ANALISIS DATA KUANTITATIF MENGGUNAKAN METODE STATISTIKA

materi:
1. Penulisan Rumus Menggunakan Microsoft Equaition 3
2. Distribusi peluang diskrit
3. Distribusi peluang continue
4. Deskripsi data
5. Uji independensi 2 faktor
6. Uji 2 rata-rata independen
7. Uji 2 rata-rata dependen
8. Analisis regresi dan korelasi
9. Analisis kuesioner

MATERI:
1. Penulisan Rumus Menggunakan Microsoft Equaition 3
ada 2 cara penulisan, yaitu menggunakan penulisan rumus dasar dan menggunakan alat penulis persamaan
* langkah-langkah:
1.carilah mc.equation 3 dari toolbar objek menggunakan insert
2. siapkan rumus yang akan di tulis dan buatlah pada font & tipe penulisan yang diinginkan
3. penulisan menggunakan kyboard dengan alat bantu indeks penulis
4. gunakan kursor sebagai alat bantu penulisan
5. perhatikan bahwa penulisan tidak dapat diulang, karena pada saat dieksekusi program akan menanyakan kembali sehing
(cara menresfresh dengan menggunakan esc atau dengan minimize)
6. khusus untuk penulisan langsung menggunakan toolbar equation berlaku sebaliknya
contoh:
1. rumus rata-rata hitung :

X 
x i �  =
n (∑▒�_𝒊 
2. simpangan baku: )/�
�=∑▒ 〖 (�_𝒊−
 
 (x i  x)2
𝒙  ) 〗 ^𝟐/
n 1 (�−𝟏)
3. Simpangan baku data terkelompok

 i i i  i i
2
f ( f X )  ( f X ) 2 �=√((∑▒ 〖� _𝑖 (∑▒ 〖� _𝑖 
S 〖� _𝑖 〗 ^2)−( 〖∑▒� _𝑖  �_𝑖) 〗

 f ( f  1)
i i
^2  〗〗 )/(∑▒ 〖� _𝑖 
(∑▒ 〖� _𝑖−1) 〗〗 ))

4. Rumus koefisien posision:

a
 X  Y   X  XY
2

n  X  ( X ) 2 2
 a
 X  Y   X  XY
2

n  X  ( X )
2 2

5. Rumus koefisien korelasi:

n xy   x y
r
 n X 2

 ( X ) 2 n  Y 2  ( Y ) 2 
6. Rumus Cronbach-Alpha

 k 
r11   1 
 2 

 k  1  T 2 

7. Rumus Distribusi poisson:

   x
P ( X  x) 
x!
 X  2
i X
 
n 1
sehingga harus diRefresh
 MATERI DISTRIBUSI PELUANG DISKRIT
Adalah model perhitungan distribusi peluang untuk data yang bersifat diskrit atau hasil menghitung. Terdiri dari hiper giom
1. DISTRIBUSI HIPER GEOMETRIK
DEFINISI: misalkan dari suatu populasi berukuran N, terdapat kategori peristiwa yang sukses sebanyak D. Apa bila diam
geometrik d

 D  N  D 
  
 x  n  x 
P X  x  
 D
 
x

Dengan ketentuan X adalah variabel acak: X=0,1,2......,n

sedangkan tanda dalam kurung merupakan perhitungan nCr atau kombinasi
langkah-langkah perhitungan:
1. dari fx pilih kategori statistika
2. pilih hypgeo dist
3. klik ok sehingga memunculkan arguments fungsi sbb:
*Sample_s adalah banyaknya peristiwa sukses dalam sampel
*Number_sample adalah ukuran sampel = n
*population_s adalah kategori sukses dalam populasi = D
*Number_population adalah ukuran populasi = N
*Cumulative adalah harus diketik "true" jika yang dihitung bersifat kumulatif atau paling banyak dengan simbol: P(X≤x) dan

CONTOH:

1. misalkan dalam suatu peristiwa pengiriman 25 barang elektronik akan terdapat 10 barang yang
cacat. Jika seorang pengawas mengambil 6 barang secara acak, berapa peluangnya dia akan
menemukan:
a. 3 barang cacat: P(X=3) =
b. Paling sediki 4 barang cacat: P(X≥4)=P(X=4)+P(X=5)=P(X=6)=
1-P(X≤4)=1-P(X≤3)=

