Makalahstatistikadasar 160314165033
Makalahstatistikadasar 160314165033
STATISTIKA DASAR
Nama :
PENDIDIKAN MATEMATIKA
UNIVERSITAS SRIWIJAYA
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, atas rahmat dan hidayah-
Nyalah sehingga kami dapat menyelesaikan makalah ini.
Kami mengucapkan terima kasih kepada Ibu Dr. Ratu Ilma Indra Putri, M.Si
dan Ibu Puji selaku dosen pembimbing mata kuliah statistika dasar yang telah
memberikan tugas, sehingga dapat menambah wawasan kami serta dapat
memberikanpengetahuan bagi seluruh pembaca.
Kami sangat menyadari dalam penyusunan makalah ini terdapat banyak
kekurangan dan kesalahan.Oleh karena itu, kami sangat mengharapkan kritik dan
sarannya dari Ibu.Sehingga dikemudian hari dapat kami dapat membuat makalah
lebih baik lagi.Semoga makalah ini dapat digunakan dengna baik dan bermanfaat
bagi kita semua.Aamiin.
Penulis
Kelompok 5
ii
DAFTAR ISI
Daftar Isi..................................................................................................................ii
ISI
BAB 1
Pengertian, Jenis Statistika dan Macam-Macam Data .......................................... 5
BAB II
Penyajian Data dan Aplikasi pada Data Penelitian ............................................. 13
BAB III
Daftar Distribusi Frekuensi dan Aplikasi pada Data Penelitian ......................... 23
BAB IV
Ukuran Pemusatan................................................................................................ 34
BAB V
Ukuran Letak dan Ukuran Penyebaran ............................................................... 58
BAB VI
Distribusi Binomial dan Poisson .......................................................................... 65
BABVII
Disrtribusi Normal................................................................................................ 69
BAB VIII
Uji Normalitas dan Homogenitas ......................................................................... 76
BAB IX
Uji Hipotesis......................................................................................................... 90
BAB X
iii
Uji Hipotesis satu Rata-rata.................................................................................. 96
BAB XI
Uji Hipotesis 2 Rata-rata .................................................................................... 102
PENUTUP
Daftar Pustaka...................................................................................................... 110
iv
BAB I
STATISTIKA DAN MACAM-MACAM DATA
B. Pengertian Statistika
Menurut Sujana, statistika merupakan pengetahuan yang
berhubungan dengan cara-cara pengumpuam fakta, pengolahan serta
penganalisanya, penarikan kesimpulan, penyajian dan publikasi dari data-
data yang berbentuk angka
5
II. Jenis-jenis Statistika
A. Statistika Deskriptif
Statistika Deskriptif merupakan statistika yang menggambarkan kegiatan
berupa pengumpulan data, penyusunan data, pengolahan data, dan
penyajian data dalam bentuk tabel, grafik, ataupun diagram agar
memberikan gambaran yang teratur, ringkas, dan jelas mengenai kejadian
suatu peristiwa.
B. Statistika Inferensial
Statistika inferensial merupakan statistika yang berkaitan dengan analisis
data (data dari sampel) yang kemudian digunakan untuk melakukan
peramalan atau penaksiran kesimpulan mengenaidata secara keselurahan
(populasi). Generalisasi tersebut memiliki sifat tidak pasti karena hanya
berdasarkan pada data dari sampel. Oleh sebab itu, dalam statistika induktif
harus didasari dengan teori peluang.
Data kasar diperoleh dari hasil pengukuran suatu variabel pada sampel
yang diambil dari suatu populasi menggunakan teknik pengambilan sampel
tertentu. Langkah-langkah kegiatan dtatistika untuk menangani data kasar
yaitu :
1. Pengumpulan data
2. Pengolahan data
3. Penyajian data dalam bentuk tabel atau grafik
4. Penafsiran sajian data
5. Analisa data
6. Penafsiran dan pengambilan kesimpulan
7. Pemanfaat penafsiran dan kesimpulan untuk penentuan kegiatan
penelitian lebih lanjut
6
Sedangkan untuk nomor 1, 2, 3, 4, 5, 6, dan 7 disebut statistik
inferensial (dengan analisis, generalisasi, dan pengujian hipotesis
b. Data Kontinu
7
Kumpulan angka-angka yang masih dimungkinkan memiliki bilangan
desimal atau pecahan di antara bilangan bulatnya yang banyaknya tak
terhingga, biasanya didapatkan dari proses pengukuran.
Contoh: Mahasiswa FKIP Matematika Indralaya memiliki tinggi badan
rata-rata 156,5 cm.
8
mahasiswa FKIP Matematika tahun ajaran 2013/2014 berdasarkan
ranking.
c. Data interval, yaitu data statistik dimana terdapat jarak yang sama di
antara hal-hal yang sedang diteliti
b. Data sekunder
9
Data sekunder merupakan sumber data penelitian yang
diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh
dan dicatat oleh pihak lain). Data sekunder umumnya berupa bukti, catatan
atau laporan historis yang telah tersusun dalam arsip (data dokumenter)
yang dipublikasikan dan yang tidak dipublikasikan.
Sumber data sekunder, misalnya :
1. BPS
2. Bank Indonesia
3. Diknas
VI. Istilah dalam Statistika
a. Obyek
Benda hidup atau mati yg diuji unsur-unsur, sifat dan kelakuannya melalui
pengamatan, pengukuran dan penilaian guna mendpt info atau nilai-nilai yg
berguna mengenai benda tsb
b. Variabel
Suatu sifat dari obyek atau unsur dari obyek yg dpt diamati atau diukur shg
menghasilkan nilai, ukuran atau criteria lainyg dpt bervariasi
c. Variate
Angka/nilai ukuran/criteria lain yg dicapai suatu variabelpada suatu
individu atau unit statistic
d. Variasi
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu variabel pada
populasi atau sampel
e. Variabilitas
Kemungkinan utk bervariasi dr nilai suatu variable pd suatu populasi atau
sample
f. Parameter
10
Suatu variabel terukur yg digunakan sbg criteria utk mengevaluasi suatu
populasi atau system
g. nilai parametrik
Suatu nilai dari suatu parameter yg diperoleh dariperhitungan atau data
sensus, masih harus di analisis.
h. Nilai Statistik
Suatu nilai dari suatu parameter yg diperoleh dariperhitungan atau data
sensus.
11
KESIMPULAN
12
BAB II
13
a. Judul Tabel ditulis di atas simetris sumbu y dengan huruf capital tanpa
penggalan kata secara singkat dan jelas tentang apa, macam atau
klasifikasi, dimana, kapan dan apabila ada cantumkan satuan atau unit
data yang digunakan.
b. Judul kolom ditulis singkat, jelas, dan diupayakan jangan memutus
(memenggal) kata.
c. Sel-sel tempat penulisan angka-angka atau data.
d. Catatan ditulis di bagian kiri bawah berguna untuk mencatat hal-hal
penting dan perlu diberikan. Pada bagian tersebut juga terdapat sumber
untuk menjelaskan dari mana data tersebut dikutip, kalau tidak ada
berarti pelopor ikut di dalamnya.
e. Selain 4 bagian tersebut juga harus diperhatikan yaitu nama sebaiknya
disusun sesuai abjad, waktu secara berurutan (kronologis),
menempaatkan data kategori disusun secara sistematis.
Sumber : www.google.com
14
pengelompokkan kelas-kelasnya berdasarkan kumulatif. Distribusi numerik
adalah pengelompokkan data yang kelas-kelasnya disusun secara interval
didasarkan pada angka-angka (kuantitatif). Tabel distribusi frekuensi terdiri
atas beberapa bentuk yaitu :
a. Distribusi Frekuensi Relatif
Distribusi frekuensi relatif ialah distribusi frekuensi yang nilai frekuensinya
tidak dinyatakan dalam angka mutlak atau nilai mutlak, tetapi setiap
kelasnya dinyatakan dalam bentuk angka persentase (%) atau angka relatif.
Contoh :
b. Distribusi Frekuensi Kumulatif
Distribusi frekuensi kumulatif ialah distribusi frekuensi yang nilai
frekuensinya (f) diperoleh dengan cara menjumlahkan frekuensi demi
frekuensi.
1. Distribusi frekuensi kumulatif kurang dari
2. Distribusifrekuensi kumulatif lebih dari
c. Distribusi Kumulatif Relatif
Distribusi frekuensi kumulatif relatif ialah distribusi frekuensi yang mana
nilai frekuensi kemulatif diubah menjadi frekuensi relatif atau persentase.
2.1.Histogram
Histogram ialah grafik yang menggambarkan suatu distribusi frekuensi
dengan bentuk beberapa segi empat. Contoh :
GRAFIK HISTOGRAM
15
4
3.5
2.5
1.5
0.5
0
B C D E F
2.2.Poligon
Poligon frekuensi ialah grafik garis yang menghubungkan nilai tengah tiap
sisi atas yang berdekatan dengan nilai tengah jarak frekuensi mutlak
masing- masing. Contoh :
GRAFIK POLIGON
20
15
frekuensi -
10
0
62 67 72 77 82 87 92
2.3.Ogive
Ogive ialah distribusi frekuensi kumulatif yang menggambarkan
diagramnya dalam sumbu tegak dan mendatar atau eksponensial. Contoh :
GRAFIK OGIVE
Nilai Ujian Matematika Kelas X
16
SMA N 1 Bayung Lencir
80
70
60
50 f (kumulatif
kurang dari) -
40
30
f (kumulatif lebih
20 dari) -
10
0
60 65 70 75 80 85 90 95
Diagram Batang
Nilai Ujian MTK kelas X
SMAN 1 Bayung Lencir
25
20
15
10 Frekuensi
5
0
60-64 65-69 70-74 75-79 80-84 85-89 90-94
3.2.Diagram Garis
17
Diagram garis digunakan untuk menggambarkan keadaan yang
serba terus menerus.
Diagram Garis
Nilai Ujian Matematika Kelas X
SMA N 1 Bayug Lencir
25
20
15
10 Frekuensi
5
0
60-64 65-69 70-74 75-79 80-84 85-89 90-94
3.3.Diagram Lambang
Diagram lambang atau simbol ialah suatu diagram yang
menggambarkan simbol-simbol dari data sebagai alat visual untuk orang
awam.
