STATISTIKA SOSIAL I
Dosen Pengampu :
Bambang Ruswandi, M.Stat
Nama : .............................................................................
NIM : .............................................................................
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala bimbingan
dan petunjuk yang dikaruniakan-Nya sehingga penulis dengan segala
keterbatasan yang ada dapat menyelesaikan Modul Ajar Statistika Sosial I ini.
Shalawat serta salam kecintaan hanya tercurahkan kepada insan budiman
manusia pilihan, junjungan alam Nabi besar Muhammad SAW. Semoga kita semua
mendapatkan syafaatnya baik di dunia maupun di akhirat kelak. Amin.
Statistik merupakan salah satu alat dalam penelitian, yaitu antara lain
untuk pengujian hipotesis. Terdapat dua macam statistik yang digunakan untuk
pengujian hipotesis yaitu Statistika Parametrik dan Statistika Non Parametrik.
Statistik parametrik digunakan untuk pengujian hipotesis bila data berbentuk
interval dan rasio, sedangkan statistik non parametrik digunakan untuk pengujian
hipotesis bila datanya berbentuk nominal dan ordinal. Penggunaan statistik
parametrik memerlukan berbagai persyaratan antara lain data yang dianalisis
harus berdistribusi normal, sedangkan untuk statistik non parametrik tidak harus
berdistribusi normal, jadi uji bisa berdisribusi bebas (distribusi free test). Namun
keduanya memerlukan persyaratan bahwa sampel sebagai sumber penelitian
harus diambil secara random.
Perkembangan Penelitian Statistika yang pesat membuat pengguna metode
Non Parametrik semakin luas, dengan adanya buku ajar ini diharapkan dapat
mendukung keberhasilan pelaksanaan pembelajaran Statistika Sosial I di
lingkungan Fakultas Ilmu Sosial dan Ilmu Politik (FISIP) Universitas Islam Negeri
Syarif Hidayatullah Jakarta. Serta diharapkan mampu meningkatkan
pengaplikasiannya di berbagai bidang.
Akhirnya penulis berharap semoga modul ajar ini bermanfaat bagi
pembaca, khususnya bagi penulis sendiri. Kritik dan saran yang konstruktif selalu
diharapkan guna perbaiakan selanjutnya.
-i-
DAFTAR ISI
MODUL 8 : UJI BEDA RATA-RATA LEBIH DARI DUA SAMPEL BEBAS .................... 48
-ii-
H. Independent Sample T Test (Uji Beda Rata-rata Dua Sampel Bebas) ............ 69
I. One Way Anova (Analisis Variansi) ................................................................ 71
LAMPIRAN
-iii-
RPS – STATISTIK SOSIAL 1
A. DESKRIPSI MATAKULIAH
Matakuliah ini membahas mengenai konsep dasar dari statistika yang berisi mengenai pengertian dan kegunaan statistik, jenis data serta
karakteristiknya. Selain itu juga membahas berbagai ukuran deskripsi data : pengukuran pemusatan, ukuran penyebaran, serta menampilkan data dalam
bentuk grafik dan tabel. Aplikasi statistik parametrik dalam menarik kesimpulan melalui pengujian hipotesis, uji beda rata-rata satu sampel, uji beda rata-
rata dua sampel dan analisis ragam (ANOVA).
B. TUJUAN PEMBELAJARAN
Setelah mengikuti dan lulus dari perkuliahan ini, mahasiswa diharapkan mampu mengaplikasikan IPTEK, teori dan konsep-konsep yang ada pada
statistik sosial dengan kompetensi utama mampu memahami konsep-konsep dasar statistika, jenis-jenis data dan merangkumnya dalam bentuk grafik
dan tabel, proses sampling serta mampu mengambil keputusan dalam pengujian hipotesis.
D. Peraturan dan Tata Tertib (point ini boleh ditambahkan sesuai dengan kontrak belajar yang diinginkan oleh dosen)
1. Mahasiswa hadir dalam perkuliahan tatap muka minimal 70% dari jumlah pertemuan ideal. Setiap mahasiswa harus aktif dan partisipatif dalam
perkuliahan.
2. Dosen dan Mahasiswa tiba di kelas tepat waktu sesuai dengan waktu yang ditetapkan/disepakati.
3. Berpakaian rapih dan sopan serta memakai sepatu.
4. Ada pemberitahuan resmi jika tidak hadir dalam perkuliahan tatap muka.
5. Selama perkuliahan berlangsung, HP dalam posisi off atau silent.
6. Meminta izin (dengan cara mengangkat tangan) jika ingin berbicara, bertanya, menjawab, meninggalkan kelas atau keperluan lain.
7. Saling menghargai dan tidak membuat kegaduhan/gangguan/kerusakan dalam kelas.
8. Tidak boleh ada plagiat dan bentuk-bentuk pelanggaran norma lainnya.
120
8 Ujian Tengah Semester (UTS) 1, 4, 5, 6
menit
Mampu memahami dan Metode : 1. Mampu merumuskan
melakukan analisis data 1. Pembentukan hipotesis Pemaparan hipotesis penelitian
melalui pengujian hipotesis penelitian dan materi 2. Mampu merumuskan
Pengujian 120
9 dan mengambil keputusan hipotesis statistik Tanya jawab hipotesis statistik 2, 3, 5, 6
Hipotesis Menit
atau kesimpulan atas suatu 2. Langkah-langkah Media: 3. Mampu menjelaskan
kasus dalam kehidupan pengujian hipotesis White-board. Langkah-langkah pengujian
sehari-hari Infocus. hipotesis
Metode : 1. Mampu melakukan uji beda
Mampu memahami dan
1. Uji beda rata-rata satu Pemaparan satu sampel untuk n lebih
melakukan analisis data
Uji Beda Rata- sampel untuk n lebih materi dari 30 (Uji z)
melalui pengujian hipotesis
rata Satu dari 30 (Uji z) Tanya jawab 2. Mampu melakukan uji beda 120
10 dan mengambil keputusan 2, 3, 5, 6
Sampel 2. Uji beda rata-rata satu Tugas 4 satu sampel untuk n kurang Menit
atau kesimpulan atas suatu
sampel untuk n kurang Media: dari 30 (Uji t)
kasus dalam kehidupan
dari 30 (Uji t) White-board. 3. Mampu membaca tabel
sehari-hari
Infocus. statistik z dan t
Metode : 1. Mampu melakukan uji beda
Mampu memahami dan
Uji Beda Rata- 1. Uji beda rata-rata dua Pemaparan dua sampel berpasangan
melakukan analisis data
rata Dua sampel berpasangan materi (Uji t)
melalui pengujian hipotesis
Sampel (Uji t) Tanya jawab 2. Mampu melakukan uji beda 120
11 dan mengambil keputusan 2, 3, 5, 6
Berpasangan 2. Uji beda rata-rata dua Tugas 5 dua sampel independen Menit
atau kesimpulan atas suatu
dan sampel independen Media: untuk n ≥ 30 (Uji z)
kasus dalam kehidupan
independen untuk n ≥ 30 (Uji z) White-board. 3. Mampu membaca tabel
sehari-hari
Infocus. statistik z dan t
Metode :
1. Uji beda rata-rata dua 1. Mampu melakukan uji beda
Mampu memahami dan Pemaparan
sampel independen dua sampel independen
melakukan analisis data Uji Beda Rata- materi
untuk n < 30 dengan untuk n < 30 dengan
melalui pengujian hipotesis rata Dua Tanya jawab
variansi sama (Uji t) variansi sama (Uji t) 120
12 dan mengambil keputusan Sampel Tugas 6 2, 3, 5, 6
2. Uji beda rata-rata dua 2. Mampu melakukan uji beda Menit
atau kesimpulan atas suatu Independen
sampel independen dua sampel independen
kasus dalam kehidupan Media:
untuk n < 30 dengan untuk n < 30 dengan
sehari-hari White-board.
variansi berbeda (Uji t) variansi berbeda (Uji t)
Infocus.
1. Mampu melakukan
Metode :
pengujian uji beda lebih dari
Mampu memahami dan Pemaparan
Uji beda rata- 2 sampel (ANOVA) dengan
melakukan analisis data materi
rata lebih dari sifat satu arah
melalui pengujian hipotesis 1. ANOVA satu arah Tanya jawab
dua sampel 2. Mampu melakukan 120
13 ANOVA dan mengambil (Uji F) Tugas 7 2, 3, 5, 6
independen pengujian uji beda lebih dari Menit
keputusan atau kesimpulan 2. ANOVA dua arah (Uji F)
(ANOVA) 2 sampel (ANOVA) dengan
atas suatu kasus dalam Media:
sifat dua arah
kehidupan sehari-hari White-board.
3. Mampu membaca tabel
Infocus.
statistik F
Metode :
1. Mampu melakukan input
Pemaparan
Mampu melakukan 1. Input data ke SPSS data ke SPSS
materi
pengolahan dan analisis data Aplikasi 2. Pengolahan data 2. Mampu mengolah data
Tanya jawab
dengan menggunakan Pengolahan dengan statistika dengan SPSS pada statistika 120
14 1, 4, 6
software statistika dengan data dengan deskriptif deskriptif Menit
Media:
studi kasus pada bidang- SPSS 3. Membuat tabulasi data 3. Mampu membuat tabulasi
White-board.
bidang sosial. kategorik dengan SPSS pada data
Infocus.
kategorik
Komputer
Metode :
1. Mampu melakukan input
Pemaparan
Mampu melakukan 1. Input data ke SPSS data ke SPSS
materi
pengolahan dan analisis data Aplikasi 2. Pengujian normalitas 2. Mampu melakukan
Tanya jawab
dengan menggunakan Pengolahan data dengan SPSS pengujian normalitas data 120
15 1, 4, 6
software statistika dengan data dengan 3. Pengujian Uji Beda dengan SPSS Menit
Media:
studi kasus pada bidang- SPSS rata-rata (Uji z, Uji t 3. Mampu melakukanPengujian
White-board.
bidang sosial. dan Uji F) dengan SPSS Uji Beda rata-rata (Uji z, Uji t
Infocus.
dan Uji F) dengan SPSS
Komputer
120 1, 2, 3, 4, 5,
16 Ujian Akhir Semester (UAS)
Menit 6
I. Identitas Dosen
Nama : Bambang Ruswandi, M.Stat
No Tlp/HP : 0812 111 3864
e-mail : bambang.ruswandi@uinjkt.ac.id
MODUL 1
KONSEP DASAR STATISTIKA
A. Definisi Statistika
Makna dari kata statistika dan statistik adalah sesuatu hal yang berbeda. Menurut
definisi, statistika adalah sekumpulan konsep dan metode yang digunakan untuk mempelajari
bagaimana mengumpulkan, manganalisis dan menginterpretasikan data mengenai suatu
kegiatan tertentu dan mengambil kesimpulan dalam keadaan dimana terdapat ketidakpastian.
Sedangkan statistik adalah sembarang nilai yang menggambarkan karakteristik dari sampel
atau contoh.
Statistika kini banyak digunakan dalam kehidupan sehari-hari baik di bidang ekonomi
dan perdagangan, keteknikan, pertanian, pendidikan, kedokteran, hukum, psikologi, informasi,
administrasi, politik, pemerintahan, dan lain-lain. Para peneliti dapat menyederhanakan suatu
gejala yang kompleks dengan menggunakan statistika sehingga lebih mudah dipahami. Banyak
penemuan yang dihasilkan para ilmuwan berkat bantuan statistika. Terdapat beberapa istilah
penting yang perlu diketahui dalam statistika, yaitu :
Populasi : himpunan data yang mencirikan suatu fenomena yang akan diamati.
Sampel : bagian dari populasi yang diambil dengan cara tertentu.
Sensus : pengumpulan data dari seluruh populasi.
Survei : pengumpulan data dari sampel.
Parameter : ukuran deskriptif dari populasi.
Statistik : ukuran deskriptif dari sampel.
B. Jenis Statistika
Pada umumnya, karena berbagai kendala, tidak seluruh data populasi dapat diperoleh
namun hanya sebagian data saja, yang disebut data sampel. Data sampel itu kemudian
dianalisis sesuai dengan permasalahan dan jenis datanya. Ukuran statistik hasil analisis sampel
tersebut lalu digunakan untuk menarik kesimpulan (interferensi) atas populasi mengenai
persoalan yang sedang dikaji.
Jenis statistika dapat dibedakan dari berbagai sudut pandang, yaitu berdasarkan:
a. Orientasi pembahasannya:
Statistika teoritis yang lebih berorientasi pada pemahaman model dan teknik statistika
secara matematis atau teoritis
Statistika terapan yang lebih berorientasi pada pemahaman atas konsep dan teknik
statistika untuk penggunaan di berbagai bidang aplikasi
b. Tahapan atau tujuan analisisnya:
Statistika deskriptif bertujuan memperoleh gambaran (deskripsi) ukuran data yang
diperoleh. Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga memberikan informasi yang berguna. Misalnya
penyusunan data dalam bentuk tabel, diagram, grafik, tanpa menarik kesimpulan. Jika
data yang dianalisis adalah sampel maka akan dihasilkan ukuran sampel (disebut
statistik), sedangkan jika data yang dianalisis adalah seluruh data populasi maka akan
dihasilkan ukuran populasi (disebut parameter)
Statistika inferensia bertujuan memperoleh kesimpulan populasi berdasarkan hasil
analisis data sampel. Statistika inferensia mencakup semua metode yang berhubungan
dengan analisis sebagian data untuk peramalan atau penarikan kesimpulan atas seluruh
gugus data induknya.
Contoh, kelulusan mahasiswa selama 5 tahun terakhir menunjukkan bahwa 72% mahasiswa
berhasil menyelesaikan studi. Nilai 72% adalah statistika deskriptif. Jika kemudian
disimpulkan bahwa peluang anda lulus lebih dari 70% berarti anda melakukan statistik
inferensia, yang tentu saja bersifat tidak pasti.
Generalisasi dalam statistik inferensia bersifat tak-pasti, karena didasarkan hanya pada
informasi sebagian data.
c. Distribusi Populasi Data:
Statistika parametrik menggunakan teknik analisis berdasarkan pada model data yang
terdistribusi normal.
Statistika nonparametrik menggunakan teknik analisis berdasarkan pada model data
yang terdistribusi secara bebas.
d. Jumlah Variabel Takbebas (Dependen):
Statistika Univariat menganalisis data dengan melibatkan hanya satu variabel takbebas,
namun tidak tergantung pada jumlah variabel bebasnya
Statistika Multivariat menganalisis data dengan melibatkan lebih dari satu variabel
takbebas, juga tidak tergantung pada jumlah variabel bebasnya
Ada juga pembagian jenis statistika berdasarkan bidang terapannya, misalnya statistika
pertanian, statistika ekonomi, biostatistika, statistika pendidikan, statistika teknik, dan lain-
lain. Namun demikian, pada prinsipnya, semua konsep dan teknik statistika dapat digunakan
pada seluruh bidang.
