Binomial Probabilities
Binomial Probabilities
HAK CIPTA
Hak Cipta modul ini berada pada Bimbingan Belajar STANNITE. Barang siapa melakukan
pelanggaran hak cipta akan dijatuhi hukuman sesuai dengan Peraturan perundang-undangan
yang berlaku.
Sanksi Pelanggaran
(1) Barang siapa dengan sengaja dan tanpa hak mengumumkan atau memperbanyak suatu
ciptaan atau memberi izin untuk itu, dapat dipidana dengan pidana penjara masing-
masing paling singkat 1 (satu) bulan dan/atau denda paling sedikit Rp1.000.000,00
(satu juta rupiah), atau dipidana penjara paling lama 7 (tujuh) tahun dan/atau denda
paling banyak Rp5.000.000.000,00 (lima miliar rupiah).
(2) Barang siapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual
kepada umum suatu ciptaan atau barang hasil pelanggaran hak cipta atau hak terkait,
dapat dipidana dengan penjara paling lama 5 (lima) tahun dan/atau denda paling
banyak Rp500.000.000,00 (lima ratus juta rupiah).
Catatan
MODUL UAS STATISTIKA STANNITE
ii
DAFTAR ISI
a. Goodness-of-fit.......................................................................................................... 19
SPSS ..................................................................................................................................... 33
a. Praktek Menghitung dan Membuat Kesimpulan Nilai Korelasi, Regresi, Chi Square
dan ANOVA dengan SPSS............................................................................................... 33
Catatan
MODUL UAS STATISTIKA STANNITE
1
Minggu ke-9
MELAKUKAN PENGUJIAN HIPOTESIS
Uji Hipotesis
Hipotesis Statistik :
- Pernyataan atau dugaan mengenai satu atau lebih populasi
- Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis
› Hipotesis Awal yang diharap akan ditolak disebut : Hipotesis Nol (H0)
› Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif (H1)
› Nilai Hipotesis Nol (H0) harus menyatakan dengan pasti nilai parameter.
› H0 ditulis dalam bentuk persamaan
› Sedangkan Nilai Hipotesis Alternatif (H1) dapat memiliki beberapa kemungkinan.
› H1 ditulis dalam bentuk pertidaksamaan (< ; > ; ≠)
Catatan
MODUL UAS STATISTIKA STANNITE
2
Catatan
MODUL UAS STATISTIKA STANNITE
3
kesimpulan statistiknya
Contoh Soal:
Seorang pejabat Bank Budidaya berpendapat bahwa petani peminjam kredit bimas
yang belum mengembalikan kreditnya kembali sebesar 70% dengan alternatif lebih kecil
dari itu. Untuk menguji pendapatnya itu kemudian diteliti sebanyak 225 orang petani
peminjam kredit bimas ternyata ada 150 orang yang belum mengembalikan kredit.
Dengan α = 10% ujilah pendapat tersebut.
Penyelesaian :
Ho : p = 0,07 ; n = 225 ; X = 150
H1 : p < 0,07 ; α = 10% ; Zα = 1,28 (dari tabel normal)
−𝑍0,10 (-1,28)
Langkah-langkah dalam pengujian hipotesis tentang satu rata-rata adalah sebagai berikut :
Catatan
MODUL UAS STATISTIKA STANNITE
4
1. Rumuskan hipotesis
I. H0 : µ ≤ µ 0
H1 : µ > µ 0
II. H0 : µ ≥ µ 0
H1 : µ < µ 0
̅− µ
𝑿 ̅− µ
𝑿
𝟎 𝟎
𝒁𝟎 = =
𝝈𝑿̅ 𝝈/√𝒏
Keterangan :
n = untuk populasi tidak normal banyaknya elemen sampel ( n > 30 ),
atau populasi normal, n berapa saja, tidak harus lebih besar dari 30
1
𝑋̅ = ∑ 𝑋𝑖
𝑛
𝝈𝑿̅ = kesalahan baku 𝑋̅ = 𝝈/√𝒏
µ𝟎 = nilai µ sesuai dengan H0
Z0 dan Z a masing-masing disebut nilai observasi dan nilai teoritis dari tabel
normal
4. Pengujian hipotesis dan aturan permainan ( kesimpulan )
I. H0 : µ ≤ µ𝟎 apabila 𝐙𝟎 ≥ 𝐙𝐚 , H0 ditolak
Ha : µ > µ𝟎 apabila 𝐙𝟎 < 𝐙𝐚 , H0 diterima
Catatan
MODUL UAS STATISTIKA STANNITE
5
Fungsi kekuatan
Untuk menghitung fungsi kekuatan di dalam menguji H0, perhatikan uraian berikut:
H 0 : µ ≤ µ𝟎
H a : µ > µ𝟎
Berdasarkan hipotesis alternatif bahwa µ > µ𝟎, maka akan masuk akal kalau
kita menolak H0 apabila 𝑿 ̅ lebih besar dari µ . Daerah kritis akan diperoleh dengan
𝟎
memilih 𝑿 ̅ , katakan 𝑿
̅ 𝒂, sedemikian rupa sehingga probabilitas bahwa 𝑿 ̅>𝑿 ̅ 𝒂 akan
sebesar a, apabila H0 benar. Dengan perkataan lain, pemilihan 𝑿 ̅ 𝒂 harus sedemikian
rupa sehingga berlaku hubungan berikut :
̅ >𝑿
𝑷 (𝑿 ̅ 𝒂 /𝑯𝟎 ) = 𝒂
Tes yang didasarkan pada rumus di atas dapat merupakan uji satu sisi atau uji
dua sisi, meskipun sering kali hipotesis tentang varians populasi berkaitan dengan uji
satu sisi.
