Modul Statistika 2 2011 PDF

[Type the document title] [Year]
DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI
Ringkasan Teori
Populasi dan Sampel

Populasi adalah semua objek atau individu yang akan diteliti, sedangkan
sampel adalah bagian dari populasi yang dipilih untuk diteliti.
Metode Sampling
Prosedur sampling berfokus pada pengumpulan sebagian kecil anggota
(sampel) dari populasi yang lebih besar. Dimana sampel tersebut kemudian
digunakan untuk memperkirakan karakteristik dari seluruh populasi.
Sampel acak dari sebuah Populasi:

Sampel acak (random sample) adalah cara pengembalian sampel dimana
setiap individu mempunyai peluang yang sama untuk dijadikan anggota sampel.
Dibedakan menjadi dua, sesuai dengan ukuran populasi :
1. Sampel acak berasal dari populasi tidak terbatas (infinite population)
2. Sampel acak berasal dari populasi terbatas (finite population)
Cara Sampling
Sampling Dengan Pengembalian adalah metode sampling dimana setiap
anggota dari suatu populasi dapat dipilih lebih dari satu kali.
Sampling Tanpa Pengembalian adalah metode sampling dimana setiap
anggota dari suatu populasi tidak dapat dipilih lebih dari satu kali.
Distribusi Sampling
Distribusi probabilita dari suatu statistik sampel seringkali disebut sebagai
distribusi sampling dari statistik tersebut
Distribusi Sampling terdiri dari:
1. Distribusi Sampling Rata-rata
2. Distribusi Sampling Proporsi
3. Distribusi Sampling Selisih Rata-rata
4. Distribusi Sampling Selisih Proporsi
Page | 1
DISTRIBUSI SAMPLING RATA-RATA

Distribusi Sampling Rata-rata adalah distribusi dari besaran rata-rata yang
muncul dari sampel.
Notasi Dalam Distribusi Sampling Rata-rata:
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel µ : rata-rata populasi
s : standar deviasi sampling : standar deviasi populasi
x ` : rata-rata pada distribusi sampling rata-rata
x : standar deviasi pada distribusi sampling rata-rata
Rumus Distribusi Sampling Rata-rata:
Populasi tidak terbatas Populasi terbatas
( ) ( )
Rata-rata x =µ x =µ
Standar Deviasi
x .√
√ x √
Nilai Baku x x
x x
z= z=
x x
Ket: √ disebut dengan faktor koreksi
Contoh soal:
Sebuah perusahaan mainan memproduksi mobil-mobilan dengan remote
control yang menggunakan dua baterai. Rata-rata umur baterai yang digunakan di
produk ini adalah 35 jam. Distribusi umur baterai mendekati distribusi probabilitas
normal dengan standar deviasi 5,5 jam. Sebagai bagian dari program pengujian,
diambil sampel sebanyak 25 baterai. Hitunglah:
a. Probabilitas umur baterai lebih dari 36 jam?
b. Probabilitas umur baterai antara 34,5 dan 36 jam?
Penyelesaian:
Dik: x = µ = 35
= 5,5
n = 25
Dit: a. P( x >36)?
b. P(34,5< x <36)?
Jwb: x =√ = = 1,1
√
Page | 2
x
x
a. z = = = 0,91
x
b.
0 z
Lihat tabel z:
luas sebelah kanan 0 = 0,5000
luas antara 0 - z = 0,3186 -
luas sebelah kanan z = 0,1814
Kesimpulan : Jadi, dari 25 baterai yang dipilih, probabilita umur baterai lebih dari 36
jam adalah sebesar 0,1814 atau 18,14%.
x
x
b. = = = -0,45
x
x
x
= = = 0,91
x
Lihat tabel z:
luas antara -0 = 0,1736
luas antara 0 - = 0,3186 +
luas antara - = 0,4922
0
Kesimpulan : Jadi, dari 25 baterai yang dipilih probabilita umur baterai antara 34,5
dan 36 jam adalah sebesar 0,4922 atau 49,22%
DISTRIBUSI SAMPLING PROPORSI

Distribusi Sampling proporsi adalah distribusi sampling yang statisik
sampelnya merupakan proporsi sampel.
Notasi Dalam Distribusi Sampling Proporsi:
` : rata-rata pada distribusi sampling proporsi
: standar deviasi pada distribusi sampling proporsi
Page | 3
Rumus Distribusi Sampling Proporsi

Populasi tidak terbatas Populasi terbatas
( ) ( )
Rata-rata =π =π
Standar Deviasi
=√ =√ .√
Nilai Baku
z= z=
Jika nilai π dari populasi tidak diketahui, dalam hal ini π dianggap sama dengan 0,5
yaitu nilai π(1-π) yang maksimum.
Contoh Soal:
Seorang pemilik toko kaset menemukan bahwa 20% dari pelanggan yang memasuki
tokonya melakukan pembelian. Suatu pagi 180 orang yang dapat dianggap sebagai
sampel acak dari semua pelanggan, memasuki toko. Berapa probabilita pelanggan
yang membeli kurang dari 15%?
Penyelesaian:
Dik: n = 180
π(membeli)= 20% = 0,20
Dit: a. P ( < 15%)?
Jwb: = π = 0,20
=√ =√ = 0,029814239
a. z = = = -1,68
z 0
lihat tabel z:
luas sebelah kiri 0 = 0,5000
luas antara z-0 = 0,4535-
luas sebelah kiri z = 0,0465
Kesimpulan:
Jadi, probabilita bahwa diantara 180 orang yang masuk ke toko, pelanggan yang
membeli kurang dari 15% adalah sebesar 0,0465 atau 4,65%
Page | 4
SOAL DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI
1. Sebuah produsen jus jeruk membeli semua jeruk dari sebuah kebun jeruk
besar yang memiliki satu varietas jeruk. Berat perasan yang diperoleh dari
masing-masing jeruk untuk segelas jus rata-rata 4,70 ons dan standar deviasi
0,40 ons. Jika 25 jeruk dipilih secara random, Tentukan:
a. Probabilita berat perasan jeruk paling sedikit 4,6 ons
b. Probabilita berat perasan jeruk paling banyak 4,9 ons
2. Sebuah sampel acak yang terdiri dari 250 rumah diambil dari populasi rumah-
rumah tua untuk memperkirakan proporsi rumah dengan kabel yang tidak
aman. Jika pada kenyataannya, 30% dari rumah memiliki kabel yang tidak
aman, berapakah probabilita bahwa akan terdapat antara 25% dan 35% dari
rumah tersebut dengan kabel yang tidak aman?
3. According to the Burreau of the Cencus, 85,1% of adult residents of Arizona

have completed high school. What is the probability that no more than 80% of
the person in a simple random sample of 200 adult residents of Arizona have
finished high school?
4. Tartus industries memiliki tujuh pekerja produksi (dianggap sebagai

populasi). Pendapatan per jam dari masing-masing pekerja adalah: $7, $7, $8,
$8, $7, $8, $9. Hitunglah:
a. Rata-rata dari populasi tersebut
b. Standar Deviasi dari populasi tersebut
c. Rata-rata dari distribusi sampling rata-rata
d. Deviasi standar dari distribusi sampling rata-rata
5. Tentukanlah probabilita bahwa diantara 200 anak yang akan lahir, terdapat:
a. Kurang dari 40% adalah bayi laki-laki?
b. Lebih dari 54% adalah bayi laki-laki?
Asumsi : probabilita kelahiran untuk bayi laki-laki dan perempuan setara
6. A hardware store chain has just received a truckload of 5000 electrick drills.
Before accepting the shipment, the purchasing manager insists that 9 of the
drills be randomly selected for testing. He intends to measure the maximum
power consumption of each drill and reject the shipment if the mean
consumption for the sample is greater than the 300 watts listed on the product
label. Unknown the purchasing manager, the drills on the truck require an
average of 295 watts, with a standard deviation of 12 watts. Stating any
Page | 5
additional assumptions you are using, find the probability that the truckload of
drills will be rejected.
7. The mean selling price of new homes in a city over a year was $115.000. The
population standard deviation was $25.000. A random sample of 100 new
home sales from this city was taken.
a. What is the probability that the sample mean selling price was between
$113.000 and $117.000?
b. What is the probability that the sample mean selling price was more than
$110.000?
8. Sebuah perusahaan menerima 120 pelamar dari lulusan perguruan tinggi.

Dengan asumsi bahwa pelamar dapat dianggap sebagai sampel acak dari
semua lulusan tersebut. Berapakah probabilita bahwa antara 35% dan 45%
dari mereka adalah wanita jika 40% dari semua lulusan perguruan tinggi
tersebut adalah wanita?
9. Sebuah perusahaan memiliki 200 karyawan yang memiliki pendapatan rata-

rata $58.000 dengan standar deviasi $10.000. Dari 30 orang karyawan dipilih
secara acak untuk berpartisipasi dalam penggalangan dana tahunan, berapa
probabilita bahwa pendapatan rata-rata karyawan yang berpartisipasi dalam
kegiatan penggalangan dana tahunan memiliki pendapatan minimal $60,000?
10. Fakultas Ekonomi Universitas Padjadjaran menerima mahasiswa baru pada

tahun 2011 sebanyak 528 orang dan 211 orang diantaranya telah membawa
netbook pribadi ke kampus. Sebanyak 120 mahasiswa baru diambil sebagai
sampel acak. Hitunglah:
a. Standar deviasi?
b. probabilita mahasiswa yang membawa netbook antara 50% dan 60%?
Page | 6
JAWABAN DISTRIBUSI SAMPLING RATA-RATA DAN

PROPORSI
1. Dik: x = µ = 4,70
= 0,40
n = 25
Dit: a. P ( x ≥ 4,6) ?
b. P ( x ≤ 4,9)?
Jwb:
a. x =
√ √
x
x
z= = = -1,25
x
z 0
lihat tabel z:
luas antara z-0 = 0,3944+
Kesimpulan: Jadi, dari 25 jeruk yang diambil probabilita berat perasan jeruk
paling sedikit 4,6 ons adalah sebesar 0,8944 atau 89,44%
x
x
z= = = 2,5
x
lihat tabel z:
luas sebelah kiri 0= 0,5000
luas antara 0 – z = 0,4938 +
luas sebelah kiri z= 0,9938
0 z
Kesimpulan: Jadi, dari 25 jeruk yang diambil, probabilita berat perasan jeruk
paling banyak 4,9 ons adalah sebesar 0,9938 atau 99,38%
2. Dik: n = 250
π(kabel tidak aman)= 30% = 0,30
Page | 7
Dit: P ( 25% < < 35%)?
Jwb: = π = 0,30
=√ =√ = 0,028982753
= = = -1,72
= = = 1,72
Lihat tabel z:
luas antara 0- = 0,4573 +
luas antara = 0,9146
Kesimpulan: Jadi, probabilita bahwa akan terdapat antara 25% dan 35%
dari rumah tersebut dengan kabel yang tidak aman adalah
sebesar 0,9146 atau 91,46%
3. Dik: n = 200
π(have finished high school)= 85,1% = 0,851
Dit: P ( ≤ 80%)?
Jwb: = π = 0,851
=√ =√ = 0,025179257
z= = = -2,02
z 0
lihat tabel z:
Page | 8
Conclusion: So, the probability that no more than 80% of the person in a
simple random sample of 200 adult residents of Arizona have
finished high school is 0,0217 or 2,17%
4. Dik: pendapatan masing-masing pekerja = $7, $7, $8, $8, $7, $8, $9
Dit: a. µ ?
a. ?
b. x ?
c. x ?
Jwb:
a. µ = = 7,714285714 = 7,71
∑ x
b. = √
=√
=√ = 0,699867334
x = µ = 7,71
x = = 0,264524988
√ √
5. Dik: n = 200
π(lahir bayi laki-laki)= 50% = 0,50
Dit: a. P ( < 40%)?
b. P ( > 54%)?
Jwb: = π = 0,50
=√ =√ = 0,035355339
a. z = = = -2,83
lihat tabel z:
z 0
Kesimpulan: Jadi, probabilita bahwa diantara 200 anak yang lahir, kurang dari 40 %
adalah bayi laki-laki adalah sebesar 0,0023 atau 0,23%
Page | 9
b. z = = = 1,13
0 z
lihat tabel z:
luas antara 0-z = 0,3708-
Kesimpulan: Jadi, probabilita bahwa diantara 200 anak yang lahir, lebih dari
54 % adalah bayi laki-laki adalah sebesar 0,1292 atau 12,92%
6. Dik: N = 5000
µ = 295
n=9
= 12
if the mean consumption for the sample is greater than the 300 the
truckload of drills will be rejected
Dit: The probability that the truckload of drills will be rejected,
P( x > 300)?
Jwb: = = 0,0018 < 5% (tidak menggunakan faktor koreksi)
x = µ = 295
x = =4
√ √
x
x
z= = = 1,25
x
lihat tabel z:
luas antara 0 - z = 0,3944 -
0 z
Conclusion: so, the probability that the truckload of drills will be rejected is
0,1056 or 10,56%
7. Dik: µ = 115.000
Page | 10
= 25.000
n = 100
Dit: a. P(113.000< x <117.000)?
b. P( x >110.000)?
Jwb: x = µ = 115.000
x =√ = √
= 2500
x
x
a. z = = = -0,8
x
x
x
z= = = 0,8
x
0
Lihat tabel z:
luas antara 0 - = 0,2881 -
Kesimpulan : Jadi, probabilita harga rumah yang terjual antara $113.000 dan
$117.000 adalah sebesar 0,5762 atau 57,62%
x
x
b. = = = -2
x
z 0
lihat tabel z:
luas antara z-0 = 0,4772 +
Kesimpulan : Jadi, probabilita harga rumah yang terjual lebih dari $110.000
adalah sebesar 0,9772 atau 97,72%
8. Dik: n = 120
π(wanita)= 40% = 0,40
Page | 11
Dit: P (35% < < 45%)
Jwb: = π = 0,40
=√ =√ = 0,044721359
= = = -1,12
= = = 1,12
Lihat tabel z:
luas antara 0- = 0,3686 +
0
Kesimpulan: Jadi, probabilita bahwa antara 35% dan 45% dari pelamar
adalah wanita ialah sebesar 0,7372 atau 73,72%
9. Dik: N = 200
n = 30
µ = 58.000
= 10.000
Dit: P ( x ≥ 60.000)?
Jwb: x = µ = 58.000
= = 0,15 > 5% (gunakan faktor koreksi)
√ = . √ = 1687,474797
x √ √
x
x
z= = = 1,18
x
Lihat tabel z:
luas sebelah kanan 0= 0,5000
luas antara 0 - z = 0,3810 -
0 z
Kesimpulan: Jadi, probabilita bahwa pendapatan rata-rata karyawan yang
berpartisipasi dalam kegiatan penggalangan dana tahunan
memiliki pendapatan minimal $ 60,000 adalah 0,1190 atau
11,90%
Page | 12
10. Dik: N= 528

x = 211
n = 120
Dit: a. ?
b. P (50% < < 60%)?
Jwb: π= = 0,3996
= = 0,227 > 5% (gunakan faktor koreksi)
=√ √ =√ . √ = 0,039342978
=π= = 0,3996
= = = 2,55
= = = 5,09
0
Lihat tabel z:
luas antara 0- = 0,5000
luas antara 0- = 0,4946-
Kesimpulan: probabilita mahasiswa yang membawa netbook antara 50%
dan 60% adalah sebesar 0,0054 atau 0,54%
Page | 13
DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI
Statistik merupakan salah satu hal terpenting dalam proses pengambilan

keputusan pada bidang ekonomi, bisnis maupun ilmu pengetahuan. Statistik mengacu
pada estimasi dan uji hipotesis. Agar estimasi atau uji hipotesis mendekati kondisi
sebenarnya pada populasi maka perlu diambil sampel-sampel yang dapat mewakili
populasi. Hal ini dapat dilakukan dengan cara random sampling, dimana setiap
elemen dari populasi memiliki peluang yang sama untuk terpilih menjadi sampel.
Dari pengambilan sampel ini kita dapat mempelajari karakteristik populasi
berdasarkan sampel yang diambil dari populasi itu. Berdasarkan sifat-sifat sampel
yang diambil dari sebuah populasi, statistika akan membuat kesimpulan umum yang
diharapkan berlaku untuk populasi itu.
Jika nilai-nilai statistik yang sejenis dikumpulkan lalu disusun dalam suatu
daftar sehingga terdapat hubungan antara nilai statistik dan frekuensi statistik yang
didapat, maka diperoleh kumpulan statistik yang biasa disebut distribusi sampling
(Sudjana, 2004: 87).
Distribusi Sampling Selisih Rata-Rata
Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat

terjadi dari selisih rata-rata dua sampel yang berbeda berdasarkan pada dua sampel
tertentu dari ukuran parameter dua populasinya.
Untuk ukuran-ukuran sampel n1 dan n2 cukup besar (n1, n2 > 30), maka
distribusi sampling selisih rata-rata sangat mendekati distribusi normal, untuk
mengubahnya ke dalam bentuk normal standar maka diperlukan rumus :
̅ ̅ ̅ ̅
̅ ̅
Dimana :
a. Rata-rata
̅ ̅
b. Simpangan baku
̅ ̅ √
Page | 14
Contoh soal :
Pada suatu wilayah didapat rata-rata pendapatan manajer dan karyawan per
hari masing-masing sebesar Rp70.000,00 dan Rp30.000,00 dengan simpangan baku
Rp20.000,00 dan Rp4.000,00. Jika dari wilayah tersebut diambil sampel manajer
sebanyak 42 orang dan karyawan sebanyak 135 orang. Tentukan probabilitas bahwa
pendapatan manajer Rp45.000,00 lebih besar dari pendapatan karyawan pada wilayah
tersebut?
Jawab :
Dik :μ1 = 70.000 σ1 = 20.000 n1 = 42
μ2 = 30.000 σ2 = 4.000 n2 = 135
Dit : ̅
Jwb : ̅ ̅
= 70.000 – 30.000
= Rp40.000,00
̅ ̅ √
=√
= Rp3.105,209823
̅ ̅ ̅ ̅
̅ ̅
= 1.61
Lihat tabel Z :
Luas sebelah kanan 0 : 0,5000
Luas 0 – Z : 0,4463
Luas sebelah kanan Z : 0,0537
0 Z
Kesimpulan : Jadi, probabilitas bahwa pendapatan manajer Rp45.000,00 lebih

besar dari pendapatan karyawan pada wilayah tersebut adalah sebesar 0,0537 atau
5,37%.
Page | 15
Distribusi Sampling Selisih Proporsi

Distribusi sampling selisih proporsi adalah distribusi probabilitas yang dapat
terjadi dari selisih proporsi dua sampel yang berbeda berdasarkan pada dua sampel
tertentu dari ukuran parameter dua populasinya, adapun rumus distribusi sampling
selisih proporsi dinyatakan dalam :
a. Rata-rata proporsi
b. Simpangan baku proporsi
Distribusi sampling selisih proporsi inipun akan mendekati distribusi normal

bila ukuran-ukuran sampel cukup besar (n1, n2 > 30), maka untuk merubahnya
menjadi bentuk normal standar diperlukan rumus :
( )
Contoh soal :
Suatu perusahaan mobil melakukan perubahan strategi penjualan. Setelah

dilakukan pengamatan pada dua produk, mobil A dan mobil B, menunjukkan
peningkatan penjualan sebesar 40% pada mobil A dan 32% pada mobil B. Apabila
penjualan mobil A pada bulan ini sebanyak 370 unit dan mobil B sebanyak 230 unit,
berapa probabilitas beda persentase peningkatan penjualan mobil A dengan mobil B
tidak lebih dari 5% ?
Jawab :
Dik : π1 = 40% = 0,4 n1 = 370
π2 = 32% = 0,32 n2 = 230
Dit : ( )
Jwb :
= 0,4 – 0,32
= 0,08
Page | 16
=√
= 0,03993414
( )
Z1 =
Z2 =
Lihat tabel Z :
Luas Z1 – 0 : 0,4994
Luas Z2 – 0 : 0,2734
Luas Z1 – Z2 : 0,2260
Z1 Z2 0
Kesimpulan : Jadi, probabilitas beda persentase peningkatan penjualan mobil A

dengan mobil B tidak lebih dari 5% adalah sebesar 0,2260 atau 22,60%.
Page | 17
SOAL DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH

PROPORSI
1. In the Paradiso University, we have known that the average height of student’s
man is 168 cm with the standard deviation is 6.2 cm. Besides that, the average
height of student’s woman is 156 cm with the standard deviation is 7.3 cm. From
both populations we take a random sample is 100 people. What is probability the
average of height the student man more than 10 cm than the average height of
student woman?
2. Suppose that 10 % of goods in the east storage have broken, another goods in the
west storage have broken is 5 %. If we take a random sample 200 goods from the
west storage and 300 goods from the east storage, so find the probabilities if:
a. The broken goods in the east storage minimal 6 % than the broken goods in
the west storage?
b. The broken goods in the east storage is different between 0.9% until 7%
more than from the west storage?
3. Dalam satu tahun PT. Sanmos akan selalu memproduksi lampu sebanyak 10.000
unit. Pada tahun lalu ditemukan sebanyak 565 unit lampu rusak, sedangkan pada
tahun ini ditemukan sebanyak 370 unit lampu rusak. Untuk suatu penelitian
diambil sampel lampu sebanyak 250 unit, maka tentukan probabilitas produksi
lampu yang rusak pada tahun lalu berbeda minimal 3% lebihnya dari produksi
lampu yang rusak pada tahun ini ?
4. Monro and Nando companies are produce two kinds of refrigerator. The average
lifetime of the Monro refrigerator is 70.000 hours with standard deviation is 2.000
hours and the average lifetime of the Nando refrigerator is 55.000 hours with
standard deviation is 7.000 hours. Determine the probability that the average
lifetime of the Monro refrigerator maximal 14.000 hours than Nando refrigerator,
if the random sample were taken respectively as 100 and 125 units?
5. Untuk membangun sebuah rumah, Toni membutuhkan batu bata sebanyak 50.000
batu bata. Untuk memenuhi kebutuhannya, Toni memesan ke supplier. Supplier
tersebut dapat memenuhi kebutuhan Toni dengan cara dua kali pengiriman yang
banyaknya sama, dengan rata-rata berat sekali pengiriman adalah 2.000 kg dan
standar deviasi 500.000 gr. Berapakah probabilitas berat pengiriman pertama akan
berbeda antara 9 kg sampai 13 kg lebihnya dari pengiriman kedua ?
Page | 18
6. Sebuah perusahaan mebuel memiliki dua departemen untuk melakukan proses

produksi, yaitu departemen perakitan dan departemen penyelesaian. Diperkirakan
kedua departemen tersebut selalu membuat kesalahan dalam melakukan pekerjaan
mereka masing-masing sebesar 9% dan 6%. Manajemen perusahaan tersebut
ingin menganalisa hal tersebut, maka terhadap kedua departemen tersebut diambil
sampel masing-masing sebanyak 270 orang. Tentukan :
a. Rata-rata beda dua proporsi sampel tersebut ?
b. Simpangan baku beda dua proporsi sampel tersebut ?
c. Probabilitas beda persentase kesalahan departemen perakitan kurang dari
2% lebihnya daripada departemen penyelesaian ?
d. Jumlah sampel yang diambil bila ternyata hasil pengamatan menunjukkan
bahwa peluang kesalahan departemen perakitan minimal 4% daripada
departemen penyelesaian adalah 0,4207 dimana jumlah sampel departemen
perakitan dan departemen penyelesaian berjumlah sama ?
7. Sebuah survei diadakan terhadap pengunjung taman wisata. Untuk itu diambil
dua contoh lokasi. Sampel pertama adalah pengunjung kebun binatang dengan
rata-rata pengunjung 600 orang per hari dan simpangan baku 50 orang. Sampel
kedua adalah pengunjung taman bunga dengan rata-rata pengunjung 590 orang
per hari dan simpangan baku 75 orang. Untuk keperluan survei tersebut diambil
random sampel sebanyak 100 orang pengunjung kebun binatang dan 130 orang
pengunjung taman bunga. Tentukan probabilitas pengunjung kebun binatang dan
pengunjung taman bunga akan berbeda paling sedikit 13 orang ?
8. Pada wilayah Cibiru diketahui rata-rata pengeluaran berbelanja ibu rumah tangga
sebesar Rp60.000,00 per hari dengan simpangan baku Rp15.000,00. Sedangkan
rata-rata pengeluaran berbelanja ibu rumah tangga pada wilayah Tanjung sari
sebesar Rp55.000,00 per hari dengan simpangan baku Rp12.000,00. Berapa
probabilitas bahwa semua sampel random 68 ibu rumah tangga di Cibiru
mengeluarkan uang berbelanja sekurang-kurangnya Rp7.000,00 lebih banyak
daripada pengeluaran rata-rata 79 ibu rumah tangga di Tanjung sari ?
9. Pemungutan suara di Fakultas Ekonomi dalam rangka pemilihan Presiden BEM

yang diikuti oleh dua pasang kandidat menunjukkan hasil bahwa kandidat
pertama memperoleh 380 suara dari 600 mahasiswa yang mengikuti pemilihan
tersebut. Tentukan probabilitas jika dilakukan pemilihan ulang akan
menghasilkan selisih perolehan suara kedua pasang kandidat tersebut antara 20%
sampai 30% ?
Page | 19
10. Dari 300 hasil produksi kue di toko kue Selamat menghasilkan 95% hasil kue
yang baik, sedangkan pada toko kue Enag menghasilkan 97% kue yang baik dari
260 kue. Hitunglah :
a. Probabilitas jika kue gosong dari toko Selamat akan berbeda kurang
dari 5% daripada kue gosong dari toko kue Enag ?
b. Probabilitas jika kue gosong dari kedua toko akan berbeda antara 2%
sampai 4% ?
Page | 20
JAWABAN DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH
PROPORSI
1. Given : μ1 = 168 σ1 = 6,2 n1 = n2 = 100
μ2 = 156 σ2 = 7,3
Question : ̅
Answer : ̅ ̅
= 168 – 156
= 12
̅ ̅ √
=√
= 0,957757798
̅ ̅ ̅ ̅
̅ ̅
= -2,09
Lihat tabel Z :
Luas Z – 0 : 0,4817 +
Z 0
Conclusion: so, the probability of the average of height the student man more than 10 cm
than the average height of student woman is 0,9817 or 98,17 %.
2. Given : π1 = 10% = 0,1 n1 = 300

π2 = 5% = 0,05 n2 = 200
Page | 21
Question : a. ( )
b. ( )
Answer : a.
= 0,1 – 0,05
= 0,05
=√
= 0,023184046
( )
Lihat tabel Z :
Luas 0 – Z : 0,1664 -
0 Z
Conclusion: So, the probability of the broken goods in the east storage minimal 6 % than the
broken goods in the west storage is 0,3336 or 33,36%.
( )
b.
Z1 = = -1,77
Z2 = = 0,86
Lihat tabel Z :
Luas Z1 – 0 : 0,4616
Page | 22
Luas 0 – Z2 : 0,3051 +
Luas Z1 – Z2 : 0,7667
Conclusion: So, the probability of the broken goods in the east storage is different between
0.9% until 7% more than from the west storage is 0,7667 or 76,67%.
3. Dik : π1 = = 0,0565 n1 = n2 = 250
π2 = = 0,037
Dit : ( )
Jwb :
= 0,0565 – 0,037
= 0,0195
=√
= 0,018861468
( )
Lihat tabel Z :
Luas 0 – Z : 0,2123 -
0 Z
Page | 23
Kesimpulan : Jadi, probabilitas beda persentase produksi lampu yang rusak pada tahun lalu
berbeda minimal 3% lebihnya dari produksi lampu yang rusak pada tahun ini adalah sebesar
0,2877 atau 28,77%.
4. Given :μ1 = 70.000 σ1 = 2.000 n1 = 100
μ2 = 55.000 σ2 = 7.000 n2 = 125
Question : ̅
Answer : ̅ ̅
= 70.000 – 55.000
= 15.000
̅ ̅ √
=√
= 657,267069
̅ ̅ ̅ ̅
̅ ̅
= -1,52
Lihat tabel Z :
Luas sebelah kiri 0 : 0,5000
Luas Z – 0 : 0,4357 -
Luas sebelah kiri Z : 0,0643
Z 0
Conclusion : So, the probability that the average lifetime of the Monro refrigerator
maximal 14.000 hours than Nando refrigerator is 0,0643 or 6,43 %.
Page | 24
5. Dik :μ1 = μ2 = 2.000 kg
σ1 = σ2 = 500.000 gr = 500 kg
n1 = n2 = 25.000
Dit : ̅
Jwb : ̅ ̅
= 2.000 – 2.000
=0
̅ ̅ √
=√
= 4,472135955
̅ ̅ ̅ ̅
̅ ̅
Z1 = = 2,01
Z2 = = 2,91
Lihat tabel Z :
Luas 0 – Z2 : 0,4982
Luas 0 – Z1 : 0,4778 -
Luas Z1 – Z2 : 0,0204
0 Z1 Z2
Page | 25
Kesimpulan : Jadi, probabilitas bahwa berat pengiriman pertama akan berbeda antara 9 kg
sampai 13 kg lebihnya dari pengiriman kedua adalah sebesar 0,0204 atau 2,04 %.
6. Dik : π1 = 9% = 0,09 n1 = n2 = 270

π2 = 6% = 0,06
Dit : a.
b.
c. ( )
d. nilai n ,bila ( )
Jwb : a.
= 0,09 – 0,06
= 0,03
b. √
=√
= 0,022632326
( )
c.
Lihat tabel Z :
Luas Z – 0 : 0,1700 -
Z 0
Kesimpulan : Jadi, probabilitas beda persentase kesalahan departemen perakitan kurang dari
2% lebihnya daripada departemen penyelesaian adalah sebesar 0,3300 atau 33,00%.
Page | 26
d.
Lihat tabel Z :
Luas 0 – Z : 0,4207 -
0 Z Lihat tabel Z; Nilai Z = 0,20
( )
0,20 =
= 0,05
. √
0,05 = √
0,0025 =
n = 55,32 ≈ 56 orang
Kesimpulan : Jadi, Jumlah sampel yang diambil bila ternyata hasil pengamatan menunjukkan
bahwa peluang kesalahan departemen perakitan minimal 4% daripada departemen
penyelesaian adalah 0,4207 dimana jumlah sampel departemen perakitan dan departemen
penyelesaian berjumlah sama adalah sebanyak 56 orang.
7. Dik :μ1 = 600 σ1 = 50 n1 = 100
μ2 = 590 σ2 = 75 n2 = 130
Dit : ̅ atau ̅
Jwb : ̅ ̅
= 600 – 590
= 10
Page | 27
̅ ̅ √
=√
= 8,262519638
̅ ̅ ̅ ̅
̅ ̅
Z1 = = -2,78
Z2 = = 0,36
Lihat tabel Z :
Luas 0 – Z2 : 0,1406 -
Luas sebelah kanan Z2: 0,3594
Lihat tabel Z :
Z1 0 Z2
Luas Z1 – 0 : 0,4973 -
Luas sebelah kiri Z1 : 0,0027
Kesimpulan :
 Jadi, probabilitas bahwa pengunjung kebun binatang akan lebih besar dari pengunjung
taman bunga dengan perbedaan paling sedikit 13 orang adalah sebesar 0,3594 atau
35,94%.
 Jadi, probabilitas bahwa pengunjung kebun binatang akan lebih kecil dari pengunjung
taman bunga dengan perbedaan paling sedikit 13 orang adalah sebesar 0,0027 atau
0,27%.
8. Dik :μ1 = 60.000 σ1 = 15.000 n1 = 68
μ2 = 55.000 σ2 = 12.000 n2 = 79
Dit : ̅
Page | 28
Jwb : ̅ ̅
= 60.000 – 55.000
= Rp5.000,00
̅ ̅ √
=√
= Rp2.265,305352
̅ ̅ ̅ ̅
̅ ̅
= 0,88
Lihat tabel Z :
Luas 0 – Z : 0,3106 -
0 Z
Kesimpulan : Jadi, probabilitas bahwa ibu rumah tangga di Cibiru mengeluarkan uang
berbelanja sekurang-kurangnya Rp7.000,00 lebih banyak daripada pengeluaran ibu rumah
tangga di Tanjung sari adalah sebesar 0,1894 atau 18,94%.
9. Dik : π1 = = 0,63 n1 = n2 = 600
π2 = = 0,37
Dit : ( )
Jwb :
= 0,63 – 0,37
Page | 29
= 0,26
=√
= 0,027874719
( )
Z1 =
Z2 =
Lihat tabel Z :
Luas Z1 – 0 : 0,4842
Luas 0 – Z2 : 0,4236
Luas Z1 – Z2 : 0,9078
Z1 0 Z2
Kesimpulan : Jadi, probabilitas jika dilakukan pemilihan ulang akan menghasilkan selisih
perolehan suara kedua pasang kandidat tersebut antara 20% sampai 30% adalah sebesar
0,9078 atau 90,78%.
10. Dik : π1 = 100% - 95% = 5% n1 = 300

π2 = 100% - 97% = 3% n2 = 260
Dit : a. ( )
b. ( )
Jwb : a.
= 0,05 – 0,03
= 0,02
Page | 30
=√
= 0,016439477
( )
Lihat tabel Z :
Luas 0 – Z : 0,4656
0 Z
Kesimpulan : Jadi, probabibilitas kue gosong dari toko Selamat akan berbeda kurang dari 5%
daripada kue gosong dari toko kue Enag adalah sebesar 0,9656 or 96,56%.
( )
b.
Z1 = =0
Z2 = = 1,22
Lihat tabel Z :
Luas 0/Z1 – Z2 : 0,3888
0/Z1 Z2
Kesimpulan : Jadi, Probabilitas kue gosong dari kedua toko akan berbeda antara 2% sampai
4% adalah sebesar 0,3888 or 38,88%.
Page | 31
PENAKSIRAN RATA-RATA DAN PROPORSI
Penaksiran adalah seluruh proses dengan menggunakan statistik sampel untuk

menduga parameter yang tidak diketahui. (Statistika untuk Ekonomi dan Keuangan Modern,
Suharyadi)
Sifat-sifat penduga / penaksir :
 Tidak bias
Penduga dikatakan tidak bias jika di dalam sampel random yang berasal dari populasi
, expected value dari statistik sampel sama dengan parameter populasi.
 Efisien
Page | 32
Penduga yang efisien adalah penduga yang tak bias dan memiliki varians minimum
dari penduga-penduga lainnya.
 Konsisten
Dikatakan konsisten apabila nilai dugaan semakin mendekati nilai sebenarnya dengan
semakin bertambahnya jumlah sampel (n).
Menaksir / menduga dapat dilakukan dengan ;
1. Pendugaan titik (point estimator) : pendugaan yang terdiri dari satu nilai saja yang
digunakan untuk menduga parameter.
2. Pendugaan Interval (interval estimator) : menunjukkan pada interval berapa suatu
parameter populasi akan berada.
Ketika menggunakan interval estimator, ada beberapa hal yang harus diperhatikan,
yaitu Tingkat Keyakinan dan Tingkat Signifikansi.
Tingkat keyakinan (1-α) adalah luas daerah di bawah kurva merupakan tempat
kedudukan titik-titik yang menunjukkan nilai taksiran parameter populasi berdasarkan
statistik sampelnya yang masih dapat diyakini kebenarannya.
Tingkat Signifikansi (α) adalah luas daerah di bawah kurva yang merupakan tempat
kedudukan titik-titik yang menunjukkan nilai taksiran parameter populasi berdasarkan
statistik sampelnya yang tidak dapat diyakini kebenarannya.
Standar Error of Estimate adalah suatu bilangan yang menunjukkan selisih antara
nilai statistik sampel dengan parameter populasi.
Memilih ukuran sampel
Ada tiga faktor yang harus diperhatikan untuk memilih sampel yang baik, yaitu :
a. Tingkat keyakinan yang dipilih. Semakin tinggi tingkat keyakinan, maka dibutuhkan jumlah
sampel yang semakin besar.
b. Kesalahan maksimum yang diperbolehkan. Semakin baik hasil penelitian adalah yang memiliki
kesalahan minimum.
c. Variasi dari populasi. Variasi populasi diukur dari standar deviasinya, semakin kecil standar
deviasi biasanya dibutuhkan ukuran sampel yang semakin besar.
Rumus jumlah sampel untuk nilai rata-rata :
[( ) ]
Rumus jumlah sampel untuk nilai proporsi :
Page | 33
( )
atau
* jika nilai p dan P tidak diketahui.
Macam-macam Penaksiran/ Pendugaan

1. Penaksiran Rata-rata
2. Penaksiran Proporsi
3. Penaksiran selisih rata-rata
4. Penaksiran selisih proporsi
1. Penaksiran Rata-rata
Rata-rata populasi ditaksir oleh rata-rata sampelnya, dimana simpangan baku populasi
(σ) diketahui dan populasinya berdistribusi normal.
Beberapa rumus untuk penaksiran interval rata-rata adalah :
 ̅ ̅
√ √
Rumus ini berlaku untuk sampel besar (n≥30) dari populasi yang tak terbatas dan
 ̅ √ ̅ √
√ √
Rumus ini berlaku untuk sampel besar (n≥30) dari populasi terbatas dan (
 ̅ ̅
√ √
Rumus ini berlaku untuk sampel kecil (n<30) dan simpangan baku populasi (σ) tidak
diketahui, sehingga dipakai s (simpangan baku dari sampel) dalam perhitungannya.
Contoh soal
Page | 34
Rata-rata ukuran diameter dari 200 bola-bola yang terdapat dalam sebuah kotak adalah
0.824 cm, dan standar deviasi 0.042 cm. Carilah batas-batas taksiran rata-rata dari diameter
semua bola dengan tingkat keyakinan 99% !
Jawab
Diketahui :
N = 200
σ = 0.042
CL = 99%, Zα/2 = 2.575 (lih. Table Z)
√ √
0.816 <µ < 0.832
Jadi, dengan tingkat signifikansi 1%, batas taksiran untuk rata-rata ukuran diameter 200 bola
tersebut adalah antara 0.816 dan 0.832.
(Statistika, Murray R. Spiegel)
Dengan Minitab
 Klik stat, basic stat, 1- sample Z (karena sampel ≥ 30)

 Pilih summarized data, isi dengan mean, sample size, dan standard deviation
sesuai soal
 Klik option, dan isi confidence level sesuai soal (95%) dan pilih alternative not
equal
 Klik OK
 Hasilnya :
N Mean SE Mean 99% CI

200 0.824000 0.002970 (0.816350, 0.831650)
Page | 35
2. Penaksiran Proporsi
Kata proporsi menunjukkan presentase dari suatu bagian atau unsur dari suatu bagian.
Proporsi memiliki distribusi sampling yang bersifat normal, dan nilai rata-rata distribusi
proporsi sampel merupakan penduga tidak bias bagi proporsi populasi. (Statistika untuk
Ekonomi dan Keuangan Modern, Suharyadi)
Rumus Penaksiran Proporsi
√ √
Standar deviasi proporsi untuk populasi tidak terbatas (n/N ≤ 0,05)
*untuk populasi terbatas (n/N >0,05), gunakan juga faktor koreksi.

