1

BAHAN AJAR

STATISTIKA

IR. SUDARMADJI,MM

PKN
SEKOLAH TINGGI AKUNTANSI NEGARA
JAKARTA
2018
 2

BAB.I
PENGERTIAN DAN PENGGUNAAN STATISTIKA

A. PENGERTIAN.
Statistik mempunyai sejarah yang sangat panang,sepanjang peradapan
manusia, pada jaman sebelum masehi, bangsa di Mesopotamia, Mesir dan
Cina telah mengumpulkan data statistic untuk memperoleh informasi tentang
beberapa pajak yang harus dibayar oleh penduduk.
Ahli Statistik H.G.Wells yang hidup pada tahun 1800-an mengatakan “
Berpikir secara statistik suatu saat akan menjadi suatu kemampuan atau
keahlian yang sangat diperlukan dalam masyarakat yang efisien seperti
halnya kebutuhan manusia untuk membaca dan menulis”.
Bahwa statistic mempunyai kaitan dan manfaat langsung dengan banyak hal
yang terkait dengan kehidupan .
Apa arti statistika , Statistika adalah ilmu tentang bagaimana
mengumpulkan, menata,menyajikan, menganalisis, dan
menginterprestasikan data menjadi informasi untuk membantu
pengambilan keputusan yang efektif.
B. JENIS STATISTIKA
Statistika dibagi 2 yaitu statistika deskriptif dan induktif.
1. Statistika Deskriptif adalah metode statistik yang digunakan untuk
menggambarkan data yang telah dikumpulkan menjadi sebuah informasi.
 3

Statistika deskriptif mempunyai kegiatan mulai dari pengumpulan data,

mengolah,dan menyajikan data . penyajian data dapat berbentuk tabel,
grafik, ukuran, dan gambar.
2. Statistika Induktif adalah metode yang digunakan untuk mengetahui
tentang sebuah populasi berdasarkan suatu sampel dengan menganalisis
dan menginterprestasikan data data menjadi kesimpulan.
C. JENIS DATA
a. Data berdasarkan sifatnya ada 2 yaitu data kualitatif dan data kuantitatif.
Data kualitatif yaitu data yang berbentuk bukan angka. Data kuantitatif
yaitu data yang berupa angka.Data kuantitatif ada dua yaitu data Diskrit
yaitu data berbentuk bilangan bulat, contoh: jumlah Motor 3 unit dsb. dan
Data Kontinu yaitu data yang pada suatu interval pengukuran yang bisa
berupa bilangan bulat dan pecahan contoh : berat semangka 3,5 kg.
b. Data berdasarkan sumber ada 2 yaitu data Primer dan data Skunder. Data
Primer adalah data yang diperoleh langsung dari sumbernya. Data
Skunder adalah data yang diperoleh dari pihak ke dua.
D. SKALA PENGUKURAN
Ada 4 jenis pengukuran yaitu skala Nominal, skala ordinal, skala Interval
dan skala rasio.
a. Skala Nominal adalah ukuran yg paling sederhana, dimana angka yang
diberikan kepada obyek mempunyai arti sebagai label saja.
Data : jumlah penjualan beberapa jenis sepeda motor.
No Jenis Motor Jumlah ( unit)
1 Honda 3500
2 Yamaha 3800
3 Suzuki 2900
4 Kawasaki 1500
5 Mocin 1000
 4

b. Skala Ordinal adalah angka yang diberikan dimana angka-angka tersebut

mengandung pengertian tingkatan.
Data : jumlah penjualan beberapa jenis sepeda motor.
No Jenis Motor Jumlah ( unit)
1 Yamaha 3800
2 Honda 3500
3 Suzuki 2900
4 Kawasaki 1500
5 Mocin 1000
Skala Nominal bias dirubah menjadi skala ordinal.
c. Skala Interval adalah suatu skala pemberian angka pada klasifikasi dari
obyek yang mempunyai sifat ukuran ordinal dan ditambah satu sifat lain
yaitu interval yang sama.
Data : Klasifikasi saham di BEJ tahun 2008
No Kriteria Nilai Saham Interval Jumlah
1 Sangat Prosfektif 700 - 800 100 4
2 Prosfektif 600 – 700 100 6
3 Cukup Prosfektif 500 – 600 100 3
4 Kurang Prosfektif 400 – 500 100 2
5 Tidak Prosfektif 300 - 400 100 5

d. Skala Rasio adalah skala yang mencakup semua skala yaitu nominal,ordinal,
intervaldisamping memberikan keterangan tentang nilai obyek yang diukur.
Kondisi A Kondisi B Rasio A/B
Saham BCA 3000 – 4000 Saham BNI 1500 - 2000 2
Jual Toyota 60.000 Jual Honda 40.000 1,5
Inflasi Indonesia 10 Jepang 5 2

BAB. II
PENYAJIAN DATA

Penyajian data digunakan untuk membuat data menjadi sebuah informasi, yang
dipakai untuk mengambil keputusan manajerial.
A. DISTRIBUSI FREKUENSI.
 5

Distribusi frekwensi adalah pengelompokan data kedalam beberapa kategori

yang menunjukan banyaknya data dalam setiap kategori , agar data dapat teratur
dengan cara mengelompokkan besar kecilnya data, sehingga apabila dibaca
akan mudah dipahami.

B. BAGIAN – BAGIAN DISTRIBUSI FREKUENSI.

1. Kelas – kelas adalah kelompok nilai data atau variable.
2. Batas kelas ( class limit ) adalah nilai yang membatasi kelas yang satu
dengan kelas yang lain.
Terdapat dua batas kelas yaitu :
a. Batas kelas bawah ( lower class limit ) , terdapat di deretan sebelah
kiri setiap kelas.
b. Batas kelas atas ( upper class limit ), terdapat di deretan sebelah
kanan setiap kelas.
3. Tepi kelas adalah batas kelas yang tidak punya lubang untuk angka tertentu
antara kelas yang satu dengan kelas yang lain.
Terdapat dua tepi kelas yaitu :
a. Tepi bawah kelas , dirumuskan : batas bawah kelas - 0,5.
b. Tepi atas kelas , dirumuskan : batas kelas atas + 0,5.

4. Titik tengah kelas ( class mid point ) adalah angka atau nilai data yang
terletak tepat ditengah suatu kelas, dirumuskan : batas atas + batas bawah
dibagi dua.
5. Interval kelas ( class interval ) adalah selang yang memisahkan kelas yang
satu dengan kelas yang lain.
 6

6. Panjang interval kelas ( interval size ) adalah jarak antara tepi atas kelas dan
tepi bawah kelas.
7. Frekwensi kelas ( class frekwensi ) adalah banyaknya data yang termasuk
kedalam kelas tertentu.

C. MEMBUAT TABEL DISTRIBUSI FREKWENSI

Langkah-langkah penyusunan :
1. Mengurutkan data dari yang terkecil ke yang besar.
2. Menentukan jangkauan ( range = R ) dari data , dirumuskan : R = data
terbesar – data terkecil.
3. Menentukan jumlah kelas ( JK ), dirumuskan : JK = 1 + 3,322 log n. n =
jumlah data.
4. Menentukan panjang interval kelas ( I ).
R
Dirumuskan : I 
JK

Contoh :
Seorang mahasiswa akan mengadakan penelitian tentang modal awal yang dimiliki
para pedagang kaki lima di Pasar Minggu dengan mengambil 40 sampel dan
diperoleh hasil sbb : ( dalam ratusan ribu rupiah ).
 7

30 41 45 50 46 43 40 44 50 53
40 44 50 51 51 42 34 34 41 45
50 50 45 43 40 44 52 50 45 40
49 51 41 45 50 51 35 35 52 40
pertanyaan :
Buatlah distribusi frekwensi ?

D. PENYAJIAN DATA
Data yang sudah dikelompokan dalam bentuk tabel distribusi frekuensi dapat
disajikan dalam bentuk grafik supaya menjadi lebih menarik dan informative.
Grafik yang bersal dari distribusi frekuensi disebut grafik Histogram dan
Poligon.
Histogram dan Poligon adalah dua grafik yang sering digunakan untuk
menggambarkan distribusi frekwensi. Histogram merupakan grafik batang dari
distribusi frekwensi. Poligon merupakan grafik garis.
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40 perusahaan
sebagai sample ( jutaan rupiah ).
kelas Biaya promosi Frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8

Tentukan : Jumlah kelas, batas kelas bawah dan atas, tepi bawah dan atas kelas,
titik tengah kelas, interval kelas, panjang interval kelas, frekwensi kelas dan buat
histogram dan poligon.
 8

D. JENIS-JENIS DISTRIBUSI FREKUENSI

1. Distribusi Frekuensi Relatif.

Adalah hasil bagi atau perbandingan antara jumlah frekuensi aspek tertentu dibagi total
jumlah frekuensi dikalikan 100%.

fi
Dirumuskan : F.relatif = X 100%
f
Contoh :
Biaya promosi 40 Perusahaan
Kelas Biaya Promosi Frekuensi Frekuensi Relatif
I 20 – 24 2 2/40 x 100% = 5%
II 25 – 29 6 6/40 x 100% = 15%
III 30 – 34 10 10/40 x 100% = 25%
IV 35 – 39 14 14/40 x 100% = 35%
V 40 – 44 8 8/40 x 100% = 20%

2. Distribusi Frekuensi Komulatif.

Distribusi ini ada 2 yaitu

a. Distribusi F. Komulatif “ kurang dari “ ( < )

b. Distribusi F. Komulatif “ lebih dari “ ( ≥ )
 9

Contoh: Distribusi F. Komulatif “ Kurang dari “

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi Biaya Promosi “ kurang Frekuensi Komulatif
dari “ / “< ” “<“
20 – 24 2 < 20 0
25 – 29 6 < 25 2
30 – 34 10 < 30 8
35 – 39 14 < 35 18
40 – 44 8 < 40 32
< 45 40

Contoh: Distribusi F. Komulatif “ lebih dari “

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi Biaya Promosi “ lebih dari Frekuensi Komulatif
“ / “ ” ““
20 – 24 2  20 40
25 – 29 6  25 38
30 – 34 10  30 32
35 – 39 14  35 22
40 – 44 8 8
 40
0
 45

Dari distribusi tersebut buatlah grafik ogif.

BAB.III
UKURAN LOKASI/PEMUSATAN
 10

A. MEAN ( RATA – RATA HITUNG )

Mean ( rata-rata hitung ) adalah nilai rata-rata dari data yang ada. Rata-rata
hitung dari populasi diberi symbol “  “ , rata –rata sample diberi symbol “ x
Rata – rata hitung berdasarkan bentuk data ada :
1. Data tunggal/tidak berkelompok.
Dirumuskan :
a. Jika X1,X2,X3 …….Xn, maka rata-rata hitungnya :
_
x1  x2  x3 .....xn
X 
n
, keterangan : n = jumlah data, x = wakil data

contoh :
tentukan rata-rata hitung dari data sbb :
8, 7,2 ,5, 18, 20.
b. Jika X1,X2,X3, …….Xn masing-masing memiliki frekuensi
f1,f2,f3….fn., maka rata-rata hitungnya :

X =
 f .X 
f1. X 1  f 2 . X 2 ....... f n . X n
f f1  f 2  ..... f n

Contoh :
X F
4 5
7 3
8 2
9 2
12 1
Cari rata-rata hitung data diatas ?
2. Rata-rata hitung data berkelompok.
Apabila telah terbentuk distribusi frekwensi, maka rata-rata hitung ( mean)
dirumuskan :
 11

 fiXi ,
X keterangan : fi = frekwensi pada kelas ke i, Xi = titik tengah.

 fi
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40 perusahaan
sebagai sample ( jutaan rupiah ).
kelas Biaya promosi frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8

Tentukan rata –rata hitung dari data diatas ?

B. MEDIAN.
 12

Median merupakan nilai tengah dari data yang ada setelah data diurutkan.
Median disebut juga rata-rata posisi, disimbolkan Me/ Md.

Median ada dua :

1. Median data tunggal .
a. jika jumlah data ganjil, mediannya berada paling tengah,
dirumuskan :

n 1
Me data = X , n = jumlah data
2

Contoh :a. 4, 7,3, 9, 12, 5, 2. Tentukan mediannya ?

b. jika jumlah data genap, mediannya berada hasil bagi jumlah data
yang ditengah, dirumuskan :
n 1
Me data genap = X ,n = jumlah data
2

Contoh : 9, 8, 14, 4, 7, 3, 10, 6. tentukan Mediannya ?

2. Median data kelompok.

n    fo 
1
Dirumuskan : Me  B  2 XC
fme
Keterangan : B = tepi bawah kelas median.
n = jumlah frekwensi
fo = jumlah frekwensi kelas median sebelum kelas median.
C = Panjang interval kelas
fme =frekwensi kelas median.

Contoh :
 13

Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40 perusahaan
sebagai sample ( jutaan rupiah ).
kelas Biaya promosi frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan : mediannya.

C. MODUS.
Modus merupakan nilai yang sering muncul dalam data, disimbolkan Mo.
Modus ada dua :
1. Modus data tunggal.

Contoh : 2, 5,6, 7,6, 8,9,6,7. tentukan modusnya ?

2. Modus data kelompok.

d1
Dirumuskan : Mo  L  XC
d1  d 2
Keterangan : L = Tepi bawah kelas modus

d1 = selisih frekwensi kelas modus dengan frekwensi kelas sebelumnya.

d2 = selisih frekwensi kelas modus dengan frekwensi kelas sesudahnya.
C = panjang interval.

Contoh :
 14

Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40 perusahaan
sebagai sample ( jutaan rupiah ).
kelas Biaya promosi frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan modusnya ?

D.QUARTIL.
Quartil adalah membagi seperangkat data yang telah terurut menjadi empat
bagian yang sama. Terdapat 3 jenis quartil : quartil pertama, kedua dan ketiga
(Q1,Q2,Q3 ).
Quartil ada 2 :
1. quartil data tunggal.
i  n  1
Dirumuskan : Qi = nilai yang ke , i = 1,2,3.
4

Contoh : tentukan Q1,Q2, Q3 dari data sbb:

8, 2, 10, 9,4,5,12, 8,6,4,7
2. quartil data kelompok .
in
  fo
dirumuskan : Qi  Bi  4 XC
fqi
Keterangan ; Bi = tepi bawah kelas quartil.
n = jumlah frekwensi.
i = 1,2,3.
fo = jumlah frekwensi sebelum kelas kuartil

fqi = frekwensi kelas quartil. Dan C = panjang interval kelas kuartil .