1. Rumuskan Hipotesis
- Dua arah
- Satu arah
atau
2. Menentukan derajat kepercayaan berdasarkan kesalahan tipe 1 (tingkat signifikansi)
3. Menentukan Statistik Uji
(n 1)s 2
2
Dimana: σ2
2 = variabel standardized chi-square
n = jumlah sampel
s2 = varians sampel
σ2 = varians yang dihipotesiskan
Catatan
MODUL UAS STATISTIKA STANNITE
7
Catatan
MODUL UAS STATISTIKA STANNITE
8
menguji hal tersebut, diambil sampel sebanyak 16 meriam dan diperoleh hasil s2 = 24
meter. Ujilah standar deviasi dari spesifikasi tersebut! Gunakan = 0.05
Catatan
MODUL UAS STATISTIKA STANNITE
9
Minggu ke-10
MENENTUKAN PERBEDAAN DUA SAMPEL
Daerah Kritis
Daerah kritis adalah daerah yang digunakan untuk menolak atau tidak
menolak H0. Titik kritis untuk uji dua arah adalah -Z/2 dan Z/2 sedangkan untuk uji
satu arah adalah -Z untuk H0 : P1 P2 dan Z untuk H0 : P1 P2
Keputusan
Keputusan untuk uji dua arah adalah tolak H0 apabila z < -Z/2 atau z > Z/2.
Keputusan untuk uji satu arah adalah
1. Untuk H0 : P1 P2 dan H1 : P1 < P2 , tolak H0 apabila z < -Z
2. Untuk H0 : P1 P2 dan H1 : P1 > P2 , tolak H0 apabila z > Z
Catatan
MODUL UAS STATISTIKA STANNITE
10
Contoh Soal
Mahasiswa jurusan pertanian ditugaskan untuk menguji formula pupuk terbaru
untuk tanam cabe. Mereka mengelompokkan tanaman-tanaman cabe menjadi dua
kelompok. Kelompok tanaman cabe pertama diberi pupuk dan kelompok tanaman
cabe kedua tidak diberi pupuk. Dari 250 batang tanaman cabe yang diberi pupuk, mati
sebanyak 15 batang. Sedangkan dari 200 batang tanaman cabe yang tidak diberi
pupuk, juga mati sebanyak 15 batang. Dengan tingkat kepercayaan 95%, apakah
pemberian pupuk formula terbaru pada cabe akan menjadi lebih baik daripada tidak
diberi pupuk?
Penyelesaian
Diketahui:
x1 = 15 n1 = 250
x2 = 15 n2 = 200
1. Tentukan Hipotesis yang digunakan
Misal: P1 adalah proporsi mati cabe yang diiberi pupuk dan P2 adalah proporsi
cabe mati cabe yang tidak diberi pupuk, maka
H0 : P1 P2
H1 : P1< P2
2. Tingkat Kepercayaan
(1-) = 0,95, berarti nilai signifikansinya adalah 5% atau =0,05.
3. Statistik Uji
Pengujian tersebut menggunakan proporsi dua populasi.
𝑝̂1 − 𝑝̂ 2
𝑧=
1 1
√𝑝̅ (1 − 𝑝̅ )( + )
1 2𝑛 𝑛
dengan
𝑥 15
𝑝̂1 = 𝑛1 = 250 = 0,06
1
𝑥2 15
𝑝̂ 2 = 𝑛 = 200= 0,075
2
𝑥1 +𝑥2 15+15
𝑝̅ = 𝑛 = 250+200 = 0,0667
1 +𝑛2
0,06 − 0,075
𝑧=
√0,0667(1 − 0,0667)( 1 + 1 )
250 200
−0,015
𝑧=
2,6293
Catatan
MODUL UAS STATISTIKA STANNITE
11
𝑧 = −0,057
4. Daerah Kritis
-Z = -1,645 (lihat tabel Z)
5. Keputusan
z < -Z0,05 maka keputusannya adalah H0 ditolak.
Kesimpulan, pemberian pupuk formula terbaru pada cabe akan menjadi
lebih baik daripada tidak diberi pupuk.
b. Dua Rata-Rata: untuk sampel saling independen
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya
perbedaan (kesamaan) rata antara dua buah data. Salah satu teknik analisis statistik
untuk menguji hipotesis dua rata-rata. Pengujian ini merupakan uji statistik
parametrik yang tentu saja harus memenuhi asumsi.
1. Data berdistribusi normal
2. Data diplih secara acak
3. Data yang digunakan merupakan dat numerik (skala & interval)
Jika asumsi diatas tidak bisa terpenuhi, maka caranya yaitu dengan mengganti
metode dari parametrik menjadi non-parametrik.
Hipotesis yang digunakan dalam Pengujian Perbedaan Rata‐rata Dua sampel
saling bebas ada 3 hampir sama dengan yang lainnya yaitu:
1. Hipotesis dua arah yaitu rata-rata antar kelompok sama
2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya
dibandingkan kelompok 2.