Grafik Nilai Geometri FKIP Matematika Unsri Angkatan 2014
NILAI
A
B
C
D
18
Diagram Lingkaran
Nilai ujian Matmatika kelas X
SMA N 1 Bayung Lencir
3%
6% 60-64
8%
10% 65-69
70-74
21%
75-79
23%
80-84
85-89
29%
90-94
6% Diagram pastel
3%
Nilai Ujian Matematika Kelas X
SMA N 1 Bayung Lencir
10%
8% 60-64
65-69
21% 70-74
23%
75-79
80-84
29%
85-89
3.5.Diagram Peta
Diagram peta yaitu diagram yang melukiskan fenomena atau keadaan
dihubungkan dengan tempat kejadian. Contoh :
DIAGRAM PETA
19
3.6.Diagram Pencar (titik)
Diagram pencar (titik) ialah diagram yang menunjukkan gugusan
titik-titik setelah garis koordinat sebagai penghubung dihapus. Contoh :
3.7.Diagram Campuran
Diagram Campuran ialah diagaram yang disajikan dalam bentuk
gabungan dari beberapa dimensi dalam satu penyajian data. Contoh :
20
21
KESIMPULAN
Penyajian data adalah salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan sesuai dengan tujuan yang diinginkan. Penyajian
data bertujuan memberikan gambaran yang sistematis tentang peristiwa-peristiwa
yang merupakan hasil penilitian/observasi, data lebih cepat ditangkap dan
dimengerti, memudahkan dalam analisis data, membuat proses pengambilan
keputusan kesimpulan lebih tepat, cepat dan akurat.
Secara umum ada beberapa cara penyajian data statistic yang sering
digunakan yaitu, tabel, grafik, dan diagram. Penyajian data berbentuk tabel terdiri
atas : table biasa, table kontigensi, dan table distribusi frekuensi. Penyajian data
berbentuk grafik terdiri atas : grafik histogram, polygon, dan ogive. Penyajian data
berbentuk diagram terdiri atas : diagram batang, diagram garis, diagram lambang,
diagram lingkaran dan pastel, diagram peta, diagram pencar, dan diagram
campuran.
22
BAB III
DISTRIBUSI FREKUENSI & APLIKASI PADA DATA
PENELITIAN
23
a. Distribusi Frekuensi Numerikal
Distribusi frekuensi numeric aladalah pengelompokan data berdasarkan
angka-angka dan biasanya disajikan dengan grafik histogram.Misalnya
data tunggal.
b. Distribusi Frtekuensi Kategorikal / Kategoris
Distribusi frekuensi kategori adalah pengelompokan data berdasarkan
kategori-kategori tertentu, biasanya distribusi frekuensi disajikan dengan
grafik batang, lingkaran, dan gambar. Misalnya data berkelompok.
2.2. Ditinjau dari nyatatidaknyafrekuensi
a. Distribusi frekuensi absolut
Distribusi frekuensi absolute adalah suatu jumlah bilangan yang
menyatakan banyaknya data pada suatu kelompok tertentu. Distribusi ini
disusun berdasarkan data apa adanya, sehingga tidak menyulitkan peneliti
dalam membuat distribusi ini
b. Distribusi frekuensi relatif
Distribusi frekuensi relative adalah suatu jumlah presentase yang
dinyatakan banyaknya data pada suatu kelompok tertentu. Dalam hal ini
pembuat distribusi terlebih dahulu harus dapat menghitung persentase
pada masing-masing kelompok. Distribusi akan memberikan informasi
yang lebih jelas tentang posisi masing-masing bagian dalam keseluruhan,
karena kita dapat melihat perbandingan antara kelompok yang satudengan
kelompok yang lainnya. Walaupun demikian, kita masih belum
memperoleh gambaran yang jelas tentang penyebab adanya perbedaan
tersebut.. Berikut adalah rumus mencari distribusi frekuensi relatif:
𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠
frekuensirelatif = ×100
𝑛
24
kelompok sebelumnya sampai kelompok tersebut. Frekuensi kumulatif
dibagi menjadi dua, yaitu kurang dari dan lebih dari.
3. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
1. Class (Kelas)
Kelas adalah penggolongan data yang dibatasi dengan nilai terendah dan nilai
tertinggi yang masing-masing dinamakan batas kelas. Batas kelas (Class
Limit) adalah nilai batas dari pada tiap kelas dalam sebuah distribusi, terbagi
menjadi dua, yaitu:
a. stated class limit adalah batas-batas kelas yang tertulis dalam distribusi
frekuensi, terdiri dari Lower Class Limit (batas bawah kelas) dan upper
class limit (batas atas kelas).
b. class boundaries (tepikelas) adalah batas kelas yang sebenarnya, terdiri
dari lower class boundary (batas bawah kelas yang sebenarnya) dan
upper class boundary (batas atas kelas yang sebenarnya).
2. Class interval / panjang kelas merupakan lebar dari sebuah kelas dan dihitung
dari perbedaan antara kedua tepi kelasnya.
3. Mid point / class mark / titik tengah merupakan rata-rata hitung dari kedua
batas kelas nya atau tepi kelasnya.
K = 1 + 3,3 logn
25
Tbk = Bbk – 0,5
Tak = Bak + 0,5
Panjang interval kelas = Tak – Tbk
Keterangan : Tbk = tepi bawah kelas
Tak = tepi atas kelas
Bbk = batas bawah kelas
Bak = batas atas kelas
Contoh :
Diberikan data mentah tentang gaji bulanan 50 pegawai honorer dalam ribuan
rupiah.
138 164 150 132 144 125 149 157 118 124
144 152 148 136 147 140 158 146 128 135
168 165 126 154 138 118 178 163 137 143
135 140 153 135 147 142 173 146 146 150
142 150 135 156 145 145 161 128 155 162
Dari data diatas, buatlah daftar distribusi frekuensi dari gaji tersebut.
Untuk menjawab soal diatas, langkah – langkah yang perlu dilakukan adalah
sebagai berikut.
1. Menentukan Range (R).
Range dapat diartikan sebagai jarak antara data terkecil sampai terbesar atau
selisih antara data terbesar sampai terkecil. Dari contoh diatas :
26
Range (R) = Data terbesar – data terkecil
= 178 – 118
= 60
Ada cara lain untuk menentukan jumlah kelas, yaitu dengan rumus
STURGES, yang formulasinya sebagai berikut :
3. Menentukan kelas.
Dalam menentukan kelas, diharapkan semua data yang ada dapat masuk
keseluruhan. Data terkecil harus masuk pada kelas pertama, dan data terbesar dapat
masuk pada kelas terakhir.Dari persoalan diatas, dapat dibuat interval – interval
kelas sebagai berikut.
27
Kelas I = dimulai dengan 118, mengingat panjang kelas = 9 maka :
Kelas II = dimulai dengan 127
Kelas III = dimulai dengan 136
Kelas IV = dimulai dengan 145
Kelas V = dimulai dengan 154
Kelas VI = dimulai dengan 163
Kelas VII = dimulai dengan 172
GAJI
KELAS TALLY FREKUENSI
( DalamRibuan )
I 118 – 126 //// 5
28
TOTAL 50
FREKUENSI
FREKUENSI
GAJI FREKUENSI KUMULATIF
KELAS FREKUENSI RELATIF
(Ribuan ) KUMULATIF RELATIF
(%)
(%)
I 118 – 126 5 0 10 0
II 127 – 135 7 12 14 24
IV 145 – 153 14 37 28 74
V 154 – 162 7 44 14 88
VI 163 - 171 4 48 8 96
TOTAL 50 100
29
Contoh :
≤ 𝟏𝟕, 𝟓 0 0
30
Berikut ogif kumulatif kurang dari untuk nilai MID semester Matemtika kelas XII
IPA 3 SMA Tanjung Raja yang diambil dari tabel distribusi frekuensi ditambah
satu kolom frekuensi menurun dengan menggunakan batas kelas.
35
30
25
20 OGIF FREKUENSI
KUMULATIF ≤
15
10
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
≥ 87,5 0 0
31
Berikut ogif kumulatif lebih dari untuk nilai MID semester Matemtika kelas XII
IPA 3 SMA Tanjung Raja Raja yang diambil dari table distribusi frekuensi
ditambah satu kolom frekuensi menurun dengan menggunakan batas kelas.
OGIF KUMULATIF
40
35
30
25
10
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
32
KESIMPULAN
33
BAB IV
UKURAN PEMUSATAN DAN UKURAN PENYEBARAN
x̅ = rata-rata
fi = banyaknya data
Contoh
Tentukan nilai rata-rata mata pelajaran matematika bimbingan belajar kelas
spesial yang terdiri dari 10 siswa dengan nilai 65, 73, 85, 70, 75, 90, 93, 80,
65, 73
Jawab:
∑n
i=1 xi
̅
X= ∑ fi
34
65+65+70+73+73+75+80+85+90∓93
=
10
769
=
10
= 76,9
Jadi nilai rata-rata mata pelajaran matematika bimbingan
belajar kelas spesial yang terdiri dari 10 siswa adalah 76,9
Rata-rata Ukur
Untuk data tunggal, rata-rata ukur disimbolkan dengan G
dirumuskan dengan:
atau n = banyaknya
data
∑ log (xi )
Log (G) = xi = data ke-i
n
Contoh
Hitunglah rata-rata ukur dari data 2, 4, 8
Jawab:
log(2) +log (4)+log(8)
G = 3√(2)(4)(8) Log (G) =
3
3
G = √64 atau Log (G) =
log (2) +log(22 )+log(23 )
3
G=4 Log(G) = log(4)
G=4
35
n
H=
1
∑ni=1
xi
Keterangan :
H = rataan harmonis
n = banyaknya data
xi = data ke-i
Contoh
Nilai ulangan harian 4 orang siswa adalah 70, 75, 78, 80.
Tentukanlah rata-rata harmonisnya !
Jawab :
n
H=
1
∑ni=1
xi
4
H=
1 1 1 1
+ + +
70 75 78 80
4
H=
0,0142 + 0,0133 + 0,0128 + 0,0125
4
H=
0,0528
H = 75,75
b. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan
(disusun) dari data terkecil sampai data terbesar
36
𝑀𝑒 = 𝑥(𝑛+1)
2
Contoh
1. Diketahui data sebagai berikut 65, 70, 90, 40, 35, 45, 70, 80, 50.
Tentukan median dari data tersebut !
Jawab:
Data diurutkan menjadi : 35, 40, 45, 50, 65, 70, 70, 80, 90
Jumlah data adalah 9, berjumlah ganjil. Jadi menggunakan
rumus mencari median untuk data berjumlah ganjil.
𝑀𝑒 = 𝑥(𝑛+1)
2
𝑀𝑒 = 𝑥(9+1)
2
𝑀𝑒 = 𝑥5
𝑀𝑒 = 65
Jadi median dari data tersebut adalah 65
37
𝑥10 + 𝑥(10+1)
2 2
𝑀𝑒 =
2
𝑥5 + 𝑥6
𝑀𝑒 =
2
5+6
𝑀𝑒 =
2
11
𝑀𝑒 =
2
𝑀𝑒 = 5,5
Jadi median untuk data tersebut adalah 5,5
c. Modus
Modus adalah data yang paling sering muncul atau nilai data
yang frekuensinya paling besar.
Data yang belum dikelompokkan bisa memiliki satu modus,
dua modus, atau mungkin tidak mempunyai modus. Data yang
memiliki satu modus disebut monomodus, sedangkan data yang
memiliki dua modus disebut bimodus.