C. Data Statistika
Pengadaan data umumnya diperoleh melalui pengukuran. Data hasil pengukuran itulah
yang kemudian akan dianalisis. Agar hasil analisisnya dapat dipertanggung-jawabkan maka
kegiatan pengukuran berkewajiban menjamin bahwa data yang diperoleh valid. Validitas hasil
penelitian amat tergantung pada validitas datanya.
Berdasarkan jenisnya, data dapat dikelompokkan menjadi:
a. Data kualitatif : yaitu data kategorik yang diklasifikasi menurut kriteria tertentu, misalnya
baik, cukup, sedang, dan buruk
b. Data kuantitatif : yaitu data numerik yang diperoleh dari hasil pencacahan atau
pengukuran. Data hasil pencacahan disebut data diskrit. Contohnya banyaknya kendaraan
yang melintasi ruas jalan tertentu, jumlah penduduk di suatu daerah, dan lain-lain.
Sedangkan, data hasil pengukuran disebut data kontinu. Contohnya berat kendaraan, jarak
dari kota A ke B, kemiringan lereng lahan, dan lain-lain.
Berdasarkan sumbernya, data dapat dibedakan atas:
a. Data intern, yaitu milik sendiri. Misal, data kemahasiswaan yang dimiliki universitas
b. Data ekstern, data yang diambil dari luar, dibedakan atas:
Data primer, yaitu data luar yang dikumpulkan sendiri, misalnya, data sensus, survey,
atau percobaan
Data sekunder, yaitu data luar yang dikumpulkan oleh orang atau lembaga lain.
Misalnya, data dari BPS, Pemerintah Daerah, atau Pekerjaan Umum.
Ditinjau dari skala pengukurannya, data dapat dibedakan menjadi 4 (empat) jenis yang bersifat
hirarkis, yaitu data yang berskala nominal, ordinal, interval, dan rasio. Dalam hirarki tersebut,
skala nominal merupakan jenis skala terrendah, diikuti urutan berikutnya yaitu skala ordinal,
skala interval, dan yang tertinggi adalah skala rasio.
(1) Data Nominal dapat pula dibedakan atas 2 jenis, yaitu data dikotomi dan data kategori.
Pembagian jenis data ini tidak mengenal perbedaan tingkatan.
(a) Data dikotomi, yaitu data tentang ada atau tidak adanya sesuatu, atau sifat data yang
mengacu pada data ya atau tidak. Umumnya diterapkan untuk data yang diklasifikasi
dalam satu dari dua kategori, misalnya jenis kelamin dengan dikotomi laki-laki atau
perempuan, suatu desa punya sekolah atau tidak, suatu kota punya airport atau tidak,
atau desa-desa yang terserang atau tidak terserang epidemi penyakit tertentu.
Biasanya dikodekan dengan 0 atau 1.
(b) Data kategori, yaitu data yang diklasifikasi dalam satu dari beberapa kategori,
misalnya : Agama dengan kategori Islam, Kristen, Protestan, Hindu, Budha dan
Konghucu; warna kulit; suku dan lain sebagainya. Walau terbagi dalam beberapa kelas
namun tidak ada perbedaan peringkat untuk data kelas yang satu dengan kelas
lainnya.
(2) Data Ordinal : ) digunakan untuk variabel dimana orang atau objek memiliki nilai skala
yang tetap dengan mempertikan urutan (ada tingkatannya dalam pengurutannya). Seperti
halnya pada skala nominal, angka-angka yang disajikan hanya sebagai nama
penggolongan. Perbedaan dengan skala nominal, peggolongan pada skala ordinal telah
membentuk suatu tataan. Pada skala ini ada yang dianggap tingkat terendah dan tertinggi.
Walaupun demikian jarak antara dua angka atau penggolongan yang berurutan tidak perlu
sama. Sebagai contoh : pendidikan, grade kelulusan, rating.
(3) Data Interval : memiliki tingkatan secara kuantitatif, sehingga data interval memiliki sifat
kesamaan jarak antar nilai yang satu dengan nilai lainnya, namun tidak memiliki nilai nol
absolut. Kita perhatikan suatu bentuk Contoh pengukuran suhu dengan standar derajat
Celcius, perbedaan (jarak) antara suhu 20o dan 10o sama dengan perbedaan antara suhu
90o dan 80o yaitu masing-masing 10o, tetapi benda yang memiliki suhu 80o tidak berarti
panasnya dua kali benda yang memiliki 40o. hal ini dapat dijelaskan karena skala selang
tidak memiliki nilai dasar mutlak. Nilai dasar pada thermometer Celcius, yaitu 0oC
merupakan suatu kondisi perjanjian pada saat air murni membeku menjadi es pada
tekanan udara 76 Hg dan bukan berarti kondisi pada saat ini tidak memiliki derajat panas.
Hal tersebut berlaku pula pada penilaian persepsi seseorang. Penilaian tentang baik, buruk
merupakan nilai relatif. Seseorang yang dinilai sangat baik dibandingkan yang sangat
buruk memiliki selisih yang sama untuk setiap penilaian.
(4) Data Rasio : data rasio mirip dengan data interval, perbedaannya data rasio memiliki nilai
nol mutlak. Skala rasio merupakan skala pengukuran tertinggi. Pada skala rasio, data
bersifat seperti skala selang yaitu antara dua nilai yang berurutan mempunyai jarak yang
sama. Kelebihannya dibanding skala selang, nilai-nilai pada skala rasio dapat dibandingkan
karena mempunyai nilai dasar yang mutlak. Nilai 80 pada hasil ujian seorang mahasiswa
adalah dua kali lipat dari nilai 40 yang diperoleh temannya. Hal ini dapat diterangkan
karena nilai hasil ujian memiliki nilai dasar mutlak nol yaitu pada saat seorang mahasiswa
sama sekali tidak dapat mengerjakan soal ujian. Atau contoh lain dalam menimbang
sesuatu jika bernilai nol berarti tidak ada barang yang ditimbang.
Apabila dilakukan penyederhanaan, tahapan saat akan melakukan analisis data dapat
dilihat grafik di bawah ini :
MODUL 2
TEKNIK PENGAMBILAN SAMPEL
Seperti telah kita ketahui bahwa tujuan dari statistika adalah membuat inferensi
tentang populasi berdasarkan informasi yang didapat dari sampel. Jadi sampel adalah bagian
yang diambil dari populasi dan hampir selalu suatu sampel diambil untuk mempelajari sesuatu
tentang populasi dari mana sampel tersebut diambil. Sebagai contoh :
Dalam polling pendapat, sebagian kecil orang diwawancarai dan pendapat mereka
digunakan untuk melihat sikap masyarakat secara keseluruhan.
Hasil produk suatu pabrik dapat ditolak atau diterima berdasarkan pemeriksaan hanya
beberapa produk saja yang diambil dati produk pabrik tersebut.
Seorang polisi hanya memeriksa beberapa orang saja untuk melihat apakah peraturan baru
sudah ditaati atau belum.
Rata-rata penghasilan petani Indonesia hitung dengan menghitung rata-rata penghasilan
beberapa petani Indonesia.
Dalam kasus-kasus lain, sampel diambil karena tidak mungkin mengadakan penelitian
terhadap seluruh populasi (waktu yang lama, tidak ekonomis atau benar-benar tidak
mungkin). Yang menjadi masalah adalah :
Bagaimana sampel harus diambil ?!
Berapa besar sampel harus diambil ?!
Bagaimana karakteristik populasi dapat ditaksir ?!
Seberapa tepatkah penaksiran kita ?!
Dalam aplikasinya populasi sering didefinisikan sebagai keseluruhan obyek penelitian yang
dapt terdiri dari manusia, benda-benda, hewan, tumbuh-tumbuhan, gejala-gejala, nilai test atau
peristiwa-peristiwa sebagai sumber data yang memiliki karakteristik tertentu dalam suatu
penelitian.
A. POPULASI
Menurut jumlahnya, populasi dapat dibedakan menjadi :
1. Populasi Terbatas atau Populasi Berhingga
yaitu populasi dengan sumber data yang jelas batasannya secara kuantitatif sehingga
banyak elemen-elemennya diketahui pasti. Misalnya 5.000.000 narapidana di Indonesia
pada awal tahun 2000, sebanyak 20000 mahasiswa UIN Jakarta Tahun 2015.
B. SAMPEL
Sampel adalah bagian dari populasi yang diambil dengan cara-cara tertentu dan
diharapkan dapat mewakili populasi (representatif); artinya memiliki seluruh sifat-sifat
populasi walaupun jumlahnya lebih sedikit.
Dengan demikian penelitian terhadap sampel yang representatif tidak akan
menghasilkan hasil yang berbeda dengan hasil penelitian seandainya dilakukan terhadap
seluruh populasi.
1. Probability Sampling
Pemilihan sampel dalam probability sampling dilakukan secara acak dan objektif,
dalam arti tidak didasarkan semata-mata pada keinginan peneliti, sehingga setiap anggota
populasi memiliki kesempatan tertentu untuk dipilih sebagai sampel. Karakteriktik dari
probaility sampling yaitu :
1. Peluang terpilihnya setiap anggota sampel dapat ditentukan.
2. Sampel yang diperoleh diharapkan akan lebih representatif.
3. Kesimpulan yang diperoleh dari sampel dapat digeneralisasi terhadap populasi.
Berikut ini adalah yang termasuk dalam sampling probabilitas :
Simple Random Sampling
Systematic Random Sampling
Stratified Random Sampling
Cluster Random Sampling
PROBABILITY SAMPLING
1. SIMPLE RANDOM SAMPLING (SRM)
Simple Random Sampling (SRM) adalah sebuah proses sampling yang dilakukan dengan
cara mengambil suatu sampel berukuran n diambil dari populasi berukuran N dimana setiap
satuan sampling dalam populasi mempunyai peluang yang sama untuk terpilih. Berikut ini
adalah beberapa kriteria yang dapat dijadikan sebagai acuan saat akan menggunakan metode
Simple Random Sampling :
1. Populasi tidak terhampar luas secara geografis.
2. Karakteristik populasi harus homogen.
3. Harus dibuat kerangka/frame sampel dari populasi yang akan disampling.
Contoh sederhana dari metode ini adalah kegiatan pengocokan arisan yang biasa
dilakukan kaum ibu.
Apabila keadaan variabel yang sedang diteliti sangat heterogen, maka semakin banyak
strata yang dibentuk masa akan semakin baik dalam proses sampling. Banyaknya strata yang
bisa dibuat sedemikian sehingga dalam stratum hanya terdapat sebuah satuan sampling saja.
Namun demikian, berdasarkan latar belakang matematis dan latar belakang pengalaman
memberikan petunjuk bahwa jika jumlah strata yang disusun lebih dari 6 buah, maka akan
menjadikan kurang efisien ditinjau dari sudut presisi dan biaya. Selain itu, dalam penggunaan
stratified random sampling diperlukan kerangka sampel masing-masing strata serta harus
tersedia urutan dari populasi, sehingga jika populasi terhampar luas secara geografis akan
membuat biaya menjadi besar.
Dalam menentukan jumlah sampel untuk setiap strata dari keseluruhan sampel yang
akan diambil, dapat lakukan secara alokasi disproposional (judgement peneliti dengan
pertimbangan tertentu) atau alokasi proporsional dengan menggunakan persamaan :
Ni
ni n.
N
Karakteristik objek yang ada di dalam stara Karakteristik objek yang ada di dalam cluster
adalah homogen sedangkan antara strata adalah heterogen sedangkan antara cluster
adalah heterogen. adalah homogen.
Sampel dipilih secara acak dari setiap Sampel cluster dipilih secara acak, kemudian
subpopulasi atau strata memilih unit sampel dari cluster yang terpilih
sebelumnya.
1. ACCIDENTIAL SAMPLING
Teknik ini juga disebut incidential sampling atau convenience sampling atau
pengambilan sampel secara kebetulan. Dalam teknik ini peneliti mengumpulkan sampel dari
unit sampel yang kebetulan ditemuinya atau mereka yang mudah ditemui atau dijangkau.
Setelah jumlahnya diperkirakan mencukupi maka pengambilan sampel dihentikan. Dengan
demikian teknik sampling ini digunakan ketika peneliti berhadapan dengan kondisi
karakteristik elemen populasi yang tidak dapat diidentifikasi dengan jelas. Kelemahan utama
dari teknik incidential sampling adalah kemampuan generalisasi yang sangat rendah atau
keterhandalan data yang diperoleh diragukan.
2. QUOTA SAMPLING
Tehnik ini mirip degan stratified random sampling. Populasi dibagi menjadi kelompok-
kelompok dimana setiap kelompok harus diwakili dengan proporsi yang sama (proporsional)
ataupun berbeda (disproporsional) dengan proporsi pada populasinya. Dengan proporsi
tersebut maka jumlah elemen atau kuota untuk tiap kelompok ditentukan. Pemilihan elemen
dalam setiap kelompok diserahkan kepada pengumpul data, asalkan termasuk dalam kelompok
yang bersangkutan dan jumlahnya sesuai dengan yang telah ditentukan sebelumnya.
3. PURPOSIVE SAMPLING
Purposive Sampling dikenal juga dengan teknik Judgement Sampling. Dengan teknik ini
sampel diambil berdasarkan tujuan penelitian. Ukuran sampel tidak dipersoalkan. Jadi elemen
sampel yang akan dipilih diserahkan kepada pengumpul data. Pengumpul data yang telah
diberi penjelasan oleh peneliti akan memilih siapa saja yang menurut pertimbangannya sesuai
dengan maksud dan tujuan penelitian. Dalam perumusan kriterianya, subjektifitas dan
pengalaman peneliti sangat berperan.
4. SNOWBALL SAMPLING
Snowball Sampling merupakan salah satu bentuk purposive sampling yang sangat tepat
digunakan jika populasinya kecil dan spesifik. Dalam teknik ini, pengumpulan data dilakukan
secara berantai dimulai dari beberapa orang yang memenuhi kriteris untuk dijadikan elemen
sampel. Mereka kemudian menjadi sumber informasi tentang orang-orang yang juga dapat
dijadikan anggota sampel. Orang-orang yang ditunjukkan tersebut kemudian dijadikan elemen
sampel dan selanjutnya diminta menunjukkan orang lain lagi yang memenuhi kriteris menjadi
anggota sampel. Prosedur ini diteruskan sampel jumlah anggota sampel yang diinginkan
terpenuhi.