3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya
dibandingkan kelompok 2.
Dalam Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Rata‐rata Dua
sampel saling bebas (Independent two sample):
Catatan
MODUL UAS STATISTIKA STANNITE
13
dimana
𝑠12 𝑠22
𝑠𝑥̅1−𝑥̅1 = √ +
𝑛1 𝑛2
untuk menentukan degree of freedom menggunakan rumus sebagai berikut:
cara varians tidak diketahui dan diasumsikan berbeda karena menggunakan nilai
simpangan baku dari sampel.
c. Dua Rata-Rata: untuk sampel dependen (uji data berpasangan)
Uji t berpasangan tentu saja digunakan apabila dua kelompok tersebut saling
berhubungan.Dua sampel berpasangan artinya sampel dengan subjek yang sama
namun mengalami dua perlakuan atau pengukuran yang berbeda.
Kapan menggunakan Uji t sampel/kelompok dependen(berpasangan)?
1. uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan
sesudah
2. digunakan pada uji parametrik dimana syaratnya sebagai berikut:
• satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
• merupakan data kuantitatif (rasio-interval)
• berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi
difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
Contoh Kasus uji t sampel/kelompok berpasangan:
o Apakah terdapat perbedaan berat badan (kg) antara sebelum puasa dan
sesudah puasa selama satu bulan?
o Apakah terdapat perubahan skor pengetahuan tentang gizi antara sebelum dan
sesudah penyuluhan gizi?
o Apakah terdapat perbedaan kadar kolesterol dalam darah (mg%) yg diperiksa
oleh dua alat yang berbeda?
Pada contoh no 1 dan 2 diatas terlihat bahwa yang diuji satu individu tapi dengan
dua perlakuan yang berbeda yaitu sebelum dan sesudah. pada contoh no3 juga
hampir sama yaitu menguji perbandingan kadar kolesterol dengan dua alat yang
berbeda.
Hipotesis dalam uji t dua sampel/kelompok:
1. Uji dua arah. pada hipotesis awal tidak terdapat perbedaan yang signifikan antara rata-
rata1 dan rata-rata2.sedangkan pada hipotesis alternatif sebaliknya yaitu terdapat
perbedaan rata-rata 1 dan rata-rata 2.
H0 : 1 = 2
H1 : 1 ≠ 2
2. Uji satu arah dimana pada hipotesis awal kelompok/sampel 1 memiliki rata-rata sama
dengan atau lebih besar dengan rata-rata kelompok 2. sedangakan hipotesis alternatif
rata-rata kelompok 1 lebih kecil dibandingkan dengan rata-rata kelompok 2.
H0 : 1 2
H1 : 1 < 2
Catatan
MODUL UAS STATISTIKA STANNITE
15
3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis awal
kelompok/sampel 1 memiliki rata-rata sama dengan atau lebih kecil dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih besar
dibandingkan dengan rata-rata kelompok 2.
H0 : 1 2
H1 : 1 > 2
Hipotesis awal ditolak, bila:
|t hitung| > t tabel
atau:
Hipotesis awal diterima, bila:
|t hitung| <= t tabel
Statistik Hitung
dimana
Keterangan
D = selisih x1 dan x2 (x1 – x2)
n = jumlah sampel
𝑋̅ = rata-rata
Sd = standar deviasi dari d
Langkah-langkah pengujian signifikansi (hipotesis) dalam pengujian perbedaan
dua rata-rata dua kelompok berpasangan
1. Tetapkan H0 dan H1
2. Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan 99 %)
yang terdapat pada tabel “t”.
3. Tentukan daerah kritis, dengan db = n -1.
4. Tentukan t hitung dengan menggunakan rumus.
5. Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung dengan “t”
tabel.
Catatan
MODUL UAS STATISTIKA STANNITE
16
Minggu ke-11&12
MENGHITUNG NILAI KORELASI DAN REGRESI
Catatan
MODUL UAS STATISTIKA STANNITE
17
Catatan
MODUL UAS STATISTIKA STANNITE
18
Rumus Spearman lebih sederhana dan mudah untuk digunakan dibanding Rumus
Pearson.
b. Regresi Linier Sederhana
- Teknik Ramalan dan Analisis Regresi
▪ Diagram pencar (scatter diagram)
- Diagram pancar menunjukkan titik-titik tertentu, diamana setiap titik merupakan
nilai dari variabel dependen dan independen
- 2 manfat diagram pencar:
1. Menunjukkan apakah terdapat hubungan yang bermanfaat antara 2 variabel
2. Menetapkan tipe persamaan dari hubungan tersebut
▪ Persamaan Regresi Linear
- Garis lurus pada diagram pencar merupakan garis regresi (garis perkiraan)
- Bentuk persamaan regresi:
Y = 𝑎 + 𝑏𝑋
a = intercept (nilai Y’ bila X=0)
b = slope (kemiringan garis regresi yang mengukur besarnya pengaruh
X terhadap Y jika X naik satu unit)
X = nilai dari variabel bebas Y = nilai dari variabel bebas
- 2 sifat gris regresi:
(Y-Y’) = 0
(Y-Y’)2 = nilai terkecil
- Garis regresi akan ditempatkan pada diagram sedemikian rupa sehingga
penyimpangan positif titik-titik pencar akan mengimbangi penyimpangan negatif
titik-titik pencar akan mengimbangi penyimpangan negatif titik-titik pencar,
sehingga penyimpangan titik-titik pencar terhadap garis regresi menjadi nol.
