qwertyuiopasdfghjklzxcvbnmqwerty

uiopasdfghjklzxcvbnmqwertyuiopasd
fghjklzxcvbnmqwertyuiopasdfghjklzx
cvbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
Statistika
opasdfghjklzxcvbnmqwertyuiopasdfg
hjklzxcvbnmqwertyuiopasdfghjklzxc
vbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopasdfg
hjklzxcvbnmqwertyuiopasdfghjklzxc
vbnmqwertyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbnmqwertyui
opasdfghjklzxcvbnmqwertyuiopasdfg
hjklzxcvbnmrtyuiopasdfghjklzxcvbn
mqwertyuiopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwertyuiopas
 Pertemuan 8
Estimasi Dan Interval Keyakinan
Pembagian Jenis Estimasi Ada 2 :
1. Estimasi titik (point estimates) : nilai tunggal yang berasal dari suatu sampel dan
digunakan untuk memperkirakan nilai populasi. Estimasi titik hanya menjelaskan dari
sampel yang diambil dari sebuah populasi , tidak mencerminkan nilai sebenarnya dari
populasi tersebut.
2. Interval kepercayaan (convidence interval) : kisaran nilai yang diharapkan akan terjadi
dalam parameter populasi tertentu, dengan probabilitas yang spesifik. Probabilitas
spesifik ini disebut tingkat kepercayaan.
Estimasi digunakan untuk memperkirakan hasil dari suatu pengamatan penelitian. Interval
kepercayaan menggunakan ukuran probabilitas spesifik agar estimasi yang dihitung dapat
mendekati angka sebenarnya dan tidak bias.
Misalnya, seorang manajer yakin bahwa 95% penjualan produk di perusahaannya akan
mencapai nilai 500 – 2000 buah per hari.
- 95% ini menunjukkan interval kepercayaan.
- 5% sisanya adalah standar error/tingkat kesalahan.

0,025 0,025

0,475 0,475

-1,96 1,96

0,95

Skema 1.1

Berdasarkan penggambaran tabel diatas, interval kepercayaan sebesar 95% akan berada
dalam 1,96 standar deviasi rata-rata dari populasi yang diteliti.
 1,96 diperoleh dari :
- 5% tingkat kesalahan dibagi menjadi dua sisi pada tabel diatas.
- Sedangkan probabilitas terjadi 95% dibagi dua sisi pula, sebesar 0,475.
- Maka nilai Z dari probabilitas tersebut adalah 1,96 ( lihat di table Z, lihat yang di
dalam )

Dalam interval estimasi akan menggunakan dua tabel :

1. Data (n) yang kurang dari 30, menggunakan uji skala kecil dan menggunakan tabel T
2. Data (n) yang lebih dari 30, menggunakan uji skala besar dan menggunakan tabel Z.

Statistika Page 132

 Mencari interval estimasi.
1. Interval estimasi untuk rata-rata populasi.
Keterangan :
 σ = standar deviasi
μ= X Z
n X = rata-rata populasi
Z = nilai Z
n = jumlah data
Contoh.
Sebuah survey terhadap 50 pekerja yang mengundurkan diri rata-rata 26 minggu
untuk mendapat pekerjaan baru. Standar deviasi adalah 6,2 minggu. Buatlah interval
kepercayaan 90% untuk rata-rata populasinya.
Jawab.
Cari nilai Z dahulu, dengan cara seperti skema 1.1 diperoleh nilai Z sebesar 1,64

μ= X Z
n
6,2
μ = 26 ± 1,64
√50
μ = 26± 1,44
μ = 27,44 atau μ = 24,56.

“Jadi, pekerja membutuhkan waktu antara 24, 56 sampai 27,44 minggu

untuk mendapatkan pekerjaan barunya.”
2. Interval estimasi untuk rata-rata sampel.

Keterangan :
s
μ= X t
S = standar deviasi
n X = rata-rata sampel
t = nilai t
n = jumlah data
Contoh.

Pak Dahlan ingin memperkirakan rata-rata produksi telur per ayam. Sampel terdiri
dari 20 ayam, menunjukkan bahwa rata-rata produksinya adalah 20 butir per bulan,
dengan standar deviasi 2 telur per bulan. Buatlah interval kepercayaan 95% untuk
rata-rata produksinya.

Jawab :

Untuk mencari nilai t, menggunakan tabel T.