Berdasarkan uraian mengenai teknik sampling baik probabilitas maupun
nonprobabilitas, seorang peneliti dapat dengan bebas menentukan tipe sampling mana yang
akan digunakan. Namun demikian, ada beberapa kriteria yang dapat dijadikan sebagai
pertimbangan dalam menentukan teknik sampling yang baik untuk digunakan, yaitu :
1. Dapat menghasilkan gambaran yang bisa dipercaya dari seluruh populasi
2. Dapat menentukan presisi dari hasil penelitian
3. Sederhana dan mudah dilaksanakan
4. Dapat memberikan keterangan sebanyak mungkin tentang populasi dengan biaya minimal.
2. Tipe sampling, apakah simple random sampling, stratified random sampling atau yang
lainnya. Tipe sampling ini berkaitan dengan penentuan rumus-rumus yang harus dipakai
untuk memperoleh ukuran sampel.
3. Variabilitas variabel yang diteliti, semakin heterogen variabel yang diteliti, maka semakin
besar ukuran sampel minimal.
Sedangkan dipandang dari sudut nonstatistis, ukuran sampel ditentukan oleh beberapa
faktor, diantaranya:
1. Kendala waktu atau time constraint,
2. Biaya, dan
3. Ketersediaan satuan sampling.
Selain itu, ada beberapa pertimbangan lain dalam menentukan besarnya sampel yaitu :
Ukuran populasi
Keragaman populasi
Biaya
Pada kenyataanya banyak formula yang dibuat oleh para ahli statistika untuk
menentukan ukuran sampel yang akan digunakan dalam suatu penelitian. Banyaknya formula
untuk menentukan ukuran sampel tersebut tentu saja didasarkan atas pertimbangan tertentu
dari para ahli, yaitu untuk memperoleh sampel yang representatif, yang dapat mewakili
pupulasinya. Oleh karena itu kita tidak dapat berbeda pendapat tentang keberadaan formula-
formula yang telah ada tersebut, termasuk banyak sedikitnya ukuran sampel yang harus
diambil.
Berikut ini akan ditampilkan beberapa pedoman atau rujukan untuk menentukan
ukuran minimal sampel :
1. Jika tidak mengetahui apa-apa tentang populasi maka ukuran sampel biasanya diambil
1
lebih besar atau sama dengan
2
1
Jika digunakan = 0.01 maka n n 10000
0.012
1
Jika digunakan = 0.05 maka n n 400
0.052
1
Jika digunakan = 0.1 maka n n 100
0.12
2
z / 2
2. Digunakan rumus n p.q dimana :
b
n : besar sampel
z / 2 : nilai standar sesuai dengan tingkat signifikansi
b : kesalahan penaksiran maksimum yang dapat diterima
p : perkiraan proporsi pada populasi
Jika p tidak diketahui maka p diambil = 0.5
q : 1-p
Contoh :
Jika diketahui jumlah populasi yang tersedia adalah warga negara keturunan Cina di
Kalimantan Barat adalah 400.000 orang. Diantara mereka 50.000 orang tinggal di daerah
pedesaan. Berapa ukuran sampel yang diperlukan untuk mendapat informasi dari mereka ?
Misalkan :
50.000
p 0.125
400.000
q 1 0.125 0.875
z / 2 = 1.96 (pada taraf signifikansi 0.05)
b = 5 % atau 0.05
Maka ukuran sampel yang diperlukan adalah =
2
1.96
n (0.125)(0.875)
0.05
n 168.05
Contoh :
Misalkan suatu populasi berukuran 1000. Hitung ukuran sampel minimal dengan
menggunakan formula-formula di atas :
1. Berdasarkan Formula Slovin
Misal : N = 1000
d = 0.05
N 1000
Maka ukuran sampel minimal : n 285.714 286
1 N (d ) 1 (1000 0.052 )
2
Dan masih banyak lagi formula-formula lain dalam menentukan ukuran sampel minimal.
Namun demikian, terdapat pula pedoman-pedoman lain dalam menentukan ukuran sampel
minimal tanpa menggunakan formula, diantaranya yaitu :
a. Menurut Gay dan Diehl (1992) memberikan saran-saran tentang ukuran sampel untuk
penelitian seperti berikut ini.
1. Ukuran sampel yang layak dalam penelitian adalah antara 30 sampai dengan 500.
2. Bila sampel dibagi dalam kategori (misalnya: pria-wanita, pegawai negeri-swasta dan
lain-lain) maka jumlah anggota sampel setiap kategori minimal 30.
3. Bila dalam penelitian akan melakukan analisis dengan multivariate (korelasi atau
regresi ganda misalnya), maka jumlah anggota sampel minimal 10 kali dari jumlah,
variabel yang diteliti. Misalnya variabel penelitiannya ada 5 (independen + dependen),
maka jumlah anggota sampel = 10 x 5 = 50.
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok
eksperimen dan kelompok kontrol, maka jumlah anggota sampel masing-masing
kelompok antara 10 s/d 20.
b. Roscoe dalam buku Research Methods For Business memberikan saran-saran tentang
ukuran sampel untuk penelitian seperti berikut ini.
1. Jika penelitiannya bersifat deskriptif, maka sampel minimunya adalah 10% dari
populasi. Namun untuk populasi yang sangat kecil diperlukan minimal 20%.
2. Jika penelitianya korelasional, sampel minimunya adalah 30 subjek.
3. Jika penelitian kausal perbandingan, sampelnya sebanyak 30 subjek per group.
4. Jika penelitian eksperimental, sampel minimumnya adalah 15 subjek per group.
Tugas 1
Jika anda akan melakukan penelitian mengenai beberapa hal berikut ini.
a. Pendapat mahasiswa di Jakarta dan sekitarnya mengenai pemberlakukan Undang-undang
Badan Hukum Pendidikan (BHP)
b. Pendapat siswa di Indonesia mengenai pelaksanaan Ujian Nasional
c. Pendapat masyarakat jakarta terhadap pelayanan kesehatan
d. Kualitas pelayanan operator seluler menurut masyarakat Jakarta
e. Riwayat pendidikan para pengusaha sukses
f. Pemanfaatan rumah singgah oleh anak jalanan
*Catatan : Boleh mengasumsikan sendiri jumlah populasi yang tersedia berikut cluster ataupun
strata atau kelompok populasinya.
MODUL 3
STATISTIKA DESKRIPTIF
x i
x i 1
n
2. Rata-rata Geometrik
Rata-rata geomitrik disebut juga dengan rata-rata ukur. Biasanya digunakan untuk
mencari rata-rata kenaikan dalam bentuk persentase atau rasio, perbandingan data
berurutan yang hampir tetap.
log xi
G n x1.x2 .....xk atau log u
n
3. Rata-rata Harmonik
Rata-rata harmonik ini jarang digunakan untuk hitungan rata-rata, namun untuk data yang
bersifat khusus rata-rata harmonik sangat diperlukan.
n
H n
1
x
i 1 i
4. Modus
Modus adalah nilai yang mempunyai frekuensi terbesar atau yang paling sering muncul
dalam suatu kumpulan data.
5. Median
Median merupakan nilai tengah dari nilai-nilai pengamatan yang disusun secara teratur
menurut besarnya data. Median membagi nilai pengamatan yang ada pada gugus data
sehingga 50% terletak di bawah median dan 50% di atas median.
n 1
Jika jumlah data genap, maka gunakan persamaan : Me
2
n
Jika jumlah data ganjil, maka gunakan persamaan : Me 0.5
2
6. Kuartil
Kuarti adalah membagi data yang telah diurutkan menjadi empat bagian yang sama,
sehingga dalam suatu gugus data didapati 3 kuartil (K1, K2, K3)
k ( N 1)
Qk
4
Dimana : Qk = Kuartil ke-k
k = 1, 2, 3
N = Banyak data
7. Desil
Desil adalah membagi data yang telah diurutkan menjadi 10 bagian yang sama, sehingga
dalam suatu gugus data didapati 9 desil (D1, D2, D3, ... , D9)
k ( N 1)
Dk
10
Dimana : Dk = Desil ke-k
k = 1, 2, 3, ... , 9
N = Banyak data
8. Persentil
Persentil adalah membagi data yang telah diurutkan menjadi 100 bagian yang sama,
sehingga dalam suatu gugus data didapati 99 pembagi (P1, P2, P3, ... , P99)
k ( N 1)
Pk
100
Dimana : Pk = Persentil ke-k
k = 1, 2, 3, ... , 9
N = Banyak data
Berikut ini adalah beberapa ukuran penyebaran untuk kelompok data tunggal :
1. Range (Jangkauan)
Range adalah selisih antara nilai maksimum dengan nilai minimum.
R Max Min
2. Variansi
Variansi atau ragam adalah jumlah kuadrat dari selisih nilai observasi dengan rata-rata
hitung dibagi banyaknya observasi.
( xi )2
Untuk variansi dari pupolasi, dihitung dengan formula : 2
N
( xi x )2
Untuk variansi dari sampel, dihitung dengan formula : s 2
n 1
3. Standar Deviasi
Standar deviasi atau simpangan baku adalah akar dari variansi.
Untuk standar deviasi dari pupolasi, dihitung dengan formula : 2
Untuk standar deviasi dari sample, dihitung dengan formula : s s2
4. Koefisien Variasi
Koefisien variasi merupakan ukuran variasi relatif yang bertujuan membandingkan variasi
dari beberapa gugus data yang mempunyai satuan berbeda. Koefisien variasi (KV)
s
diperoleh dengan formula : KV 100%
x
Contoh :
1. Si A melakukan perjalanan pulang – pergi dari Jakarta – Bandung. Waktu pergi dia
menggunakan kecepatan 10 km/jam sedangkan waktu kembali 20 km/jam. Berapa rata-
rata kecepatan pulang – pergi ?
2. Hitung nilai rata-rata dari data berikut : 1, 4 dan 128 ?
3. Hitung nilai rata-rata dari data berikut : 2, 4 dan 8 ?
4. Hitunglah ukuran deskriptif dari data berikut : 11, 12, 11, 11, 15, 14, 14 ?
Lembar Kerja
Lembar Kerja
Berikut ini adalah beberapa ukuran pemusatan untuk kelompok data kelompok :
1. Rata-rata hitung data berkelompok
fi xi
x
fi
Dimana : fi = frekuensi kelas ke-i
xi = titik tengah kelas ke-i
2. Median data berkelompok
1 n cf
Me Lmd P 2
f md
Dimana : Lmd = Batas bawah kelas median
P = Panjang kelas interval
cf = Frekuensi kumulatif sebelum kelas median
fmd = Frekuensi kelas median
n = jumlah data
Untuk mengukur nilai median data kelompok, terlebih dulu harus dicari nilai median
dengan formula data tunggal untuk menentukan kelas mediannya.
Berikut ini adalah beberapa ukuran penyebaran untuk kelompok data kelompok :
1. Varians data berkelompok
( fi xi )2
fi xi 2
s
2 n
n 1
Dimana : Xi = Nilai tengah ke - i
fi = Frekuensi kelas ke - i
n = Banyak observasi
2. Standar Deviasi data berkelompok
fi xi 2 ( finxi )
2
s s 2
n 1
Contoh :
Berikut ini adalah data berat dari 50 buah koper : 7, 8, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13,
13, 14, 14, 14, 14, 14, 14, 14, 14, 14, 14, 15, 15, 15, 15, 16, 16, 16, 16, 16, 16, 17, 17, 17, 17, 17,
18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20.
Buatlah tabel distribusi frekuensi, grafik histogram, poligon dan ogive serta ukuran deskriptif
data berkelompok dari data di atas.
Lembar Kerja
Lembar Kerja
Lembar Kerja
Tugas 2
1. Banyaknya izin yang dikeluarkan oleh 12 perusahaan adalah sebagai berikut :
4, 7, 0, 7, 11, 4, 1, 15, 3, 5, 8 dan 7.
Hitung ukuran deskriptif dari data tunggal di atas ?
2. Bilangan-bilangan berikut ini adalah hasil ujian akhir matakuliah statistika sosial
23 60 79 32 47 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
MODUL 4
PENGUJIAN HIPOTESIS
Contoh : Muncul dugaan bahwa secara rata-rata tingkat partisipasi masyarakat kota
(μ1) dalam pilkada serentak 2017 lebih tinggi dari pada masyarakat desa (μ2). Maka
bentuk hipotesisnya adalah :
Contoh : Muncul dugaan bahwa secara rata-rata tingkat partisipasi masyarakat kota
(μ1) dalam pilkada serentak 2017 lebih rendah dari pada masyarakat desa (μ2). Maka
bentuk hipotesisnya adalah :
H0 : μ1 = μ2 : Rata-rata partisi masyarakat kota dalam pilkada serentak tidak lebih
rendah dari pada masyarakat desa.
H1 : μ1 < μ2 : Rata-rata partisi masyarakat kota dalam pilkada serentak lebih rendah
dari pada masyarakat desa.
Contoh : Muncul dugaan bahwa secara rata-rata tidak ada perbedaaan tingkat partisipasi
masyarakat kota (μ1) dengan masyarakat desa (μ2) dalam pilkada serentak 2017. Maka bentuk
hipotesisnya adalah :
H0 : μ1 = μ2 : Tidak ada berbedaan rata-rata partisi masyarakat kota dan masyarakat
desa dalam pilkada serentak.
H1 : μ1 ≠ μ2 : Terdapat berbedaan rata-rata partisi masyarakat kota dan masyarakat
desa dalam pilkada serentak.
Dalam pengujian hipotesis dikenal dua jenis kesalahan yaitu kesalahan jenis I (type I
error) dan kesalahan jenis II (type II error). Kesalahan jenis I adalah kesalahan yang terjadi
akibat menolak H0 padahal H0 benar, sedangkan kesalahan jenis II adalah kesalahan yang
terjadi akibat menerima H0 padahal H1 benar.
Peluang terjadinya kesalahan jenis I dilambangkan sebagai (alpha) yang sering juga
disebut sebagai taraf nyata (level of significance). Sedangkan peluang terjadinya kesalahan jenis
II dilambangkan dengan (beta). Dalam pengujian hipotesis statistik diharapkan kedua
besaran kesalahan tersebut berimbang dan disesuaikan dengan permasalahan yang dihadapi.