*dimana
Contoh soal
Untuk meningkatkan pelayanan kepada konsumen, PT. Telkom Tbk melakukan
survei kepuasan di wilayah Jabodetabek. Dari 3000 pelanggan pada bulan April 2011,
ternyata 2.100 pelanggan menyatakan puas dan sisanya kurang puas. Buatlah interval
keyakinan tentang kepuasan konsumen dengan menggunakan tingkat keyakinan 95%
!
Jawab
Diketahui :
p = 2.100/3.000 = 0.7 1-p = 0.3
√ √
Cl = 95% Zα/2 = 1.96
Page | 36
√ √
0.6836< <0.7165
Jadi, interval keyakinan tentang kepuasan konsumen dengan menggunakan tingkat
signifikansi 5% adalah antara 0.6835 sampai 0.7165.
Dengan Minitab
 Klik stat, basic stat, 1- proportion

 Pilih summarized data, isi dengan number of trials dan number of events sesuai
soal
equal
 Klik OK
 Hasil:
Sample X N Sample p 95% CI

1 2100 3000 0.700000 (0.683246, 0.716363)
Page | 37
SOAL PENAKSIRAN RATA-RATA DAN PROPORSI
1. Pola konsumsi seseorang sangat dipengaruhi oleh jumlah pendapatannya. Seorang

mahasiswa mencoba mengetahui berapa rata-rata pengeluaran untuk susu dan roti
pada kalangan masyarakat berpendapatan diatas Rp. 5 juta/bulan. Sebagai sampel
diambil 200 orang yang tersebar di perumahan elite di Jakarta. Hasil penelitian
menunjukkan bahwa rata-rata pengeluaran untuk susu dan roti adalah Rp. 800 ribu
perbulan dengan simpangan baku Rp. 120 ribu. Dengan data tersebut buatlah interval
taksiran rata-rata untuk pengeluaran susu dan roti dengan confidence level 95%!
2. Bank Sunshine mengeluarkan fasilitas baru untuk memudahkan konsumen dalam

transaksi keuangan. Fasilitas baru tersebut adalah kartu debit tanpa password yang
dapat digunakan di banyak tempat belanja ternama di Indonesia maupun Dunia.
Survey dilakukan pada januari 2011 terhadap 1.500 prime customer Bank Sunshine.
Mereka diberikan pilihan untuk menggunakan atau tidak. Ternyata hasil survey
menunjukkan bahwa 600 orang setuju dan sisanya tidak. Dengan tingkat kepercayaan
99%, tentukan interval taksiran untuk proporsi pelanggan yang setuju dengan
penggunaan kartu debit tersebut!
Page | 38
3. PT. Panasonic menghasilkan produk TV baru berupa layar datar yang dilengkapi
berbagai fasilitas seperti home theater pada akhir 2010. Untuk mencoba apakah
produk ini disukai atau tidak, PT. Panasonic akan melakukan survey di beberapa kota
besar di Indonesia. Apabila dengan tingkat keyakinan 95% dan kesalahan penarikan
sampel diharapkan hanya 3%, berapa jumlah sampel yang harus diwawancarai?
4. Departemen Koperasi dan UKM ingin mengetahui pendapatan rata-rata dari UKM di
Jawa Timur tahun 2010. Dari total 660 UKM di bawah bimbingan departemen
tersebut, diambil 120 UKM sebagai sampel. Rata-rata pendapatan ternyata meningkat
perbulannya hingga menjadi 2,1 juta dengan deviasi 0,8 juta. Dengan tingkat
keyakinan 99%, buatlah interval taksiran rata-rata kenaikan pendapatan UKM di Jawa
Timur!
5. Baru-baru ini Dubberware masuk ke dalam 20 Top Brands Innovation. Tapi hal ini
tidak membuat Dubberware puas dan terus melakukan continous improvement. Untuk
sebuah produk baru perusahaan ingin mengetahui apakah konsumen menyukai model
Dubberware tersebut atau tidak. Dari 400 pelanggan diambil 15 sampel dan ternyata
60% dari sampel menyukai produk tersebut. Buatlah interval taksiran tentang
kesukaan pelanggan dengan menggunakan confidence level 95%!
6. PT. KPBS telah mendapatkan ISO140000 untuk pengendalian mutu produk susunya.
Berdasarkan pengalaman, proporsi susu rusak sebesar 8%, kemudian manajemen
memutuskan bahwa kesalahan yang ditoleransi adalah 2%. Dengan tingkat
kepercayaan 95%, berapa sampel susu yang harus diambila agar mutu susu terbukti
tetap terjaga dengan baik?
7. The administrator of a physical therapy facility has found that postoperative

performance scores on a knee flexibility test have tended to follow a normal
distribution with a standard deviation of 4. For a simple random sample of ten patients
who have recently had knee surgery, the scores are follows : 101, 92, 94, 88, 52, 93,
76, 84, 72, and 98. Construct and interpret the 90% confidence interval for the
population mean!
Page | 39
8. A consumer magazine has contacted a simple random sample of 33 owners of a

certain model of automobile and asked each owner how many defects had to be
corrected within the first 2 months of ownership. The average number of defects was
̅ = 3,7, with standard deviation of 1,8 defects. Use the z distribution to construct a
95% confidence interval for µ = the average number of defects for this model!
9. A study by the society of Human Resource Management found 23% of U.S. business
executive surveyed believe that an employer has no right to read employees’ e-mail.
Assuming that the survey included a simple random sample of 1200 executives,
construct a 90% confidence interval for π = the population proportion of U.S. business
executives who believe that employers have no right to read employees’ e-mail.
10. Dirjen pajak ingin mengetahui berapa interval dari beban pajak setiap rumah tangga.
Untuk kepentingan tersebut diambil sampel 25 orang dari 500 orang yang membayar
pajak pada tanggal 13 April 2011. Dari sampel diketahui bahwa rata-rata pajak yang
dibayar adalah 2,4 juta dengan deviasi 0,46 juta. Dengan tingkat kepercayaan 98%,
buatlah interval pembayaran pajak tersebut!
JAWABAN SOAL PENAKSIRAN RATA-RATA DAN PROPORSI
1. Diketahui :
n = 200 ̅ sx =120 CL = 95%
Jawab
Zα/2 = 0,95/2 = 0,4750 (lih. Table Z) = 1,96
̅ ̅
√ √
√ √
Jadi, dengan tingkat signifikansi 5% nilai rata-rata pengeluaran untuk susu dan roti
berada pada interval Rp. 783.360 ribu dan Rp. 816.640.
Dengan Minitab
 Klik stat, basic stat, 1- sample Z (karena sampel ≥ 30)
Page | 40
 Pilih summarized data, isi dengan mean, sample size, dan standard deviation
sesuai soal
equal
 Klik OK
 Hasilnya :
N Mean SE Mean 95% CI
200 800.000 8.485 (783.369, 816.631)
2. Diketahui :
n = 1500 x = 600 p = 600/1500 = 0,4 1-p = 0,6 CL = 99%
Jawab
Zα/2 = 0,99/2 = 0,4950 (lih. Table Z) = 2,58
√ √
√ √
Jadi, interval taksiran proporsi pelanggan yang setuju dengan penggunaan kartu debit
tanpa password tersebut adalah antara 37% sampai 43%.
Dengan Minitab
 Klik stat, basic stat, 1- proportion
 Klik summarized data, isi number of trials 1500 dan number of event 600
 Klik option, isi confidence level 99%, test proportion 0,5 dan alternative not
equal. Beri tanda checklist pada use test and interval based on normal distribution
(karena ≥ 30)
 Klik OK
 Hasilnya :
Test and CI for One Proportion
Sample X N Sample p 99% CI Z-Value P-Value
1 600 1500 0.400000 (0.367418, 0.432582) -7.75 0.000
3. Diketahui :
Page | 41
CL = 95% ε = 3% * nilai p tidak diketahui
Jawab
Zα/2 = 0,95/2 = 0,4750 = 1,96
= 1.067,1
Jadi, jumlah sampel yang harus diwawancarai jika diharapkan tingkat kesalahan
hanya 3% adalah 1.067 orang.
4. Diketahui :
N = 660 n=120 n/N = 120/660 = 0,18 > 0,05 (menggunakan
faktor koreksi) ̅ = 2,1 sx = 0,8
Jawab
Zα/2 = 0,99/2 = 0,4950 (lih. Table Z) = 2,58
̅ √ ̅ √
√ √
√ √
√ √
Jadi, dengan tingkat signifikansi 5%, rata-rata kenaikan pendapatan UKM di Jawa
Timur berkisar antara 1,93 juta sampai 2,27 juta.
5. Diketahui :
N = 400 n = 15 p = 0,6 n/N = 0,0375 < 0,05, tidak
menggunakan faktor koreksi
Jawab
Zα/2 = 0,95/2 = 0,4750 (lih. Table Z) = 1,96
√ √
√ √
Jadi, dengan tingkat signifikansi 5% interval taksiran tentang kesukaan pelanggan

terhadap model Dubberware yang baru adalah antara 35% sampai 85%.
Page | 42
6. Diketahui :
p = 0,08 ε = 0,02 CL = 95%
Jawab
Zα/2 = 0,95/2 = 0,4750 (lih. Table Z) = 1,96
( )
Jadi, sampel yang harus diambil dengan tingkat kesalahan yang diinginkan hanya 2%
agar terbukti mutu susu terjaga dengan baik adalah 708 buah.
7. Given :
n = 10 sx = 4 ̅ CL = 90% df = n-1 = 9
Jawab
tα/2 = 0,90, df = 9 (lih. Table t) = 2,262
̅ ̅
√ √
√ √
So, with the significance level 10%, confidence interval for postoperative
performance scores on a knee flexibility test is 82,14 to 87,86.
Dengan Minitab
 Klik stat, basic stat, 1- sampel t (karena data < 30)
 Klik summarized data, isi mean, sample size, dan standard deviation sesuai
dengan soal
 Klik option, isi confidence level 90.0 dan pilih alternative not equal
 Klik OK
 Hasilnya :
One-Sample T
Page | 43
N Mean StDev SE Mean 90% CI
10 85.0000 4.0000 1.2649 (82.6813, 87.3187)
8. Given :
n = 33 ̅ sx = 1,8 CL= 95%
Jawab
Zα/2 = 0,95/2 = 0,4750 (lih. Table Z) = 1,96
̅ ̅
√ √
√ √
So, with the significance level 5%, confidence interval for the average number of
defects for this model is 3,086 to 4,314.
9. Given :
n = 1200 p = 0,23 1-p = 0,77 CL = 0,90
Jawab
Zα/2 = 0,90/2 = 0,45 (lih. Table Z) = 1,65
√ √
√ √
So, with the significance level 90%, confidence interval for the population proportion
of U.S. business executives who believe that employers have no right to read
employees’ e-mail is 21% to 25%.
10. Diketahui :
N = 500 n= 25 ̅ = 2,4 sα/2= 0,46 CL = 98%
n/N= 25/500 = 0,05 (tidak menggunakan factor koreksi)
Jawab
Zα/2 = 0,98/2 = 0,49 (lih. Table Z) = 2,33
√ √
Page | 44
2,1856 < µ < 2,6144
Jadi, dengan tingkat signifikansi 2%, interval taksiran untuk rata-rata pembayaran
pajak adalah 2,1856 juta sampai 2,6144 juta.
PENAKSIRAN SELISIH RATA-RATA DAN PROPORSI
Ringkasan Teori
Penaksiran Selisih Rata-Rata
Apabila kita hedak menaksir perbedaan rata-rata ( 1   2 ) pada dua populasi, maka kita bisa
menaksir rata-rata populasi tersebut dengan menggunakan statistik sampel rata-rata ( x1  x2 )

. Jika sampel yang diambil dari populasi ke satu berukuran n1 dan simpangan baku s1 dengan
rata-rata x 1 dan sample yang diambil dari populasi ke dua berukuran n2 dan simpangan baku
s2 dengan rata-rata x 2 , maka titik taksiran selisih rata-rata populasi (1   2 ) adalah ( x1  x2 )
.
1. Untuk sample besar (n1  30 & n2  30)
2 2 2 2
( x1  x 2 )  Z  1
 2
 1   2  ( x1  x 2 )  Z  1
 2
2 n1 n2 2 n1 n2
2 2 2 2
s1 s s1 s
( x1  x 2 )  Z   2  1   2  ( x1  x 2 )  Z   2 *)
2 n1 n2 2 n1 n2
2. Untuk sample kecil (n1  30 & n2  30)

2 2 2 2
( x1  x 2 )  t 1
 2
 1   2  ( x1  x 2 )  t 1
 2
2 n1 n2 2 n1 n2
s1
2
s
2
s1 s
2 2
; df  n1  n2  2 * *)
( x1  x 2 )  t  2  1   2  ( x1  x 2 )  t  2
2 n1 n 2 2 n1 n 2
(n 1  1)s 1  (n 2  1)s 2 (n 1  1)s 1  (n 2  1)s 2

2 2 2 2
1 1 1 1 * **)
(x 1  x 2 )  t  (  )   1   2  (x 1  x 2 )  t  (  )
2 n1  n 2  2 n1 n 2 2 n1  n 2  2 n1 n 2
Page | 45
Catatan :
*) Digunakan bila dan tidak diketahui nilainya
* *) Digunakan bila dan tidak diketahui nilainya dan diketahui
* **) Digunakan bila dan tidak diketahui nilainya dan diketahui
Contoh Soal:
Seorang mahasiswa melakukan penelitian terhadap daya tahan 2 jenis barang yang fungsinya
sama. Barang X memiliki rata-rata daya tahan 4.500 jam dengan varians 90.000 jam,
sedangkan barang Y memiliki rata-rata daya tahan 3.800 jam dengan simpangan baku 200
jam. Apabila diambil dari masing-masing jenis barang itu 150 unit, maka tentukanlah selisih
rata-rata daya tahan kedua barang tersebut dengan tingkat kepercayaan 95 %!
Jawab:
(Manual)
Dik :
= 150 ̅ = 4500 = 90.000
= 150 ̅ = 3800 = 40.000
Dan untuk tingkat signifikansi 95%, maka:
⇒ ⁄
Maka selisih rata-ratanya:
2 2 2 2
( x1  x 2 )  Z  1
 2
 1   2  ( x1  x 2 )  Z  1
 2
2 n1 n2 2 n1 n2
Page | 46
(4500– 3800) – 1.96 √ < µx - µy < (4500– 3800) +1.96 √ 700 –
57.70083766 < µx - µy < 700 + 57.70083766
642.2991623 < µx - µy < 757.7008377
maka selisih rata-rata daya tahan kedua barang tersebut dengan tingkat kepercayaan 95 %
adalah 642.299 jam sampai dengan 757.7 jam.
(Komputer dengan software minitab)
Langkah-langkahnya :
1. Pilih menu Stat, kemudian basic statistik, kemudian 2 sample t

2. Pilih summarized data, masukkan jumlah sample, mean, standar deviasi masing-masing
data kedalam kolom first dan second. Sesuaikan dengan soal.
3. Klik options dan masukkan confidence level 95,0
4. Terakhir klik OK
Output:
Two-Sample T-Test and CI

SE
Sample N Mean StDev Mean
1 150 4500 300 24
2 150 3800 200 16
Difference = mu (1) - mu (2)
Estimate for difference: 700.000
95% CI for difference: (642.029, 757.971)
T-Test of difference = 0 (vs not =): T-Value = 23.78 P-Value = 0.000 DF = 259
Penaksiran selisih proporsi
Page | 47
Begitu juga dengan taksiran selisih proporsi ( 1   2 ) . Jika sample yang diambil dari
populasi ke satu berukuran n1 dan terdapat kejadian dari n1 sampel atau percobaan dan
sample yang diambil dari populasi ke dua berukuran n2 dan terdapat kejadian dari n2
sampel atau percobaan, maka titik taksiran selisih proporsi populasi ( 1   2 ) adalah
x1 x2
( p1  p2 ) dimana p1  dan p 2 
n1 n2
1. Untuk sample besar (n1  30 & n2  30)
x1 x x x x1 x x x *)
(1  1 ) 2 (1  2 ) (1  1 ) 2 (1  2 )
x1 x 2 n1 n1 n2 n2 x x n1 n1 n2 n2
(  )  Z    1   2  ( 1  2 )  Z 
n1 n2 2 n1 n2 n1 n2 2 n1 n2
x1 x 2 1 1 x x 1 1 * *)
(  )  Z   (1   )(  )   1   2  ( 1  2 )  Z   (1   )(  )
n1 n2 2 n1 n2 n1 n2 2 n1 n2
2. Untuk sample kecil (n1  30 & n2  30)

x1 x x2 x x1 x x2 x
(1  1 ) (1  2 ) (1  1 ) (1  2 )
x1 x 2 n1 n1 n n2 x x n1 n1 n n2 *)
(  )  t  2   1   2  ( 1  2 )  t  2
n1 n 2 2 n1 n2 n1 n 2 2 n1 n2
; df  n1  n2  2
x1 x2 1 1 x x 1 1 * *)
(  )  t  (1   )(  )   1   2  ( 1  2 )  t  (1   )(  )
n1 n2 2 n1 n2 n1 n2 2 n1 n2
Catatan :
1.Bila x1, x2, n1 & n2 masing-masing dinyatakan dengan bilangan bulat
positif, persoalan penaksiran tersebut dapat diselesaikan atau
dipecahkan dengan menggunakan rumus *) atau **).
2.Akan tetapi bila x1/n1, x2/n2 masing-masing dinyatakan dengan
bilangan dalam bentuk rasio atau persen maka hanya digunakan
rumus *).
Contoh Soal:
Page | 48
Sebuah sampel random dari produk makanan perusahaan A sebanyak 200 buah diambil dari
pasaran bebas ternyata didapat 20 diantaranya adalah cacat. Sampel yang lain dari produk
makanan perusahaan B yang sama jenisnya terdiri dari 250 buah ternyata ada 25 buah yang
cacat. Tentukan proporsi kerusakan produk makanan itu dengan confidence level 95 %.
Selama ini diketahui kualitas produk makanan perusahaan A dan B sama.
Jawab:
(manual)
Dik :
= 20 C.l = 95 %
= 25 ⁄ = 1.96
Solusi:
x1 x x x x1 x x x
(1  1 ) 2 (1  2 ) (1  1 ) 2 (1  2 )
x1 x 2 n1 n1 n2 n2 x x n1 n1 n2 n2
(  )  Z    1   2  ( 1  2 )  Z 
n1 n2 2 n1 n2 n1 n2 2 n1 n2
( ) - 1.96 √( ) < π1 – π2 < ( ) + 1.96 √( )
0.1 – 0.0867729 < π1 – π2 < 0.1 + 0.0867729
0.013223 < π1 – π2 < 0.1867729
Kesimpulan : Dengan tingkat kepercayaan 95 %, rentang taksiran selisih proporsi kerusakan

antara dua produk makanan tersebut adalah sebesar 1.322% sampai dengan 18.68 %.
1. Pilih menu Stat, kemudian basic statistik, kemudian 2 proportions

2. Pilih summarized data, masukkan jumlah trials dan events masing-masing data ke
dalam kolom first dan second. Sesuaikan dengan soal..
Page | 49
4. Terakhir klik OK
Output:
Test and CI for Two Proportions
Sample X N Sample p
1 20 100 0.200000
2 25 250 0.100000
Difference = p (1) - p (2)
Test for difference = 0 (vs not = 0): Z = 2.26 P-Value = 0.024
Page | 50
SOAL PENAKSIRAN SELISIH RATA-RATA DAN PROPORSI
1. Sebuah penelitian yang dilakukan oleh organisasi kopi internasional menemukan

bahwa 200 orang sampel yang diteliti berumur antara 30-59 tahun meminum rata-rata
0,57 cangkir kopi per hari. Sedangkan 100 orang sampel berumur diatas 60 tahun
meminum rata-rata 0,75 cangkir kopi per hari. Menurut data departemen kesehatan
besarnya simpangan baku populasi dari orang berumur 30-59 tahun dan 60 tahun
keatas berturut-turut adalah 0,09 dan 0,12. Dengan tingkat signifikasi 5%, Tentukan
selisih rata-rata banyaknya kopi yang diminum kedua kelompok umur tersebut!
(penaksiran selisih rata-rata)
2. For a sample of 48 finance majors, the average time spent reading each issue of the
campus newspaper is 19,7 minutes, with a standard deviation of 7,3 minutes. The
corresponding figures for a sample of 40 management majors are 16,3 and 4,1
minutes. Find the 99% confidence interval for the difference between the population
means! (penaksiran selisih rata-rata)
3. Seorang peneliti ingin meneliti sebuah sampel yang terdiri dari 500 pelanggan toko
yang dipilih di Garut untuk menentukan macam-macam informasi mengenai
kebiasaan pelanggan. Diantara pertanyaan yang diajukan, terdapat pertanyaan
”apakah kamu senang berbelanja pakaian?” dari 240 laki-laki, 136 menjawab ya. Dari
260 perempuan, 36 menjawab tidak. Dari data tersebut, peneliti ingin menentukan
selisih antara proporsi laki-laki dan perempuan yang menyenangi berbelaja pakaian.
Tentukanlah selisih proporsi tersebut jika peneliti ingin taraf nyatanya 1%!
(penaksiran selisih proporsi)
4. The results of a study conducted as part of a yield-improvement effort at a

semiconductor manufacturing facility provided defect data for a sample of 450
wafers. The following contingency table presents a summary of the responses to two
questions:”was a particle found on the die that produced the wafer?” and “is the wafer
good or bad?”
Quality of water
PARTICLES Good Bad Total
Page | 51
Yes 14 36 50
No 320 80 400
Total 334 116 450
Construct and interpret a 95% confidence interval estimate of the difference between
the population proportion of good and bad wafers that contain particles! (penaksiran
selisih proporsi)
5. CNU bank telah mengembangkan proses peningkatan pada layanan yang diberikan
untuk pelanggannya dari sisi waktu tunggu setiap pelanggan mendapatkan layanan
bank di setiap cabang. Untuk itu dilakukan pengamatan pada data-data waktu tunggu
setiap pelanggan selama satu periode yang didapat dari dua cabang CNU bank di kota
Garut dan Bandung. Data berikut merupakan waktu tunggu dari sampel yang dipilih
secara acak 11 pelanggan setiap cabang:
Waktu tunggu (dalam menit)
Garut 9,66 5,9 8,02 5,79 8,73 3,82 8,01 8,35 10,1 6,6 5,6
Bandun 4,21 5,55 3,02 5,13 4,77 2,34 3,54 3,2 4,5 6,1 0,3
g
Asumsikan varians populasinya sama, tentukanlah batas-batas taksiran selisih rata-
rata waktu tunggu kedua cabang CNU bank dengan tingkat sigifikansi 5%!
(penaksiran selisih rata-rata)
6. Baro bank menggunakan sebuah pengamatan untuk memeriksa kegunaan mesin bank
24 jam yang baru yang telah mereka kembangkan. Dari 300 laki-laki yang
menggunakan mesin tersebut minggu lalu, 50% melakukan 2 atau lebih transaksi
sebelum pergi. Dari 250 perempuan pengguna selama periode yang sama, 42%
melakukan setidaknya 2 transaksi dengan menggunakan mesin tersebut. Dengan
tingkat signifikasi 10%, tentukanlah batas-batas taksiran selisih proporsi laki-laki dan
perempuan yang menggunakan mesin baru tersebut! (penaksiran selisih proporsi)
7. A compressor manufacturer is testing two different designs for an air tank. Testing
involves pumping air into a tank. Testing involves pumping air into a tank until it
bursts, then noting the air pressure just prior to tank failure. Four tanks of design A
Page | 52
are found to fail at an average of 1620 pounds per square inch (psi), with standard
deviation of 120 psi. Six tanks of design B fail at an average 1400 psi, with standard
deviation of 115 psi. Assuming normal populations with not equal standard
deviations. Use 0.1 level of significance find the interval estimation for the difference
between the population means! (penaksiran selisih rata-rata)
8. Berdasarkan hasil pengamatan Victoria, seorang manajer toko F(x), terhadap 20 orang
sampel pelanggan toko yang berkunjung pada pagi hari, menghabiskan rata-rata
waktu 18 menit untuk berbelanja di toko F(x). Sedangkan hasil pengamatan Victoria
pada 15 orang sampel pelanggan toko yang berkunjung pada siang hari, mereka
menghabiskan rata-rata waktu 14 menit untuk berbelanja di toko. Berdasarkan data
toko, besarnya simpangan baku populasi waktu kunjungan pelanggan toko pagi hari
dan sore hari berturut-turut adalah sebesar 2,5 menit dan 1.3 menit. Tentukan batas-
batas selisih rata-rata waktu kunjungan pelanggan pagi hari dan siang hari toko F(x),
jika taraf nyatanya 10%! (penaksiran selisih rata-rata)
9. Seorang mahasiswa melakukan penelitian terhadap kepuasan mahasiswa asing

terhadap kualitas pendidikan jurusan keuangan di Universitas Dream High. Untuk itu
peneliti mengumpulkan dua sampel mahasiswa dari negara Korea Selatan dan Jepang
masing masing sebanyak 17 orang dan 19 orang. Dari 17 orang mahasiswa Korsel, 10
orang menyatakan kualitas pendidikan baik. Sedangkan dari 19 orang mahasiswa
Jepang, 14 orang menyatakan kualitas pendidikan kurang baik. Dengan menggunakan
tingkat signifikansi 10%, tentukan batas-batas selisih perbedaan proporsi antara
mahasiswa Korea Selatan dan Jepang! (penaksiran selisih proporsi)
10. Tiffany, seorang pemilik toko kue Gee, melakukan pengamatan terhadap dua produk
kue yaitu cheese cake dan black forest cake untuk mengetahui produk mana yang
lebih disukai oleh pelanggan. Dalam melakukan pengamatan itu, Tiffany membagi
dalam kedua kelompok umur yaitu 12-29 tahun dan 30-50 tahun. Dari 20 orang
sampel kelompok umur 12-29 tahun, 65% menyukai Cheese cake sedangkan dari 17
orang sampel kelompok umur 30-50 tahun 41% menyukai black forest cake.
Page | 53
Tentukanlah selisih proporsi yang menyukai cheese cake dari kedua kelompok umur
tersebut, jika tingkat kepercayaannya 95%! (penaksiran selisih proporsi)
JAWABAN SOAL PENAKSIRAN SELISIH RATA-RATA DAN

PROPORSI
1. Dik:
= 200 ̅ = 0.57 = 0.09
= 100 ̅ = 0.75 = 0.12 ⁄ = 1.96
(manual)
2 2 2 2
( x1  x 2 )  Z  1
 2
 1   2  ( x1  x 2 )  Z  1
 2
2 n1 n2 2 n1 n2
(0.57 – 0.75) – 1.96 √ < µ1 - µ2 < (0.57 – 0.75) + 1.96 √
Atau -0.18 - 0.02662 < µ1 - µ2 <-0.18 + 0.02662
-0.2066 < µ1 - µ2 < -0.1534
Jadi dengan tingkat sigifikansi 5%, selisih rata-rata banyaknya kopi yang diminum
kelompok umur antara 30-59 tahun dan umur 60 tahun ke atas adalah diantara -0.2066
dan -0.1534 cangkir
1. Pilih menu Stat, kemudian basic statistik, kemudian 2 sample t
Page | 54
2. Pilih summarized data, masukkan jumlah sample, mean, standar deviasi masing-
masing data kedalam kolom first dan second. Sesuaikan dengan soal.
4. Terakhir klik OK
Output:
Sample N Mean StDev SE Mean
1 200 0.5700 0.0900 0.0064
2 100 0.750 0.120 0.012
Estimate for difference: -0.180000
95% CI for difference: (-0.206830, -0.153170)
T-Test of difference = 0 (vs not =): T-Value = -13.25 P-Value = 0.000 DF =

156
2. Given:
= 48 = 40
̅ = 19.7 ̅ = 16.3
= 7.3 = 4.1
C.l = 99 %
2 2 2 2
s1 s s1 s
( x1  x 2 )  Z   2  1   2  ( x1  x 2 )  Z   2
2 n1 n2 2 n1 n2
and for a 99 % confidence interval
⁄ = 2.575
the confidence interval is then
(manual)
Page | 55
(19.7 – 16.3) – 2.575 √ < µ1 - µ2 < (19.7 – 16.3) + 2.575 √
or 3.4 - 3.185576 < µ1 - µ2 < 3.4 + 3.185576
or 0.214424 < µ1 - µ2 < 6.585576

so, with 1% significance level we can conclude that interval estimation for the
difference average time spent reading each issue of the campus newspaper between
finance majors and management majors is between 0.214 minutes and 6.59 minutes.
(Komputer dengan software Minitab)
1 48 19.70 7.30 1.1
2 40 16.30 4.10 0.65
T-Test of difference = 0 (vs not =): T-Value = 2.75 P-Value = 0.007 DF =

76
3. Dik:
= 240 = 260
= = = 0.862
⁄ = 2.575
(manual)
x1 x x2 x x1 x x2 x
(1  1 ) (1  2 ) (1  1 ) (1  2 )
x1 x2 n1 n1 n n2 x x n1 n1 n n2
(  )  Z  2   1   2  ( 1  2 )  Z  2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
– 2.575 √ < π1 – π2 <
+ 2.575 √ or
Page | 56
-0.295 - 0.0990785 < π1 – π2 < -0.295 + 0.0990785
-0.394079 < π1 – π2 < -0.1959215
Jadi, dengan tingkat signifikansi 1% selisih antara proporsi laki-laki dan perempuan
yang menyenangi berbelaja pakaian adalah diantara 19.59% dan 39.41% proporsi
perempuan yang menyenangi berbelanja pakaian lebih besar dibanding proporsi laki-
laki.
Sample X N Sample p
1 136 240 0.566667
2 224 260 0.861538
Test for difference = 0 (vs not = 0): Z = -7.66 P-Value = 0.000
4. Given:
= 334 = 116
= = = 0.3103
⁄ = 1.96
Jawab:
x1 x x2 x x1 x x2 x
(1  1 ) (1  2 ) (1  1 ) (1  2 )
x1 x2 n1 n1 n n2 x x n1 n1 n n2
(  )  Z  2   1   2  ( 1  2 )  Z  2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
– 1.96 √ < π1 – π2 <
– 1.96 √ or
-0.2684 - 0.0443299 < π1 – π2 < -0.2684 + 0.0443299

-0.31273 < π1 – π2 < -0.2241
Page | 57
With 5% significance level, interval estimate of the difference between the population
proportion of good and bad wafers that contain particles is between 22.41% and
31.27%, the proportion of bad wafers that contain particles larger than proportion of
good wafers.
Sample X N Sample p
1 17 334 0.050898
2 36 116 0.310345
5. Dik:
= 11 = 11
̅ = 7.326 ̅ = 3.878
= 3.730287273 = 2.707076364
C.l = 95 % ⁄ = 2.0860 (df = 11 + 11 -2 = 20)
Solution
(n1  1) s1  (n2  1) s2 1 1 (n1  1) s1  (n2  1) s2 1 1

2 2 2 2
( x1  x2 )  t (  )  1   2  ( x1  x2 )  t (  )
2 n1  n2  2 n1 n2 2 n1  n2  2 n1 n2
(7.326-3.878) - 2.0860√ < µ1 - µ2< (7.326-
3.878) - 2.0860√
Or 1.851< µ1 - µ2 < 5.043

Dengan tingkat sigifikansi 5%, maka batas-batas taksiran selisih rata-rata waktu
tunggu kedua cabang CNU bank yaitu cabang Garut dan Bandung adalah antara 1.851
menit dan 5.043 menit.
Two-Sample T-Test and CI: Garut, Bandung
Page | 58
Two-sample T for Garut vs Bandung
N Mean StDev SE Mean
Garut 11 7.33 1.93 0.58
Bandung 11 3.88 1.65 0.50
Difference = mu (Garut) - mu (Bandung)

20
Both use Pooled StDev = 1.7941
6. Dik:
= 300 = 250
0.5 0.42
⁄ = 1.645
x1 x x2 x x1 x x2 x
(1  1 ) (1  2 ) (1  1 ) (1  2 )
x1 x2 n1 n1 n n2 x x n1 n1 n n2
(  )  Z  2   1   2  ( 1  2 )  Z  2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
– 1.645 √ < π 1 – π2 < –+1.645
0.08-0.0699412 < π1 – π2 < 0.08+0.0699412
0.01006 < π1 – π2 < 0.09006
Dengan tingkat signifikansi 10%, batas-batas taksiran selisih proporsi laki-laki dan
perempuan yang menggunakan mesin baru adalah diantara 1.006% dan 9.006%.
Page | 59
7. Given:
=4 =6
̅ = 1620 ̅ = 1400
= 14400 = 13225
C.l = 90 %
2 2 2 2 ⁄ = 1.8595 (df = 4 +
s1 s s1 s
( x1  x 2 )  t  2  1   2  ( x1  x 2 )  t  2 6 -2 = 8)
2 n1 n 2 2 n1 n 2
(1620-1400) – 1.8595√ < µ1 - µ2< (1620-1400) + 1.8595√
220 - 141.6662 < µ1 - µ2< 220 + 141.6662
78.3338 < µ1 - µ2< 361.6662
So, with 10% significance level the interval estimation for the difference between the
populations mean of tanks of design A and tanks of design B is between 78.3338 psi
and 36.6662 psi.
8. Dik:
= 20 ̅ = 18 = 2.5
= 15 ̅ = 14 = 1.3
and for a 90 % confidence interval
⁄ = 1.6924
2 2 2 2
( x1  x 2 )  t 1
 2
 1   2  ( x1  x 2 )  t 1
 2
2 n1 n2 2 n1 n2
(18-14) – 1.6924√ < µ1 - µ2< (18-14) + 1.6924√
Page | 60
4 - 1.103526 < µ1 - µ2< 4 + 1.103526
2.89647 < µ1 - µ2< 5.103526
Dengan tingkat signifikansi 10%, batas-batas selisih rata-rata waktu kunjungan

pelanggan pagi hari dan siang hari toko F(x) adalah diantara 2.898 menit dan 5.1.4
menit.
1 20 18.00 2.50 0.56
2 15 14.00 1.30 0.34