Contoh :
 15

Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40
perusahaan sebagai sample ( jutaan rupiah ).
kelas Biaya promosi frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan quartil 1,2,3.

E. DESIL
Desil adalah membagi seperangkat data yang telah terurut menjadi sepuluh
bagian. Jadi Desil jumlah ada 9 yaitu D1, D2, ……..D9.
Desil berdasarkan bentuk data ada 2 :
1. Desil data tunggal/tidak berkelompok,
 n  1 ,
Dirumuskan : Di = nilai ke i i = 1,2,3……..9
10

Contoh : tentukan D3,D5,D7 dari data dibawah ini :

8,5,7,10,16,9,20,24,14,12.
2. Desil data berkelompok.

i.n
 Fo
Dirumuskan : Di = Bi  10 XC
Fdi

Keterangan : Di = desil ke I, Bi = tepi bawah kelas desil ke I, n = jumlah frekwensi, Fo =

jumlah frekwensi sebelum kelas desil ke i, Fdi = frekwensi kelas desil, i = 1,2,3……9.
Contoh :
 16

Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari 40
perusahaan sebagai sample ( jutaan rupiah ).
kelas Biaya promosi frekwensi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8

Tentukan : D4,D6,D8 dari tersebut diatas ?

BAB.IV
PENGUKURAN DISPERSI

A. PENGERTIAN
Pengukuran dispersi atau pengukuran penyimpangan adalah pengukuran
seberapa jauh penyimpangan nilai-nilai data dari nilai pusatnya.
 17

B. JENIS – JENIS PENGUKURAN DISPERSI.

1. Rentang/jangkauan ( Range ) adalah selisih nilai terbesar dengan
nilai terkecil.
Dirumuskan : R = Xt – Xr .
Dimana Xt = nilai tertinggi dan Xr =
nilai terendah.
Contoh : 9, 13, 16, 20, 26, 28, 35, 46.
R = 46 – 9 = 37.
2. Rentang/jangkauan antar kuartil dan semi kuartil.

Dirumuskan : RAK = Q3 – Q1
Dimana : RAK = rentang antar kuartil, Q3 = kuartil 3, Q1 = kuartil 1.
SK = ½ ( Q3 – Q1 )
Dimana : SK = semi antar kuartil.

3. Deviasi rata-rata ( simpangan rata-rata ).

Adalah nilai rata-rata hitung dari harga mutlak simpangannya.

a. Data tidak berkelompok,

Dirumuskan : DR = 
X X
dimana : X = rata-rata data.
n

Contoh : tentukan Deviasi rata-rata dari 5, 12,18,20, 30.

b. Data berkelompok.


Dirumuskan : DR = 
f X X
,
n
dimana : x = titik tengah, x = rata-rata hitung, n= jumlah frekuensi.

Contoh :
 18

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
30 – 34 10
35 – 39 14
40 – 44 8

Tentukan deviasi rata-rata ?

4. VariansAdalah simpangan rata-rata kuadrat, untuk sample

disimbolkan “ s2”.
a. data tidak berkelompok .
1). Sample ( n > 30 )
 

dirumuskan : s =  
2 x  x

n

contoh :
Nilai statistika dari 35 mahasiswa
Nilai statistik I Frekuensi
30 5
50 10
70 8
90 7
100 5
 19

Tentukan varians ?

2). Sample ( n < 30 )

2

  x  x 


dirumuskan : s2 =
n 1

contoh :
Nilai statistik I dari 20 mahasiswa
Nilai statistic I Frekuensi
30 2
50 5
70 6
90 4
100 3

Tentukan varians?

b. Varians berkelompok.
1). Sampel ( n  30 )
2
 

S =  
2 f x  x

n

contoh :

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
 20

30 – 34 10
35 – 39 14
40 – 44 8
Tentukan Varians?
2). Sample ( n < 30 )
2
 

=  
2 f x  x
S 
n 1

contoh :

Biaya promosi 20 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 4
30 – 34 8
35 – 39 3
40 – 44 3
Tentukan Varians ?
5. Standar Deviasi ( simpangan baku )
Adalah akar dari simpangan rata-rata kuadrat, untuk sample
disimbolkan “ s”.

a. data tidak berkelompok .

1). Sample ( n > 30 )
2
 

dirumuskan : s =   x  x 
n

contoh :
Nilai statistik I dari 35 mahasiswa
 21

Nilai statistik I Frekuensi

30 5
50 10
70 8
90 7
100 5

Tentukan simpangan baku ?

2). Sample ( n < 30 )
2
 

dirumuskan : s =   x  x 
n 1

contoh :
Nilai statistik I dari 20 mahasiswa
Nilai statistik I Frekuensi
30 2
50 5
70 6
90 4
100 3

Tentukan simpangan baku?

b. Simpangan baku berkelompok.
1). Sampel ( n  30 )
2
 _

 fX  X
 
s
n
 22

contoh :

Biaya promosi 40 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
30 – 34 10
35 – 39 14
40 – 44 8
Tentukan simpangan baku ?
2). Sample ( n < 30 )
2
 _

s =  f  X  X 
n 1

contoh :Biaya promosi 20 Perusahaan

Biaya Promosi Frekuensi
20 – 24 2
25 – 29 4
30 – 34 8
35 – 39 3
40 – 44 3

Tentukan simpangan baku ?

C. KOEFISIEN DEVIASI RATA-RATA

Koefisien deviasi rata-rata adalah Persentase dari deviasi rata-rata

terhadap nilai rata-ratanya.

DR
Dirumuskan : KDR = 
x100% .
X
 23

keterangan : KDR = koefisien deviasi rata-rata

X = rata-rata.
D. KOEFISIEN STANDAR DEVIASI /KOEFISIEN VARIASI
Koefisien Standar Deviasi adalah persentase dari standar deviasi terhadap
nilai rata-rata.
SD
Dirumuskan : KSD = 
X 100%
X
E. UKURAN KECONDONGAN ( SKEWNESS)
  Mo 3   Md 
Dirumuskan : SK = atau SK = Keterangan : Mo = Modus dan Md =
 

median. µ/ = rata-rata hitung, σ/s = standar deviasi.
x

F. UKURAN KERUNCINGAN ( KURTOSIS )

Symbolnya = α4
1
 x  4
Rumusnya data tidak kelompok: α = n  4

4

1
 f  x  
4
4
Rumus untuk data berkelompok : α = n
4
Jika α4 = 3 maka kurvanya mesokurtik ( tdk mendatar dan tidak meruncing ), jika α4 > 3 kurvanya
Leptokurtik ( kurvanya puncak paling tinggi, α4 < 3 kurvanya platykurtik kurvanya mendatar.
 24

BAB.V.
KORELASI DAN REGRESI
LINEAR SEDERHANA

A. Variabel bebas dan variable terikat.

Variabel bebas ( Independent variable ) adalah variable yang nilainya tidak
tergantung pada variable lainnya. Biasanya disimbolkan X.
Variabel terikat ( dependent variable ) adalah veriabel yang nilainya
tergantung variable lainnya. Biasanya disimbolkan Y.
B. Koefisien Korelasi linear sederhana.
Koefisien korelasi adalah indek/bilangan yang digunakan untuk mengukur
keeratan hubungan antar variable ( hubungannya bias kuat, lemah dan tidak
ada hubungan ). Koefisien korelasi disimbolkan “r”.
Koefisien korelasi memiliki nilai antara –1 dan +1 ( -1  r  1 ).
 25

a. Jika koefisien korelasi bernilai positif ( r + ) maka variable berkorelasi

positif, apabila nilai r mendekati +1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
b. Jika koefisien korelasi bernilai negatif ( r - ) maka variable berkorelasi
negatif, apabila nilai r mendekati –1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
c. Jika koefisien korelasi bernilai 0 maka variabelnya tidak ada hubungan.
d. Jika koefisien korelasi bernilai +1 dan –1 maka hubungan antar variable
sempurna.
Untuk menentukan keeratan hubungan antar variable tersebut, maka
diberikan patokan :
a. r = 0 ---- tidak ada hubungan antar variable.
b. 0,001  r  0,19 ----korelasinya antar variable sangat lemah.
c. 0,20  r  0,39 ---- korelasinya antar variable lemah.
d. 0,40  r  0,59 ---- korelasinya antar variable cukup berarti.
e. 0,60  r  0,79 ---- korelasinya antar variable kuat.
f. 0,80  r  0,99 ---- korelasinya antar variable sangat kuat.
g. r = 1dan -1, korelasinya antar variable sempurna.
Begitu juga apabila nilai koefisien korelasinya negatif.

C. Jenis koefisien korelasi linear sederhana.

a. koefisien korelasi Pearson.
Koefisien korelasi Pearson adalah indek / bilangan yang digunakan untuk
mengukur keeratan hubungan antar variable yang datanya berbentuk
interval/rasio.

Koefisien korelasi Pearson ( r ) dapat ditentukan dengan 2 metode :

 26

1. Metode least square, dirumuskan sebagai berikut :

n X .Y   X . Y
r =
n. X 2
  X 
2
n.Y 2
  y
2


2. Metode product moment, dirumuskan sebagai berikut :

 x. y
r =
 x . y
2 2

Keterangan : x = X – X dan y = Y - Y

b. Koefisien Penentu ( KP ) atau Koefisien Determinan ( r2 ).

Adalah koefisien korelasi dikuadratkan dikalikan 100%.

Koefisien korelasi menjelaskan seberapa besar pengaruh variable

bebas ( X ) terhadap variable terikat ( Y).

Dirumuskan : r2 x 100%.

Contoh 1:
Apabila anda bekerja dibagian Marketing , kemudian anda diminta
oleh Pimpinan untuk menganalisis apakah biaya yang dikeluarkan
untuk promosi ada hungannya dengan pendapatan diperusahaan .
Anda diberikan data sebagai berikut :
X = biaya promosi dan Y = Pendapatan.
Biaya promosi 3 5 9 6 10 12
( dalam ratusan juta )
Pendapatan 2 4 6 5 7 7
( dalam milyar )
Pertanyaan : Bagaimana kesimpulan anda hubungan antara biaya
promosi dan pendapatan yang diperoleh Perusahaan serta seberapa
 27

besar pengaruhnya biaya promosi terhadap pendapatan.. dan berapa

pendapatannya jika biaya promosi dinaikan 20 .

D. REGRESI LINEAR.
Adalah alat ukur yang digunakan untuk mengukur ada atau tidaknya korelasi
antar variable. Regresi artinya ramalan / taksiran. Diperkenalkan pertama
kali oleh Sir Francis Galton Th. 1877.
Regresi linear adalah regresi yang variable bebasnya berpangkat paling
tinggi satu.
Persamaan regresi linear dari Y terhadap X dirumuskan :
Y = a + bX
Keterangan : Y = Variabel terikat, X = variable bebas, a = konstanta, b
= koefisien regresi.
Dari persamaan regresi tersebut nilai a dan b dapat ditentukan dengan rumus
:
 n    X .Y     X   Y 
b =
 n   X 2     X  2
-
a = Y - b.X
contoh :
Data penelitian mengenai pengalaman kerja dengan produktivitas dalam
menjual produk SM.
X = pengalaman kerja. ( tahun )
Y = produktivitas dalam ( unit ).

X 3 6 4 9 10 5 7 6
Y 5 10 8 12 14 9 10 9
 28

Pertanyaan :
a. Buat persamaan regresinya ?
b. Apabila tenaga kerja yang sudah pengalaman 15 tahun berapa
produktivitasnya penjualan,
Kesalahan baku regresi dan koefisien regresi.
Dirumuskan :
a. Kesalahan baku regresi :

Se = y 2
 a. y  b. x. y
n2

b. Kesalahan baku koefisien regresi a :

  x  se 
2

Sa =
n. x    x 
2 2

c. Kesalahan baku koefisien regresi b :

Se
Sb =  x 2

x 2

n

Contoh : Hasil survey dampak biaya iklan terhadap omzet penjualan.

X = Biaya iklan ( milyar ) dan Y = omzet penjualan ( milyar )
X 4 7 10 12 9 14 8 6 11
Y 6 9 17 20 16 20 18 10 14
Pertanyaan :
a. Buatkan persamaan regresi.
b. Berapa omzet penjualan jika biaya klan naik menjadi 30 milyar.
c. Tentukan kesalahan baku regresi, koefisien regresi a dan b.
 29

Jawab :
X = pengalaman kerja.
Y = produktivitas.dalam menjual

X Y XY X2 Y2
3 5 15 9 25
6 10 60 36 100
4 8 32 16 64
9 12 108 81 144
10 14 140 100 196
5 9 45 25 81
7 10 70 49 100
6 9 54 36 81
50 77 524 352 791

X = 50/8 = 6,25 Y = 77/8 = 9,63

 n    X .Y     X   Y 
b =
 n   X 2     X  2

8.524  50.77 4192  3850 342

b= = 2816  2500  316  1,08
8.352  50 2

a = Y - b.X
a = 9,63 – 1,08.6,25
= 9,63 – 6,75 = 2,88
a. Jadi persamaan regresinya Y = 2,88 + 1,08 X
b. Untuk tenaga kerja yang pengalamannya 15 tahun diperkirakan hasil
penjualannya adalah Y = 2,88 + 1,08.15 =
= 2,88 + 16,2 = 19,08 unit.
 30

E. Koefisien korelasi Rank Spearman.

Adalah angka /indek yang digunakan untuk mengukur keeratan hubungan antar
dua variable yang datanya berbentuk data ordinal ( data bertingkat/data
rangking ). Disimbolkan “ rs “ .
6 d 2
Dirumuskan : rs = 1 -
n n 2  1

Keterangan : rs = koefisien korelasi rank spearman. d = selisih

dalam ranking. n = banyaknya pasangan ranking.
Langkah- langkah untuk menghitung koefisien korelasi rank Spearman :
1. nilai pengamatan dari dua variable yang akan diukur hubungannya diberi
ranking. Pemberian rangking dimulai data terbesar /terkecil. Jika ranking
sama diambil rata-rata.
2. Setiap ranking dihitung perbedaannya.
3. perbedaan setiap pasang ranking dikuadratkan dan dijumlah.
Contoh :
Data mengenai hasil penelitian tentang hubungan indek prestasi ( IP ) dari para sarjana dan
nilai prestasi kerja dari 10 sarjana di Perusaan BUMN adalah :
IP 2,5 3 3,3 2,7 3,6 3,3 3,1 2,9 2,8 3,7
Nilai 83 80 79 82 88 81 78 84 85 90
prestasi
X = IP dan Y = Nilai prestasi kerja.

Pertanyaan :
a. Hitung koefisien korelasi rank.
b. Bagaimana kesimpulan anda tentang hubungan antara IP dan prestasi kerja.