Peluang 1- disebut tingkat kepercayaan (confidence interval) yang menyatakan peluang
menerima H0 dan H0 memang benar, sedangkan peluang 1- disebut kuasa pengujian (power of
test) yang menyatakan peluang menolak H0 dan H0 memang salah.
Jenis Kesalahan :
Hipotesis
Keputusan
H0 benar H0 salah
Keputusan tepat Kesalahan jenis II
Terima H0
(1-) ()
Kesalahan jenis I Keputusan tepat
Tolak H0
() (1-)
Dalam modul ini, pengujian hipotesis yang akan dipelajari adalah uji hipotesis pada statistika
parametrik dimana data yang digunakan harus bertipe numerik dan berdistribusi normal,
diantaranya yaitu :
1. Uji beda rata-rata satu sampel
2. Uji beda rata-rata dua sampe berpasangan
3. Uji beda rata-rata dua sampel independen
4. Uji beda rata-rata lebih dari dua sampel independen
Latihan
Buatlah hipotesis statistik dari dugaan-dugaan berikut ini :
1. Berdasarkan bukti-bukti hasil percobaan Seorang peneliti masalah kedokteran diminta
untuk memutuskan, apakah suatu vaksin baru lebih baik daripada yang kini beredar
dipasaran.
2. Seorang insinyur memutuskan berdasarkan data contoh, apakah ada perbedaan ketelitian
antara 2 jenis alat ukur.
3. Ahli Sosiologi Ingin Menyimpulkan Apakah Jenis Darah Dan Warna Mata Seseorang Ada
Hubungannya Atau Tidak.
4. Rata-rata curah hujan di wilayah Jakarta selama bulan Februari adalah 21.8 cm.
5. Banyaknya staf dosen yang menyumbang dana sosial tidak lebih dari 20%.
6. Tahun depan sekurang-kurangnya 70% dari mobil baru menggunakan pertamax.
7. Dalam pemilu mendatang proporsi yang memilih calon lama adalah 58%.
8. Disuatu restoran, rata-rata steak yang dihidangkan sekurang-kurangnya 340 gram.
Lembar Kerja
MODUL 5
UJI BEDA RATA-RATA SATU SAMPEL
Uji beda rata-rata satu sampel digunakan untuk menguji perbandingan antara sebuah
sampel dengan sebuah parameter. Pada uji beda rata-rata satu sampel ini, kategori pengujian
dikelompokkan kepada 2 jenis yang bergantung kepada jumlah sampel yang digunakan. Jika
sampe yang digunakan ≥ 30, maka pengujian yang digunakan adalah uji z. Sedangkan jika
jumlah sampel yang digunakan < 30, maka pengujian yang digunakan menggunakan uji t. Data
yang digunakan pada uji ini harus bertipe angka dan berdistribusi normal. Berikut ini adalah
pembahasan untuk masing-masing pengujian.
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ = μ0 H0 : μ = μ0 H0 : μ = μ0
H1 : μ ≠ μ0 H1 : μ > μ0 H1 : μ < μ0
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
x 0
z
n
Dimana x : rata-rata sampel
σ : Standar deviasi populasi
μ0 : Rata-rata populasi yang dihipotesiskan (dapat diasumsikan 0)
n : jumlah sampel
4. Kriteria Uji :
μ < μ0 : Jika zhitung < -ztabel, maka H0 ditolak
Jika zhitung > -ztabel, maka H0 diterima
μ > μ0 : Jika zhitung > ztabel, maka H0 ditolak
Jika zhitung < ztabel, maka H0 diterima
μ ≠ μ0 : Jika zhitung < -ztabel atau zhitung > ztabel, maka H0 ditolak
Jika zhitung > -ztabel atau zhitung < ztabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus:
Sebanyak 100 catatan kematian di Indonesia selama satu tahun lalu menunjukkan bahwa rata-
rata umur kematiannya adalah 71.8 tahun dengan standar deviasi 8.9 tahun. Dengan taraf
signifikansi 5%, apakah rata-rata umur warga Indonesia sekarang adalah 72 Tahun ?
Lembar Kerja
B. Uji Beda rata-rata satu sampel untuk n < 30 dan σ tidak diketahui
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ = μ0 H0 : μ = μ0 H0 : μ = μ0
H1 : μ ≠ μ0 H1 : μ > μ0 H1 : μ < μ0
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
x 0
t
s
n
Dimana x : rata-rata sampel
s : Standar deviasi sampel
μ0 : Rata-rata populasi yang dihipotesiskan (dapat diasumsikan 0)
n : jumlah sampel
4. Kriteria Uji :
μ < μ0 : Jika thitung < -ttabel, maka H0 ditolak
Jika thitung > -ttabel, maka H0 diterima
μ > μ0 : Jika thitung > ttabel, maka H0 ditolak
Jika thitung < ttabel, maka H0 diterima
μ ≠ μ0 : Jika thitung < -ttabel atau thitung > ttabel, maka H0 ditolak
Jika thitung > -ttabel atau thitung < ttabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus:
Komisi Pemilihan Umum (KPU) melakukan rekapitulasi partisipasi politik masyarakat dalam
Pemilukada serentak Tahun 2016 yang dilakukan di 12 Kabupaten/Kota di Indonesia. Berikut
adalah data rekapitulasinya partisipasi politik (dalam %):
Dengan taraf signifikan 0.05, ujilah hipotesis bahwa rata-rata patisipasi politik dalam
pemilukada di Indonesia adalah lebih dari 75% ?
Lembar Kerja
Tugas 3
1. Sebuah Lembaga Swadaya Masyarakat (LSM) mencatat 150 kasus perceraian di sebuah
Kota. Dari 150 kasus tersebut diperoleh informasi bahwa rata-rata usia pernikahan
mereka adalah 8.5 Tahun dengan standar deviasi 15.7 Tahun. Dengan taraf sigifikansi 5%,
apakah dapat disimpulkan bahwa rata-rata usia pernikahan warna di Kota A kurang dari 9
Tahun ?
2. Suatu prosedur pendaftaran mahasiswa baru sedang diujicobakan. Untuk melihat apakah
prosedur tersebut efektif atau tidak, maka diambil sampel sebanyak 10 orang dan dicatat
lama waktu pendaftarannya (Menit). Berikut adalah datanya :
No Waktu Pelayanan
1 46
2 41
3 27
4 41
5 26
6 36
7 57
8 58
9 49
10 50
Dengan taraf signifikan 0.05, ujilah hipotesis bahwa rata-rata waktu pendaftaran dengan
prosedur baru kurang dari 50 menit ?
MODUL 6
UJI BEDA RATA-RATA DUA SAMPEL BERPASANGAN (DEPENDEN)
Uji beda rata-rata dua sampel berpasangan (dependen) digunakan untuk menguji
perbandingan antara dua sampel yang memiliki sifat berpasangan. Analisis melibatkan dua
pengukuran pada subyek yang sama terhadap suatu pengaruh atau perlakuan tertentu.
Pengukuran pertama dilakukan sebelum diberi perlakuan tertentu dan pengukuran kedua
dilakukan sesudahnya. Dasar pemikirannya sederhana, apabila suatu perlakuan tidak memberi
pengaruh maka perbedaan rata-rata adalah nol. Pada uji ini, data yang digunakan harus bertipe
numerik dan berdistribusi normal.
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ1 = μ2 H0 : μ1 = μ2 H0 : μ1 = μ2
H1 : μ1 ≠ μ2 H1 : μ1 > μ2 H1 : μ1 < μ2
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
d d0
t
sd
n
ndi2 (di ) 2
S d2
n(n 1)
Dimana df : n – 1
d : selisih dua perlakuan atau dua variabel
di
d
n
Sd : simpangan baku dari selisih perlakuan
Nilai d0 tergantung pada asumsi selisih dari μ1 - μ2, jika tidak disebutkan maka
diasumsikan d0 = 0
4. Kriteria Uji :
μ < μ0 : Jika titung < -ttabel, maka H0 ditolak
Jika thitung > -ttabel, maka H0 diterima
μ > μ0 : Jika thitung > ttabel, maka H0 ditolak
Jika thitung < ttabel, maka H0 diterima
μ ≠ μ0 : Jika thitung < -ttabel atau thitung > ttabel, maka H0 ditolak
Jika thitung > -ttabel atau thitung < ttabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus :
Suatu pasangan calon kepala daerah akan melakukan pelatihan pematangan visi dan misi
kepada 10 orang tim suksesnya. Untuk mengetahui apakah pemberian pelatihan tersebut
efektif atau tidak, maka dicatat skor pengetahuan mereka terhadap visi dan misi sebelum
diberikan pelatihan dengan sesudah diberikan pelatihan. Berikut adalah data skornya : (angka
dalam range nilai 0 sampai 100)
Dengan tingkat kepercayaan 95%, apakah dapat disimpulkan bahwa pemberian pelatihan
efektif untuk meningkatkan pengetahuan tentang visi dan misi calon ?
Lembar Kerja
Lembar Kerja
Tugas 4
Untuk meningkatkan kemampuan para salesman dalam memasarkan roti, Manajer Pemasaran
mengikut-sertakan 10 salesman pada sebuah pelatihan Wiraniaga. Setelah itu manajer
pemasaran membandingkan kinerja penjualan roti sebelum dan sesudah mengikuti pelatihan,
apakah ada peningkatan atau tidak, dengah hasil sebagai berikut.
Sebelum Sesudah
Salesman
Pelatihan Pelatihan
1 525 554
2 550 550
3 560 587
4 450 489
5 400 450
6 435 435
7 450 445
8 445 490
9 345 375
10 336 380
Dengan tingkat kepercayaan 95%, apakah dapat disimpulkan bahwa pemberian pelatihan
wiraniaga efektif untuk meningkatkan hasil penjualan roti ?
MODUL 7
UJI BEDA RATA-RATA DUA SAMPEL BEBAS (INDEPENDEN)
A. Uji Beda rata-rata dua sampel bebas untuk n ≥ 30 dimana σ1 dan σ2 tidak diketahui
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ1 = μ2 H0 : μ1 = μ2 H0 : μ1 = μ2
H1 : μ1 ≠ μ2 H1 : μ1 > μ2 H1 : μ1 < μ2
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
( x1 x2 ) d0
z
12 22
n1 n2
Dimana x1 : rata-rata sampel 1; x2 : rata-rata sampel 2
σ1 : Standar deviasi populasi 1 ; σ2 : Standar deviasi populasi 2
d0 : Rata-rata populasi yang dihipotesiskan (dapat diasumsikan 0)
n1 : jumlah sampel populasi 1 ; n2 : jumlah sampel populasi 2
4. Kriteria Uji :
μ1 < μ2 : Jika zitung < -ztabel, maka H0 ditolak
Jika zhitung > -ztabel, maka H0 diterima
μ1 > μ2 : Jika zhitung > ztabel, maka H0 ditolak
Jika zhitung < ztabel, maka H0 diterima
μ1 ≠ μ2 : Jika zhitung < -ztabel atau zhitung > ztabel, maka H0 ditolak
Jika zhitung > -ztabel atau zhitung < ztabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus :
Suatu penelitian dilakukan untuk membandingkan partisipasi politik di dua Provinsi yaitu
Provinsi A dan Provinsi B. untuk menguji hal tersebut diambil sampel sebanyak 50 Kab/Kota
dari masing-masing Provinsi A dan B. Untuk Provinsi A, dari 50 Kab/Kota diperoleh rata-rata
partisipasi sebesar 86% dengan standar deviasi 6%. Sedangkan pada Provinsi B memiliki rata-
rata partisipasi sebesar 77% dengan standar deviasi 5%. Ujilah hipotesis bahwa rata-rata
partisipasi politik Provinsi A sama dengan partisipasi politik Provinsi B ? Gunakan taraf
signifikansi 5%.
Lembar Kerja
Tugas 5
Kementerian Tenaga Kerja melakukan penelitian untuk mengetahui rata-rata gaji mingguan
dari para karyawan perusahaan asing dan perusahaan nasional. Dari perusahaan asing
dilakukan wawancara terhadap 45 orang dan diperoleh informasi bahwa rata-rata gaji
perbulannya adalah $ 35 dengan standar deviasi 7.5. Sedangkan pada perusahaan nasional
dilakukan wawancara terhadap 50 orang dan diperoleh infomrasi bahwa rata-rata gaji
perbulannya adalah $ 23 dengan standar deviasi 5. Berdasarkan data tersebut, apakah dapat
dibuktikan bahwa rata-rata gaji karyawan perusahaan asing lebih tinggi dari pada gaji
karyawan perusahaan nasional ? Gunakan taraf signifikansi 5%.
B. Uji Beda rata-rata dua sampel bebas untuk n < 30 dimana σ1 dan σ2 tidak diketahui
serta diasumiskan σ1 = σ2
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ1 = μ2 H0 : μ1 = μ2 H0 : μ1 = μ2
H1 : μ1 ≠ μ2 H1 : μ1 > μ2 H1 : μ1 < μ2
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
( x1 x2 ) d 0
t
S p 1 1
n1 n2
(n1 1) s12 (n2 1) s22
S p2
n1 n2 2
Dimana x1 : rata-rata sampel 1; x2 : rata-rata sampel 2
s1 : Standar deviasi populasi 1 ; s2 : Standar deviasi populasi 2
d0 : Rata-rata populasi yang dihipotesiskan (dapat diasumsikan 0)
n1 : jumlah sampel populasi 1 ; n2 : jumlah sampel populasi 2
sp : simpangan baku gabungan dari populasi 1 dan populasi 2
df : n1 + n2 - 2
4. Kriteria Uji :
μ1 < μ2 : Jika titung < -ttabel, maka H0 ditolak
Jika thitung > -ttabel, maka H0 diterima
μ1 > μ2 : Jika thitung > ttabel, maka H0 ditolak
Jika thitung < ttabel, maka H0 diterima
μ1 ≠ μ2 : Jika thitung < -ttabel atau thitung > ttabel, maka H0 ditolak
Jika thitung > -ttabel atau thitung < ttabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus :
Suatu penelitian dilakukan untuk menguji apakah nilai matakuliah statistika sosial yang
diberikan pada mahasiswa Prodi Politik dan Prodi Sosiologi memiliki perbedaan atau tidak.
Untuk itu diambil sampel sebanyak 10 nilai mahasiswa Prodi Politik dan 10 nilai mahasiswa
Prodi Sosiologi. Berikut adalah datanya :
Nilai Mahasiswa Nilai Mahasiswa
No No
Prodi Politik Prodi Sosiologi Prodi Politik Prodi Sosiologi
1 63 69 6 72 71
2 78 56 7 61 55
3 71 67 8 63 88
4 82 72 9 56 79
5 93 59 10 82 49
Dengan taraf signifikan 5%, lakukan pengujian apakah terdapat perbedaan nilai matakuliah
statistika sosial antara mahasiswa Prodi Politik dan Prodi Sosiologi ?
