 0,9993 0,9982
32 1 1 1 1 1 1 0,9999 0,9996 0,9990
33 1 1 1 1 1 1 0,9999 0,9998 0,9995
34 1 1 1 1 1 1 1 0,9999 0,9998
35 1 1 1 1 1 1 1 1 0,9999
36 1 1 1 1 1 1 1 1 0,9999
37 1 1 1 1 1 1 1 1 1
 Tabel 3. Tabel Z ( Normal Baku )
Distribution Plot
Normal; Mean=0; StDev=1

Distribution Plot 0,4

Normal; Mean=0; StDev=1

0,4
0,3

0,3

Density
0,2
Density

0,2 0,841

0,1
0,1

0,0
0,0 -3 -2 -1 0 1 2 3
-3,5 0 1
X X

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 0,0005
-3,1 0,0010 0,0008 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 0,0017 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 0,0015 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,9974
-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 0,0152 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 0,0434 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0538 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 0,0722 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 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 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 0,4487 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
 Tabel 3. Tabel Z ( Normal Baku )
Distribution Plot
Normal; Mean=0; StDev=1
Distribution Plot
Normal; Mean=0; StDev=1
0,4
0,4

0,3
0,3

Density
Density

0,2
0,2 0,841

0,1
0,1

0,0
0,0 -3 -2 -1 0 1 2 3
-3,5 0 1
X X

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

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 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 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 0,9077
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 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
 Tabel 4. Tabel t ( t Student )
Distribution Plot Distribution Plot
T, df=15 T; df=15
0.4 0,4

0.3 0,3

0.9

Density

Density
0.2 0,2

0.1 0,1

0,05
0.0 0,0
0 1.34 0 1,75

Nilai Kritis Sebaran t Student X X

0,100 0,050 0,025 0,010 0,005 0,200 0,250 0,900 0,950 0,975 0,990
1 3,078 6,314 12,706 31,821 63,657 1,376 1,000 -3,078 -6,314 -12,706 -31,821
2 1,886 2,920 4,303 6,965 9,925 1,061 0,816 -1,886 -2,920 -4,303 -6,965
3 1,638 2,353 3,182 4,541 5,841 0,978 0,765 -1,638 -2,353 -3,182 -4,541
4 1,533 2,132 2,776 3,747 4,604 0,941 0,741 -1,533 -2,132 -2,776 -3,747
5 1,476 2,015 2,571 3,365 4,032 0,920 0,727 -1,476 -2,015 -2,571 -3,365
6 1,440 1,943 2,447 3,143 3,707 0,906 0,718 -1,440 -1,943 -2,447 -3,143
7 1,415 1,895 2,365 2,998 3,499 0,896 0,711 -1,415 -1,895 -2,365 -2,998
8 1,397 1,860 2,306 2,896 3,355 0,889 0,706 -1,397 -1,860 -2,306 -2,896
9 1,383 1,833 2,262 2,821 3,250 0,883 0,703 -1,383 -1,833 -2,262 -2,821
10 1,372 1,812 2,228 2,764 3,169 0,879 0,700 -1,372 -1,812 -2,228 -2,764
11 1,363 1,796 2,201 2,718 3,106 0,876 0,697 -1,363 -1,796 -2,201 -2,718
12 1,356 1,782 2,179 2,681 3,055 0,873 0,695 -1,356 -1,782 -2,179 -2,681
13 1,350 1,771 2,160 2,650 3,012 0,870 0,694 -1,350 -1,771 -2,160 -2,650
14 1,345 1,761 2,145 2,624 2,977 0,868 0,692 -1,345 -1,761 -2,145 -2,624
15 1,341 1,753 2,131 2,602 2,947 0,866 0,691 -1,341 -1,753 -2,131 -2,602
16 1,337 1,746 2,120 2,583 2,921 0,885 0,690 -1,337 -1,746 -2,120 -2,583
17 1,333 1,740 2,110 2,567 2,898 0,863 0,689 -1,333 -1,740 -2,110 -2,567
18 1,330 1,734 2,101 2,552 2,878 0,862 0,688 -1,330 -1,734 -2,101 -2,552
19 1,328 1,729 2,093 2,539 2,861 0,861 0,688 -1,328 -1,729 -2,093 -2,539
20 1,325 1,725 2,086 2,528 2,845 0,860 0,687 -1,325 -1,725 -2,086 -2,528
21 1,323 1,721 2,080 2,518 2,831 0,859 0,686 -1,323 -1,721 -2,080 -2,518
22 1,321 1,717 2,074 2,508 2,819 0,858 0,686 -1,321 -1,717 -2,074 -2,508
23 1,319 1,714 2,069 2,500 2,807 0,858 0,685 -1,319 -1,714 -2,069 -2,500
24 1,318 1,711 2,064 2,492 2,797 0,857 0,685 -1,318 -1,711 -2,064 -2,492
25 1,316 1,708 2,060 2,485 2,787 0,856 0,684 -1,316 -1,708 -2,060 -2,485
26 1,315 1,706 2,056 2,479 2,779 0,856 0,684 -1,315 -1,706 -2,056 -2,479
27 1,314 1,703 2,052 2,473 2,771 0,855 0,684 -1,314 -1,703 -2,052 -2,473
28 1,313 1,701 2,048 2,467 2,763 0,855 0,683 -1,313 -1,701 -2,048 -2,467
29 1,311 1,699 2,045 2,462 2,756 0,854 0,683 -1,311 -1,699 -2,045 -2,462
30 1,310 1,700 2,040 2,460 2,750 0,854 0,683 -1,310 -1,700 -2,040 -2,460
40 1,300 1,680 2,020 2,420 2,700 0,851 0,681 -1,300 -1,680 -2,020 -2,420
60 1,300 1,670 2,000 2,390 2,660 0,848 0,679 -1,300 -1,670 -2,000 -2,390
120 1,290 1,660 1,980 2,360 2,620 0,845 0,677 -1,290 -1,660 -1,980 -2,360
Inf 1,280 1,645 1,960 2,330 2,580 0,842 0,674 -1,280 -1,645 -1,960 -2,330
 Distribution Plot Distribution Plot
Chi-Square, df=15 Chi-Square; df=15