C. Antara 2 dan 6: P(2<X<6)=

D. Lebih dari 4 barang cacat: p(X>4)= P(X=5)+P(X=6)=

2. seorang analisis keuangan akan memeriksa 20 laporan yang 9 diantaranya laporan keuangan
daerah. Jika secara acak ia akan memeriksa 5 laporan untuk diperiksa terlebih dahulu, berapakah
peluangnya ia akan memriksa laporan keuangan daerah:
a. Ada 4 laporan keuangan daerah P(X=4)=
b. Kurang dari 3 laporan keuangan daerah: P(X=<3)= P(X≤2)=
C. Lebih dari 3 laporan keuangan daerah: P(X>3)=P(X≤4)=
d. Antara 1 dan 5 laporan keuangan daerah: P(1<x<5)= p(x=2)+p(x=3)+p(x=4)=

3. misalkan peserta suatu seleksi 16 orang, 7 diantaranya pria dan sisanya wanita. Jika diambil
sampel 5 orang untuk diwawancara, tentukan peluangnya yang terpanggil adalah:
a. Hanya paling 2 orang: P(Xp=2)=
b. Paling banyak 3 pria: P(Xp≤3)= P(X=0)+P(X=1)+P(X=2)+P(X=3)=
c. Ada 3 wanita: P(Xw=3)=
d. Paling sedikit 3 wanita: P(Xw≥3)= 1-P(X≤2) ATAU P(X=3)+P(X=4)+P(X=5)=
1-P(X≤2)=
P(X≤2)

DISTRIBUSI BINOMIAL:

misalkan suatu percobaan yang independen satu sama lain dilakukan berulang sebanyak n
percobaan. Diasumsikan percobaan hanya menghasilkan 2 kategori yaitu sukses atau gagal, DENGAN
NILAI:
Peluang sukses= p
peluang gagal=q-1

n
P( X  x)    p x q n  x
 x
dimanan x= 0,1,2,......n
langkah-langkah perhitungan:
1. klik Fx dan pilih kategori statistical
2. klik ok sehingga memunculkan argumen fungsi (untuk memasukan data) sebagai berikut:
*Number_s: banyaknya peristiwa sukses dalam percobaan atau= x (kecil)
*trials: banyaknya percobaan bebas atau yaitu= n
*probability_s: peluang sukses dalam setiap percobaan= p

*cumulative: adalah harus diketik "true" jika yang dihitung bersifat kumulatif atau paling banyak
dengan simbol: P(X≤x) dan harus diketik "false" jika yang dihitung hanya 1 peristiwa atau P=(X=x)
contoh:

1. misalkan peluang satu perusahaan lolos prakualifikasi dalam suatu lelang pekerjaan adalah 0,475.
jika ada 10 perusahaan yang ikut lelang pekerjaan tersebut, berapa peluangnya akan terdapat
perusahaan yang lolos prakualifikasi:
dik: n=10 ; P=0,475
a. Ada 2 perusahaan: P(X=2)=
b. Antara 2 dan 6 perusahaan: P(2<X<6)= P(X=3)+P(X=4)+P(X=5)=
c. Kurang dari 4 perusahaan: P(X<4)=P(X≤3)
d. Paling banyak 6 perusahaan: P(X≤6)=

2. DIK: n= 12 ; P=0,36
a. Sebanyak 6 kali lemparan:
b. Antara 6 dan 10 lemparan: P(X=7)+P(X=8)+P(X=9)=
c. Kurang dari 3 lemparan:
d. Paling banyak 4 lemparan:

3. DIK: n=20 ; P=0,52

a. 8 orang pasien
b. Kurang dari 7 orang pasien
c. Antara 5 dan 8 orang pasien: P(X=6)+P(X=7)=
d. Paling sedikit 11 orang pasien:1- P(X≤10)
P(X=10)
PELUANG DISKRIT
enghitung. Terdiri dari hiper giometrik, binomial dan poisson

ukses sebanyak D. Apa bila diambil sampel acak berukuran "n", maka banyaknya kategori peristiwa sukses dalam sampel sebanyak "x"
geometrik dengan fungsi peluang sbb:

anyak dengan simbol: P(X≤x) dan harus diketik "false" jika yang dihitung hanya 1 peristiwa atau P=(X=x)

0.3083004
0.12451 0.021344 0.00119 0.147036 0.852964

P(X=3)+P(X=4)+P(X=5)= 0.3083 0.12451 0.021344 0.45415

0.021344 0.00119 0.02253

0.08939628
0.60448916
0.99187307
0.38312693 0.297988 0.0894 0.770511

0.40384615
0.02884615 0.201923 0.40385 0.288462 0.92308 0.923077
0.40384615
0.40384615 0.201923 0.02885 0.634615
1
0.36538462