Lembar Kerja
Tugas 6
Kementerian Tenaga Kerja melakukan penelitian untuk mengetahui rata-rata gaji mingguan
dari para karyawan perusahaan asing dan perusahaan nasional. Dari masing-masing
perusahaan dilakukan wawancara terhadap 8 orang mengenai besarnya gaji mingguan yang
diperoleh. Berikut ini data hasilnya (dalam ratusan ribu rupiah)
Perusahaan Perusahaan
No
Asing Nasional
1 15 16
2 15 16
3 14 7
4 14 9
5 11 7
6 8 11
7 11 8
8 12 10
9 10 15
10 14 15
Dengan tingkat kepercayaan 95%, Apakah ada alasan untuk menyimpulkan bahwa rata-rata
gaji karyawan perusahaan asing sama dengan rata-rata gaji karyawan nasional ?
C. Uji Beda rata-rata dua sampel bebas untuk n < 30 dimana σ1 dan σ2 tidak diketahui
serta diasumiskan σ1 ≠ σ2
Langkah-langkah pengujian :
1. Hipotesis
H0 : μ1 = μ2 H0 : μ1 = μ2 H0 : μ1 = μ2
H1 : μ1 ≠ μ2 H1 : μ1 > μ2 H1 : μ1 < μ2
2. Tentukan taraf signifikansi ɑ
3. Statistik Uji :
( x1 x2 ) d0
t
s12 s22
n1 n2
Dimana x1 : rata-rata sampel 1; x2 : rata-rata sampel 2
s1 : Standar deviasi populasi 1 ; s2 : Standar deviasi populasi 2
d0 : Rata-rata populasi yang dihipotesiskan (dapat diasumsikan 0)
n1 : jumlah sampel populasi 1 ; n2 : jumlah sampel populasi 2
2
s12 s22
n1
n2
df
2 2
s12 s22
n1 n2
n1 1 n2 1
4. Kriteria Uji :
μ1 < μ2 : Jika titung < -ttabel, maka H0 ditolak
Jika thitung > -ttabel, maka H0 diterima
μ1 > μ2 : Jika thitung > ttabel, maka H0 ditolak
Jika thitung < ttabel, maka H0 diterima
μ1 ≠ μ2 : Jika thitung < -ttabel atau thitung > ttabel, maka H0 ditolak
Jika thitung > -ttabel atau thitung < ttabel, maka H0 diterima
5. Kesimpulan
Contoh Kasus :
Suatu penelitian dilakukan untuk menguji apakah nilai matakuliah statistika sosial yang
diberikan pada mahasiswa Prodi Politik dan Prodi Sosiologi memiliki perbedaan atau tidak.
Untuk itu diambil sampel sebanyak 10 nilai mahasiswa Prodi Politik dan 10 nilai mahasiswa
Prodi Sosiologi. Berikut adalah datanya:
Nilai Mahasiswa Nilai Mahasiswa
No No
Prodi Politik Prodi Sosiologi Prodi Politik Prodi Sosiologi
1 63 69 6 72 71
2 78 56 7 61 55
3 71 67 8 63 88
4 82 72 9 56 79
5 93 59 10 82 49
Dengan taraf signifikan 5%, lakukan pengujian apakah terdapat perbedaan nilai matakuliah
statistika sosial antara mahasiswa Prodi Politik dan Prodi Sosiologi ? (dengan asumsi variansi
berbeda)
Lembar Kerja
Tugas 7
Kementerian Tenaga Kerja melakukan penelitian untuk mengetahui rata-rata gaji mingguan
dari para karyawan perusahaan asing dan perusahaan nasional. Dari masing-masing
perusahaan dilakukan wawancara terhadap 8 orang mengenai besarnya gaji mingguan yang
diperoleh. Berikut ini data hasilnya (dalam ratusan ribu rupiah)
Perusahaan Perusahaan
No
Asing Nasional
1 15 16
2 15 16
3 14 7
4 14 9
5 11 7
6 8 11
7 11 8
8 12 10
9 10 15
10 14 15
Dengan tingkat kepercayaan 95%, Apakah ada alasan untuk menyimpulkan bahwa rata-rata
gaji karyawan perusahaan asing sama dengan rata-rata gaji karyawan nasional ?
MODUL 8
UJI BEDA RATA-RATA LEBIH DARI DUA SAMPEL BEBAS (INDEPENDEN)
ANOVA (Analisis of Variance)
Jika uji T dan uji Z digunakan menguji dua sampel independen, maka uji ANOVA atau Uji
F digunakan digunakan untuk menetapkan apakah nilai variabel tertentu berbeda pada tiga
atau lebih sampel bebas. Ada beberapa asumsi yang digunakan pada pengujian ANOVA, yaitu :
a. Populasi-populasi yang akan diuji berdistribusi normal
b. Varians dari populasi-populasi tersebut adalah sama
c. Sampel tidak berhubungan satu dengan yang lain.
Langkah-langkah Pengujian :
1. Hipotesis :
H0 : μ1 = μ2 = μ3 = ...... = μk
H1 : Sekurang-kurangnya dua nilai rata-rata berbeda
2. Tentukan taraf signifikansi ɑ
3. Statistika Uji :
Tabel ANOVA
Sumber Jumlah Derajat Rata-rata Jumlah
F Hitung
Keragaman Kuadrat Bebas Kuadrat
Perlakuan JKP k–1 RJKP
fhitung
Galat/Error JKG N–k RJKG
Total JKT N–1
Dimana :
k = banyaknya kategori
N = jumlah sampel
Ti 2 T2
Jumlah Kuadrat Perlakuan = JKP n N
i
T2
Jumlah Kuadrat Total = JKT xij2
N
Jumlah Kuadrat Galat = JKG JKT JKP
JKP
Rata-rata Jumlah Kuadrat Perlakuan = RJKP s12
k 1
JKG
Rata-rata Jumlah Kuadrat Galat = RJKG s22
N k
RJKP
f hitung
RJKG
4. Kriteria Uji :
Jika fhitung > ftabel, maka H0 ditolak
Jika fhitung < ftabel, maka H0 diterima
Dengan ftabel : ɑ; db1 = k -1; db2 = N – k
5. Kesimpulan
Contoh :
Seorang Supervisor sebuah perusahaan air minum ingin mengetahui apakah ada perbedaan
nyata dari penjualan air minum di daerah penjualan JABOTABEK. Untuk itu diambil sampel
berupa data penjualan air minum, masing-masing 5 outlet untuk kawasan JABOTABEK, dengan
data sebagai berikut :
Daerah Penjualan
No
Jakarta Bogor Tangerang Bekasi
1 63 56 56 53
2 66 60 60 55
3 63 65 57 54
4 62 69 54 51
5 65 65 58 52
Dengan tingkat kepercayaan 95%, apakah terdapat perbedaaan rata-rata penjualan diantara
empat daerah penjualan tersebut ?
Lembar Kerja
Lembar Kerja
Tugas 8
Suatu penelitian dilakukan oleh suatu perusahaan obat diet terkemuka di Indonesia. Lembaga
penelitian obat diet tersebut mencoba melakukan uji penurunan berat badan dengan beberapa
cara, yang dilakukan terhadap 25 wanita gemuk. Mereka mencoba melakukan 5 cara
penurunan berat badan, antara lain dengan : jalan pagi, senam pernafasan, aerobik, yoga
(pernafasan) dan obat diet yang mereka buat. Setelah satu bulan diterapi, maka dihitung
penurunan berat badan mereka. Hasil perhitungan penurunan berat badan tersebut adalah
sebagai berikut : (dalam kilo gram)
Dari data di atas, apakah ada perbedaan penurunan berat badan dari kelima metode yang
diujikan ? Gunakan taraf signifikansi 5%.
MODUL 9
APLIKASI ANALISIS DATA DENGAN SPSS
A. MANAJEMEN DATA
SPSS (Statistical Product and Service Solutions) merupakan perangkat lunak aplikasi
komputer untuk membantu mengolah dan menganalisis data statistik. SPSS dapat digunakan
untuk seluruh jenis data dan membuat laporan yang berbentuk tabulasi, grafik, plot dari
berbagai distribusi, statistik deskriptif atau untuk analisa statistik yang lebih kompleks.
Dalam menunjang kerjanya, SPSS for Windows menggunakan beberapa window diantaranya :
1. Data Editor, berisi data file, disini kita bisa membuat data file baru atau memodifikasi
data file yang diinginkan
2. Viewer, menampilkan output analisa SPSS
3. Draft Viewer, digunakan untuk menampilkan output dalam bentuk teks sederhana
4. Syntax Editor, digunakan untuk pengolahan data yang memerlukan perintah-perintah
yang belum tersedia langsung dari SPSS.
5. Pivot Table Editor, berisi tampilan output hasil analisis
6. Chart Editor, digunakan untuk memodifikasi chart atau plot
7. Text Output Editor, digunakan untuk mengubah atau mengedit output, bentuk font
(type, style, warna dan ukuran)
DATA EDITOR
Data editor pada SPSS 15 for window terdiri dari 2 sheet yaitu Data View dan Variable View.
Data View digunakan untuk proses pengisian data, sedangkan Variable View digunakan untuk
pendefinisian variabel.
Ada beberapa menu utama yang dimiliki oleh SPSS 15 for Window
File, digunakan untuk membuat file baru, membuka file tertentu, mengambil data dari
program lain, mencetak isi editor, dsb.
Edit, digunakan untuk memodifikasi, mengkopi, menghapus, mencari dan mengganti data
atau text dari output window maupun syntax window.
View, digunakan untuk mengatur font, gridline, toolbar dsb.
Data, digunakan untuk membuat perubahan data SPSS secara keseluruhan, seperti
mengurutkan data, menyeleksi data berdasarkan kriteria tertentu, menggabung data, dsb.
Transform, digunakan untuk mentransformasi data yaitu pembentukan variabel baru yang
nilainya merupakan hasil transformasi dari nilai variabel yang ada atau memodifikasi
variabel yang sudah ada berdasarkan variabel lain.
Analyze, digunakan untuk memilih berbagai prosedur analisa statistik
Graphs, digunakan untuk menampilkan data berupa bar chart, pie chart, histogram, scatter
plot dan bentuk grafik lainnya.
Utilities, digunakan untuk mengakses data, menampilkan file info atau index dari peintah-
perintah SPSS
Window, digunakan untuk mengatur, memilih dan mengontrol atribut window
1. Struktur Data
Dalam SPSS, data disusun berdasarkan baris dan kolom. Tiap baris dinamakan case, kolom
disebut variabel dan perpotongan baris dan kolom dikatakan value. Lihat gambar 1
(skematis)
Note : Dari data baru anda bisa langsung mengisikan data pada sel-sel data
editor tetapi terlebih dahulu harus didefinisikan variabel data tersebut.
4. Mendefinisikan variabel
Langkahnya :
Klik Variable View
Akan muncul tampilan berikut :
Dari sini anda dapat memberi nama, format, label, value label, tipe variabel, alignment
dsb. Untuk melakukan entry data anda harus balik ke Data View.
Name: klik pada sel di bawah kolom name kemudian ketik nama sesuai dengan
variabel yang dimiliki.
Note: Perhatikan bahwa untuk bagian nama ini, SPSS selalu membuat huruf kecil
dengan jumlah maksimal 8 karakter dan tidak diperbolehkan untuk memakai
spasi,tanda titik, koma, dan karakter lainnya kecuali _
Type: tipe data yang dipilih disesuaikan dengan jenis data yang akan didefinisikan pada
variabel. Jika variabel yang didefinisikan adalah nama maka tipe variabel yang dipilih
adalah string. Sedangkan data yang berupa angka, tipe variabel yang dipilih adalah
numeric. Pemilihan tipe ini dilakukan dengan melkaukan klik pada kotak kecil di kanan
sel type.
Width: Pilihan ini menyediakan digit untuk memasukkan karakter dari data dengan
jumlah maksimal 255.
Note: Pengisian angka dapat dilakukan dengan mengetik secara langsung ataupun
dengan menggunakan fasilitas scroll number untuk menaikkan atau menurunkan
banyaknya digit yang diinginkan yang berada di sebelah kanan sel.
Decimals: Pilihan ini disediakan untuk data numerik yang mempunyai angka desimal.
User dapat memilih berapa desimal yang diinginkan sesuai dengan data yang ada.
Label: karena pada bagian name hanya memungkinkan untuk menulis sampai 8
karakter saja maka untuk penjelasan yang lebih panjang dapat dilakukan pada label.
Misalkan nama variabel adalah jns_pkj, di bagian label ditulis Jenis Pekerjaan.
Note : Label tidak mempengaruhi proses pengolahan data.
Values: Pilihan ini berguna untuk data kualitatif, karena data kategori yang masih
berupa string biasanya dikode ulang dengan pengkategorian menggunakan angka.
Misalkan variabel yang diamati adalah jenis kelamin. Kategori laki-laki diberi kode 1
dan perempuan di beri kode 0, maka untuk proses pemberian kodenya dilakukan
sebagai berikut:
Klik mouse pada kotak kecil di sebelah kanan sel, sehingga tampil layar berikut:
Masukkan angka 1 pada bagian value dan tulis Laki-laki pada bagian value label.
Kemudian klik add, dst.
Note: Untuk melakukan proses edit isi value atau value label cukup dengan mengganti
langsung kemudian klik change atau remove jika ingin menghapus.
Missing: Missing adalah data yang hilang atau data yang tidak lengkap.
Column: Hampir sama dengan width hanya fungsi column menyediakan lebar kolom
yang diperlukan untuk proses input data dan diperlihatkan dengan kolom yang
semakin lebar jika lebar kolom yang dipilih cukup besar. Batas maksimalnya juga sama
dengan width yaitu 255 karakter.
Align: Align berfungsi untuk menentukan posisi data apakah di kiri, tengah atau kanan.
Pemilihan dilakukan dengan melakukan klik pada bagian kanan sel kemudian pilih
sesuai dengan kebutuhan
Measure: Untuk data string, ada dua pilihan yaitu nominal atau ordinal. Sedangkan
data yang sudah berupa angka baik yang benar-benar angka numerik maupun hasil
kodefikasi, maka pilihan yang ada adalah ordinal atau scale.
6. Mengedit data
Tidak berbeda jauh dengan aplikasi lain yang berupa tabel, untuk SPSS, proses editing
data meliputi menghapus data, mengganti isi data, melakukan duplikasi data ataupun
mencari data.