29
9. Dik:
= 17 = 19
= = = 0.26
Cl = 90% ⁄ = (df = 19 + 17 - 2 = 34)
x1 x x2 x x1 x x2 x
(1  1 ) (1  2 ) (1  1 ) (1  2 )
x1 x 2 n1 n1 n n2 x x n1 n1 n n2
(  )  t  2   1   2  ( 1  2 )  t  2
n1 n 2 2 n1 n2 n1 n 2 2 n1 n2
– 1.6909 √ < π1 – π2 < – 1.6909
Page | 61
0.33-0.263887292 < π1 – π2 < 0.33+0.263887292
0.0661< π1 – π2 < 0.5939
Dengan menggunakan tingkat signifikansi 10%, batas-batas selisih perbedaan

proporsi antara mahasiswa Korea Selatan dan Jepang yang menyatakan kualitas
pendidikan Universitas Dream High baik adalah diantara 6.61% dan 59.39%.
Sample X N Sample p
1 10 17 0.588235
2 5 19 0.263158
10. Dik:
= 20 = 17
0.65 0.59
Cl = 95% ⁄ = 2.0301 (df = 20 +17 – 2 = 35)
x1 x x x x1 x x x
(1  1 ) 2 (1  2 ) (1  1 ) 2 (1  2 )
x1 x2 n1 n1 n2 n2 x1 x2 n1 n1 n2 n2
(  )  t    1   2  (  )  t 
n1 n2 2 n1 n2 n1 n2 2 n1 n2
– 2.0301 √ < π1 – π2 < + 2.0301
< π1 – π2 <
0.027516 < π1 – π2 < 0.0924844
Page | 62
Dengan tingkat signifikansi 5%, maka selisih proporsi yang menyukai cheese cake
dari kelompok umur 12-29 tahun dan 30-50 tahun adalah diantara 2.75% dan 9.25%.
PENGUJIAN HIPOTESIS RATA-RATA DAN PROPORSI
Hipotesis adalah jawaban sementara yang masih perlu diuji kebenarannya melalui
fakta-fakta atau dugaan kita mengenai parameter suatu populasi yang belum tentu benar atau
salah.
HIPOTESIS:
1. Hipotesis Nol (Ho)
 Variabel bebas tidak mempengaruhi variabel terikat dalam populasi.
 Memprediksi tidak adanya perbedaan antara satu kondisi dengan kondisi yang lain.
2. Hipotesis Alternatif/Lawan ( )
 Variabel bebas mempengaruhi variabel terikat dalam populasi.
 Memprediksi adanya perbedaan antara satu kondisi dengan kondisi lain.
Contoh:
Page | 63
1. : Rata-rata nilai b.inggris mahasiswa kelas A sama dengan rata-rata mahasiswa kelas
B
: Rata-rata nilai b.inggris mahasiswa kelas A tidak sama dengan rata-rata mahasiswa
kelas B
1. Uji Hipotesis Rata-Rata

Adalah pengujian mengenai hipotesis rata-rata suatu populasi yang didasarkan atas
informasi sampelnya.
Langkah-Langkah Menguji Rata-Rata Populasi (µ):
1. Rumuskan Hipotesis
a. : = (pengertian sama/uji 2 pihak)
:
: >
: <
b. : (uji 1 pihak kanan/ pengertian max)
: >
c. : (uji 1 pihak kiri/ pengertian min)
: <
2. Perhitungan Z stat dan t stat

Perhitungan Z stat:
 bila populasinya terbatas (N dan n diketahui nilainya) dan ,
gunakan faktor koreksi √
√ √
 bila populasinya terbatas (N dan n diketahui nilainya) dan atau bila
populasinya tidak terbatas (N tidak diketahui nilainya)
Page | 64
̅
√
Perhitungan t stat:
gunakan faktor koreksi √
√ √
 bila populasinya terbatas (N dan n diketahui nilainya) dan atau
bila populasinya tidak terbatas (N tidak diketahui nilainya)

̅
√
Keterangan : Bila standar deviasi populasi ( ) tidak diketahui dapat diganti dengan standar
deviasi sampelnya (s).
3. Menentukan batas daerah penerimaan dan penolakan:

a. n > 30, tentukan nilai Z tabel
n ≤ 30, tentukan nilai t table dengan derajat kebebasan (degree of freedom/df)
b. Gunakan α (tingkat signifikasi)
c. Gambarkan daerah penolakan dan penerimaan hipotesis nol berdasarkan
langkah 1
i. Uji 2 pihak
Daerah penolakan H Daerah penolakan H

(daerah kritis ) (daerah kritis )
Daerah penerimaan
H
?
ii. Uji 1 pihak kanan

-Z1/2α Z1/2α
Daerah penolakan H
(daerah kritis)
Page | 65
Daerah penerimaan
H
iii. Uji 1 pihak kiri
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
-Zα
Keterangan : daerah yang diasir adalah daerah penolakan Ho dan untuk n ≤ 30, Z diganti
dengan t.
4. Menentukan kriteria penerimaan atau penolakan
(1) Untuk uji 2 pihak : Z < -  atau Z >  Ho ditolak
2 2
Jika   ≤ Z ≤  Ho tidak dapat ditolak

2 2
(2) Uji 1 pihak kanan : Z >   , Ho ditolak
Z ≤   , Ho tidak dapat ditolak
(3) Uji 1 pihak kiri : Z <   Ho ditolak
Z ≥   Ho tidak dapat ditolak

Nilai Z diganti dengan t jika n ≤ 30.
5. Bandingkan nilai Z atau t (yang diperoleh pada tahap 2) dengan Z atau t table serta
simpulkan apakah Ho tidak dapat ditolak atau ditolak berdasarkan kriteria
penerimaan/penolakan.
6. Membuat kesimpulan secara komprehensif/lengkap
Contoh Soal:
Kekuatan putus dari kabel yang diproduksi PT X memiliki rata-rata 1900 pon dan standar
deviasi 100 pon. Dengan menggunakan teknik baru dalam proses produksi, diklaim bahwa
kekuatan putus dapat ditingkatkan. Untuk menguji klaim ini, sampel yang terdiri dari 50
Page | 66
kabel uji, dan diketahui bahwa rata-rata kekuatan putus adalah 1950 pon. Dapatkah kita
membenarkan klaim tersebut pada tingkat signifikansi 1%?
Jawab:
Dik : n = 50 = 1%
̅ = 1950 pon
= 100 pon
Dij:
1. : = 1900
: > 1900 (uji pihak kanan)
̅
2.
√
Z = 3,54
3. Zα = 2.33
4. Kriteria uji : uji 1 pihak kanan : Z > , ditolak
, tidak dapat ditolak
Daerah penerimaan Daerah penolakan
5. Ternyata 3,54 > 2,33, Z > , ditolak
6. Kesimpulan : pada tingkat signifikansi 1% pernyataan perusahaan tersebut bahwa dengan

menggunakan teknik baru dalam proses produksi dapat meningkatkan kekuatan putus kabel
adalah benar karena terdapat perbedaan yang signifikan.
Page | 67
Penyelesaian dengan menggunakan Software Minitab 14
 Masuk ke halaman utama minitab

 Klik stat-Basic statistis-1 sample Z
 Pada summarized data isi:
 Sample size : 50
 Mean : 1950
 Standard Deviation : 100
 Test Mean : 1900
 Klik option- isi confidence level sebesar 99.0-alternative greater than
 Klik OK- Klik OK
 Output yang ditampilkan
One-Sample Z
Test of mu = 1900 vs > 1900
The assumed standard deviation = 100
99%
Lower
N Mean SE Mean Bound Z P
50 1950.00 14.14 1917.10 3.54 0.000
 Membaca Output lihat Z= 3.54 , Bandingkan dengan Z table
o Kriteria
Z> , ditolak
o Ternyata : 3,54 > 2,33, Z > , ditolak
 Kesimpulan : pada tingkat signifikansi 1% pernyataan perusahaan tersebut bahwa
dengan menggunakan teknik baru dalam proses produksi dapat meningkatkan
kekuatan putus kabel adalah benar.
2. Uji Hipotesis Proporsi

Adalah pengujian hipotesis mengenai proporsi/perbandingan suatu populasi yang
didasarkan atas informasi sampelnya.
Langkah – langkah menguji proporsi populasi ( :
Page | 68
a. Rumuskan Hipotesis
a. : = (uji 2 pihak)
:
: >
: <
b. : (uji 1 pihak kanan/ pengertian max)
: >
c. : (uji 1 pihak kiri/ pengertian min)
: <
2) Perhitungan Z stat dan t stat (Z hitung atau t hitung)
Perhitungan Z stat:
gunakan faktor koreksi
 bila populasinya terbatas (N dan n diketahui nilainya) dan atau bila
populasinya tidak terbatas (N tidak diketahui nilainya)
Perhitungan t stat:
gunakan faktor koreksi
Page | 69
 bila populasinya terbatas (N dan n diketahui nilainya) dan atau
bila populasinya tidak terbatas (N tidak diketahui nilainya)
Catatan: bila proporsi populasinya ( tidak diketahui nilainya dapat dianggap = 0,5.
3) Menentukan batas daerah penerimaan dan penolakan
a. n > 30, tentukan nilai Z table

b. Gunakan tingkat signifikansi (
c. Gambarkan daerah penolakan dan penerimaan hipotesis nol
berdasarkan langkah 1.
i. Uji 2 pihak
Daerah penolakan H Daerah penolakan H

(daerah kritis ) (daerah kritis )
Daerah penerimaan
H
?
-Z1/2α Z1/2α
ii. Uji 1 pihak kanan
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
Zα
iii. Uji 1 pihak kiri
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
Page | 70
-Zα
Keterangan : daerah yang diasir adalah daerah penolakan Ho dan untuk n ≤ 30, Z diganti
dengan t.
4) Menentukan kriteria penerimaan atau penolakan
i. Untuk uji 2 pihak :
Z< atau Z > , ditolak
ii. uji untuk 1 pihak kanan
Z> , ditolak
iii. uji 1 pihak kiri
Z <   Ho ditolak
Z ≥   Ho tidak dapat ditolak
Nilai Z diganti dengan t jika n ≤ 30.
5) Bandingkan nilai Z atau t (yang diperoleh pada tahap 2) dengan Z atau t tabel serta
simpulkan apakah tidak dapat ditolak atau ditolak berdasarkan kriteria
penerimaan/ penolakan.
6) Membuat kesimpulan secara lengkap
Contoh soal:
Suatu perusahaan mengklaim bahwa paling sedikit 95% dari peralatan yang dipasok ke suatu
pabrik adalah sesuai dengan spesifikasi. Suatu pengujian dari sampel yang terdiri dari 200
buah peralatan memperlihatkan bahwa 22 diantaranya rusak . Ujilah klaim mereka pada
tingkat resiko 5%.
Dik : n= 200 = 5%
rusak = 22 buah , tidak rusak(sesuai spesifikasi) = x = 178 buah
Jawab :
Page | 71
1. : 95%
: < 95% (uji pihak kiri)
2.
= -3,90
3. Zα = 0.5-0.05 = 0.4500 = 1,645
4. Kriteria uji : uji 1 pihak kiri : Z < , ditolak
Z , tidak dapat ditolak
Daerah penolakan Daerah penerimaan
5. Ternyata -3,90 < -1,645, Z < , ditolak
6. Kesimpulan : pada tingkat signifikansi 5% pernyataan perusahaan bahwa paling sedikit

95% dari peralatan yang dipasok ke suatu pabrik adalah sesuai dengan spesifikasi adalah
tidak benar karena terdapat perbedaan signifikan.
Penyelesaian dengan menggunakan Software Minitab 14
 Masuk ke halaman utama minitab

 Klik stat-Basic statistis-1 proportion
 Pada summarized data isi:
 Number of trials : 200
 Number of events: 178
 Klik option- isi confidence level sebesar 95,
Page | 72
o Test proportion : 0,95, alternative : Less than
 Berikan tanda Checklist pada use test and interval based on normal distribution
 Klik OK- Klik OK
 Output yang ditampilkan
Test of p = 0.95 vs p < 0.95
95%
Upper
Sample X N Sample p Bound Z-Value P-Value
1 178 200 0.890000 0.926392 -3.89 0.000
 Membaca Output lihat Z = -3.89, Bandingkan dengan Z table
o Kriteria
Z< , ditolak

o Ternyata : -3,89 < -1,645, Z < , ditolak
 Kesimpulan : pada tingkat signifikansi 5% pernyataan perusahaan bahwa paling

sedikit 95% dari peralatan yang dipasok ke suatu pabrik adalah sesuai dengan
spesifikasi adalah tidak benar karena terdapat perbedaan yang signifikan.
Page | 73
SOAL UJI HIPOTESIS RATA-RATA DAN PROPORSI
1. Pimpinan perusahaan sepeda motor menyatakan bahwa 90% dari barang-barang yang
dihasilkan termasuk kualitas standard. Untuk membuktikan pernyataan itu, penelitian
dilakukan pada 250 sepeda motor dari perusahaan tersebut dan ternyata 16 buah sepeda
motor dinyatakan rusak (tidak termasuk kualitas standard). Ujilah pernyataan tersebut
dengan taraf signifikansi 5%!
2. The director of manufacturing at a clothing factory needs to determine whether a new

machine is producing a particular type of cloth according to the manufacturer’s
specifications, which indicate that the cloth should have a mean breaking strength of 70
pounds and a standard deviation of 3.5 pounds. A sample of 49 pieces of cloth reveals a
sample mean breaking strength of 69.1 pounds.
a. State the null and alternative hypotheses
b. Is there evidence that the machine is not meeting the manufacturer’s specifications for
average breaking strength? (Use 0.05 level of significance)
3. Sebuah sampel random yang terdiri dari 40 kaleng susu bubuk yang dihasilkan oleh
sebuah pabrik, pada kalengnya tertulis bahwa beratnya 400 gram. Setelah ditimbang satu
persatu, ternyata menunjukkan berat rata-rata 389 gram dengan standard deviasi 35 gram.
Jika digunakan 1% tingkat signifikansi, benarkah bahwa tulisan yang ada pada setiap
kaleng susu itu menunjukkan berat susu yang sebenarnya?
4. Kepala Biro Umum Manchester menyatakan bahwa 80% karyawan Fakultas Ekonomi
mempunyai nilai administrasi 80 ke atas. Untuk menguji kebenaran pernyataan itu
diambil sebanyak 29 orang karyawan dan ternyata 23 orang menyatakan mendapat nilai
lebih dari 80. Dengan taraf keyakinan 95%, benarkah pernyataan Kepala Biro Umum
Manchester tersebut?
5. The Glen Valley Steel Company manufactures steel bars. If the production process is
working properly, it turns out steel bars with mean length of at least 2.8 feet with a
standard deviation of 0.20 foot (as determined from engineering specifications on the
production equipment involved). Longer steel bars can be used or altered, but shorter bars
must be scrapped. A sample of 25 bars is selected from the production line. The sample
indicates a mean length of 2.73 feet. The company wants to determine whether the
Page | 74
production equipment needs to be adjusted. If the company wants to test the hyphotesis at
the 0.05 level of significance, what decision would be made using the critical value
approach to hyphothesis testing?
6. Seorang pemilik pabrik rokok beranggapan bahwa setiap batang rokoknya mengandung
nikotin paling banyak 21mg. dari 10 batang rokok yang dipilih secara random diperoleh
hasil kandungan nikotin sebagai berikut: 20mg, 21mg, 22mg, 29mg, 25mg, 17mg, 20mg,
21mg, 22mg, dan 21mg. Dengan menggunakan α = 5% dan standard deviasi 2,10. Ujilah
pendapat tersebut?
7. Seorang produsen dari suatu obat paten tertentu mengemukakan bahwa obat itu 90%
efektif dalam mengobati alergi selama 8 jam. Dalam sebuah sampel yang terdiri dari 200
orang yang menderita alergi tersebut, obat ini ternyata dapat menolong 160 orang,
tentukanlah apakah pernyataan produsen tersebut adalah benar, dengan tingkat
signifikansi 1%!
8. Daya tahan dari tali yang dihasilkan sebuah pabrik mempunyai nilai tengah 1800 N dan
deviasi standard 100 N. Pemilik pabrik menyatakan bahwa dengan memakai teknologi
modern dalam proses produksi maka daya tahan tali yang diproduksi dapat ditingkatkan.
Untuk menguji pernyataan ini sebuah sampel yang terdiri dari 50 buah tali diuji coba dan
ternyata nilai tengah daya tahannya adalah 1850 N. dapatkah kita menyetujui pernyataan
diatas pada tingkat kepercayaan 99%?
9. Seorang pengusaha berpendapat bahwa lebih dari 70% ibu-ibu rumah tangga di Bandung
suka berbelanja di super market. Oleh karena pengusaha itu akan mendirikan super
market, maka dia meminta bantuan seorang konsultan untuk menguji pendapatnya
tersebut. Ada 500 ibu-ibu rumah tangga yang diambil secara random dan ternyata 400
orang menyatakan suka berbelanja di super market. Dengan menggunakan α = 0.1, ujilah
pendapat tersebut!
10. The quality control manager at a lightbulb factory needs to determine whether the mean
life of a large shipment of lightbulbs is equal to the specified value of 375 hours. The
process standard deviation is known to be 100 hours. A random sample of 64 lightbulbs
indicates a sample mean life of 350 hours. At the 0.05 level of significance is the
evidence that the mean life is different from 375 hours?
Page | 75
JAWABAN UJI HIPOTESIS RATA-RATA DAN PROPORSI

1. Dik : n = 250 = 5%
X = 234
Dit : Ujilah pernyataan tersebut
Jawab :
: π = 0.9
:π 0.9
Z = 1.8974
Kriteria uji : uji 2 pihak : Z < atau Z > , ditolak
Page | 76
Daerah penolakan Daerah penerimaan Daerah penolakan
Ternyata: , -1.96 1.96, tidak dapat ditolak
Kesimpulan : pada tingkat signifikansi 5%, pernyataan pimpinan perusahaan tersebut bahwa
90% dari barang-barang yang dihasilkan termasuk kualitas standard adalah benar.
Penyelesaian dengan MINITAB
Test of p = 0.5 vs p not = 0.5
Exact
Sample X N Sample p 95% CI P-Value
1 234 250 0.936000 (0.898147, 0.962979) 0.000
Kriteria uji : P Value > ; ditolak
P Value ≤ ; tidak dapat ditolak
Ternyata : P Value ≤ ; 0,0000 ≤ 0,05 ; tidak dapat ditolak
Kesimpulan : pada tingkat signifikansi 5%, pernyataan pimpinan perusahaan tersebut bahwa
90% dari barang-barang yang dihasilkan termasuk kualitas standard adalah benar.
2. Dik : n = 49 = 5% σ = 3.5
= 69.1 μ = 70
Dit : a. State the null and alternative hypotheses, b. Is there evidence that the machine is
not meeting the manufacturer’s specifications for average breaking strength?
Answer :
a. : μ = 70
:μ 70
b. : μ = 70
:μ 70
Page | 77
Z = -1.8
Criteria : 2 tailed test : Z < or Z > , reject
, do not reject
reject Do not Reject Reject
Fact: , -1.96 1.96, do not reject
Conclusion : at the 5% level of significance, we can conclude there is no evidence that the
machine is not meeting the manufacturer’s specifications for average breaking strength.
One-Sample Z
Test of mu = 70 vs not = 70
The assumed standard deviation = 3.5
N Mean SE Mean 95% CI Z P

49 69.1000 0.5000 (68.1200, 70.0800) -1.80 0.072
, do not reject
Fact : , -1.96 1.96, do not reject
Page | 78
Conclusion : at the 5% level of significance, we can conclude there is no evidence that the
machine is not meeting the manufacturer’s specifications for average breaking strength.
3. Dik : n = 40 = 1% σ = 35
= 389 μ = 400
Jawab :
: μ = 400
:μ 400
Z = -1.99
Kriteria uji : uji 2 pihak : Z < atau Z > , ditolak
Ternyata: , -2.575 2.575, tidak dapat ditolak
Kesimpulan : jadi pada tingkat signifikansi 1%, apa yang tertulis dalam setiap kaleng
(mengenai berat) adalah benar.
Page | 79
One-Sample Z
Test of mu = 400 vs not = 400

The assumed standard deviation = 35
N Mean SE Mean 99% CI Z P

40 389.000 5.534 (374.745, 403.255) -1.99 0.047
Krietria :
Z< atau Z > , ditolak
Ternyata : , -2.575 2.575, tidak dapat ditolak
Kesimpulan : jadi pada tingkat signifikansi 1%, apa yang tertulis dalam setiap kaleng
(mengenai berat) adalah benar.
4. Dik : n = 29 = 5%
X = 23
Jawab :
: π = 0.8
:π 0.8
t = - 0.09285
tα/2 = 2.0484, df = n-1 = 28
Page | 80
Kriteria uji : uji 2 pihak : t < atau t > , ditolak
Ternyata: , , tidak dapat ditolak
Kesimpulan : pada tingkat signifikansi 5%, pernyataan KBU Manchester tersebut
adalah benar.
Test of p = 0.5 vs p not = 0.5
Exact
Sample X N Sample p 95% CI P-Value
1 23 29 0.793103 (0.602753, 0.920058) 0.002
Kriteria : P Value > ; ditolak
P Value ≤ ; tidak dapat ditolak
Ternyata : P Value ≤ , 0,002 ≤ 0,05 ; tidak dapat ditolak
Kesimpulan : : pada tingkat signifikansi 5% pernyataan KBU Manchester tersebut
adalah benar.
5. Dik : n = 25 = 5% s = 0.20
= 2.73 μ = 2.8
Page | 81
Dit : what decision would be made using the critical value approach to hyphothesis
testing?
Jawab :
:μ 2.8
: μ < 2.8
t = -1.75
, df = n-1 = 24
Criteria : one tailed test : t < , reject
t , do not reject
t= 0
reject do not reject
Fact : t < , -1.75 < reject
Conclusion: at the 0.05 level of significance, there is an evidence that the production process
is not working properly, so the company needs to adjust the production equipment.
One-Sample T
Test of mu = 2.8 vs < 2.8

95%
Upper
N Mean StDev SE Mean Bound T P
Page | 82
25 2.73000 0.20000 0.04000 2.79844 -1.75 0.046
Kriteria : t < , reject
t , do not reject
Fact : t < , -1.75 < - reject
Conclusion: at the 0.05 level of significance, there is an evidence that the production process
is not working properly, so the company needs to adjust the production equipment.
6. Dik : n = 10 = 5% s = 2.10
= 21,8 μ = 21
Jawab :
:μ 21
: μ > 21
t = 1.2047
, df = n-1 = 9
Kriteria uji : uji 1 pihak kanan : t > , ditolak
Page | 83
Ternyata: t , 1.833, tidak dapat ditolak
Kesimpulan : pada tingkat signifikansi 5%, pernyataan pemilik pabrik rokok bahwa setiap
batang rokoknya mengandung nikotin paling banyak 21 mg adalah benar.
7. Dik : n = 200 = 1%
X = 160
Jawab :
: π = 0.9 (obat tersebut efektif dalam mengobati alergi selama 8 jam)
: π < 0.9 (obat tersebut tidak efektif dalam mengobati alergi selama 8 jam)
Z = -4.714
Zα = 0.5-0.01 = 0.4900 = 2,33
Kriteria uji : uji 1 pihak kiri : Z < , ditolak
Z= -2.33 0
Page | 84
Daerah penolakan Daerah penerimaan
Ternyata: Z < , -4.714 < -2.33, ditolak
Kesimpulan : jadi pada tingkat signifikansi 1%, pernyataan bahwa obat itu 90% efektif dalam
mengobati alergi selama 8 jam adalah salah.
8. Dik : n = 50 = 1% σ = 100N
= 1850N μ = 1800N
Jawab :
: μ = 1800N (kekuatan daya tahan tidak mengalami perubahan)
: μ > 1800N (kekuatan daya tahan mengalami peningkatan)
Z = 3.54
Zα = 0.5-0.01 = 0.4900 Z0,4900 = 2,33
Kriteria uji : uji 1 pihak kanan : Z > , ditolak
Ternyata:
Page | 85
Kesimpulan : jadi pada tingkat signifikansi 1%, pernyataan pemilik pabrik tersebut bahwa
dengan memakai teknologi modern dalam proses produksi maka daya tahan tali yang
diproduksi dapat ditingkatkan adalah benar.
9. Dik : n = 500 = 10%
X = 400
Jawab :
:π 0.7
: π > 0.7
Z = 4.87950
1,285
Kriteria uji : uji 1 pihak kanan : Z > , ditolak
1,285
Ternyata:
Page | 86
Kesimpulan : jadi pada tingkat signifikansi 10%, pernyataan pengusaha tersebut bahwa lebih
dari 70% ibu-ibu rumah tangga di Bandung suka berbelanja di super market adalah benar.
10. n = 64 = 5% σ = 100
= 350 μ = 375
Dit : is the evidence that the mean life is different from 375 hours?
Jawab :
: μ = 375
:μ 375
Z = -2
, do not reject
reject do not reject reject
Fact: Z < , -2 < -1.96, reject
Kesimpulan : so at the 0.05 level of significance, the mean life of a large shipment of
lightbulbs is not equal to the specified value of 375 hours.
Page | 87
Page | 88
UJI HIPOTESIS SELISIH RATA – RATA
DAN SELISIH PROPORSI
A. UJI HIPOTESIS SELISIH RATA-RATA
Menguji hipotesis selisih rata-rata digunakan pada saat terdapat dua rata-rata
hitung. Uji hipotesis ini dimaksudkan untuk mengetahui apakah perbedaan rata-rata
tersebut berasal dari sebuah populasi atau tidak.
Jika dan merupakan rata-rata dari dua buah sampel yang berukuran
besar, masing-masing dengan ukuran dan , maka distribusi sampling selisih rata-
rata ( - ) akan mendekati distribusi normal dengan rata-rata simapangan baku.
Perumusan hipotesis :
 Uji 2 Pihak
Kurva :
Kriteria :
Z< atau Z > ; ditolak
≤Z≤ ; tidak dapat ditolak
Page | 89
 Uji Pihak Kanan
:
Kurva :
Kriteria :
Z> ; ditolak
Z≤ ; tidak dapat ditolak
 Uji Pihak Kiri
Kurva :
Kriteria :
Z< ; ditolak
Z≥ tidak dapat ditolak
Page | 90
Keterangan:
- Untuk sampel kecil ubah Z menjadi t
- Untuk proporsi ubah menjadi
Rumus hitung:
=
=√
= selisih dua rata-rata hitung

= rata-rata hitung populasi 1
= rata-rata hitung populasi 2
= standar deviasi selisih dua populasi
= standar deviasi populasi 1
= standar deviasi populasi 2
= jumlah sampel pada populasi 1
= jumlah populasi pada sampel 2
Rumus sampel besar (n > 30)
( )
Z = nilai uji statistic (Z hitung)
Page | 91
= rata-rata hitung sampel 1

= rata-rata hitung sampel 2
Jika dan tidak diketahui maka :
( )
Rumus sampel kecil (n ≤ 30)
( )
Jika dan tidak diketahui, tetapi diketahui bahwa ≠ maka :
( )
Jika dan tidak diketahui, tetapi diketahui bahwa = maka :
( )
S=√
( )
; df =
√
t = nilai distribusi t
s = varians gabungan
= varians sampel 1
Page | 92
= varians sampel 2
derajat kebebasan
Contoh Soal
Seorang peneliti ingin membuktikan kualitas tepung terigu A lebih bagus daripada tepung
terigu B. Dimabil 12 orang konsumen tepung terigu A dan 10 orang konsumen tepung terigu
B. Konsumen tepung terigu A memberi nilai rata-rata 80 dengan simpangan baku 4 and
konsumen tepung terigu B memberi nilai rata-rata 75 dengan simpangan baku 4,5. Ujilah
hipotesis kedua kualitas tepung terigu tersebut, dengan alternative kualitas tepung terigu A
lebih baik dari kualitas tepung terigu B! Gunakan taraf nyata 5%!
Diketahui :
= 12 = 80 =4
= 10 = 75 = 4,5
Ditanya :
Jawab :
( )
S=√
=√
= 4,232316151
Page | 93
( )
=
√
= 2,759123786 2,76
df = = 0,05
= (12 + 10) -2 = 20 = 2,0680
2,0680
Kriteria :
t> ; ditolak
t≤ ; tidak dapat ditolak
Ternyata : 2,76 > 2,0680 atau t > ; ditolak
Kesimpulan : Dengan tigkat signifikansi 5% dapat kita simpulkan bahwa kualitas tepung
terigu A lebih baik dibandingkan kualitas tepung terigu B.
Penyelesaian Menggunakan Software MINITAB

Langkah-langkah :
1. Klik Stat – Basic Statistic – 2 Sample t
2. Isi Summarized data
Page | 94
3. Checklist assume Equal variance

4. Klik options
5. Tentukan Confident level

6. Klik OK – Klik OK
Output MINITAB

1 12 80.00 4.00 1.2
Page | 95
2 10 75.00 4.50 1.4

95% lower bound for difference: 1.87452
T-Test of difference = 0 (vs >): T-Value = 2.76 P-Value = 0.006 DF = 20
Kriteria :
P-Value ≤ ; ditolak
P-Value > ; tidak dapat ditolak
Ternyata 0,006 < 0,05 atau P-Value < ; ditolak
Kesimpulan : Dengan tigkat signifikansi 5% dapat kita simpulkan bahwa kualitas tepung
terigu A lebih baik dibandingkan kualitas tepung terigu B
B. UJI HIPOTESIS SELISIH PROPORSI
Proporsi daru dua populasi juga mengikuti kaidah normal, begitu juga dengan
distribusi selisih dua proporsinya. Oleh sebab itu, proses pengujian selisih proporsi dapat
menggunakan distribusi Z.
=√
= selisih dua proporsi

= proporsi populasi 1
= proporsi populasi 2
= standar deviasi selisih dua proporsi
Page | 96
Rumus hitung
( )
= kejadian sukses pada sampel 1

= kejadian sukses pada sampel 2
Jika dan tidak diketahui
( )
dimana,
= (sujana dan suharyadi )
Contoh Soal
Seorang mahasiswa melakukan penelitian terhadap konsumen anak-anak yang

menyukai permen A dan B. Dari penelitian diperoleh data bahwa dari 500 anak-anak di
daerah X ada 300 orang yang menukai permen A, sedangkan dari 500 anak- anak didaerah Y
ada 250 anak-anak yang menyukai permen A. Dengan menggunakan tingkat signifikansi 5%,
dapatkah mahasiswa tersebut menyatakan bahwa terdapat perbedaan proporsi terhadap anak-
anak yang menyukai perman A di daerah X dan Y?
Diketahui :
= 500 = 300
Page | 97
= 500 = 250
Ditanya :
Apakah terdapat perbedaan proporsi terhadap anak-anak yang menyukai perman A di daerah
X dan Y dengan = 5%?
Jawab :
: =
: ≠
=
= 0,55
( )
( )
3,178208631 3,18
= = 0,475 Z= 1,96
Kurva :
Page | 98
-1,96 1,96
Kriteria :
Ternyata 3,18 > 1,96 atau Z > ; ditolak
Kesimpulan : Dengan tingkat signifikansi 5% dapat disimpulkan bahwa terdapat perbedaan

proporsi terhadap anak-anak yang menyukai permen A di daerah X dan Y.
Penyelesaian Menggunakan Software MINITAB
Langkah-langkah :
1. Klik Stat – Basic Statistics – 2 Proportion

2. Isi Summarized Data
3. Klik Options
Page | 99
4. Tentukan Confident level

5. Klik OK – Klik OK
Output MINITAB
Sample X N Sample p
1 300 500 0.600000
2 250 500 0.500000

Kriteria :
Ternyata 0,001 < 0,05 atau P-Value < ; ditolak
Kesimpulan : Dengan tingkat signifikansi 5% dapat disimpulkan bahwa terdapat perbedaan

proporsi terhadap anak-anak yang menyukai permen A di daerah X dan Y.
Page | 100
SOAL UJI HIPOTESIS SELISIH RATA – RATA
1. Sebelum ada otonomi daerah, beberapa ahli meyakini adanya perbedaan pertumbuhan
ekonomi antara kabupaten di Jawa dan luar Jawa. Semenjak otonomi, beberapa daerah di luar
Page | 101
Jawa mendapatkan proporsi besar anggaran. Untuk membuktikan apakah asumsi tersebut
benar maka diadakan survey pada awal tahun terhadap 39 kabupaten di Jawa dan ternyata 33
kabupaten menunjukan pertumbuhan baik diatas 7%. Sedangkan dari 31 kabupaten di luar
Jawa ternyata 29 kabupaten mngalami pertumbuhan baik juga diatas 7%. Pada tingkat
kepercayaan 1% , ujilah bahwa proporsi anggaran kabupaten di Jawa lebih banyak
mengalami pertumbuhan dibandingkan dengan luar Jawa.
2. Salah satu indicator bank yang sehat adalah nilai NPL (non performing loan) yang
rendah. Hal ini menunjukkan adanya kehati- hatian dalam memberikan kredit dibank. Ada
asumsi bahwa bank BUMN mempunyai nila NPL lebih rendah dibandingkan bank swasta.
Untuk membuktikan asumsi tersebut dipilih 4 sampel bank BUMNdengan rata-rata NPL 6%
dan standar deviasinya 1,27%. Untuk bank swasta dipilih 16 bank dengan rata-rata NPL
11,8% dan standar deviasi 3,87. Dengan taraf nyata 1% apakah asumsi tersebut dapat
terbukti?
3. Shirley Brown, an agricultural economist. She implemented an experiment to

compare turkey dung and cow manure as fertilizer. She wants to know that the turkey dung
has a higher productivity result. Turkey dung was applied to one set of 20 randomly selected
fields. The sample mean productivity was 100. From past experience the variance in
productivity for these fields was assumed to be 400. Cow manure was applied to second
random sample of 22 fields, and the sample mean productivity was 115. Based on published
research report , the variance for these fields was assumed to be 625. Is there was a strong
evidence that productivity increased over the productivity that occurred with turkey dung?
4. A sporting goods store operates in a medium- sized shopping mall. We know that the
samples of 15 Saturdays and 15 Monday from population of several years data. The mean of
sales on Monday is 1078 and 908,2 on Saturdays. We assumed the standard deviation for
sales on Monday 633 and 469,8 for Saturday. In order to plan staffing levels, the manager has
asked for your assistance to determine if there is strong evidence that Monday sales are
higher than Saturday sales.
5. A study was conducted to determine if there was a difference in humor content in