0.08 0.9 0,08

0.07 0,07

0.06 0,06

0.05 0,05

Density
Density
0.04 0,04

0.03 0,03

0.02 0,02

0.01 0,01
0,05

Tabel 5. Tabel  ( Khi- Kuadrat )

0.00 0,00
2 0
X
22.3 0
X
25,0


V 0,995 0,990 0,975 0,950 0,050 0,025 0,010 0,005
1 0,000393 0,00157 0,00982 0,0393 3,841 5,024 6,635 7,879
2 0,0100 0,0201 0,0506 0,103 5,991 7,378 9,210 10,597
3 0,0717 0,115 0,216 0,352 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 11,070 12,832 15,086 16,750
6 0,676 0,872 1,237 1,635 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 14,067 16,013 18,475 20,278
8 1,344 1,646 2,180 2,733 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 22,326 24,736 27,688 29,819
14 4,075 4,660 5,629 6,571 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 24,996 27,488 30,578 32,807
16 5,142 5,812 6,908 7,962 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 27,587 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 32,671 35,479 38,932 41,401
22 8,643 9,542 10,982 12,338 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 36,415 39,364 42,980 45,558
25 10,520 11,524 13,120 14,611 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 38,885 41,923 45,642 48,290
27 11,808 12,879 14,573 16,151 40,113 43,194 46,963 49,645
28 12,461 13,565 15,308 16,928 41,337 44,461 48,278 50,993
29 13,121 14,256 16,047 17,708 42,557 45,722 49,588 52,336
30 13,787 14,953 16,791 18,493 43,773 46,979 50,892 53,672
 Distribution Plot Distribution Plot
F, df1=8, df2=15 F; df1=25; df2=25
0.8 1,2