- Rumus regresi sederhana:
𝑌 ′ = 𝑎 + 𝑏𝑋
𝑎 = 𝑌̅ − 𝑏𝑋̅
𝑥𝑦
𝑏= 2
𝑥
𝑛𝑋𝑌 − 𝑋𝑌
𝑏=
𝑛𝑋 2 − (𝑋)2
- Penggunaan Persamaan Regresi dalam Peramalan
Contoh:
Manajer perusahaan akan mempekerjakan karyawan dengan tes kecerdasan
4,dan supervisor menginginkan karyawan yang memiliki produktivitas minimal 30
lusin. Sangat sulit untuk mengatakan dengan tepat berapa produksi
- Persamaan regresi Y’ =1.02 + 5.14X
Catatan
MODUL UAS STATISTIKA STANNITE
19
df = k – m -1
dengan :
k : jumlah kategori data sampel
m : jumlah nilai-nilai parameter yang diestimasi
Contoh soal
Sebuah distributor alat penggilingan padi membagi pasar menjadi 4 wilayah (A, B, C
dan D). Ada informasi bahwa pendistribusian alat penggilingan merata pada setiap wilayah.
Untuk membuktikan pernyataan tersebut diambil 40 arsip sebagai sampel. Dari 40 arsip
tersebut diperoleh informasi yang tertuang dalam tabel. Gunakan tingkat signifikansi 5 persen
untuk menguji hipotesis yang menyatakan bahwa distribusi alat penggilingan di keempat
wilayah merata (sama)
Wilayah Total Baris
A B C D
Data berdasarkan hasil sampel (O) 6 12 14 8 40
Data yang diharapkan 10 10 10 10 40
Penyelesaian
1. Hipotesis
Sebelum memulai pembahasan langkah pertama yang harus diketahui adalah
permasalahan dan tujuan dari soal yang ingin dicapai oleh peneliti. Pertama Peneliti ingin
membuktikan bahwa pendistribusian sama rata. sehingga bisa memperkirakan hipotesis.
ini hipotesis yang digunakan dalam penelitian ini
Ho : distribusi alat penggilingan di keempat wilayah merata (sama)
H1 : distribusi alat penggilingan di keempat wilayah tidak merata (tidak sama)
2. Nilai Kritis
Kedua yang perlu diperhatikan yaitu nilai kritis. Maksud dari nilai kritis tersebut
adalah nilai batas dari penentu keputusan hipotesis mana yang di ambil. sehingga ini
sangat perlu dilakukan. Berdasarkan penjelasan di atas. Dalam kasus di atas tidak perlu
ada parameter yang diestimasi. oleh karena itu:
df = k – 1 = 4 – 0 – 1 = 3
k = jumlah kategori data sampel (A, B, C, dan D)
Selain itu tingkat signifikansi yang digunakan adalah 0,05(5%), sehingga nilai
kritisnya adalah:
X2(0,05;3) = 7,81
nilai 7,81 ini diperoleh dari tabel chi squared. untuk mengetahui nilai tersebut harus
punya tabel chi squared.
Catatan
MODUL UAS STATISTIKA STANNITE
21
3. Nilai Hitung
Nilai uji statistik X2 hitung diperoleh dengan cara sebagai berikut:
4. Kesimpulan
Setelah diperoleh nilai statistik hitung yaitu 4. kemudian kita bandingkan dengan nilai
kritis tadi yang sudah diperoleh sebelumnya yaitu 7,81. nilai statistik hitung lebih kecil
dari nilai kritis hitung maka keputusan tidak menolak H0, sehingga keputusan yang
diperoleh berdasarkan H0 yaitu distribusi alat penggilingan di keempat wilayah merata
(sama). Jika nilai statistik hitung lebih besar dari nilai kritis maka keputusannya
sebaliknya yaitu berdasarkan hasil Hipotesis alternatif (Ha).
b. Tabel Kontingensi
Tabel Kontingensi merupakan tabel yang digunakan untuk mengukur
hubungan (asosiasi) antara dua variabel kategorik dimana tabel tersebut merangkum
frekuensi bersama dari observasi pada setiap kategori variabel. Misalkan n sampel
diklasifikasikan secara silang berdasarkan dua atribut dalam suatu tabel berukuran I x
J, I merupakan kategori dari variabel X dan J merupakan kategori dari variabel Y. Sell
pada tabel mewakili kemungkinan IJ muncul.
Bentuk sederhana dari tabel kontongensi adalah tabel kontingesi 2 x 2 dengan format:
Variabel 2
Total
1 2
1 O11 O12 n1+
Variabel 1
2 O21 O22 n2+
Total n+1 n+2 N
Tolak hipotesis nol (H0) jika nilai statistik uji diatas lebih besar dari nilai kritis
distribusi chi-square dengan derajat bebas (2-1)(2-1)=1 pada tingkat signifikansi alpha
(α) tertentu yang berarti terdapat hubungan antara variabel 1 dengan variabel 2.