British and American trade magazine advertisement. In a independent random sample of 270
American trade magazine advertisements, 56 were humorous. An independent random
sample of 203 British trade magazine advertisements contained 52 humorous ads. Do these
Page | 102
data provide evidence that there is a difference in the proportion of humorous ads in British
versus American trade magazines?
6. Didapat hasil dari sebuah kuisioner dari para konsumen sebuah produk di kota A dan
kota B. Di kota A terdapat 138 dari 240 orang konsumen meyatakan puas dan di kota B
terdapat 128 dari 240 menyatakan puas tehadap produk tersebut. Ujilah hipotesis kedua
pendapat tersebut, dengan alternative keduanya tidak sama. Gunakan tingkat signifikansi 5%!
7. Dari 125 sampel acak British entrepreneur, rata-rata dari perubahan pekerjaannya
adalah 1,91 dan standar deviasinya adalah 1,32. Sedangkan dari 86 sampel acak manajer
British corporate rata-rata perubahan pekerjaannya adalah 0,21 dengan standar deviasi 0,53.
Ujilah hipotesis yang menyatakan bahwa rata-rata dari tiap populasi adalah sama dan
alternatifnya menyatakan bahwa rata-rata dari perubahan pekerjaan pada British entrepreneur
lebih tinggi dibandingkan manajer British corporate!
8. Seorang pakar politik ingin membandingkan karateristik mahasiswa yang mengikuti

dan yang tidak mengikuti pemilu nasional terakhir. Terdapat 114 mahasiswa yang mengikuti
pemilu dengan rata-rata poin peringkat 2,71 dan standar deviasi 0,64. Sedangkan dari 123
mahasiswa yang tidak mengikuti pemilu memiliki rata-rata poin peringkat 2,79 dan standar
deviasi 0,56. Ujilah apakah terdapat perbedaan rata-rata diantara kedua populasi tersebut !
9. Di sebuah pabrik telah dilakukan penyelesaian semacam proyek. Mula-mula

dikerjakan 40 orang buruh dengan menggunakan metode A, kemudian dengan metode B
telah dikerjakan oleh 50 orang buruh. Rata-rata waktu yang diperlukan setiap orang dalam
penyelesaian proyek tersebut oleh metode A dan B masing-masing adalah 55 menit dan 58
menit. Jika simpangan bakunya masing – masing 5,5 and 8 menit, tentukan apakah kedua
metode tersebut mempunyai perbedaan yang nyata atau tidak untuk menyelesaikan proyek
tersebut!
10. Sebuah sampel yang terdiri atas 100 lampu macam A dan sebuah sampel yang terdiri
dari 75 lampu macam B telah diuji. Hasilnya ternyata untuk lampu A rata-ratanya dapat
menyala hingga 1.194 jam, sedangkan lampu B hingga 1.232 jam. Untuk kedua macam
lampu itu simpangan baku masing – masing adalah 91 jam dan 122 jam. Ujilah apakah ada
cukup alasan untuk menyatakan bahwa lampu B memiliki kualitas lebih baik dari lampu A?
Page | 103
JAWABAN UJI HIPOTESIS SELISIH RATA – RATA
1. Diketahui :
= 33 = 39 = 0,01
= 29 = 31
Ditanya :
Jawab :
: ≤ ; proporsi anggaran kabupaten di Jawa kurang mengalami pertumbuhan jika

dibandingkan dengan di luar Jawa
: ; proporsi anggaran kabupaten di Jawa lebih banyak mengalami

pertumbuhan dibandingkan dengan luar Jawa
= = 0,85
= = 0,94
= 0,8857
( )
- 1,094914715 - 1,10
Page | 104
= 0,5 – 0,01 = 0,49 Z = 2,33
2,33Kriteria :
Z> ; ditolak
Ternyata -1,10 < 2,33 atau Z ; tidak dapat ditolak
Kesimpulan : Dengan tingkat signifikansi sebesar 1% maka dapat disimpulkan bahwa selisih
proporsi daerah kabupten di Jawa maupun di luar Jawa tidak memiliki perbedaan.
MINITAB

90% lower bound for difference: -0.182494
Test for difference = 0 (vs > 0): Z = -1.23 P-Value = 0.890
* NOTE * The normal approximation may be inaccurate for small samples.
Fisher's exact test: P-Value = 0.287 (?)
Kriteria :
Ternyata 0,890 > 0,05 atau P-Value > ; tidak dapat ditolak
Kesimpulan :
Dengan tingkat signifikansi sebesar 1% maka tidak dapat ditolak, dapat disimpulkan
bahwa selisih proporsi daerah kabupten di Jawa maupun di luar Jawa tidak memiliki
perbedaan.
2. Diketahui :
Page | 105
= 6% = 1,27% =4 = 0,01
= 11,8% = 3,87% = 16
Ditanya :
<
Jawab :
: ; NPL bank BUMN lebih besar dari bank swasta

: < ; NPL bank BUMN lebih kecil dari bank swata
( )
S =√
= 3,57006385
( )
=
√
= -2,9061
df = t = 2.8784
= (4+16)-2 = 18
-2,874
Kriteria : t < ; ditolak
Page | 106
t≥ tidak dapat ditolak
Ternyata : -2,9061< -2,8784 atau t ; tidak dapat ditolak
Dengan tingkat signifikansi 1% maka tidak dapat ditolak, ini menunjukkan bahwa
rata-rata nilai NPL bank BUMN lebih besar dari bank swata.
3. Diketahui :
=100 = 400 = 20 = 0,05
=115 = 625 = 22
Ditanya :
>
Jawab :
: ; the turkey dung has less productivity result than cow manure.
: > ; the turkey dung has a higher productivity result than cow manure.
( )
S=√
=√
= 22,5138846
( )
=
√
= 2,156465509 2,16
Page | 107
df = = 0,05
= (20 + 22) -2 = 40 = 2,0211
2,0211
Kriteria :
t> ; rejected
t≤ ; can not be rejected
Fact : 2,16 > 2,0211 or t > ; rejected
With 0,05 significance level, she can conclude that there is overwhelming evidence that
turkey dung result is higher productivity than cow manure.
MINITAB

1 20 100.0 20.0 4.5
2 22 115.0 25.0 5.3

T-Test of difference = 0 (vs >): T-Value = -2.13 P-Value = 0.980 DF = 40
Criteria
P-Value ≤ ; rejected
P-Value > ; can not be rejected
Fact 0,037 < 0,05 or P-Value ≤ ; rejected
Conclusion :
With 0,05 significance level, she can conclude that there is overwhelming evidence that
turkey dung result is higher productivity than cow manure.
4. Diketahui :
Page | 108
=1078 =633 = 15 = 0,05
=908,2 = 469,8 = 15
Ditanya :
>
Jawab :
: ; Monday sales are less than Saturday sales.
: > ; Monday sales are higher than Saturday sales.
( )
S=√
=√
= 557,4051668
( )
=
√
= 0,8342521365 0,8343
df = = 0,05
= (15 + 15) -2 = 28 = 2,0484
2,0484
Kriteria :
Page | 109
t> ; reject
t≤ ; do not reject
Fact : 0,8343 < 2,0484 or t < ; do not reject
With 0,05 significance level, we conclude that there is not sufficienct evidence to reject the
null hypothesis and there is no reason to conclude that mean sales on Mondays are higher.
MINITAB

1 15 1078 633 163
2 15 908 470 121

T-Test of difference = 0 (vs >): T-Value = 0.83 P-Value = 0.206 DF = 28
Criteria :
P-Value ≤ ; reject
P-Value > ; do not reject
Fact 0,411 > 0,05 or P-Value > ; do not reject
Conclusion :
With 0,05 significance level, we conclude that there is not sufficienct evidence to reject the
null hypothesis and there is no reason to conclude that mean sales on Mondays are higher.
5. Diketahui :
=56 = 270 = 0,05

= 52 = 203
Ditanya :
Jawab :
Page | 110
: = ; there is no difference in the proportion of humorous ads in British versus
American trade magazines
: ; there is a difference in the proportion of humorous ads in British versus

American trade magazines
= = 0,21
= = 0,26
= 0,23
( )
-1,278969107 -1,28
= = 0,4750 Z = 1,96
-1,96 1,96
Kriteria :
Z< atau Z > ; reject
Page | 111
≤Z≤ ; do not rejected
Fact : -1,96 < -1,28 < 1.96 or <Z< ; do not reject
With 0,05 signicance level, that there is no difference in the proportion of humorous ads in
British versus American trade magazines.
MINITAB
Sample X N Sample p
1 56 270 0.207407
2 52 203 0.256158

90% CI for difference: (-0.113455, 0.0159550)
Criteria :
P-Value ≤ ; reject
P-Value > ; do not reject
Fact 0,215 > 0,05 or P-Value > ; do not reject
With 0,05 signicance level, that there is no difference in the proportion of humorous ads in
British versus American trade magazines.
6. Diketahui :
=138 = 240 = 0,05
= 128 = 240
Ditanya : Ujilah hipotesisnya!
Jawab :
Page | 112
: = ; tidak ada perbedaan proporsi antara konsumen yang puas di kota A dan
B
: ; tidak ada perbedaan proporsi antara konsumen yang puas di kota A dan
B
= 0,55
( )
( )
0,9174698043 0,92
= = 0,4750 Z = 1,96
-1,96 1,96
Kriteria :

Ternyata -1,96 < 0,92 <1,96 or <Z< ; tidak dapat ditolak
Page | 113
Kesimpulan:
Dengan tingkat signifikansi 5%, dinyatakan bahwa tidak terdapat perbedaan antara proporsi
konsumen yang puas di kota A dan B.
MINITAB
Sample X N Sample p
1 138 240 0.575000
2 128 240 0.533333

95% CI for difference: (-0.0471884, 0.130522)
Kriteria :
Ternyata 0,358 > 0,05 or P-Value > ; tidak dapat ditolak
Kesimpulan :
Dengan tingkat signifikansi 5%, dinyatakan bahwa tidak terdapat perbedaan antara proporsi
konsumen yang puas di kota A dan B.
7. Diketahui :
= 1,91 = 1,32 = 125 = 0,05
= 0,21 = 0,53 = 86
Ditanya :
>
Page | 114
Jawab :
: ; rata-rata dari perubahan pekerjaan pada British entrepreneur lebih rendah

dibandingkan manajer British corporate
: > ; rata-rata dari perubahan pekerjaan pada British entrepreneur lebih tinggi
dibandingkan manajer British corporate
=√
=√
= 0,1311696576
( )
= 12,96031438 12,96
= 0,5 – 0,05 = 0,45 Z= 1,64
Kurva :
1,64
Page | 115
Kriteria :
Z> ; ditolak
Ternyata 12,96 > 1,64 atau Z > ; ditolak
Kesimpulan :
Dengan tingkat signifikansi 5% dapat disimpulkan bahwa rata-rata dari perubahan pekerjaan
pada British entrepreneur lebih tinggi dibandingkan manajer British corporate.
8. Diketahui :
= 2,71 = 0,64 = 114 = 0,05
= 2,79 = 0,56 = 123
Ditanya :
Ujilah hipotesisnya!
Jawab :
: ; tidak ada perbedaan antara rata-rata poin peringkat pada mahasiswa yang
mengikuti dan yang tidak mengikuti pemilu.
: ; terdapat perbedaan antara rata-rata poin peringkat pada mahasiswa yang

mengikuti dan yang tidak mengikuti pemilu.
=√
=√
= 0,07837458741
( )
Page | 116
= -1,020739026 -1,02
= =0,475 Z= 1,96
Kurva :
-1,96 1,96
Kriteria :

Ternyata -1,96 < -1,02 < atau <Z< tidak dapat ditolak
Kesimpulan :
Dengan tingkat signifikansi 5% dapat disimpulkan bahwa tidak terdapat perbedaan antara
rata-rata poin peringkat pada mahasiswa yang mengikuti pemilu dengan yang tidak mengikuti
pemilu.
9. Diketahui :
= 55 = 5,5 = 40 = 0,05
= 58 =8 = 50
Ditanya :
Apakah kedua metode tersebut mempunyai perbedaan yang nyata atau tidak untuk
menyelesaikan proyek tersebut.
Page | 117
Jawab :
: ; tidak ada perbedaan antara rata-rata waktu yang dibutuhkan untuk

menyelesaikan proyek tersebut dengan menggunakan metode A maupun
metode B.
: ; terdapat perbedaan antara rata-rata waktu penyelesaian dengan

menggunkan metode A dengan rata-rata waktu penyelesaian menggunakan
metode B.
=√
=√
= 1, 426972319
( )
= -2,102353325 -2,10
= =0,475 Z= 1,96
Kurva :
-1,96 1,96
Page | 118
Kriteria :

Ternyata -2,10 < atau Z <
Kesimpulan :
Dengan tingkat signifikansi 5%, dapat disimpulkan bahwa terdapat terdapat perbedaan antara
rata-rata waktu penyelesaian dengan menggunkan metode A dengan rata-rata waktu
penyelesaian menggunakan metode B.
10. Diketahui :
=1194 = 91 = 100 = 0,05
= 1232 = 122 = 75
Ditanya :
<
Jawab :
: ; Kualitas lampu A lebih baik dari lampu B
: < ; Kualitas lampu B lebih baik dari lampu A
=√
=√
= 16,7709
Page | 119
( )
= -2,2658
= 0,5 – 0,05 = 0,45 Z= 1,6450
Kurva :
- 1,6450
Kriteria :
Z< ; ditolak
Z≥ tidak dapat ditolak
Ternyata -2,2658 < - 1,6450 atau Z < ; ditolak
Kesimpulan :
Dengan tingkat signifikansi 5%, dapat disimpulkan bahwa kualitas lampu B lebih baik dari
kualitas lampu A.
Page | 120
Page | 121
REGRESI DAN KORELASI SEDERHANA
Untuk mempelajari hubungan-hubungan antar variabel dalam suatu persamaan dapat

mengunakan regresi dan korelasi dalam menganalisisnya. Regresi sederhana menunjukan
hubungan linear (garis lurus) antar dua variabel dan memperkirakan nilai dari variabel terikat Y
berdasarkan nilai dari variabel bebas X. Sedangkan korelasi sederhana mempelajari hubungan
antara variabel-variabel atau dengan kata lain menunjukan apakah dua variabel mempunyai
hubungan atau tidak.
A. REGRESI SEDERHANA
1. Pengertian Regresi
Persamaan Regresi adalah sebuah persamaan yang menunjukan hubungan linear antara dua
variabel. (Lind, Teknik-teknik Statistik dalam Ekonomi dan Bisnis :74)
Bentuk Umum
Ŷ = a + bX
Keterangan :
Ŷ = Variabel Terikat (Variabel yang diperkirakan)
X = Variabel Bebas (Variabel yang mempengaruhi variabel terikat)
a = nilai Y dimana diperkirakan garis regresinya memotong sumbu Y ketika X bernilai nol
b = kemiringan garis, atau perubahan rata-rata Y setiap perubahan satu unit X.
2. Metode Pengukuran Regresi Sederhana
a. Least Square Method
Bentuk Umum = Ŷ = a + bX
Rumus :
ΣY = an + bΣX atau a= ( )
(∑ ) (∑ )(∑ )
ΣXY = aΣX + bΣX2 atau (∑ ) (∑ )
b. Product Moment Method
Bentuk Umum : Ŷ = a + bX
Rumus :
Σxy = b ΣX+ bΣX2 atau b= ,dimana
( ) ( )
Σxy = ΣXY – Σx2 = ΣX2 – Σy2 = ΣY2 –
∑ ∑
B. Korelasi
Analisis korelasi adalah sekumpulan teknik untuk mengukur hubungan antar dua variabel. (Lind,
Teknik-teknik Statistika dalam Bisnis dan Ekonomi: 61)
1. Koefisien korelasi (r)
Koefisien korelasi menunjukan kekuatan hubungan antara dua himpunan variabel. Diberi tanda r,
dan nilai r dapat berkisar dari -1 sampai +1. Tanda negatif berarti varibel berkorelasi negatif,
tanda positif berarti variabel berkorelasi positif, serta apabila tidak terdapat hubungan sama
sekali antar variabel maka r bernilai 0.
Kekuatan dari koefisien korelasi menurut Lind:
0-0.2 = sangat lemah
0,2-0,4 = lemah
0,4-0,6 = cukup
0,6-0,8 = kuat
0,8-1 = sangat kuat
Rumus :
Rumus Pearson :
r=
√( ( ) )( ( ) )
Rumus Product Moment :
r=
√( )
2. Koefisien Determinasi
Koefisien determinasi adalah perbandingan total variasi dalam variabel terikat Y yang dapat
dijelaskan oleh variasi dalam variabel bebas X. (Lind)
Dirumuskan
r2 x 100%
3. Kesalahan Standard Estimasi ( Standard Error of Estimate)
Adalah suatu ukuran yang menunjukan seberapa tepat prediksi untuk Y berdasarkan X atau
sebaliknya, seberapa tidak akuratnya estimasi itu. Dirumuskan
Least Square Method Product Moment Method
SYX =√ SYX = √
Keterangan :
n = banyaknya pasangan variabel independen x dan variabel dependen y
k = banyaknya macam variabel independen x
4. Penaksiran tentang interval α dan β
Menguji interval α Menguji interval β
(n > 30) (n > 30)
a – Z1/2α.Sa < konstanta α < a + Z1/2α.Sa b – Z1/2α.Sb < konstanta β < b + Z1/2α.Sb
(n ≤ 30) (n ≤ 30)
a – t1/2α.Sa < konstanta α < a + t1/2α.Sa b – t1/2α.Sb < konstanta β < b + t1/2α.Sb
Sa = SYX . √ Sb = SYX . √
5. Pengujian tentang Koefisien Regresi

Menguji α Menguji β
- Tentukan Ho dan Ha - Tentukan Ho dan Ha
Ho : β = (tidak berpengaruh)
Ho : Konstanta α = 0 (Tidak
Ha : β ≠ (ada pengaruh)
berpengaruh)
- Tentukan t1/2α dengan df = n-k-1
Ha : Konstanta α ≠ 0 (ada pengaruh) - Tentukan thitung dengan
- Tentukan t1/2α dengan df = n-k-1 n = t=

jumlah sampel - Tentukan daerah penolakan yaitu :
k = jumlah variabel x -thitung <-t1/2α atau thitung > t1/2α
Tentukan thitung dengan :
t=
- Tentukan daerah penolakan yaitu
-thitung < -t1/2ɑ atau thitung > t1/2ɑ
6. Interval Taksiran
Interval taksiran untuk rata-rata taksiran μx Interval taksiran untuk Y individu
Ŷo – t1/2α SŶ< μx< Ŷo + t1/2 α SŶ Ŷo – t1/2 α SŶ< Y< Ŷo + t1/2 α SŶ
( ) ( )
SŶ = SYX √ SŶ = SYX √
7. Pengujian Korelasi populasi

Menguji korelas populasi Menguji korelasi populasi
Ho : ρ = 0 (tidak ada korelasi) Ho : ρ = 0 (tidak ada korelasi)
Ha : ρ ≠ (ada korelasi) Ha : ρ ≠ (ada korelasi)
F= ( ) (
)
Z=
MSR =
Df1 = k; df2 = n-k-1
Ho ditolak jika F > Fα
Menguji apakah sampel berasal dari populasi

Sr =
√
yang berkorelasi
Ho : ρ = 0 (tidak berasal dari populasi yang

berkorelasi) Ho ditolak jika
Ha : ρ ≠ 0 (berasal dari populasi yang

berkorelasi)
Zhitung < Z1/2 α atau Zhitung > Z1/2 α
df = n-k-1
(√
t=
√
Ho ditolak jika
-thitung < -t1/2 α atau thitung > t1/2 α

8. Batas-batas koefisien korelasi populasi ρ
( ) ( ) ( )
Z1/2 α. Sr < < Z1/2 α.Sr
( ) ( ) ( )
CONTOH SOAL
Manajer pemasaran dari perusahaan Copier Sales of America smengumpulkan informasi tentang
jumlah panggilan penjualan yang dilakukan dan jumlah mesin fotokopi yang terjual untuk
sebuah sampel acak 10 penjual. Ia ingin menawarkan informasi spesifik tentang hubungan antara
jumlah panggilan penjualan dan jumlah mesin fotokopi yang terjual sebagai bagian dari
presentasinya pada rapat penjualan selanjutnya. Gunakan metode kuadrat terkecil untuk
menentukan persamaan garis yang menunjukkan hubungan antara dua variabel. Berapa jumlah
mesin fotokopi yang terjual yang diperkirankan oleh seorang penjual yang membuat 10
panggilan?
Tabel 2. Data panggilan penjualan dan jumlah mesin fotokopi yang terjual.
Penjual Panggilan penjualan (X) Mesin yang terjual (Y)
Tom Keller 20 30
Jeff Hall 40 60
Brian Virost 20 40
Greg Fish 30 60
Susan Welch 10 30
Carlos Raminez 10 40
Rich Niles 20 40
Mike Kiel 20 50
Mark Reynolds 20 30
Soni Jones 30 70
Hitunglah :
1. Persamaan Regresinya
2. Berapa persen variabel diluar model mampu menjelaskan variabel terikat?
Penyelesaian
Tabel 3. Perhitungan data panggilan penjualan dan mesin fotokopi yang terjual.
Panggilan
Mesin yang
Penjual penjualan X2 Y2 XY
terjual (Y)
(X)
Tom Keller 20 30 400 900 600
Jeff Hall 40 60 1600 3600 2400
Brian Virost 20 40 400 1600 800
Greg Fish 30 60 900 3600 1800
Susan Welch 10 30 100 900 300
Carlos Raminez 10 40 100 1600 400
Rich Niles 20 40 400 1600 800
Mike Kiel 20 50 400 2500 1000
Mark Reynolds 20 30 400 900 600
Soni Jones 30 70 900 4900 2100
Total 220 450 5600 22100 10800

A. Nilai b dapat dicari dengan rumus sebagai berikut:
(∑ ) (∑ )(∑ )
(∑ ) (∑ )
( ) ( )( )
( ) ( )
b = 1,184210526 = 1,1842
a= ( )
a=
a = 18,94736842
maka persamaan regresinya adalah Y=18,94736842 + 1,184210526X
B. Koefisien Korelasi
r=
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( ))(( ( ) ( )
r = 0.75901411094
koefisien determinasi
= r2 x 100 %
= (0.75901411094)2 x 100% = 57,61 %
r2 + k2 = 100%
k2 = 100%-57,61024
k2= 42,38
maka variabel lain di luar model mampu menjelaskan variasi dari variabel mesin yang terjual
sebesar 42,38%
Cara Komputer
Langkah-langkah adalah sebagai berikut :
1. Buka Software SPSS

2. Pilih variabel view, lalu masukan nama variabel panggilan penjualan dan mesin yang
terjual.
3. Pilih data view dan masukan data untuk masing-masing variabel.
4. Masuk ke menu bar, pilih analyze, kemudian pilih sub menu dan pilih linear.
5. Masukan kapasitas panggilan penjualan sebagai variabel independen dan jumlah mesin
yang terjual sebagai variabel dependen
6. Lalu masuk ke menu statistik
7. Check list estimates, model fit, dan part and partial correlation lalu klik continue.
8. Klik Ok
Akan keluar output :
a
Coefficients
Standardize
Unstandardized d
Coefficients Coefficients Correlations
Zero-
Model B Std. Error Beta t Sig. order Partial Part
1 (Constant
18.947 8.499 2.229 .056
)
x 1.184 .359 .759 3.297 .011 .759 .759 .759

a
Coefficients
Standardize
Unstandardized d
Zero-
1 (Constant
18.947 8.499 2.229 .056
)
x 1.184 .359 .759 3.297 .011 .759 .759 .759
a. Dependent Variable: y
a. diperoleh nilai a = 18,947 dan b = 1,184. Maka persamaan regresinya adalah y= 18,947 +
1.184 X
b.
Model Summary
Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 .759 .576 .523 9.90082
a. Predictors: (Constant), x
Koefisien korelasi ( r)
Dapat dilihat pada tabel model Summary bahwa koefisien korelasinya adalah sebesar 0,759 yang
artinya bahwa hubungan antar jumlah panggilan dan mesin yang terjual adalah adalah kuat dan
searah
Koefisien determinasi (r2)
Dapat dilihat bahwa koefisen determinasninya adalah sebesar 0,576 yang artinya bahwa variabel
panggilan penjulan mampu menjelaskan variasi dari variabel mesin yang terjual sebesar 57,6%
sementara sisanya 42,4 dijelaskan oleh faktor lain diluar model.
SOAL REGRESI DAN KORELASI SEDERHANA
1. Bagian Sub Akademik Fe Unpad memiliki data seperti di bawah ini
Nilai Kehadiran
85 13
60 9
75 11
55 9
90 14
95 16
50 8
65 10
45 7
100 16
a. Tentukan persamaan regresinya

b. Hitunglah koefisien korelasinya! Berapa persen variabel kehadiran mampu menjelaskan
jumlah nilai serta beraa persen variabel di luar model mampu menjelaskan variabel Nilai?
c. Hitunglah standard error of estimatesnya?
d. Pada tingkat signifikansi 5%, ujilah hipotesis nol bahwa kehadiran dan nilai tidak
berhubungan.
2. In the coloumn above, there are table that showing relationship between cost of marketing and
profit in Hidayah Company, Bandung.
Profit ($ 000) Marketing Cost
($000)
250 80
200 46
120 35
160 38
280 100
220 67
150 36
275 90
240 77
185 42
a. What is the regression equation?

b. How much the coeficient corelation for the case?
c. How much the marketing cost can explain the profit?
d. Determine the standard error of estimate.
e. At significance 5%, can we conculde that the sample comes from population which have
correlation?
3. A consultant want to know the relationship between the number of Pasient in hospital (people)
and the waiting time for them to be diagnosed by doctor (minuets) in linear regression. He began
to count the activity in 15 days and he got that ΣX = 68, ΣY = 4800 ; ΣXY = 1360; ΣX² = 680;
ΣY² = 4800. From the information above, find that :
a. r and r2 and give the interpretation?
b. In the significance level 1 %, test the hypotheses that the number of pasient related to the
waiting time to be diagnosed by doctor.
4. Seorang mahasiswa UNPAD sedang melakukan penelitian di daerah Sekeloa mengenai

pengaruh harga kontrakan dengan jumlah peminatnya. Dan data yang ia peroleh adalah :
Harga Kontrakan Peminat (orang)

(Rp.000)/bulan
500 80
300 100
400 95
600 68
700 64
450 90
350 98
750 60
250 120
850 56
800 58
375 96
900 40
1000 25
Hitunglah :
a. Persamaan regresinya dan interpretasi

b. Batas-batas taksiran konstanta ɑ dalam persamaan regresi populasinya.
c. Batas-batas taksiran koefisien regresi populasi ɞ pada tingkat keyakinan 95%.
d. Ujilah apakah koefisien ɞ pada model regresi diatas berpengaruh secara signifikan!
e. Dapatkah disimpulkan bahwa populasi berkorelasi?
5. Berikut adalah data mengenai jumlah pengorbanan konsumen make up “sensasi segar’ dengan
pendapatan yang mereka punya.
Pendapatan (Rp 000) Pengorbanan (Rp.000)
5000 600
2500 800
4000 650
3000 300
6000 800
1000 150
7000 500
.Tentukanlah :
a. Persamaan Regresinya
b. Koefisien korelasi, koefisien determinasi, koefisien non determinasi serta penjelasannya.
c. Hitunglah standard error estimasinya..
d. Taksirlah pengorbanan konsumsi make up, jika pendapatannya Rp. 5.500.000
6. Suatu Lembaga Penelitian Bibit kelapa sawit hendak mengamati pengaruh pupuk yang di
berikan dengan pertambahan panjang bibit. Pengamatan dilakukan selama tahun 2010 dan di
peroleh data sebagai berikut.:
BULAN (2010) Jumlah Pupuk (ons) Panjang (Cm)
Januari 5 80
Februari 5,2 98
Maret 5,5 110
April 6 128
Mei 6.8 140
Juni 7,2 165
Juli 7,5 190
Agustus 7,8 230
September 8,1 232
Oktober 8,9 236
November 9,2 240
Desember 9,9 245
Tentukan :
a. Persamaan regresi
b. Bagaimana pengaruh variabel luar mempengaruhi panjang bibit kelapa sawit.
c. Hitunglah penyimpangan variabel y prediksi terhadap variabel y sebenarnya?
d. Tentukan batas-batas taksiran ɑ dan ɞ pada tingkat kepercayaan 95%?
e. Dengan tingkat signifikansi 5%, dapatkah disimpulkan bahwa sampel berasal dari
populasi yang memiliki korelasi?
7. In the table below, there are data that concerning relationship between the interest rate and
investment.
Interest Rate (%) Investment ($)
1,5 456
0.8 780
2.6 260
3.1 104
0,5 800
1.9 420
2,2 280
3,4 600
2,9 560
3,3 450
a. Determine the regression equation and give the interpretation.

b. How much r and r2 and give the interpretasion.
c. At significance 5%, can we conclude that the sample comes from population wich have
correlation?
d. At significance 5%, determine whether sample take from a population with coefficient
correlation = 0,975
8.Berikut adalah tabel yang menunjukan rata-rata pendapatan masyarakat di negara antah
brantah dalam beberapa tahun terakhir presentase pembelian mobil Y
Tahun Pendapatan (jutaan) Presentase Pembelian Mobil Y

(%)
1950 7,0 20,2
1955 7,8 20,4
1960 8,2 30,6
1965 9,1 28,5
1970 8,7 25,4
1980 11,3 30,5
1985 11,7 32,8
1990 10,0 42,0
1995 12,8 29,0
2000 12,2 29,3
2005 14,4 37,5
2010 13,9 43,9
Tentukanlah :
a. Persamaan regresi dan interpretasi
b. Koefisien korelasi dan determinasi serta artinya
c. Standard Error of estimate.
d. Batas-batas taksiran koefisien regresi populasi ɑ pada tingkat keyakinan 95%.
9. William profit sedang mempelajari perusahaan yang go public untuk pertama kalinya. Ia
secara khusus tertarik dengan hubungn antara ukuran penawaran dan harga per lembar
sahamnya. Sebuah sampel dari perusahaan yang baru-baru ini go Public, dinyatakan dalam
informasi sebagai berikut.
Perusahaan Ukuran Penawaran Harga saham per

(jutaan dillar) lembar
1 9,0 10,8
2 94,4 11,3
3 27,3 11,2
4 179,2 11,1
5 71,9 11,1
6 97,9 11,2
7 93,5 11,0
8 70,0 10,7
9 160,7 11,3
10 96,5 10,6
11 83,0 10,5
12 23,5 10,3
13 58,7 10,7
14 93,8 11,0
15 34,4 10,8
a. Tentukanlah persamaan regresinya.

b. Tentukan koefien determinasi, dan menurut anda apakah william profit akan puas dengan
menggunakan besarnya harga saham sebagai variabel bebasnya?
c. Taksirlah ukuran penawaran jika harga per lembar saham mencapai10,3?
d. Pada tingkat kepercaayaan 95%, dapatkah dikatakan sampel berasal dari populasi yang
berkorelasi??
10. Berikut ini adalah tabel mengenai jumlah kepemilikan obligasi dan jumlah bunganya
Nama Lamanya Kepemilikan Obligasi Tingkat bunganya (%)

(tahun)
Rupple 12 4
Hall 2 10
Bennet 6 8
Longnecker 9 5
Phillips 7 5
Massa 2 8
Sass 8 3
Karl 4 8
Malrooney 10 2
Veights 5 5
Tentukanlah :
1. Persamaan Regresinya dan interpretasinya

2. Hitung Koefisien Korelasi dan determinasinya serta jelaskan.
3. Standard error of esimate??
4. Pada tingkat signifikansi 0,05, dapatkah kita menyimpulkan bahwa terdapat hubungan
negatif antara dua variabel tersebut?
JAWABAN REGRESI DAN KORELASI SEDERHANA
1.
a.
Nilai (Y) Kehadiran (X) XY Y² X² Persamaa
85 13 1105 7225 169 n Regresi
60 9 540 3600 81
a=
75 11 825 5625 121
55 9 495 3025 81 ( )
90 14 1260 8100 196

=
95 16 1520 9025 256 ( ) ( )
50 8 ( ) ( )
400 2500 64
65 10 650 4225 100 =
45 7 315 2025 49 4,505723
100 16 1600 10000 256 205
ΣY² =
Dan
ΣY = 720 ΣX = 113 ΣXY =8710 55350 ΣX² = 1373
(∑ ) (∑ )(∑ )
(∑ ) (∑ )
( ) ( )
= ( ) ( )
= 5,972944849
Maka persamaan regresinya adalah
Y= 4,505723205 + 5,97294489X
b. Koefisien korelasi dan determinasi
r=
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0,98831
jadi, koefisien korelasi dari jumlah kehadiran dan nilai adalah 0,9883178524. Artinya, korelasi
antara kedua variabel adalah positif dan sangat erat karena jumlahnya mendekati +1.
r2 = (0,988317854)2 = 0,97677217
artinya, bahwa variabel kehadiran mampu menjelaskan variasi dari variabel nilai sebesar
97,67% dan sisanya 2,33% lagi dijelaskan oleh variabel diluar model .
c. Standard Error of Estimate
SYX =√
( ) ( ) ( )
=√
= 3.1923267022
Jadi, rata-rata penyimpangan variabel nilai prediksi terhadap variabel nilai sebenarnya adalah
sebesar 3,192367022
d. Ho : ρ = 0 (tidak ada korelasi)
Ha : ρ ≠ 0 (ada korelasi )
df = 10-1-1 = 8
t 1/2 α = 2,306
(√
t=
√
√
t=
√
t = 18,34160407
kriteria :
Ho ditolak jika
-thitung < -t1/2 α atau thitung > t1/2 α
ternyata -18,34160407 < -2,306 atau 18,341604 > 2,306 maka Ho ditolak
maka, pada tingkat signifikansi 5%, ternyata hasil pengamatan tersebut menunjukan bahwa ada
korelasi positif antara kehadiran dan jumlah nilai.
2.
Profit Cost Of Marketing

(Y) (X) XY Y² X²
250 80
20000 62500 6400
200 46
9200 40000 2116
120 35
4200 14400 1225
160 38
6080 25600 1444
280 100
28000 78400 10000
220 67
14740 48400 4489
150 36
5400 22500 1296
275 90
24750 75625 8100
240 77
18480 57600 5929
185 42
7770 34225 1764
ΣY = 2080 ΣX = 611 ΣY²=
ΣXY = 138620 459250 ΣX²=42763
a. Regression Equation
a= ( )
( ) ( )
= ( ) ( )
= 78.25995691
(∑ ) (∑ )(∑ )
Dan (∑ ) (∑ )
( ) ( )
= ( ) ( )
= 2.123404961
So, the regression equation for the case is Y = 78.25995691+2.123404961X
b. r =
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0,9592819955
so, the corelation between the cost of marketing and the profit is 0,9592819955 On the other
hand, the corelation is very strong and positive, because the value close to +1.
c. coeficient of determination
r2 = (0,9591198127)2 = 0.92022194695 x 100% = 92.0221969 %
k2 + r2 = 100%
k 2 = 100% - 92.0221969% = 7,9770805312%
so, the cost of marketing can explain variation of profit about 92.0221969% and out of that
variabel on model can explain the proft is about 7,977085312%.
d. SYX =√
( ) ( ) ( )
=√
= 16, 28992749
So the standard error of estimate is 16,28992729. It means that varians of Profit prediction can
explain real profit about 16.28992729
e. . Ho : ρ = 0 (tidak ada korelasi)
df = 10-1-1 = 8
t 1/2 α = 2,306
(√
t=
√
√
t=
√
t = 9,60600541
criteria :
Ho ditolak jika
-thitung < -t1/2ɑ atau thitung > t1/2ɑ
ternyata -9,60600541< -2,306 atau 9,60600541> 2,306 maka Ho ditolak
so, with significance 5% there is a positive correlation between the cost of marketing and profit.
Cara Komputer
Langkah-langkah adalah sebagai berikut :
1. Buka Software SPSS

2. Pilih variabel view, lalu masukan nama variabel Profit dan cost of marketing.
3. Pilih data view dan masukan data untuk masing-masing variabel.
4. Masuk ke menu bar, pilih analyze, kemudian pilih sub menu
dan pilih linear.
5. Masukan variabel cost of marketing sebagai variabel independen dan profit sebagai
variabel dependen.
6. Lalu masuk ke menu statistik
7. Check list estimates, model fit, dan part and partial correlation lalu klik continue.
8. Klik Ok
Akan keluar output :
a
Coefficients
Standardize
Unstandardized d
Zero-
1 (Constan
78.260 14.455 5.414 .001
t)
COM 2.123 .221 .959 9.606 .000 .959 .959 .959
a. Dependent Variable:
profit
a. Persamaan Regresi
Dari tabel diatas akan diperoleh nilai a = 78.260 dan nilai b = 2.123, maka persamaan regresinya
adalah Y= 78,260 + 2.123X
Model Summary

a
1 .959 .920 .910 16.290
a. Predictors: (Constant), COM
b. dari tabel diatas dapat diperoleh koefisien korelasi (R) = 0.959

so, the corelation between the cost of marketing and the profit is 0,9592819955 On the other
hand, the corelation is very strong and positive, because the value close to +1.
c. Koefisien determinasi (R quare) = 0.920

so, the cost of marketing can explain variation of profit about 92.0221969% and out of that
variabel on model can explain the proft is about 7,977085312%.
d. standard error of estiamate = 16.290

So the standard error of estimate is 16,28992729. It means that varians of Profit prediction can
explain real profit about 16.28992729
b
ANOVA
Model Sum of Squares Df Mean Square F Sig.

a
1 Regression 24487.106 1 24487.106 92.278 .000
Residual 2122.894 8 265.362
Total 26610.000 9
a. Predictors: (Constant), COM
b. Dependent Variable: profit
Ho : ρ = 0 (tidak ada korelasi)

Untuk mengetahui nilai probabilita, lihat tabel ANOVAb pada kolom ‘sig’
Diketahui bahwa sig = 0.000
α=5%
Kriteria:
Sig ≤ α →Ho Ditolak
Sig > α → Ho tidak dapat ditolak
Ternyata 0.000 < 0.05 → Ho ditolak.