0.7
1,0
0.6 0.9
0,8
0.5

Density

Density
0.4 0,6

0.3
0,4
0.2
0,2
0.1
0,05
0.0 0,0

Tabel 6. Tabel F f  ( v1,v 2 ) = 5 % dan 1 % 0 2.12

X
0
X
1,96

1 2 3 4 5 6 7 8 9 10 11 12
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243 243,9
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6082 6106
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41
98,49 99,00 99,17 99,25 99,30 99,33 99,36 99,37 99,39 99,40 99,41 99,42
3 10,13 9,55 9,55 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74
34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05
4 7,71 6,94 6,94 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91
21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37
5 6,61 5,79 5,79 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68
16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89
6 5,99 5,14 5,14 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00
13,74 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72
7 5,59 4,74 4,74 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,57
12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47
8 5,32 4,46 4,46 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28
11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,74 5,67
9 5,12 4,26 4,26 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07
10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11
10 4,96 4.10 4,10 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,97
10,01 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,78 4,71
11 4,81 3,98 3,98 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79
9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40
12 4,75 3,89 3,89 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69
9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16
13 4,67 3,81 3,81 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60
9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96
14 4,60 3,74 3,74 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,56 2,53
8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80
15 4,54 3,68 3,68 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48
8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67
16 4,49 3,63 3,63 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,45 2,42
8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,61 3,55
17 4,45 3,59 3,59 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38
8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46
18 4,41 3,55 3,55 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34
8,28 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,44 3,37
19 4,38 3,52 3,52 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31
8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30
20 4,35 3,49 3,49 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28
8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,30 3,23
21 4,32 3,47 3,47 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25
8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,24 3,17
22 4,30 3,44 3,44 2,82 2,66 2,55 2,46 2,37 2,34 2,30 2,26 2,23
7,94 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12
 Tabel 6. Tabel F f  ( v1,v 2 ) = 5 % dan 1 %

Distribution Plot
Distribution Plot
F, df1=8, df2=15
F; df1=25; df2=25
0.8
1,2

0.7
1,0
0.6 0.9

0.5 0,8
Density

Density
0.4 0,6

0.3
0,4
0.2
0,2
0.1
0,05
0.0 0,0
0 2.12 0 1,96
X X

1 2 3 4 5 6 7 8 9 10 11 12
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,24 2,20
7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,36 2,25 2,22 2,18
7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,09 3,03
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,34 2,24 2,20 2,16
7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 3,05 2,99
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,32 2,22 2,18 2,15
7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 3,02 2,96
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,31 2,20 2,16 2,13
7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,98 2,93
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,29 2,19 2,15 2,12
7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,95 2,90
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,28 2,18 2,14 2,10
7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,92 2,87
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,27 2,16 2,12 2,09
7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,90 2,84
32 4,15 3,30 4,51 2,67 2,51 2,40 2,32 2,25 2,19 2,14 2,10 2,07
7,50 5,34 4,46 3,97 3,66 3,42 3,25 3,12 3,01 2,94 2,86 2,80
34 4,13 3,28 2,88 2,65 2,49 2,38 2,30 2,23 2,17 2,12 2,08 2,05
7,44 5,29 4,42 3,93 3,61 3,38 3,21 3,08 2,97 2,89 2,82 2,76
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,18 2,08 2,04 2,00
7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,66
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,43 2,07 2,02 1,98 1,95
7,17 5,06 4,20 3,72 3,41 3,18 3,02 2,88 2,78 2,70 2,62 2,56
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,10 1,99 1,95 1,92
7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50
100 3,91 3,09 2,70 2,46 2,30 2,19 2,10 2,03 1,97 1,92 1,88 1,85
6,90 4,82 3,98 3,51 3,20 2,99 2,82 2,69 2,59 2,31 2,13 2,36
120 3,92 3,07 2,61 2,45 2,29 2,17 2,09 2,02 2,02 1,91 1,86 1,83
6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,40 2,34
 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75
6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,21 2,18
 Distribution Plot Distribution Plot
F, df1=8, df2=15 F; df1=25; df2=25
0.8 1,2

