MUTHMAINNAH

BAHAN DISKUSI KB 3 MODUL 5 PROFESI

1. Pada pertanyaan berikut, akankah anda mengumpulkan sampel atau populasi?

Mengapa?
a. Statistika merupakan mata kuliah yang diajarkan di Universitas. Professor
Verage telah mengajarkan hampir sebanyak 1500 mahasiswa dalam perkuliahan
selama lebih dari 5 tahun. Anda ingin mengetahui nilai rata-rata mata kuliah
tersebut.
b. Anda berharap untuk lulus dan pekerjaan pertama anda sebagai petugas
penjualan salah satu dari lima perusahaan farmasi terbesar. Dalam
mempersiapkan wawancara, anda membutuhkan informasi mengenai misi,
keuntungan, produk, dan pangsa pasar perusahaan.

Jawab:

a. Kasus ingin mengetahui nilai rata-rata mata kuliah yaitu: menggumpulkan sampel,
karena:
 Sampel adalah sebagian dari populasi yang diteliti. Dengan kata lain sampel
merupakan sebagian atau bertindak sebagai perwakilan dari populasi sehingga
hasil penelitian yang berhasil diperoleh dari sampel dapat digeneralisasi pada
populasi.
 Populasi yang diambil sangat besar dan peneliti memiliki keterbatasan untuk
menjangkau populasi.
 Penelitian tersebut jumlahnya lebih dari 100, maka menggunakan sampel.

Jadi pada peneltian tersebut maka penentuan sampelnya dilakukan dalam tahapan
berikut:

Tahap pertama adalah menentukan sampel tahun ajaran.

Misalnya ditentukan rata-rata mata kuliah dari mahasiswa pertahun ajaran baru yang
akan dijadikan daerah sampel.

Tahap kedua. Mengambil sampel nilai rata-rata mata kuliah dari mahasiswa 5 tahun
ajaran terakhir. Setelah digabungkan, maka seluruh mahasiswa yang akan dijadikan
 sampel ini diharapkan akan menggambarkan keseluruhan populasi secara
keseluruhan.

b. Kasus dalam mempersiapkan wawancara, membutuhkan informasi mengenai misi,

keuntungan, produk, dan pangsa pasar perusahaan, yaitu mengumpulkan populasi,
karena:
 Populasi adalah wilayah generalisasi yang terdiri dari subyek atau obyek yang
disetujui untuk dipelajari dan diambil kesimpulan.
 Obyek atau subyek yang dipelajari meliputi seluruh karakteristik atau sifat yang
dimiliki subyek atau obyek tersebut.
 Populasi berkenaan dengan data, bukan orang atau bendanya.
 Jumlah yang diteliti maksimum 15, dalam hal ini yang diteiti berjumlah 4 hal
sehingga mengumpulkan populasi.