Jawab :
 31

X Y Rang X Rang Y d= X-Y d2

2,5 83 10 5 5 25
3 80 6 8 -2 4
3,3 79 3+4/2=3,5 9 - 5,5 30,25
2,7 82 9 6 3 9
3,6 88 2 2 0 0
3,3 81 3+4/2=3,5 7 -3,5 12,25
3,1 78 5 10 -5 25
2,9 84 7 4 3 9
2,8 85 8 3 5 25
3,7 90 1 1 0 0
Jumlah 139,5

6 d 2
a. rs = 1 -
n n 2  1

6.139,5 837
rs = 1-  1 =1- 0,845 = 0,15
1010  1
2
990

c. Jadi kesimpulannya adalah bahwa hubungan antara IP dengan

Prestasi kerja sangat lemah positif.

F. KORELASI DAN REGRASI LINEAR DATA BERKELOMPOK

n. f xu xu y    f xu x    f y u y 
RUMUS KORELASI : r =
(n. f x  u x     f xu x  )(n. f y  u y     f y u y  )
2 2 2 2

RUMUS REGRESI : Y = a + bX
 32

n. f xu xu y    f xu x    f y u y  i y
b= x
n. f x  u x     f xu x 
2
2
ix

 
a = y b x


x  Mx 
f x ux
xi x
n


y  My 
f y uy
xi y
n

keterangan :
M = rata –rata hitung sementara , biasanya diambil titik tengah dengan frekuensi terbesar.
ix = panjang interval x
iy = panjang interval y
fx = frekuansi kelas x
fy = frekuansi kelas y

contoh :
Data tentang umur dan berat dari 300 sapi sbb :

Umur ( bulan ) ----( X )

59 – 62 63 – 66 67 – 70 71 – 74 75 - 78 fy
B 90 – 109 2 1 3
E 110 – 129 7 4 8 2 21
R 130 – 149 5 22 15 7 1 50
A 150 – 169 2 63 12 19 5 101
T 170 – 189 28 7 32 12 79
(Y) 190 – 209 10 2 20 7 39
210 – 229 1 4 2 7
fx 16 45 128 84 27 300
Tentukan : . hubungan umur dengan berat badan Dan tentukan regresinya.
Jawab :

umur ( X )
59 – 62 63 – 66 67 – 70 71 – 74 75 - 78 fy fyuy fy(uy)2 fyuyux
Uy
B 90 – 109 2 1 3 -3 -9 27 15
E 110 – 129 7 8 4 2 21 -2 40
R 130 – 149 5 15 22 7 1 50 -1 16
A 150 – 169 2 12 63 19 5 101 0 0
T 170 – 189 7 28 32 12 79 1 49
(Y) 190 – 209 2 10 20 7 39 2 64
210 – 229 1 4 2 7 3 24
fx 16 45 128 84 27 300 0 77 459 208
-2 -1 0 1 2 0
Ux
fxux -32 61
 33

fx(ux)2 64 301
fxuxuy 50 23 0 73 62 208

r = ? dan y = a + b x …. ?

G. KORELASI DATA KUALITATIF

Untuk data kualitatif yang dipergunakan untuk mengukur kuatnya hubungan di sebut koefisien
contingency ( C )./ Koefisien bersyarat.

2
Rumus : C =
2 n
n = banyaknya observasi
f  eij 
p
q 2

  ..
2 ij
----- f ij : frekuensi kategori ij
j 1 eij
i 1
------ e ij : frekuensi harapan. = ni.nj/n

Nilai C jika :

< 0,50 : hubungannya lemah

0,50 – 0,75 : hubungannya cukup
0,75 – 0,90 : hubunganya kuat
0,90 – 1 : sangat kuat
1 .00 : sempurna.

Contoh :

Apakah ada hubungan antara jenis kelamin terhadap pelayanan di sebuah bank.
Hasil penelitian sbb :

Jenis kelamin Pelayanan

Kurang Cukup Baik Sangat baik
(1 ) (2) (3) (4)
Laki – laki ( 1 ) 8 10 12 15
Wanita (2) 10 14 16 20
Jumlah

Jawab :

Jenis kelamin Jumlah

Kurang Cukup Baik Sangat baik
 34

(1 ) (2) (3) (4)

Laki – laki ( 1 ) 8 ( 7,71) 10 12 15 45
Wanita (2) 10 ( 10,28 ) 14 16 20 60
Jumlah 18 24 28 35 105

e 11 = 18 x 45 / 105 = 7,71
e12 = 18 x 60 / 105 = 10.28
.
.
.
e42 = 35 x 60 / 105 = 20

X2 = ( 8 – 7,71)2/ 7,71 + (10 – 10,28)2/10.28 + ………

H.
I. Analisis Regresi, Koefiensi Determinasi , Korelasi berganda dan Parsial.
1. Analisis regresi berganda.
Untuk menganalisis besarnya hubungan dan pengaruh variabel independen
yang jumlahnya lebih dari satu dikenal dengan anlisis regresi berganda.
Bentuk persamaan regresi dengan dua variabel independen adalah :
Y = a + b1X1 + b2X2.
Dari persamaan tersebut diperoleh nilai koefisien regresi untuk a,b1, dan b2
dengan cara sbb :
AB  CD
b1 = F
DE  AC
b2 = F

a = Y  b  X
1 1  b2  X 2
n

dimana :
A= n. X 1.Y   X 1  Y

B = n.  X 2     X 2 
2 2

C = n X 1 X 2   X 1  X 2
 35

D = n .  X 2 .Y   X 2.  Y

n.  X 1     X 1 
2
E= 2

F = EB – C2

Contoh ;
Anda diminta untuk menganalisis data biaya distribusi dan biaya promosi
terhadap pendapatan di PT. Agung , datanya sbb :

Tabel : 1. Data biaya distribusi dan Promosi serta pendapatan di PT.Agung.

Biaya distribusi Biaya promosi Pendapatan
( dlm jutaan Rp.) ( dlm jutaan Rp.) ( dlm puluhanjuta Rp.)
4 5 9
7 4 10
3 6 9
9 5 11
5 6 14
5 3 7
11 8 16
8 8 9
9 5 12
6 4 12
6 3 9
a. Tentukan persamaan regresinya.
b. Anda diminta untuk menghitung berapa pendapatan PT. Agung
jika biaya distribusi 16 juta dan biaya promosi 12 juta.
2. Koefisien Determinasi. ( R2)
Digunakan untuk menjelaskan seberapa besar kontribusi variabel independen ( X1 dan
X2 ) terhadap variabel dependent ( Y).
Dirumuskan :
n ( a. Y  b1 . Y . X 1  b2 . Y . X 2 )    Y  2

R2 =
n. Y 2    Y 
2
 36

Contoh soal :

Dari data tabel 1 : Tentukan berapa besar pengaruh biaya distribusi dan promosi
terhadap pendapatan di PT.agung.

3. Koefisien Korelasi berganda.

Dirumuskan :

R = R2

Contoh soal :
Dari data tabel 1 : Tentukan bagaimana hubungan antara biaya distribusi dan promosi
terhadap pendapatan di PT.Agung.

4. Korelasi Parsial.
Korelasi parsial adalah hubungan variabel bebas dengan variabel tidak bebas, dengan
variabel lain tetap.
Korelasi parsial digunakan untuk melihat besarnya hubungan antara dua variabel yang
bebas dari variabel yang lainnya.
Pada regresi berganda kita juga mengenal koefisien korelasi yang dilambangkan R.
koefisien korelasi ini menggambarkan hubungan antara Y dengan X1 dan X2 sekaligus.
Korelasi parsial dilambangkan :
1. Ry.x1.x2. yang menyatakan hubungan antara Y dengan X1 dimana x2 dianggap tetap.
2. Ry.x2.x1 yang menyatakan hubungan antara Y dengan x2 dimana x1 dianggap tetap.
3. Rx1x2 Y yang menyatakan hubungan antara x1 dengan x2 dimana Y dianggap tetap.
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana sbb :

ry.x1  ry.x2 .rx1 x2

1. Ry.x1.x2 =
1  r 
yx2 1  r 2 x1 x2
2

ry.x2  ry.x1.rx1 x2
2. Ry.x2.x1 =
1  r 2

yx1 1  r 2 x1 x2 
rx1.x2  ry.x2 .ryx1
3. R.x1.x2.y =
1  r 2

yx2 1  r 2 yx1 
Dimana : r y.x1 :
r y.x2 :
r x1.x2 :

Contoh : dari data diatas tentukan koefisien korelasi parsial.

 37

BAB.IV
ANGKA INDEK

A. Pengertian angka indek.

Adalah angka yang dipakai sebagai alat perbandingan dua atau lebih kegiatan
yang sama untuk kurun waktu yang berbeda. Angka indek satuannya persen ( %
) dalam prakteknya tidak disertakan.
Angka indek berhubungan dengan periode atau waktu, maka ada dua jenis
periode :
1. Periode waktu dasar, adalah periode yang dipakai sebagai dasar dalam
membandingkan kegiatan tersebut.
2. Periode waktu berjalan, adalah periode yang dipakai yang sedang berjalan
atau periode yang diperbandingkan dalam kegiatan tersebut.
Contoh : Jumlah penduduk DKI Jakarta tahun 1997 adalah 8 juta jiwadan tahun
2000 adalah 16 juta.
Berapa indek penduduk DKI Jakarta tahun 1997 dan 2000 , jika periode
dasarnya tahun 1997 dan berapa indek penduduk tahun 1997 dan 2000 jika
periode dasarnya tahun 2000 ?.

B. Jenis-jenis angka indek.

1. Jenis angka indek berdasarkan penggunaannya yaitu
a. Indek harga ( price indeks ).

b. Indek Kuantitas ( quantity indeks ).

c. Indek nilai.
 38

2. Jenis indek berdasarkan cara penentuannya yaitu

a. Indek tak tertimbang adalah angka indek yang dalam pembuatannya tidak
memasukan factor yang mempengaruhi naik turunnya angka indek.
b. Indek tertimbang adalah angka indek yg dalam pembuatannya
memasukkan factor yang mempengaruhi angka indek.
3. Cara penentuan angka indek
a. Indek harga.
1). Indek harga tak tertimbang, cara penentuannya ada 3 metode yaitu
metode angka relatif, metode agregat dan metode rata-rata relatif.

Pt
Metode angka realtif dirumuskan : I t,o = P x100%
0

Keterangan : I t,o = indek harga pd periode t dg periode dasar 0. Pt =

harga pd periode t, Po = harga pd periode dasar.

Metode agregat dirumuskan : I t,o =

 P x100%
t

P o

Ket:  Pt  Jumlah seluruh harga pada periode t.

 Po  jumlah seluruh harga pd periode 0

  Pt  
Metode rata-rata relatif dirumuskan : I t,o =    P  x100% 
 0  
K

K = jumlah barang
 39

Contoh :

Harga rata-rata Koran di DKI Jakarta dari tahun 1999 s/d 2003 di DKI Jakarta.

Jenis barang 1999 2000 2001 2002 2003

Kompas 1200 1500 1600 1800 2000
Media Ind 900 1000 1100 1200 1250
Pos kota 500 600 700 800 850
Republika 600 650 700 750 800
Berita kota 400 500 600 600 700
Bisnis 500 550 600 600 700
Pertnyaan :

Hitunglah indek harga tahun 2001 dan 2003 dengan metode angka relatif,
agregat dan rata-rata relatif, dengan periode dasar 1999.

2).Indek harga tertimbang.

Indek harga tertimbang dibedakan menjadi dua : metode agregat

sederhana tertimbang dan metode rata-rata tertimbang.

Metode agregat sederhana tertimbang , dikenal beberapa metode :

1. Metode Laspayres, dirumuskan :

IL t,o =
 P xQ
t 0
x100% , penimbangnya quantity waktu dasar.
 P xQ
0 0

Contoh: Harga rata-rata Koran di DKI Jakarta dari tahun 1999 s/d
2003 di DKI Jakarta.
 40

Jenis barang 1999 2000 2001 2002 2003

Kompas 1200 1500 1600 1800 2000
Media Ind 900 1000 1100 1200 1250
Pos kota 500 600 700 800 850
Republika 600 650 700 750 800
Berita Kota
400 500 600 600 700
bisnis 500 550 600 600 700

Apabila kuantitas penjualan ditahun 1999 yaitu 5000 ,6000,7000,

8000 , 9000 . dan 10000 exp, tentukan indek harga tahun 2003
dengan metode Laspeyres , dengan periode dasar tahun 1999.

2. metode Passche, dirumuskan :

IP t,o =
 p xQ x 100%
t t

 p xQ 0 t

3. Metode Drobisch, dirumuskan :

ILt ,0  Ipt , o
Idt,o = 2

4. Metode Fisher, dirumuskan :

IF t,0 = ILxIP

Contoh: Harga rata-rata Koran di DKI Jakarta dari tahun 1999 s/d 2003 di DKI
Jakarta.

Jenis barang 1999 2000 2001 2002 2003

Kompas 1200 1500 1600 1800 2000
 41

1200
Media Ind 900 1000 1100 800 1250
Pos kota 500 600 700 750 850
Republika 600 650 700 600 800
Berita Kota
400 500 600 600 700
bisnis 500 550 600 700

Apabila kuantitas penjualan ditahun 2003 yaitu 8000 ,9000,10.000,

12.000 , 15.000 . dan 18.000 exp, , tentukan indek harga tahun 2003
dengan metode Paschee dengan periode dasar tahun 2000..

5. Indek Marshall – Edgeworth ( IME )

IME = ∑Pt ( Qo + Qt ) x 100%
∑Po ( Qo + Qt )

Contoh: n

6. Metode Wals
IW = ∑ Pt √ Qo.Qt x 100%
∑ Po √ Qo.Qt

Contoh: Harga rata-rata Koran di DKI Jakarta dari tahun 1999 s/d 2003 di DKI
Jakarta.

Jenis barang 1999 2000 2001 2002 2003

Kompas 1200 1500 1600 1800 2000
Media Ind 900 1000 1100 1200 1250
Pos kota 500 600 700 800 850
600 650 700 750 800
Republika
400 500 600 600 700
Berita Kota
500 550 600 600 700
bisnis

Apabila kuantitas penjualan ditahun 2003 yaitu 8000 ,9000,10.000,

12.000 , 15.000 . dan 18.000 exp, , tentukan indek harga tahun 2003
 42

dengan metode Wals dengan periode dasar tahun 2000. dengan kuantitas
penjualan 6000, 7000, 8000, 9000, 10.000 dan 11.000 exp.
MACAM-MACAM INDEK

Berikut ini dibahas beberapa macam indek yang umum dipakai dalam
perekonomian.

a. indek harga konsumen untuk melihat besarnya laju inflasi.