0.7
1,0
0.6 0.9
0,8
0.5

Density

Density
0.4 0,6

0.3
0,4
0.2
0,2
0.1
0,05
0.0 0,0

Tabel 6. Tabel F f  ( v1,v 2 ) = 5 % dan 1 % 0 2.12

X
0
X
1,96

14 15 16 20 24 30 40 50 60 100 120 
1 245 245,9 246 248,0 249 250,1 251 252 252,2 253 253,3 254,3
6142 6157 6169 6209 6234 6261 6286 6302 6313 6334 6339 6366
2 19,42 19,43 19,43 19,45 19,45 19,46 19,47 19,47 19,48 19,49 19,49 19,50
99,43 99,43 99,44 99,45 99,46 99,47 99,47 99,48 99,48 99,49 99,49 99,50
3 8,71 8,70 8,69 8,66 8,64 8,62 8,60 8,58 8,57 8,56 8,55 8,53
26,92 26,87 26,83 26,69 26,60 26,60 26,41 26,30 26,32 26,23 26,22 26,13
4 5,87 5,86 5,84 5,80 5,77 5,75 5,71 5,70 5,69 5,66 5,66 5,63
14,24 14,20 14,15 14,02 13,93 13,84 13,75 13,69 13,65 13,57 13,56 13,46
5 4,64 4,62 4,60 4,56 4,53 4,50 4,46 4,44 4,43 4,40 4,40 4,36
9,77 9,72 9,68 9,55 9,47 9,38 9,29 9,24 9,29 9,13 9,11 9,02
6 3,96 3,94 3,92 3,87 3,84 3,81 3,77 3,75 3,74 3,71 3,70 3,67
7,60 7,56 7,52 7,40 7,31 7,23 7,14 7,09 7,14 6,99 6,97 6,88
7 3,52 3,51 3,49 3,44 3,41 3,38 3,34 3,32 3,30 3,28 3,27 3,23
6,35 6,31 6,27 6,16 6,07 5,99 5,91 5,85 5,91 5,75 5,74 5,65
8 3,23 3,22 3,20 3,15 3,12 3,08 3,05 3,02 3,01 2,98 2,97 2,93
5,56 5,52 5,48 5,36 5,28 5,20 5,12 5,06 5,12 4,96 4,95 4,86
9 3,02 3,01 2,98 2,94 2,90 2,86 3,56 2,80 2,79 2,76 2,75 2,71
5,00 4,96 4,92 4,81 4,73 4,65 4,57 4,51 4,57 4,41 4,40 4,31
10 2,86 2,91 2,82 2,77 2,74 2,70 2,67 2,64 2,62 2,59 2,58 2,54
4,60 4,56 4,52 4,41 4,33 4,25 4,17 4,12 4,17 4,01 4,00 3,91
11 2,74 2,72 2,70 2,65 2,61 2,57 2,53 2,50 2,49 2,45 2,45 2,40
4,29 4,25 4,21 4,10 4,02 3,94 3,86 3,80 3,86 3,70 3,69 3,60
12 2,64 2,62 2,60 2,54 2,51 2,47 2,42 2,40 2,38 2,35 2,34 2,30
4,05 4,01 3,98 3,86 3,78 3,70 3,62 3,56 3,62 3,46 3,45 3,36
13 2,55 2,53 2,51 2,46 2,42 2,38 2,34 2,32 2,30 2,26 2,25 2,21
3,85 3,82 3,78 3,66 3,59 3,51 3,43 3,37 3,43 3,27 3,25 3,17
14 2,48 2,46 2,44 2,39 2,35 2,31 2,27 2,24 2,22 2,19 2,18 2,13
3,70 3,66 3,62 3,51 3,43 3,35 3,27 3,21 3,27 3,11 3,09 3,00
15 2,43 2,40 2,39 2,33 2,29 2,25 2,21 2,18 2,16 2,12 2,11 2,07
3,56 3,52 3,48 3,37 3,29 3,21 3,13 3,07 3,13 2,97 2,96 2,87
16 2,37 2,35 2,33 2,28 2,24 2,19 2,16 2,13 2,11 2,07 2,06 2,01
3,45 3,41 3,37 3,26 3,18 3,10 3,02 2,96 3,02 2,86 2,84 2,75
17 2,33 2,31 2,29 2,23 2,19 2,15 2,11 2,08 2,06 2,02 2,01 1,96
3,35 3,31 3,27 3,16 3,08 3,00 2,92 2,86 2,92 2,76 2,75 2,65
18 2,29 2,27 2,26 2,19 2,15 2,11 2,07 2,04 2,02 1,98 1,97 1,92
3,27 3,23 3,19 3,08 3,00 2,92 2,84 2,78 2,84 2,68 2,66 2,57
19 2,26 2,23 2,21 2,16 2,11 2,07 2,02 2,00 1,98 1,94 1,93 1,88
3,19 3,15 3,12 3,00 2,92 2,84 2,76 2,70 2,76 2,60 2,58 2,49
20 2,23 2,20 2,18 2,12 2,08 2,04 1,99 1,96 1,95 1,90 1,90 1,84
3,13 3,09 3,05 2,94 2,86 2,78 2,69 2,63 2,69 2,53 2,52 2,42
21 2,20 2,18 2,15 2,10 2,05 2,01 1,96 1,93 1,92 1,87 1,87 1,81
3,07 3,03 2,99 2,88 2,80 2,72 2,64 2,58 2,64 2,47 2,46 2,36
22 2,18 2,15 2,13 2,07 2,03 1,98 1,93 1,91 1,89 1,84 1,84 1,78
3,02 2,98 2,94 2,83 2,75 2,67 2,58 2,53 2,58 2,42 2,40 2,31
 Tabel 6. Tabel F f  ( v1,v 2 ) = 5 % dan 1 %