Menghapus data: dapat dilakukan dengan memilih sel atau kolom atau baris yang akan
dihapus kemudian klik edit dan pilih clear atau cut.
Mengganti isi data: dapat dilakukan dengan memilih sel yang akan diganti datanya
kemudian langsung ketik perubahan yang diinginkan.
Melakukan duplikasi data: dapat dilakukan dengan memilih sel yang akan diduplikasi
kemudian klik edit dan pilih copy. Setelah itu pilih sel yang akan diisi dengan data
duplikasi kemudian pilih edit dan klik paste.
Contoh :
No Nama Jenis Kelamin Usia Pendidikan
1 Reza Laki-laki 18 SMA
2 Sigit Laki-laki 12 SD
3 Ahmad Laki-laki 15 SD
4 Annisa Perempuan 24 S1
5 Fahmi Laki-laki 35 S1
6 Dani Laki-laki 23 SMA
7 Soraya Perempuan 27 SMA
8 Santi Perempuan 15 SMP
9 Muhtadin Laki-laki 17 SMP
10 Hendrik Laki-laki 29 SMA
Langkah-langkah :
1. Masukan data di atas ke dalam SPSS
2. Untuk menjalankan prosedur ini dari menu dipilih :
Analyze → Descriptive Statistics → Frequencies…
Akan muncul kotak dialog berikut
Pindahkan satu atau lebih variabel yang akan dibuat tabel dan chart frekuensinya ke dalam
kotak Variable(s).
Dalam contoh soal ini, pindahkan variabel JK dan Pendidikan ke dalam kotak Variable(s). Jika
anda ingin mencari frekuensi lebih dari 1 variabel, pindahkan variabel-variabel yang akan
diselidiki ke dalam kotak tersebut.
3. Klik tombol Statistics, akan muncul kotak dialog berikut :
Pada kotak dialog tersebut terdapat beberapa statistik yang dapat dipilih sesuai keperluan
yang akan ditampilkan pada tabel frekensi.
Pada kotak Percentile Value, dapat dipilih satu atau lebih alternatif berikut :
Quartiles; menampilkan persentil ke-25, 50 dan 75
Cut points for n equal groups; menampilkan nilai-nilai persentil yang membagi sampel
data ke dalam grup-grup case yang berukuran sama. Masukkan bilangan bualt antara 2
s/d 100 ke text box yang tersedia ( default 10 grup) untuk menentukan banyaknya grup.
Percentile(s) ; menempilkan persentil sesuai dengan yang ditentukan user. Masukkan
bilangan bulat antara 0 hingga 100 pada text box yang tersedia
Pada kotak Dispersion dapat dipilih satu atau lebih alternatif berikut :
Std. Deviation; menampilkan standar deviasi
Variance; menampilkan variansi yaitu hasil kuadrat dari standar deviasi
Range; menampilkan jangkauan dari nilai data (nilai terbesar dikurangi nilai terkecil )
Minimum; menampilkan nilai data terkecil
Maximum; menampilkan nilai data terbesar
SE Mean; menampilkan error standar yaitu ukuran variabilitas dari mean sampel.
Pada kotak Central Tendency, dapat dipilih satu atau lebih alternatif berikut :
Mean; menampilkan nilai rata-rata data
Median; menampilkan nilai tengah data
Modus; menampilkan modus atau nilai yang paling sering muncul
Sum; menampilkan jumlah dari semua data
Pada kotak Distribution, dapat dipilih satu atau lebih alternatif berikut :
Skewness; menampilkan derajat kemiringan beserta erorr standarnya
Kurtosis; menampilkan kurtosis beserta error standarnya
4. Tombol selanjutnya adalah Chart. Tombol digunakan bila kita ingin menampilkan chart
frekuensi.
Klik Chart akan tampil kotak dialog berikut :
Pada kotak chart type dapat dipilih salah satu alternatif berikut :
None; tidak menampilkan chart, pilihan ini merupakan default
Bar chart(s); menampilkan chart berbentuk batang (bar)
Histogram(s); menampilkan histogram dari variabel-variabel numerik
With normal curve; melengkapi histogram dengan kurva normal
Kotak Chart Values menghasilkan nilai yang akan ditampilkan pada Chart. Nilai ini dapat
berupa jumlah (frequencies) atau persentase (percentages).
Klik Continue
5. Klik OK untuk menjalankan seluruh prosedur
C. DESCRIPTIVES
Prosedur descriptives pada SPSS bertujuan untuk menampilkan statistik deskriptif dari
variabel numerik.
Contoh :
Lihat data pada contoh kasus frekuensi di atas
Prosedur SPSS
1. Untuk menjalankan prosedur ini, dari menu dipilih :
Analyze → Descriptive Statistics → Descriptives…
Akan muncul tampilan berikut :
Seluruh variabel pada file data akan ditampilkan pada kotak daftar variabel. Pindahkan
satu atau lebih variabel numerik ke kotak Variable(s).
Terlihat di bagian kiri bawah terdapat save standardized values as variable, yang
jika dipilih akan muncul satu variabel baru pada data editor SPSS yaitu nilai z dari
variabel asal.
2. Klik Options pada kotak dialog Descriptives, maka akan ditampilkan kotak dialog berikut.
Terdapat beberapa pilihan statistik yang ditampilkan seperti Mean, Sum, Dispersion (ukuran
penyebaran), Distribution (kemiringan dan kurtosis) serta Display Order (cara pengurutan
tabel pada output).
3. Klik OK untuk menjalankan seluruh prosedur
Prosedur Crosstab digunakan untuk membuat tabel yang memuat jumlah case yang merupakan
hasil kombinasi-kombinasi dari kategori-kategori yang dimiliki dua atau lebih variabel.
Crosstab juga bertujuan untuk melihat hubungan antara dua buah variabel kategori. Data yang
digunakan adalah data dengan tipe kategori. Uji statistik dapat diminta untuk menentukan
apakah ada hubungan antar variabel dalam tabel, dan jika ada kekuatan hubungan dapat
ditaksir.
Contoh :
Lihat data pada contoh kasus frekuensi di atas
Prosedur Crosstab
Langkah-langkah prosedur Crosstab yang dilakukan adalah :
1. Bukalah terlebih dahulu file data anda, yaitu OpenData employee.sav
2. Dari menu utama klik Analyze Descriptive statistics Crosstabs…
Spesifikasi minimum untuk crosstab adalah satu variabel baris dan satu variabel kolom.
Tidak ada aturan untuk meletakkan variabel pada baris atau pada kolom (yang terpenting
adalah bagaimana persentase dihitung).
Kotak dialog yang akan tampil adalah sebagai berikut:
Klik Continue
7. Klik OK untuk menjalankan seluruh prosedur
Contoh Kasus :
Berikut adalah data persentase partisipasi politik dari 12 Kabupaten/Kota.
Manager Produksi ingin mengetahui apakah data di atas berasal dari populasi yang
berdistribusi normal ?
Langkah-langkah pengolahan data dengan SPSS :
Klik Analyze, kemudian pilih submenu Nonparametrik Tests, lalu pilih Legacy
Dialogs. Dari serangkaian pilihan test, sesuai kasus pilih 1-Sample K-S
Kolom Test Variabele List atau variabel yang akan diuji. Oleh karena yang akan
diuji hanya satu variabel, maka pindahkan variabel Berat.
Pilih salah satu uji distribusi pada kolom Test Distribution yang ingin dilakukan,
pilih Normal.
Kemudian klik OK untuk mengakhiri pengisian prosedur analisis
Lembar Kerja :
Dengan taraf signifikan 0.05, ujilah hipotesis bahwa rata-rata patisipasi politik dalam
pemilukada di Indonesia adalah lebih dari 75% ?
Langkah-langkah pengolahan data dengan SPSS :
Klik Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian pilihan
test, sesuai kasus pilih One-Samples T-Test.
Test Variabel (s) atau variabel yang akan diuji. Oleh karena yang akan diuji waktu
perbaikan, maka klik variabel Partisipasi kemudian klik tanda ‘>’.
Test Value, karena akan diuji nilai hipotesis 75%, maka ketik 75.
Kemudian klik OK untuk mengakhiri pengisian prosedur analisis.
Lembar Kerja :
G. PAIRED SAMPLE T-TEST (UJI BEDA RATA-RATA UNTUK DUA SAMPEL YANG
BERPASANGAN)
Ada beberapa asumsi yang harus dipenuhi ketika kita akan melakukan pengujian ini yaitu :
a. Dua sampel acak sederhana dan dependen
b. Skala pengukuran sekurang-kurangnya interval
c. Populasi berdistribusi normal dengan rata-rata dan varians 2
KASUS
Suatu pasangan calon kepala daerah akan melakukan pelatihan pematangan visi dan misi
kepada 10 orang tim suksesnya. Untuk mengetahui apakah pemberian pelatihan tersebut
efektif atau tidak, maka dicatat skor pengetahuan mereka terhadap visi dan misi sebelum
diberikan pelatihan dengan sesudah diberikan pelatihan. Berikut adalah data skornya :
(angka dalam range nilai 0 sampai 100)
Dengan tingkat kepercayaan 95%, apakah dapat disimpulkan bahwa pemberian pelatihan
efektif untuk meningkatkan pengetahuan tentang visi dan misi calon ?
Lembar Kerja :
Contoh Kasus :
Suatu penelitian dilakukan untuk menguji apakah nilai matakuliah statistika sosial yang
diberikan pada mahasiswa Prodi Politik dan Prodi Sosiologi memiliki perbedaan atau
tidak. Untuk itu diambil sampel sebanyak 10 nilai mahasiswa Prodi Politik dan 10 nilai
mahasiswa Prodi Sosiologi. Berikut adalah datanya :
Nilai Mahasiswa
No
Prodi Politik Prodi Sosiologi
1 63 69
2 78 56
3 71 67
4 82 72
5 93 59
6 72 71
7 61 55
8 63 88
9 56 79
10 82 49
Dengan taraf signifikan 5%, lakukan pengujian apakah terdapat perbedaan nilai
matakuliah statistika sosial antara mahasiswa Prodi Politik dan Prodi Sosiologi ?
Membuat File Data :
1. Definisikan variabel dari data yang akan diuji pada Variable View, Baris pertama
pada kolom Name ketik Prodi, pada kolom Values lakukan pembagian data ke dalam
dua grup, 1 untuk ‘Prodi Politik’, 2 untuk ‘Prodi Sosiologi’.
2. Baris kedua pada kolom Name ketik Nilai.
3. Setelah pendefinisian variabel selesai, klik Data View untuk mengisikan data yang
telah tersedia, pada kolom Kelas, baris 1-10 isi dengan 1 (Prodi Politik), 11-20 isi
dengan 2 (Prodi Sosiologi). Dan pada kolom Nilai baris 1-10 isi dengan nilai dari Prodi
Politik, 21-40 isi dengan nilai dari Prodi Sosiologi.
4. Langkah-langkah pengolahan data dengan SPSS :
Klik Analyze, kemudian pilih submenu Compare-Means. Dari serangkaian
pilihan test, sesuai kasus pilih Independent-Samples T-Test.
Test Variabel (s) atau variabel yang akan diuji. Oleh karena yang akan diuji hasil
Nilai, maka klik variabel Nilai kemudian pindahkan ke kolom Test Variable(s).
Grouping Variable atau variabel grup, karena variabel pengelompokan ada pada
variabel Prodi, maka pindahkan variabel Kelas ke grouping variable (berupa
Kelas (??)). Lalu klik Define Group,
Untuk Group 1, isi dengan 1 yang berarti grup 1 berisi tanda 1 atau ‘Prodi Politik’
Untuk Group 2, isi dengan 2 yang berarti grup 2 berisi tanda 2 atau ‘Prodi Sosio’
Jika sudah selesai, klik continue
5. Kemudian klik OK untuk mengakhiri pengisian prosedur analisis.
Lembar Kerja :
Jika Uji t digunakan untuk pengujian dua sampel, maka ONE WAY-ANOVA digunakan
untuk pengujian lebih dari dua sampel. Asumsi yang digunakan pada pengujian ANOVA
adalah :
a. Populasi-populasi yang akan diuji berdistribusi normal
b. Varians dari populasi-populasi tersebut adalah sama
c. Sampel tidak berhubungan satu dengan yang lain.
Kasus Pertama:
Seorang Supervisor sebuah perusahaan air minum ingin mengetahui apakah ada
perbedaan nyata dari penjualan air minum di daerah penjualan JABOTABEK. Untuk itu
diambil sampel berupa data penjualan air minum, masing-masing 5 outlet untuk kawasan
JABOTABEK, dengan data sebagai berikut :
Daerah Penjualan
No
Jakarta Bogor Tangerang Bekasi
1 63 56 56 53
2 66 60 60 55
3 63 65 57 54
4 62 69 54 51
5 65 65 58 52
Lembar Kerja :
Homogeneous Subsets
Lembar Kerja :
DAFTAR PUSTAKA
Abdullah, Sarini dan Taufik Edy S. 2015. Statistika Tanpa Stress. Transmedia, Jakarta.
E.Walpole, Ronald. 1995. Pengantar Statistika. PT. Gramedia Pustaka Utama, Jakarta.
Riduan dan Akdon. 2007. Rumus dan Data dalam Analisis Statistika. Alfabeta, Bandung.
Santoso, Singgih. 2005. Menggunakan SPSS untuk Statistik Non Parametrik. PT.Elex Media
Komputindo, Jakarta.
S Uyanto, Stanislaus. 2006. Pedoman Analisis Data dengan SPSS. Graha Ilmu, Yogyakarta
Somatri, Ating dan Sambas Ali M. 2006.Aplikasi Statistika dalam Penelitian. Pustaka Setia,
Bandung
Trihendradi, Cornelius. 2005. Step by Step SPSS 13 Analisis Data Statistik. ANDI, Yogyakarta.