Cara membaca table T, terlebih dahulu cari niai df (degrees of fredrom) atau derajad
kebebasan.
df = n – 1  df = 20 – 1 = 19.

Statistika Page 133

 Kemudian lihat pada tabel, df nya 19 dan standar error nya 0,05 pada bagian two
tailed. Nilai t nya adalah 2,093.

s
μ= X t
2
 μ = 20 ± 2,093 = 20 ± 0,936  20,936 atau 19,064
n √20

Jadi, pak dahlan 95% yakin bahwa produksi telur nya perbulan berkisar antara 19, 064
sampai 20, 936 per bulan.

3. Interval kepercayaan untuk proporsi

Proporsi (ṕ) : rasio yang menunjukkan bagian sampel atau populasi yang memiliki
sifat tertentu yang sedang diteliti.
𝑥
ṕ=𝑛
interval kepercayan 
(P) = ṕ ± z

Contoh

Seorang manajer bank ingin mengetahui pelanggan yang menggunakan kartu debit
untuk membayar di tempat pengisian bahan bakar. Dengan mengampil sambil sampel
100 pelanggan, didapati 80 membayar kontan di tempat bahan bakar. Buat interval
kepercayaan 95% untuk proporsi populasi tersebut

Jawab :

Diketahui : n = 100, x = 80
𝑥 80
- ṕ = 𝑛 = 100 = 0,8
- Nilai Z nya adalah 1,96 (caranya seperti mencari nilai z sebelumnya)
ṕ (1− ṕ) 0,8 (1−0,8)
- P=ṕ±z√ = 0,8 ± 1,96 √ = 0,8 ± 0,0784 = 0,88 atau 0,72
𝑛 100
- Manajer cukup yakin bahwa proporsi pelanggan yang membayar kontan di tempat
bahan bakar sebesar 72 sampai 88 persen.

4.Interval Estimation for Mean with Finite Population.

Bila dalam penelitian populasi sampel adalah populasi yang terbatas (finite) perlu
dilakukan penyesuaian dengan menggunakan factor koreksi populasi yang terbatas
(finite-popuation correction factor - FPC).
𝑁−𝑛
FPC = √ 𝑁−1
Sedangkan interval kepercayaannya adalah

Bila n < 30, menggunakan t dan

𝑠 𝑁− 𝑛
Z = x¯± z (√ 𝑁−1 ) tabel t
√𝑛

Statistika Page 134

 Contoh:
Seorang dosen ingin mengetahui nilai UTS dari 200 mahasiswanya. Diambil 25
sampel dan hasilnya rata-rata UTS mereka adalah 60. Dengan standar deviasi 20 dan
level signifikan 95%, Berapa rata-rata UTS seluruh mahasiswa ?
Jawab.
Diketahui : N = 200, n = 25, rata-rata = 60, s = 20.
Karena n < 30, maka ini termasuk uji skala kecil dan menggunakan tabel t.
df = 25 -1 = 24
nilai t nya adalah 2,064 (dari tabel t)
𝑠 𝑁− 𝑛
µ = x¯± t (√ 𝑁−1 )
√𝑛

20 200− 25
µ = 60 ± 2,064 (√ 200−1 )
√25

µ = 60 ± 7,742  67,74 atau 52,26

“Jadi, rata-rata nilai mahasiswa berada diantara nilai 52,26 sampai 67,74.”

5. Finite Population Correction Factor for Proportion

ṕ (1− ṕ) 𝑁− 𝑛
P=ṕ±z√ (√ 𝑁−1 )
𝑛

Contoh :
Pimpinan bank ingin mengetahui kepuasan nasabah dari 1000 nasabah, diambil 100
sampel. Hasilnya 60 orang menyatakan bahwa mereka puas. Dengan level signifikan
95%. Berapa proporsi pelanggan yang menyatakan puas?
Jawab :
𝑥 60
Diketahui : N = 1000, n=100, x= 60, ṕ = 𝑛 = 100 = 0,6
Nilai z adalah 1,96 (mencari nilai z sama dengan sebelumnya)
ṕ (1− ṕ) 𝑁− 𝑛
P=ṕ±z√ (√ 𝑁−1 )
𝑛

0,6 (1− 0,6) 1000− 100

P = 0,6 ± 1,96 √ (√ ) = 0,6 ±0,091
100 1000−1

Memilih ukuran sampel.