2. Apakah definisi statistika deskriptif dan statistika inferensial?

Jawab:
 Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan
dan penyajian suatu gugus data sehingga memberikan informasi yang berguna.
Statistika deskroptif hanya memberikan informasi mengenai data yang dipunyai
dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus
induknya yang lebih besar. Contoh statistika deskriptif yang sering muncul adalah
table, diagram, grafik, dan besar-besaran lain di majalah dan koran-koran. Dengan
statistika deskriptif, kumpulan data yang diperoleh akan tersaji dengan ringkasdan
rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi
yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemuatan data,
ukuran penyebaran data, serta kecenderungan suatu gugus data. Statistic
deskriptif menggunakan prosedur numerik dan grafis dalam meringkas gugus data
dengan cara yang jelas dan dapat dimengerti.statistika deskriptif membantu kita
untuk menyederhanakan data dalam jumlah besar dengan cara yang logis. Data
yang banyak direduksi dan diringkas sehingga lebih sederhana dan lebih mudah
diinterprestasi. Statistic deskriptif memberikan informasi hanya mengenai data
yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang data tersebut.
  Statistika inferensial adalah sebuah metode yang dapat digunakan untuk
menganalisis kelompok kecil data dari data induknya (sampel yang diambil dari
populasi) sampai pada peramalan dan kesimpulan terhadap kelompok data
induknya atau populasi. Statistika inferensial merupakan cakupan seluruh metode
yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada
peramalan atau penarikan kesimpulan mengenai keseluruhan data induk
(populasi) tersebut.generalisasi yang berhubungan dengan inferensia statistika
selalu mempunyai sifat tidak pasti, karena kita menndasarkan pada informasi
parsial yang diperoleh dari sebagian data. Sehingga yang didapat hanya
peramalan. Statistic inferensial atau induktif dibedakan menjadi dua, yaitu: statistic
parametric dan statistic nonparametrik. Statistic inferensial merupakan langkah
terakhir dari tuugas statistika Karena dalam setiap penelitian kesimpulan inilah
yang diinginkan. Statistika inferensial harus bersandar pada statistika deskriptif,
sehingga kedua-duanya harus ditempuh secara benar agar kita mendapatkan
kegunaan maksimal dari statistika ini.

3. Salah satu asumsi yang harus dipenuhi dalam statistika parametric adalah data
yang dianalisis harus berdistribusi normal. Sebutkan dan jelaskan karakteristik
distribusi normal!
Jawab:
Suatu distribusi data disajikan berditribusi normal membahas data distribusi simetris,
yaitu: kapan nilai rata-rata, median, dan modus yang sama. Karakteristik distribusi normal
antara lain:
1. Grafiknya akan selalu diatas sumbu datar x.
2. Bentunya simetris terhadap x   .
3. Mempunyai satu modus (unimodal).
4. Grafiknya melanjutkan (berasimtot) sumbu datar x.
5. Luas daerah grafik selalu sama dengan satu satuan unit persegi.
6. Bentuk kurva yang tidak memiliki kriteria di atas dikenal dengan distribusi tidak simetris
(distribusi menceng kekiri atau kekanan).
7. Total luas kurvanya 1.
8. Titik belok tepat di x    
9. Kurva mendekati nol secara asimtotis semakin x jauh dari x  
4. Data berikut adalah data nilai ujian statistika dan matematika dari 10 mahasiswa:
Statistika : 74 93 55 41 23 92 64 40 71 33
Matematika : 81 86 67 35 30 100 55 52 76 24
Bentuklah model regresinya dengan nilai statistika sebagai variable independen!
Jawab:
Variable independen = nilai statistika = x
Variable dependen = nilai matematika = y
NILAI STATISTIKA NILAI MATEMATIKA xy x2
(x) (y)
74 81 5994 5476
93 86 7998 8649
55 67 3685 3025
41 35 1435 1681
23 30 690 529
92 100 9200 8464
64 55 3520 4096
40 52 2080 1600
71 76 5396 5041
33 24 792 1089

 x 586  y 606  xy 40790 x 2

39650
Hasil estimasinya adalah sebagai berikut:

 x 586,  y  606,  xy  40790 dan  x  39650

2

S  x  
 x   39650  (586)  39650  343396  39650  34339,6  5310,4
2
2 2

xx
n 10 10
 x  y 
S xy   xy     40790 
586 . 606
 40790 
355116
 40790  35511,6  5278,4
n 10 10
S 5278,4
b1  xy   0,99397
S xx 5310,4

b0 
1
n
 y  b1  x   606  (0,99397)(586)   (606  582,46642)  . 23,5335  2,35335
1
10
1
10
1
10
Jadi persamaan regre sin ya menjadi
Yˆ  2,35335  0,99397 X
 Dari hasil estimasi yang diperoleh dapat disimpulkan bahwa setiap nilai statistika naik,
maka nilai matematika akan naik juga sebesar 0,99397.