Contoh
Tetukan modus dari data berikut ini 5, 7, 7, 6, 8, 6, 6, 5, 8, 6
Jawab :
Data diurutkan menjadi : 5, 6, 6, 6, 6, 7, 7, 8, 8
Mo = 6 karena nilai 6 muncul sebanyak 4 kali
Jadi modus dari data tersebut adalah 6
38
Rata-rata Hitung
Rumus rata-rata hitung untuk data berkelompok
∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
∑𝑛1 𝑓𝑖
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang
siswa. Tentukanlah rata-rata hitung nya!
Nilai Frekuensi
52 – 58 6
59 – 65 2
66 – 72 7
73 – 79 8
80 – 86 20
87 – 93 4
94 – 100 3
Jumlah 50
Jawab :
Untuk mencari rata-rata hitung , perlu ditambahkan nilai tengah
Nilai xi fi xi fi
52 – 58 55 6 330
59 – 65 62 2 124
66 – 72 69 7 483
73 – 79 76 8 608
80 – 86 83 20 1660
87 – 93 90 4 360
94 – 100 97 3 291
Jumlah 50 3856
39
∑𝑛𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
∑𝑛1 𝑓𝑖
∑7𝑖=1 𝑓𝑖 𝑥𝑖
𝑥̅ =
∑71 𝑓𝑖
3856
𝑥̅ =
50
𝑥̅ = 77,12
Rata-rata Ukur
Rata-rata ukur disimbolkan dengan G. Untuk data berkelompok
dirumuskan dengan:
∑(𝑓𝑖 𝑙𝑜𝑔 𝑥𝑖 )
𝐿𝑜𝑔 𝐺 =
∑ 𝑓𝑖
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang
siswa. Tentukanlah rata-rata ukur nya!
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
80 – 86 8
87 – 93 4
94 – 100 3
Jumlah 50
Jawab :
Nilai fi xi Log xi fi log xi
40
52 – 58 2 55 1,7403 3,4806
59 – 65 6 62 1,7924 10,7544
66 – 72 7 69 1,8388 12,8716
73 – 79 20 76 1,8808 37,6160
80 – 86 8 83 1,9190 15,3520
87 – 93 4 90 1,9542 7,8168
94 – 100 3 97 1,9868 5,9601
Jumlah 50 93,8515
∑(𝑓𝑖 𝑙𝑜𝑔 𝑥𝑖 )
𝐿𝑜𝑔 𝐺 =
∑ 𝑓𝑖
93,8515
𝐿𝑜𝑔 𝐺 =
50
𝐿𝑜𝑔 𝐺 = 1,8770
𝐺 = 75,4
Jadi nilai rata-rata ukur dari nilai matematika dari 50 orang
siswa adalah 75,4
Rata-rata Harmonis
Rata-rata ukur disimbolkan dengan H. Untuk data berkelompok
dirumuskan dengan:
𝑛
̂=
𝐻
𝑓
∑ 𝑖
𝑥𝑖
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang
siswa. Tentukanlah rata-rata harmonis nya!
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
41
80 – 86 8
87 – 93 4
94 – 100 3
Jumlah 50
Jawab :
Nilai fi xi fi / xi
52 – 58 2 55 0,1361
59 – 65 6 62 0,0968
66 – 72 7 69 0,1014
73 – 79 20 76 0,2631
80 – 86 8 83 0,0964
87 – 93 4 90 0,0444
94 – 100 3 97 0,0309
Jumlah 50 0,6694
𝑛
̂=
𝐻
𝑓
∑ 𝑖
𝑥𝑖
50
̂=
𝐻
0,6694
̂ = 74,69
𝐻
b. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan
(disusun) dari data terkecil sampai data terbesar.
1
𝑛−𝐹
𝑀𝑒 = 𝑏 + 𝑝 (2 )
𝑓
42
Keterangan
b = batas bawah kelas median
p = panjang kelas
n = banyaknya data
F= jumlah frekuensi sebelum kelas median
f = frekuensi kelas median
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa.
Tentukanlah median dari data terebut
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
80 – 86 8
87 – 93 4
94 – 100 3
Jumlah 50
Jawab :
Jumlah data (n) = 50
Median terlatak pada kelas 73-79
72+73
b= = 72,5
2
p=7
F = (2+6+7) = 15
f = 20
1
𝑛−𝐹
𝑀𝑒 = 𝑏 + 𝑝 (2 )
𝑓
43
1
50 − 15
𝑀𝑒 = 72,5 + 7 (2 )
20
𝑀𝑒 = 72,5 + 7 (0,5)
𝑀𝑒 = 76
Jadi nilai modus dari nilai matematika dari 50 orang siswa adalah
76
c. Modus
Modus adalah data yang paling sering muncul atau nilai data
yang frekuensinya paling besar.
𝑏1
𝑀𝑜 = 𝑏 + 𝑝
𝑏1 +𝑏2
Keterangan :
Mo = Modus
b = batas bawah kelas modus
p = panjang kelas
𝑏1 = frekuensi kelas modus dikurangi frekuensi kelas sebelumnya
𝑏2 = frekuensi kelas modus dikurangi frekuensi kelas berikutnya
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa.
Tentukanlah modus dari data terebut!
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
80 – 86 8
44
87 – 93 4
94 – 100 3
Jumlah 50
Jawab :
Frekuensi terbanyak terlatak pada kelas 73-79, berarti
modusnya terletak pada kelas 73-79.
72+73
b= = 72,5
2
p=7
𝑏1 = 20 – 7 = 13
𝑏2 = 20-8 = 12
𝑏1
𝑀𝑜 = 𝑏 + 𝑝
𝑏1 +𝑏2
13
𝑀𝑜 = 72,5 + 7
13 + 12
𝑀𝑜 = 72,5 + 3,64
𝑀𝑜 = 76,14
45
3( 𝑛 + 1)
𝐿𝑒𝑡𝑎𝑘 𝑄3 =
4
Contoh
Diketahui data sebagai berikut 2, 4, 3, 3, 6, 5, 9 . tentukan 𝑄1 , 𝑄2 , 𝑄3
!
Jawab :
Data diurutkan menjadi 2, 3, 3, 4, 5, 6, 9
𝑛+1
𝐿𝑒𝑡𝑎𝑘 𝑄1 = 4
7+1
𝐿𝑒𝑡𝑎𝑘 𝑄1 =
4
𝐿𝑒𝑡𝑎𝑘 𝑄1 = 2
Artinya 𝑄1 terletak pada data ke-2 dari data yang sudah
diurutkan, yaitu 3
2 ( 𝑛+1)
𝐿𝑒𝑡𝑎𝑘 𝑄2 = 4
2( 7 + 1)
𝐿𝑒𝑡𝑎𝑘 𝑄2 =
4
𝐿𝑒𝑡𝑎𝑘 𝑄2 = 4
Artinya 𝑄2 terletak pada data ke-4 dari data yang sudah
diurutkan, yaitu 4
3 ( 𝑛+1)
𝐿𝑒𝑡𝑎𝑘 𝑄3 =
4
3( 7 + 1)
𝐿𝑒𝑡𝑎𝑘 𝑄3 =
4
𝐿𝑒𝑡𝑎𝑘 𝑄3 = 6
Artinya 𝑄3 terletak pada data ke-6 dari data yang sudah
diurutkan, yaitu 6
b. Desil
Desil merupakan sekumpulan data yang dibagi menjadi 10 bagian
sama banyak
𝑖
𝐷𝑖 = ( 𝑛 + 1)
10
46
Contoh
Diketahui data 6, 7, 9, 4, 3, 4, 7, 8, 5, 7. Tentukan D7
Jawab :
Data diurutkan menjadi 3, 4, 4, 5, 6, 7, 7, 7, 8, 9.
𝑖
𝐷𝑖 = ( 𝑛 + 1)
10
7
𝐷7 = (10 + 1)
10
𝐷7 = 7,7
Artinya letak nilai D7 antara data ke 7 dan 8
Besar nilai D7 = 7 + 0,7 (7-7)
Besar nilai D7 = 7
c. Persentil
Persentil adalah nilai yang membagi data menjadi seratus bagian
sama setelah data disusun dari yang terkecil sampai terbesar
𝑖
𝑃𝑖 = ( 𝑛 + 1)
100
Contoh
Diketahui data 6, 7, 9, 4, 3, 4, 7, 8, 5, 7. Tentukan P 20
Jawab :
Data diurutkan menjadi 3, 4, 4, 5, 6, 7, 7, 7, 8, 9.
𝑖
𝑃𝑖 = ( 𝑛 + 1)
100
20
𝑃20 = (10 + 1)
100
𝑃20 = 2,2
Artinya letak nilai P20 antara data ke 2 dan 3
Besar nilai P20 = 4 + 0,2 ( 4-4 )
Besar nilai P20 = 4
Contoh
Tentukan 𝑄1 , 𝑄2 , 𝑄3 dari data berikut !
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
80 – 86 8
87 – 93 4
94 – 100 3
Jumlah 50
1
𝑛−𝐹
4
𝑄1 = 𝑏 + 𝑝
𝑓
1
50 − 8
𝑄1 = 65,5 + 7 4
7
𝑄1 = 65,5 + 5,5
𝑄1 = 70
1
𝑛−𝐹
2
𝑄2 = 𝑏 + 𝑝
𝑓
48
1
50 − 15
𝑄2 = 72,5 + 7 2
20
𝑄2 = 72,5 + 3,5
𝑄2 = 76
3
𝑛−𝐹
4
𝑄3 = 𝑏 + 𝑝
𝑓
3
50 − 35
𝑄3 = 79,5 + 7 4
8
𝑄3 = 79,5 + 2,2
𝑄3 = 81,7
b. Desil (D)
Untuk data berkelompok, desil dirumuskan
𝑖
𝑛−𝐹
𝐷𝑖 = 𝐵𝑏 + 𝑝 [10 ]
𝑓𝐷1
Keterangan
i = 1,2,3,....9
Bb = batas bawah kelas interval yang mengandung Di
p = panjang kelas
n = banyak data
F = Frekuensi kumulatif seebelum Di
𝑓𝐷1 = Frekuensi kelas interval yang mengandung Di
c. Persentil (P)
Untuk data berkelompok, persentil dirumuskan
𝑖
𝑛−𝐹
𝑃𝑖 = 𝐵𝑏 + 𝑝 [100 ]
𝑓𝐷1
49
Keterangan
i = 1,2,3,....9
Bb = batas bawah kelas interval yang mengandung Pi
p = panjang kelas
n = banyak data
F = Frekuensi kumulatif seebelum Pi
𝑓𝐷1 = Frekuensi kelas interval yang mengandung Pi
Contoh
Perhatikan data berkelompok berikut , hitunglah P 10
Nilai Frekuensi
52 – 58 2
59 – 65 6
66 – 72 7
73 – 79 20
80 – 86 8
87 – 93 4
94 – 100 3
Jumlah 50
Jawab
𝑖
𝑛−𝐹
𝑃𝑖 = 𝐵𝑏 + 𝑝 [100 ]
𝑓𝐷1
10
50 − 2
𝑃10 = 58,5 + 7 [ 100 ]
6
50
A. Pengertian Ukuran Penyebaran
Ukuran penyebaran adalah suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau
seberapa besar penyimpangan nilai- nilai data dengan nilai pusatnya.