Table entry
Table entry for z is the area under the standard normal curve
to the left of z.
z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
–3.4 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
–3.3 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
–3.2 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
–3.1 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
–3.0 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010
–2.9 .0019 .0018 .0018 .0017 .0016 .0016 .0015 .0015 .0014 .0014
–2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
–2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
–2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
–2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
–2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
–2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
–2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
–2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
–2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
–1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
–1.8 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
–1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
–1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
–1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
–1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0721 .0708 .0694 .0681
–1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
–1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
–1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
–1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
–0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
–0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
–0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
–0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
–0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
–0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
–0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
–0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
–0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
–0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
Standard Normal Probabilities
Table entry
Table entry for z is the area under the standard normal curve
to the left of z.
z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0.1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
0.2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0.3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0.4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0.7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
0.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.1 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.2 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.3 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
3.4 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9998
t Table
cum. prob t .50 t .75 t .80 t .85 t .90 t .95 t .975 t .99 t .995 t .999 t .9995
one-tail 0.50 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 0.001 0.0005
two-tails 1.00 0.50 0.40 0.30 0.20 0.10 0.05 0.02 0.01 0.002 0.001
df
1 0.000 1.000 1.376 1.963 3.078 6.314 12.71 31.82 63.66 318.31 636.62
2 0.000 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 22.327 31.599
3 0.000 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 10.215 12.924
4 0.000 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 7.173 8.610
5 0.000 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 5.893 6.869
6 0.000 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 5.208 5.959
7 0.000 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.785 5.408
8 0.000 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 4.501 5.041
9 0.000 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 4.297 4.781
10 0.000 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.144 4.587
11 0.000 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 4.025 4.437
12 0.000 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.930 4.318
13 0.000 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.852 4.221
14 0.000 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.787 4.140
15 0.000 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.733 4.073
16 0.000 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.686 4.015
17 0.000 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.646 3.965
18 0.000 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.610 3.922
19 0.000 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.579 3.883
20 0.000 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.552 3.850
21 0.000 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.527 3.819
22 0.000 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.505 3.792
23 0.000 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.485 3.768
24 0.000 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.467 3.745
25 0.000 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.450 3.725
26 0.000 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.435 3.707
27 0.000 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.421 3.690
28 0.000 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.408 3.674
29 0.000 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.396 3.659
30 0.000 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.385 3.646
40 0.000 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 3.307 3.551
60 0.000 0.679 0.848 1.045 1.296 1.671 2.000 2.390 2.660 3.232 3.460
80 0.000 0.678 0.846 1.043 1.292 1.664 1.990 2.374 2.639 3.195 3.416
100 0.000 0.677 0.845 1.042 1.290 1.660 1.984 2.364 2.626 3.174 3.390
1000 0.000 0.675 0.842 1.037 1.282 1.646 1.962 2.330 2.581 3.098 3.300
z 0.000 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.090 3.291
0% 50% 60% 70% 80% 90% 95% 98% 99% 99.8% 99.9%
Confidence Level
t-table.xls 7/14/2007
Distribusi F
Sebaran Fisher
v2 = v1 = dk pembilang
dk penyebut 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
1 0.100 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19 60.47 60.71 61.07 61.35 61.74 62.00 62.26 62.53 62.69 62.90 63.01 63.17 63.26 63.32
0.050 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.0 243.9 245.4 246.5 248.0 249.1 250.1 251.1 251.8 252.6 253.0 253.7 254.1 254.3
0.025 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 963.3 968.6 973.0 976.7 982.5 986.9 993.1 997.2 1001 1006 1008 1011 1013 1016 1017 1018
0.010 4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6083 6106 6143 6170 6209 6235 6261 6287 6303 6324 6334 6350 6360 6366
0.005 16211 19999 21615 22500 23056 23437 23715 23925 24091 24224 24334 24426 24572 24681 24836 24940 25044 25148 25211 25295 25337 25401 25439 25463
2 0.100 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39 9.40 9.41 9.42 9.43 9.44 9.45 9.46 9.47 9.47 9.48 9.48 9.49 9.49 9.49
0.050 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.43 19.45 19.45 19.46 19.47 19.48 19.48 19.49 19.49 19.49 19.50
0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.41 39.43 39.44 39.45 39.46 39.46 39.47 39.48 39.48 39.49 39.49 39.50 39.50
0.010 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.41 99.42 99.43 99.44 99.45 99.46 99.47 99.47 99.48 99.49 99.49 99.49 99.50 99.50
0.005 198.50 199.00 199.17 199.25 199.30 199.33 199.36 199.37 199.39 199.40 199.41 199.42 199.43 199.44 199.45 199.46 199.47 199.47 199.48 199.49 199.49 199.49 199.50 199.50
3 0.100 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23 5.22 5.22 5.20 5.20 5.18 5.18 5.17 5.16 5.15 5.15 5.14 5.14 5.14 5.13
0.050 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.71 8.69 8.66 8.64 8.62 8.59 8.58 8.56 8.55 8.54 8.53 8.53
0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.37 14.34 14.28 14.23 14.17 14.12 14.08 14.04 14.01 13.97 13.96 13.93 13.91 13.90
0.010 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 27.13 27.05 26.92 26.83 26.69 26.60 26.50 26.41 26.35 26.28 26.24 26.18 26.15 26.13
0.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.52 43.39 43.17 43.01 42.78 42.62 42.47 42.31 42.21 42.09 42.02 41.93 41.87 41.83
4 0.100 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92 3.91 3.90 3.88 3.86 3.84 3.83 3.82 3.80 3.80 3.78 3.78 3.77 3.76 3.76
0.050 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.87 5.84 5.80 5.77 5.75 5.72 5.70 5.68 5.66 5.65 5.64 5.63
0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.68 8.63 8.56 8.51 8.46 8.41 8.38 8.34 8.32 8.29 8.27 8.26
0.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.45 14.37 14.25 14.15 14.02 13.93 13.84 13.75 13.69 13.61 13.58 13.52 13.49 13.46
0.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.82 20.70 20.51 20.37 20.17 20.03 19.89 19.75 19.67 19.55 19.50 19.41 19.36 19.33
5 0.100 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30 3.28 3.27 3.25 3.23 3.21 3.19 3.17 3.16 3.15 3.13 3.13 3.12 3.11 3.11
0.050 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.64 4.60 4.56 4.53 4.50 4.46 4.44 4.42 4.41 4.39 4.37 4.37
0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.46 6.40 6.33 6.28 6.23 6.18 6.14 6.10 6.08 6.05 6.03 6.02
0.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.96 9.89 9.77 9.68 9.55 9.47 9.38 9.29 9.24 9.17 9.13 9.08 9.04 9.02
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.49 13.38 13.21 13.09 12.90 12.78 12.66 12.53 12.45 12.35 12.30 12.22 12.17 12.15
6 0.100 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94 2.92 2.90 2.88 2.86 2.84 2.82 2.80 2.78 2.77 2.75 2.75 2.73 2.73 2.72
0.050 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.96 3.92 3.87 3.84 3.81 3.77 3.75 3.73 3.71 3.69 3.68 3.67
0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.30 5.24 5.17 5.12 5.07 5.01 4.98 4.94 4.92 4.88 4.86 4.85
0.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.60 7.52 7.40 7.31 7.23 7.14 7.09 7.02 6.99 6.93 6.90 6.88
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 10.13 10.03 9.88 9.76 9.59 9.47 9.36 9.24 9.17 9.07 9.03 8.95 8.91 8.88
7 0.100 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70 2.68 2.67 2.64 2.62 2.59 2.58 2.56 2.54 2.52 2.51 2.50 2.48 2.48 2.47
0.050 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.53 3.49 3.44 3.41 3.38 3.34 3.32 3.29 3.27 3.25 3.24 3.23
0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.60 4.54 4.47 4.41 4.36 4.31 4.28 4.23 4.21 4.18 4.16 4.14
0.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.36 6.28 6.16 6.07 5.99 5.91 5.86 5.79 5.75 5.70 5.67 5.65
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 8.27 8.18 8.03 7.91 7.75 7.64 7.53 7.42 7.35 7.26 7.22 7.15 7.10 7.08
8 0.100 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54 2.52 2.50 2.48 2.45 2.42 2.40 2.38 2.36 2.35 2.33 2.32 2.31 2.30 2.29
0.050 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.24 3.20 3.15 3.12 3.08 3.04 3.02 2.99 2.97 2.95 2.94 2.93
0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.13 4.08 4.00 3.95 3.89 3.84 3.81 3.76 3.74 3.70 3.68 3.67
0.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.56 5.48 5.36 5.28 5.20 5.12 5.07 5.00 4.96 4.91 4.88 4.86
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 7.10 7.01 6.87 6.76 6.61 6.50 6.40 6.29 6.22 6.13 6.09 6.02 5.98 5.95
www.smartstat.info 1/4
Distribusi F
v2 = v1 = dk pembilang
dk penyebut 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
9 0.100 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42 2.40 2.38 2.35 2.33 2.30 2.28 2.25 2.23 2.22 2.20 2.19 2.17 2.17 2.16
0.050 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.03 2.99 2.94 2.90 2.86 2.83 2.80 2.77 2.76 2.73 2.72 2.71
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.80 3.74 3.67 3.61 3.56 3.51 3.47 3.43 3.40 3.37 3.35 3.33
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.18 5.11 5.01 4.92 4.81 4.73 4.65 4.57 4.52 4.45 4.41 4.36 4.33 4.31
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.31 6.23 6.09 5.98 5.83 5.73 5.62 5.52 5.45 5.37 5.32 5.26 5.21 5.19
10 0.100 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32 2.30 2.28 2.26 2.23 2.20 2.18 2.16 2.13 2.12 2.10 2.09 2.07 2.06 2.06
0.050 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.86 2.83 2.77 2.74 2.70 2.66 2.64 2.60 2.59 2.56 2.55 2.54
0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.55 3.50 3.42 3.37 3.31 3.26 3.22 3.18 3.15 3.12 3.09 3.08
0.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.60 4.52 4.41 4.33 4.25 4.17 4.12 4.05 4.01 3.96 3.93 3.91
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.75 5.66 5.53 5.42 5.27 5.17 5.07 4.97 4.90 4.82 4.77 4.71 4.67 4.64
11 0.100 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25 2.23 2.21 2.18 2.16 2.12 2.10 2.08 2.05 2.04 2.02 2.01 1.99 1.98 1.97
0.050 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.74 2.70 2.65 2.61 2.57 2.53 2.51 2.47 2.46 2.43 2.42 2.41
0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.36 3.30 3.23 3.17 3.12 3.06 3.03 2.98 2.96 2.92 2.90 2.88
0.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.29 4.21 4.10 4.02 3.94 3.86 3.81 3.74 3.71 3.66 3.62 3.60
0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.32 5.24 5.10 5.00 4.86 4.76 4.65 4.55 4.49 4.40 4.36 4.29 4.25 4.23
12 0.100 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19 2.17 2.15 2.12 2.09 2.06 2.04 2.01 1.99 1.97 1.95 1.94 1.92 1.91 1.90
0.050 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.64 2.60 2.54 2.51 2.47 2.43 2.40 2.37 2.35 2.32 2.31 2.30
0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.21 3.15 3.07 3.02 2.96 2.91 2.87 2.82 2.80 2.76 2.74 2.73
0.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.05 3.97 3.86 3.78 3.70 3.62 3.57 3.50 3.47 3.41 3.38 3.36
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09 4.99 4.91 4.77 4.67 4.53 4.43 4.33 4.23 4.17 4.08 4.04 3.97 3.93 3.91
13 0.100 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14 2.12 2.10 2.07 2.04 2.01 1.98 1.96 1.93 1.92 1.89 1.88 1.86 1.85 1.85
0.050 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.55 2.51 2.46 2.42 2.38 2.34 2.31 2.28 2.26 2.23 2.22 2.21
0.025 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.08 3.03 2.95 2.89 2.84 2.78 2.74 2.70 2.67 2.63 2.61 2.60
0.010 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.86 3.78 3.66 3.59 3.51 3.43 3.38 3.31 3.27 3.22 3.19 3.17
0.005 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.72 4.64 4.51 4.41 4.27 4.17 4.07 3.97 3.91 3.82 3.78 3.71 3.67 3.65
14 0.100 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10 2.07 2.05 2.02 2.00 1.96 1.94 1.91 1.89 1.87 1.85 1.83 1.82 1.80 1.80