Catatan
MODUL UAS STATISTIKA STANNITE
23
Hipotesis nol (H0) ditolak jika nilai statistik uji diatas lebih besar dari nilai
kritis distribusi chi-square dengan derajat bebas (I-1)(J-1) pada tingkat signifikansi
alpha (α) tertentu yang berarti terdapat hubungan antara variabel 1 dengan variabel 2.
Contoh:
Pada liga bola basket professional selama 1980 – 1982, yaitu ketika Larry
Bird dari Boston Celtics melakukan lemparan bebas (pada basket lemparan bebas
adalah 2 kali lemparan). Catatan lemparan bebas Larry Birds adalah 5 kali dia gagal
memasukkan keduanya, 251 kali dia berhasil memasukkan keduanya, 34 kali dia
berhasil hanya pada lemparan pertama, dan 48 kali dia berhasil hanya pada lemparan
kedua. Apakah masuk akal bahwa lemparan bebas tersebut adalah independen?
Penyelesaian
Hal pertama yang harus dilakukan adalah mengidentifikasi bagaimana bentuk tabel
yang akan dibuat. Tabel Kontingensi untuk kasus di atas sebagai berikut:
Catatan
MODUL UAS STATISTIKA STANNITE
24
Karena yang ingin dilihat apakah masuk akal mengatakan bahwa lemparan bebas yang
dilakukan tersebut saling independen maka pengujian yang dilakukan adalah sebagai berikut:
Catatan
MODUL UAS STATISTIKA STANNITE
25
Uji dengan menggunakan Chi-Square seperti yang di atas hanya bisa digunakan jika
tidak lebih 20 % frekuensi harapan dari sel yang ada pada tabel kurang dari 5 dan tidak boleh
ada satupun dari sel memiliki frekuensi harapan kurang dari 1. Apabila persyaratan diatas
tidak bisa terpenuhi, maka kita dapat memperbesar nilai frekuensi harapannya dengan jalan
menggabungkan baris atau kolom yang saling berdampingan. Penggabungan yang dilakukan
harus secara wajar dan memiliki makna. Namun hal ini tidak dapat diterapkan untuk table
kontingensi 2×2, sebagai alternatifnya kita bisa menggunkan Uji Fisher yang memang
dikhususkan untuk jumlah sampel yang kecil.
Peniliti biasanya dapat menghindari masalah ini dengan merancang sebelumnya untuk
mengumpulkan sejumlah kasus yang cukup besar sehubungan dengan banyak klasifikasi
yang ingin digunakan dalam penelitiannya.
Catatan
MODUL UAS STATISTIKA STANNITE
26
Dalam uji ANOVA, bukti sampel diambil dari setiap populasi yang sedang
dikaji. Data-data yang diperoleh dari sampel tersebut digunakan untuk menghitung
statistik sampel. Distribusi sampling yang digunakan untuk mengambil keputusan
statistik, yakni menolak atau menerima hipotesis nol (H0), adalah DISTRIBUSI F (F
Distribution).
Dalam uji ini diasumsikan bahwa semua populasi yang sedang dikaji memiliki
keragaman atau varians (variance) sama tanpa mempertimbangkan apakah populasi-
populasi tersebut memiliki rata-rata hitung (mean) sama atau berbeda. Ada 2 (dua)
cara atau metode dalam mengestimasi nilai varians ini, yakni metode dalam kelompok
(within method) dan metode antar-kelompok (between method). Metode dalam
kelompok menghasilkan estimasi tentang varians yang sahih (valid) apakah hipotesis
nol salah atau benar. Sementara metode antar-kelompok menghasilkan estimasi
tentang varians yang sahih (valid) hanya jika hipotesis nol benar.
Metode dalam kelompok (within method) menghasilkan estimasi yang sahih (valid)
apakah hipotesis nol benar atau tidak. Metode antar-kelompok (between method)
menghasilkan estimate yang sahih (valid) jika hipotesis nol benar.
Langkah akhir dari uji ANOVA adalah menghitung rasio antara metode antar-
kelompok (between method) sebagai numerator (faktor yang dibagi) dan metode
dalam kelompok (within method) sebagai denominator (faktor pembagi). Jika
hipotesis nol benar (diterima), rasio di atas berisikan dua hasil estimasi yang terpisah
dari populasi yang memiliki varians sama dan, karenanya, berasal dari distribusi F.
Namun demikian, jika rata-rata hitung (mean) populasi yang dikaji tidak sama, hasil
estimasi dalam numerator akan mengembung sehingga rasionya akan menjadi sangat
besar. Jelas bahwa rasio demikian, dengan membandingkannya dengan distribusi F,
tidak berasal dari distribusi F, dan hipotesis nol akan ditolak. Uji hipotesis dalam
ANOVA adalah uji hipotesis bersisi-satu (one-tailed) di mana nilai statistik F yang
besar akan mengarah ke ditolaknya hipotesis nol, sementara nilai statistik F yang kecil
akan mengarah ke penerimaan hipotesis nol.
dimana:
Sw2 : varians yang diestimasi menggunakan metode dalam kelompok;
Xij : butir data ke-i dalam kelompok j;
𝑋̅j : rata-rata (mean) kelompok j;
c : jumlah kelompok;
n : jumlah/ukuran sampel dalam setiap kelompok; dan
c(n-1) : derajat bebas (degree of freedom).