Keterangan
RAK = Rentangan antar kuartil
Q3 = kuartil ke 3
Q1 = kuartil ke 1
3. Simpangan Rata-rata
∑𝒏𝒊=𝟏|𝒙𝒊 − 𝒙
̅|
𝑺𝑹 =
𝒏
Keterangan
SR = Simpangan rata-rata
x𝑖 = Data ke-i
𝑥̅ = Rataan hitung
n = Banyak data
4. Simpangan Baku
a. Untuk Data Tunggal
∑𝒏𝒊=𝟏|𝒙𝒊 − 𝒙
̅|𝟐 ∑𝒏𝒊=𝟏|𝒙𝒊 − 𝒙
̅|𝟐
𝑺=√ 𝑺=√
𝒏 𝒏−𝟏
51
Keterangan
s = Simpangan baku
xi = data ke-i
n = jumlah data
(∑ 𝒇𝒊 𝒙𝒊 )𝟐
∑ 𝒇𝒊 𝒙𝟐𝒊 −
∑ 𝒇𝒊
𝑺= √ −𝟏
∑ 𝒇𝒊
Keterangan
s = Simpangan baku
𝑓𝑖 = Frekuensi ke-i
𝑥̅ = Rata-rata
xi = Titik tengah data ke-i
5. Varians
𝟐
∑𝒏𝒊=𝟏|𝒙𝒊 − 𝒙
̅|𝟐
𝑺 =
𝒏
6. Angka Baku
Angka baku adalah perubahan yang dipergunakan untuk
membandingkan dua buah keadaan atau lebih.
𝒙−𝒙̅
𝒁=
𝑺
Keterangan
Z = Angka baku
xi = data ke-i
𝑥̅ = rata-rata
s = simpangan baku
Contoh
Diketahui nilai ujian semester statistika kelas IV sebagai berikut
52
90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Tentukan :
a. R
b. SR
c. Simpangan baku
Jawab :
a. Data diurutkan terlebih dahulu
50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Berdasarkan data diatas, bahwa nilai terbesarnya adalah 100
sedangkan nilai terkecil adalah 50.
𝑹 = 𝑿 𝒎𝒂𝒙 − 𝑿 𝒎𝒊𝒏
𝑹 = 𝟏𝟎𝟎 − 𝟓𝟎
𝑹 = 𝟓𝟎
Jadi, rentangan nilai ujian semester statistika kelas IV adalah 50.
b. Untuk mempermudah mencari simpangan rata-rata, digunakan
tabel
Nilai Ujian Semester Statistika kelas IV
Nilai (xi) Rata-rata (𝑥̅ ) |𝑥 𝑖 − 𝑥̅|
Jumlah data (n) = 10
50 27,5
70 7,5
70 7,5
70 7,5
75 2,5
77,5
80 2,5
80 2,5
90 12,5
90 12,5
100 22,5
∑ |𝑥 𝑖 − 𝑥̅|
𝑆𝑅 =
𝑛
53
105
𝑆𝑅 = = 10,5
10
Jadi, simpangan rata-rata dari data diatas adalah 10,5
90 12,5 156,25
90 12,5 156,25
100 22,5 156,25
∑ |𝑥 𝑖 − 𝑥̅|2
𝑠= √
𝑛
1412,5
𝑠=√ = 11,8
10
Jadi simpangan baku nya adalah 11,
Contoh
Diketahui sebuah data ditribusi berikut (Nilai Ujian Statistika kelas XI)
Nilai (xi) Frekuensi (fi)
60-64 2
65-69 6
70-74 15
54
75-79 20
80-84 16
85-89 7
90-94 4
∑ 𝑓 = 70
Tentukan
a. Simpangan rata-rata
b. Simpangan baku
Jawab:
Nilai Frekuensi T.Tengah
fi.x (|𝑥 𝑖 − 𝑥̅|) fi.(|𝑥 𝑖 − 𝑥̅|) (|𝑥 𝑖 − 𝑥̅|)2 f. |𝑥 𝑖 − 𝑥̅|
(xi) (fi) (x)
60-64 2 62 124 15,64 31,28 244,6 489,2
65-69 6 67 402 10,64 63,84 113,2 679,2
70-74 15 72 1080 5,64 84,6 31,8 477
75-79 20 77 1540 0,64 12,8 0,4 8
80-84 16 82 1312 4,36 69,76 19 304
85-89 7 87 609 9,36 65,52 87,6 613,2
90-94 4 92 368 14,36 57,44 206,2 824,8
∑ 𝑓𝑖𝑥
Rata-rata (𝑥̅ ) =
∑ 𝑓𝑖
5435
𝑥̅ = = 77,6
70
a. Simpangan rata-rata
∑ 𝑓𝑖|𝑥 𝑖 − 𝑥̅|
𝑆𝑅 =
∑ 𝑓𝑖
385,24
𝑆𝑅 = = 5,5
70
Jadi, simpangan rata-rata dari data tersebut adalah 5,5
b. Simpangan baku
̅) 𝟐
∑ 𝒇𝒊 (𝒙𝒊 − 𝒙
𝒔= √
∑ 𝒇𝒊
55
𝟑𝟑𝟗𝟓, 𝟒
𝒔= √ = 𝟔, 𝟗
𝟕𝟎
56
KESIMPULAN
Ukuran pemusatan adalah nilai tunggal dari data yang dapat memberikan
gambaran yang lebih jelas dan singkat tentang pusat data yang juga mewakili
seluruh data. Terdiri dari rata-rata hitung, rata-rata ukur, rata-rata harmonis, modus
dan median.
57
BAB V
UKURAN KERUNCINGAN
1. Kurva Leptokurtik
Kurva leptokurtik adalah kurva distribusi yang sangat
runcing dan nilai-nilai datanya sangat terpusat di sekitar nilai
rata-rata. Perhatikan gambar di bawah :
2. Kurva Mesokurtik
Kurva mesokurtik adalah kurva yang kemiringannya
sedang dan merupakan penggambaran dari suatu distribusi
normal. Perhatikan gambar di bawah :
58
Gambar Kurva Mesokurtik
3. Kurva Platikurtik
Kurva platikurtik adalah kurva yang betuknya mendatar
dan nilai-nilai datanya tersebar secara merata sampai jauh
dari rata-ratanya. Perhatikan gambar di bawah :
59
𝑛
𝑚4 1 (𝑥𝑖 − 𝑥̅ )4
𝛼4 = 4 = ∑
𝑆 𝑛 𝑆4
𝑖=1
Keterangan :
𝛼4 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠
𝑥𝑖 = 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑡𝑎 𝑘𝑒 𝑖
𝑥̅ = 𝑁𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
𝑛 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑑𝑎𝑡𝑎
𝑆 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑠𝑡𝑎𝑛𝑑𝑎𝑟
2. Data Kelompok
1 𝑛 4
𝑚4 𝑛 ∑𝑖=1(𝑓𝑖 (𝑥𝑖 − 𝑥̅ ) )
𝛼4 = 4 =
𝑆 𝑆4
Keterangan :
𝛼4 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠
𝑥𝑖 = 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑡𝑎 𝑘𝑒 𝑖
𝑥̅ = 𝑁𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
𝑓𝑖 = 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠 𝑘𝑒 − 𝑖
𝑛 = 𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑑𝑎𝑡𝑎
𝑆 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑠𝑡𝑎𝑛𝑑𝑎𝑟
Contoh :
60
Diketahui data kunjungan ke Perpustakaan di SMU “H” selama 100
hari adalah sebagia berikut
Kelas Frekuensi
1-5 1
6-10 7
11-15 12
16-20 20
21-25 24
26-30 16
31-35 11
36-40 6
41-45 3
Jumlah 100
Jawab :
Kelas xi ci fi ci fi
1-5 3 -4 1 -4
6-10 8 -3 7 -21
11-15 13 -2 12 -24
16-20 18 -1 20 -20
21-25 23 0 24 0
26-30 28 1 16 16
31-35 33 2 11 22
36-40 38 3 6 18
41-45 43 4 3 12
61
Jumlah 100 -1
Pertama tentukan rata-rata data tersebut
𝒙𝟎 = 𝟐𝟑
P= 5
∑ 𝒄 𝒊 𝒇𝒊
𝒄̅ =
∑ 𝒇𝒊
−𝟏
𝒄̅ = = −𝟎, 𝟎𝟏
𝟏𝟎𝟎
̅ = 𝒙𝟎 + 𝑷𝒄̅
𝒙
̅ = 𝟐𝟑 + 𝟓 (−𝟎, 𝟎𝟏) = 𝟐𝟑 − 𝟎, 𝟎𝟓
𝒙
= 𝟐𝟐, 𝟗𝟓 (𝒅𝒊𝒃𝒖𝒍𝒂𝒕𝒌𝒂𝒏 𝒎𝒆𝒏𝒋𝒂𝒅𝒊 𝟐𝟑)
Kelas xi (𝒙𝒊 − 𝒙
̅) ̅ )𝟐
(𝒙𝒊 − 𝒙 fi ̅)𝟐 𝐟𝐢
(𝒙𝒊 − 𝒙
1-5 3 -20 400 1 400
6-10 8 -15 225 7 1575
11-15 13 -10 100 12 1200
16-20 18 -5 25 20 500
21-25 23 0 0 24 0
26-30 28 5 25 16 400
31-35 33 10 100 11 1100
36-40 38 15 225 6 1350
41-45 43 20 400 3 1200
Jumlah 100 7725
𝟏
̅)𝟐 𝐟𝒊
𝑺 = √ ∑(𝒙𝒊 − 𝒙
𝒏
62
𝟏
𝑺= √ (𝟕𝟕𝟐𝟓) = √𝟕𝟕, 𝟐𝟓 = 𝟖, 𝟖
𝟏𝟎𝟎
Kelas xi (𝒙𝒊 − 𝒙
̅) fi ̅ )𝟒
(𝒙𝒊 − 𝒙 ̅)𝟒 𝐟𝐢
(𝒙𝒊 − 𝒙
1-5 3 -20 1 160000 160000
6-10 8 -15 7 50625 354357
11-15 13 -10 12 10000 120000
16-20 18 -5 20 625 12500
21-25 23 0 24 0 0
26-30 28 5 16 625 10000
31-35 33 10 11 10000 110000
36-40 38 15 6 50625 303750
41-45 43 20 3 160000 480000
Jumlah 100 1550607
1 𝑛 4
𝑚4 𝑛 ∑𝑖=1(𝑓𝑖 (𝑥𝑖 − 𝑥̅ ) )
𝛼4 = 4 =
𝑆 𝑆4
1
155060607
𝛼4 = 100
(8,8)4
1550606,07
𝛼4 =
5996,9536
𝛼4 = 2,585 = 2,6
𝛼4 <
3 𝑚𝑎𝑘𝑎 𝑘𝑢𝑟𝑣𝑎𝑛𝑦𝑎 𝑎𝑔𝑎𝑘 𝑠𝑒𝑑𝑖𝑘𝑖𝑟 𝑑𝑎𝑡𝑎𝑟 𝑑𝑒𝑛𝑔𝑎𝑛 𝑗𝑒𝑛𝑖𝑠 𝑘𝑢𝑟𝑣𝑎 𝑝𝑙𝑎𝑡𝑖𝑘𝑢𝑟𝑡𝑖𝑘.