Rumus : inflasi = IHKt – IHKt-1 x 100

IHKt-1
Keterangan : IHKt : indek harga konsumen tahun t
IHKt-1: indek harga konsumen tahun t-1 ( tahun lalu ).
Contoh : indek harga konsuamen di Indonesia th. 2006 – 2009

Kelompok 2006 2007 2008 2009

Makanan 209 262 249 270
Perumahan 142 164 175 196
Sandang 192 230 245 268
Aneka barang 174 216 229 262
IHK 168 203 210 234
Inflasi ( % ) - 20,83 3,45 11,43
Tentukan inflasi setiap kel. Komoditi dan indek harga konsumen ( IHK ).

Inflasi makanan : 2007/2006 = 262 – 209 / 209 x 100 = 25,36.

2008/2007 = 249 – 262 / 262 x 100 = .... dst

Inflasi aneka barang : 2007/2006 = 216 – 174174 x 100 = 24,14 ...dst

Inflasi umum : 2007/2006 = 203 - 168/168 x 100 = 24,14

Indek harga konsumen tidak hanya bermanfaat untuk melihat inflasi. IHK juga
untuk mengetahui : pendapatan riil, penjualan yg di deflasi dan daya beli uang.
 43

a. IHK dan pendapatan riil.

P.N
Rumus : Pendapatan riil = IHK
x100 ket : PN : Nendapatan nominal

Contoh :

Tahun Pendapatan nominal IHK ( 1993 = Pendapatan riil

100)
1995 532.568 254 532.568/254 x 100 = 209.572
1998 989.573 322 .....
2001 1.490.974 363 .......

b. IHK dan penjualan yang dideflasi

P. A
Rumus : Penjualan riil = IHK
x100

Ket : P.A = penjualan aktual ---- IHK : indek harga konsumen.

BAB VI
INDEKS MUSIMAN DAN GERAKAN SIKLIS
Ada beberapa metode menghitung indeks musiman antara lain :
1. metode rata-rata sederhana.
2. metode relatif bersambung
3. metode rasio terhadap trend
4. metode rasio terhadap trend rata-rata bergerak.
 44

Ad.1. metode rata-rata sederhana.

Contoh :
Data penjualan PT. AGIL tahun 2006 – 2007. (milyar )
Bulan 2006 2007 jumlah Rata-rata Persentase thd total dr INDEKS MUSIMAN
rata-2
(1) (2) (3) (4) (5) (6) (7) = (6) X 12
Jan 12 16 28 14 14/234,5x100=5,98 5,98 X 12 =71,79
Feb 14 23 37 18,5
Maret 18 20 38 19
April 10 18 28 14
Mei 20 22 42 21
Juni 22 26 48 24
Juli 16 19 35 17,5
Agustus 17 20 37 18,5
September 18 22 40 20
Oktober 24 26 50 25
Nopember 22 25 47 23,5
Desember 19 20 39 19,5
234,5

AD.2. METODE RELATIF BERSAMBUNG

Data penjualan PT. AGIL tahun 2006 – 2007. (milyar )
Bulan 2005 2006 2007 Angka relatif bersambung (5) Rata-rata Relatif
relatif berantai
bersambung
(1) (2) (2) (4) 2005 2006 2007 (6) (7)
Jan 12 15 16 - 15/19x100%=78,9 16/20x100%= 80% 78,95 + 80= 100%
2
5
Feb 14 18 23 14/12x100%= 18/15x 100%= 23/16x100%=
116,7%
Maret 18 21 20 18/14x100%=
April 10 18 18 Dst
Mei 20 20 22
Juni 22 23 26
Juli 16 26 19
Agustus 17 19 20
September 18 25 22
Oktober 24 27 26
Nopember 22 20 25
 45

Desember 19 20 20 20/25x 100%

Keterangan : relatif berantai : angka januari = 100%, februari x 100%, maret x (feb%) , dst
Hasil perhitungan ini merupakan angka indek musiman dengan
menggunakan metode bersambung. Apabila jumlah dari indek ini ( A ) = 1200
%, maka perhitungan sudah selesai. Tetapi kalau jumlahnya tidak sama
dengan 1200%, maka masing-masing angka indek dari bulan januari sampai
desember harus diadakan penyesuaian, yaitu dengan mengalikan masing-
masing nilai dengan angka penyesuaian sebesar 1200 : A. ( A merupakan
angka yang belum disesuaikan = jumlah dari bln januari s/d desember ).
Indek musiman yang sudah disesuaikan adalah:
Bulan Belum disesuaikan Sudah disesuaikan
Januari 100 100 x 1200/ A
Feb
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
Nopember
Desember

Total A
 46

BAB.V
DATA BERKALA
( TIME SERIES )

Data berkala ( time series ) adalah data yang disusun berdasarkan urutan waktu
atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat
minggu, bulan , tahun dsb.

Dengan adanya data berkala , maka pola gerakan data dapat diikuti atau diketahui.
Maka data berkala dapat digunakan sebagai dasar untuk :
1. pembuatan keputusan saat ini.
2. Peramalan keadaan perdagangan/ekonomi dimasa akan dating.
3. Perencanaan kegiatan untuk masa depan.

Perubahan yang terjadi dalam data statistik dalam sederetan waktu tertentu disebut
Trend.
Dalam penentuan nilai trend dapat digunakan beberapa cara yaitu Metode setengah
rata-rata, metode kuadrat terkecil ( least square ),Metode Kuadratis.
METODE SETENGAH RATA-RATA ( SEMI AVERAGE METHOD ).
Langkah – langkah membuat trend :
 47

1. Mengelompokkan data menjadi 2 bagian. Jika data jumlahnya ganjil, maka

nilai yang ditengah dapat dihilangkan.
2. Menghitung jumlah tiap bagian
3. Menghitung rata-rata tiap bagian.
4. Menghitung selisih tiap bagian.
5. Menghitung nilai perubahan trend ,
6. Membuat persamaan trend.

Contoh : 1
Data hasil penjualan sepeda motor di PT. Agung Motor sbb : ( dlm unit )
Tahun ‘98 ‘99 ‘00 ‘01 ‘02 ‘03 ‘04 ‘05 ‘06 ‘07
Penjualan 400 450 500 600 620 640 610 630 650 610
Pertanyaan :
a. Tentukan nilai trend tiap tahun.
b. Ramalkan berapa hasil penjualan tahun 2012.
Contoh : 2
Data hasil penjualan sepeda motor di PT. Putri Motor sbb : ( dlm unit )
Tahun ‘01 ‘02 ‘03 ‘04 ‘05 ‘06 ‘07
Penjualan 800 920 940 810 930 950 1010
Pertanyaan :
c. Tentukan nilai trend tiap tahun.
d. Ramalkan berapa hasil penjualan tahun 2012.
METODE KUADRAT TERKECIL ( LEAST SQUARE )
Persamaan trendnya adalah Y = a + bX
Keterangan : Y = data berkala atau nilai trend untuk periode tertentu.
X = periode waktu ( hari, minggu, bulan,tahun ).
a = konstanta.
b = koefisien X.
 48

untuk menentukan garis trend , terlebih dahulu dicari nilai a dan b, artinya jika
nilai a dan b sudah diketahui maka garis trend dapat dibuat.
Nilai a dan b dari persamaan trend linear ditentukan dengan rumus :

a= 
Y
dan b =
 X .Y
n X 2

keterangan : Y = nilai data berkala. n = jumlah periode waktu

X = tahun kode

Tahun kode ( X ) memiliki nilai yang berbeda untuk jumlah tahun ganjil dan
genap.
- untuk jumlah tahun ganjil ( n ganjil ) , nilai X – nya : ….-3,-2,-1,0,+1,+2,+3,
……….
- Untuk jumlah tahun genap ( n genap ), nilai X – nya : …,-5,-3,-1,+1,+3,+5,
…….
Contoh :1. n ganjil.

Data hasil pendapatan iklan di TV X dari tahun 1990 s/d 1999 adalah
Tahun 1990 1991 1992 1993 1994 1995 1996 1997 1998
Biaya iklan 40 55 60 70 65 80 90 75 100
( dalam milyar )
Pertanyaan :
a. tentukan nilai a dan b
b. Buatlah persamaan trennya.
c. Berapa nilai trend tiap tahun dan nilai trend tahun 2002.
Contoh : 2 . n genap.
Data penjualan sepeda motor di PT. HOKA, dari tahun 1995 s/d 2002 adalah
Tahun 1995 1996 1997 1998 1999 2000 2001 2002
Penjualan 200 300 500 400 600 800 700 1000
( dalam unit )
Pertanyaan :
 49

a. tentukan nilai a dan b

b. Buatlah persamaan trennya.
c. Berapa nilai trend tiap tahun dan niali trend tahun 2005.

METODE TREND KUADRATIS

Untuk pola jangka pendek dengan menggunakan pola linear, sedang apabila jangka
panjang dengan non linear atau kuadratis, yaitu dengan persamaan sbb: Y = a + b x
+ c x2 .
Koefisien a,b,c dicari dengan rumus :
  y   x     x y   x 
4 2 2

a=
n  x     x 
4 2 2

b=
 x. y
x 2

n   x . y     x   y 
2 2

c=
n.  x     x 
4 2 2

contoh :
Data jumlah pelanggan PT. Telkom selama 9 tahun terakhir ini.
( dlm jutaan )

Tahun 99 00 01 02 03 04 05 06 07
Pelanggan 9 13 16 22 25 32 28 24 25
Tentukan :
c. Nilai a,b,c.
d. Buat persamaan kuadratis.
e. Ramalkan pelanggan tahun 2010.
 50

BAB.VI.
TEORI PROBABILITAS

Untuk menghadapi keadaan yang tidak pasti , biasanya orang mengandalkan

tebakan , dari tebakan itu muncul kemungkinan atau peluang, yang kemudian
melahirkan teori probabilitas. Konsep probabilitas di dukung oleh banyak teori
taitu teori Himpunan, Permutasi, dan Kombinasi.

A. Teori Himpunan.
Himpunan adalah kumpulan obyek yang didefinisikan dengan jelas dan dapat
dibeda-bedakan.
Operasi Himpunan.
a. Operasi gabungan ( Union )
Gabungan dari himpunan A dan himpunan B adalah semua unsur yang termasuk
didalam A atau di dalam B --- dilambangkan A+B atau U.
Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A U B.
Jawab :
A U B = ( 1,2,3,4,5,6,7,8 )
 51

b. Operasi irisan ( intersekcion ).

Irisan dari himpunan A dan B adalah himpunan semua unsure yang termasuk
didalam A dan didalam B --- dilambangkan A ∩ B.

Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A ∩ B.
Jawab
A ∩ B = ( 3,4 )
c. Operasi selisih
Adalah himpunan semua unsure A yang tidak termasuk didalam B
---dilambangkan A – B.
Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A - B.
Jawab :
A – B = ( 2,5 ).

B. Permutasi dan Kombinasi.

Dalam membicarakan mengenai permutasi dan konmbinasi selalu berkaitan
dengan prinsip dasar membilang dan factorial.
1. Dasar Membilang.
 52

Jika kejadian pertama n1 cara, kejadian kedua n2 dan seterusnya sampai

kejadian nk, maka keseluruhan kejadian adalah n1 x n2 x …nk
Contoh : Jika mau pergi dari Jakarta ke Bandung lewat Bogor. Jika dari
Jakarta ke Bogor ada 3 cara sedangkan dari Bogor ke Bandung 2 cara , ada
berapa cara dari Jakarta ke Bandung.

Jawab :

n1 = 3 cara ( Jakarta ke Bogor )

n2 = 2 cara ( Bogor ke Bandung )
n1 x n2 = 3 x 2 = 6

2. Faktorial
Adalah perkalian semua bilangan bulat positif terurut dari bilangan 1 sampai
dengan bilangan bersangkutan atau sebaliknya.
Factorial – dilambangkan “ ! “.
Catatan : 1 ! = 1 dan 0! = 1
Jika n = 1,2, ….maka n! = n. ( n-1 ). (n-2)….2x1.
Contoh : tentukan nilai factorial dari bilangan berikut :
a. 5!
Jawab : 5x4x3x2x1 = 120
b. 3! X 2!
Jawab : 3x2x1 x 2x1 = 12
c. 5! : 3!
Jawab : 5x4x3x2x1 : 3x2x1 = 20.

4. Permutasi.
Adalah suatu penyusunan atau pengaturan beberapa obyek ke dalam suatu
urutan tertentu.
 53

Rumus-rumus permutasi.

a. permutasi dari obyek tanpa pengembalian.

1). Permutasi dari n obyek seluruhnya.
Dirumuskan : nPn = n!
Contoh :
- Tentukan nilai dari 4 P4 ?
Jawab : 4 ! = 4x3x2x1 = 24
- Di perpustakaan terdapat 4 buku matematika yang berbeda, 3 buku
statistik yang berbeda dan 2 buku akuntansi. Semua buku akan disusun
pada sebuah rak buku . berapa cara susunan yang mungkin dari kejadian
berikut.
a. Buku Matematika disususn.
b. Buku Statistik disususn.
c. Buku Akuntansi disususn.
d. Masing-masing kelompok buku disusun bersama.
Jawab :
a. 4P4 = 4! = 24
b. 3P3 = 3! = 6
c. 2P2 = 2! = 2
d. 24 x 6 x 2 = 288.

2). Permutasi sebanyak r dari n obyek.

Permutasi sebanyak r dari n obyek tanpa pengembalian dirumuskan :

n!
n Pr =  n  1! syarat : n ≥ r

Contoh :
 54

1. Tentukan nilai dari 6P4 ?

Jawab :
6! 6 .5 .4 .3 .2 .1 6 .5 .4 .3 .2 .1
6P4 =  6  4!  2!

2 .1
 360

2. Dari empat calon Pimpinan Perusahaan, misalkan ABCD hendak

dipilih seorang seorang Ketua, seorang Sekretaris, dan seorang
Bendahara.
a. Ada berapa cara ke empat calon tersebut di pilih.
b. Tuliskan kemungkinan susunannya.
Jawab :
a. n = 4 dan r = 3
4! 4.3.2.1
4P3 =  4  3!  1
 24

b. ABC, ABD,ACB,ACD,ADB,ADC.
BAC,BAD,BCA,BCD,BDA,BDC.
CAB,CAD,CBA,CBD,CDA,CDB.
DAC,DAB,DBA,DBC,DCA,DCB.

b. Permutasi dari n obyek dengan pengembalian.