Tanda penjumlahan ganda () berarti bahwa ada 2 (dua) langkah
penjumlahan. Pertama menyelesaikan tanda jumlah sebelah kanan. Setelah itu,
menyelesaikan tanda penjumlahan sebelah kiri.
Contoh:
Catatan
MODUL UAS STATISTIKA STANNITE
29
Dimana:
𝑆𝑋̅ 2 : varians yang diestimasi menggunakan metode antar-kelompok;
𝑋̅j : rata-rata (mean) kelompok j;
𝑥̅ : rata-rata keseluruhan (grand mean) yang digunakan sebagai estimasi;
𝑐 : jumlah kelompok.
Varians dalam metode ini bisa juga dihitung dengan menggunakan persamaan berikut:
Catatan
MODUL UAS STATISTIKA STANNITE
30
Uji dan Tabel F Analisis Varians (Analysis of Variance—ANOVA F Test and Table)
Setelah menghitung nilai varians yang sebelumnya tidak diketahui dengan
menggunakan metode dalam kelompok (within method) dan metode antar-kelompok
(between method), selanjutnya kita membuat perbandingan atau rasio (ratio) antara
kedua nilai varians tersebut.
Catatan
MODUL UAS STATISTIKA STANNITE
31
Contoh:
Seorang analis dari toko perkulakan BKM ingin mengetahui apakah ketiga
cabang tokonya yang tersebar di wilayah Kota Madya Depok memiliki rata-rata
pendapatan per transaksi penjualan yang sama. Enam (6) transaksi penjualan dari
masing-masing cabang dipilih secara acak sebagai sampel. Data tersebut disajikan
dalam tabel berikut.
Jumlah sampel untuk masing-masing cabang (n) adalah 6, sedangkan jumlah cabang
yang diteliti (c = columns) adalah 3.
Hipotesis nol untuk penelitian ini adalah bahwa semua cabang toko BKM memiliki
rata-rata pendapatan per transaksi penjualan sama. Hipotesis alternatifnya adalah
kebalikan dari hipotesis nol, yakni tidak semua cabang toko BKM memiliki rata-rata
pendapatan per transaksi penjualan sama.
H0: 1 = 2 = 3
H1: Tidak semua cabang toko memiliki rata-rata pendapatan per transaksi penjualan
sama.
Catatan
MODUL UAS STATISTIKA STANNITE
32
F tabel pada derajat bebas numerator 2 dan derajat bebas denominator 15 (LIHAT
TABEL DISTRIBUSI F) dengan tingkat signifikansi () 0,01 (1%) adalah 6,36. Karena
F-hitung (13,26) lebih besar daripada F-tabel (6,36), maka keputusan statistiknya
adalah terdapat cukup bukti sampel untuk menolak H0 dan menerima H1. Artinya,
tidak semua cabang Toko BKM memiliki rata-rata pendapatan per transaksi penjualan
yang sama.
Catatan
MODUL UAS STATISTIKA STANNITE
33
Minggu ke-15
MENGGUNAKAN SOFTWARE STATISTIKA (SPSS)
SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik
cukup tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan
menu-menu deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya.
SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap
dibandingkan dengan software lainnya, penggunaannya pun cukup mudah.
Langkah pertama yang harus dilakukan adalah dengan cara menginstal terlebih dahulu
software SPSS yang akan digunakan. Pada pembelajaran kali ini menggunakan Software
SPSS 12. Saat ini software SPSS telah mengalami berbagai penambahan fasilitas, versi
terkini yaitu SPSS 17. Cara mempelajarinya tidak jauh berbeda dengan SPSS versi lainnya.
a. Praktek Menghitung dan Membuat Kesimpulan Nilai Korelasi, Regresi, Chi
Square dan ANOVA dengan SPSS
Contoh Perhitungan Nilai Korelasi dengan SPSS
Langkah-langkah:
1. Buka SPSS
3. seperti gambar diatas, klik pada tab variable view dan lakukan pengaturan seperti ini:
Catatan
MODUL UAS STATISTIKA STANNITE
34
4. Selanjutnya klik tab data view dan masukkan data seperti ini (hanya contoh):
5. Setelah selesai memasukkan data, maka langkah analisisnya adalah klik menu analyze,
klik correlate, klik bivariate sehingga akan muncul seperti ini:
6. selanjutnya, masukkan variabel yang ada di kolom kiri ke kolom kanan, caranya bisa
dengan doubel klik pada variabel tersebut, dua-duanya pindahkan ke kolom variables.
7. pada bagian bawah yaitu pada correlatioan coefisien, pilih Pearson, kemudian untuk
test of significance pilih two tailed (ini kita lakukan karena kita belum tahu apakah
korelasinya positif atau negatif).
Catatan
MODUL UAS STATISTIKA STANNITE
35
8. beri tanda centang pada flag significant correlations supaya nanti jika ada korelasi
yang significant diberi tanda bintang, yaitu bintang 1 jika korelasi significant pada
taraf 0,05, dan bintang 2 jika signifikans pada taraf 0,01.
10. lakukan pilihan seperti gambar diatas, kemudian klik continue, laluklik OK pada
jendela yang sebelumnya.