63
Kesimpulan
64
BAB VI
A. DISTRIBUSI BINOMIAL
Percobaan Binomial adalah suatu percobaan yang terdiri dari beberapa usaha,
yang mana setiap usaha memiliki dua kemungkinan hasil yaitu berhasil dan gagal.
Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali, hasil setiap
ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila kartu diambil
berturut-turut, kita dapat memberi label “berhasil” bila kartu yang terambil adalah
kartu merah atau “gagal” bila yang terambil adalah kartu hitam. Ulangan-ulangan
tersebut bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama, yaitu
sebasar ½.
Adapun syarat percobaan atau distribusi binomial adalah sebagai berikut:
1. Jumlah percobaan merupakan bilangan bulat. Contoh:melambungkan koin 2 kali,
tidak mungkin 2½ kali.
2. Setiap eksperimen mempunyai duahasil. Contoh: sukses atau gagal, laki-laki atau
perempuan, sehat atau sakit.
3. Peluang sukses sama setiap ekperimen. Contoh: Jika sebuah dadu, yang
diharapkan adalah keluar mata lima, maka dikatakan peluang sukses adalah 1/6,
sedang kanpeluang gagal adalah 5/6. Untuk itu peluang sukses dilambangkan p,
sedang kan peluang gagal adalah (1 - p) atau biasa juga dilambangkan q, di
manaq = 1- p.
𝑁
Distribusi Binomial dirumuskan(𝑥) = 𝑃 (𝑋 = 𝑥) = ( ) 𝑝𝑥 (𝑞)𝑁−𝑥 ; dengan:
𝑥
𝑁 Banyak percobaan
𝑥 Banyak kejadian sukses
𝑝 Peluang sukses
𝑞 = 1− 𝑝 Peluang gagal
(𝑁 − 𝑥) Banyak kejadian gagal
Contoh Soal:
Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p). Pada
suatu hari di Puskesmas “X” ada 4 orang bayi.Hitung lah peluang dari bayi
65
tersebut 2 orang belum imunisasi polio. Jadi, di dalam kejadian binomial
ini dikatakan b (x=2, n=4, p=0,2) => b (2, 4, 0,2)
Penyelesaian soal:
Katakanlah bayi tersebut A,B,C,D. Dua orang tidak diimunisasi mungkin adalah
A&B, A&C, A&D, B&C, B&D, C&D.
Rumus untuk b (x,n,p) adalah:
B. DISTRIBUSI POISSON
Distribusi Poisson adalah distribusi probabilitas diskret yang menyatakan
peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata
kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian
terakhir. Distribusi poisson ini juga dapat digunakan untuk jumlah kejadian pada
interval tertentu seperti jarak, luas, atau volume.
Apabila nilai harapan kejadian pada suatu interval adalah λ, maka probabilitas
terjadi peristiwa sebanya kx kali (x adalah bilangan bulat non negatif, x = 0, 1, 2,
...)maka sama dengan
𝑒 −λ λ𝑥
𝑃 (𝑋) = 𝑃 (𝑋 = 𝑥) =
𝑥!
66
Contoh soal :
Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar
negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan
datang adalah 0.01 maka berapakah peluang ada 3 orang yang tidak datang.
Rata – rata seorang sekretaris baru melakukan lima kesalahan mengetik per
halaman. Berapakah peluang bahwa pada halaman berikut ia :
a) Tidak ada kesalahan ( x = 0 )
b) Tidak lebih dari tiga kesalahan ( x ≤ 3) atau ( 0,1,2,3 )
c) Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,…,15)
Jawab :
a) Dik : λ = 5
a. x = 0
𝑒 −λλ𝑥
P( x ; λ ) = 𝑥!
2.71828 −5 50
P( 0 ; 5 ) = = 0.0067
0!
𝑒 −λλ𝑥
b. x ≤ 3 ; P( x ; λ ) = 𝑥!
P (x ≤ 3 , 5) = P( x 1, μ ) +….+p(x3, μ)
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %
𝑒 −λλ𝑥
c. X > 3 ; P( x ; λ ) = 𝑥!
P (X >3 , 5) = P( X 4 , μ ) +….+p(X 15 , μ)
= P( 4, 5 ) + P (5, 5 ) + …… + P ( 15, 5 ) atau
P (X >3 , 5) = 1 – [P ( X ≤ 3 , 5 ) ]
= 1 – [ P ( X 0 , μ ) +….+ p (X 3 , μ) ]
= 1 – [ P ( 0, 5 ) +….+p ( 3, 5 ) ]
= 1 – [ 0.2650 ]
= 73.5 %
67
KESIMPULAN
seperti memperkirakan mana yang lebih banyak peluang gagal atau sukses dari sebuah
usaha, yang mana setiap usaha memiliki dua kemungkinan hasil yaitu berhasil dan
gagal. Percobaan tersebut disebut dengan tindakan Bernoulli atau percobaan Bernoulli
(Bernoulli trial)
peluang
Jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian
tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir
68
BAB VII
DISTRIBUSI NORMAL
Distribusi normal adalah salah satu distribusi teoritis dan variabel random
kontinu. Distribusi normal sering disebut distribusi Gauss, sesuai nama
pengembangnya, yaitu Karl Gauss
1 −1 𝑥−𝜇 2
( )
𝑓 (𝑥 ) = 𝑒2 𝜎
𝜎 √ 2𝜋
Keterangan
𝜋 = nilai konstan yaitu = 3,1416
e = nilai konstan yaitu = 2,7183
𝜇 = parameter yang merupakan rata-rata distribusi
𝜎 = parameter yang merupakan simpangan baku distribusi
Kurva Normal
69
1. Grafiknya selalu berada di atas sumbu absis X.
2. Mempunyai modus, jadi kurva unimodal tercapai pada 𝑥 = 𝜇 =
0,3939
.
𝜎
𝜇 − 3𝜎 𝜇 − 2𝜎 𝜇− 𝜎 𝜇 𝜇+ 𝜎 𝜇 + 2𝜎 𝜇 + 3𝜎
70
Menurut Husaini Usman dan R. Purnomo (2006:107-108), perubahan
dari bentuk normal umum menjadi normal baku dilakukan dengan
langkah-langkah berikut:
𝑋̅−𝜇
1. Cari zhitung dengan rumus: 𝑧 = 𝜎
2. Gambar kurvanya.
3. Tuliskan nilai zhitung pada sumbu X di kurve di atas dan tarik garis
dari titik zhitungke atas sehingga memotong garis kurve.
4. Luas yang terdapat dalam tabel merupakan luas daerah antara garis
tegak ke titik 0 di tengah kurve.
5. Carilah tempat nilai z dalam tabel normal.
6. Luas kurve normal = 1, karena𝜇 = 0, maka luas dari 0 ke ujung
kiri = 0,5. Luas dari 0 ke titik kanan = 0,5.
71
c. Tentukan nilai z pada sumbu z, kemudian buatlah garis tegaklurus
sumbu z melaui z=0 sehingga membagi luas kura nya sama besar. Nilai
z ada 2 kemungkinan yaitu positif dan negatif.
d. Luas yang tertera dalam daftar F adalah luas daerah antara garis yang
tegaklurus sumbu Z melalui titik z = 0 dan lengkungan kura.
e. Dalam daftar F , dibawah kolom Z, carilah nilai Z sampaidengan 1
desimal sedangkan desimal yang kedua didapat pada baris paling atas
f. Dari nilai daerah desimal yang terdapat pada kolom paling kiri
ditelusuri, maju ke kanan dan dari nilai z di baris atas ditelusuri turub ke
bawah sehingga seolah-olah bertemu di titik koordinat , maka
pertemuan pada titik koordinat itulah bilangan yang merupakan luas
yang dicari.
Misalkan z = 0,23
Akan diperoleh antara z- 0,23 luas daerahnya sama dengan 0,0910 kira-
kira sama dengan 9,1 %
72
Tabel daftar distribusi normal standar untuk 0 – Z
Contoh
Carilah luas daerah, dan gunakan Dftar F tadi. Antara z=0 dan z=1,25
Penjelasan
73
Maka luas daerah yang dicari adalah daerah yang di arsir yaitu 0,3944 atau
39,44 %
a. Rata-rata;
∑𝑋
𝜇=
𝑛
b. Varians;
2
∑(𝑋 − 𝜇)2
𝜎 =
𝑛
c. Simpangan baku;
∑ (𝑋 − 𝜇)2
𝜎= √
𝑛
74
KESIMPULAN
75
BAB VIII
UJI NORMALITAS DAN HOMOGENITAS
A. UJI NORMALITAS
Uji distribusi normal adalah uji untuk mengukur apakah data yang
didapatkan memiliki distribusi normal sehingga dapat dipakai dalam statistik
parametrik (statistik inferensial). Dengan kata lain, uji normalitas adalah uji untuk
mengetahui apakah data empirik yang didapatkan dari lapangan itu sesuai dengan
distribusi teoritik tertentu. Dalam kasus ini, distribusi normal. Dengan kata lain,
apakah data yang diperoleh berasal dari populasi yang berdistribusi normal.
Ada banyak cara untuk menguji normalitas, antara lain:
a. Uji normalitas Chi Square (Chi kuadrat)
Uji chi-kuadrat atau Chi square digunakan jika ukuran sampel 30 data atau lebih
(n ≥ 30). Metode Chi-Square atau uji goodness of fit distribution normal ini
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan. Uji normalitas data dengan teknik chi-kuadrat
digunakan untuk menguji normalitas data yang disajikan secara kelompok.
Rumus :
2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 =∑
𝐸𝑖
Keterangan :
𝑋 2 = 𝑁𝑖𝑙𝑎𝑖 𝑥 2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Signifikansi:
76
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Contoh :
Diambil Data Nilai Ujian Matematika siswa kelas X SMA N 1 Bayung Lencir
Skor Frekuensi
27-33 1
34-40 9
41-47 13
48-54 15
55-61 13
62-68 11
69-75 2
Jumlah 64
Selidikilah dengan 𝛼= 5%, apakah data tersebut di atas berdistribusi normal ?