Permutasi dari n obyek dengan pengembalian dirumuskan :
nPr = nr
syarat : n ≥ r.
contoh : Tentukan permutasi dari ABC sebanyak 2 unsur dengan
pengembalian unsur yang terpilih.

Jawab : 3P2 = 32 = 9
 55

AA, AB,AC,BB,BC.BA,CC.CB.CA.

c. Permutasi dari n obyek yang sama.

Permutasi dari n obyek yang sama dirumuskan :

n!
n Pn1,n2,n3, …. nk = n1!.n 2!.n3!.....nk!

Contoh .
1. Tentukan permutasi dari kata TAMAT.
2. ada 4 bola putih, 5 bola kuning, dan 2 bola hitam disusun dalam
satu baris. Jika semua bola yang berwarna sama tidak dibedakan
satu sama lain berapakah penyusunan yang mungkin.
Jawab :
1. n = 5, n1= T = 2, n2 = A =2, n3 = M =1
5! 5.4.3.2.1
5 P 2!,2!,1! =   30.
2!.2!.1! 2.1x 2.1x1

2. n = 4+5+2 = 11
n1 = 4, n2 =5, n3 = 2
11 P4!.5!.2! =
11! 11.10.9.8.7.6.5.4.3.2.1
  10.11.9.7  6930.
4! x5! x 2! 4.3.2.1x5.4.3.2.1x 2.1

4. Kombinasi .

Adalah suatu penyusunan beberapa obyek tanpa memperhatikan urutan obyek

tersebut.
Rumus kombinasi dengan r dari n obyek yang berbeda.
n!
Crn  syarat : n≥r
r! n  r !
 56

Contoh :
1. Tentukan nilai dari C24
4! 4.3.2.1
Jawab : C24   6
2! 4  2 ! 2.1 2.1

2. Dari 5 pemain bulu tangkis, yaitu ABCD dan E hendak dipilih 2 orang untuk
pemain ganda . berapa banyak pemain ganda yang mungkin terbentuk..
5! 5! 5 .4 .3 .2 .1
Jawab : C25     10 pasangan
2! 5  2 ! 2!.3! 2.1x3.2.1

AB,AC,AD,AE,BC.BD.BE,CE.CE.DE.

PROBABILITAS.
PROBABILITAS dapat diartikan menjadi 3 macam pendekatan yaitu
1. Pendekatan klasik yaitu hasil bagi dari banyaknya peristiwa yang dimaksud
dengan seluruh peristiwa.
X
Dirumuskan : P (A ) = n

Keterangan : P(A) = Probabilitas terjadinya kejadian A

X = Peristiwa yang dimaksud
n = Banyaknya peristiwa.
Contoh : Dua buah dadu dilempar ke atas secara bersamaan. Tentukan
probabilitas munculnya angka berjumlah 5.
Jawab :
1 2 3 4 5 6
1 1,1 2,1 3.2 4,1 5,1 6,1
2 1,2 2,2 3,2 4,2 5,2 6,2
3 1,3 2,3 3,3 4,3 5,3 6,3
4 1,4 2,4 3,4 4,4 5,4 6,4
5 1,5 2,5 3,5 4,5 5,5 6,5
6 1,6 2,6 3,6 4,6 5,6 6,6
 57

Jadi P ( ∑ 5 ) = 4/36 = 1/9.

2. Pendekatan frekuensi relative.

fi
Dirumuskan : P ( Xi ) = n

Keterangan : P(Xi) = probabilitas peristiwa i

fi = frekuensi peristiwa i
n = banyaknya peristiwa yang bersangkutan.
Contoh : dari hasil ujian statistic dari 60 mhs didapat nilai sebagai berikut :
x 60 70 75 80 90 100
f 12 8 18 17 2 3
X = nilai dan f = frekuensi
Tentukan probabilitas salah seorang yang nilainya 80.
Jawab : P ( 80 ) = 17/60
3. Pendekatan subyektif.
Probabilitas diartikan sebagai tingkat kepercayaan individu yang didasarkan
pada peristiwa masa lalu yang berupa terkaan saja.

PERISTIWA PROBABILITAS
1. Peristiwa saling lepas.
Dua peristiwa disebut saling lepas jika kedua atau lebih peristiwa itu tidak
dapat terjadi pada saat bersamaan. Jika peristiwa A dan B saling lepas,
probabilitasnya adalah :
P( A U B ) = P(A) + P(B).
Contoh : sebuah dadu dilempar keatas, peristiwanya adalah
A = Peristiwa mata dadu 4 muncul.
B = Peristiwa mata dadu lebih kecil dari 3 muncul.
 58

C = Peristiwa mata dadu bilangan genap muncul.

Tentukan probabilitas dari kejadian berikut :
a. Mata dadu 4 atau lebih kecil dari 3 muncul.
b. Mata dadu 4 atau bilangan genap muncul.
Jawab :
P( A ) = 1/6
P( B ) = 2/6
P( C ) = 3/6
a. P(AU B ) = 1/6 + 2/6 = 3/6
b. P(AUC ) = 1/6 + 3/6 = 4/6.

2. Peristiwa tidak saling lepas.

Dua peristiwa atau lebih tidak saling lepas apabila kedua peristiwa atau lebih
tersebut dapat terjadi pada saat yang bersamaan. Jika peristiwa A dan B tidak
saling saling lepas, probabilitas yang terjadi :
P ( AU B ) = P(A) + P(B) – P(A∩ B )
Contoh : Dua buah dadu dilemparkan bersamaan, apabila :
A = Peristiwa mata dadu (4,4) muncul.
B = peristiwa mata lebih kecildari (3,3) muncul.
C = Peristiwa bilangan genap.
Tentukan probabilitas berikut :
a. P ( AU C).
b. P ( BU C)
c. P ( AU B)
Jawab :
A = ( 4,4 )
B = (1,1), ( 1,2 ), ( 2,1 ), ( 2,2).
 59

C = ( 2,2 ), ( 2,4 ), ( 2,6 ), ( 4,2),(4,4),(4,6), (6,2),(6,4),(6,6 ).

P(A) = 1/36 , P(B) = 4/36 , P(C) = 9/36
P ( A ∩ B ) = 0, P ( A ∩C ) = 1/36 , P ( b ∩C ) = 1/36

a. P ( A U C) = P (A ) + P ( C ) – P ( A ∩C )
= 1/36 + 9/36 – 1/36 = 9/36
b. P(BUC) = P(B) + P (C) – P ( B ∩C ).
= 4/36 + 9/36 -1/36 = 12/36
c. P(AUB) = P(A) + P(B) – P(A ∩ B ).
= 1/36 + 4/36 – 0 = 5/36.

3. Probabilitas beberapa peristiwa dengan pendekatan Kombinasi.

n!
Rumus : Crn 
r! n  r !

Contoh :
1. C35 , C36

2. Ada 6 pemain bulu tangkis antara lain A,B,C,D,E,F, akan dibentuk pemain
ganda, tentukan ada berapa pasang pemain ganda terbentuk, buat susunanya?
3. Sebuah kotak berisi 6 bola biru, 4 bola kuning dan 5 bola hitam. Jika
diambil 3 bola secara acak, hitunglah probabilitas bahwa yang terambil ialah
sebagai berikut :
a. Ketiga-tiganya hitam.
b. Dua biru satu kuning
c. Masing-masing diwakili.
d. Tidak ada yang biru
e. Paling sedikit satu biru.
Jawab :
 60

n = 6 + 4 + 5 = 15
r=3
15! 15.14.13.12........x1
total peristiwanya = C315    455
3!15  3 3.2.1x12.11 .....x1

C35 10
a. P ( 3 H ) = 15 
C3 455

C26 .C14 15.4 60

b. P ( 2B,1K ) = 15
 = 455
C3 455

C15 .C16 .C14 5.6.4 120

c. P ( 1 H.1B, 1 K ) =  
C315 455 455

4. Probabilitas diagram pohon

Diagram dimaksudkan untuk membantu menggambarkan probabilitas
bersyarat dan bersama. Diagram pohon sangat berguna untuk menganalisis
keputusan bisnis.
Contoh :
Hasil penelitian di Jakarta menunjukkan bahwa 60% dari usaha kecil dan
menengah tidak berbadan hokum . bank sebagai lembaga pembiayaan
dengan memperhatikan aspek kehati-hatian memberikan probabilitas 80%
kepada UKM berbadan hokum untuk mendapatkan kredit, sedangkan yang
tidak berbadan hokum masih punya kesempatan mendapatkan kredit sebesar
20%. Hitunglah berapa persen , UKM mendapatkan kesempatan
mendapatkan kredit dari bank.
5. Teorema Bayes
Teorema ini dikembangkan oleh Thomas Bayes pada abad 18. Bayes
seorang Pendeta bertanya apakah Tuhan ada dengan memperhatikan fakta
yang ada dibumi, jadi bila Tuhan ada, maka ada fakta sebagai ciptaan
Tuhan . apabila fakta dilambangkan ( A1) untuk suatu fakta dan(A2) untuk
 61

fakta lain, sedangkan keberadaan Tuhan dinyatakan dengan (B), maka

teorema Bayes dinyatakan berikut :
P  A1 xP B / A1
P ( A1/B ) = P A1 xP B / A1  P A2 xP B / A2

Contoh : Perusahaan Agung Jaya yang bergerak bidang elektronik di Jakarta

jumlah karyawannya 400 orang, dari jumlah karyawan tersebut , 100 orang
adalah sarjana Teknik elektro ( B1 ) dan jumlah ekskutif perusahaan dari
Kabag sampai direksi 80 orang ( A1). Karena perusahaan elektronik , maka
ditentukan bahwa 50% dari eksekutif harus berpendidikan sarjana elektro.
Tentukan probabilitas karyawan yang berpendidikan teknik elektro sebagai
eksekutif pada perusahaan tersebut.
Jawab :
A1 A2 Jumlah
B1 ……. ……. 100
B2 ……. ……. ……..
Jumlah 80 …… 400

A1 A2 Jumlah
B1 40 60 100
B2 40 260 300
Jumlah 80 320 400
Jadi :
P ( A1 ) = 80/400 = 0,2
P ( A2 ) = 320/400 = 0,8
P ( B1/A1) = 40/80 = 0,5
P ( B1/A2 ) = 60/320 = 0,19

0,2 x 0,5
Hasil teorema Bayes : P ( A1/B1 ) =
 0,2 x0,5   0,8 x0,19 =0,4
BAB. VI.
DISTRIBUSI TEORITIS
A. Pengertian.
 62

Adalah suatu daftar yang disusun berdasarkan probabilitas dari peristiwa-2

bersangkutan.
Contoh : sebuah mata uang logam dengan permukaan I = A dan permukaan II =
B dilempar ke atas sebanyak 3 kali. Buatkan distribusi teoritisnya .
B. Jenis Distribusi teoritis.
a. Distribusi diskrit.
Contoh : Didalam sebuah kotak terdapat 4 bola biru dan 2 bola kuning.
Secara acak diambil 3 bola. Tentukan distribusi probabilitas X, jika X
menyatakan banyaknya bola kuning.
b. Nilai Harapan/ Rata-2 hitung distribusi teoritis. Symbol E (x).
Misalkan x adalah suatu variable random dengan distribusi probabilitas f( x )
atau P ( X = x ) maka nilai harapannya dirumuskan :
E ( x ) = ∑ x. P ( X = x ).
Contoh : Sekelompok ahli di perusahaan terdiri atas 4 orang ahli manajemen
dan 3 orang ahli akuntansi. Akan dibentuk suatu komisi yang terdiri dari 3
orang. Jika anggota komisi tiga tersebut diambil secara acak dari ke 7 ahli
tersebut. Tentukan nilai harapan banyaknya ahli manajemen yang dapat
duduk dikomisi 3 tersebut.
c. Distribusi Binomial.
Distribusi binomial atau distribusi Bernoulli adalah distribusi teoritis yang
menggunakan variable random diskrit yang terdiri dari dua kejadian yang
berkomplemen, seperti : sukses-gagal, ya-tidak, baik-jelek dsb.
Distribusi ini memiliki cirri-ciri sbb :
1. Setiap percobaan hanya memiliki dua perirtiwa, seperti : Sukses –
gagal, ya-tidak dst.
2. Percobaan bersifat independent.
 63

Contoh: seorang mahasiswa menghadapi 6 pertanyaan pilihan berganda,

setiap pertanyaan memiliki 5 alternatif jawaban. Jika dalam menjawab
pertanyaan, mahasiswa tersebut bersepekulasi maka berapa probabilitas
menjawab pertanyaan tersebut.
Jika banyaknya kemungkinan susunan 5 benar dan 1 salah dapat dicari
dengan menggunakan rumus kombinasi.

Rumus distribusi binomial .

Dari uraian contoh diatas, maka secara umum rumus probabilitas binomial
suatu peristiwa di tuliskan :
P(X=x): C xn .P x .q n  x

Keterangan : x : banyaknya peristiwa sukses.

n : banyaknya percobaan
p : Probabilitas peristiwa sukses.
q : 1-p = probabilitas peristiwa gagal.
Contoh : sebuah dadu dilemparkan keatas sebanyak 4 kali.
Tentukan probabilitas dari peristiwa berikut.
a. mata dadu 5 muncul 1 kali.
b. Mata dadu genap muncul sebayak 4 kali
c. Mata dadu 2 atau 6 muncul sebanyak 4 kali.

Probabilitas binomial Kumulatif.

Adalah probabilitas dari peristiwa binomial lebih dari satu sukses, dapat di
hitung dengan rumus :
 64

PBK = C
x0
n
x P xqn x

Contoh : sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan

diperkirakan probabilitas kelulusannya adalah 0,7. hitunglah probabilitas :
a. Paling banyak 2 orang lulus.
b. Yang akan lulus antara 2 sampai 3 orang.
c. Paling sedikit 4 diantaranya lulus.

d. Distribusi poisson
Rumus distribusi Poisson:
x . 
P(X=x):
x!

Keterangan :
λ : rata-rata terjadinya suatu peristiwa.
ℓ : bilangan alam = 2,71828.
Contoh :
1. sebuah toko alat listrik mencatat rata-2 penjualan lampu TL 40 watt
setiap hari 5 buah. Jika permintaan akan lampu tersebut mengikuti
distribusi Poisson, berapa probabilitas untuk penjualan berikut.
a. 0 lampu TL
b. 3 lampu TL.
2. Dalam sebuah majalah yang terdiri dari 120 halaman terdapat 80 kata
yang salah cetak dan berdistribusi secara acak dalam halaman-2 majalah
tersebut. Hitung probabilitas, seandainya sebuah halaman majalah
tersebut dibuka :
a. Tidak terdapat salah cetak.
b. 4 kata yang salah cetak.
 65

e. Distribusi Hipergeometrik

Rumus : P( X=x ) : kCx N-kCn-x

N
Cn
Keterangan : N : ukuran populasi, n : ukuran sampel, k : banyaknya unsur yang sama pada
populasi, x : banyaknya peristiwa sukses.