Catatan
MODUL UAS STATISTIKA STANNITE
36
12. Langkah analisis sudah selesai, mudahkan? iya, nah yang sulit sebenarnya untuk
orang awam yang tidak memahami statistika sebenarnya pada tahap berikut ini, yaitu
membaca/menginterpretasikan hasil output SPSS tersebut.
13. pada output pertama : descriptive statistics ini hanya merupakan informasi dari apa
yang dianalisis, pada kolom pertama ada tinggi badan dan kecepatan lari adalah
variabelnya, kolom kedua ada mean yaitu rata-rata, jadi rata-rata tinggi badan =
161,90 dan rata-rata kecepatan lari: 103,80. Rata-rata dihitung berdasarkan jumlah
total nilai data dibagi total N data. Dan seterusnya ini hanya informasi deskripsi saja.
14. pada output yang kedua yaitu correlations. Lihat teknik korelasi yang kita pakai
adalah pearson, kemudian dapat kita baca korelasi kedua variabel tersebut sebesar
0,847 dengan tanda bintang 2 (**). Ini berarti nilai koefisien korelasinya sebesar
0,847.
15. pada Sig.(2-tailed) sebesar 0,002. ini berarti jika kita menggunakan taraf signifikansi
5%, maka korelasi signifikan jika nilai Sig(2-tailed) lebih kecil dari 0,05. dan tidak
signifikan jika lebih dari 0,05. Dari hasil out put maka kesimpulannya ada korelasi
yang signifikan.
Dari contoh yang kita analisis diatas, maka kesimpulan yang kita ambil adalah
menerima H1 yaitu Ada hubungan yang signifikans antara tinggi badang dan kecepatan
berlari. Dengan demikian berarti kita juga menolak H0.
Catatan
MODUL UAS STATISTIKA STANNITE
37
Catatan
MODUL UAS STATISTIKA STANNITE
38
Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu; 1.) tabel variabel
penelitian, 2.) ringkasan model (model summary), 3.) Tabel Anova, dan 4.) Tabel Koefisien.
Cara membaca output SPSS hasil uji regresi linier tersebut adalah :
• Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
variabel bebas dan variabel terikat.
• Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah.
Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang
menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel
bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat
ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7%
terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar
variabel X1.
Catatan
MODUL UAS STATISTIKA STANNITE
39
• Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi
(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. <
0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel
ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan
demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan
artinya, model regresi linier tidak memenuhi kriteria linieritas.
• Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan
koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256
+ 0,229 X1
Untuk melakukan uji Chi-Square kita dapat menggunakan Crosstab yang terda[at
pada program SPSS. Uji Chi-Square bertujuan untuk mengetahui hubungan antara variabel
yang terdapat pada baris dengan kolom. Jenis data yang digunakan untuk uji chi-square harus
berbentuk data frekuensi, bukan data yang berbentuk rasio ataupun skala.
Dasar pengambilan keputusan dalam uji chi-square dapat dilakukan dengan melihat
nilai output “Chi Square Test” hasil olah data dengan SPSS. Dalam pengambilan keputusan
kita dapat berpedoman pada dua hal, yakni membandingkan nilai Asymp. Sig dengan batas
kritis yaitu 0,05 atau dapat dengan cara membandingkan antara nilai chi-square hitung
dengan nilai chi-square tabel.
Melihat nilai Asymp. Sig:
1. Jika nilai Asymp. Sig <0,05, maka terdapat hubungan yang signifikan antara baris
dengan kolom.
2. Jika nilai Asymp. Sig >0,05, maka tidak ada hubungan yang signifikan antara baris
dengan kolom.
Melihat nilai Chi-Square:
1. Jika nilai chi-square hitung > chi suare tabel, maka terdapat hubungan antara baris
dengan kolom.
2. Jika nilai chi-square hitung < chi suare tabel, maka tidak terdapat hubungan antara
baris dengan kolom.
Catatan
MODUL UAS STATISTIKA STANNITE
40
Seorang peneliti ingin mengetahui apakah terdapat “hubungan yang signifikan antara
jenis kelamin seseorang dengan tingkat pendidikan yang dicapai”. Data yang diuji adalah
sebagai berikut:
Keterangan data:
1. Jumlah sampel yang digunakan adalah 33 responden atau N=33
2. Pemberian kode pada variabel Jenis Kelamin: untuk Laki-laki=1, untuk perempuan=2
3. Pemberian kode pada variabel tingkat pendidikan: SLTA=1, Diploma=2, S1=3, dan
S2=4.
Hipotesis yang diajukan untuk penelitian ini adalah:
1. H0: tidak terdapat hubungan yang signifikan antara Jenis Kelamin dengan Tingkat
Pendidikan.
2. H1: terdapat hubungan yang signifikan antara Jenis Kelamin dengan Tingkat
Pendidikan.
Catatan
MODUL UAS STATISTIKA STANNITE
41
Langkah-Langkah:
1. Buka program SPSS, contoh ini menggunakan SPSS versi 21. Setelah terbuka, klik
Variable View. Pada bagian Name nomor 1 tuliskan Gender, untuk nomor 2 tuliskan
Pendidikan. Pada bagian Decimals ganti dengan 0, pada bagian Label tuliskan Jenis
Kelamin untuk nomor 1 dan Tingkat Pendidikan untuk nomor 2.