5. Bentukalah model regresinya dengan nilai matematika sebagai variable

independen!
Jawab:
Variable independen = nilai matematika = x
Variable dependen = nilai statistika = y
NILAI MATEMATIKA NILAI STATISTIKA xy x2
(x) (y)
81 74 5994 6561
86 93 7998 7396
67 55 3685 4489
35 41 1435 1225
30 23 690 900
100 92 9200 10000
55 64 3520 3025
52 40 2080 2704
76 71 5396 5776
24 33 792 576

 x 606  y 586  xy 40790 x 2

42652
Hasil estimasinya adalah sebagai berikut:

 x 586,  y  606,  xy  40790 dan  x  42652 2

S x 
 x   42652  (606)  42652  367236  42652  36723,6  5928,4
2
2 2

xx
n 10 10

S xy   xy 
 x  y   40790 
606 . 586
 40790 
355116
 40790  35511,6  5278,4
n 10 10
S xy 5278,4
b1    0,89036
S xx 5928,4

b0 
1
 y  b1  x   1 586  (0,89036)(606)  1 (586  539,5571)  1 . 46,4429  4,64429
n 10 10 10
Jadi persamaan regre sin ya menjadi
Yˆ  4,64429  0,89036 X
 Dari hasil estimasi yang diperoleh dapat disimpulkan bahwa setiap nilai matematika naik,
maka nilai statistika akan naik juga sebesar 0,89036.

8. Dari data di bawah ini menunjukkan tingkatan yang dicapai oleh 6 siswa yang mengikuti
program membaca cepat dan jumlah minggu dalam mengikuti program tersebut.

JUMLAH MINGGU KECEPATAN MEMBACA

(BANYAKNYA KATA PER MENIT)
3 65
4 90
1 22
3 81
5 132
7 180
Berapakah koefisien korelasi product moment dari data di atas dan apa makna dari
koefisien tersebut?

Jawab:

X (jumlah minggu) :3 4 1 3 5 7

Y (kecepatan membaca) :65 90 22 81 132 180

Untuk menghitung koefisiaen korelasi, maka disusun table bantu sebagai berikut:

Table Bantu Analisis Korelasi Product Moment.

n X Y X2 Y2 XY
1 3 65 9 4225 195
2 4 90 16 8100 360
3 1 22 1 484 22
4 3 81 9 6561 243
5 5 132 25 17424 660
6 7 180 49 32400 1260

 23 570 109 69194 2740

Berdasarkan table bantu tersebut diperoleh nilai-nilai:

 X  23
 Y  570
 x  109
2

 y  69194
2

 XY  2740
n6

Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut dimasukkan dalam rumus
koefisien korelasi sebagai berikut:
n n n
n X i Yi   X i Y i
r i 1 i 1 i 1

 n 2  n 2
 n 2

 n X    X   n Y 2    Y  
n

 i 1 i  i 1 i   i 1 i  i 1 i  
  
10(2740)  (23)(570)
r
10(109)  (23) 10(69194)  570 
2 2

27400  13110
r
(1090  529)(691940  324900)
14290
r
(561)(367040)
14290
r
205909440
14290
r
14349,544905
r  0,99585
Maka koefisien korelasi Pearson Product Momentnya adalah 0,99585.
Jadi makna Koefisien Korelasi antara jumlah minggu dengan kecepatan membaca
sebesar 0,99585. Dengan hubungan antara jumlah minggu dan kecepatan membaca
(banyaknya kata permenit) memiliki tingkat hubungan yang tinggi sehingga apabila jumlah
minggu semakin banyak akan mempengaruhi peningkatan kecepatan membaca
(banyaknya kata permenit). Apabila jumlah minggu semakin sedikit, maka akan
mempengaruhi penurunan kecepatan membaca (banyaknya kata permenit).
Dapat juga dibalik interpretasinya, apabila ditambahkan jumlah minggu, maka akan
mempengaruhi peningkatan kecepatan membaca (banyaknya kata per menit).
Apabila diturunkan jumlah minggu, maka akan mempengaruhi tingkat kecepatan
membaca (banyaknya kata per menit).