Kritetia sampel yang baik :
1) Tingkat kepercayaan yang diharapkan.
2) Kesalahan yang diizinkan (allowable error) atau E
3) Variation in the population.

𝑍.𝑠 𝑠
n =( 𝐸 )2  E=Z
√𝑛
n = ukuran sampel
s = standar deviasi
E = kesalahan maksimal yang diizinkan
Statistika Page 135
 ukuran sampel untuk proporsi populasi
𝑍
n = ṕ (1 − ṕ) (𝐸)2

Pertemuan 9

Uji Hipotesis Satu Sampel

Hipotesis : pernyataan tentang parameter populasi yang harus diverifikasi. Hipotesis

merupakan pernyataan yang masih lemah kebenarannya. Maka dibutuhkan uji hipotesis untuk
menentukan tingkat kebenaran hipotesis tersebut.
Uji hipotesis : suatu prosedur berasarkan pada bukti sampel dan teori probabilitas untuk
menentukan apakah suatu hipotesis merupakan pernyataan yang tepat.
 Langkah-langkah uji hipotesis :
1. Menentukan formula hipotesis
Ada dua jenis :
- Hipotesis nol (Ho) : menyatakan bahwa “tidak ada perbedaan”, hipotesis nol harus
mengandung unsur “sama dengan”.
- Hipotesis alternatif (H1 /Ha) : merupakan pernyataan yang berkebalikan dari Ho,
sebagai alternatif bila Ho ditolak.
Contoh : rata-rata produksi meja yang dihasilkan oleh sebuah pengrajin adalah
200 buah.
Ho adalah μ = 200
H1 adalah μ ≠ 200
2. Menentukan tingkat signifikansi (α)
Tingkat signifikansi adalah probabilitas menolak Ho ketika hipotesisnya benar.
Nilai tingkat signifikan biasanya adalah 0,01 ; 0,025 ; 0,05 (ditentukan dalam soal)

3. Menentukan kriteria pengujian

menghitung nilai yang digunakan untuk menolak Ho atau tidak dengan enggunakan
rumus :
keterangan
X −μ X −μ
Z = 𝜎/ 𝑛 atau t = 𝑠/ 𝑛 X : rata-rata sampel
√ √
n : ukuran sampel
Untuk n > 30 Untuk n < 30 σ atau s : standar deviasi
μ : rata-rata populasi

Statistika Page 136

 4. Menentukan nilai uji atau aturan keputusan.
Trial error/ tingkat kesalahan.

Ho diterima Ho diterima

Ho ditolak Ho ditolak

Nilai kritis Nilai kritis

Nilai kritis adalah titik yang membagi antara daerah yang Ho ditolak dan Ho diterima
5. Kesimpulan dan mengambil keputusan.
Untuk memperjelas tahapan uji hipotesis, perhatikan contoh dibawah ini.
Sebuah produsen saos tomat menggunakan mesin untuk menempatkan 16 ons saos ke
dalam botol-botol. Dalam setiap botol produsen sudah mengetahui bahwa botol akan
terisi sebanyak 16 ons dan standar deviasi 0,15 ons.
Sampel 50 botol yang diisi satu jam terakhir menunjukkan bahwa rata-rata jumlah per
botol yang terisi adalah 16,017 ons. Apakah perkiraan dari produsen bahwa botol akan
terisi sebanya 16 ons itu benar, lakukan uji hipotesisnya dengan tingkat signifikan 0,05.
Jawab :
1. Formula hipotesisnya
Ho adalah μ = 16 ons
H1 adalah μ ≠ 16 ons
2. Tingkat signifikan
α = 0,05
karena n >30 maka menggunakan uji nilai Z. nilai z nya adalah 1,96

0,025
0,025

0,475 0,475

-1,96 1,96

3. Statistik pengujian
Diketahui: X −μ
Z=
𝜎/√𝑛
X : 16,017 n : 50
μ : 16 σ : 0,15

Statistika Page 137

 16,017− 16
Z=
0,15/√50
Z = 0,8
4. Aturan keputusan
Nilai Z statistik (0,8) berada pada daerah kurang dari 1,96 atau pada daerah Ho
diterima, maka Ho diterima
H0 diterima

H0 ditolak

-1,96 0,8 1,96

5. Kesimpulan.
Kesimpulannya Ho diterima, yang artinya adalah bahwa botol memang akan terisi
sebanyak 16 ons tiap botolnya.