0.0585968
0.1413765 0.223846 0.24303 0.608256
0.21595625
0.86607439

0.1382187
0.0666412 0.023429 0.00586 0.095927
0.13521463
0.55414127

0.10073693
0.03968994
0.02641078 0.057223 0.08363
0.48344276
0.51655724
dalam sampel sebanyak "x" akan berdistribusi peluang hiper

0.147036
DISTRIBUSI PELUANG NORMAL
Adalah distribusi peluang bervariabel acak continue Untuk menggambarkan suatu peristiwa dalam kondisi normal, yang se
Menurut penemunya yaitu "KARL F. GAUSS" Kurva normal di atas mempunyai sifat :
1. simetris terhadap nilai rata rata

3. jumlah atau luas daerah maksimum 1 sehingga luas setengah kurva adalah 0,5
berdasarkan sifat diatas fungsi peluang untuk diastribusi ini adalah

Dengan ketentuan
e= 2,71828
π=3,14
m=rata rata distribusi
s=simpangan baku distribusi

untuk menghitung nilai peluang menggunakan format ini terlalau matematis dan memerlukan langkah yang sulit, sehingga
melalui tranformasi yaitu =

Z=(�−𝜇)/ Z=(𝑉𝑎𝑟𝑖𝑎𝑏𝑒𝑙−𝑅𝑎𝑡𝑎 
� 𝑟𝑎𝑡𝑎 )/█(𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 
𝑏𝑎𝑘𝑢 @)
Dengan demikian perhitungan nilai peluang sebagai luas daerah dibawah kurva dapat menggunakan tabel
langkah langkah perhitungan :
1. STANDARIZED
Adalah untuk mengitung nilai Z secara langsung apabila variabel, rata rata dan simpangan baku di ketahui :
2. NORMS .S.DIST Z=1,96 0.975002
adalah untuk menemukan nilai peluang apabila nilai Z diketshui dengan pilihan kumulatif harus diketik TRUE
3. NORM.S.INV 0.975002 1.96
adalah langkah menghitung nilain Z jika nilai peluang diketahui

Soal 1
usia harapan hidup masyarakat suatu perkotaan diasumsikan berdistribusi normal dengan rata rata 64,7 tahun dan simpang
a. Dibawah 50 tahun
b. Dibawah 75 tahun
c. antara 40 dan 80 tahun
d. Antara 35 dan 45 tahun
e. Lebih dari 70 tahun

penyelesaian :
diketahui m =64,7. =12,4

a. P(X<50)
Standarixed Z = -1.18548
Peluang Z = 0.117913
b. Dibawah 75 tahun
P(X<75)
Standarized Z = 0.830645
Peluang Z = 0.796913

c. Antara 40 dan 80 tahun P(40<X<80) :

Standarized Z1 = -1.99194
standarized Z2= 1.233871
Peluang Z = 0.023189
Peluang Z2= 0.891375
0.868185
d. P(35<X<45):
Standarized Z1 = -2.39516
standarized Z2 = -1.58871

peluang Z1 0.008307
Peluang Z2 0.056063
0.047756

e. P(X>70)
standarized Z1 0.427419
peluang z

2. misalkan pendapatan buruh disuatu wilayah berditribusi normal, dengan reata rata Rp 2.150.000dan simpangan baku Rp
diketahui m =2150000 .,σ =275000

a. P(X<2000000)
standarized Z= -0.54545 -0.54545
peluang z 0.29272 0.29272

b. P( X<2500000) :
Standarized Z 1.272727
Peluang Z 0.898443

c. (P1900000<X<2400000
standarized z1 -0.90909 -0.90909 0.909091
standarizet 2 0.909091 0.181651 0.818349
peluang z 0.181651 0.636698
peluang z2 0.818349
0.636698
alam kondisi normal, yang secara teoritis dapat digambarkan dalam bentuk kurva, sehingga nilai peluang adalah luas daerah di bawah

�(𝑥)=1/
(�√2𝜋) 
𝑒_^(−1/2)

langkah yang sulit, sehingga distribusi normal di standarlisasi oleh "R.A FISCHER" dengan mengambil rata=0 dan simpangan baku =1

nakan tabel

u di ketahui :

s diketik TRUE

rata 64,7 tahun dan simpangan baku 12,4 tahun berapakah peluang usia harapan hidup masyarakat
0.000dan simpangan baku Rp 275000, berapa% buruh diwilayah yang mempunyai pendapatan :

63.66979
dalah luas daerah di bawah kurva

0 dan simpangan baku =1

DISTRIBUSI POISSON
merupakan pengembangan darin distribusi binomial apabila nilai peluangnya terlalu kecil sedangkan banyaknya percobaan
𝑝(�=𝑥)=(𝑒^(−𝜆) 𝜆^�)/𝑥!