(Mean = 51,77; Standar deviasi = 10,14)
Jawab :
Langkah-langkah untuk menguji normalitas dengann Chi Square:
1. Hipotesis :
Ho : Populasi nilai ujian matematika siswa berdistribusi normal
H1 : Populasi nilai ujian matematika siswa tidak berdistribusi normal
2. Nilai 𝛼
Nilai 𝛼 = level signifikansi = 5% = 0,05
3. Rumus Statistik Penguji
(𝑂𝑖 − 𝐸𝑖 ) 2
𝑋2 = ∑
𝐸𝑖
Batas Z batas Luas Z (𝑂𝑖 − 𝐸𝑖 )2
Kelas Interval Ei Oi
Kelas kelas Tabel 𝐸𝑖
77
62-66 61,5 0,96 0,3315 7,62 11 1,5
4. Derajat Bebas
Df = ( k =panjang kelas) – 3 ) = ( 7 – 3 ) = 4
5. Nilai Tabel
Nilai tabel X2 ; α = 0,05 ; df = 4 ; = 9,49. Tabel X2 (Chi-Square) pada
lampiran.
6. Menentukan daerah penolakan
Menggunakan Rumus :
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Maka :
|3,67 | < |9,49| ; berarti Ho diterima, Ha ditolak
7. Kesimpulan
Populasi nilai ujian matematika siswa berdistribusi normal
b. Uji Liliefors
Uji Normalitas dengan uji liliefors apabila data masih disajikan secara
individu, maka uji normalitas data sebaiknya dilakukan dengan Uji Liliefors,
karena uji Liliefors jauh lebih teliti dibandingkan dengan Uji Chi-Kuadrat.
Rumus yang digunakan adalah sebagai berikut.
Metode Lilliefors menggunakan data dasar yang belum diolah dalam table
distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung
luasan kurva normal sebagai probabilitas komulatif normal.
Rumus:
𝑋𝑖 − 𝑋̅
𝑍𝑖 =
𝑠
keterangan :
Xi = data / nilai
X = rata- rata (mean)
s = standar deviasi
78
Hipotesis dari uji Liliefors:
Ho : Sampel berdistribusi normal
Hi : Sampel tidak berdistribusi normal
Kriteria:
Jika Lhitung, < L tabel maka terima Ho dan tolak Hi
Jika Lhitung, > L tabel maka tolak Ho dan terima Hi
No Xi 𝑋𝑖 − 𝑋̅ 𝐹𝑇 Fs |𝐹𝑇 − 𝐹𝑠|
𝑍𝑖 =
𝑠
1
2
3
4
dst
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
𝐹𝑇 = Probabilitas kumulatif normal
𝐹𝑇 = Probabilitas kumulatif empiris
Persyaratan:
a. Data berskala interval atau ratio (kuantitatif)
79
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi:
Signifikansi uji, nilai |𝐹𝑇 – Fs| terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov. Jika nilai |𝐹𝑇 – Fs| terbesar < nilai tabel Kolmogorov
Smirnov, maka Ho diterima ; Ha ditolak. Jika nilai |𝐹𝑇 – Fs| terbesar > nilai
tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha diterima. Tabel Kolmogorov
Smirnov pada lampiran 5, Harga Quantil Statistik Kolmogorov Distribusi
Normal.
Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengikuti pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara
random, didapatkan data sebagai berikut :
78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98, 70,
72, 70, 69, 67, 90, 97 .
Selidikilah dengan α = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal ?
Penyelesaian:
a. Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
b. Nilai α
Nilai α = level signifikansi = 5% = 0,05
c. Statistik Penguji
No 𝑋𝑖 𝑋𝑖 − 𝑋̅ 𝐹𝑇 Fs |𝐹𝑇 − 𝐹𝑠|
𝑍𝑖 =
𝑠
1 67 -1,3902
0,0823 0,0741 0,0082
2 67 -1,3902
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,0330
5 70 -1,0985 0,1357 0,2222 0,0865
80
6 70 -1,0985
7 72 -0,904
0,1841 0,2963 0,1122
8 72 -0,904
9 77 -0,4178
0,3372 0,3704 0,0332
10 77 -0,4178
11 78 -0,3205
12 78 -0,3205
0,3745 0,5185 0,1440
13 78 -0,3205
14 78 -0,3205
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,06843 0,5279 0,5926 0,0647
17 84 0,26291 0,6025 0,6025 0,0271
18 87 0,55463 0,7088 0,7088 0,0421
19 88 0,65188 0,7422 0,7422 0,0385
20 89 0,74912 0,7734 0,7734 0,0327
21 90 0,84636
0,8023 0,8148 0,0125
22 90 0,84636
23 95 1,33256 0,9082 0,5190 0,3892
24 97 1,52704
25 97 1,52704 0,9370 0,9630 0,0260
26 97 1,52704
27 98 1,62429 0,7474 1,0000 0,2526
Nilai |𝐹𝑇 − 𝐹𝑠| tertinggi sebagai angka penguji normalitas, yaitu 0,1440
d. Derajat Bebas
Df tidak diperlukan.
e. Nilai Tabel
Nilai Kuantil Penguji Kolmogorov, α= 0,05 ; N = 27 ; yaitu 0,254. Tabel
Kolmogorov Smirnov pada lampiran.
f. Daerah Penolakan
Menggunakan rumus
| 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
g. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal dengan α = 0,05.
81
B. UJI HOMOGENITAS
Uji homogenitas merupakan uji perbedan antara dua atau lebih populasi.
Semua karakteristik populasi dapat bervariasi antara satu populasi dengan yang
lain. Dua di antaranya adalah mean dan varian (selain itu masih ada bentuk
distribusi, median, modus, range, dll).
Perhatikan data nilai matematika siswa kelas A dan kelas B berikut ini:
Nilai 25 8 10
No
Kelas A Kelas B 26 9 10
1 5 5 27 10 9
2 6 5 28 5 3
3 9 9 29 8 8
4 8 6 30 9 9
5 10 10 31 10 10
6 9 6 32 7 6
7 8 9 33 6 4
8 9 9 34 8 3
9 9 9 35 8 8
10 10 10
11 10 10
12 8 8
13 10 10
14 6 2
15 7 6
16 9 10
17 9 9
18 8 10
19 9 9
20 10 10
21 9 10
22 10 10
23 9 10
24 7 6
82
Untuk melakukan uji homogenitas data tersebut.Ada dua macam uji
homogenitas untuk menguji kehomogenan dua atau lebih variansi yaitu :
1. Uji Bartlett
Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama
maupun tidak sama (n yang sama maupun n yang berbeda) untuk tiap
kelompok.
Untuk menguji kesamaan beberapa buah rata-rata, dimisalkan populasinya
mempunyai varians yang homogen, yaitu 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑘2 . Demikian
untuk menguji kesamaan dua rata-rata, telah dimisalkan 𝜎12 = 𝜎22 , akan
diuraikan perluasannya yaitu untuk menguji kesamaan k buah (k≥2) buah
populasi berdistribusi independen dan normal masing-masing dengan
varians 𝜎12 , 𝜎12 , … , 𝜎𝑘2. Akan diuji hipotesis :
DARI POPULASI KE
1 2 … k
Data hasil Y11 Y21 …. Y𝑘1
pengamatan Y12 Y22 …. Y𝑘2
… … …
Y1𝑛1 Y2𝑛2 …. Y𝑘𝑛𝑘
selanjutnya, dari sampel-sampel itu akan kita hitung variansnya masing-
masing adalah 𝑠12 = 𝑠22 = ⋯ = 𝑠𝑘2 .
83
1 n1 − 1 1 𝑠12 Log 𝑠12 (n1 − 1)Log 𝑠12
(n1 − 1)
2 𝑛2 − 1 1 𝑠22 Log 𝑠22 (n2 − 1)Log 𝑠𝑘2
. . . .
(n2 − 1 .
. . . .
. . . .
k n𝑘 − 1 𝑠𝑘2 Log 𝑠𝑘2 (n𝑘 − 1)Log 𝑠𝑘2
1
(n𝑘 − 1)
jumlah 1
∑ n𝑘 − 1 ∑ … … ∑ (n𝑘 − 1)Log 𝑠𝑘2
(n𝑘 − 1)
2
(∑(𝑛1 − 1)𝑠𝑖2 )
𝑠 =
∑(𝑛𝑖 − 1)
𝐵 = (log 𝑠 2 ) ∑(𝑛𝑖 − 1)
Jika harga 𝑥 2 yang dihitung dengan rumus di atas ada di atas harga 𝑥 2 dari
daftar dan cukup dekat kepada harga tersebut, biasanya dilakukan koreksi
terhadap rumus dengan menggunakan faktor koreksi K sebagai berikut :
𝑘
1 1 1
𝐾 =1+ {∑ ( )− }
3(𝑘 − 1) 𝑛𝑖 − 1 ∑ 𝑛𝑖 − 1
𝑖 =1
84
Dengan faktor koreksi ini, statistik 𝑥 2 yang dipakai sekarang ialah :
1
𝑥 𝐾2 = ( )𝑥 2
𝐾
Dengan 𝑥 2 di ruas kanan dihitung dengan rumus . dalam hal ini, hipotesis
𝐻0 ditolak jika 𝑥 𝐾2 ≥ 𝑥(21−𝛼)(𝑘−1)
5) Menarik kesimpulan
Contoh soal :
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
∑ 𝑥 2𝑖 (∑ 𝑥 𝑖 ) 2
Dengan rumus varians 𝑠𝑖2 = −
n 𝑖 −1 𝑛𝑖 (n 𝑖 −1)
𝑠22 =5,878992
85
1. H0 ∶ 𝜎12 = 𝜎22 (homogen)
H1 ∶ 𝜎12 ≠ 𝜎22 (tidak homogen)
2. Taraf nyata (α=5%) dan 𝑥 2 tabel
𝑥 2 tabel= 𝑥 2 (1 − 𝛼)(𝑘 − 1)
= 𝑥 2 (1 − 0,05)(1)
= 𝑥 2 (0,95)(1)
= 3,81
3. Kriteria pengujian
H0 diterima, jika 𝑥 2 hitung<𝑥 2 tabel
H0 ditolak, jika 𝑥 2 hitung≥ 𝑥 2 tabel
4. Menentukan uji statistik
Uji statistik :
a. Varians gabungan dari semua sampel
∑(𝑛𝑖 − 1)𝑠𝑖 2
𝑠2 =
∑(𝑛𝑖 − 1)
34(2,114286) + 34(5,878992)
=
34 + 34
71,88571 + 199,8857
=
68
271,7715
=
68
=3,996639
b. Harga satuan B
Log 𝑠 2 = log 3,996639
=0,601695
2
2)
𝐁 = (Log s ∑( ni − 1) = 40,91525
i=1
c. Harga X2
= 2,3026(40,91525 − 37,21186)
86
= 2,3026(3,703388) = 8,527437
d. Kesimpulan
Karena 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 8,527437 ≥ 3,81 = 𝑥 2 tabel maka H0 ditolak.