Distribution Plot
Distribution Plot
F, df1=8, df2=15
F; df1=25; df2=25
0.8
1,2

0.7
1,0
0.6 0.9

0.5 0,8
Density

Density
0.4 0,6

0.3
0,4
0.2
0,2
0.1
0,05
0.0 0,0
0 2.12 0 1,96
X X

14 15 16 20 24 30 40 50 60 100 120 
23 2,14 2,13 2,10 2,05 2,01 2,62 1,91 1,88 1,86 1,82 1,81 1,76
2,97 2,93 2,89 2,78 2,70 1,96 2,54 2,48 2,45 2,37 2,35 2,26
24 2,13 2,11 2,09 2,03 1,98 2,58 1,89 1,86 1,84 1,80 1,79 1,73
2,93 2,89 2,85 2,74 2,66 1,94 2,49 2,44 2,40 2,33 2,31 2,21
25 2,11 2,09 2,06 2,01 1,96 2,54 1,87 1,84 1,82 1,77 1,77 1,71
2,89 2,85 2,81 2,70 2,62 1,92 2,45 2,40 2,36 2,29 2,27 2,17
26 2,10 2,07 2,05 1,99 1,95 2,50 1,85 1,82 1,80 1,76 1,75 1,69
2,86 2,81 2,77 2,66 2,58 1,90 2,42 2,36 2,33 2,25 2,23 2,13
27 2,08 2,06 2,03 1,97 1,93 2,47 1,84 1,80 1,79 1,74 1,73 1,67
2,83 2,78 2,74 2,63 2,55 1,88 2,38 2,33 2,29 2,21 2,20 2,10
28 2,06 2,04 2,02 1,96 1,91 2,44 1,82 1,78 1,77 1,72 1,71 1,65
2,80 2,75 2,71 2,60 2,52 1,87 2,35 2,30 2,26 2,18 2,17 2,08
29 2,05 2,03 2,00 1,94 1,90 2,41 1,81 1,77 1,75 1,71 1,70 1,64
2,77 2,73 2,68 2,57 2,49 1,85 2.33 2,27 2,23 2,15 2,14 2,03
30 2,04 2,01 1,99 1,93 1,89 2,39 1,79 1,76 1,74 1,69 1,68 1,62
2,74 2,70 2,66 2,55 2,47 1,84 2,30 2,24 2,21 2,13 2,11 2,01
32 2,02 2,00 1,97 1,91 1,86 1,82 1,76 1,74 1,73 1,67 2,09 1,60
2,70 2,66 2,62 2,51 2,42 2,34 2,25 2,20 2,21 2,08 2,07 1,97
34 2,00 1,97 1,95 1,89 1,84 1,80 1,74 1,71 1,70 1,64 2,06 1,58
2,66 2,62 2,58 2,47 2,38 2,30 2,21 2,15 2,13 2,04 2,03 1,94
40 1,95 1,92 1,90 1,84 1,79 1,74 1,69 1,66 1,64 1,60 1,58 1,51
2,56 2,52 2,49 2,37 2,29 2,20 2,11 2,05 2,02 1,97 1,92 1,80
50 1,90 1,87 1,83 1,78 1,74 1,69 1,63 1,60 1,59 1,52 1,52 1,45
2,46 2,43 2,39 2,26 2,18 2,10 2,00 1,94 1,92 1,82 1,82 1,50
60 1,86 1,84 1,80 1,75 1,75 1,63 1,59 1,56 1,53 1,48 1,47 1,39
2,40 2,35 2,30 2,20 2,12 2,00 1,93 1,87 1,84 1,74 1,73 1,60
100 1,79 1,77 1,75 1,68 1,63 1,57 1,51 1,48 1,46 1,39 1,39 1,38
2,26 2,23 2,19 2,06 1,98 1,89 1,79 1,73 1,71 1,59 1,61 1,57
120 1,77 1,75 1,72 1,66 1,66 1,55 1,49 1,45 1,43 1,36 1,35 1,25
2,33 2,19 2,15 2,03 1,95 1,85 1,75 1,68 1,66 1,51 1,53 1,38
 1,69 1,67 1,64 1,57 1,57 1,46 1,40 1,35 1,32 1,24 1,22 1,00
2,07 2,04 1,99 1,88 1,79 1,69 1,59 1,52 1,47 1,36 1,32 1,00