Catatan.
- Bila dalam soal n < 30 maka menggunakan uji t. untuk mencari nilai t seperti pada
bab sebelumnya
- Ada 3 jenis hipotesis Ho :
1. Bila Ho berbentuk = , dan Ha ≠  berarti ini two tailed. Bentuk kurvanya :

Ho diterima Ho diterima

Ho ditolak
Ho ditolak

2. Bila Ho berbentuk ≤, dan Ha >  berarti ini one tailed. Bentuk kurvanya :

Ho diterima

Ho ditolak

3. Bila Ho berbentuk ≥ dan Ha <  berarti ini one tailed. Bentuk kurvanya :

Ho diterima

Ho ditolak

Contoh (yang one tailed) :

Sebuah restoran mengatakan bahwa rata-rata tunggu pelanggan adalah 3 menit dan
standar deviasinya 1 menit. Sebuah lembaga pengawas konsumen mendapati bahwa
dalam sampel 50 pelanggan di restoran tersebut rata-rata waktu tunggunya adalah

Statistika Page 138

 2,75 menit. Apakah dapat disimpulkan bahwa rata-rata tunggunya kurang dari 3
menit ? tingkat signifikannya 0,05
Jawab :
Ho : μ ≥ 3 menit
Ha : μ < 3 menit
Dengan tingkat signifikan 0,05 maka nilai Z nya adalah 1,65 dari :
0,5 – 0,05 = 0,45  lihat di table z, maka nilai z nya adalah 1,65
Daerah yang kanan tidak diperhitungkan, karena one tailed

0,45

0,05

-1,65

0,5 Tidak dihitung

Nilai z statistik nya

X −μ 2,75− 3
Z= Z= = - 1,76
𝜎/√𝑛 1/√50
Jadi, kesimpulannya Ho diterima.
Ho diterima Artinya bahwa rata-rata waktu
tunggu pelanggan lebih dari atau
sama dengan 3 menit. Atau tidak
kurang dari 3 menit
-1,96 -1,76

Uji hipotesis untuk proporsi.

Tahapan-tahapan yang digunakan sama dengan hipotesis sampel yang membedakan hanya
rumus untuk mencari Z statistiknya.
keterangan
ṕ− p ṕ: proporsi populasi
Z=
𝑝 (1−𝑝)
√ p :proporsi sampel
𝑛
n : ukuran sampel

Tetapkan Ho Pilih tingkat Statistik rumuskan Keputusan dan

dan H1 signifikansi pengujian sebuah aturan kesimpulan
keputusan

Tidak Atau
menolak Ho Menerima
atau menolak Ha
Statistika Ho Page 139
Bentuk kesalahan mengambil keputusan

1. Tipe 1 (α) terjadi ketika menolak Ho yang hipotesisnya benar

2. Tipe 2 (β) terjadi ketika menerima Ho yang hipotesisnya salah

Pertemuan 10
Analisis Variansi (Anova)
Analisis variansi : teknik yang digunakan untuk menguji secara bersamaan apakah rata-
rata dari beberapa populasi adalah sama.
- Analisis variansi menggunakan distribusi F sebagai distribusi statistik ujinya.
- Ada dua parameter : numerator degrees of freedom dan denominator degrees of
freedom
- Numerator : df1 = k -1
- Denominator : df2 = N – k

 Membandingkan dua variansi populasi.

s12 X
 s (variansi ) = √
| 𝑥− |
F
s22 𝑛−1

Contoh.
Uji apakah ada perbedaan yang signifikan varians nilai ujian kelas A dan kelas B ?
Kelas A : 52, 67, 56, 45, 70, 54, 64
Kelas B : 59, 60, 61, 51, 56, 63, 57, 65
Jawab :
X Kelas A = ∑𝑋 = 408
= 58, 29  s=√
∑(𝑋−𝑟𝑎𝑡𝑎" )
=√
485,43
= 8.99
𝑛 7 𝑛−1 7−1

X Kelas B = ∑𝑋 = 472
= 59  s=√
∑(𝑋−𝑟𝑎𝑡𝑎" )
=√
134
= 4,37
𝑛 8 𝑛−1 8−1

s12 8,992
F = = 4,23
s22 4,37

Ho : varians A = varians B
Ha : varians A ≠ varians B
Nilai F tabel nya dicari dengan cara :
- df1 (numerator) = k -1 = 7-1 = 6
- df2 (denumerator ) = N – k = 8-1 = 7 Ho ditolak