Kesimpulan : Ternyata pada tingkat signifikansi 5%, dapat disimpulkan bahwa ternyata hasil
pengamatan tersebut menunjukan bahwa sample yang diobservasi berasal dari suatu populasi
yang memiliki korelasi.
3. ΣX = 68, ΣY = 240 ; ΣXY = 1360; ΣX² = 680; ΣY² = 4800
a= ( )
( ) ( )
= ( ) ( )
= 12.68292623
(∑ ) (∑ )(∑ )
Dan (∑ ) (∑ )
( ) ( )
= ( ) ( )
= 0.7317073171
So the regression equation is Y = 12.68292623 + 0.7317073171X
a. r =
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0.4553208464
so, the corelation between the number of patient and waiting time to be diagnosed is
0.4553208464. On the other hand, the corelation is strong and positive.
Koefisien determinasi
r2= (0.4553208464)2 = 0.2073170732
so, the number of patient can explain variation of waiting time to be diagnosed about
92.0221969% and out of that variabel on model can explain the proft is about 7,977085312%.
b. Ho : ρ = 0 (tidak ada korelasi)
df = 15-1-1 = 13 α = 1%
t 1/2 α = 3.012
(√
t=
√
√
t=
√
t = 1,843908891
ternyata -3.012 < 1,843908891 < 3.012 maka Ho tidak dapat ditolak
maka, pada tingkat signifikansi 1%, ternyata hasil pengamatan tersebut menunjukan bahwa tidak
ada korelasi positif antara jumlah pasien dan waktu tunggu.
4.
Harga Peminat
Kontrakan (X) (Y) XY X² Y²
500 80 40000 250000 6400
300 100 30000 90000 10000
400 95 38000 160000 9025
600 68 40800 360000 4624
700 64 44800 490000 4096
450 90 40500 202500 8100
350 98 34300 122500 9604
750 60 45000 562500 3600
250 120 30000 62500 14400
850 56 47600 722500 3136
800 58 46400 640000 3364
375 96 36000 140625 9216
900 40 36000 810000 1600
1000 25 25000 1000000 625
ΣXY= ΣX²= ΣY²=
ΣX = 8225 ΣY = 1050 534400 5613125 87790
Σxy = ΣXY – = 534400 – = -82475
( ) ( )
Σx2 = ΣX2 – = 5613125 – = 780937.5
( ) ( )
Σy2 = ΣY2 – = 87790 – = 9040
b= = = -0.1056102441
∑ ∑
dan = 137.0460184
maka persamaan regresinya adalah Y = 137,0460184 – 0.1056102441X Dari persamaan tersbut

dapat diketahui bahwa rata- rata peminat kontrakan tanpa dipengaruhi oleh variabel apapupn
adalah sebesar 137.0460184. Sedangkan jika dipengaruhi oleh harga kontrakan, jika harga
kontrakan bertambah sebesar 1 satuan rupiah, maka rata- rata jumlah peminat akan berkurang
sebanyak 0.1056102441 orang.(ceteris paribus)
b. SYX = √
( )
SYX = √
=5.242429203
Sa = SYX . √
Sa = 5.242429203. √
Sa = 3.756321658 df = 14-1-1=12
a – t1/2 α.Sa < konstanta α < a + t1/2 α.Sa
137.0460184 – 2.179*3.756321658 < Konstanta α <137.0460184 + 2.179*3.756321658
128.8609935 < Konstanta α < 145.2310433
Jadi pada tingkat signifikansi 5%, batas-batas taksiran kostanta α berada dalam regresi populasi
128.8609935 hingga 145.2310433
c.
Sb = SYX . √
Sb =5.242429203 . √
= 0.005932318165
b – t1/2 α.Sb < konstanta α < b + t1/2 α.Sb
-0.1056102441 – 2.179*0.005932318165 < konstanta α < -0.1056102441 +

2.179*0.005932318165
-0.1185367654 < konstanta α < -0.0926837228
Jadi pada tingkat signifikansi 5%, batas-batas taksiran koefisien regresi α adalah antara -
0.1185367654 hingga -0.0926837228
d.
Ho : α = 0 (variabel X tidak berpengaruh secara parsial terhadap variabel Y)
Ha : α ≠ 0 (variabel X berpengaruh secara parsial terhadap variabel Y)
Df = 14-1-1 = 10, α = 5% t 1/2α = 2.179

t=
t = -17.80254978
-thitung <-t1/2α atau thitung > t1/2 α = Ho ditolak
ternyata = -17.80254978 < -2.179 = Ho ditolak
jadi, pada tingkat signifikansi 5% = ternyata hasil pengamatan terebut menunjukan bahwa
koeisien regresi populasi α ≠ 0. Hal ini menunjukan bahwa pada tingkat signifikansi 5%,
variabel X berpengaruh secara parsial terhadap variabel Y
e.
Ha : ρ ≠ (ada korelasi)
df2 = n-k-1 = 14-1-1 = 12, α = 5%
F=
MSR = = = 8710,204882
( )
MSE = = 27.48292649
F= = 316.931494
Kriteria :
F > Fa + Ho ditolak
Ternyata
316.931494 > 4.69

Jadi, pada tingkat signifikansi 5%, ternyata hasil pengamatan tersebut menunjukan bahwa
sampel yang diobservasi berasal dari suatu populasi yang memiliki korelasi karena perbedaanya
signifikan.
Cara Komputer
a
Coefficients
Standardize
Unstandardized d
Zero-
1 (Constan
137.046 3.756 36.484 .000
t)
Cost -.106 .006 -.982 -17.803 .000 -.982 -.982 -.982
a. Dependent Variable: Peminat
dari tabel diatas, diperolh nilai a = 137,046 dan b = -0.106, maka persamaan regresinya adalah Y
= 137.046-0.106X
b. SYX = √
( )
SYX = √
=5.242429203
Sa = SYX . √
Sa = 5.242429203. √
Sa = 3.756321658 df = 14-1-1=12
a – t1/2α.Sa < konstanta α < a + t1/2 α.Sa
137.0460184 – 2.179*3.756321658 < Konstanta α <137.0460184 + 2.179*3.756321658
128.8609935 < Konstanta α < 145.2310433
Jadi pada tingkat signifikansi 5%, batas-batas taksiran kostanta α berada dalam regresi populasi
128.8609935 hingga 145.2310433
c.
Sb = SYX . √
Sb =5.242429203 . √
= 0.005932318165
b – t1/2α.Sb < konstanta α < b + t1/2α.Sb
-0.1056102441 – 2.179*0.005932318165 < konstanta α < -0.1056102441 +

2.179*0.005932318165
-0.1185367654 < konstanta α < -0.0926837228
0.1185367654 hingga -0.0926837228
b
d. ANOVA
Model Sum of Squares df Mean Square F Sig.

a
1 Regression 8710.205 1 8710.205 316.931 .000
Residual 329.795 12 27.483
Total 9040.000 13
a. Predictors: (Constant), Cost
b. Dependent Variable: Peminat

Ho : α = 0
Ha : α ≠ 0
Untuk mengetahui nilai probabilita, lihat tabel anova (b) pada kolom Sig
Sig = 0.00
Kriteria
Sig ≤ α → Ho ditolak
Sig > α → Ho tidak dapat Ditolak
Ternyata 0.000 < 0.05 = Ho ditolak
jadi, pada tingkat signifikansi 5% ternyata hasil pengamatan terebut menunjukan bahwa
koefisien regresi populasi α ≠ 0. Hal ini menunjukan bahwa pada tingkat signifikansi 5%,
variable x berpengaruh secara parsial terhadap variable y.
e.
Ha : ρ ≠ (ada korelasi)
Untuk mengetahui nilai probabilita, lihat tabel anova pada kolom sig
Sig = 0.000
Kriteria
Sig ≤ α → Ho Ditolak
Ternyata 0.0000 < 0.05 = Ho ditolak

sampel yang diobservasi berasal dari suatu populasi yang memiliki korelasi karena perbedaanya
signifikan.
5.
Pendapatan Pengorbanan
(X) (Y) (XY) X² Y²
5000 600 3000000 25000000 360000
2500 800 2000000 6250000 640000
4000 650 2600000 16000000 422500
3000 300 900000 9000000 90000
6000 800 4800000 36000000 640000
1000 150 150000 1000000 22500
7000 500 3500000 49000000 250000
ΣXY = ΣX ² = ΣY² =
ΣX = 28500 ΣY = 3800 16950000 142250000 2425000
a. Persamaan Regresinya
Σxy = ΣXY – = 16950000 – = 1478571.429
( ) ( )
Σx2 = ΣX2 – = 142250000– = 26214285.71
( ) ( )
Σy2 = ΣY2 – = 2425000 – = 362142.8571
b= = = 0.05640326978
∑ ∑
dan = = 313.2152588
Maka persamaan regresinya adalah Y = 313.2152588 + 0.05640326978X

b. . SYX = √
( )
SYX = √
Syx = 236.1129365
Jadi rata-rata penyimpangan variabel pengorbanan prediksi terhadap variabel sebenarnya

sebenarnya adalah sebesar 4.340934951
c. r =
√( )
r=
√( )
= 0.4798807544
Artinya, koefisien korelasi dari pendapatan dan pengorbanan adalah sebesar 0.4798807544.
Artinya korelasi antara variabel pendapatan dan pengorbanan adalah positif dan cukup erat.
Koefisien determinasi..
= r2 X 100% = 0.47988075442 X 100% = 23.028579%
Artinya, variabel pendapatan mampu menjelaskan variasi variabel pengorbanan sebesar

23.028579% dan sisanya 76.971446% dijelaskan oleh variabel lain diluar model.
d. Y = 313.2152588 + 0.05640326978X
Y = 313.2152588 + 0.05640326978*5.500
Y = 621.4532178
Jadi, saat pendapatan sebesar Rp 5.500.000 maka total pengorbanan adalah sebesar Rp
621.453,278
6.
Jumlah Pupuk Panjang (Y)
(X) XY X² Y²
5 80 400 25 6400
5.2 98 509,6 27,04 9604
5.5 110 605 30,25 12100
6 128 768 36 16384
6.8 140 952 46,24 19600
7.2 165 1188 51,84 27225
7.5 190 1425 56,25 36100
7.8 230 1794 60,84 52900
8.1 232 1879,2 65,61 53824
8.9 236 2100,4 79,21 55696
9.2 240 2208 84,64 57600
9.9 245 2425,5 98,01 60025
ΣXY = ΣX² = ΣY² =
ΣX = 87,1 ΣY = 2094 16254,7 660,93 407458
Σxy = ΣXY – = 16254,7– = 1055.75
( ) ( )
Σx2 = ΣX2 – = 660,93 – = 28.72916667
( ) ( )
Σy2 = ΣY2 – = 407458 – = 42055
b= = = 36.74836834
∑ ∑
dan = = -92.23190687
maka persamaan regresinya adalah Y = -92.23190687+36.74836834X
r=
√( )
r=
√( )
= 0.96048853764
Artinya, koefisien korelasi dari jumlah pupuk dan panjang tanaman adalah sebesar
0.9604853764. Artinya korelasi antara variabel jumlah pupuk dan panjang tanaman adalah
positif dan sangat erat karena mendekati +1.
Koefisien determinasi..
=r2 X 100% = 0.9604853764 2X 100% = 92.25321583%
Artinya, jumlah pupuk mampu menjelaskan variasi variabel panjang tanaman sebesar
92.25321583% dan sisanya 7.746784174% dijelaskan oleh variabel diluar model
c. . SYX = √
( )
SYX = √
=18.04968178
Maka penyimpangan dari variabel panjang prediksi terhadap variabel panjang yang sebenarnya
adalah sebesar 18.04968178
d. Sa = SYX . √
Sa =18.04968178. √
Sa = 24.99166235 df = 12-1-1=10
a – t1/2α.Sa < konstanta α < a + t1/2α.Sa
-92.23190687– 2.228*24.99166235< Konstanta α < -92.23190687 +2.228*24.99166235
-147.9133306< Konstanta α < -36.55048315

Jadi pada tingkat signifikansi 5%, batas-batas taksiran kostanta α berada dalam regresi populasi -
147.9133306 hingga -36.55048315
Sb = SYX . √
Sb =18.04968178. √
= 3.36750334
b – t1/2α.Sb < konstanta α < b + t1/2α.Sb
36.74836834 – 2.228*3.36750334< konstanta α < 36.74836834 +2.228*3.36750334
29.2455709 < konstanta α < 44.25116578
29.2455709 hingga 44.25116578
e. Ho : ρ = 0 (tidak ada korelasi)
df = 12-1-1 = 10
t 1/2ɑ = 2,228
(√
t=
√
√
t=
√
t = 10.91268087
kriteria :
Ho ditolak jika
-thitung < -t1/2α atau thitung > t1/2α

ternyata -10.91268087< -2,28 atau 10.91268087> 2.228maka Ho ditolak
jadi, pada tingkat signifikansi 5%, ternyata ada korelasi positif antara jumlah pupuk yang
diberikan dan panjang tanaman.
7.
Interest Rate
(X) Investment (Y) XY X² Y²
1,5 456 684 2,25 207936
0,8 780 624 0,64 608400
2,6 260 676 6,76 67600
3,1 104 322,4 9,61 10816
0,5 800 400 0,25 640000
1,9 420 798 3,61 176400
2,2 280 616 4,84 78400
3,4 600 2040 11,56 360000
2,9 560 1624 8,41 313600
3,3 450 1485 10,89 202500
ΣX = 22,2 ΣY= 4710 ΣXY = ΣX² = ΣY² =
9269,4 58,82 2665652
a= ( )
( ) ( )
= ( ) ( )
= 747.2894295
(∑ ) (∑ )(∑ )
Dan (∑ ) (∑ )
( ) ( )
= ( ) ( )
= -124.454698
So, the regression equation is Y= 747.2894295 -124.454698X. It means that average

investment if not influenced by anything variabel is about 747.2894295 in rupiahs. And if
influenced by interest of rate, in 1 % increasing makes average investment will be decreasing
about 124.454698 rupiahs .
b. coefisient correlation and determination
r=
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0,575
so, the coeficient correlation between interest of rate and investment is 0.575. It means that the
corelation is strong enough..
r2 X 100% = (0,575)2 X 100 %= 33,0625%
It means thatRate of interest can explain variation of investment about 33. 0625% and 66.9375 %
is explained by other variabelout of model.
C.
df = 10-1-1 = 8
t 1/2ɑ = 2,306
(√
t=
√
√
t=
√
t = 1.987824752
kriteria :
Ho ditolak jika
ternyata -2.306<1.987824752<2.306 = Ho tidak dapat ditolak
jadi, pada tingkat signifikansi 5%, ternyata tidak ada korelasi antara interest dan investment.
d. Uji Hipotesis koefisien korelasi ρ (ρ=0.925)
Ho : ρ = 0.975 (Tidak ada korelasi)
Ha : ρ ≠ 0.975 (ada korelasi)
α = 0.05, Z1/2α = 0.008
Sr =
√
Sr =
√
Sr = 0.377964473
( ) (
)
Z=
( ) (
)
Z=
Z= -4.047515371
Kriteria:
Ho ditolak : -Zhitung < -Z1/2α atau Zhitung > Z1/2α
Ternyata :
-4.047515371< 0.008 = Ho ditolak
Pada tingkat signifikansi 5%, ternyata hasil pengamatan tersebut menunjukan bahwa sampel
yang diobservasi memiliki korelasi ≠ 0.975.
Cara Komputer
a
Coefficients
Standardize
Unstandardized d
Zero-
1 (Constant
747.289 151.971 4.917 .001
)
interest -124.455 62.661 -.575 -1.986 .082 -.575 -.575 -.575
a. Dependent Variable: invesment
Lihat kolom B (Unstandardized coefficient). Diperoleh a= 747.289 dan b = -124.455. Maka

persamaan regresinya adalah Y = 747.289 -124.455X.
Model Summary

a
1 .575 .330 .247 193.50038
a. Predictors: (Constant), interest
Dari tabel, diperoleh r = 0.575.
Artinya, interest rate dan investment memiliki korelasi cukup kuat dan searah.
Dan r2 = 0.330. Artinya, variabel interest rate menjelaskan variasi investment sebesar 33.0% dan
sisanya 67% dijelaskan oleh Faktor lain di luar model
b
ANOVA
a
1 Regression 147702.836 1 147702.836 3.945 .082
Ho : ρ = 0
Residual 299539.164 8 37442.396
(tidak ada
Total 447242.000 9 korelasi)
a. Predictors: (Constant), interest
Ha : ρ ≠ (ada
b. Dependent Variable: invesment
korelasi)
Untuk mengetahui nilai probabilita, lihat tabel anova pada kolom sig
Sig = 0.082
Kriteria
Sig ≤ α → Ho Ditolak
Ternyata 0.082 > 0.05 = Ho tidak dapat ditolak
sampel yang diobservasi berasal dari suatu populasi yang tidak memiliki korelasi.
d. Uji Hipotesis koefisien korelasi ρ (ρ=0.925)
Ho : ρ = 0.975 (Tidak ada korelasi)
Ha : ρ ≠ 0.975 (ada korelasi)
α = 0.05, Z1/2α = 0.008
Sr =
√
Sr =
√
Sr = 0.377964473
( ) (
)
Z=
( ) (
)
Z=
Z= -4.047515371
Kriteria:
Ho ditolak : -Zhitung < -Z1/2α atau Zhitung > Z1/2α
Ternyata :
-4.047515371< 0.008 = Ho ditolak
Pada tingkat signifikansi 5%, ternyata hasil pengamatan tersebut menunjukan bahwa sampel
yang diobservasi memiliki korelasi ≠ 0.975.
8.
Jumlah Pembelian
Pendapatan (X) Mobil (Y) (XY) X² Y²
7 20.2 141,4 49 408,04
7.8 20.4 159,12 60,84 416,16
8.2 30.6 250,92 67,24 936,36
9.1 28.5 259,35 82,81 812,25
8.7 25.4 220,98 75,69 645,16
11.3 30.5 344,65 127,69 930,25
11.7 32.8 383,76 136,89 1075,84
10 42 420 100 1764
12.8 29 371,2 163,84 841
12.2 29.3 357,46 148,84 858,49
ΣX = 98,8 ΣY = 288,7 ΣXY = 2908,84 ΣX² = ΣY²=
1012,84 8687,55
a= ( )
( ) ( )
= ( ) ( )
= 13.66229562
(∑ ) (∑ )(∑ )
Dan (∑ ) (∑ )
( ) ( )
= ( ) ( )
= 1.539241334
Maka persamaan regresinya adalah : Y= 13.66229562 + 1.539241334X Dari persamaan tersebut

dapat diketahui bahwa rata-rata jumlah pembelian mobil tanpa dipengaruhi oleh variabel apapun
adalah sebesar 13.66229562 Sedangkan jika dipengaruhi oleh pendapatan, jika pendapatan naik
sebesar 1 satuan rupiah -rata jumlah pembelian mobil akan bertambah adalah sebanyak
1.539241334 unit.ceteris paribus
b. r =
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0.496436251
Artinya, korelasi antara jumlah mobil yang terjual dengan jumlah mobil buatan toyota adalah
cukup kuat dan searah.
Koefisien determinasi adalah :
R2 X 100% = 0.4964362512 X 100% = 24.64489513%

Artinya, jumlah pendapatan mempengaruhi jumlah pembelian mobil sebesar 24.64489531% dan
sisanya dipengruhi oleh variabel lain diluar model.
c. SYX =√
( ) ( ) ( )
=√
= 5.76453
Jadi, rata-rata penyimpangan variabel jumlah pembelian mobil prediksi terhadap variabel jumlah
pembelian mobil sebenarnya adalah sebesar 5.76453
( ) ( )
d. Sa = SYX . √ → Σx2 = ΣX2 – =1012,84 – = 36.696
Sa =5.76453. √
Sa = 9.576900216 df = 10-1-1=8
13.66229562 –2.306*9.576900216< Konstanta α < 13.66229562 + 2.306*9.576900216
-8.422036278< Konstanta α <35.74662752
8.422036278 hingga 35.74662752.
Cara Komputer
a
Coefficients
Standardize
Unstandardized d
Zero-
Model B Std. Error Beta T Sig. order Partial Part
1 (Constant
13.662 9.577 1.427 .192
)
X 1.539 .952 .496 1.618 .144 .496 .496 .496
a. Dependent Variable: Y
a. Lihat tabel B (Unstandardized coeficients) a = 13.662 dan b = 1.539

Maka Y = 13.662 + 1.539X
Model Summary

a
1 .496 .246 .152 5.76453
a. Predictors: (Constant), X
b. dari tabel (R) diperoleh
r = 0.496
Artinya, korelasi antara jumlah mobil yang terjual dengan jumlah mobil buatan toyota adalah
cukup kuat dan searah
Dan tabel (R2)
r2 = 0.246
Artinya, jumlah pendapatan mempengaruhi jumlah pembelian mobil sebesar 24.64489531% dan
sisanya dipengruhi oleh variabel lain diluar model.
c. Lihat tabel (Standard Error of estimate)

Syx = 5.76453
Jadi, rata-rata penyimpangan variabel terikat prediksi terhadap variabel terikat sebenarnya adalah
sebesar 5.76453
( ) ( )
d. Sa = SYX . √ → Σx2 = ΣX2 – =1012,84 – = 36.696
Sa =5.76453. √
Sa = 9.576900216 df = 10-1-1=8
13.66229562–2.306*9.576900216< Konstanta α < 13.66229562 + 2.306*9.576900216
-8.422036278< Konstanta α <35.74662752
8.422036278 hingga 35.74662752.
9.
Harga (Y) Penawaran (X) (XY) (Y²) (X²)

9 10.8 97,2 81 116,64
94.4 11.3 1066,72 8911,36 127,69
27.3 11.2 305,76 745,29 125,44
179.2 11.1 1989,12 32112,64 123,21
71.9 11.1 798,09 5169,61 123,21
97.9 11.2 1096,48 9584,41 125,44
93.5 11 1028,5 8742,25 121
70 10.7 749 4900 114,49
160.7 11.3 1815,91 25824,49 127,69
96.5 10.6 1022,9 9312,25 112,36
83 10.5 871,5 6889 110,25
23.5 10.3 242,05 552,25 106,09
58.7 10.7 628,09 3445,69 114,49
93.8 11 1031,8 8798,44 121
34.4 10.8 371,52 1183,36 116,64
ΣXY = ΣY² = ΣX² =
ΣY = 1193,8 ΣX= 163,6 13114,64 126252,04 1785,64
a= ( )
( ) ( )
= ( ) ( )
= -705.6044807
(∑ ) (∑ )(∑ )
Dan (∑ ) (∑ )
( ) ( )
= ( ) ( )
= 71.99185336
Maka persamaan regresinya adalah : Y= -705.6044807 +71.99185336 X.
b. . r =
√( ( ) )( ( ) )
( ) ( )
r=
√( ( ) ( )( ( ) ( ))
r = 0.4660609169
artinya hubungan antara variabel harga dan variabel penawaran adalah positif dan cukup erat.
Karena nilainya adalah 0.4660609169
koefisien determinasi = r2 X 100 % = (0.4660609169)2 X 100% = 21.72127783%

dari koefisien determinasi disimpulkan bahwa William tidak puas dengan variabel penawaran
sebagai variabel bebas karena variabel penawaran hanya mampu menjelaskan variasi variabel
harga sebesaar 21.721277%
c. X = 10.3
Y= -705.6044807 +71.99185336 X
Y= -705.6044807 +71.99185336 (10.3)
Y = 35.91160891
Maka, saat harga perlembar saham sebanyak 10.3 dollar, ukuran penawaran nya adalah
35.91160891 juta dollar.
df = 15-1-1 = 13
t 1/2ɑ = 2.160
(√
t=
√
√
t=
√
t = 1.899295318
kriteria :
Ho ditolak jika
Ternyata -2.160 <1.899295318< 2.160 → Ho tidak dapat ditolak
maka, pada tingkat signifikansi 5%, ternyata hasil pengamatan tersebut menunjukan bahwa tidak
ada korelasi antar variabel karena perbedaanya signifikan.
Cara Komputer
a
Coefficients
Standardize
Unstandardized d
Zero-
1 (Constan
-705.604 413.563 -1.706 .112
t)
harga 71.992 37.905 .466 1.899 .080 .466 .466 .466
a. Dependent Variable: penawaran
a. Persamaan regresi
Lihat tabel B (Unstandardized coeficients) a = -705.604 dan b = 71.992
Maka Y = -705.604 + 71.992X
Model Summary

a
1 .466 .217 .157 43.37265
a. Predictors: (Constant), harga
b. dari tabel (R) diperoleh
r = 0.466
Dan tabel (R2)
r2 = 0.217
Artinya, harga mempengaruhi variasi jumlah penawaran sebesar 21.7% dan sisanya dipengaruhi
oleh variabel lain diluar model.
C.
X = 10.3
Y= -705.6044807 +71.99185336 X
Y= -705.6044807 +71.99185336 (10.3)
Y = 35.91160891
Maka, saat harga perlembar saham sebanyak 10.3 dollar, ukuran penawaran nya adalah
35.91160891 juta dollar.
d.
b
ANOVA

a
1 Regression 6786.048 1 6786.048 3.607 .080
Residual 24455.429 13 1881.187
Total 31241.477 14
a. Predictors: (Constant), harga
b. Dependent Variable: penawaran

Untuk mengetahui nilai probabilita, lihat tabel ANOVAb pada kolom ‘sig’
Diketahui bahwa sig = 0.080
α=5%
Kriteria:
Sig ≤ α →Ho Ditolak
Ternyata 0.080 > 0.05 → Ho tidak dapat ditolak

Kesimpulan : Ternyata pada tingkat signifikansi 5%, dapat disimpulkan bahwa ternyata hasil
pengamatan tersebut menunjukan bahwa sample yang diobservasi berasal dari suatu populasi
yang tidak memiliki korelasi karena perbedaanya signifikan.
10.
Lama Kepemilikan
Obligasi (X) Tingkat Bunga (Y) XY X² Y²
12 4 48 144 16
2 10 20 4 100
6 8 48 36 64
9 5 45 81 25
7 5 35 49 25
2 8 16 4 64
8 3 24 64 9
4 8 32 16 64
10 2 20 100 4
5 5 25 25 25
ΣXY = ΣX² = ΣY²=
ΣX = 65 ΣY = 58 313 523 396
Σxy = ΣXY – = 313– = -64
( ) ( )
Σx2 = ΣX2 – = 523 – = 100.5
( ) ( )
Σy2 = ΣY2 – = 396 – = 59.6
b= = = -0.6368159204
∑ ∑
dan = ( ) = 9.939303483
maka persamaan regresinya adalah Y = 9.93930348 –0.6368159204X. Dari persamaan tersebut

dapat diketahui bahwa rata-rata jumlah bunga tanpa dipengaruhi oleh variabel apapun adalah
sebesar 9.939303483%. Sedangkan jika dipengaruhi oleh lamanya kepemilikan, jika kepemilikan
adalah selama 1 tahun, rata-rata jumlah bunga akan berkurang adalah sebanyak 0.6368159204%
.ceteris paribus
b. r =
√( )
r=
√( )
= -0.8269396449
Artinya, koefisien korelasi dari dan pengorbanan adalah sebesar - 0.8269396449 Artinya korelasi
antara variabel lamanya kepemilikan obligasi dan jumlah bunga yang diberikan adalah
negatifdan sangat erat.
Koefisien determinasi adalah
R2 X 100% = ( - 0.8269396449)2 X 100 % = 68.38291763
Artinya lamanya kepemilikan alat olahraga mampu menjelaskan variasi jumlah latihan sebanyak
68.38291763% dan sisanya 31.61708237% dijelaskan oleh faktor lain di luar model.
c. SYX = √
( )
SYX = √
= 1.534574911
Jadi, rata-rata penyimpangan variabel jumlah bunga prediksi terhadap variabel jumlah bunga
sebenarnya adalah sebesar 1.534574911
df = 10-1-1 = 8
t 1/2α = 2,306
(√
t=
√
√
t=
√
t = -4.159616356
kriteria :
Ho ditolak jika
Ternyata -4.159616356 < -2,306 atau 4.159616356> 2.306 maka Ho ditolak
jadi, pada tingkat signifikansi 5%, ternyata ada korelasi negatif lamanya pembelian dan jumlah
latihan.
REGRESI DAN KORELASI LINEAR BERGANDA
A. REGRESI LINEAR BERGANDA

1. Hubungan Linear Lebih dari Dua Variabel
Disamping hubungan linear dua variabel, hubungan linear lebih dari dua variabel
juga sering terjadi. Misalnya, hubungan antara hasil penjualan dengan harga dan daya
beli, hubungan antara rata-rata harga beras dengan dengan jumlah penduduk,
pendapatan, dan jumlah uang beredar, atau hubungan antara produksi padi dengan bibit,
pupuk, luas sawah, dan curah hujan. (Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi
Statistik 2 (Statistik Inferensif), edisi kedua )
Hubungan linear lebih dari dua variabel bila dibuat dalam persamaan matematis
sebagai berikut:
= a + b1X1 + b2X2 + ... + bkXk
Keterangan:
Y, X1, X2, ..., Xk = variabel-variabel
a = bilangan konstan (konstanta)
b1, b2, ..., bk = koefisien variabel
Pada persamaan linear lebih dari dua variabel, variabel Y dipengaruhi oleh lebih
dari dua variabel, yaitu X1, X2,...., Xk. Dimana variabel Y disebut dengan variabel
terikat atau dependent variable / explained variable / predictand / regressand / response
/ endogeneous / outcome / controlled variable, dan variabel-variabel X1, X2,...., Xk
disebut dengan variabel bebas atau independent variable / explanatory variable /
predictor / regressor / stimulus / exogenous / covariate / control variable. (Damodar N.
Gujarati, Basic Econometrics)
2. Persamaan Regresi Linear Berganda

Regresi Linear berganda adalah regresi dimana variabel terikatnya (Y) di
hubungkan / dijelaskan oleh lebih dari satu variabel bebas (X1, X2,...., Xk) namun masih
menunjukkan diagram hubungan yang linear. (Ir. M. Iqbal Hasan, M.M.,
Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua )
Bentuk umum persamaan regresi linear berganda :

a. Bentuk Stokastik
̂ = a + b1X1 + b2X2 + ... + bkXk + e
b. Bentuk Nonstokastik (Deterministik)
̂ = a + b1X1 + b2X2 + ... + bkXk
Keterangan:
̂ = variabel terikat (nilai duga Y)
X1, X2, ..., Xk = variabel bebas
a = bilangan konstan (konstanta)
b1, b2, ..., bk = koefisien regresi (parameter)
e = nilai residual / error / pengganggu (Y- Ỹ)
3. Persamaan Regresi Linear Berganda dengan Dua Variabel Bebas

Bentuk umumnya adalah sebagai berikut:
= a + b1X1 + b2X2
Keterangan:
Y = variabel terikat (nilai duga Y)
X1, X2 = variabel bebas
b1, b2 = koefisien regresi linear berganda disebut juga sebagai koefisien regresi
parsial (partial coefficient regression)
a = konstanta (nilai Y, apabila X1 = X2 = 0)
b1 = besarnya kenaikan / penurunan Y dalam satuan, jika X1
naik satu satuan dan X2 konstan
b2 = besarnya kenaikan / penurunan Y dalam satuan, jika X2
naik satu satuan dan X1 konstan
+ atau - = tanda yang menunjukkan arah hubungan antara Y dan X1
atau X2
(Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi
kedua )
Nilai dari koefisien a, b1, b2 dapat ditentukan dengan beberapa cara sebagai
berikut ini:
Metode Kuadrat Terkecil
̅ ̅ ̅

 x 2  x y  x x

 2  1

 
 1 2  x2 y  
b 
1  x 2  x 2   x x 2

 1  2
 
 1 2  

 x 2 
1   2

x y  x x x y    
b 
1 2 1
2 
 x

2   2 
1   2 
x  x x
1 2
2  
Y = X2 
X 2
X1  X 1
n n
∑y2 = ∑Y2 – n. Y 2
∑ 1
2
= ∑X12 – n. ̅ 2
∑ 2
2
= ∑X22 – n. ̅ 2
∑ 1y = ∑X1Y – n. ̅ Y
∑ 2y = ∑X2Y – n. ̅ Y
∑ 1 2 = ∑X1X2 – n. ̅ ̅
B. PENGUJIAN KOEFISIEN REGRESI

1. Standard Error of Estimate / Kesalahan Standar dalam Penaksiran (SE) →
√
∑
∑ ∑ (∑ )
∑
∑ ∑ (∑ )
df = n – k – 1 = n – 3
∑ ∑( )
2. Pendugaan Hipotesis Koefisien Regresi Berganda (Parameter 𝛃1 dan 𝛃1)

a. Pengujian Hipotesis Serentak (F statistik)
Digunakan untuk melihat signifikansi variabel independent ( )
secara keseluruhan / bersama – sama dalam mempengaruhi nilai variabel dependen
(Y).
Langkah-langkah pengujiannya adalah sebagai berikut :
1. Menentukan formulasi hipotesis
(X1 dan X2 secara bersama-sama tidak

mempengaruhi Y)
(X1 dan X2 secara bersama-sama mempengaruhi Y atau

paling sedikit ada X yang mempengaruhi Y)
2. Menentukan Taraf tabel nyata (α) dan nilai F

Taraf nyata (α) dan nilai F tabel ditentukan dengan derajat kebebasan v1 = k - 1
dan v2 = n – k.
3. Menentukan nilai F stat
MSR
Fstat  SSR SSE
MSR MSE MSE 
df1 df 2
SST = ΣY2 – n Y 2
SSR = b1 Σx1y + b2 Σx2y
SSE = SST – SSR
4. Menentukan Kriteria Pengujian
F stat ≤ F tabel → Ho tidak dapat ditolak
F stat > F tabel → Ho ditolak
atau
Sig. ≥ α → tidak dapat ditolak
Sig. < α → ditolak
5. Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
kedua )
b. Pengujian Hipotesis Individual (t statistik)
Digunakan untuk melihat signifikansi variabel independent ( )

secara parsial dalam mempengaruhi variabel dependen (Y).
Langkah-langkah pengujiannya adalah sebagai berikut :

1. Menentukan formulasi hipotesis
Ho : 𝛃i = 0 ( tidak ada pengaruh Xi secara parsial terhadap Y)
Ha : 𝛃i > 0 ( ada pengaruh positif Xi secara parsial terhadap Y)
𝛃i < 0 ( ada pengaruh negatif Xi secara parsial terhadap Y)
𝛃i ≠ 0 ( ada pengaruh Xi secara parsial terhadap Y)
2. Menentukan Taraf nyata (α) dan nilai t tabel
Taraf nyata dari t tabel ditentukan dengan derajat kebebasan
(df) = n – k – 1
(k = banyaknya jumlah variabel X)
3. Menentukan nilai t stat
bi  Bi
t stat  , i  2,3
Sbi
4. Menentukan Kriteria Pengujian
Kriteria pengujian yang ditentukan sama dengan kriteria pengujian dari
pengujian hipotesis yang menggunakan distribusi t.
atau
5. Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
kedua )
C. KORELASI LINEAR BERGANDA

Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi
antara variabel terikat (variabel Y) dan dua atau lebih variabel bebas (X1, X2, ..., Xk).
Analisis korelasinya menggunakan tiga koefisien korelasi, yaitu koefisien determinasi
berganda, koefisien korelasi berganda dan koefisien korelasi parsial. (Ir. M. Iqbal Hasan,
M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua )
a. Koefisien Determinasi Berganda (R2)
Koefisien Determinasi Berganda, disimbolkan dengan R2 merupakan ukuran
kesesuaian garis regresi linear berganda terhadap suatu data. Koefisien determinasi
tersebut digunakan untuk :
o Mengukur besarnya kontribusi variasi X1 dan X2 terhadap variasi Y dalam
hubungnnya dengan persamaan garis regresi linear berganda = a + b1X1 +
b2X2.
o Menentukkan apakah garis regresi linear berganda Y terhadap X1 dan X2 sudah
cocok untuk dipakai sebagai pendekatan hubungan linear antar variabel
berdasarkan hasil observasi (goodness of fit).
Nilai koefisien determinasi berganda terletak antara 0 dan 1 (0 ≤ R2 ≤ 1).
Koefisien determinasi berganda dirumuskan:
b1  x1 y  b2  x 2 y
R2 
y 2
kedua )
b. Koefisien Korelasi Berganda (R)

Koefisien korelasi berganda, disimbolkan Ry.12, merupakan ukuran keeratan
hubungan antara variabel terikat dan semua variabel bebas secara bersama-sama.
b1  x1 y  b2  x 2 y
R y .12 
y 2
kedua )
c. Koefisien Korelasi Parsial (r)

Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel jika
variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel
 Koefisien Korelasi Parsial antara Y dan X1, apabila X2 konstan

ry1  ry 2 .r12
ry1.2 
(1  ry 2 )(1  r12 )
2 2
 Koefisien Korelasi Parsial antara Y dan X2, apabila X1 konstan.
ry 2  ry1 .r12
r y 2 .1 
(1  ry1 )(1  ry 2 )
2 2
 Koefisien Korelasi Parsial antara X1 dan X2, apabila Y konstan
r12  ry1 .ry 2

r12. y 
(1  ry1 )(1  ry 2 )
2 2
kedua )
CONTOH SOAL
Bagian pemasaran PT TAUYUS mendapatkan tenaga baru untuk dilatih menjadi salesman.
Sebelum dilatih, mereka harus mengambil aptitude test sebanyak 2 kali. X1 dan X2
merupakan nilai hasil aptitude test I dan II, sedangkan Y merupakan nilai hasil ujian setelah
melakukan pelatihan. dari 10 calon diperoleh hasil sebagai berikut :
X1 74 59 83 76 69 88 71 69 61 70
X2 40 41 45 43 40 47 37 36 34 37
Y 91 72 95 90 82 98 80 75 74 70
(Supranto, Statistik :Teori dan Aplikasi, jilid 2)
a. Tentukan persamaan regresinya dan interpretasikan ?

b. Tentukan koefisien determinasi dan nondeterminasi! Interpretasikan ?
c. Tentukan koefisien korelasi berganda dan tentukan standard error of estimate ?
d. Tentukan korelasi parsial antara nilai hasil aptitude test I dan II terhadap nilai hasil ujian
?
e. Dengan tingkat signifikansi 5%, apakah nilai hasil aptitude test I berpengaruh secara
parsial terhadap nilai hasi ujian ?
f. Dengan tingkat signifikansi 5%, apakah nilai hasil aptitude test I dan II berpengaruh
secara bersama-sama terhadap nilai hasi ujian?
g. Variabel manakah yang perlu dikeluaran dari model?
Jawaban :
Langkah – langah dengan menggunakan software SPSS :
1. Buka SPSS, masukkan nama variabel pada variable view, dan masukkan data pada
data view
2. pada menu bar, pilih analyze, sub menu regression, lalu klik linear
3. masukkan variabel Y ke dalam kotak dependent dan X1 dan X2 ke dalam kotak
independent
4. Klik Statistics
 Regression Coefficient → aktifkan estimates
 Aktifkan model fit, descriptives, dan part and partial correlations
 Klik Continue
5. Klik Plots
 Aktifkan produce all partial plots
 Klik Continue
6. Klik Option
 Pilih Stepping Method Kriteria → entry 0.05
 Aktifkan Include Constant in Equation
 Pada box missing value pilih exclude cases pairwise
 Klik Continue
 Lalu klik OK
Hasil dengan software SPSS :
a. Persamaan regresi :
a
Coefficients
Unstandardized Standardized
Model B Std. Error Beta t Sig. Zero-order Partial Part

1 (Constant) -1.966 15.652 -.126 .904
X1 .701 .280 .614 2.505 .041 .881 .687 .395
X2 .855 .601 .349 1.422 .198 .818 .473 .224
Jadi Persamaan Regresinya :
Y = -1,966 + 0,701 X1 + 0,855 X2

Interpretasi :
a = -1,966
Tanpa dipengaruhi oleh variabel apapun, rata – rata nilai hasil ujian akan bernilai negatif
yaitu sebesar 1,966.
b1 = 0,701
artinya setiap kenaikan variabel nilai hasil aptitude test I sebesar 1 poin, maka rata – rata
nilai hasil ujian akan naik sebesar 0,701 poin dengan variabel nilai hasil aptitude test II
dianggap konstan.
b2 = 0,855
artinya setiap kenaikan variabel nilai hasil aptitude test II sebesar 1 poin, maka rata – rata
nilai hasil ujian akan naik sebesar 0,855 poin dengan variabel nilai hasil aptitude test I
dianggap konstan.
b.
b
Model Summary

a
1 .909 .826 .776 4.80220
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Koefisien determinasi : R2 = 0,826
Koefisien nondeterminasi : K2 = 1 - R2 = 1 – 0,826 = 0,174
Artinya variabel nilai hasil aptitude test I dan variabel nilai hasil aptitude test II mampu
menjelaskan variasi variabel nilai hasil ujian sebesar 82,6%, dan sisanya sebesar 17,4%
dijelaskan oleh faktor lain di luar model.
c. Koefisien korelasi berganda (R) = 0,909

artinya bahwa hubungan keseluruhan antara variabel nilai hasil ujian, variabel nilai hasil
aptitude test I, dan variabel nilai hasil aptitude test II adalah searah dan sifatnya sangat
erat yaitu sebesar 0,909
Standard Error of Estimate (SE)

SE = 4,80220
artinya rata-rata penyimpangan variabel nilai hasil ujian prediksi dengan variabel nilai
hasil ujian sebenarnya adalah sebesar 4,8022.
d. Koefisien korelasi parsial antara X1 dan X2 terhadap Y
Correlations
Y X1 X2
Pearson Correlation Y 1.000 .881 .818
X1 .881 1.000 .765
X2 .818 .765 1.000
Sig. (1-tailed) Y . .000 .002
X1 .000 . .005
X2 .002 .005 .
N Y 10 10 10
X1 10 10 10
X2 10 10 10
r12.y = 0,765
Artinya hubungan antara variabel nilai aptitude test I dan variabel nilai aptitude test II
secara parsial terhadap variabel nilai hasil ujian adalah searah dan sifatnya erat dengan
nilai sebesar 0,765.
e. Uji t statistik
a
Coefficients
1 (Constant) -1.966 15.652 -.126 .904
X1 .701 .280 .614 2.505 .041 .881 .687 .395
X2 .855 .601 .349 1.422 .198 .818 .473 .224
 Hipotesis :
(variabel nilai aptitude test I secara parsial tidak berpengaruh signifikan
terhadap variabel nilai hasil ujian)
(variabel nilai aptitude test I secara parsial berpengaruh signifikan
terhadap variabel nilai hasil ujian)
 Nilai t stat dan t tabel :
t stat = 2,505
t tabel = 2,365
df = n – k – 1 = 10 – 2 – 1 = 7 dan α = 0,05
 Kriteria uji :
-t-tabel ≤ t-stat ≤ t- tabel → Ho tidak dapat ditolak
t- stat < - t-tabel → Ho ditolak
t-stat > t-tabel → Ho ditolak\

Ternyata t-stat > t-tabel, yaitu 2,505 > 2.365 maka Ho ditolak
Atau dengan cara :
 Nilai sig dan α :

Sig. : 0,041
α = 0,05
 Kriteria uji :
Ternyata Sig. < α, yaitu 0,041 < 0,05 maka ditolak
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel nilai aptitude test I secara parsial berpengaruh
signifikan terhadap variabel nilai hasil ujian.
f. Uji F statitistik
b
ANOVA

a
1 Regression 764.672 2 382.336 16.579 .002
Residual 161.428 7 23.061
Total 926.100 9
 Hipotesis :
(variabel nilai aptitude test I dan variabel nilai aptitude test II secara
bersama-sama tidak berpengaruh signifikan terhadap variabel nilai
hasil ujian)
(variabel nilai aptitude test I dan variabel nilai aptitude test II secara
bersama-sama berpengaruh signifikan terhadap variabel nilai hasil
ujian)
 Nilai F stat dan F tabel :
F stat = 16,579
F tabel = 5,32
α = 0,05
v1 = k – 1 = 2 – 1 = 1
v2 = n – k = 10 – 2 = 8
 Kriteria uji :
Ternyata F stat > F tabel, yaitu 16,579 > 5,32, maka Ho ditolak
Atau dengan cara :

Sig. = 0,002
α = 0,05
 Kriteria uji :

Ternyata Sig. < α, yaitu 0,002 < 0,05, maka ditolak
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel nilai aptitude test I dan variabel nilai aptitude
test II secara bersama-sama berpengaruh signifikan terhadap variabel nilai hasil ujian.
Y
Variables 20
Entered/Removed 15 b 10 5 10
X1 10
Variables 5
Variables 10 3 2
Model Entered Removed Method
X2 36 18 54 12 9
a
1 X2, X1 . Enter
a. All requested variables entered.
Berdasarkan tabel di atas, tidak ada variabel independen yang harus dikeluarkan dari
model.
SOAL REGRESI DAN KORELASI BERGANDA
1. Berikut ini data mengenai pendapatan, jumlah karyawan, dan luas kamar dari 5 sampel
random.
Y = Pendapatan (Rp juta)
X1 = Jumlah Karyawan
X2 = Luas kamar (m2)

Buatlah persamaan regresi linear berganda!
(Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua
)
2. Sebuah Perusahaan komputer ingin mengetahui faktor-faktor yang mempengaruhi biaya

distribusi. Data selama satu tahun telah dikumpulan mengenai biaya distribusi, penjualan,
dan jumlah pesanan dan dicatat sebagai berikut :
Bulan Biaya Distribusi Nilai Penjualan Jumlah

(jutaan Rp) (Jutaan Rp) Pesanan (unit)
1 52,95 386 4015
2 71,66 446 3806
3 85,58 512 5309
4 63,68 401 4262
5 72,81 457 4296
6 68,44 458 4097
7 52,46 301 3213
8 70,77 484 4809
9 82,03 517 5237
10 74,39 503 4732
11 70,84 535 4413
12 54,08 353 2921
a. Tuliskan persamaan regresi bergandanya!

b. Jelaskan arti dari masing-masing koefisien regresi yang diperoleh!
c. Jelaskan arti nilai R2 yang diperoleh!
3. X1 = Persentase tanah yang ditanami padi

X2 = Persentase tanah yang ditanami jagung
Y = Hasil panen dalam ton
Pengamatan di 14 daerah memberikan data sebagai berikut:
Daerah % Tanah Ditanami %Tanah Ditanami Hasil Panen

Padi Jagung
1 34 12 18,4
2 38 14 20,1
3 45 17 22,7
4 39 14 19,6
5 30 15 21,8
6 37 20 23
7 27 19 19,8
8 38 22 25,7
9 39 18 28,4
10 32 17 29,1
11 40 15 31
12 44 23 36,9
13 33 14 27,8
14 35 18 29,7
Tentukan persamaan estimasi Y atas X1 dan X2! Berapa besar penyimpangan antara yang
diprediksi dengan yang sebenarnya?
(Prof. DR. Sudjana, M.A., M.Sc, Statistika jilid II)
4. Cincinnati Paint Company sells quality brands of paints through hardware stores throughout
the United State. The company maintains a large sales force whose job it is to call on
existing customers as well as look for new business. The national sales manager is
investigating the relationship between the number of sales calls made and the miles driven
by the sales representative. Also, do the sales representatives who drive the most miles and
make the most calls necessarily earn the most in sales commissions? to investigate, the vice
president of sales selected a sample of 25 sales representatives.
 The amount earned in commisions last month (Y)
 The number of miles driven last month (X1)
 The number of sales made last month (X2)
Commissions Calls Driven

($000)
22 139 2371
13 132 2226
33 144 2731
38 142 3351
23 142 2289
47 142 3449
29 138 3114
38 139 3342
41 144 2842
32 134 2625
20 135 2121
13 137 2219
47 1467 3463
38 146 3290
44 144 3103
29 147 2122
38 144 2791
37 149 3209
14 131 2287
34 144 2848
25 132 2690
27 132 2033
25 127 2671
43 154 2988
34 147 2829
Develop a regression equation including an interaction term. Is there a simultant significant
interaction between the number of sales calls and the miles driven with the amount earned in
commisions? (Lind/Marchal/Wathen, Statistical Technique in Business and Economics,
fourth edition)
5. Seorang kolektor barang seni mempelajari hubungan antara harga penjualan lukisan (dalam
Rp.000) dan dua variabel bebas, jumlah penawar pada lelang tertentu dan umur lukisannya
(dalam tahun). Sebuah sampel sebanyak 15 lukisan adalah sebagai berikut:
Lukisan Harga Lelang Jumlah Penawar Umur Lukisan
1 3470 10 67
2 3500 8 56
3 3700 7 73
4 3860 4 71
5 3920 12 99
6 3900 10 87
7 3830 11 78
8 3940 8 83
9 3880 13 90
10 3940 13 98
11 4200 0 91
12 4060 7 93
13 4200 2 97
14 4020 6 79
15 4190 4 83
a. Tentukan persamaan regresi dan interpretasikan!

b. Tentukan koefisien determinasi dan nondeterminasi! Interpretasikan nilainya!
c. Berapa besar penyimpangan variabel harga lelang prediksi terhadap variabel harga
lelang sebenarnya?
d. Tentukan koefisien korelasi berganda dan korelasi parsial antara variabel jumlah
penawar terhadap variabel harga lelang dengan menganggap umur lukisan konstan!
Bagaimana sifatnya?
e. Dengan tingat kepercayaan 95%, apakah jumlah penawar dan umur lukisan
memengaruhi secara parsial terhadap harga lelang penjualan lukisan?
f. Apakah jumlah penawar dan umur lukisan memengaruhi secara bersama-sama
terhadap harga lelang penjualan lukisan? (α=5%)
(Lind/Marchal/Wathen, Teknik-teknik Statistika dalam Bisnis dan Ekonomi, buku 2 edisi

13)
6. Berdasarkan data berikut:
Penjualan Jumlah Jumlah mobil Pendapatan Umur Jumlah

tahunan Outlet ritel yang terdaftar Pribadi Mobil Rata- Supervisor
(jutaan dolar) (jutaan) (miliaran rata (tahun)
dolar)
37,702 1739 9,27 85,4 3,5 9,0
24,196 1221 5,86 60,7 5,0 5,0
32,055 1846 8,81 68,1 4,4 7,0
3,611 120 3,81 20,2 4,0 5,0
17,625 1096 10,31 33,8 3,5 7,0
45,919 2290 11,62 95,1 4,1 13,0
29,600 1687 8,96 69,3 4,1 15,0
8,114 241 6,28 16,3 5,9 11,0
20,116 649 7,77 34,9 5,5 16,0
12,994 1427 10,92 15,1 4,1 10,0
Tentukan persamaan regresinya! Ujilah dengan tingat signifikansi 5%, apakah variabel
pendapatan pribadi secara parsial berpengaruh signifikan terhadap variabel penjualan
tahunan?
7. The Conch Cafe, located in Gulf Shores, Alabama, features casual lunches with a great view
of the Gulf of Mexico. To accommodate the increase in business during the summervacation
season, Fuzzy conch, the owner, hires a large number of servers as seasonal help. when he
interviews a prospective server he would like to provide data on the amount a server can
earn in tips. He believes that the amount of the bill and the number of dinners are both
related to the amount of the tip. He gathered the following sample information.
Customer Amount of Amount of Bill Number of

Tip Dinners
1 $7,00 $48,97 5
2 4,50 28,23 4
3 1,00 10,65 13
4 2,40 19,82 3
5 5,00 28,62 2
6 4,25 24,83 1
7 0,50 6,24 4
8 6,00 49,20 3
9 5,00 43,26 4
10 4,75 31,36 4
11 5,25 32,87 3
12 6,00 34,99 4
13 4,00 33,91 2
14 3,35 23,06 1
15 0,75 4,65 2
16 3,30 23,59 2
17 3,50 22,30 2
a. Develop a multiple regression equation!

b. Conduct a global test of hypothesis to determine if at least one of independent
variables is significant. What is your conclusion?
c. Conduct an individual test on each of the variables!
d. Determine the coefficient of determination! Interpret the value!
(Lind/Marchal/Wathen, Statistical Technique in Business and Economics, fourth edition)
8. Y = Panjang badan anak (cm)

X1 = Berat anak pada waktu lahir (kg)
X2 = Umur anak (hari)
Y X1 X2
57,5 2,75 78
52,8 2,15 69
61,3 4,41 77
67,0 5,52 88
53,5 3,21 67
62,7 4,32 80
56,2 2,31 74
68,5 4,30 94
69,2 3,71 102
a. Buatlah persamaan regresi linier bergandanya!

b. Tentukan kesalahan baku regresi dan koefisien regresi bergandanya!
c. Carilah koefisien korelasi berganda dan parsialnya!
(Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi kedua
)
9. An investment advisor is studying the relationship between a common stocks price to

earnings (P/E) ratio and factors that she thinks would influence it. She has the following data
on the earning per share (EPS) and the dividend percentage (yield) for sample 20 stocks.
Stock P/E EPS Yield
1 20,79 2,46 1,42
2 3,03 2,69 4,05
3 44,46 0,28 4,16

4 41,72 0,45 1,27
5 18,96 1,60 3,39
6 18,42 2,32 3,86
7 34,82 0,81 4,56
8 30,43 2,13 1,62
9 29,97 2,22 5,10
10 10,86 1,44 1,17
11 1,35 2,93 2,59
12 25,43 2,07 1,04
13 22,14 2,19 3,52
14 24,21 0,83 1,56
15 30,91 2,29 2,23
16 35,79 1,64 3,36
17 18,99 3,07 1,98
18 30,21 1,71 3,07
19 32,88 0,35 2,21
20 15,19 5,02 3,50
a. Develop a multiple linier regression!

b. Test at the 5% level for the statistical significance of the slope parameters!
(Lind/Marchal/Wathen, Statistical Technique in Business and Economics, fourth edition)

10. Dibawah ini disajikan data tentangn jumlah uang beredar, produksi beras dan indeks harga
beras selama 1969 sampai dengan 1974
Tahun Indeks Harga Jumlah uang Produksi

Beras, 4 Oktober, beredar beras dalam
1966 = 100 dalam milyar ribuan ton
rupiah
1969 650.43 220.2 12249
1970 624.35 278.1 13140
1971 591.3 360.3 13724
1972 978.26 530.3 13183
1973 1110.09 784.3 14607
1974 1195.65 1025.8 15452
Sumber : Nota Keuangan dan Rancangan Anggaran Pendapatan dan Belanja Negara
tahun 1976/1977,hal 32, 136 dan 225
a. Tentukan Persamaan Taksir regresi berganda dengan menggunakan ketiga

variabel diatas!
b. Menurut saudara, variabel independen yang mana yang memiliki dampak yang
lebih menentukan terhadap variabel dependen? Jelaskan!
c. Tentukan koefisien determinasi dan korelasi parsial dari hubungan ketiga variabel
diatas dan uji parameternya secara bersama-sama dengan signifikansi 0,01!
(Anto Dajan, Pengantar Metode Statistik II)

JAWABAN REGRESI DAN KORELASI LINEAR BERGANDA
1) Langkah – langah dengan menggunakan software SPSS :

1. Buka SPSS, masukkan nama variabel pada variable view, dan masukkan data pada data
view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
6. Outputnya adalah sebagai berikut :
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 5.607 3.514 1.595 .252
X1 3.529 1.431 2.357 2.465 .133
X2 -.573 .288 -1.902 -1.989 .185
Persamaan regresinya :
Y = 5,607 + 3,529 X1 – 0,573 X2

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) 6.774 9.522 .711 .495
X1 .081 .039 .543 2.073 .068 .884 .568 .288
X2 .006 .004 .402 1.532 .160 .862 .455 .213
Y = 6,774 + 0,081 X1 – 0,006 X2
b. Interpretasi :
a = 6,774
Tanpa dipengaruhi oleh variabel apapun, rata – rata biaya distribusi adalah sebesar Rp.
6.774.000,-
b1 = 0,081
artinya setiap kenaikan nilai penjualan sebesar 1 juta rupiah, maka rata – rata biaya
distribusi akan naik sebesar Rp.81.000,- dengan variabel jumlah pesanan dianggap
konstan.
b2 = 0,006
artinya setiap kenaikan jumlah pesanan sebesar 1 unit, maka rata – rata biaya distribusi
akan turun sebesar Rp. 6.000,- dengan variabel nilai penjualan dianggap konstan.
c.
b
Model Summary

a
1 .909 .826 .788 4.96789
b
Model Summary

a
1 .909 .826 .788 4.96789

Artinya nilai penjualan dan jumlah pesanan mampu menjelaskan variasi dari biaya
distribusi sebesar 82,6%, dan sisanya sebesar 17,4% dijelaskan oleh faktor lain di luar
model

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) 26.628 8.226 3.237 .008
x1 .130 .509 .083 .256 .803 .250 .077 .072
x2 .303 .305 .324 .993 .342 .366 .287 .278
 Persamaan Regresi :
Y = 26,628 + 0,130 X1 – 0,303 X2
Model Summary

a
1 .373 .139 -.017 5.09271
a. Predictors: (Constant), x2, x1
 Standard Error of Estimate (SE)

SE = 5,09271
artinya rata-rata penyimpangan variabel hasil panen prediksi dengan variabel hasil panen
sebenarnya adalah sebesar 5,09271.

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) -18.178 7.675 -2.369 .027
x1 .003 .005 .072 .563 .579 .336 .119 .068
x2 .018 .003 .798 6.250 .000 .822 .800 .753
 Persamaan Regresi :
Y = -18,178 + 0,003 X1 + 0,018 X2
b
ANOVA
a
1 Regression 1684.663 2 842.331 23.425 .000
Residual 791.097 22 35.959
Total 2475.760 24
b. Dependent Variable: y
 Uji F statistik
 Hipotesis :
(variabel the number of calls dan variabel the number of miles driven
secara bersama-sama tidak berpengaruh signifikan terhadap variabel
the amount earned in commisions)
(variabel the number of calls dan variabel the number of miles

driven secara bersama-sama berpengaruh signifikan terhadap
variabel the amount earned in commisions)
F stat = 23,425
F tabel = 4,28
α = 0,05
v1 = k – 1 = 2 – 1 = 1
v2 = n – k = 25 – 2 = 23
 Kriteria uji :
atau
Sig. = 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel the number of calls dan variabel the number of
miles driven secara bersama-sama berpengaruh signifikan terhadap variabel the
amount earned in commisions.

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) 2989.094 167.145 17.883 .000
X1 -31.245 6.134 -.554 -5.094 .000 -.505 -.827 -.553
X2 13.949 1.947 .778 7.163 .000 .744 .900 .777
Y = 2989,094 – 31,245 X1 + 13,949 X2
Interpretasi :
a = 2989,094
Tanpa dipengaruhi oleh variabel apapun, rata – rata harga lelang penjualan lukisan adalah
sebesar Rp. 2.989.094,-
b1 = -31,245
artinya setiap kenaikan jumlah penawar sebesar 1 orang, maka rata – rata harga lelang
penjualan lukisan akan turun sebesar Rp.31.245,- dengan variabel umur lukisan dianggap
konstan.
b2 = 13,949
artinya setiap kenaikan umur lukisan sebesar 1 tahun, maka rata – rata harga lelang
penjualan lukisan akan naik sebesar Rp.13.949,- dengan variabel jumlah penawar
dianggap konstan.
Model Summary

a
1 .927 .859 .835 90.66335
b. Koefisien determinasi : R2 = 0,859

Artinya variabel jumlah penawar dan variabel umur lukisan mampu menjelaskan variasi
dari variabel harga lelang penjualan lukisan sebesar 85,9%, dan sisanya sebesar 14,1%
dijelaskan oleh faktor lain di luar model.
c. Standard Error of Estimate (SE)

SE = 90,66335
artinya rata-rata penyimpangan variabel harga lelang penjualan lukisan prediksi dengan
variabel harga lelang penjualan lukisan sebenarnya adalah sebesar 90,66335.
d. Koefisien korelasi berganda (R) = 0,927

artinya bahwa hubungan keseluruhan antara variabel harga lelang penjualan lukisan,
variabel jumlah penawar dan variabel umur lukisan adalah searah dan sifatnya sangat erat
yaitu sebesar 0,927
Koefisien korelasi parsial antara X1 terhadap Y
Correlations
Y X1 X2
Pearson Correlation Y 1.000 -.505 .744
X1 -.505 1.000 .062
X2 .744 .062 1.000
Sig. (1-tailed) Y . .027 .001
X1 .027 . .413
X2 .001 .413 .
N Y 15 15 15
X1 15 15 15
X2 15 15 15
r12.y = -0,505
Artinya hubungan antara variabel jumlah penawar secara parsial terhadap variabel harga
lelang penjualan lukisan adalah tidak searah dan sifatnya cukup erat dengan nilai sebesar
0,505 dengan menganggap variabel umur lukisan konstan.
a
Coefficients
1 (Constant) 2989.094 167.145 17.883 .000
X1 -31.245 6.134 -.554 -5.094 .000 -.505 -.827 -.553
X2 13.949 1.947 .778 7.163 .000 .744 .900 .777
e. Uji t statistik :
 Hipotesis :
(variabel jumlah penawar secara parsial tidak berpengaruh signifikan
terhadap variabel harga lelang penjualan lukisan)
(variabel jumlah penawar secara parsial berpengaruh signifikan terhadap
variabel harga lelang penjualan lukisan)
t stat = -5,094
t tabel = 2,179
df = n – k – 1 = 15 – 2 – 1 = 12 dan α = 0,05
 Kriteria uji :
t-stat > t-tabel → Ho ditolak
Ternyata t- stat < - t-tabel, yaitu -5,094 < -2,179 → Ho ditolak
Atau dengan cara :

Sig. : 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah penawar secara parsial berpengaruh
signifikan terhadap variabel harga lelang penjualan lukisan
 Hipotesis :
(variabel umur lukisan secara parsial tidak berpengaruh signifikan
terhadap variabel harga lelang penjualan lukisan)
(variabel umur lukisan secara parsial berpengaruh signifikan terhadap
variabel harga lelang penjualan lukisan)

t stat = 7,163
t tabel = 2,179
df = n – k – 1 = 15 – 2 – 1 = 12 dan α = 0,05
 Kriteria uji :
Ternyata t-stat > t-tabel, yaitu 7,163 > 2,179 → Ho ditolak
Atau dengan cara :

Sig. : 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel umur lukisan secara parsial berpengaruh
signifikan terhadap variabel harga lelang penjualan lukisan
 Uji F statistik
b
ANOVA

a
1 Regression 600055.216 2 300027.608 36.500 .000
Residual 98638.118 12 8219.843
Total 698693.333 14
 Hipotesis :
(variabel jumlah penawar dan variabel umur lukisan secara bersama-

sama tidak berpengaruh signifikan terhadap variabel harga lelang
penjualan lukisan)
(variabel jumlah penawar dan variabel umur lukisan secara bersama-

sama berpengaruh signifikan terhadap variabel harga lelang
penjualan lukisan)
F stat = 36,500
F tabel = 4,67
α = 0,05
v1 = k – 1 = 2 – 1 = 1
v2 = n – k = 15 – 2 = 13
 Kriteria uji :
Atau dengan cara :

Sig. = 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel jumlah penawar dan variabel umur lukisan
secara bersama-sama berpengaruh signifikan terhadap variabel harga lelang penjualan
lukisan

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
Standardized
Unstandardized Coefficients Coefficients Correlations
1 (Constant) -19.672 5.422 -3.628 .022
x1 .000 .003 -.034 -.238 .823 .899 -.118 -.009
x2 1.740 .553 .319 3.146 .035 .605 .844 .118
x3 .410 .044 .906 9.348 .001 .964 .978 .352
x4 2.036 .878 .123 2.319 .081 -.323 .757 .087
x5 -.034 .188 -.010 -.183 .864 .286 -.091 -.007
 Persamaan regresi :
Y = -19,672 + 1,740 X2 + 0,410 X3 + 2,036 X4 – 0,034X5

 Uji t statistik
 Hipotesis :
(variabel pendapatan pribadi secara parsial tidak berpengaruh signifikan
terhadap variabel penjualan tahunan)
(variabel pendapatan pribadi secara parsial berpengaruh signifikan
terhadap variabel penjualan tahunan)

t stat = 9,348
t tabel = 2,776
df = n – k – 1 = 10 – 5 – 1 = 4 dan α = 0,05
 Kriteria uji :
Atau dengan cara :

Sig. : 0,001
α = 0,05
 Kriteria uji :

 Kesimpulan :
Pada tingkat signifikansi 5%, variabel pendapatan pribadi secara parsial berpengaruh
signifikan terhadap variabel penjualan tahunan.

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients

1 (Constant) .455 .469 .972 .348
x1 .134 .013 .926 10.381 .000 .939 .941 .917
x2 -.064 .062 -.093 -1.039 .317 -.223 -.268 -.092
Y = 0,455 + 0,134 X1 – 0,064 X2
b. Uji F statistik
b
ANOVA

a
1 Regression 50.638 2 25.319 57.076 .000
Residual 6.210 14 .444
Total 56.849 16
 Hipotesis :
(variabel Amount of Bill dan variabel Number of Dinners secara

bersama-sama tidak berpengaruh signifikan terhadap variabel
Amount of Tip)
(variabel Amount of Bill dan variabel Number of Dinners secara

bersama-sama berpengaruh signifikan terhadap variabel Amount of
Tip)
F stat = 57,076
F tabel = 4,54
α = 0,05
v1 = k – 1 = 2 – 1 = 1
v2 = n – k = 17 – 2 = 15
 Kriteria uji :
Atau dengan cara :

Sig. = 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel Amount of Bill dan variabel Number of Dinners
secara bersama-sama berpengaruh signifikan terhadap variabel Amount of Tip.
a
Coefficients
1 (Constant) .455 .469 .972 .348
x1 .134 .013 .926 10.381 .000 .939 .941 .917
x2 -.064 .062 -.093 -1.039 .317 -.223 -.268 -.092
c. Uji t statistik
 Hipotesis :
(variabel Amount of Bill secara parsial tidak berpengaruh signifikan
terhadap variabel Amount of Tip)
(variabel Amount of Bill secara parsial berpengaruh signifikan terhadap
variabel Amount of Tip)

t stat = 10,381
t tabel = 2,145
df = n – k – 1 = 17 – 2 – 1 = 14 dan α = 0,05
 Kriteria uji :
Atau dengan cara :

Sig. : 0,000
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel Amount of Bill secara parsial berpengaruh
signifikan terhadap variabel Amount of Tip.
 Hipotesis :
(variabel Number of Dinners secara parsial tidak berpengaruh signifikan
(variabel Number of Dinners secara parsial berpengaruh signifikan

t stat = -1,039
t tabel = 2,145
df = n – k – 1 = 17 – 2 – 1 = 14 dan α = 0,05
 Kriteria uji :

Ternyata -t-tabel < t-stat < t- tabel, yaitu -2,145 < -1,039 < 2,145 maka Ho tidak dapat
ditolak
Atau dengan cara :

Sig. : 0,317
α = 0,05
 Kriteria uji :
Ternyata Sig. > α, yaitu 0,317 > 0,05 maka tidak dapat ditolak
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel Number of Dinners secara parsial tidak
berpengaruh signifikan terhadap variabel Amount of Tip.
d.
Model Summary

a
1 .944 .891 .875 .66604

Artinya variabel Amount of Bill dan variabel Number of Dinners mampu menjelaskan
variasi dari variabel Amount of Tip sebesar 89,1%, dan sisanya sebesar 10,9% dijelaskan
oleh faktor lain di luar model.
view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) 20.108 1.987 10.119 .000
x1 2.025 .297 .357 6.817 .000 .761 .941 .302
x2 .414 .029 .756 14.431 .000 .947 .986 .639
Y = 20,108 + 2,025 X1 + 0,414 X2
b. Kesalahan baku regresi (Standard Error of Estimate)
Model Summary

a
1 .994 .988 .984 .79420
SE = 0,79420
artinya rata-rata penyimpangan variabel panjang badan anak prediksi dengan variabel
panjang badan anak sebenarnya adalah sebesar 0,79420.
Kesalahan baku koefisien regresi berganda (Sb)
a
Coefficients
1 (Constant) 20.108 1.987 10.119 .000
x1 2.025 .297 .357 6.817 .000 .761 .941 .302
x2 .414 .029 .756 14.431 .000 .947 .986 .639
Sb1 = 0,297
artinya rata-rata penyimpangan variabel berat anak pada waktu lahir prediksi dengan
variabel berat anak pada waktu lahir sebenarnya adalah sebesar 0,297.
Sb2 = 0,029
artinya rata-rata penyimpangan variabel umur anak prediksi dengan variabel umur
anak sebenarnya adalah sebesar 0,029.
c. Koefisien korelasi berganda (R) = 0,994
artinya bahwa hubungan keseluruhan antara panjang badan anak, variabel berat anak
pada waktu lahir, dan variabel umur anak adalah searah dan sifatnya sangat erat yaitu
sebesar 0,994
Koefisien korelasi parsial (r)
Correlations
y x1 x2
Pearson Correlation Y 1.000 .761 .947
x1 .761 1.000 .534
x2 .947 .534 1.000
Sig. (1-tailed) Y . .009 .000
x1 .009 . .069
x2 .000 .069 .
N Y 9 9 9
x1 9 9 9
x2 9 9 9
r12.y = 0,534
Artinya hubungan antara variabel berat anak pada waktu lahir dan variabel umur anak
secara parsial terhadap variabel panjang badan anak adalah searah dan sifatnya cukup
erat dengan nilai sebesar 0,534.
ry1.2 = 0,761
Artinya hubungan antara variabel panjang badan anak dan variabel berat anak pada
waktu lahir secara parsial adalah searah dan sifatnya erat dengan nilai sebesar 0,761
dengan menganggap variabel umur anak konstan.
ry2.1 = 0,947
Artinya hubungan antara variabel panjang badan anak dan variabel umur anak secara
parsial adalah searah dan sifatnya sangat erat dengan nilai sebesar 0,947 dengan
menganggap variabel berat anak pada waktu lahir konstan.