Jadi data tidak berasal dari populasi yang homogen dalam taraf nyata
0,05. Jadi kedua sampel memiliki varians tidak homogen sehingga
kedua sampel tersebut tidak homogen.
H ∶ 𝜎 2 = 𝜎22
{ 0 12
H1 : 𝜎1 ≠ 𝜎
𝑠12
F=
𝑠22
untuk taraf nyata α, dimana F𝛽(𝑚,𝑛) didapat dari daftar distribusi F dengan
peluang β, dk pembilang = m dan dk penyebut = n.
dalam hal lainnya H0 ditolak.
Statistik lain yang digunakan untuk menguji hipotesis H0 adalah
87
Varians terbesar
F=
Varians terkecil
H ∶ 𝜎 2 = 𝜎22
{ 0 12
H1 : 𝜎1 ≠ 𝜎
𝑠12
F=
𝑠22
Varians terbesar
F=
Varians terkecil
5) Menarik kesimpulan
Contoh soal :
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
1. Hipotesis
(homogen)
H0 ∶ 𝜎12 = 𝜎22 H1 ∶ 𝜎12 ≠ 𝜎22 (tidak homogen)
88
2. Menentukan taraf nyata (α) dan F𝑡𝑎𝑏𝑒𝑙
F𝑡𝑎𝑏𝑒𝑙 ditentukan dengan α = 5%, derajat bebas pembilang (n1 −
1) = 34, dan derajat penyebut (n2 − 1) = 34 dengan rumus F𝑡𝑎𝑏𝑒𝑙 =
F1 𝛼(n = F0,05(34,34) = 1,77
2 1 −1,n 2−1)
3. Kriteria pengujian:
Ho diterima jika F(1−𝛼)(n 1 −1) < F <F1𝛼(n
2 1 −1,n 2 −1)
4. Uji statistik
𝑠12 5,878992
F= 2
= = 2,780604
𝑠2 2,114268
5. Kesimpulan
Karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 2,780604 ≥ 1,77 = 𝐹𝑡𝑎𝑏𝑒𝑙 maka H0 ditolak. Jadi
data tidak berasal dari populasi yang homogendalam taraf nyata
0,05. Jadi kedua sampel memiliki varians tidak homogen sehingga
kedua sampel tersebut tidak homogen.
89
BAB IX
UJI HIPOTESIS
Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo
berarti lemah, kurang atau di bawah, dan thesis berarti teori, proposisi, atau
pernyataan yang sajikan dengan bukti. Jadi, hipotesis dapat diartikan sebagai
suatu anggapan yang mungkin benar dan sering digunakan sebagai dasar
pembuatan keputusan/pemecahan masalah atau untuk dasar penelitian lebih
lanjut.
B. Konsephipotesis
90
diatas, maka dapat disimpulkan bahwa hipotesis adalah jawaban atau dugaan
sementara yang harus diuji lagi kebenarannya.
Hipotesis penelitian adalah hipotesis kerja (Hipotesis Alternatif Ha atau H1)
yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan
menggunakan teori-teori yang ada hubungan nya (relevan) dengan masalah
penelitian dan belum berdasarkan fakta serta dukungan data yang nyata
dilapangan. Hipotesisa lternatif (Ha) dirumuskan dengan kalimat
positif. Hipotesis nol adalah pernyataan tidak adanya hubungan, pengaruh, atau
perbedaan antara parameter dengan statistik. Hipotesis Nol (Ho) dirumuskan
dengan kalimat negatif). Nilai Hipotesis Nol (Ho ) harus menyatakan dengan
pasti nilai parameter.
C. PERUMUSAN HIPOTESIS
Suatu rumusan dari sebuah hipotesis digunakan sebagai petunjuk arah dalam
rancangan penelitian, teknik pengumpulan, dan analisis data serta
penyimpulan. Rumusan hipotesis sebenarnya sudah dapat dibaca dari uraian
masalah, tujuan penelitian, kajian teoritik, dan kerangka pikir sehingga
rumusannya harus sejalan.
Rumusan hipotesis mempunyai ciri-ciri umum, yaitu sebagai berikut:
1. Kalimat dari rumusan hipotesis dinyatakan sebagai kalimat pernyataan
(deklaratif).
2. Rumusan hipotesis melibatkan minimal dua variabel penelitian.
3. Rumusan hipotesis mengandung suatu prediksi.
4. Suatu rumusan hipotesis harus dapat diuji (testable).
D. TIPE-TIPE HIPOTESIS
91
Hipotesis statistik akan diterima jika hasil pengujian membenarkan
pernyataan nya dan akan ditolak jika terjadi penyangkalan dari pernyataan
nya. Di dalam pengujian hipótesis, keputusan yang dibuat mengandung
ketidakpastian, artinya keputusan bisa benar atau salah, sehingga
menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk
probabilitas.
Hipotesis digolongkan menjadi 2 tipe, yaitu hipotesis nihil dan hipotesis
alternatif.
1. Hipotesis nihil/nol (Ho)
Hipotesis nihil adalah hipotesis yang menyatakan tidak adanya hubungan
antara dua variabel atau lebih atau tidak adanya perbedaan antara dua
kelompok atau lebih.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah hipotesis yang menyatakan adanya hubungan
antara dua variabel atau lebih atau adanya perbedaan antara dua kelompok
atau lebih.
92
Kesalahan tipe II, yaitu suatu kesalahan bila menerima Ho yang salah
(seharusnya ditolak). Tingkat kesalahan ini dinyatakan dengan 𝛽.
Ho: 𝜃 = 𝜃o
Ho: 𝜃 < 𝜃o
93
3. Uji Dua Pihak
Contoh: salah satu dari metode pembelajaran lebih unggul dari pada
metode pembelajaran yang lain.
Ho: 𝜃 = 𝜃o
Ho: 𝜃 ≠ 𝜃o
94
Kesimpulan
95
BAB X
Untuk pengujian hipotesis satu rata-rata dengan sampel besar (n > 30), uji
statistiknya menggunakan distribusi Z. Prosedurnya sebagai berikut.
1) Formulasi hipotesis
H0 : = H0 : =
H1 : > H1 : <
Kriteria pengujian
Kriteria pengujian
-H0 diterima jika Z0 , -H0 diterima jika Z0 ,
H0 : =
H1 :
Kriteria pengujian
H0 diterima jika Z0 ,
96
2) Penentuan nilai 𝛼 (taraf nyata) dan nilai Z tabel (𝑍𝛼 )
Menentukan nilai 𝛼 sesuai soal, kemudian nilai 𝑍𝛼 atau 𝑍𝛼/2
ditentukan dari tabel.
3) Uji statistik
a. Simpangan baku populasi (𝜎) diketahui:
𝑋̅ − 𝜇0 𝑋̅ − 𝜇0
𝑍0 = = 𝜎
𝜎𝑥̅
√𝑛
𝑋̅−𝜇0 𝑋̅−𝜇0
𝑍0 = = 𝑠
𝑠𝑥̅
√𝑛
Keterangan:
4) Kesimpulan
Contoh :
Menurut pendapat salah satu pinpinan perusahaan buku Statistika, rata-rata
penerimaan per hari sebesar Rp 7.000, dengan alternatif lebih besar dari
itu. Diketahui simpangan baku dari penerimaan sebesar Rp 1.600. untuk
menguji pendapatnya, dilakukan penyelidikan terhadap 256 orang penjual
buku ke mahasiswa yang dipilih secara acak, ternyata diketahui rata-rata
97
penerimaan mereka sebesar Rp 7.100. dengan menggunakan 𝛼 = 5%,
ujilah pendapat tersebut.
Penyelesaian
1.) Formulasi hipotesis
𝐻0 ∶ 𝜇 = 7000
𝐻𝑎 ∶ 𝜇 > 7000
Kriteria pengujian
H0 diterima jika Z0 𝑍𝛼 ,
98
1) Formulasi hipotesis
i. H0 : 𝜇 = 𝜇0
H1 : 𝜇 > 𝜇0
H0 : =
Kriteria pengujian:
H0 diterima jika t0 ≤ 𝑡𝛼 , H1 :
Kriteria pengujian
H0 ditolak jika t0 > 𝑡𝛼 ,
H0 diterima jika −𝑡𝑎/2 ≤ 𝑡0 ≤ 𝑡𝑎 /2
ii. H0 : 𝜇 = 𝜇0
H1 : 𝜇 < 𝜇0
Kriteria pengujian:
a) H0 diterima jika t0 −𝑡𝛼 ,
3) Uji statistik
a. Simpangan baku populasi (𝜎) diketahui:
𝑋̅ − 𝜇0 𝑋̅ − 𝜇0
𝑡0 = = 𝜎
𝜎𝑥̅
√𝑛
99
𝑋̅ − 𝜇0 𝑋̅ − 𝜇0
𝑡0 = = 𝑠
𝑠𝑥̅
√𝑛
4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai
dengan kriteria pengujiannya).
Contoh
Menurut salah satu seorang guru yayasan Bina Ria, pengeluaran per
hari siswa-siswi sekolah tersebut yaitu sebesar Rp1.740 dengan
alternatifnya tidak sama dengan itu. Untuk menguji pendapat guru
tersebut, dilakukan wawancara terhadap 25 orang siswa yayasan yang
dipilih secara acak sebagai sampel, dan ternyata rata-rata pengeluaran
per hari adalah Rp1.800 dengan simpangan bakunya sebesar Rp100.
Dengan menggunakan 𝛼 = 0,05(−5%), ujilah pendapat tersebut.
Penyelesaian
𝑛 = 25, ̅
𝑋 = 1800, 𝑠 = 100, 𝜇0 = 1740
Formulasi hipotesis
𝐻0 ∶ 𝜇 = 1740
𝐻0 ∶ 𝜇 ≠ 1740
̅ −𝜇0
𝑋 1800 −1740
𝑡0 = 𝑠 = 100 =3
⁄√𝑛 ⁄ 25
√
𝛼 = 0,05
derajat kebebasan = 𝑛 − 1 = 25 − 1 = 24
100
−𝑡𝛼⁄ = −2,0639
2
101
BAB XI
UJI HIPOTESIS DUA RATA-RATA
A. Pengertian Uji Hipotesis Dua Rata-Rata
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidaknya
perbedaan (kesamaan) antara dua buah data. Salah satu teknik analisis statistic
untuk menguji kesamaan dua rata-rata inii adalah uji t (t test) karena rumus yang
digunakan disebut rumus t. Rumus t sendiri banyak ragamnya dan pemakaiannya
disesuaikan dengan karakteristik kedua data yang akan dibedakan.