Statistika Page 140

 - pada alfa 0,05
lihat pada tabel F, nilai F tabel adalah 3,84

3,84 4,23

Ho ditolak, jadi varians kelas A berbeda dengan varians kelas B

 Uji ANOVA
Ada dua tipe uji ANOVA :
- One way
- Two way

1. ANOVA One Way

Dalam ANOVA one way hanya mengandung unsur treatment saja.
Statistik uji yang digunakan adalah
F statistic = MST / MSE

Source of Sum of d.f. Mean Square F

Variation Square
Treatment SST k–1 MST = SST/(k – 1) MST/MSE
Error SSE n– k MSE = SSE/(n – k)
Total SStotal n– 1
Secara rinci urutan ANOVA One way adalah sebagai berikut :
K = jumlah treatment
n = jumlah anggota masing-masing treatment
N = jumlah semua anggota treatment
𝑇𝑐 ² 𝑇² 𝑇𝑐 ²
SST = - SSE = ∑ (T)² -
𝑛𝑐 𝑁 𝑛𝑐

SSt total = SST + SSE

Contoh :
Dengan α = 5%, uji apakah rata-rata dari data berikut adalah sama ?
A B C
8 3 3
11 2 4
10 1 5
3 4
2

Jawab :

Statistika Page 141

 Ho : µ A= µ B = µ C
Ha : µ A ≠ µ B ≠ µ C
A A² B B² C C²
8 64 3 9 3 9
11 121 2 4 4 16
10 100 1 1 5 25
3 9 4 16
2 4
∑ TC 29 11 16 56
∑ T² 285 27 66 378
∑n 3 5 4 12

𝑇² ∑𝑇² SST 107,2

SST = ∑ 𝑛𝑐 - MST = k−1 = 3−1
= 53,6
𝑐 𝑁
29² 11² 16² 56²
=( + + )− = 107,2
3 5 4 12

𝑇𝑐 ² SSE 9,5
SSE = ∑ (T)² - MSE = N−k = 12−3 =1,05
𝑛𝑐
29² 11² 16²
= 378 - ( + + ) = 9,5
3 5 4

F statistik = MST / MSE = 53,6/1,05 = 51,05

Df1 : k -1 = 3 – 1 = 2
Ho ditolak
Df2 : N – k = 12 – 3 = 9
F tabel nya adalah : 4,25

4,25 51,05
2. ANOVA two way
Yaitu ANOVA yang mengandung unsur treatment dan block.

Source of Sums of Degrees of Mean Squares F Ratios

Variation Squares Freedom
Treatments SST k-1 MST=SST/(k-1) MST/MSE
Blocks SSB b-1 MSB=SSB/(b-1) MSB/MSE
Error SSE (k-1)(b-1) MSE=SSE/[(k-1)(b-
1)]
Total SSTotal nt - 1

Contoh:

Statistika Page 142

 Perusahaan A beroperasi selama 24 jam sehari, selama 5 hari seminggu. Shift
dilakukan tiap pekan. Pihak manajemen tertarik untuk melihat apakah ada perbedaan
jumlah produksi ketika dilakukan rotasi shift per minggu. Sampel diambil pada 5
pekerja. Pada level significan 5% dapatkah disimpulkan bahwa terdapat perbedaan
rata-rata produksi berdasarkan shift maupun berdasarkan tenaga kerja ?

Nama pekerja Pagi Siang Malam

Andi 31 25 35
Anton 33 26 33
Anggi 28 24 30
Anggun 30 29 28
Aris 28 26 27

Jawab :

Nama Jumlah produksi ∑ (dari yg

pekerja belum
Pagi pagi² Siang siang² Malam malah²
dikuadratkan)
Andi 31 961 25 625 35 1225 91
Anton 33 1089 26 676 33 1089 92
Anggi 28 784 24 576 30 900 82
Anggun 30 900 29 841 28 784 87
Aris 28 784 26 676 27 729 81
150 130 153 433
4518 3394 4727 12639

𝑇𝑐 ² ∑𝑇² 𝑇𝑖 ² ∑𝑇²
SST =∑ - SSB = ∑ -
𝑛𝑐 𝑁 𝑛𝑖 𝑁

150² 130² 153² 433² 91² 92² 82² 87² 81² 433²
=( + + )− = 62,53 =( + + + + )− =
5 5 5 15 5 5 5 5 5 15