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients

1 (Constant) 34.261 6.211 5.516 .000
EPS -6.620 1.942 -.639 -3.408 .003 -.628 -.637 -.636
YIELD 1.082 1.751 .116 .618 .545 .054 .148 .115
a. Dependent Variable: PE
 Persamaan regresi :
Y = 34,261 – 6,620 X1 +1,082 X2
 Uji t statistik :
 Hipotesis :
(variabel EPS secara parsial tidak berpengaruh signifikan terhadap
variabel Price Earning to Ratio)
(variabel EPS secara parsial berpengaruh signifikan terhadap variabel
Price Earning to Ratio)

t stat = -3,408
t tabel = 2,110
df = n – k – 1 = 20 – 2 – 1 = 17 dan α = 0,05
 Kriteria uji :
Ternyata t- stat < - t-tabel, yaitu -3,408 < -2,110 → Ho ditolak
Atau dengan cara :

Sig. : 0,003
α = 0,05
 Kriteria uji :
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel EPS secara parsial berpengaruh signifikan
terhadap variabel Price Earning to Ratio.
 Hipotesis :
(variabel yield secara parsial tidak berpengaruh signifikan terhadap
variabel Price Earning to Ratio)
(variabel yield secara parsial berpengaruh signifikan terhadap variabel
Price Earning to Ratio)

t stat = 0,618
t tabel = 2,110
df = n – k – 1 = 20 – 2 – 1 = 17 dan α = 0,05
 Kriteria uji :

Ternyata -t-tabel < t-stat < t- tabel, yaitu -2,110< 0,618 < 2,110 → Ho tidak dapat
ditolak
Atau dengan cara :

Sig. : 0,545
α = 0,05
 Kriteria uji :
Ternyata Sig. > α, yaitu 0,545 > 0,05 maka tidak dapat ditolak
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel yield secara parsial tidak berpengaruh signifikan
terhadap variabel Price Earning to Ratio.

view
independent
4. Klik Statistics
 Klik Continue
5. Klik Option
 Klik Continue
 Lalu klik OK
a
Coefficients
1 (Constant) 2707.115 655.380 4.131 .026
x1 1.447 .199 1.701 7.268 .005 .943 .973 .622
x2 -.191 .055 -.815 -3.481 .040 .768 -.895 -.298
Y = 2707,115 + 1,447 X1 – 0,191 X2
b. t stat (𝛃1) = 7,268

t stat (𝛃2 ) = -3,481
Berdasarkan nilai dari t statistik masing-masing koefisien regresi, maka yang memiliki
dampak yang lebih menentukan terhadap variabel dependen ( Indeks Harga Beras) adalah
variabel X1 (jumlah uang beredar), karena semakin besar tingkat signifikansi koefisien
regresi, maka semakin menentukan / signifikan berpengaruh terhadap variabel
dependennya.
c.
Model Summary

a
1 .989 .978 .963 51.44770

Artinya variabel jumlah uang beredar (dalam milyar rupiah) dan variabel produksi beras
(dalam ribuan ton) mampu menjelaskan variasi dari variabel Indeks Harga Beras sebesar
97,8%, dan sisanya sebesar 2,2% dijelaskan oleh faktor lain di luar model.
Korelasi Parsial (r)
Correlations
y x1 x2
Pearson Correlation y 1.000 .943 .768
x1 .943 1.000 .931
x2 .768 .931 1.000
Sig. (1-tailed) y . .002 .037
x1 .002 . .004
x2 .037 .004 .
N y 6 6 6
x1 6 6 6
x2 6 6 6
r12.y = 0,931
Artinya hubungan antara variabel jumlah uang beredar (dalam milyar rupiah) dan
variabel produksi beras (dalam ribuan ton) terhadap variabel Indeks Harga Beras
adalah searah dan sifatnya sangat erat yaitu sebesar 0,931.
ry1.2 = 0,943
Artinya hubungan antara variabel jumlah uang beredar (dalam milyar rupiah) dan
variabel Indeks Harga Beras secara parsial adalah searah dan sifatnya erat dengan nilai
sebesar 0,943 dengan menganggap variabel produksi beras (dalam ribuan ton) konstan.
ry2.1 = 0,768
Artinya hubungan antara variabel produksi beras (dalam ribuan ton) dan variabel
Indeks Harga Beras secara parsial adalah searah dan sifatnya sangat erat dengan nilai
sebesar 0,768 dengan menganggap variabel jumlah uang beredar (dalam milyar
rupiah) konstan.
Uji F statistik
b
ANOVA

a
1 Regression 352884.556 2 176442.278 66.661 .003
Residual 7940.599 3 2646.866
Total 360825.155 5
 Hipotesis :
(variabel jumlah uang beredar (dalam milyar rupiah) dan variabel

produksi beras (dalam ribuan ton) secara bersama-sama tidak
berpengaruh signifikan terhadap variabel Indeks Harga Beras)
(variabel jumlah uang beredar (dalam milyar rupiah) dan variabel
produksi beras (dalam ribuan ton) secara bersama-sama berpengaruh
signifikan terhadap variabel Indeks Harga Beras)
F stat = 66,661
F tabel = 21,2
α = 0,01
v1 = k – 1 = 2 – 1 = 1
v2 = n – k = 6 – 2 = 4
 Kriteria uji :
atau

Sig. = 0,003
α = 0,01
 Kriteria uji :

 Kesimpulan :
Pada tingkat signifikansi 1%, variabel jumlah uang beredar (dalam milyar rupiah) dan
variabel produksi beras (dalam ribuan ton) secara bersama-sama berpengaruh
signifikan terhadap variabel Indeks Harga Beras.
NON PARAMETRIK
Statistik nonparametrik merupakan bagian dari statistik inferensia atau induktif atau yang sering
disebut juga dengan statistik bebas distribusi, dikarenakan statistik ini tidak memerlukan asumsi
– asumsi tertentu tentang bentuk distribusinya dan juga tidak memerlukan uji hipotesis yang
berhubungan dengan parameter – parameter populasinya.
Perbedaan Parametrik Nonparametrik

Skala pengukuran Skala interval dan rasio. Skala nominal dan ordinal.
Bentuk distribusi Harus diketahui bentuk Tidak mempermasalahkan
distribusinya, mis bentuk distribusinya (bebas
berdistribusi normal atau distribusi).
bentuk distribusi yang
lainnya (binomial, poisson,
dsb).
Jumlah sampel Jumlah sampel besar, atau Sampel kecilpun dapat
bisa juga jumlah sampel dipergunakan (misalnya
kecil tetapi memenuhi sampelnya (n) = 6.
asumsi salah satu bentuk
distribusi.
Keuntungan tes Statistika Nonparametrik diantaranya :
• Tidak memperdulikan bentuk distribusi dari populasi.
• Dapat dipergunakan untuk jumlah sampel yang kecil.
• Untuk data yang berbentuk ranking,plus atau minus.
• Dapat digunakan pada data yang hanya mengklasifikasikan sesuatu (skala nominal).
• Lebih mudah dan sederhana untuk dipelajari

Salah satu bagian penting dalam ilmu statistika adalah persoalan inferensi yaitu penarikan
kesimpulan secara statistik. Dua hal pokok yang menjadi pembicaraan dalam statistik inferens
adalah penaksiran parameter populasi dan uji hipotesis. Teknik inferensi yang pertama
dikembangkan adalah mengenai pembuatan sejumlah besar asumsi sifat populasi di mana sampel
telah diambil. Teknik yang banyak digunakan pada metode-metode pengujian hipotesis dan
penafsiran interval ini kemudian dikenal sebagai statistik parametrik, karena nilai-nilai populasi
merupakan parameter. Distribusi populasi atau distribusi variabel acak yang digunakan pada
teknik inferensi ini mempunyai bentuk matematik yang diketahui, akan tetapi memuat beberapa
parameter yang tidak diketahui.
Permasalahan yang harus diselesaikan adalah menaksir parameter-parameter yang tidak
diketahui tersebut dengan data sampel atau melakukan uji hipotesis tertentu yang berhubungan
dengan parameter populasi.
Pada kenyataannya sangatlah sulit untuk mendapatkan sampel yang memenuhi asumsi
mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas mendekati
tertentu, seperti mendekati normal. Bahkan banyak juga sampel yang distribusinya tidak
diketahui sama sekali. Oleh karena itu kemudian dikembangkan suatu teknik inferensi yang tidak
memerlukan uji asumsi-asumsi tertentu mengenai distribusi sampelnya, dan juga tidak
memerlukan uji hipotesis yang berhubungan dengan parameter populasinya. Teknik statistik ini
dikenal dengan statistik non-parametrik.
Istilah non parametrik pertama kali digunakan oleh Wolfowitz pada tahun 1942. Statistik
non-parametrik adalah statistik yang tidak memerlukan asumsi-asumsi yang melandasi metode
statistik parametrik, terutama tentang bentuk distribusinya, dan juga tidak memerlukan uji
hipotesis yang berhubungan dengan parameter-parameter populasinya, oleh karena itu teknik ini
dikenal juga dengan distribution-free statistics dan assumption-free test.
Adapun asumsi-asumsi yang harus terpenuhi pada penggunaan metode parametrik antara
lain:
 Sampel (data) diambil dari populasi yang mempunyai distribusi normal.
 Pada uji t dan uji F untuk dua sampel atau lebih, kedua sampel diambil dari dua populasi
yang mempunyai varians sama.
 Variabel (data) yang diuji haruslah data bertipe interval atau rasio, yang tingkatnya lebih
tinggi dari data tipe nominal atau ordinal.
 Ukuran sampel yang memadai (direkomendasikan > 30 per kelompok) - central limit
theorem.
Jadi, untuk data yang tidak memenuhi salah satu dari asumsi di atas, lebih baik menggunakan
prosedur statistik non-parametrik untuk pengujian hipotesis.
Keuntungan dari penggunaan metode non-parametrik :
1. metode non-paramertrik tidak mengharuskan data berdistribusi normal, perhitungannya

singkat dan syarat skala pengukuran datanya tidak terlalu ketat.
2. Metode ini bisa dipakai untuk level data nominal dan ordinal.
3. Metode non-parametrik cenderung lebih sederhana dan mudah dimengerti.
Beberapa Metode non-parametrik yang biasa digunakan adalah:
Metode Non-parametrik Penjelasan
Sign test Uji yang digunakan untuk mengetahui apakah terdapat

perbedaan yang nyata atau tidak dari pasangan data
dengan skala ordinal. Data yang akan dianalisis
dinyatakan dalam bentuk tanda-tanda yang tanda
positif dan negatif. Biasanya digunakan pada kasus
“sebelum sesudah”
Wilcoxon signed rank Sama seperti sign test tapi lebih menitikberatkan pada
test besaran perbedaannya
Mc Nemar test Digunakan untuk menguji hipotesis komparatif dua

sampel yang berkorelasi bila datanya nominal/diskrit.
Rancangan penelitiannya biasanya berupa “before
after”
Mann Whitney test Digunakan untuk menguji perbedaan dua populasi Tabel
yang berupa dua sampel yang independen Statistik
Nonparam
Kolmogorov Smirnov Digunakan untuk goodness of fit test dan menguji dua
etrik
test sampel independen (data berbentuk ordinal),
khususnya untuk perbedaan varians.
Cox and Stuart test Digunakan untuk mengetahui tren suatu data yang
minimal ordinal
Spearman correlation Digunakan untuk mengetahui hubungan atau untuk

test menguji signifikansi hipotesis asosiatif bila masing-
masing variabel berbentuk ordinal dan sumber datanya
tidak sama.
Kruskal Wallis test Memiliki kegunaan sama seperti Mann Whitney tapi
menggunakan lebih dari dua sampel
Koefisien korelasi Pada dasarnya mempunyai fungsi yang sama dengan

koefisien Spearmean (rs), hanya saja T-kendall
T-Kendall
mempunyai kelebihan yaitu dapat digeneralisasikan
menjadi koefisien korelasi parsial
Level of
Purpose of Test Nonparametric Statistic
Measurement
Chi-Square-Goodness-of-Fit
Nominal Test
Goodness of Fit The Binomial Test
Kolmogorov Smirnov One-

Ordinal/Interval
Sample and Two-Sample Test
Nominal The McNemar Test
Related Samples: Pre-test-post-
test measures for a single sample The Sign Test
(2 measures) Ordinal/Interval
Wilcoxon Signed Rank
Related Samples: Pre-test-post- Nominal Cochran's Q Test

tests measures for a single or
matched sample (>2 measures) Ordinal/Interval The Freidman Test
The Fisher Exact Test

(dischotomous variable)
Nominal
Chi-square Test for Two
Tests for Two Independent Groups
Independent Samples
The Wilcoxon-Mann-Whitney
Ordinal/Interval
U Test
Chi-square Test for k

Independent Samples
Nominal
The Mantel-Haenszel Chi-
Assessing Differences Among square Test for Trends
Several Independent Groups
The Median Test
Ordinal/Interval Kruskal Walls-One Way

ANOVA by Ranks
Phi Coefficient (dischotomous

variable)
Tests of Association Between
Nominal
Variables Cramer's V Coefficient
The Kappa Coefficient

Point Biserial Correlation
Spearman's Rank Order

Ordinal/Interval
Correlation Coefficient
Kendall's Tau Coefficient
Diadaptasi dari: Pett MA. 1997. Nonparametric Statistics for Health Care Research. London,
Thousand Oaks, New Delhi: Sage Publications (dalam Christy C. Tomkins, An Introduction to
Non-parametric Statistics, University of Alberta Health Sciences Journal, June 2006, Volume 3
Issue 1).
NON PARAMETRIK 1
Ringkasan Teori
A. SIGN TEST
Disebut juga uji tanda dimana kita menggunakan uji ini untuk mengetahui apakah
terdapat perbedaan antara data - data yang tersedia atau pengaruh dari hasil dua
perlakuan. Sampel yang digunakan saling berhubungan dengan skala ordinal , uji ini
berhubungan pada kasus – kasus “ sebelum – sesudah”.
Langkah – Langkah Penyelesaian Sign Test Problems
1. Bandingkanlah nilai dari pasangan data yang tersedia, jika data sebelum (x) lebih
besar dari data sesudah (y) maka beri tanda “ + ”, Jika sebaliknya nilai x < y maka
beri tanda “ – “, Tapi jika nilai data x = y maka data diabaikan atau
dihilangkan.namun ini tergantung pada data yang dibandingkan tetapi harus
konsisten
2. Kemudian hitunglah jumlah data yang masuk kedalam masing – masing tanda baik
+ maupun –, lalu ambil data “ + ” = T
3. Lalu, buatlah Hipotesis untuk :
Two-Tailed test Lower tailed test Upper tailed test
Ho : P (+) = P (-) Ho : P (+) ≥ P (-) Ho : P (+) ≤ P (-)

Ha : P (+) ≠ P (-) Ha : P (+) < P (-) Ha : P (+) > P (-)
4. Menentukan kriteria pengujian

 T ≥ n – t  maka ditolak
 T < n – t  maka tidak dapat ditolak
5. Menentukan nilai uji statistika

Merupakan nilai probabilitas hasil sampel. ( lihat tabel probabilitas binomial dengan
n, x tertentu dan p = 0,5), dimana x = jumlah tanda yang terkecil
6. Untuk n > 20 maka kita dapat mengunakan distribusi normal.sebagai pendekatan

distribsui binomial ( gunakan tabel distribusi normal baku ) dengan menggunakan
faktor koreksi sebagai berikut:
( )
Z=
√
Note :
T + 0,5 jika T < ½ n, danT – 0,5 jika T > ½ n
Kriteria :
Z < α  maka tolak Ho.
Z > α  maka terima Ho.
7. Kesimpulan.
Butalah kesimpulan berdasarkan kepada apakah hipotesa tersebut tidak dapat
ditolak atau dapat ditolak
Contoh soal :
Karyawan di suatu perusahaan akan diberikan pelatihan untuk meningkatkan

kemampuannya dalam bidang komputer. Diambil 15 orang sebagai sampel yang akan
diukur kemampuan dalam penggunaan komputer sebelum dan setelah dilakukan
pelatihan, dengan menggunakan skala likert, sbb:
– 1: luar biasa
– 2: sangat baik
– 3: baik
– 4: cukup
– 5: kurang
Pegawai A B C D E F G H I J K L M N O
Sebelum 3 4 2 5 2 3 5 2 3 5 3 4 3 3 5
Sesudah 1 2 3 3 2 1 4 1 5 3 1 2 4 1 3
Dengan taraf kepercayaan 95 % , apakah ada perubahan yang sinifikansi terhadap 15

orang tersebut sesudah dan sebelum diadakanya pelatihan ?
( Bahan Kuliah Statistika 2 ibu Merita Bernik )
Jawab :
Pegawai Sebelum Sesudah Tanda perbedaan
A 3 1 +
B 4 2 +
C 2 3 -
D 5 3 +
E 2 2 0
F 3 1 +
G 5 4 +
H 2 1 +
I 3 5 -
J 5 3 +
K 3 1 +
L 4 2 +
M 3 4 -
N 3 1 +
O 5 3 +
• Hipotesis ( uji 2 pihak ):

– Ho: tidak adanya perbedaan kemampuan komputer sebelum dan setelah adanya
pelatihan.
– H1: terdapat perbedaan sebelum dan setelah pelatihan.
• Pengujian
– n = 14,tanda + = 11, tanda - = 3
– Nilai T = 11
– Nilai tabel untuk n=14 dan p =0,05 berdasarkan tabel binomial maka diperoleh
nilai yang mendekati α = 0,05 adalah y = 0,0287  t = 3
 Kriteria
T < n - t  Ho tidak dapat ditolak
T ≥ n - t  Ho ditolak
 Ternyata
T < n - t ( 11 ≥ 11 ) maka Ho ditolak
 Kesimpulan
Jadi, dengan taraf signifikansi 5 %, tidak adanya perbedaan kemampuan komputer
sebelum dan setelah adanya pelatihan
B. WILCOXON SIGNED RANK TEST
Wilcoxon signed rank test merupakan test atau uji yang sangat berguna untuk ilmu
pengetahuan sosial, dengan data sosial ( seperti : tingkah laku manusia, sosial,
antropologi, psikologi, dan lain lain)
Wilcoxon signed rank test pertama sekali diperkenalkan oleh Frank wilcoxon pada
tahun 1949 sebagai penyempurnaan dari uji tanda. Selain memperhatikan tanda
perbedaan Wilcoxon signed rank test juga memperhatikan besarnya beda dalam
menentukan apakah ada perbedaan nyata antara data pasangan yang diambil dari sampel
atau sampel yang berhubungan ( Pokok – pokok materi statistika 2 : 304)
Langkah – langkah pengujian :

– Tentukan formulasi hipotesisnya, apakah uji 2 pihak atau 1 pihak
– Untuk setiap pasangan tentukanlah selisihnya.
– Rankinglah nilai selisih tersebut tanpa melihat tanda + atau -.
– Berilah tanda pada setiap ranking (+ atau -) sesuai dengan tanda selisih yang
dihasilkan.
– Tentukanlah T = jumlah yang terkecil dari kedua kelompok ranking yang
memiliki tanda yang sama.
– Dengan menggunakan tabel uji wilcoxon dan dibantu dengan nilai α dan N
hitunglah Tα
– Tentukanlah N = banyaknya pasangan data yang memiliki selisih / tanpa tanda 0.
– Pengujian yang dilakukan:
• Jika N ≤ 20 menggunakan tabel uji Wilcoxon.
• Jika N > 20, melakukan pengujian dengan nilai Z, dengan menggunakan
tebel distribusi normal.
– Kriteria pengujian:
• Tolak Ho jika T hasil perhitungan ≤ T dari tabel sesuai dengan α yang
telah ditentukan.
• Untuk sampel yang besar N >20, jumlah rangking T mendekati distribusi

normal.
(Mathematical statistics with aplication, KM Ramachandran: 615)
• Untuk sampel yang besar N >20. T = jumlah rangking +
N ( N  1) N ( N  1)(2 N  1)
T  T 
4 24
T  T
Z
T
Kriteria Untuk N > 30 :
Daerah penolakan apabila
z > zα  untuk upper tail
z < - zα  Untuk lower tail
|z| > zα/2  two tail
– Membuat Kesimpulan :
Menyimpulkan diterima atau ditolak.
Contoh Soal:
• Pada suatu perusahaan pemerintah dilakukan penelitian untuk mengetahui pengaruh

ruangan yang diberi AC terhadap produktivitas kerja. Pengumpulan data terhadap
produktivitas kerja pegawai dilakukan pada waktu AC sebelum dipasang dan sesudah
dipasang. Data produktivitas kerja pegawai sebelum dipasang AC adalah X dan sesudah
dipasang adalah Y. jumlah pegawai yang dijadikan sampel adalah 10 orang.
Pegawai X Y
1 100 105
2 98 94
3 76 78
4 90 98
5 87 90
6 89 85
7 77 86
8 92 87
9 78 80
10 82 83
Dengan α = 5 %, hitunglah apakah ada pengaruh yang berarti bagi pegawai sebelum dan
sesudah pemasangan AC ? ( Bahan Kuliah Statistika 2 ; Ibu Merita Bernik )
Jawab :
Buatlah tabel seperti tertera di bawah ini kemudian lakukan perhitungan sesuai dengan
langlah – langkah yang diberikan diatas
Pegawai X Y Beda Tanda ranking

X-Y Ranking + -
1 100 105 -5 7.5 7.5
2 98 94 4 5.5 5.5
3 76 78 -2 2.5 2.5
4 90 98 -8 9.0 9.0
5 87 90 -3 4.0 4.0
6 89 85 4 5.5 5.5
7 77 86 -9 10.0 10.0
8 92 87 5 7.5 7.5
9 78 80 -2 2.5 2.5
10 82 83 -1 1.0 1.0
Jumlah T=18.5 36.5
T = 18,5 dan n = 10
Formulasi Hipotesisnya : H0 = Ruangan ber-AC tidak mempunyai pengaruh terhadap

produktifitas pegawai
H1 =Ruangan ber-AC mempunyai pengaruh
terhadap produktifitas pegawai
Tarif nyata = 5 % dan n = 10 dengan melihat tabel t distribution atau tabel uji wilcoxon
maka kita mendapatkan Tα = 11
Kriteria pengujian : H0 tidak dapat ditolak apabila T > Tα

H0 ditolak apabila T < Tα
Kesimpulan : karena T = 18,5 dan Tα = 11, T > Tα , maka H0 tidak dapat ditolak, Jadi
dengan taraf kepercayaan 95 % ruang kerja yang ber-AC tidak mempunyai pengaruh
yang berarti terhadap produktifitas pegawai
C. MC NEMAR
Contoh Soal
Seorang manajer salon ingin meningkatkan penjualan dari salah satu jasa di salonnya yaitu
creambath. Untuk itu, dia akan melakukan sebuah penelitian untuk mengetahui perilaku
konsumen. Diambil sampel sebanyak 200 orang pengunjung salon, kemudian bersama-sama para
pelayan salon melakukan promosi dan menawarkan secara langsung kepada calon konsumen
yang datang ke salon tersebut. Diperoleh data konsumen yang ingin creambath sebelum promosi
adalah 77 dan sisanya tidak creambath. Setelah dilakukan promosi, jumlah pengunjung sebanyak
13 orang yang tadinya ingin creambath jadi tidak creambath dan 36 pengunjung yang tadinya
tidak akan creambath menjadi creambath. Dapatkah pemilik salon tersebut mengambil simpulan
bahwa promosi creambath berpengaruh pada penjualan jasa creambath?
Jawab:
1. Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen untuk menggunakan jasa
creambath sebelum dan sesudah promosi)
Ha: P(Xi) ≠ P(Yi) (Ada perubahan keinginan konsumen untuk menggunakan jasa
Sesudah Jumlah
Tidak Membeli Membeli
Sebelum
Tidak Membeli 87 36 123
Membeli 13 64 77
Jumlah 100 100 200
( ) ( )
( ) ( )
( )( ) ( )( )
α = 5%
lihat tabel chi-square →
Kriteria:
: Ho tidak dapat ditolak
: Ho ditolak
Ternyata
atau > 3,84146 → Ho ditolak
Jadi, dengan tingkat signifikansi 5% manajer salon tersebut dapat mengambil kesimpulan
bahwa promosi jasa creambath berpengaruh pada permintaan jasa creambath karena
terdapat perubahan keinginan konsumen sebelum dan sesudah promosi dilakukan.
CARA KOMPUTER
Langkah-langkah:
 Buka software SPSS
 Pada lembar Variable View ketik sebelum pada baris 1 dan sesudah pada baris 2, untuk
measure: pilih nominal
 Masukkan data di Data View.
 Klik Analyze Non Parametric Tests 2 Related Samples, pada menu maka kotak
dialog Two Related Samples Tests akan muncul.
 Blok sebelum dan sesudah sehingga aktif dan pindahkan ke kotak Test Pair(s) List
dengan klik tombol panah sehingga muncul sebelum-sesudah pada kotak tersebut.
 Pada kotak Test Type, pilih McNemar
 Klik Ok
Maka diperoleh output sebagai berikut :
Sebelum & Sesudah
Sesudah
Sebelum 0 1
0 87 36
1 13 64
Test Statisticsb
Sebelum &
Sesudah
N 200
Chi-Squarea 9.878
Asymp. Sig. .002
a. Continuity Corrected
Test Statisticsb
Sebelum &
Sesudah
N 200
Chi-Squarea 9.878
Asymp. Sig. .002
b. McNemar Test
 Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen untuk menggunakan jasa
Ha: P(Xi) ≠ P(Yi) (Ada perubahan keinginan konsumen untuk menggunakan jasa
 Exact Sig. (2-tailed) dan Tingkat Signifikansi

Exact Sig. (2-tailed) = 0,002
=5%
 Kriteria
Exact Sig. (2-tailed) ≥ α : Ho tidak dapat ditolak
Exact Sig. (2-tailed) < α : Ho ditolak
 Ternyata
Exact Sig. (2-tailed) < α atau 0,002 < 0,05  Ho ditolak
 Kesimpulan
Jadi, dengan tingkat kepercayaan 95% manager salon tersebut dapat mengambil
kesimpulan bahwa promosi jasa creambath berpengaruh pada permintaan jasa creambath
karena terdapat perubahan keinginan konsumen sebelum dan sesudah promosi dilakukan.
C. PROSEDUR NON PARAMETRIK 1 DENGAN APLIKASI
Sebenarnya banyak sekali aplikasi pada komputer yang dapat kita gunakan untuk
menguji Sign test, wilcoxon rank test, dan Mc Nemar dengan komputer diantaranya
seperti SPSS ( Statistical Program for Social Science ), Minitab, E-Views, bahkan kita
juga bisa menggunakan Microsoft Excel untuk bagian bagian tertentu yang tentu kita
sudah familiar dengan itu, karena program SPSS lebih mudah untuk digunakan maka kita
akan menggunakan program ini dalam penyelesaian persoalan Nonparametrik ini
Langkah – langkah :
 Pada Komputer atau Laptop yang telah di instal program SPSS, klik Program
SPSS tersebut.
 Pada Lembar Variable View isilah kotak yang tesedia yang nantinya akan
menjadi label kolom pada lembar Data view.
 Masukkan data pada Data view
 Kemudian Klik Analyze  Non Parametric Test  2 Related samples
 Pindahkan isi kotak sebelah kiri ke kotak test pair(s) list dengan mengklik tombol
panah yang berada di tengah – tengah
 Jika ingin melakukan test sign test maka beri tanda √ pada sign test yang berada
di kotak test type, begitu juga jika ingin melakuakn wilcoxon rank test dan Mc
Nemar test. Lebih lanjut silahkan lihat contoh dibawah ini,
Contoh :
Universitas Padjadjaran setiap tahunnya menerima Mahasiswa baru melalui jalur – jalur
khusus misalnya SMUP dan mahasiswa undangan. Guna mengetahui kualitas mahasiswa
yang telah diterima melalui jalur tersebut, dilakukan test matrikulasi dan pihak pelaksana
melakukan dua kali ujian yaitu sebelum program matrikulasi dilakukan dan setelahnya
untuk mengetahui keefektifan program tersebut. Dan untuk itu diambil sampel sebanyak
15 orang dari IPA untuk mata ujian Statistika, dan diperoleh data ( α = 5 %) :
Peserta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sebelum 67 54 67 55 87 60 70 45 54 66 73 88 80 65 75
Sesudah 66 75 80 60 78 89 65 70 68 75 74 85 89 90 75
Analisanya dalam SPSS adalah sebagai berikut ;

 Buka Software SPSS
 Pada Variable View ketikkan Sebelum pada Kolom nama baris 1 dan sesudah
pada kolom nama baris ke 2
 Kemudian pada Data view masukkan data sebagai berikut
 Klik Analyze  Nonparametric Test  2 Relates samples

Aktifan Wilcoxon pada test type jika ingin melakukan wilcoxon rank test dan
masukkan variabel yang akan di uji sebagaimana tampak pada kotak dialog :
Kemudian Klik OK maka akan muncul outputnya :
Dari output tersebut diperoleh:
Negative Ranks atau selisih antara variabel sebelum dan sesudah yang negatif sebanyak 4
observasi atau dengan kata lain terdapat 4 observasi pada variabel sesudah yang kurang
dari observasi pada variabel sebelum. Dan rata-rata rangkingnya = 4 dengan jumlah
rangking negatif = 16
Positive Ranks atau selisih variabel sebelum dan sesudah yang positif sebanyak 10
observasi atau denga kata lain terdapat 10 observasi pada variabel sesudah yang lebih
dari observasi pada variabel sebelum dengan ratarata rangkingnya = 8,90 dan jumlah
rangking positif = 89.
Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah sebanyak 1
observasi.Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif
maka nilai T yang digunakan adalah jumlah rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:

H0 : P = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah
matrikulasi)
H1 : P ≠ 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan sesudah

matrikulasi )
Tingkat signifikansi a =0,05

Statistik uji
Untuk nilai statistik uji, tinjau tabel output berikut:
Dari tabel diperoleh nilai asymp sig = 0,022
Daerah kritis
H0 ditolak jika nilai asymp sig < nilai α
Ho tidak dapat ditolak jika nilai asymp sign ≥ α
Kesimpulan
Oleh karena asymp sig < α , (0,022 < 0,05 ) maka Ho ditolak yang berarti bahwa tidak
ada perbedaan nilai Statistika calon mahasiswa sebelum dan sesudah mengikuti program
matrikulasi.
SOAL – SOAL NONPARAMETRIK I
1. An item A is manufactured using a certain process. Item B serves the same function as A
but is manufactured using a new process. The manufacturer wishes to determine whether
B is preferred to A by the consumer, so the manufacturer selects a random sample
consisting of 10 consumers, gives each of them one A and B, and asks them to use the
items for some period of time. The result is
8 = number of + ‘s
1 = number of - ‘s
1 = number of ties
Using 0,05 level of significance level and 0,5 for probabilitas, can you help the
manufacturer decision ? (W.J. Conover, Practical nonparametric statsistics : 164)
2. Seorang peneliti ingin mengetahui pengaruh adanya penetapan BBM bersubsidi pada
daerah Bandung terhadap kesejahteraan masyarakat bandung. Dalam penelitiannya
dipilih 20 orang yang membawa kendaraan seacara acak pada daerah tersebut, Tabel
dibawah ini menunjukkan tingkat kesejahteraan masyarakat sebelum dan sesudah
diterapkanya BBM bersubsidi :
Nama Sesudah Sebelum
Andi 4 3
Budi 3 2
Cica 1 2
Dodi 5 4
Emi 5 3
Farag 5 5
Gina 5 3
Harry 2 4
Indah 1 2
Jack 4 4
Kina 1 1
Lena 2 3
Memei 2 4
Nanda 2 5
Opie 3 3
Panda 1 2
Qira 4 4
Rina 5 5
Sinta 4 2
Tedy 5 4
(Keterangan : 1 = sangat sejahtera. 2= sejahtera, 3=cukup, 4 = tidak sejahtera,

5 = sangat tidak sejahtera.)
Dengan tingkat signifikansi 5 %, apakah terjadi perubahan kesejahteraan masyarakat

bandung setelah diberlakukannya BBM bersubsidi ?
3. Direktur PT Maju Tak Gentar ingin mengukur peningkatan mutu kerja karyawan
perusahaan, setelah dilakukanya kenaikan gaji dan upah. Untuk itu diambil sampel
sebanyak 10 karyawan. Datanya adalah sebagai berikut :
Pegawai 1 2 3 4 5 6 7 8 9 10
Score
Sebelum 71 91 86 60 83 70 72 65 80 72
sesudah 72 88 82 67 88 67 75 75 90 76
Ujilah dengan taraf nyata 5 %, apakah ada peningkatan mutu kerja karyawan setelah gaji
dan upah naik ? ( Iqbal M.Hasan . Pokok – pokok materi Statistik 2 : 302 )
4. Dalam pelajaran Teori Pengambilan Keputusan, Mahasiswa X ingin meneliti proses

pengambilan keputusan pembelian sebuah apartemen bagi suami – istri yang baru
menikah. Maka dari itu mahasiswa tersebut memberikan kuesioner kepada17 pasangan
suami-istri yang baru menikah, untuk setiap pasangan suami-istri perbedaan rating
mereka ditentukan dengan memberi kode + (atau 1) jika suami menyatakan bahwa suami
harus memiliki pengaruh yang lebih tinggi dalam keputusan membeli rumah
dibandingkan keputusan istri. Perbedaan akan diberi kode – (atau 0) kalau terjadi
sebaliknya. Perbedaan akan diberi kode 0 ( tanpa kode ) jika pasangan suami-istri tidak
memiliki kesesuaian terhadap tingkat pengaruh dalam mengambil keputusan. Dengan
taraf signifikansi 5 % ujilah apakah pernyataan suami harus memiliki pengaruh yang
lebih besar dalam memutuskan membeli rumah dapat diterima?
Pasangan Rating Suami (Xs) Rating Istri (Xi)
Q 5 3
W 4 3
E 6 4
R 6 5
T 3 3
Y 2 3
U 5 2
I 3 3
O 1 2
P 4 3
A 5 2
S 4 2
D 4 5
F 7 2
G 5 5
H 5 3
J 5 1
5. Agar produksi rakitan harian meningkat, diusulkan agar dipasang lampu penerangan
yang lebih baik serta musik, kopi, dan donat gratis setiap hari, pihak manajemen
setuju untuk mencoba pola tersebut dalam waktu yang terbatas. Jumlah rakitan yang
diselesaikan oleh kelompok pekerja. Sampel adalah sebagai berikut :
Pekerja Sebelum Sesudah
1 23 33
2 26 26
3 24 30
4 17 25
5 20 19
6 24 22
7 30 29
8 21 25
9 25 22
10 21 23
11 16 17
12 20 15
13 17 9
14 23 30
Dengan menggunakan uji wilcoxon rank test, Apakah usul tersebut dapat meningkatkan
produksi perakitan ? ( Uas Statistika 2009 )
6. The following data give the monthly rents ( in dollars ) paid by a random sampe of 25
household selected from a large city.
425 960 1450 655 1025 750 670 975 660 880
1250 780 870 930 550 575 425 900 525 1800
545 840 765 950 1080
Using the large sampel wilcoxon signed rank test, test the hypotheses that the median rent
in this city is $ 750 against the alternative that it is higher with α = 0,05 ?
(KM Ramachandran .Mathematical statistics with aplication: 615 )
7. KEMENDIKNAS ingin mengetahui pengaruh pemberian Beasiswa S2 kepada para Guru
terhadap tingkat produktifitas guru di dalam kelas. Untuk itu dilakukan penelitian
sebelum dan sesudah pemberian beasiswa terhadap 12 orang guru yang diambil acak dari
berbagai SMA, berikut ini adalah hasil dari pengumpulan data terhadap 12 orang Guru
tersebut :
Dosen Produktifitas
Sebelum Sesudah
1 80 81
2 78 80
3 85 80
4 70 79
5 75 75
6 80 76
7 92 95
8 80 88
9 83 83
10 78 80
11 89 85
12 64 69
Dengan menggunakan tingkat kepercayaan 5 %, apakah ada perbedaan produktifitas Guru

di dalam kelas antara sesudah dan sebelum diberikannya beasiswa oleh KEMENDIKNAS
?
( Wilcoxon ranked sign test , Sumber : fiktif )
8. Nilai rata – rata ulangan siswa kelas XI sebesar 80 pada ujian yang lalu, akan tetapi guru
kelas XI tersebut ingin mengetahui apakah ada peningkatan nilai pada siswa – siswanya,
maka diadakan ulangan pada minggu berikutnya, setelah dinilai didapati nilai siswa –
siswanya pada ulangan kali ini disajikan dalam tabel berikut :
Siswa 1 2 3 4 5 6 7 8 9 10
Nilai 80 75 90 87 85 77 60 70 85 90
Ujilah dengan taraf nyata 5 %, apakah ada peningkatan nilai siswa setelah diadakan
ulangan pada ujian berikutnya ? ( sumber : fiktif )
9. Dinas Kesehatan Kota Cimahi ingin mengetahui pengaruh dari penyuluhan kanker
serviks yang dilakukan di Kota Cimahi terhadap wanita dewasa mengenai keputusan
untuk menggunakan vaksin serviks sebelum menikah ( positif) atau tidak menggunakan
vaksin serviks sebelum menikah (negatif), kemudian diambil sampel dari kota Cimahi
sebanyak 100 wanita dewasa yang masih lajang. Sebelum ada penyuluhan kanker serviks
tersebut sebanyak 45 wanita dewasa memutuskan untuk menggunakan vaksin serviks
sebelum menikah dan sisanya memilih tidak menggunakan vaksin serviks sebelum
menikah. Setelah dilakukan penyuluhan didapatkan bahwa empat orang yang sebelumnya
positif menjadi negatif dan 12 orang yang tadinya negatif menjadi positif. Dengan tingkat
keyakinan 99%, apakah dapat kita simpulkan bahwa penyuluhan kanker serviks yang
dilakukan berpengaruh terhadap pilah wanita dewasa terhadap vaksin serviks?
10. Department Store want to know the impact of “Cool” Soap promotion in January to
Consumers on the buy of non – “Cool” Soap and “Cool” Soap. The Samples were taken
randomly with 150 peoples in this study. Before promotion, show there were 85 peoples
buy “Cool” Soap and the rest buy the non- “Cool” Soap. After doing the promotion, it
was found that the thirteen peoples who had been buy a “Cool” Soap to buy non- “Cool”
Soap and 44 peoples who had been buy a non-“Cool” Soap into “Cool” Soap. With 95%
confidence level, whether it can be conclude that the “Cool” Soap promotion may affects
preference Soap buyers?
11. Presentasi deposito pada nasabah

Sebuah Bank Syariah di Bandung ingin mengetahui pengaruh dari presentasi mengenai
deposito terhadap pemilihan produk di Bank Syariah tersebut apakah memilih deposito
atau tidak memilih deposito. Diambil sampel secara acak dari 20 calon nasabah, sebelum
dilakukan presentasi mengenai deposito 14 orang memilih deposito dan sisanya tidak
memilih deposito. Setelah dilakukan presentasi didapatkan hasil enam orang yang tadinya
memilih deposito menjadi tidak memilih deposito dan empat orang yang tadinya tidak
memilih deposito menjadi memilih deposito. Dengan tingkat keyakinan 95%, dapatkah
kita menyimpulkan bahwa presentasi deposito mempengaruhi pemilihan calon nasabah
untuk memilih deposito ?
12. Campaign program of president election

Prior to a nationally televised debate between the two candidates, 120 sample is taken,
before debate 75 people choose candidate from Indo and the rest choose Nesia. After
debate people expressed their preference again. The result is 22 who had choosing Indo to
Nesia and 36 people who had been choosing Nesia into Indo. With 99% confidence level,
can we conclude that the debate may affects the people preferences to choose candidate?
JAWABAN SOAL NONPARAMETRIK 1
1. The sign test ( one tailed ) will be used to test