Contoh :
Sebuah kotak berisi 50 bola, 5 diantaranya pecah, apabila diambil 4 bola,
berapa probabilitas dua di antaranya pecah ?
Jawab :
N = 50, n = 4, k = 5, x = 2.
Jika dari populasi yang berukuran N terdapat unsur-unsur yang sama pula,
yaitu k1,k2,k3 .....dan dalam sampel berukuran n terdapat unsur-2 yang sama
pula, yaitu x1,x2,x3 ... dengan k1 + k2 + k3 + ....=N dan x1 + x2 + x3 + .....=
n, distribusi hipergeometrik dirumuskan :
P ( X = x1,x2, ... ) = k1Cx1. k2Cx2..
N
Cn
Contoh :
Dari penelitian golongan darah mahasiswa pada sebuah universitas ,
diketahui bahwa dari 10 mahasiswa terdapat 2 mhs bergolongan darah A, 5
mhs bergolongan darah B dan 3 mhs gol darah O , apabila diambil 5 mhs,
berapa probabilitas seorang mhs memiliki golongan darah A, 2 mhs
memiliki gol darah B dan 2 mhs memilki gol. Darah O.
Jawab :
N = 10, terdiri dari k1 = 2. k2 = 5, k3 = 3
n = 5 terdiri dari n1 = 1, n2 = 2. n3 = 2.
P ( X = 1,2,2 ) = 2C1, 5C2 3C2
10C5
 66

f. Distribusi Normal.
1. Distribusi Normal Umum adalah distribusi yang simetris dan berbentuk
genta atau lonceng. Pada bentuk tersebut ditunjukkan hubungan ordinat pada
rata-rata dengan berbagai ordinat pada berbagai jarak simpangan baku yang
diukur dari rata-2.
Distribusi normal digambarkan sbb :

___________________________________
μ
kurva tersebut dipengaruhi oleh rata-rata ( μ ) dan simpangan baku (σ ). Jika
simpangan baku dan rata-2 besar maka kurvanya makin rendah dan sebaliknya.
Sifat dari distribusi normal adalah
a. Bentuknya seperti genta/lonceng.
b. Rata-2 terletak ditengah-2.
c. Ujung sisi kurvanya sejajar dengan sumbu horizontal dan tidak pernah
memotong sumbu.

2. Distribusi Normal Standart

Distribusi normal standart adalah distribusi normal yang memiliki rata-rata
( µ ) = 0 dan simpangan baku ( σ ) = 1.

Bentuk kurvanya :
 67

-3 -2 -1 0 +1 +2 +3

Sifat- sifat distribusi normal standart :

1. Kurva simatris
2. cekung kebawah untuk interval X = -1 sampai X = +1.
3. meluas atau melebar tanpa batas ke kiri dank dan kanan.
4. Luas seluruh daerah kurva normal sebesar 1.
Untuk mengubah distribusi normal umum menjadi distribusi normal standart,
gunakan nilai Z ( standard units ).
X 
Rumus untuk mengubah : Z = 

Keterangan : Z = Variabel normal standart

X = nilai variable random
μ = rata-2 variabel random
σ = simpangan baku variable random.

3. Penggunaan kurva normal standart.

Untuk menentukan luas daerah dibawah kurva normal standard, telah
dibuat daftar distribusi normal standarr yaitu table luas kurva normal standart
dengan nilai-2 Z tertentu ( lihat terlampir ).
Karena seluruh luas kurva adalah 1 dan kurva simetris terhadap μ = 0 maka luas
dari garis tegak pada titik nol ke kiri ataupun kekanan adalah 0,5.
Luas daerah dibawah kurva normal pada interval tertentu dapat dituliskan P ( 0 < Z
< b ).
Contoh : Penggunaan table Z.
1. P ( 0< z < 2,13 )
 68

2. P ( 1,23 < z < 2,35 )

3. P ( -2,46 < z < 0 )
4. P ( -1,56 < z < 2,33 )
Contoh : mengubah bentuk umum menjadi standart.
1. P ( 90 < x < 115 ) untuk μ = 105 dan σ = 10.
2. P ( 150 < x < 225 untuk μ = 185 dan σ = 20.
3. Sebuah perusahaan memproduksi bola lampu yang ketahanannya
berdistribusi normal dengan rata-2 825 jam dan simpangan baku 45 jam.
a. Berapa persen lampu yang ketahannya antara 800 s/d 860 jam.
b. Berapa persen lampu yang ketahanannya kurang dari 800 jam.
c. Berapa persen lampu yang ketahanannya kurang dari 860 jam.
d. Berapa banyak lampu yang tahan lebih dari 950 jam, jika diproduksi
5.000 lampu.

BAB. VII.
DISTRIBUSI SAMPLING
A. POPULASI DAN SAMPEL.
 69

1. Populasi adalah totalitas dari semua obyek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti.
2. Sampel adalah bagian dari populasi yang diambil melalui cara-cara tertentu
yang juga memiliki karakteristik tertentu, jelas dan lengkap.

B. METODE SAMPLING
Metode sampling adalah cara pengumpulan data yang hanya mengambil
sebagian elemen populasi.
Metode sampling pada dasarnya dapat dibedakan atas 2 macam yaitu random
dan non random.
2. Random sampling, adalah cara pengambilan sample dengan semua obyek
atau elemen populasi memiliki kesempatan yang sama untuk dipilih
menjadi sample.
3. Non random sampling adalah cara pengambilan sample yang semua
obyeknya tidak memiliki kesempatan yang sama untuk dipilih menjadi
sample.
C. TEKNIK PENENTUAN JUMLAH SAMPEL.
Untuk menentukan banyaknya sample yang dapat diambil dari suatu populasi
yang berukuran tertentu digunakan perhitungan sebagai berikut :
1. untuk pengambilan sample dengan pengembalian.
Jika dari populasi berukuran N diambil sample berukuran dengan
pengembalian maka banyaknya sample yang mungkin diambil :
Nn
Contoh : untuk populasi berukuran 4 dengan anggotanya ABCD dan sample
diambil berukuran 2 , maka berapa banyaknya sample yang mungkin dapat
diambil . dan buatkan susunannya.
2. untuk pengambilan sample tanpa pengembalian.
 70

Pengambilan sample tanpa pengembalian jika anggota populasi telah

diambil untuk dijadikan sample tidak disatukan dengan angguta populasi
lainnya. Maka banyaknya sample yang mungkin dapat diambil adalah :
N!
CnN 
n!( N  n)!

Contoh : untuk populasi berukuran 5 denga anggota-2nya ABCDE dan

sample yang diambil berukuran 2 maka berapa banyaknya sample yang
mungkin dapat diambil . tuliskan susunannya.
D. JENIS-JENIS DISTRIBUSI SAMPLING.
1. Distribusi sampling rata-rata.
Distribusi sampling rata-rata adalah distribusi dari besaran rata-rata yang
muncul dari sample-2.
Contoh :
Sebuah populasi berukuran 6 yang anggotanya adalah 2,3,5,6,8,9 dan
sampelnya berukuran 2. buatlah distribusi sampling rata-2 jika pengambilan
sampelnya dilakukan tanpa pengembalian.
2. Distribusi sampling proporsi.
Proporsi dari sample dinyatakan dengan p = X/n
Contoh : 1.
Sebuah populasi yang beranggotakan 6 orang, 3 diantaranya perokok dan
yang lainnya bukan perokok. Apabila diambil sample yang beranggotakan 3
orang, proporsi atau banyaknya sample untuk ke-3 anggota sample perokok,
2 perokok dan 1 bukan perokok, 1 perokok dan 2 bukan perokok dank e-3
nya bukan perokok dapat diketahui ( pemilihan sample tanpa pengambilan ),
misalnya populasi adalah ABC untuk perokok dan KLM bukan perokok.
Berapa banyak sample yang mungkin terambil dan buatlah distribusi
samplingnya.
 71

Contoh.2.
Sebuah toko memiliki 6 karyawan, misalkan ABC untuk yang senang membaca
dan XYZ untuk yang tidak senang membaca. Jika dari 6 karyawan tersebut
diambil sampel yang beranggotakan 4 karyawan ( pengambilan sampel tanpa
pengembalian ), tentukan :
a. Banyaknya sampel yang mungkin terambil.
b. Buatlah distribusi sampling proporsi untuk yang senang membaca.

4. Distribusi sampling beda dua rata-rata.

a. Rata-rata.
 x1  x 2  1   2

b. simpangan baku.
1 
2 2

 x1  x2   2
n1 n2

c. untuk n1 dan n2 dengan n1,n2 > 30, distribusi sampling beda

rata-rata akan mendekati distribusi normal, dengan variabel
random standart yang rumus Z-nya :
 

 X  X       
 1 2 

1 2

Z  
 x1  x2

Contoh :
Misalkan rata-rata pendapatan manajer dan karyawan biasa per hari, masing-
masing adalah Rp. 50.000.- dengan simpangan baku Rp. 15. 000,- dan Rp. 12.000,-
dengan simpangan baku Rp.1.000,-. Jika diambil sampelnya random manajer
sebanyak 40 orang dan karyawan biasa sebanyak 150 orang tentukan :
 72

a. beda rata-rata pendapatan sampel.

b. Simpangan baku pendapatan sampel.
c. Probasbilitas beda rata-rata pendapatan manajer dan karyawan biasa lebih
dari Rp. 35.000,-

Jawab :
Diket : µ1 = 50.000,- µ= 12.000,- σ1 = 15.000,- σ2= 1.000,- n1 = 40, n2 = 150.

c. Distribusi sampling beda dua proporsi.

1. Rata-rata
µp1-p2 = P1 – P2
2. Simpangan Baku
σ p1-p2 = V P1 (1-P1) + P2 ( 1 – P2)
n1 n2
3. Rumus Z = ( p1 – p2 ) – (P1 – P2)
σp1-p2

contoh : sebanyak 35% pelamar kerja diterima bekerja di Bank Agung . mereka
tahun sebelumnya pernah melamar , tetapi tidak diterima. Sebanyak 30% dari
pelamar kerja yang belum pernah melamar ditahun sebelumnya tahun ini diterima
bank tersebut. Apabila diambil sampel random sebanyak 250 pelamar , baik yang
belum pernah melamar maupun yang pernah melamar , berapa probabilitas bahwa
beda proporsi yang pernah melamar dan akhirnya diterima tahun ini dengan yang
belum pernah melamar juga diterima tahun ini adalah kurang dari 2%.
Jawab :
P1 = 35% = 0,35 P2 = 30% = 0,30, n1 = 250, n2 = 250,
p1 – p2 = 2% = 0,02.
 73

Z = 0,02 – ( 0,35 – 0,30 )

V (0,35)(0,65) + ( 0,3)(0,7)
250 250
= - 0,71
Jadi P ( Z < - 0,71 ) = 0,5 – 0,2612 = 0,2388 atau 23,88%.

BAB. VII.
PENDUGAAN PARAMETER

Pendugaan adalah proses yang menggunakan sample statistic untuk menduga hubungan
parameter populasi yang tidak diketahui.
Penduga adalah harga sample yang digunakan untuk menduga suatu parameter.
Ciri – ciri penduga yang baik :
1. Tidak bias ( unbiased ).
2. Efisien , apabila variansnya kecil.
 74

3. Konsisten, jika ,ukuran sample semakin bertambah maka penduga akan mendekati
parameternya.

Jenis – jenis pendugaan :

a. Pendugaan tunggal ( point estimate ). Yaitu pendugaan yang hanya mempunyai satu nilai.
Contoh :
1. Pendugaan untuk µ adalah rata – rata dari sample yang dirumuskan :

 x1  x2  ....
x
n
2. Pendugaan σ2 adalah varian dari sample S2 yang dirumuskan :
2 2
 
  

 x1  x    x2  x   .....
s2     
n 1

3. penduga untuk p adalah proporsi dalam sample dirumuskan :

 X
p
n

b. Pendugaan Interval.
Adalah pendugaan yang mempunyai dua nilai sebagai pembatasan atau daerah
pembatasan. Pada pendugaan interval , dugaan dinyatakan dalam suatu daerah dibatasi
oleh dua nilai.
Contoh :

Pendugaan interval rata-ata dengan tingkat keyakinan 95%, dituliskan :

 
x  1,96     x  1,96 
x x
atau
 
P ( x  1,96     x  1,96  ) = 0,95
x x

Tingkat keyakinan ( level of confident diberi symbol C = 1- α, besarnya 1- 10%, 1-5%. 1-

1%.

Jenis pendugaan berdasarkan jenis parameternya :

1. Pendugaan rata-rata.
Contoh :

Pendugaan rata-rata dengan tingkat keyakinan 90% dengan X = 30 dan
   0,83 adalah :
x
 75

 
X  Z  / 2     X  Z  / 2  
x x

 
X  Z 0, 05 .0,83    X  Z 0,05 .0,83


30 1,645. 0,83    30  1,645 0,83

28,63 < μ < 31,37

Pendugaan Interval untuk rata-rata :

a. Untuk sample besar n > 30
1. Untuk populasi yang pengambilan sampelnya dengan pengembalian dan
simpangan baku diketahui.
Dirumuskan :

   
X  Z / 2    X  Z / 2
n n
contoh :
Restoran NONI mengadakan penelitian perkiraan pengeluaran karyawan yang
digunakan untuk membeli makanan di restorannya selama setahun. Untuk
keperluan penelitian tersebut diambil sample yang terdiri atas 300 karyawan.
Ternyata rata-rata pengeluaran untuk membeli makanan adalah Rp. 406.000,-
setahun dengan simpangan baku Rp.165.000,-. Dugalah rata-rata pengeluaran
karyawan untuk membeli makanan dalam setahun dengan interval keyakinan
95%.