33,64

∑𝑇² SSE = SS total – SST – SSB

SS total = ∑ 𝑋𝑖𝑐 - 𝑁 = 139,73 – 62,53 – 33,64
433²
= 12639 - = 139,73 = 43,47
15

SST 62,53
SSE 43,47 MST = k−1 = = 31,27
MSE = (k−1)(n−1) = (3−1)(5−1) = 5,43 3−1

SST 33,64
MSB = n−1 = = 8,41
5−1
MSB 8,41
MST 31,27 FB = MSE = 5,43 = 1,55
FT = MSE = = 5,75
5,43

Statistika Page 143

Treatment  Ho : µ T 1 = µ T 2 = µ T 3 Block  Ho : µ B 1 = µ B 2 = µ B 3 = µ B 4 = µ B 5
Ha : µ T 1 ≠ µ T 2 ≠ µ T 3 Ha : µ B 1 ≠ µ B 2 ≠ µ B 3 ≠ µ B 4 ≠ µ B 5

Treatment
Df 1 = k-1 = 2 Ho ditolak

Df 2 = (k-1)(n-1) = 2 (4) = 8
F tabel = 4,46
FT = 5,7
4,46 5,75
Block
Df 1 = n-1 = 5-1 = 4
Df 2 = (k-1)(n-1) = 2 (4) = 8
F tabel = 3,84
FB = 1,55 Ho diterima

1,55 3,84

Kesimpulan :
- Ada perbedaan antara jumlah produksi bila rotasi shift dilakukan (dilihat dari treatment
nya)
- Tidak ada perbedaan antara jumlah produksi bila berdasarkan tenaga kerjanya (dilihat
dari block)

Pertemuan 11
Chi-Square
Chi – Square adalah pengujian estimasi untuk data yang berskala nominal.
Uji Chi-square digunakan untuk:
1. Menguji apakah frekuensi aktual sama dengan frekuensi yang diharapkan (berasal dari
distribusi populasi yang dihipotesiskan).
2. Menentukan apakah sampel pengamatan berasal dari distribusi tertentu yang berdistribusi
normal

Statistika Page 144

3. Analisis tabel kontinjensi, digunakan untuk menguji apakah dua sifat atau karakteristik
saling berkaitan (Uji Independensi).
Tehnik pengujian dengan Chi-square :

 Goodness-of-Fit Test
Yaitu membandingkan distribusi yang teramati dengan distribusi yang diharapkan atau
diperkirakan.
Uji statistiknya :
(𝑓𝑜−𝑓𝑒)²
Fo : yang diamati
x² = ∑ 𝑓𝑒 Fe : yang diharapkan
Contoh
Dosen mengharapkan distribusi nilai ujian : A = 40%, B = 40%, dan C = 20%. Hasil
ujian menunjukkan distribusi nilai sebagai berikut : A : 30 orang B : 20 orang C :
10 orang. Uji dengan level of significance 10%, apakah distribusi nilai tersebut sesuai
dengan harapan dosen tersebut ?
Jawab.
Ho : µA = 0,40, µB = 0,40, µC = 0,20
Ha : distribusi tidak sesuai dengan yang diharapkan.
Nilai Fo Fe fo - fe (fo - fe)² (fo - fe)² / fe
Fe A = = 0,5
0,5 0,4 0,1 0,01 0,02
A
0,33 0,4 -0,07 0,0049 0,01225 Fe B = = 0,33
B
0,17 0,2 -0,03 0,0009 0,0045
C
0,03675 Fe C = = 0,17
Jumlah

Cara melihat tabel ² :

- Cari, df = k-1 = 3 – 1 = 2 0,03675
- Level signifikan = 0,1
- ² tabel nya adalah 4,6052
Jadi, Ho diterima. Artinya distribusi nilai sesuai
4,6052
dengan yang diharapkan dosen.

Statistika Page 145

 Bab 12 - 13

Regresi Sederhana Dan Analisis Korelasi

A.Pengertian

Analisis regresi – adalah sebuah proses meng estimasi sebuah fungsi hubungan antara
variabel Y (dependen variabel/ Variabel terikat) dengan veriabel X (independent variabel/
variabel bebas). Dengan kata lain kita meng estimasi seberapa besar Y jika diberikan sebuah
nilai pada variabel X.