Ada beberapa syarat yang harus dipenuhi sebelum uji t dilakukan yaitu ;
a. Data masing- masing berdistribusi normal
b. Data dipilih secara acak
c. Data masing- masing homogen
102
1. Sampel besar (n < 30)
Untuk pengujian hipotesis beda dua rata-rata dengan sampel besar (n<30).uji
statistiknya menggunakan distribusi Z. prosedur pengujian hipotesisnya ialah
sebagai berikut.
1) Formulasi Hipotesis
a. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 > 𝜇2
b. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2
c. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
2) Penentuan nilai dan nilai Z tabel 𝑍𝑎
Mengambil nilai sesuai soal (kebijakan), kemudian menentukan nilai atau
dari 𝑍𝑎 𝑎𝑡𝑎𝑢𝑍𝑎⁄2 tabel.
3) Kriteria pengujian
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 > 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 𝑍0 ≤ 𝑍𝑎
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑍0 > 𝑍𝑎
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 < 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 𝑍0 ≥ −𝑍𝑎
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑍0 < −𝑍𝑎
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 ≠ 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 −𝑍𝑎⁄2 ≤ 𝑍0 ≥ −𝑍𝑎⁄2
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑍0 > −𝑍𝑎⁄2 𝑎𝑡𝑎𝑢 𝑍0 < −𝑍𝑎⁄2
4) Uji Statistik
a) Jika simpangan baku populasi diketahui:
̅̅̅̅̅̅̅̅̅
𝑋̅ −𝑋2 𝜎2 𝜎2
𝑍0 = 𝜎 1 dengan 𝜎𝑥 1 −𝑥 2 = √𝑛1 + 𝑛2
𝑥 1 −𝑥 2 1 2
103
Dimana apabila 𝜎1 𝑑𝑎𝑛 𝜎2 tidak diketahui, dapat diestimasi dengan :
𝑆2 𝑆2
𝑆𝑥 1−𝑥 2 = √ 1 + 2
𝑛1 𝑛2
1
𝑆12 == ̅̅̅̅
∑(𝑋 𝑖1 − 𝑋1 )
2
𝑛1 − 1
1
𝑆22 == ̅̅̅̅
∑(𝑋 𝑖2 − 𝑋2 )
2
𝑛2 − 1
5) Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a). Jika H0 diterima maka H1 ditolak
b). Jika H0 ditolak maka H1 diterima. (Hasan, 2003:151)
2. Sampel Kecil ( n ≤ 30 )
Untuk pengujian hipotesis beda dua rata-rata dengan sampel ( n ≤ 30 ), uji
statisticnya menggunakan distribusi t . Prosedur pengujian hipotesisnya ialah
sebagai berikut :
1. Formulasi Hipotesis
a. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 > 𝜇2
b. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2
c. 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
2. Penentuan nilai dan nilai t tabel 𝑡𝑎
Mengambil nilai sesuai soal (kebijakan), kemudian menentukan nilai atau
dari 𝑡𝑎 𝑎𝑡𝑎𝑢 𝑡𝑎⁄2 tabel.
3. Kriteria pengujian
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 > 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 𝑡0 ≤ 𝑡𝑎
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑡0 > 𝑡𝑎
104
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 < 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 𝑡0 ≥ −𝑡𝑎
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑡0 < −𝑡𝑎
Untuk 𝐻0 : 𝜇1 = 𝜇2 𝑑𝑎𝑛 𝐻1 : 𝜇1 ≠ 𝜇2
a. 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎 𝑗𝑖𝑘𝑎 −𝑡𝑎⁄2 ≤ 𝑡0 ≥ −𝑡𝑎⁄2
b. 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑡0 > −𝑡𝑎⁄2 𝑎𝑡𝑎𝑢 𝑡0 < −𝑡𝑎⁄2
4. Uji Statistik
a) Untuk pengamatan tidak berpasangan
𝑋1 − 𝑋2
𝑡0 =
(𝑛 − 1)𝑠12 + (𝑛2 − 1)𝑠22 1 1
√ 1 ( 𝑛1 𝑛2 )
+
𝑛1 + 𝑛2 − 2
∑(𝑑𝑖 − 𝑑̅ )2
𝑆𝑑 = √
𝑛−1
Keterangan :
𝑑̅ = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑑𝑎𝑟𝑖 𝑛𝑖𝑙𝑎𝑖 𝑑
Sd = simpangan baku dari niai d
n = banyaknya pasangan
𝑡0 𝑚𝑒𝑚𝑖𝑙𝑖𝑘𝑖 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑏 = 𝑛 − 1
5) Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a). Jika H0 diterima maka H1 ditolak
b). Jika H0 ditolak maka H1 diterima.
105
Contoh :
1. Suatu pabrik susu merek Good Milk melakukan pengecekan terhadap produk
mereka, apakah rata-rata berat bersih satu kaleng susu bubuk yang di
produksi dan di pasarkan masih tetap 400 gram atau sudah lebih kecil dari itu.
Dari data sebelumnya di ketahui bahwa simpangan baku bersih per kaleng
sama dengan 125 gram. Dari sample 50 kaleng yang di teliti, di peroleh rata-
rata berat bersih 375 gram. Dapatkah di terima bahwa berat bersih rata-rata
Penyelesaian :
Diketahui :
Jawab :
a. Formulasi hipotesisnya :
Ho : µ = 400
H1 : µ < 400
α = 5% = 0,05
c. Kriteria pengujian :
106
o Ho di terima jika Zo ≥ - 1,64
d. Uji Statistik
𝑥̅ − 𝜇0
𝑍0 =
√𝑛
̅̅̅̅̅̅̅̅̅̅̅̅̅̅
375 − 400
𝑍0 = = −1,41
125
√ 50
e. Kesimpulan
Karena Zo = -1,41 ≥ - Z0,05 = - 1,64 maka Ho di terima. Jadi, berat bersih rata-rata
susu bubuk merek GOOD MILK per kaleng yang di pasarkan sama dengan 400
gram
12 orang dengan metode biasa dan 10 orang dengan terprogram. Pada akhir
mencapai nilai rata-rata 75 dengan simpangan baku 4,5. Ujilah hipotesis kedua
107
Penyelesaian :
Diketahui :
n1 = 12 X1 = 80 s₁ = 4
n2 = 10 X2 = 75 s₂ = 4,5
Jawab:
a. Formulasi hipotesisnya :
Ho : µ₁ = µ₂
H1 : µ₁ ≠ µ₂
α = 10% = 0,10
𝑡𝑎⁄2 = 0,05
db = 12 + 10 – 2 = 20
t0,05;20 = 1,725
c. Kriteria pengujian :
d. Uji Statistik
108
𝑋1 − 𝑋2
𝑡0 =
(𝑛 − 1)𝑠12 + (𝑛2 − 1)𝑠22 1 1
√ 1 ( 𝑛1 𝑛2 )
+
𝑛1 + 𝑛2 − 2
80 − 75
𝑡0 = = 2,76
2 2
√(12 − 1)4 + (10 − 1)4,5 ( 1 + 1 )
12 + 10 − 2 12 10
e. Kesimpulan
Karena t0 = 2,76 > t0,05;20 = 1,725 maka Ho di tolak. Jadi, kedua metode yang
109
DAFTAR PUSTAKA
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas
Terbuka.
Putri, Ratu Ilma Indra. Distribusi Binomial dan Poisson.
http://ilma69.files.wordpress.com/2012/10/distribusi-binomial-dan-poisson-
baru.pdf
http://fathur14klose.blogspot.com/2011/12/makalah-statistika-distribusi-
binomial.html. Diakses pada tanggal 21Oktober2015
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas
Terbuka.
Putri, Ratu Ilma Indra. Uji Hipotesis.
http://ilma69.files.wordpress.com/2012/10/uji_hipotesis-dan- uji-
hipotesis_1_ratarata.pdf. Diakses pada tanggal 10 November 2015.
Marhaendro, Agus Susworo Dwi. Pengujian Hipotesis.
http://staff.uny.ac.id/sites/default/files/Pengujian%20Hipotesis.pdf. Diakses
pada tanggal 10 November 2015.
Harlyan, Ledhyane Ika. Uji Hipotesis.
http://ledhyane.lecture.ub.ac.id/files/2012/11/PENGUJIAN-
HIPOTESIS.pdf. Diakses pada tanggal 10 November 2015.
Yassin, Moh. Tabeldistribusifrekuensi.
110
http://metodestatistik.blogspot.co.id/2011/05/tabel-distribusi-
frekuensi.html#.VltJknYrLDc
Diaksespadatanggal 28 november 2015.
Primasanti, Iftitah. Ujihipotesis.
http://iftitahprimasanti.blogspot.com/2012/05/uji-hipotesis.html#
Diaksespadatanggal 28 November 2015
Untari, RinaDwi. Distribusi Binomial.
http://rinadwiuntari.blogspot.com/2012/12/distribusi-binomial.html#
Diaksespadatanggal 28 November 2015
Lailiyah,Intan. Distribusi binomial danpoisson.
http://intanlailiyah98.blogspot.com/2013/04/distribusi-binomial-dan-
poisson.html#
diaksespadatanggal 28 November 2015
https://www.academia.edu/9325441/Pengertian_Penyajian_Data (28 November
2015)
https://www.scribd.com/doc/49584241/Tujuan-Penyajian-Data (28 November
2015)
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan- homogenitas-
ri.pdf
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Yusup, Muhammad. Uji Normalitas
http://yourmath.wordpress.com/tabel-Z/ (10 November 2015)
Hidayat, Anwar. Uji Normalitas
http://www.statistikian.com/2013/01/uji-normalitas.html (10 November
2015)
Hafizah, Ellyna. Uji Normalitas dan Homogenitas Data
http://www.academia.edu/6774849/Uji-Normalitas-dan-Homogenitas-data
(30 November 2015)
Kesuma, Dera Puji. Uji Hipotesis Dua Rata-rata
111
http://datapujik.blogspot.co.id/2012/06/Uji-Hipotesis-dua-rata-rata-
uji.html (30 November 2015)
Marfuah, Siti. Uji Hipotesis Dua Rata-Rata (1)
http://sitemath.wordpress.com/2013/03/08/uji-hipotesis-2-rata-rata/ (03
November 2015)
Dajan, A. (2000). Pengantar Metode Statistik Jilid 1. Jakarta: LP3ES.
Irianto, A. (2010). Statistik: Konsep Dasar, Aplikasi, dan Pengembangannya.
Jakarta: Kencana.
Riduwan. (2013). Pengantar Statistika. Bandung : Alfabeta.
Saleh, S. (1996). Statistik Induktif. UPP-AMP YKPN: Yogyakarta.
Statistika Deskriptif. (2014). Sumanto: CAPS.
Sugiyo. (2013). Statistika Untuk Penelitian. Bandung: Alfabeta
112