2. Selanjutnya, klik pada bagian Values untuk nomor 1, muncul kotak dialog dengan
nama Value Labels, di bagian Value ketikkan 1, kemudian di bagian Label tuliskan
Laki-laki atau klik Add. Kemudian di bagian Value ketikkan 2, pada bagian Label
tuliskan Perempuan lalu klik Add, dan klik Ok
Catatan
MODUL UAS STATISTIKA STANNITE
42
Lakukan yang sama untuk variabel nomor 2 yakni Tingkat Pendidikan, dengan
ketentuan 1=SLTA, 2=Diploma, 3=S1, dan 4=S2. Maka tampilan yang sudah benar
dalam menginput data adalah sebagai berikut.
3. Jika sudah berhasil pada tahap persiapan input data, langkah selanjutnya klik Data
View. Kemudian isikan kode data yang sudah ada seperti gambar pertama.
Catatan
MODUL UAS STATISTIKA STANNITE
43
5. Muncul kotak dialog dengan nama Crosstabs, masukkan variabel jenis kelamin ke
kotak Row(s), masukkan variabel Tingkat Pendidikan ke kotak Column(s)
6. Langkah berikutnya klik Statistics, muncul kotak dialog dengan nama Crosstabs:
Statistics, berikan tanda centang (v) pada bagian Chi-square, lalu klik Continue, dan
terakhir klik Ok, maka akan muncul output SPSS.
Catatan
MODUL UAS STATISTIKA STANNITE
44
Penjelasan Output
Output 1 : terdapat 33 data yang semuanya diproses (tidak ada data yang hilang),
jadi tingkat kevalidannya 100%.
Output 2 : terllihat tabel silang yang memuat hubungan antara variabel Jenis
Kelamin dengan Tingkat Pendidikan. Contoh pada baris 1 kolom 1,
pada baris Count terdapat angka 3. Hal ini berarti ada 3 laki-laki
(variabel Jenis Kelamin 1) yang berpendidikan SLTA (variabel
Tingkat Pendidikan 1) dan seterusnya.
Catatan
MODUL UAS STATISTIKA STANNITE
45
Output 3 : pada bagian Pearson Chi-Square terlihat nilai Asymp. Sig sebesar
0,584. Karena nilai Asymp.Sig 0,585>0,05, maka dapat disimpulkan
bahwa H0 diterima, yang artinya tidak terdapat hubungan yang
signifikan antara Jenis Kelamin dengan Tingkat Pendidikan.
Sebelum kita melakukan analisis terhadap data di atas dengan program SPSS, maka
sebaiknya bentuk tabel terlebih dahulu dimodifikasi menjadi dua buah tabel. Karena, dalam
analisis dengan SPSS, hanya dapat memasukkan dua variabel saja.
Catatan
MODUL UAS STATISTIKA STANNITE
46
Catatan
MODUL UAS STATISTIKA STANNITE
47
1. Buka Program SPSS, lalu klik Variable View, kemudian untuk memasukkan nama dan
mendefinisikan variabel, maka:
Catatan
MODUL UAS STATISTIKA STANNITE
48
Width : pilih 8
Decimals : pilih 0
Label : tuliskan Penjualan
Value : pilih None
Missing : pilih None
Columns : pilih 8
Align : pilih Right
Measure : pilih Scale
Role : pilih Input
Sehingga di layar akan tampak:
2. Jika semua nama variabel sudah ditulis dengan benar, selanjutnya klik Data View,
lalu input data variabel merk ke kotak X dan variabel Penjualan ke kotak Y
Catatan
MODUL UAS STATISTIKA STANNITE
49
3. Jika data sudah lengkap, maka klik menu Analyze – Compare Means – One-way
ANOVA
4. Maka akan muncul kotak dialog “One-way ANOVA”, selanjutnya pindahkan variabel
penjualan (Y) ke kolom Dependent List, lalu pindahkan variabel Merk (X) ke kolom
Factor.
5. Langkah berikutnya klik Post Hoc, maka muncul kotak dialog “One-Way ANOVA:
Post Hoc Multiple Comparisons”. Pilih Turkey, kemudian klik Continue
Catatan
MODUL UAS STATISTIKA STANNITE
50
6. Kemudian klik Options, maka muncul kotak dialog “One-Way ANOVA: Options”
berikan tanda centang pada Descriptive dan Homogenity of Variance test, lalu klik
Continue
7. Langkah terakhir adalah klik Ok, maka akan muncul Output SPSS yang kita butuhkan
dalam Analisis Anova Satu Faktor.
Interpretasi Output Analisis Data ANOVA Satu Faktor dengan SPSS
1. Melihat perbedaan rata-rata penjualan empat merk handphone
Catatan
MODUL UAS STATISTIKA STANNITE
51
Catatan
MODUL UAS STATISTIKA STANNITE
52
4. Mencari kelompok mana saja yang rata-rata penjualannya sama dan tidak sama (Test
Post-Hoc)
Catatan
MODUL UAS STATISTIKA STANNITE
53
Pembuatan Kesimpulan
Dalam riset eksperimen ini hanya rata-rata penjualan Samsung dengan Lenovo
saja yang berbeda, sedangkan rata-rata penjualan handphone merk lainnya adalah
sama. Dengan demikian, variabel merk hanya berpengaruh secara signifikan terhadap
perbedaan rata-rata penjualan handphone merk Samsung dan Lenovo.
Catatan