Variabel terikat, adalah variabel yang sedang diprediksi atau diperkirakan. Di-skalakan dalam
sumbu Y.

Variabel bebas, adalah variabel yang menjadi dasar dari perkiraan atau estimasi. Di-skalakan
dalam sumbu X.

Karena pada bab ini kita membahas tentang regresi sederhana maka hanya ada 1 X pada
persamaan regresinya. Maka model Regresinya adalah

 Simple regresi : Y = a + b1X1 + e

 Multiple regresi : Y = a + b1X1 + … + bnXn + e

B. Parameter estimasi

Parameter estimasinya menggunakan metode one least square. Yaitu dengan menentukan
sebuah persamaan regresi dengan meminimalisasi penjumlahan dari kuadrat jarak vertical
antara nilai Y yang sesungguhnya dan nilai Y yang diramalkan. Kita dapat menggunakan
jalan pintas dengan rumus berikut.

Jadi dalam melakukan regresi sederhananya, model dari simple regresi adalah Y = a + bX
+ e. Maka yang perlu kita cari adalah a dan b yang bisa kita cari dari rumus diatas.
Setelah kita menemukan nilai a dan b barulah kita bisa membuat persamaan regresinya.

Contoh soal :

Statistika Page 146

Ini adalah data yang menunjukkan hubungan antara tingkat pendapatan dan tingkat konsumsi
suatu masyarakat. Dari data diatas bagaimanakah cara kita membuat persamaan
regresinya ?

Caranya adalah mencari nilai nilai yang dibutuhkan untuk mengerjakan rumus a dan b.

Statistika Page 147

Maka perhitungannya adalah

10 x 205500 – 1700 x 1110 1110 – 0.5091 x

1700
10 x 322000 – 1700^2 10

C. Analisis korelasi,

adalah sekumpulan teknik untuk menentukan arah (positif atau negatif) dan mengukur
hubungan (kuat atau lemah) antara dua variabel. Nilai koefisien korelasi adalah antara -1
hingga 1 atau -1 ≤ R ≤ 1ilustrasinya sebagai berikut:

Statistika Page 148

Jenis jenis korelasi adalah

Cara menghitung korelasi adalah dengan rumus korelasi pearson yaitu:

Dengan tabel regresi diatas kita sudah menemukan semua nilai yang dibutuhkan untuk
menghitung besarnya korelasi. Tinggal dimasukkan saja angka angkanya.

10 x 2055000 – 1700 x 1110

(10 x 322.000 - 2.890.000) x (10 x 132.100 – 1.232.100

Statistika Page 149

D. Inferensi dan prediksi dalam analisis regresi

Inferensi dan prediksi adalah kegiatan mengambil suatu kesimpulan dari hasil regresi
tersebut. Jadi dari perhitungan regresi dan korelasi diatas bisa kita ambil bebrapa kesimpulan
yakni

1. Persamaan regresinya yaitu

Y = 0.5091 + 24.45 X + e
Arti dari persamaan diatas adalah bahwa Y adalah Tingkat konsumsi dan X adalah
tingkat Pendapatan. Maka bisa kita ambil kesimpulan bahwa :
a. Titik konsumsi autonomus, adalah suatu tingkat konsumsi yang terus dilakukan
pada saat pendapatannya nol. Artiya titik ini dicapai pada saat X=0 maka nilai Y
adalah 0.5091
b. Setiap terjadi pertambahan 1 point pada X (tingkat pemdapatan) akan menambah
24.45 ponit pada Y (tingkat konsumsi)
2. Korelasi
Nilai korelasi dari hubungan antara tngkat pendapatan dan tingkat konsumsi sebesar
0.98 yang bisa kita ambil kesimpulan bahwa korelasi antara keduanya yakni POSITIF
dan KUAT (karena nilainya mendekati 1)

UJIAN AKHIR SEMESTER GENAP 2012/2013

Mata Kuliah : Statistik/Statistik I
Waktu : 100Menit
Sifat : Closed Book
PERHATIAN !
Segala Bentuk Kecurangan Akan Dikenakan Sanksi Sesuai Tata Tertib Ujian
Kerjakan 5 soal dari 6 soal berikut (masing-masing nilainya 20)