0.050 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.48 2.44 2.39 2.35 2.31 2.27 2.24 2.21 2.19 2.16 2.14 2.13
0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 2.98 2.92 2.84 2.79 2.73 2.67 2.64 2.59 2.56 2.53 2.50 2.49
0.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.70 3.62 3.51 3.43 3.35 3.27 3.22 3.15 3.11 3.06 3.03 3.01
0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.51 4.43 4.30 4.20 4.06 3.96 3.86 3.76 3.70 3.61 3.57 3.50 3.46 3.44
15 0.100 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06 2.04 2.02 1.99 1.96 1.92 1.90 1.87 1.85 1.83 1.80 1.79 1.77 1.76 1.76
0.050 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.42 2.38 2.33 2.29 2.25 2.20 2.18 2.14 2.12 2.10 2.08 2.07
0.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.89 2.84 2.76 2.70 2.64 2.59 2.55 2.50 2.47 2.44 2.41 2.40
0.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.56 3.49 3.37 3.29 3.21 3.13 3.08 3.01 2.98 2.92 2.89 2.87
0.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.33 4.25 4.12 4.02 3.88 3.79 3.69 3.58 3.52 3.44 3.39 3.33 3.29 3.26
16 0.100 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03 2.01 1.99 1.95 1.93 1.89 1.87 1.84 1.81 1.79 1.77 1.76 1.74 1.73 1.72
0.050 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.37 2.33 2.28 2.24 2.19 2.15 2.12 2.09 2.07 2.04 2.02 2.01
0.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.82 2.76 2.68 2.63 2.57 2.51 2.47 2.42 2.40 2.36 2.33 2.32
0.010 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.62 3.55 3.45 3.37 3.26 3.18 3.10 3.02 2.97 2.90 2.86 2.81 2.78 2.75
0.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 4.18 4.10 3.97 3.87 3.73 3.64 3.54 3.44 3.37 3.29 3.25 3.18 3.14 3.11
17 0.100 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00 1.98 1.96 1.93 1.90 1.86 1.84 1.81 1.78 1.76 1.74 1.73 1.71 1.69 1.69
0.050 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.33 2.29 2.23 2.19 2.15 2.10 2.08 2.04 2.02 1.99 1.97 1.96
0.025 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.75 2.70 2.62 2.56 2.50 2.44 2.41 2.35 2.33 2.29 2.26 2.25
0.010 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.35 3.27 3.16 3.08 3.00 2.92 2.87 2.80 2.76 2.71 2.68 2.65
0.005 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 4.05 3.97 3.84 3.75 3.61 3.51 3.41 3.31 3.25 3.16 3.12 3.05 3.01 2.99
www.smartstat.info 2/4
Distribusi F
v2 = v1 = dk pembilang
dk penyebut 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
18 0.100 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98 1.95 1.93 1.90 1.87 1.84 1.81 1.78 1.75 1.74 1.71 1.70 1.68 1.67 1.66
0.050 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.29 2.25 2.19 2.15 2.11 2.06 2.04 2.00 1.98 1.95 1.93 1.92
0.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.70 2.64 2.56 2.50 2.44 2.38 2.35 2.30 2.27 2.23 2.20 2.19
0.010 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.27 3.19 3.08 3.00 2.92 2.84 2.78 2.71 2.68 2.62 2.59 2.57
0.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.94 3.86 3.73 3.64 3.50 3.40 3.30 3.20 3.14 3.05 3.01 2.94 2.90 2.87
19 0.100 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96 1.93 1.91 1.88 1.85 1.81 1.79 1.76 1.73 1.71 1.69 1.67 1.65 1.64 1.63
0.050 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.26 2.21 2.16 2.11 2.07 2.03 2.00 1.96 1.94 1.91 1.89 1.88
0.025 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.65 2.59 2.51 2.45 2.39 2.33 2.30 2.24 2.22 2.18 2.15 2.13
0.010 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.19 3.12 3.00 2.92 2.84 2.76 2.71 2.64 2.60 2.55 2.51 2.49
0.005 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.84 3.76 3.64 3.54 3.40 3.31 3.21 3.11 3.04 2.96 2.91 2.85 2.80 2.78
20 0.100 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94 1.91 1.89 1.86 1.83 1.79 1.77 1.74 1.71 1.69 1.66 1.65 1.63 1.62 1.61
0.050 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.22 2.18 2.12 2.08 2.04 1.99 1.97 1.93 1.91 1.88 1.86 1.84
0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.60 2.55 2.46 2.41 2.35 2.29 2.25 2.20 2.17 2.13 2.10 2.09
0.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.13 3.05 2.94 2.86 2.78 2.69 2.64 2.57 2.54 2.48 2.44 2.42
0.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.76 3.68 3.55 3.46 3.32 3.22 3.12 3.02 2.96 2.87 2.83 2.76 2.72 2.69
21 0.100 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92 1.90 1.87 1.84 1.81 1.78 1.75 1.72 1.69 1.67 1.64 1.63 1.61 1.60 1.59
0.050 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.20 2.16 2.10 2.05 2.01 1.96 1.94 1.90 1.88 1.84 1.83 1.81
0.025 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.56 2.51 2.42 2.37 2.31 2.25 2.21 2.16 2.13 2.09 2.06 2.04
0.010 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.24 3.17 3.07 2.99 2.88 2.80 2.72 2.64 2.58 2.51 2.48 2.42 2.38 2.36
0.005 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.68 3.60 3.48 3.38 3.24 3.15 3.05 2.95 2.88 2.80 2.75 2.68 2.64 2.62
22 0.100 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90 1.88 1.86 1.83 1.80 1.76 1.73 1.70 1.67 1.65 1.63 1.61 1.59 1.58 1.57
0.050 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.17 2.13 2.07 2.03 1.98 1.94 1.91 1.87 1.85 1.82 1.80 1.78
0.025 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.53 2.47 2.39 2.33 2.27 2.21 2.17 2.12 2.09 2.05 2.02 2.00
0.010 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.18 3.12 3.02 2.94 2.83 2.75 2.67 2.58 2.53 2.46 2.42 2.36 2.33 2.31
0.005 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.61 3.54 3.41 3.31 3.18 3.08 2.98 2.88 2.82 2.73 2.69 2.62 2.57 2.55
23 0.100 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89 1.87 1.84 1.81 1.78 1.74 1.72 1.69 1.66 1.64 1.61 1.59 1.57 1.56 1.55
0.050 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.15 2.11 2.05 2.01 1.96 1.91 1.88 1.84 1.82 1.79 1.77 1.76
0.025 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.50 2.44 2.36 2.30 2.24 2.18 2.14 2.08 2.06 2.01 1.99 1.97
0.010 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 2.97 2.89 2.78 2.70 2.62 2.54 2.48 2.41 2.37 2.32 2.28 2.26
0.005 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.55 3.47 3.35 3.25 3.12 3.02 2.92 2.82 2.76 2.67 2.62 2.56 2.51 2.49
24 0.100 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88 1.85 1.83 1.80 1.77 1.73 1.70 1.67 1.64 1.62 1.59 1.58 1.56 1.54 1.53
0.050 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.13 2.09 2.03 1.98 1.94 1.89 1.86 1.82 1.80 1.77 1.75 1.73
0.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.47 2.41 2.33 2.27 2.21 2.15 2.11 2.05 2.02 1.98 1.95 1.94
0.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.09 3.03 2.93 2.85 2.74 2.66 2.58 2.49 2.44 2.37 2.33 2.27 2.24 2.21
0.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.50 3.42 3.30 3.20 3.06 2.97 2.87 2.77 2.70 2.61 2.57 2.50 2.46 2.43
25 0.100 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87 1.84 1.82 1.79 1.76 1.72 1.69 1.66 1.63 1.61 1.58 1.56 1.54 1.53 1.52
0.050 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.11 2.07 2.01 1.96 1.92 1.87 1.84 1.80 1.78 1.75 1.73 1.71
0.025 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.44 2.38 2.30 2.24 2.18 2.12 2.08 2.02 2.00 1.95 1.92 1.91
0.010 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 3.06 2.99 2.89 2.81 2.70 2.62 2.54 2.45 2.40 2.33 2.29 2.23 2.19 2.17
0.005 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.45 3.37 3.25 3.15 3.01 2.92 2.82 2.72 2.65 2.56 2.52 2.45 2.41 2.38
26 0.100 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86 1.83 1.81 1.77 1.75 1.71 1.68 1.65 1.61 1.59 1.57 1.55 1.53 1.51 1.50
0.050 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.09 2.05 1.99 1.95 1.90 1.85 1.82 1.78 1.76 1.73 1.71 1.69
0.025 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.42 2.36 2.28 2.22 2.16 2.09 2.05 2.00 1.97 1.92 1.90 1.88
0.010 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 3.02 2.96 2.86 2.78 2.66 2.58 2.50 2.42 2.36 2.29 2.25 2.19 2.16 2.13
0.005 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60 3.49 3.40 3.33 3.20 3.11 2.97 2.87 2.77 2.67 2.61 2.52 2.47 2.40 2.36 2.33
27 0.100 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85 1.82 1.80 1.76 1.74 1.70 1.67 1.64 1.60 1.58 1.55 1.54 1.52 1.50 1.49
0.050 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.08 2.04 1.97 1.93 1.88 1.84 1.81 1.76 1.74 1.71 1.69 1.67
0.025 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.39 2.34 2.25 2.19 2.13 2.07 2.03 1.97 1.94 1.90 1.87 1.85
www.smartstat.info 3/4
Distribusi F
v2 = v1 = dk pembilang
dk penyebut 1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500
0.010 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.99 2.93 2.82 2.75 2.63 2.55 2.47 2.38 2.33 2.26 2.22 2.16 2.12 2.10
0.005 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56 3.45 3.36 3.28 3.16 3.07 2.93 2.83 2.73 2.63 2.57 2.48 2.43 2.36 2.32 2.29
28 0.100 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84 1.81 1.79 1.75 1.73 1.69 1.66 1.63 1.59 1.57 1.54 1.53 1.50 1.49 1.48
0.050 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.06 2.02 1.96 1.91 1.87 1.82 1.79 1.75 1.73 1.69 1.67 1.65
0.025 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.37 2.32 2.23 2.17 2.11 2.05 2.01 1.95 1.92 1.88 1.85 1.83
0.010 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.96 2.90 2.79 2.72 2.60 2.52 2.44 2.35 2.30 2.23 2.19 2.13 2.09 2.07
0.005 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52 3.41 3.32 3.25 3.12 3.03 2.89 2.79 2.69 2.59 2.53 2.44 2.39 2.32 2.28 2.25
29 0.100 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83 1.80 1.78 1.75 1.72 1.68 1.65 1.62 1.58 1.56 1.53 1.52 1.49 1.48 1.47
0.050 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.05 2.01 1.94 1.90 1.85 1.81 1.77 1.73 1.71 1.67 1.65 1.64
0.025 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.36 2.30 2.21 2.15 2.09 2.03 1.99 1.93 1.90 1.86 1.83 1.81
0.010 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.93 2.87 2.77 2.69 2.57 2.49 2.41 2.33 2.27 2.20 2.16 2.10 2.06 2.04
0.005 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48 3.38 3.29 3.21 3.09 2.99 2.86 2.76 2.66 2.56 2.49 2.40 2.36 2.29 2.24 2.21
30 0.100 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82 1.79 1.77 1.74 1.71 1.67 1.64 1.61 1.57 1.55 1.52 1.51 1.48 1.47 1.46
0.050 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.04 1.99 1.93 1.89 1.84 1.79 1.76 1.72 1.70 1.66 1.64 1.62
0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.34 2.28 2.20 2.14 2.07 2.01 1.97 1.91 1.88 1.84 1.81 1.79
0.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.91 2.84 2.74 2.66 2.55 2.47 2.39 2.30 2.25 2.17 2.13 2.07 2.03 2.01
0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.25 3.18 3.06 2.96 2.82 2.73 2.63 2.52 2.46 2.37 2.32 2.25 2.21 2.18
40 0.100 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76 1.74 1.71 1.68 1.65 1.61 1.57 1.54 1.51 1.48 1.45 1.43 1.41 1.39 1.38
0.050 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.95 1.90 1.84 1.79 1.74 1.69 1.66 1.61 1.59 1.55 1.53 1.51
0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.33 2.29 2.21 2.15 2.07 2.01 1.94 1.88 1.83 1.77 1.74 1.69 1.66 1.64
0.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.73 2.66 2.56 2.48 2.37 2.29 2.20 2.11 2.06 1.98 1.94 1.87 1.83 1.81
0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 3.03 2.95 2.83 2.74 2.60 2.50 2.40 2.30 2.23 2.14 2.09 2.01 1.96 1.93
60 0.100 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71 1.68 1.66 1.62 1.59 1.54 1.51 1.48 1.44 1.41 1.38 1.36 1.33 1.31 1.29
0.050 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.86 1.82 1.75 1.70 1.65 1.59 1.56 1.51 1.48 1.44 1.41 1.39
0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.22 2.17 2.09 2.03 1.94 1.88 1.82 1.74 1.70 1.63 1.60 1.54 1.51 1.48
0.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.39 2.31 2.20 2.12 2.03 1.94 1.88 1.79 1.75 1.68 1.63 1.60
0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.82 2.74 2.62 2.53 2.39 2.29 2.19 2.08 2.01 1.91 1.86 1.78 1.73 1.69
120 0.100 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65 1.63 1.60 1.56 1.53 1.48 1.45 1.41 1.37 1.34 1.30 1.28 1.24 1.21 1.19
0.050 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.87 1.83 1.78 1.73 1.66 1.61 1.55 1.50 1.46 1.40 1.37 1.32 1.28 1.26
0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16 2.10 2.05 1.98 1.92 1.82 1.76 1.69 1.61 1.56 1.49 1.45 1.39 1.34 1.31
0.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.40 2.34 2.23 2.15 2.03 1.95 1.86 1.76 1.70 1.61 1.56 1.48 1.42 1.38
0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71 2.62 2.54 2.42 2.33 2.19 2.09 1.98 1.87 1.80 1.69 1.64 1.54 1.48 1.43
240 0.100 2.73 2.32 2.11 1.97 1.87 1.80 1.74 1.70 1.66 1.63 1.60 1.57 1.53 1.50 1.45 1.42 1.38 1.33 1.30 1.26 1.23 1.19 1.16 1.13
0.050 3.88 3.03 2.64 2.41 2.25 2.14 2.05 1.98 1.92 1.87 1.83 1.79 1.73 1.69 1.61 1.56 1.51 1.44 1.40 1.34 1.31 1.25 1.20 1.17
0.025 5.09 3.75 3.17 2.84 2.62 2.46 2.34 2.25 2.17 2.10 2.05 2.00 1.92 1.86 1.77 1.70 1.63 1.55 1.50 1.42 1.38 1.30 1.25 1.21
0.010 6.74 4.69 3.86 3.40 3.09 2.88 2.71 2.59 2.48 2.40 2.32 2.26 2.16 2.08 1.96 1.87 1.78 1.68 1.61 1.52 1.46 1.37 1.30 1.25
0.005 8.03 5.42 4.39 3.82 3.45 3.19 2.99 2.84 2.71 2.61 2.52 2.45 2.33 2.23 2.09 1.99 1.89 1.77 1.69 1.58 1.52 1.42 1.34 1.28
500 0.100 2.72 2.31 2.09 1.96 1.86 1.79 1.73 1.68 1.64 1.61 1.58 1.56 1.52 1.49 1.44 1.40 1.36 1.31 1.28 1.24 1.21 1.16 1.12 1.09
0.050 3.86 3.01 2.62 2.39 2.23 2.12 2.03 1.96 1.90 1.85 1.81 1.77 1.71 1.66 1.59 1.54 1.48 1.42 1.38 1.31 1.28 1.21 1.16 1.12
0.025 5.05 3.72 3.14 2.81 2.59 2.43 2.31 2.22 2.14 2.07 2.02 1.97 1.89 1.83 1.74 1.67 1.60 1.52 1.46 1.38 1.34 1.25 1.19 1.14
0.010 6.69 4.65 3.82 3.36 3.05 2.84 2.68 2.55 2.44 2.36 2.28 2.22 2.12 2.04 1.92 1.83 1.74 1.63 1.57 1.47 1.41 1.31 1.23 1.17
0.005 7.95 5.35 4.33 3.76 3.40 3.14 2.94 2.79 2.66 2.56 2.48 2.40 2.28 2.19 2.04 1.94 1.84 1.72 1.64 1.52 1.46 1.35 1.26 1.19
0.100 2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63 1.60 1.57 1.55 1.50 1.47 1.42 1.38 1.34 1.30 1.26 1.21 1.19 1.13 1.08 1.02
0.050 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.88 1.83 1.79 1.75 1.69 1.64 1.57 1.52 1.46 1.39 1.35 1.28 1.24 1.17 1.11 1.02
0.025 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11 2.05 1.99 1.94 1.87 1.80 1.71 1.64 1.57 1.48 1.43 1.34 1.30 1.21 1.13 1.03
0.010 6.64 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41 2.32 2.25 2.18 2.08 2.00 1.88 1.79 1.70 1.59 1.52 1.42 1.36 1.25 1.15 1.03
0.005 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62 2.52 2.43 2.36 2.24 2.14 2.00 1.90 1.79 1.67 1.59 1.47 1.40 1.28 1.17 1.04
www.smartstat.info 4/4