PENGUJIAN HIPOTESIS SAMPEL KECIL

SAMPEL KECIL DAN CIRI CIRI DISTRIBUSIT STUDENT

Pada kasus sampel kecil (n<30) nilai standar deviasi (s) berfluktuasi sangat
besarsehingga nilai uji Z tidak bersifat normal
Karenanya dipergunakan distribusi t (t student)

CIRI-CIRI DISTRIBUSI TSTUDENT

1. Merupakan distribusi kontinu, dimana nilainya dapat menempati semua titik
pengamatan.
2. Berbentuk lonceng dan simetris dengan nilai rata2 sama dengan 0
3. Bukan merupakan 1 kurva seperti kurva z, tetapi keluarga dari distribusi t
4. Distribusi t lebih mendatar dan melebar dibandingkan dengan distribusi Z

Dampak Nilai Kritis Pada Distribusi t Dibandingkan dengan Distribusi Z

1. Interval keyakinan distribusi t, P(-tα<T<+ tα)

2. Daerah dimana H0 tidak ditolak pada distribusi t lebih lebar dibandingkan
distribusi Z
3. Nilai t hitung harus bernilai lebih besar untuk menolak H0
dibandingkan dengan nilai Z pada distribusi Z

MENGUJI RATA-RATA HITUNG POPULASI

1. Merumuskan H2 dan H1
2. Menentukan taraf nyata
3. Menentukan uji statistik dengan menggunakan rumus uji t
4. Menentukan daerah keputusan
5. Mengambil keputusan

Contoh
1. Selama bulan Juni 2008, harga saham penutupan perusahaan berbasis pertanan
di BEJ sebesar Rp 2.966 per lembarnya. Untuk melihat bagaimana kinerja 17
saham perusahaan berbasis pertanian di pasar modal, maka diambil 4 sampel yang
terdiri 1 perusahaan pangan, 1 perusahaan perkebunan, 1 peternakan dan 1
perikanan. Dari 4 perusahaan tersebut diketahui bahwa harga rata2 sahamnya
mencapai Rp 2.603 per lembar dengan standar deviasi 1.397. Pada taraf 1% apakah
harga saham perusahaan berbasis pertanian mengalami penurunan, atau perbedaan
selisih yang terjadi karena faktor kebetulan saja?
 MENGUJI SELISIH RATA-RATA HITUNG POPULASI

- Tujuannya untuk membandingkan nilai rata2 dua populasi apakah sama atau berbeda
- Asumsi dalam menguji selisih rata2 sampel kecil
1. populasi harus terdistribusi secara normal
2. populasi bersifat independen
3. varians populasi harus sama

Pertimbangan penggabungan varians masing2 sampel menjadi 1 penduga tunggal :

1. Kedua populasi memiliki varians yang sama

sehingga penggabungan semua informasi akan menghasilkan penduga yang
terbaik
2. Kedua varians akan menghasilkan varians
tertimbang yang memperhatikan karakteristik kedua populasi
 ANALISIS REGRESI DAN KORELASI
SEDERHANA

ANALISIS REGRESI DIAGRAM PENCAR

Kegunaan diagram pencar:
_melihat kaitan antar variabel secara visual
_membantu untuk menentukan jenis
persamaan regresi yang akan digunakan

- Gambaran kaitan yang cukup kuat antara variabel X dan variabel Y

hubungan yang bersifat langsung _bila variabel X meningkat,
maka variabel Y juga meningkat _hubungan linier positif.

- Hubungan linier positif dengan pencarn yang lebih besar korelasi mengecil.

- Hubungan linier negatif (berlawanan)

- Keterkaitan dua variabel yang bersifat tidak linier dan

mempunyai pola hubungan kurvilinier positif

- Hubungan kurvilinier negatif

- Hubungan kurvilinier

- Secara visual tidak terdapat hubungan

ANALISIS REGRESI PERSAMAAN REGRESI LINIER

 Persamaan umum regresi untuk populasi:

( k k ) Y f X , X ,..., X _ ,_ ,...,_ 1 2 1 2 =
parameter yang terdapat dalam regresi dan perlu ditaksir untuk mendapatkan persamaan regresi dari
sampel

 Model regresi yang paling sederhana:

α dan β ditaksir dengan a dan b _regresi berdasarkan sampel
acak:
Y =_ + _X
Y=a+
bX
a = intersepsi Yc bila X = 0
b = slope garis regresi
X = nilai variabel bebas
Yc = nilai variabel tak bebas yang dihitung dari persamaan
regresi
 Metoda pencarian persamaan regresi yang paling sering digunakan metode kuadrat terkecil (least
square).

 Garis regresi least square:

∑(Y - Y c )= 0

∑ (Y – Yc ) 2 = Minimum
mengupayakan agar simpangan positif dari titik sebaran diatas garis, dihilangkan oleh simpangan
negatif di bawah garis jumlah = 0