1. Transportasi merupakan sektor yang terkena dampak langsung dari kenaikan harga
BBM. Suatu studi dilakukan untuk mengetahui pengeluaran rumah tangga untuk jasa
transportasi di 5 kota besar di indonesia, yaitu jakarta, surabaya, bandung, medan dan
makassar. Sementara itu, transportasi di bedakan kedalam 3 jenis yaitu kendaraan umum,
sepeda motor dan mobil. Berikut adalah hasil perhitungan menggunakan two-way
ANOVA.

source of variation SS df MS F
Rows 50 5
columns 2 101,67
Error 98

Total 351,33 14
Lengkapi tabel ANOVA tersebut, dan lakukan pengujian dengan alpha sebesar 1 %
dan 5 % untuk melihat ada tidak nya perbedaan pengeluaran transportasi berdasarkan
kota dan model transportasi.

Statistika Page 150

2. Kebijakan kenaikan harga BBM selalu menimbulkan pro-kontra. Sebuah lembaga survei
melakukan polling pendapatan masyarakat terhadap kebijakan tersebut dan hasilnya
disajikan pada table berikut:

pendapat
kelompok
setuju tidaksetuju abstein
Akademisi 25 20 5
pengusaha&bisnis 21 35 10
Buruh 37 52 16
Umum 24 38 17
Apakah pendapat dan kelompok masyarakat tersebut mempunyai keterkaitan? Gunakan
alpha sebesar 10 % !
3. Sebuah lembaga riset melakukan studi kemiskinan sebagai dampak dari kenaikan harga
BBM di kota besar dan di kota kecil. Kota besar diwakili oleh Surabaya sedangkan kota
kecil diwakili oleh banyuwangi. Hasil survei terhadap 80 rumah tangga di kota surabaya:
20 rumah tangga diantaranya miskin. Sementara itu di kota banyuwangi dari 60 rumah
tangga: 18 rumah tangga diantaranya miskin.
a. Buatkan interval keyakinan (confidence interval) sebesar 5 % untuk proporsi rumah
tangga miskin di kota surabaya!
b. Apakah disimpulkan bahwa tingkat kemiskinan di kota Kecil lebih rendah
dibandingkan dengan kota besar? Uji dengan taraf signifikan sebesar 1 % !
4. Sebuah bank melakukan studi tentang penggunaan automatic teller machine (ATM).
Tujuan khusus penelitian ini adalah untuk mengetahui apakah nasabah dengan nilai usia
di atas 60 tahun. Untuk kebutuhan penelitian dilakukan uji sampel dari nasabah usia di
bawah 25 tahun dan di atas 60 tahun tahun.

usia di bawah 25 th 10 10 11 15 7 11 10 9

usia di atas 60 th 4 8 7 7 4 5 1 7 4

a. Apakah dapat disimpulkan bahwa nasabah dengan usia di bawah 25 tahun

menggunakan ATM lebih sering dibandingkan nasabah dengan usia di atas 60 tahun?
Uji dengan alpha sebesar 5 % !
b. Apakah ada perbadaan varians penggunaan ATM antar kedua tipe nasabah tersebut?
Uji dengan alpha sebesar 5 % !
5. BPJ jawa timur melakukan survei terhadap beberapa sampel penduduk tentang
pendapatan per bulan yang diterima menurut klasifikasi pendidikan terakhir. Hasil dari
survei tersebut adalah sebagai berikut:

strta 1 (dalam jutaan strta 2 (dalam jutaan strta 3 (dalam jutaan

rupiah) rupiah) rupiah)
7,5 7,9 8,1
7,7 8,7 10,3
8,3 11,5 11,2

Statistika Page 151

 9,2 10,3 8,9
6,9 12,4
Uji dengan alpha sebesar 5 % .apakah ada perbedaan gaji diantara ketiga klasifikasi
pendidikan tersebut.
6. “bulan department store” ingin mengetahui apakah setelah melakukan discount 25 %
pada mainan anak-anak di seluruh cabang dapat meningkatkan penjualan mainan. Untuk
mengetahui hal tersebut, pihak pemasaran melakukan survei terhadap tujuh outlet
tentang jumlah penjualan mainan anak-anak pada harga normal dan harga discount. Hasil
dari survei adalah”

Jumlah mainan terjual

harga normal 138 121 88 115 141 125 96
harga discount 128 134 152 135 114 106 112

Apakah pembelakuan discount dapat meningkatkan penjualan mainan? Alpha= 5 %

Statistika Page 152