2. Untuk populasi yang pengambilan sampelnya tanpa pengembalian dan

simpangan baku diketahui.
Dirumuskan :

  N n   N n
X  Z / 2    X  Z / 2
n N 1 n N 1

contoh :
PT. MAJU memiliki karyawan 250 orang , untuk keperluan tertentu, ingin diketahui
rata-rata lama jam kerjanya per minggu, untuk itu diambil sample sebanyak 35
orang dan diperoleh data bahwa rata-rata jam kerja karyawan tersebut adalah
39,76 jam per minggu. Jika simpangan baku rata-rata jam kerjanya 0,93 jam,
dugalah dengan tingkat keyakinan 90%, rata-rata jam kerja karyawan tersebut.

b. Untuk sample kecil n < = 30

 s  s
Dirumuskan : X  t / 2    X  t / 2
n n
 76

X 2
 X  2

s 
n 1 n n  1

contoh :
suatu sample random yang terdiri atas 9 orang karyawan disebuah perusahaan
memiliki waktu yang diperlukan untuk menyelesaikan sebuah pekerjaan yaitu
14, 17,15,18,18,14,15,19,15 menit. Dugalah rata-rata waktu yang digunakan
bagi karyawan tersebut dengan interval keyakinan 99%.

2. Pendugaan Proporsi
Contoh :
Pendugaan proporsi dengan tingkat keyakinan 90%, p = 0,07 dan Sp = 0,0114
adalah :

p  Z  / 2 .Sp    P  Z  / 2 .Sp

Pendugaan Interval untuk proporsi :

1. untuk sample besar n > 30
a. untuk populasi tidak terbatas dengan pengembalian.


 

p 1  p 

   P  p Z / 2 p 1  p 
p  z / 2
n n

 x
p
n
contoh :
sebuah peti kemas milik PT. AGLIS diperiksa untuk menaksir persentase barang
yang rusak. Untuk keperluan tersebut diambil 60 buah barang yang ada dalam peti
kemas itu dan diperoleh 9 buah yang rusak, dugalah persentase barang yang rusak
dalam peti tersebut, gunakan interval keyakinan 99%.

b. untuk populasi terbatas.dan pengambilan sampelnya tanpa pengembalian.


 

p 1  p 

  N n  p 1  p  N n
p  z / 2  P  p  Z / 2
n N 1 n N 1

 x
p
n
contoh :
 77

sebuah perusahaan sepeda motor ingin memasarkan produknya kepada

mahasiswa. Mereka merencanakan kredit khusus untuk mahasiswa. Untuk itu
diadakan penelitian beberapa banyak mahasiswa yang senang sepeda motor tsb.
Dari populasi mhs sebanyak 300 orang. Diambil sample 90 orang .Dari 90 mhs
yg di interview, 25 orang menyatakan senang . dugalah denga interval keyakinan
97% proporsi mhs yg sepeda motor tsb.

Diket :

N = 300, n = 90, X = 25, p = 25/90 = 0,28, 1- α = 97% --- α = 3% =0,03
α/2 = 0,015, Zα/2 = 2,17.

Jawab:

2. untuk sample besar n < 30


 

p1  p 

   P  p t / 2 p 1  p 
p  t / 2
n n
 x
p
n

contoh :
penelitian terhadap sample sebanyak 20 karyawan sebuah perusahaan 6
diantaranya memiliki mobil. Dengan interval keyakinan 95%, tentukan proporsi
karyawan yang memiliki mobil.
 6
Diket : n = 20, x = 5, ---------- p   0,3
20
1- α = 95% ---α = 5% , α/2 = 0,025, dk = n-1—20-1 =19
t 0,025/19 = 2,093

jawab :

Pendugaan Interval untuk beda dua rata-rata :

1. untuk sample besar ( n > 30 ) dan  1 dan 2


 
 
 x1  x 2  Z  / 2 .   ( 1   2 )  ( X 1  X 2 ) Z  / 2 .  
  x1  x2 xx
 78

 12  22
  
 
  
 x1  x 2 
n1 n2
 
 

contoh :
upah mingguan 60 orang karyawan perusahaan asing rata-rata Rp. 250.000,-
dengan simpangan baku Rp. 27.000,- untuk perusahaan nasional dari 60 orang
karyawan diketahui upah mingguan rata-rata adalah Rp.125.000,- dengan
simpangan baku Rp. 10.000,- . dengan interval keyakinan 99%, buatlah pendugaan
beda rata-rata upah karyawan perusahaan asing dengan perusahaan nasional.

2. untuk sample kecil ( n < 30 ) dan  1 dan 2 ( simpangan baku )tidak diketahui


 
 
 x1  x 2  t / 2 .s   ( 1   2 )  ( X 1  X 2 ) t / 2 .s  
  x1  x2 xx

 n1  1 s12   n2  1 s 22  1  1 
s  
 .      ---ket: akar x akar
  
 x1  x2 
n1  n 2  2  n1  n2  
 
 

 x12  x 1
2
x 1
s12   dan x1 
n 1 n n  1 n1

 x22  x 2
2
x 2
s 22   dan x 2 
n 1 n n  1 n2

contoh :
berikut ini table berisikan lamanya produksi semacam barang yang dilakukan
dengan dua cara .

table : waktu yang diperlukan untuk dua cara proses produksi.

No. sampel Cara I ( jam ) Cara II ( jam )
1 3 2
2 7 4
3 9 5
4 3 7
5 4 2
6 2 5
7 4 4
8 8 6
9 5 1
 79

Dugalah perbedaan rata-rata cara kerja produksi barang tersebut dengan interval
keyakinan 95%.

Pendugaan Interval untuk beda dua proporsi :


  
Dirumuskan: ( p 1  p 2 )  z / 2 S    
 ( P1  P2 )  ( p1  p 2 ) Z / 2.S    
 p1  p 2   p1  p 2 
   

 x
p
n


 
  

p1 1  p1  p 2 1  p 2 
S      
  
 p1  p 2  n1 n2
 

contoh :

PT. HEBAT mengadakan pelatihan mengenai teknik pemasaran dengan dua metode
latihan. Metode latihan pertama diikuti 150 orang dan 90 orang dinyatakan berhasil.
Metode kedua diikuti 275 orang dan 125 orang dinyatakan berhasil. Dengan
menggunakan interval keyakinan 90%, tentukan beda proporsi sebenarnya bagi
yang berhasil.

BAB.IX.
PENGUJIAN HIPOTESIS
a. Pengertian.
Hipotesis berasal dari kata Hupo dan thesis. Hupo artinya lemah dan thesis
artinya teori atau pernyataan.
Jadi Hipotesis adalah suatu pernyataan atau dugaan dianggap benar yang
sifatnya masih lemah, tapi perlu dibuktikan kebenarannya.

b. Prosedur ( langkah-langkah) pengujian hipotesis.

1. Menentukan formulasi. Formulasi atau perumusan hipotesis ada 2 yaitu :
a). Hiposis nol atau nihil – symbol : H0 adalah karena hipotesis tersebut
tidak memiliki perbedaan atau perbedaannya nol dengan hipotesis
sebenarnya.
 80

b). Hipotesis alternative disimbolkan H1 atau Ha. Sebagai lawan Hipotesis

nol ( H0). Hipotesis alternative ada 3 keadaan :
1). H1 menyatakan bahwa harga parameternya lebih besar dari pada yang di
hipotesiskan. Disebut juga pengjian satu sisi arah kanan.
2). H1 menyatakan bahwa harga parameternya lebih kecil dari pada yang di
hipotesiskan. Disebut juga pengjian satu sisi arah kiri.
3). H1 menyatakan bahwa harga parameternya tidak sama dengan dari pada
yang di hipotesiskan. Disebut juga pengjian dua sisi arah kanan dan kiri.
Secara umum , formulasi hipotesis dituliskan :
Ho : θ = θo
H1 : θ > θo
H1 : θ < θo
H1 : θ ≠ θo

2. Menentukan taraf nyata.

Taraf nyata adalah besarnya batas toleransi dalam menerima
kesalahan hasil hipotesis terhadap nilai para meter populasi.taraf nyata
dilambangkan : α ( alpha ).
Besaran yang sering digunakan untuk menentukan taraf nyata
dinyatakan dalam % yaitu 1% ( 0,01), 5% ( 0,05), 10% ( 0,1).
3. Menentukan criteria pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam
menerima atau menolak hipotesis nol ( Ho) dengan cara
membandingkan nilai α tabel distribusinya dengan nilai uji statistic
sesuai dengan bentuk pengujiannya.

4. Menentukan nilai uji statistic.

Menentukan uji statistic merupakan rumus2 yang berhubungan
dengan distribusi tertentu dalam pengujian hipotesis.
5. membuat kesimpulan.
Penetapan keputusan dalam hal penerimaan atau penolakan hipotasis
nol ( Ho).

JENIS – JENIS PENGUJIAN HIPOTESIS.

A. Pengujian hipotesis rata-rata.

1. untuk sampel besar ( n> 30 ).
Untuk pengujian hipotesis dengan sampel besar ( n > 30 ), uji
statistiknya menggunakan distribusi Z, langkahnya sbb:
a. menentukan formulasi.
1). Ho : µ = µo
Ha : µ > µo
2). Ho : µ = µo
Ha : µ < µo
3). Ho : µ = µo
 81

Ha : µ ≠ µo
b. Penentuan nilai taraf nyata ( nilai α ) dan nilai Z tabel.
c. Kriteria pengujian.
Untuk Ho : µ = µo, & Ha : µ > µo.
1). Ho ditolak jika Z hitung > Z tabel.
2). Ho diterima jika Z hitung < Z tabel.

Untuk Ho : µ = µo & Ha : µ < µo

1). Ho ditolak jika Z hitung < - Z tabel.
2). Ho diterima jika Z hitung > - Z tabel.

Untuk Ho : µ = µo & Ha : µ ≠ µo
1). Ho ditolak jika Z hitung > Z tabel/ Z hitung < - Z tabel
2). Ho diterima jika - Z tabel < Zo< Z tabel.
d. Uji statistik.
1). Simpangan baku populasi :

Zo = X - µo = X - µo
σ σ/ v n
2). Simpangan baku sampel :
Zo = X - µo = X - µo
s s/ v n
contoh :
pimpinan bagian pengendali mutu barang pabrik susu merek
Nona, ingin mengetahui apakah rata-rata berat bersih satu
kaleng susu bubuk yang diproduksi dan dipasarkan masih tetap
400 gram, atau sudah lebih kecil dari itu. Dari data sebelumnya
diketahui bahwa simpangan baku bersih per kaleng sama
dengan 125 gram. Dari sampel 50 kaleng yang diteliti , diperoleh
rata-2 berat bersih 375 gram. Dapatkah diterima berat bersih
rata-2 yang dipasarkan tetap 400 gram? Uji dengan taraf nyata
5%.

2. untuk sampel besar ( n< 30 ).

Untuk pengujian hipotesis dengan sampel besar ( n < 30 ), uji
statistiknya menggunakan distribusi t, langkahnya sbb:
a. menentukan formulasi.
1). Ho : µ = µo
Ha : µ > µo
2). Ho : µ = µo
Ha : µ < µo
3). Ho : µ = µo
Ha : µ ≠ µo
b. Penentuan nilai taraf nyata ( nilai α ) dan nilai t tabel.
c. Kriteria pengujian.
 82

Untuk Ho : µ = µo, & Ha : µ > µo.

1). Ho ditolak jika t hitung > t tabel.
2). Ho diterima jika t hitung < t tabel.

Untuk Ho : µ = µo & Ha : µ < µo

1). Ho ditolak jika t hitung < - t tabel.
2). Ho diterima jika t hitung - t tabel.

Untuk Ho : µ = µo & Ha : µ ≠ µo
1). Ho ditolak jika t hitung > t tabel/ t hitung < - t tabel
2). Ho diterima jika - t tabel < to< t tabel.

d. Uji statistik.
1). Simpangan baku populasi :

to = X - µo = X - µo
σ σ/ v n
2). Simpangan baku sampel :
to = X - µo = X - µo
s s/ v n

contoh.
Sebuah sample terdiri dari 15 kaleng cat, memiliki isi berat
kotor dalam kaleng ( kg/ kaleng) sbb :
1,21 1,21 1,23 1,20 1,21
1,24 1,22 1,24 1,21 1,19
1,19 1,18 1,19 1,23 1,18
Jika digunakan taraf nyata 1% dan simpangan baku ( s) = 0,02,
dapatkah kita menyakini bahwa populasi cat dalam kaleng rata-
rata memiliki berat kotor 1,2 kg/kaleng?berikan evaluasi anda.

B. Pengujian hipotesis beda dua rata-rata.

1. untuk sampel besar ( n> 30 ).
Untuk pengujian hipotesis dengan sampel besar ( n > 30 ), uji
statistiknya menggunakan distribusi Z, langkahnya sbb:
a. menentukan formulasi.
1). Ho : µ = µo
Ha : µ > µo
2). Ho : µ = µo
Ha : µ < µo
3). Ho : µ = µo
Ha : µ ≠ µo
b. Penentuan nilai taraf nyata ( nilai α ) dan nilai Z tabel.
 83

c. Kriteria pengujian.
Untuk Ho : µ = µo, & Ha : µ > µo.
1). Ho ditolak jika Z hitung > Z tabel.
2). Ho diterima jika Z hitung < Z tabel.

Untuk Ho : µ = µo & Ha : µ < µo

1). Ho ditolak jika Z hitung < - Z tabel.
2). Ho diterima jika Z hitung - Z tabel.

Untuk Ho : µ = µo & Ha : µ ≠ µo
1). Ho ditolak jika Z hitung > Z tabel/ Z hitung < - Z tabel
2). Ho diterima jika - Z tabel < Zo< Z tabel.
d. Uji statistik.
1). Simpangan baku populasi :

Zo = X1 – X2 , σX1 – X2 = σ12 + σ22

σX1 – X2 n1 n2
2). Simpangan baku sampel :
Zo = X1 – X2 , sX1 – X2 = S12 + S22
sX1 – X2 n1 n2

contoh : seseorang berpendapat bahwa rata-rata jam kerja buruh

didaerah A dan B sama dengan alternative A lebih besar dari pada B.
untuk itu diambil sampel di kedua daerah , masing-masing 100 dan 70
dengan rata-rata dan simpangan baku 38 dan 9 jam per minggu serta
35 dan 7 jam per minggu. Ujilah pendapat tersebut dengan taraf nyata
5%.

2. untuk sampel besar ( n< 30 ).

Untuk pengujian hipotesis dengan sampel besar ( n < 30 ), uji
statistiknya menggunakan distribusi t, langkahnya sbb:
a. menentukan formulasi.
1). Ho : µ = µo
Ha : µ > µo
2). Ho : µ = µo
Ha : µ < µo
3). Ho : µ = µo
Ha : µ ≠ µo
b. Penentuan nilai taraf nyata ( nilai α ) dan nilai t tabel.
c. Kriteria pengujian.
Untuk Ho : µ = µo, & Ha : µ > µo.
1). Ho ditolak jika t hitung > t tabel.
2). Ho diterima jika t hitung < t tabel.
 84

Untuk Ho : µ = µo & Ha : µ < µo

1). Ho ditolak jika t hitung < - t tabel.
2). Ho diterima jika t hitung - t tabel.