Dimana :
e = 2,71828
=n.p adalah rata rata distribusi
X=0,1,2,3.n

Langkah Langkah
1. dari fx dengan pilihan kategori statistika cari poison.dist
2. pada argumen fungsi inputkan : x sebagai banyaknya peristiwa
mean : rata rata distribusi hasil X NP
3. kumulatif yang harus diketik folse jika dihitung 1 peristiwa dan diketik TRUE jika dihitung secara maksimum
P(X=x) 0
P(X<X) 1

contoh
peluang menang suatu undian berhadiah untuk

diketahui :
dik n =1650 p=0,0016

0.012655
ngkan banyaknya percobaan terlalau besar, sehingga perhitungan disederhanakan menggunakan fungsi peluang poison sebagai beriku

ara maksimum
eluang poison sebagai beriku :
Descriptive statistic
Merupakan suatu Summeri output yang berkaitan dengan jenis data perkelompok dan tidak terkelompok
ukuran standar saja untuk memperoleh suatu output dari data, ikuti langkah berikut :
1. dari Tulbar data pilih data analisis dan pilih descriptif statistic
2. siapkan data dalam kolom tergantung banyaknya fariabel
3. dari deskriptif statistic inputkan sel data pada range yang diinginkan
4. tentukan ouput range pada sel kosong yang diinginkan
5. aktivkan summeri statistic dan klik ok

contoh 1 variabel contoh 2 variabel

data
20 Column1 20 34 Column1 Column2
24 24 35
25 Mean 25.375 25 40 Mean 25.375 Mean
30 Standard Error 2.499554 30 28 Standard Error 2.4995535316 Standard E
26 Median 24.5 26 35 Median 24.5 Median
18 Mode 20 18 55 Mode 20 Mode
20 Standard Devia 7.069805 20 20 Standard Deviati 7.0698050084 Standard D
40 Sample Varianc 49.98214 40 24 Sample Variance 49.982142857 Sample Var
Kurtosis 2.077076 Kurtosis 2.0770762181 Kurtosis
Skewness 1.354583 Skewness 1.3545825523 Skewness
Range 22 Range 22 Range
Minimum 18 Minimum 18 Minimum
Maximum 40 Maximum 40 Maximum
Sum 203 Sum 203 Sum
Count 8 Count 8 Count

mean = rata rata hitung

Standart error = kekeliruan baku

median = median
mode = modus
Standart Deviation = simpangan baku
Sampel variance =varian
kurtosis = koef . Keruncingan kurva
skewness =koef. Kemiringan kurva
range = selisihb data terbesar- terkecil
Minimum = data terkecil
maximum= data terbesar
sum= jumlah data
count= banyak data

soal 1
diketahui sebaran data sbb
75 Column1 75 Column1
85 85
54 Mean 68.58333 54 Mean 68.583333333
68 Standard Error 2.344371 68 Standard Error 2.344370892
87 Median 70 87 Median 70
66 Mode 70 66 Mode 70
72 Standard Devia 11.48502 72 Standard Deviati 11.485024906
75 Sample Varianc 131.9058 75 Sample Variance 131.9057971
70 Kurtosis -0.03263 70 Kurtosis -0.032631057
84 Skewness -0.46443 84 Skewness -0.464432242
80 Range 45 80 Range 45
82 Minimum 42 82 Minimum 42
76 Maximum 87 76 Maximum 87
60 Sum 1646 60 Sum 1646
64 Count 24 64 Count 24
50 50
52 52
68 68
70 70
62 62
63 63
71 71
42 42
70 70

75
85
54
68
87
66
72
75
70
84
80
82
76
60
64
50
52
68
70
62
63
71
42
70
 k, dimana data terkelompok selalu menampilkan model pop[ulasi dan nilai keterukuranya sedangkan data tidak berk

33.875
3.805248
34.5
35
10.76287
115.8393
1.444897
0.889633
35
20
55
271
8
 Column1

Mean 68.58333
Standard E 2.344371
Median 70
Mode 70
Standard D11.48502
Sample Var131.9058
Kurtosis -0.03263
Skewness -0.46443
Range 45
Minimum 42
Maximum 87
Sum 1646
Count 24
ranya sedangkan data tidak berkelompok hanya menghasilkan