Untuk Ho : µ = µo & Ha : µ ≠ µo
1). Ho ditolak jika t hitung > t tabel/ t hitung < - t tabel
2). Ho diterima jika - t tabel < to< t tabel.
d. Uji statistik , untuk sampel tidak berpasangan.
. Simpangan baku sampel :
to = X1 – X2
( n1 – 1). S1 + ( n2 – 1). S22 x ( 1/n1+ 1/n2 )
2

n1+n2 -2

sebuah perusahaan mengadakan pelatihan teknik pemasaran,

sampel sebanyak 12 orang, dengan metode biasa dan 10 orang
dengan metode terprogram . pada akhir pelatihan diberikan
evaluasi dengan materi yang sama.kelas pertama mencapai nilai
rata-rata 80 dengan simpangan baku 4 dan kelas kedua nilai
rata-rata 75 dengan simpangan baku 4,5.ujilah hipotesis kedua
pelatihan tersebut. Gunakan taraf nyata 10%.

Untuk sampel berpasangan:

to = d
Sd/V n Sd2 = d2- (jml d )2
n -1 n( n-1)

Ket : d : simpangan d : rata2 dari nilai d, Sd : simpangan baku dari niali d

Contoh : untuk mengetahui apakah kenaggotaan dalam organisasi

mahasiswa memiliki akibat baik atau buruk terhadap prestasi akademik
seseorang, maka diadakan penelitian mengenai mutu rata-rata prestasi
akademik . berikut data selama 5 tahun :
Tahun Anggota Bukan anggota
1 7,0 7,2
2 7,0 6,9
3 7,3 7,5
4 7,1 7,3
5 7,4 7,4
Ujilah pada taraf nyata 1%, apakah keanggotaan dalam organisasi
mahasiswa berakibat buruk pada prestasi akademiknya dengan asumsi
bahwa populasinya normal.

B. Pengujian hipotesis satu Proporsi.

langkahnya sbb:
 85

a. menentukan formulasi.
1). Ho : p = po
Ha : p > po
2). Ho : p = po
Ha : p < po
3). Ho : p = po
Ha : p ≠ po
e. Penentuan nilai taraf nyata ( nilai α ) dan nilai Z tabel.
f. Kriteria pengujian.
Untuk Ho : p = po, & Ha : p > po.
1). Ho ditolak jika Z hitung > Z tabel.
2). Ho diterima jika Z hitung < Z tabel.

Untuk Ho : p = po & Ha : p < po

1). Ho ditolak jika Z hitung < - Z tabel.
2). Ho diterima jika Z hitung - Z tabel.

Untuk Ho : p = po & Ha : p ≠ po
1). Ho ditolak jika Z hitung > Z tabel/ Z hitung < - Z tabel
2). Ho diterima jika - Z tabel < Zo< Z tabel.
g. Uji statistik.
1). Simpangan baku populasi :

Zo = X - npo
V n.po( 1- po )

Contoh : seorang kontraktor menyatakan bahwa 60% rumah-

rumah yang baru dibangun di kota X dilengkapi dengan telepon.
Apakah anda setuju dengan pernyataan tersebut bila diantara
50 rumah baru yang diambil secara acak terdapat 33 rumah
yang menggunakan telepon ? gunakan taraf nyata 10%.

C. Pengujian hipotesis dua Proporsi.

langkahnya sbb:
a. menentukan formulasi.
1). Ho : p = po
Ha : p > po
2). Ho : p = po
Ha : p < po
3). Ho : p = po
Ha : p ≠ po
b. Penentuan nilai taraf nyata ( nilai α ) dan nilai Z tabel.
c. Kriteria pengujian.
Untuk Ho : p = po, & Ha : p > po.
1). Ho ditolak jika Z hitung > Z tabel.
 86

2). Ho diterima jika Z hitung < Z tabel.

Untuk Ho : p = po & Ha : p < po

1). Ho ditolak jika Z hitung < - Z tabel.
2). Ho diterima jika Z hitung - Z tabel.

Untuk Ho : p = po & Ha : p ≠ po
1). Ho ditolak jika Z hitung > Z tabel/ Z hitung < - Z tabel
2). Ho diterima jika – Z tabel < Zo< Z tabel.
d. Uji statistik.
1). Simpangan baku populasi :

Zo = p1- p2
V p( 1- p )( 1/n1+ 1/n2)
Ket :
P1 = X1/n1 p2 = X2/n2

P = X1+ X2
n1 + n2
contoh :
suatu pemungutan suara akan dilakukan diantara pendudk kota
Jakarta dan sekitarnya, mengenai pendapat mereka tentang rencana
pendiriangedung serba guna ditengah kota , Untuk mengetahui
apakah ada perbedaan antara proporsi penduduk kota dan sekitarnya
yang menyetujui rencana tersebut, diambil sampel acak yang terdiri
dari 200 penduduk kota dan 500 penduduk sekitar . apabila ternyata
ada 120 pddk kota dan 240 penduduk sekitar yang setuju, apakah
anda setuju jika dikatakan bahwa proporsi penduduk kota yang
setuju lebih besar dari pada proporsi penduduk disekitarnya
gunakan taraf nyata 1%.

D. pengujian Hipotesis 3 rata-rata atau lebih.

Untuk pengujian hipotesis lebih dari 3 , digunakan distribusi F dengan
teknik Anova ( analisis varians ).
Langkah-langkahnya :
- menentukan formulasi.
1). Ho : µ1 = µ2= ....= µk
Ha : µ1 ≠ µ2≠ ....≠ µk
- Penentuan nilai taraf nyata ( nilai α ) dan nilai F tabel.
Taraf nyata ditentukan dengan derajat pembilang ( V1) yaitu V1
= k -1 dan derajat penyebut ( v2) yaitu V2 = k ( n-1), F tabel = ....
- Kriteria pengujian.
Untuk Ho : µ = µo, & Ha : µ > µo.
1). Ho ditolak jika F hitung > F tabel.
 87

2). Ho diterima jika F hitung < F tabel.

- Uji statistik , membuat analisis variansnya dalam bentuk tabel ANOVa.
Sumber Jumlah Derajat bebas Rata-rata Fhitung
varians kuadrat kuadrat
Rata-rata JKK k-1 S12 = JKK
kolom k–1
Fo = S12
Error JKE k ( n-1) S22 = JKE S22
K(n-1)
Total JKT

JKE = JKT – JKK

Contoh :
Sebanyak 25 orang diberi 5 jenis tablet sakit kepala untuk mengurangi rasa
sakit. Ke 25 orang tersebut dibagi 5 kelompok secara random dan masing-2
kelompok diberi satu jenis tablet. Penelitian dilakukan untuk melihat rata-2
lama setiap tablet dalam mengurangi rasa sakit, datanya sbb :
KELOMPOK TABLET
A B C D E
1 5 9 3 2 7
2 4 7 5 3 6
3 8 8 2 4 9
4 6 6 3 1 4
5 3 9 7 4 7
JUMLAH 26 39 20 14 33
UJILAH DENGAN MENGGUNAKAN TARAF NYATA 5%, BAHWA RATA-2 LAMA TABLET
MENGURANGI RASA SAKIT ADALAH SAMA.

JAWAB :
1. menentukan formulasi.
Ho :
Ha :

2. .taraf nayata :
V1 : 5-1 = 4, V2 : 5(5-1) = 20, α = 5%, F tabel ; 2,87.

3. kriteria :

4. analisa varian :
n = 5, k= 5
n1 = 5, n2 = 5, n3= 5, n4= 5, n5 = 5, N = 25
T1 = 26, T2= 39, T3= 20, T4= 14 T5 = 33 T = 132

JKT= 52 + 42+ ...+ 72 – 1322/25 = 137,04

JKK = 262 + .....+ 332 - 1322/25 = 79,44

5
JKE = 137,04 – 79,44= 57,6
Sumber Jumlah Derajat bebas Rata-rata Fhitung
varians kuadrat kuadrat
Rata-rata 79,44 4 19,86
kolom
6,90
Error 57,6 20 2,88
 88

Total 137,04
KESIMPULAN : karena f0 > ftabel, maka H0 ditolak, jadi rata-2 lamanya obat tsb tdk sama.

PENGUJIAN KLASIFIKASI DUA ARAH TANPA INTERAKSI

1. Menentukan formulasi
a). Ho : α1 = α2 = .......=0 ( pengaruh baris nol )dan H1 = sekurang-kurangnya α tidak sama dengan 0.
b). H0 : β1 = β2 =........= 0 ( pengaruh kolom nol ) dan h1 = sekurang-kurangnya β tidak sama dengan 0

2. menentukan taraf nyata ( Ftabel ).

Taraf nyata α dan F tabel .
a. untuk baris : v1 = b-1 dan V2 = ( k-1)( b-1).
b. Untuk kolom v1 = k -1 dan V2 = ( k-1)( b-1).

3. kriteria pengujian :
a).1). Ho ditolak jika F hitung > F tabel.
2). Ho diterima jika F hitung < F tabel.
b). 1). Ho ditolak jika F hitung > F tabel.
2). Ho diterima jika F hitung < F tabel.

4. membuat analisis varians.

Sumber Jumlah kuadrat Derajat bebas Rata-rata kuadrat Fhitung
varians
Rata-rata JKB b-1 S12 = JKB
Baris db
F1 = S12
Rata-rata JKK k-1 S22 = JKK S32
kolom db F2 = S22
S32
Error JKE (k-1)(b – 1) S32 = JKE
db
Total JKT

JKE = JKT – JKB – JKK

Contoh :
Berikut ini hasil per hektar dari empat jenis varitas tanaman tertentu
dengan penggunaan pupuk yang berbeda.
Hasil empat jenis varitas dengan penggunaan pupuk berbeda.
V1 V2 V3 V4 Total
P1 4 6 7 8 25
P2 9 8 10 7 34
P3 6 7 6 5 24
Total 19 21 23 20 83
Jawab :

1. menentukan formulasi
 89

2. taraf nyata
3. kriteria
4. analisa varians
JKT = 42 + 92 + .....52 – 832/12= 30,92
JKB = 252 + .....+ 242 - 832/12 = 15,17
4
JKK = 192 + ...202 - 832/12 = 2,92
3
JKE = 30,92- 15,17 – 2,92 = 12,83

membuat analisis varians.

Sumber Jumlah kuadrat Derajat bebas Rata-rata kuadrat Fhitung
varians
Rata-rata 15,17 2 S12 = 7,59
Baris
F1 = S12 = 3,55
Rata-rata 2,92 3 S22 = 0,97 S32
kolom F2 = S22
S32 = 0,45
Error 12,83 6 S32 = 2,14

Total JKT
Kesimpulan :
a). Karena F1 = 3,55 < f tabel : 5,14, maka h0 diterima jadi hasil panen per
hektar sama dari pemberian ketiga jenis pupuk tsb.
b). Karena F2 = 0,45 < F tabel 4,76, maka H0 diterima jadi rata-2 hasil panen
per hektar sama dengan penggunaan keempat varitas tsb.

PENGUJIAN HIPOTESIS DENGAN X2 ( Chi-Kuadrat )

Pengujian hipotesis beda 3 proporsi atau lebih.

Langkah –langkah :
1. menentukan formulasi.
2. menentukan taraf nyata
3. menentukan kriteria pengujian.
4. uji statistik.
5. kesimpulan.

Contoh ;
Seorang pengusaha minuman ringan berpendapat bahwa persentase barang produknya yang
rusak selam 4 hari berturut-turut sbb :
H1 H2 H3 H4 TOTAL
Rusak 14 17 8 2 41

Tidak rusak 90 107 76 21 294

Total 104 124 84 23 335
Ujilah taraf nyata 5% , ujilah pendapat tersebut.

Jawab :
 90

a. menentukan formulasi :
H0 : p1 = p2= p3= p4
H1 : p1,p2,p3, p4 tidak semuanya sama.

b. Taraf nyata
Α = 5% dengan db = 4-1 = 3.
X2 = 7,815
c. Kriteria
H0 diterima jk
H0 ditolak jk
d. Uji statistik.
n1 = 41, n2 = 294, n = 335
n1 = 104, n2= 124, n3 = 84, n4 = 23
i = 1,2
j = 1,2,3,4.
e1,1= 41x104 = 12,73, e1,2 = ........e1,4 = 41 x 23 =2,81.
335 335
e2,1 = 294 x 104 = 91,27, e2,2 = ........e2,4 = 294 x 23 = 20,19
335 335

nij eij nij - eij (nij – eij)2

eij
14 12,73 1,27 0,13
17 . . .
8 . . .
2 . . .
90 . . .
107 . . .
76 . . .
21 20,19 0,81 0,04
1,25
X2 = 1,25
Kesimpulan : karena X2 = 1,25< X2 tabel, maka H0 diterima.

Contoh 2:
Perusahaan PT.SUKSES berpendapat bahwa sikap karyawan mengenai kondisi kerja yang
diperolehnya diberbagai divisi diamana ada anggapan bahwa proporsinya adalah sama.,
dengan alternatif berbeda.
kriteria Div .A Div B. Div C Div D Total
Baik 76 85 91 75 327
Cukup 25 32 40 28 125
Buruk 12 15 10 11 48
Total 113 132 141 114 500
Uji pendapat tersebut dengan tingkat keyakinan 95% dan bagaimana kesimpulan
anda.
 91

Jawab :
1. menentukan formulasi.
Ho : p11 = p12=p13= p14
P21=p22=p23=p24
P31=p32=p33=p34
H1 : tidak semua proporsi sama.
2. taraf nyata ( α ) dan X2 tabel :
α = 5% dengan db= (3-1)( 4-1) ---- X2 tabel = 12,592

3. kriteri pengujian :
Ho ditolak jk....
H0 dierima jika,
4. uji statistk :
n = 327, n2 = 125, n3 = 48 ---- n= 500
n1 = 113, n2 = 132,.......n4 = 114
e11= 327x132 = 73,902
500
e12= 327x132 = 86,328
500
..
..
e21 = 125x113 =28,25
500
..
..
e31 = 48x 113 = 10,848
500
..
..
e34 = ........

nij eij nij-eij (Nij-eij)2

eij
76 73,902 2,098 0,06
85 . . .
91 . . .
. . . .
. . . .
.11 10,944 0,056 0,0003
jumlah 2,6993
X2 = 2,6993
Kesimpulan :
92