= P(+) ≤ P( - )
= P(+) ˃ P( - )
n = number of +`s and - `s = 8 + 1 = 9
T = number of +`s = 8
Criteria :
T < n - t  Ho tidak dapat ditolak
T ≥ n - t  Ho ditolak
Table Binomial distribution is entered with n = 9 and p = 0,5 and for an entry
close to 0,05. The critical region of size α = 0,0195 corresponds to value of T
greater than or equal to
n–t=9–1=8
Sinces T = 8, is rejected. The p- value is P (Y ≥ 8) = 0.0195 , t= 1.
The manufacturer decides that the consumer population prefers B to A

2. Jawab :
Nama Sebelum Sesudah Tanda
Andi 3 4 -
Budi 2 3 -
Cica 2 1 +
Dodi 4 5 -
Emi 3 5 -
Farag 5 5 0
Gina 3 5 -
Harry 4 2 +
Indah 2 1 +
Jack 4 4 0
Kina 1 1 0
Lena 3 2 +
Memei 4 2 +
Nanda 5 2 +
Opie 3 3 0
Jumlah tanda “ + “ = 6 dan tanda ‘ – “ = 5

T=6
Hipotesis: : tidak adanya pengaruh penetapan BBM bersubsidi pada daerah
Bandung terhadap kesejahteraan masyarakat bandung
: adanya pengaruh penetapan BBM bersubsidi pada daerah
Bandung terhadap kesejahteraan masyarakat bandung
• Pengujian
Gunakan Tabel Binomial untuk mencari nilai t
Dengan n =11, p =0,5 mendekati α, y =0,0327  t = 2
 Kriteria
T < n – t  Ho tidak dapat ditolak
T ≥ n – t  Ho ditolak
 Ternyata
T < n – t atau 6 < 9 maka Ho tidak dapat ditolak
 Kesimpulan
Jadi, dengan taraf signifikansi 5 %, tidak adanya pengaruh penetapan BBM bersubsidi
pada daerah Bandung terhadap kesejahteraan masyarakat bandung
3. Jawab :
Pegawai Sebelum Sesudah Tanda
1 71 72 -
2 91 88 -
3 86 82 -
4 60 67 +
5 83 88 +
6 70 67 -
7 72 75 +
8 65 75 +
9 80 90 +
10 72 76 +
Jumlah tanda “ + “ = 6 dan tanda ‘ – “ = 4

T=6
Hipotesis: : tidak ada peningkatan mutu kerja karyawan di perusahaan

: ada peningkatan mutu kerja karyawan di perusahaan
• Pengujian
Gunakan tabel T untuk mencari nilai t
Dengan n = 10, p = 0,5 mendekati α, y = 0,0107 t = 1
 Kriteria
 Ternyata
T < n – t atau 6 < 9 (10 – 1) maka Ho tidak dapat ditolak
 Kesimpulan
Jadi, taraf signifikansi 5 %, tidak adanya peningkatan mutu kerja karyawan
setelah gaji dan upah dinaikkan.
4. Jawab :
KOMPUTER
 Bukalah software SPSS
 Pada lembar variable view ketik rating suami pada baris 1 dan rating istri pad baris
ke 2
 Lalu masukan data diatas pada lembar data view
 Klik Analyze  Non Parametric test  2 related sampels, pada menu maka kotak
dialog two related samples test akan muncul
 Blok Rating suami dan Rating Istri kemudian pindahkan ke kotak test pairs dengan
tombol panah
 Pada test type pilih Sign dan kemudian klik ok, maka akan muncul output sebagai
berikut.
Frequencies
N
a
Negative Differences 11
b
Positive Differences 3
c
Rating_Istri - Rating_Suami Ties 3
Total 17
a. Rating_Istri < Rating_Suami
b. Rating_Istri > Rating_Suami
c. Rating_Istri = Rating_Suami
b
Test Statistics
Rating_Istri -
Rating_Suami
Hipotesis : ( uji satu pihak )
Exact Sig. (2-tailed) .057

a = Suami tidak mempunyai pengaruh
a. Binomial distribution used. yang lebih dibandingkan dengan istri

b. Sign Test = Suami mempunyai pengaruh yang
lebih dibanding dengan istri
Uji statistik:
Uji statistik ditunjukkan pada tabel test statistik diatas yaitu Exact sig. (2-tailed) = 0,057
dikarenakan ini adalah uji satu pihak maka 0,057 dibagi 2 menjadi 0, 029. Nilai uji ini
nantinya akan dibandingkan dengan α = 0,05
Kriteria :
Exact sig. < α  maka Ho ditolak
Exact sig. ≥ α  maka Ho tidak dapat ditolak
Kesimpulan :
Ternyata 0,029 < 0,05 (Exact sig. < α) maka Ho ditolak
Jadi dengan taraf signifikansi 5 %, suami memiliki pengaruh yang lebih dari pada istri dalam
keputusan membeli rumah.
MANUAL
No Sebelum Sesudah Tanda
1 5 3 +
2 4 3 +
3 6 4 +
4 6 5 +
5 3 3 0
6 2 3 -
7 5 2 +
8 3 3 0
9 1 2 -
10 4 3 +
11 5 2 +
12 4 2 +
13 4 5 -
14 7 2 +
15 5 5 0
Jumlah tanda “ + “ =9 dan tanda ‘ – “ = 3

T=9
Hipotesis: : Suami tidak mempunyai pengaruh yang lebih dibandingkan

dengan istri
= Suami mempunyai pengaruh yang lebih dibanding dengan istri
Pengujian
Gunakan Tabel Binomial untuk mencari nilai t
Dengan n =12, p =0,5 mendekati α, y =0,0193  t = 2
 Kriteria
 Ternyata
T < n – t atau 9 > 7 maka Ho ditolak
 Kesimpulan
Jadi dengan taraf signifikansi 5 %, suami percaya bahwa mereka harus memiliki
pengaruh yang lebih dari pada istri dalam keputusan membeli rumah
5. Jawab :
Pekerja Produksi Produksi Beda Beda Ranking Ranking Rangking
sebelum sesudah Skor Skor + -
1 23 33 10 10 13 13
2 26 26 0 0 - - -
3 24 30 6 6 9 9
4 17 25 8 8 11,5 11,5
5 20 19 -1 1 2 2
6 24 22 -2 2 4,5 4,5
7 30 29 -1 1 2 2
8 21 25 4 4 7 7
9 25 22 -3 3 6 6
10 21 23 2 2 4,5 4,5
11 16 17 1 1 2 2
12 20 15 -5 5 8 8
13 17 9 -8 8 11,5 11,5
14 23 30 7 7 10 10
JUMLAH 57 34
Hipotesis : : usulan tersebut dapat meningkatkan produksi rakitan

: usulan tersebut Tidak dapat meningkatkan produksi rakitan
Kriteria : T + / T – terkecil ≤ T tabel  ditolak

T + / T – terkecil ≥ T tabel  tidak dapat ditolak
T hitung dan T tabel :

T hitung = jumlah ranking terkecil = 34
T tabel = dicari dengan menggunakan tabel wilcoxon dengan n ( jumlah sampel
tanpa tanda nol ) = 13, α = 5 % maka didapatkan T tabel = 22
Kesimpulan :
Karena T hitung > T tabel, 34 > 22, maka tidak dapat ditolak,
Jadi dengan taraf kepercayaan 95 % maka usul tersebut dapat meningkatkan produksi
perakitan.
6. Jawab :
We test : M = 750 versus : M > 750
Here α = 0,05, and M0 = 750, the result of steps given in table

No Median Monthly Beda Beda Ranking Ranking Rangking
rents Skor Skor + -
1 750 425 -325 325 19,5 19,5
2 750 960 210 210 15 15
3 750 1450 700 700 23 23
4 750 655 -95 95 6 6
5 750 1025 275 275 18 18
6 750 750 0 0 - - -
7 750 670 -80 80 3 3

8 750 975 225 225 16,5 16,5
9 750 660 -90 90 4,5 4,5
10 750 880 130 130 8 8
11 750 1250 500 500 22 22
12 750 780 30 30 2 2
13 750 870 120 120 7 7
14 750 930 180 180 11 11
15 750 550 -200 200 25 12,5
16 750 575 -175 175 10 10
17 750 425 -325 325 19,5 19,5
18 750 900 150 150 9 9
19 750 525 -225 225 16,5 16,5
20 750 1800 1050 1050 24 24
21 750 545 -205 205 14 14
22 750 840 90 90 4,5 4,5
23 750 765 15 15 1 1
24 750 950 200 200 12,5 12,5
25 750 1080 330 330 21 21
JUMLAH 194,5 105,5
Here, for n = 24, T + = 194,5, and the test statistic is

( )( )( )
Z= = 0,62428
( )( )( )
√
Criteria :
Daerah penolakan apabila :
z > zα  untuk upper tail
z < - zα  Untuk lower tail
|z| > zα/2  two tail
For α = 0,05, the rejection region is z > 1.645, because the observed value of the test
statistic does not fall in the rejection region, we do not reject the null hypothesis ( ).
There is not enough evidence to conculade that the median rent in this city is more than $
750
7. Jawab :
Guru Sebelum Sesudah Beda Beda Ranking Ranking Rangking
Skor Skor + -
1 80 81 1 1 1 1
2 78 80 2 2 2,5 2,5
3 85 80 -5 5 7,5 7,5
4 70 79 9 9 10 10
5 75 75 0 0 - - -
6 80 76 -4 4 5,5 5,5
7 92 95 3 3 4 4
8 80 88 8 8 9 9
9 83 83 0 0 - - -
10 78 80 2 2 2,5 2,5
11 89 85 -4 4 5,5 5,5
12 64 69 5 5 7,5 7,5
JUMLAH 36,5 18,5
Hipotesis: = Tidak ada perbedaan produktifitas dosen sebelum dan sesudah

pemberian beasiswa
= ada perbedaan produktifitas dosen sebelum dan
sesudah pemberian beasiswa
T hitung dan Tα ( T tabel )
T-hitung ( jumlah rangking terkecil ) = 18,5
Tα atau T tabel :
n ( jumlah sampel tanpa tanda 0 ) = 10, dengan α = 5 % , dan dengan melihat tabel
uji wilcoxon maka didapat Tα ( T tabel ) = 11
Kriteria
T hitung > Tα ( T tabel )  tidak ditolak
T hitung ≤ Tα ( T tabel )  ditolak
Kesimpulan :
Karena T hitung > Tα / T tabel , 18,5 > 11, maka tidak ditolak
Jadi, dengan taraf signifikansi 5 % ternyata tidak terdapat perbedaan produktifitas guru
dikelas antara sebelum dan sesudah pemberian fasilitas beasiswa dari KEMENDIKNAS
karena perbedaanya tidak signifikan.
8. Jawab :
Hipotesis:
= ada peningkatan nilai siswa setelah diadakannya ulangan
= tidak ada peningkatan nilai setelah diadakanya ulangan
Uji statistik :
Dengan menggunkan prosedur yang telah dijelaskan diatas pada SPSS maka kita
mendapatkan outputnya sebagai berikut :
Ranks
N Mean Rank Sum of Ranks

a
Negative Ranks 4 5.00 20.00
Sesudah_Ulangan - b
Positive Ranks 5 5.00 25.00
Sebelum_Ulangan
Ties 1
c
Total 10
a. Sesudah_Ulangan < Sebelum_Ulangan
b. Sesudah_Ulangan > Sebelum_Ulangan
b
Test Statistics
Sesudah_Ulang
an -
Sebelum_Ulang
an
a
Z -.298
Asymp. Sig. (2-tailed) .765
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test
c. Sesudah_Ulangan = Sebelum_Ulangan
Uji statistik ditunjukkan pada tabel test statistik diatas yaitu Exact sign. (2-tailed) = 0,765. Nilai
uji ini nantinya akan dibandingkan dengan α = 0,05
Kriteria :
Exact sig. (2-tailed) < α  maka Ho ditolak
Exact sig. (2-tailed) ≥ α  maka Ho tidak dapat ditolak
Kesimpulan :
Ternyata 0,765 > 0,05 (Exact sig. (2-tailed) > α) maka Ho tidak dapat ditolak
Jadi dengan taraf signifikansi 5 %, Nilai – nilai siswa meningkat setelah diadakanya ulangan
pada minggu berikutnya oleh Guru mereka.
MANUAL
Siswa Sebelum Sesudah Beda Beda Ranking Ranking Rangking

Skor Skor + -
1 80 80 0 0 - - -
2 80 75 -5 5 3 3
3 80 90 10 10 7 7
4 80 87 7 7 5 5
5 80 85 5 5 3 3
6 80 77 -3 3 1 3
7 80 60 -20 20 9 20
8 80 70 -10 10 7 10
9 80 85 5 5 3 3
10 80 90 10 10 7 7
JUMLAH 25 36
Hipotesis : = ada peningkatan nilai siswa setelah diadakannya ulangan pada

minggu berikutnya.
= tidak ada peningkatan nilai setelah diadakanya ulangan pada minggu
berikutnya.
Kriteria : T + / T – terkecil ≤ T tabel  ditolak

T + / T – terkecil ˃ T tabel  tidak dapat ditolak
T hitung dan T tabel :

T hitung = jumlah ranking terkecil = 25
T tabel = dicari dengan menggunakan tabel wilcoxon dengan n ( jumlah sampel
tanpa tanda nol ) = 9, α = 5 % maka didapatkan T tabel = 9
Kesimpulan :
Karena T hitung > T tabel, 25 > 9, maka tidak dapat ditolak,
Jadi dengan taraf signifikansi 5 %, Nilai – nilai siswa meningkat setelah diadakanya
ulangan pada minggu berikutnya oleh Guru mereka.
9. Ho: P(Xi) = P(Yi) (Tidak ada perubahan respon dari wanita dewasa sebelum dan
sesudah ada penyuluhan mengenai kanker serviks di Kota Cimahi)
Ha: P(Xi) ≠ P(Yi) ( Ada perubahan respon dari wanita dewasa sebelum dan sesudah ada
penyuluhan mengenai kanker serviks di Kota Cimahi)
Sesudah Jumlah
Positif Negatif
Sebelum
Positif 41 4 45
Negatif 12 43 55
Jumlah 53 47 100
( ) ( )
( ) ( )
( )( ) ( )( )
α = 1%
Kriteria:
: Ho ditolak
Ternyata
atau 4 > → Ho dapat ditolak
Jadi, dengan tingkat signifikansi 1% dapat disimpulkan bahwa ada perubahan respon
dari wanita dewasa sebelum dan sesudah ada penyuluhan mengenai kanker serviks di
Kota Cimahi.
Catatan: tidak ada jawaban menggunakan SPSS
CARA KOMPUTER
Langkah-langkah:
 Klik Ok
 Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan respon dari wanita dewasa sebelum dan sesudah
ada penyuluhan mengenai kanker serviks di Kota Cimahi)
Ha: P(Xi) ≠ P(Yi) ( Ada perubahan respon dari
wanita dewasa Test Statistics
b sebelum dan sesudah ada
penyuluhan mengenai kanker serviks di
sebelum &
sesudah
N 100
a
a. Binomial distribution used.
b. McNemar Test
Kota Cimahi)

=5%
 Kriteria
 Ternyata
Exact Sig. (2-tailed) < α atau 0,077 > 0,05  Ho tidak dapat ditolak
 Kesimpulan
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa ada perubahan respon
dari wanita dewasa sebelum dan sesudah ada penyuluhan mengenai kanker serviks di
Kota Cimahi.
10. Ho: P(Xi) = P(Yi) (the “Cool” Soap promotion not affects preference Soap buyers)
Ha: P(Xi) ≠ P(Yi) (the “Cool” Soap promotion affects preference Soap buyers)
after total
Buy Not buy
Before
Buy 72 13 85
Not buy 44 21 65
total 116 34 150
( ) ( )
16, 85964912280702
( ) ( )
( )( ) ( )( )
α = 5%
Kriteria:
: Do not Reject Ho
: Reject Ho
Ternyata
or 16, 85964912280702 > 3,84146 → Reject Ho
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa promosi Sabun “Cool”
mempengaruhi plihan pembeli sabun.
So, with 5% significant level we can conclude that the “Cool” Soap promotion may
affects preference Soap buyers.
CARA KOMPUTER
Langkah-langkah:
 Klik Ok
sebelum & sesudah
sebelu sesudah
m 0 1
0 72 13
1 44 21
b
Test Statistics
sebelum &
sesudah
N 150
a
Chi-Square 15.789
Asymp. Sig. .000
b. McNemar Test
 Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan respon konsumen sebelum dan sesudah promosi
sabun pencuci piring)
Ha: P(Xi) ≠ P(Yi) (Ada perubahan respon dari konsumen sebelum dan sesudah promosi
sabun pencuci piring)

=5%
 Criteria
Exact Sig. (2-tailed) ≥ α : Do not reject Ho
Exact Sig. (2-tailed) < α : Reject Ho
 Ternyata
Exact Sig. (2-tailed) < α atau 0,000 < 0,05  Reject Ho
 Conclusion
So, with 5% significant level we can conclude that the “Cool” Soap promotion may
affects preference Soap buyers.
11. Ho: P(Xi) = P(Yi) (Tidak ada perubahan respon dari calon nasabah sebelum dan
sesudah presentasi mengenai deposito)
Ha: P(Xi) ≠ P(Yi) (Ada perubahan respon dari calon nasabah sebelum dan sesudah
presentasi mengenai deposito)
Sesudah Jumlah
Memilih Tidak memilih
Sebelum
Memilih 8 6 14
Tidak memilih 4 2 6
Jumlah 12 8 20
( ) ( )
( ) ( )
( )( ) ( )( )
α = 5%
Kriteria:
: Ho ditolak
Ternyata
atau 0,4 < 3,84146 → Ho tidak dapat ditolak
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa tidak ada perubahan
respon dari calon nasabah sebelum dan sesudah presentasi mengenai deposito.
Catatan: tidak ada jawaban menggunakan SPSS
CARA KOMPUTER
Langkah-langkah:
 Klik Ok
sebelum & sesudah
sesudah
sebelum 0 1
0 8 6
1 4 2
b
Test Statistics
sebelum &
sesudah
N 20
a
a. Binomial distribution used.
b. McNemar Test
 Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan respon dari calon nasabah sebelum dan sesudah
Ha: P(Xi) ≠ P(Yi) (Ada perubahan respon dari calon nasabah sebelum dan sesudah

=5%
 Kriteria
 Ternyata
Exact Sig. (2-tailed) < α atau 0,754 > 0,05  Ho tidak dapat ditolak
 Kesimpulan
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa tidak ada perubahan
respon dari calon nasabah sebelum dan sesudah presentasi mengenai deposito.
12. Ho: P(Xi) = P(Yi) (debate may not affects the people preferences to choose
candidate)
Ha: P(Xi) ≠ P(Yi) (debate may affects the people preferences to choose candidate)
After Total
Yes No
Before
Yes 53 22 75
No 36 9 45
Total 89 31 120
( ) ( )
( ) ( )
( )( ) ( )( )
α = 1%
look chi-square table →
Criteria:
: Do not reject Ho
: Reject Ho
Ternyata
or < → Do not reject Ho
So, significant level 1% we can conclude that debate not affects the people preferences to
choose candidate
CARA KOMPUTER
Langkah-langkah:
 Klik Ok
sebelum & sesudah
sesudah
sebelum 0 1
0 53 22
1 36 9
b
Test Statistics
sebelum &
sesudah
N 120
a
Chi-Square 2.914
Asymp. Sig. .088
b. McNemar Test
 Hipotesis
Ho: P(Xi) = P(Yi) (debate may not affects the people preferences to choose candidate)
Ha: P(Xi) ≠ P(Yi) (debate may affects the people preferences to choose candidate)

=5%
 Kriteria
Exact Sig. (2-tailed) ≥ α : Do not reject Ho
Exact Sig. (2-tailed) < α : Reject Ho
 Ternyata
Exact Sig. (2-tailed) < α atau 0,088 > 0,01  Do not reject Ho
 Kesimpulan
So, with 1% significant level we can conclude that debate not affects the people
preferences to choose candidate.
STATISTIK NON-PARAMETRIK II
Data pada penelitian kuantitatif dianalisis dengan cara tertentu yaitu menggunakan
statistik. Statistik tersebut dibagi menjadi dua kelompok, yaitu statistik deskriptif dan statistik
inferensial. Statistik deskriptif adalah jenis statistik yang menganalisis data populasi dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul, dan tanpa membuat
kesimpulan yang berlaku umum. Sedangkan statistik inferensial adalah jenis statistik yang
menganalisis data sampel, dan membuat generalisasi (diberlakukan secara umum) pada populasi.
Statistik inferensial kemudian dibedakan menjadi statistik parametrik dan statistik non-
parametrik. Statistik parametrik mensyaratkan banyak asumsi, yaitu asumsi tentang kenormalan
data, homogenitas data, dan datanya berupa interval atau rasio. Sedangkan statistik non-
parametrik tidak memerlukan asumsi-asumsi di atas terpenuhi.
Statistik non-parametrik dipakai apabila peneliti tidak mengetahui karakteristik kelompok

item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data yang diukur
dengan skala ordinal dan dalam kasus tertentu, dengan skala nominal. Pengujian non-parametrik
bermanfaat untuk digunakan apabila sampelnya kecil dan lebih mudah dihitung daripada metode
parametrik.
Metode ini digunakan untuk situasi berikut:
1. Apabila ukuran sampel demikian kecil sehingga distribusi statistik pengambilan sampel
tidak mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat tentang bentuk
distribusi populasi yang menjadi sumber sampel.
2. Apabila digunakan data peringkat atau ordinal. (Data ordinal hanya memberikan informasi
tentang apakah suatu item lebih tinggi, lebih rendah, atau sama dengan item lainnya; data ini
sama sekali tidak menyatakan ukuran perbedaan)
3. Apabila digunakan data nominal. (Data nominal adalah data dimana sebutan seperti laki-laki
atau perempuan diberikan kepada item dan tidak ada implikasi dalam sebutan tersebut)
SPEARMAN
Koefisien korelasi peringkat sperman, rs, adalah ukuran erat-tidaknya kaitan antara dua
variabel ordinal; artinya rs merupakan ukuran atas kadar/derajat hubungan antara data yang telah
disusun menurut peringkat (ranked data) (Supranto, Johanes; 2001). Koefisien korelasi (r)
dihitung dengan menggunakan nilai aktual dari X dan Y, sedangkan koefisien Spearman yang
akan kita bicarakan berikut ini menggunakan nilai peringkat untuk X dan Y, dan bukan nilai
aktual.
Hipotesis
a. Two-tailed test
H0 : tidak ada korelasi antara variabel X dengan variabel Y (independent)
H1 : ada korelasi antara variabel X dengan variabel Y (dependent)
b. Lower-tailed test untuk korelasi negatif
H1 : ada kecenderungan untuk nilai yang lebih kecil dari X untuk dipasangkan dengan nilai
lebih besar dari Y, dan sebaliknya.
c. Upper-tailed test untuk korelasi positif
H1 : ada kecenderungan untuk nilai lebih besar dari X dan Y untuk dipasangkan bersama-
sama
Prosedur penghitungan koefisien korelasi peringkat Spearman:
1. Menyusun peringkat data

2. Menghitung perbedaan antara pasangan peringkat
3. Menghitung rs
- Tidak ada angka yang sama
∑
rs = 1 - ( )
( )
dimana:
rs = koefisien korelasi Spearman
d = selisih antara rank X dan rank Y
= R(X) – R(Y)
n = jumlah pasangan
- Ada angka yang sama
∑ ( ) ( ) ( )
rs =
(∑ ( ) ( ) ) (∑ ( ) ( ) )
Sumber: Conover, W.J. 1999. Practical Nonparametric Statistics. United States of

America: John Wiley
Kendall berpendapat bahwa nilai rs terletak antara: -1 ≤ rs ≤ 1
-1 : mempunyai korelasi sempurna tetapi berlawanan atau negatif
0 : tidak ada atau tidak mempunyai korelasi

1 : mempunyai korelasi sempurna dan searah atau positif
4. Menghitung Wp dengan menggunakan tabel Quantiles of Spearman’s
5. Bandingkan nilai rs dan Wp dengan kriteria:
a. Two-tailed test
|rs| ≤ W1- α/2 H0 tidak dapat ditolak
|rs|> W1- α/2 H0 ditolak
b. Lower-tailed test untuk korelasi negatif
rs ≥ -W1-α H0 tidak dapat ditolak
rs < -W1-α H0 ditolak
c. Upper-tailed test untuk korelasi positif

rs ≤ W1-α H0 tidak dapat ditolak
rs > W1-α H0 ditolak
6. Menarik kesimpulan
Menggunakan SPSS
Langkah-langkah menyelesaikan korelasi peringkat Spearman dengan menggunakan SPSS:
1. Buka software SPSS

2. Pilih menu File New Data
3. Klik Variable View pada data editor, kemudian buat variabel yang telah ditentukan
4. Klik Data View kemudian isilah sesuai variabel yang telah dibuat
5. Mengolah data:
a. Pilih menu Analyze, pilih submenu Correlate kemudian klik Bivariate
b. Pilih variabel yang akan dikorelasikan ke dalam Test Variables
c. Klik Spearman dan Two-tailed pada kolom Test of Significance
d. Klik Flag Significant Correlation
e. Klik OK
6. Menarik kesimpulan:
Kriteria:
Sig α ≥ α Ho tidak dapat ditolak
Sig α < α H0 ditolak
Contoh Soal:
Seorang manajer personalia ingin mengetahui apakah ada hubungan antara prestasi kerja
seseorang dengan tingkat kecerdasan (diukur dengan IQ). Untuk itu, diambil 9 orang pekerja dan
seorang supervisor diminta memberi penilaian pada tiap pekerja tersebut tentang prestasi
kerjanya. Gunakan taraf nyata 5%!
Pekerja Prestasi IQ
1 84 110
2 85 100
3 87 108
4 92 103
5 91 112
6 96 97
7 83 124
8 89 130
9 88 116
Jawab:
Prestasi (Xi) IQ (Yi) R(Xi) R(Yi) di di2

84 110 2 5 -3 9
85 100 3 2 1 1
87 108 4 4 0 0
92 103 8 3 5 25
91 112 7 6 1 1
96 97 9 1 8 64
83 124 1 8 -7 49
89 130 6 9 -3 9
88 116 5 7 -2 4
Total 162
Hipotesis
H0 : tidak ada hubungan antara prestasi pekerja dan IQ nya
H1 : ada hubungan antara prestasi pekerja dan IQ nya
∑
rs = 1 - ( )
( )
=1–( )
( )
=1-
= - 0,35
n=9
Wp = W1-α/2 = W1-0,05/2 = W0,975 = 0,6833
Kriteria: |rs| ≤ W1- α/2 H0 tidak dapat ditolak

|rs| > W1- α/2 H0 ditolak
Ternyata : 0,35 < 0,6833 H0 tidak dapat ditolak
Menggunakan SPSS
Nonparametric Correlations
[DataSet1]
Correlations
prestasi IQ
Spearman's rho prestasi Correlation Coefficient 1.000 -.350
Sig. (2-tailed) . .356
N 9 9
IQ Correlation Coefficient -.350 1.000
Sig. (2-tailed) .356 .
N 9 9
Kriteria: Sig α ≥ α H0 tidak dapat ditolak
Ternyata: 0,356 > 0,05 H0 tidak dapat ditolak
Kesimpulan: pada tingkat signifikansi 5% tidak ada hubungan antara prestasi pekerja dan IQ nya
COX STUART
Cox dan Stuart telah memberikan sumbangan ilmu yaitu suatu uji yang mudah utuk
mengetahui kecenderungan/trend. Uji ini dinamakan Cox and Stuart Test for Trend. Uji ini
sebenarnya merupakan modifikasi dari uji tanda. Ada dua jenis kecenderungan, yaitu
kecenderungan naik (upward trend) dan kecenderungan turun (downward trend). Kecenderungan
naik (upward trend) adalah apabila hasil pengamatan saat ini lebih besar dari hasil pengamatan
yang lalu. Kecenderungan turun (downward trend) adalah apabila hasil pengamatan saat ini lebih
kecil dari hasil pengamatan yang lalu.
Asumsi-asumsi:
1. Variabel acak X1, X2, ..., Xn’ independen

2. Skala pengukuran setidak-tidaknya ordinal
Prosedur uji Cox Stuart:
1. Membuat hipotesis
a. Two-tailed test
H0 : tidak ada kecenderungan/tren dalam data
H1 : ada kecenderungan/tren entah kenaikan atau penurunan
b. One-tailed test
H1 : ada kecenderungan/tren menurun
c. One-tailed test
H1 : ada kecenderungan/tren meningkat
2. Membuat pasangan dari grup variabel acak yaitu (X1, X1+c), (X2, X2+c), ..., (Xn’-c,Xn’) di mana
c = n’/2 jika n genap, dan c = (n’+1)/2 jika n adalah ganjil. Untuk n bilangan ganjil maka data
yang terdapat di tengah suatu periode harus dihapuskan.
3. Apabila hasil pengamatan saat ini lebih besar dari hasil pengamatan lalu maka berilah tanda
(+), sedangkan apabila hasil pengamatan saat ini lebih kecil dari hasil pengamatan lalu maka
berilah tanda (-)
4. Menghitung banyaknya tanda (+) dan tanda (-)
5. Mencari nilai t tabel dari tabel distribusi binomial
6. Menarik kesimpulan dengan kriteria:
t < T < n-t H0 tidak dapat ditolak
T ≥ n-t H0 ditolak
T≤t H0 ditolak
Contoh soal:
For each of the last 20 years a small Midwestern college recorded the average scores of male
freshmen. The averages were 68.3, 68.6, 68.4, 68.1, 68.4, 68.2, 68.7, 68.9, 69.0, 68.8, 68.8, 69.2,
68.2, 68.7, 69.5, 68.7, 68.6, 69.4, 69.3, 69.3. Do these averages indicate an increasing trend in
score? Use significance level 5%!
Jawab:
Year Score Year Score Sign

1 68.3 18 68.8 +
2 68.6 19 69.2 +
3 68.4 20 68.2 -
4 68.1 21 68.7 +
5 68.4 22 69.5 +
6 68.2 23 68.7 +
7 68.7 24 68.6 -
8 68.9 25 69.4 +
9 69.0 26 69.3 +
10 68.8 27 69.3 +
H0 : there is not an upward trend in score

H1 : there is an upward trend in score
n = 10 pairs
T (+) = 8 pairs
T (-) = 2 pairs
Significance level 0,05
t table p0,5 = 2
T=8
n-t = 10-2 = 8
Criteria: t < T < n-t H0 can not be rejected
T ≥ n-t H0 rejected
T≤t H0 rejected
It turns out: 8=8 H0 rejected
Conclusion: at the significance level, there is an upward trend in score for each of the last 34
years a small Midwestern college
MANN - WHITNEY
Asumsi : sampelnya adalah sampel acak dan kedua sampel saling bebas.Yang diuji pada uji
Mann Whitney ini adalah keberartian perbedaan pengaruh pada dua buah sampel bebas yang
diambil dari satu atau dua buah populasi.
Hipotesis yang akan diuji adalah :
H0 : Tidak ada perbedaan peringkat untuk kedua cara
H1 : Peringkat yang lebih tinggi akibat dari salah satu cara.
Misalkan X1, X2,…,Xn sampel acak untuk populasi pertama dan Y1,Y2,…,Ym sampel acak
untuk populasi kedua. Misalkan R(Xi) adalah peringkat untuk Xi dan R(Yi) adalah peringkat
untuk Yi.
Sehingga hipotesis yang akan diuji adalah:
H0: E(X) = E(Y)
H1: E(X) ≠ E(Y)
CONOVER
Prosedur pengujian:
 Menyatakan hipotesis dan α

 Menyusun peringkat data tanpa memperhatikan kategori sample (gabungan)
 Menjumlahkan peringkat di setiap kategori sample yang telah digabungkan dan hitung T
statistic.
Jika tidak ada peringkat yang sama atau hanya sedikit yang sama peringkatnya maka statistic
ujinya:
∑ ( )
Jika Banyak peringkat yang seri maka statistic ujinya:
( )
√ ∑
( ) ( )
 Lihat table, tentukan nilai table ( Wα)

 Lakukan pengujian kriteria
2 tailed-test, T < Wα /2 atau T > W1-α/2 , H0 ditolak
1 tailed-test, (pihak kiri), T < Wα, H0 ditolak
1 tailed-test, (pihak kanan), T > Wα, H0 ditolak
Keterangan: W1-α/2 = n(N+1)- Wα /2
 Untuk n > 20, pakai rumus :
Cara Komputer
• Masuk ke SPSS
• Masuk ke variable view, measure Ordinal
• Masukkan data ke dalam data view (gabungkan sample 1 & sample 2 dalam 1 kolom)
• Kolom 1 = gaji manajer, kolom 2 = grup ( isikan 0 untuk grup manajer Jakarta & 1 untuk
manajer bandung)
• Masuk ke Analyze , klik Nonparametric Test
• Klik 2 Independent sample, masukkan Gaji manajer di Test Variable List dan Skor di
grouping Variable
• Klik Define Group, masukkan grup 1 = 0, grup 2 = 1, continue
• Checklist Mann whitney, Ok
Kriteria computer:
• Exact Sig (1-tailed) ≥ α, H0 tidak dapat ditolak
Exact Sig (1-tailed) < α, H0 ditolak
• Asymp Sig (2-tailed) ≥ α, H0 tidak dapat ditolak
Asymp Sig (2-tailed) < α, H0 ditolak
TAU - KENDALL
Merupakan metode pengujian untuk melihat korelasi atau hubungan antara dua sample yang
berukuran (setidaknya) ordinal.
Prosedur Pengujian :
• Tentukan hipotesis
• Susunlah salah satu sample berdasarkan rangking, dan sample pasangannya pun
mengikuti susunan
• Hitung nilai ΣS = (concordant pairs-disconcordant pairs)
• Hitung nilai Tau- kendall ,
• Cari tabel, dengan melihat nilai n dan α

• Kriteria
> tabel, H0 ditolak
< - tabel, H0 ditolak
tabel≤ ≤ tabel, H0 tidak dapat ditolak

• Buat kesimpulan
Cara Komputer:
• Buka SPSS
• Variable view – measure Ordinal
• Masukkan data di Data view
• Klik Analyze – Correlate – bivariate
• Masukkan data ke Variables
- Klik Kendall – two tailed- OK
Criteria computer:
• Sig ≥ α, H0 tidak dapat ditolak

Sig < α, H0 ditolak
SOAL NONPARAMETRIK II
1. Ten MBA graduates are studied to measure the strength of the relationship between their
score on the GMAT, which they took prior to entering graduate school, and their grade point
average while they were in MBA program. Their GMAT scores and their GPAs are given
below.
Student GMAT (X) GPA (Yi)
1 610 4,0
2 580 3,8
3 545 3,2
4 560 3,7
5 700 3,2
6 560 3,1
7 580 3,6
8 540 3,8
9 600 3,3
10 520 3,4
a. Calculate Spearman rank coefficient of correlation!

b. Is there a correlation between the score on the GMAT and the GPA while they were in
MBA program? Use significance level 5%!
2. Andilo Sitogol, a bowling coach, has been observed that in the years back these bowler who
succeed are those who have a large weight. This makes Andilo wondering whether weight
affects the winning bowler. Weight and winning data have been collected for 21 bowlers.
What conclusions can be drawn at a significancel level of 0.05?
Bowler Weight (Xi) Winning(Yi)
A 50 13
B 58 5
C 68 31
D 61 6
E 48 18
F 65 22
G 55 15
H 75 11
I 59 29
J 47 21
K 64 10
L 67 24
M 70 28
N 51 30
O 71 20
P 60 14
Q 63 26
R 74 8
S 73 25
T 69 27
U 53 19
3. Menurut sejumlah laporan baru-baru ini, penduduk di daerah pegunungan Korea menyatakan
bahwa masyarakat di daerah itu hidup lebih 100 tahun. Menteri Penerangan Korea
mengungkapkan bahwa usia yang sedemikian panjang berkaitan dengan konsumsi mentimun.
Profesor Siwon meragukan pernyataan tersebut. Pemerintah Korea telah mengizinkan
Profesor Siwon untuk memilih dan mewawancarai secara acak 15 penduduk daerah
pegunungan tersebut. Analisis apakah pernyataan Menteri Penerangan Korea tersebut benar!
Gunakan taraf nyata 5%!
Nama Penduduk Usia yang Dilaporkan Konsumsi Mentimun
Sooyoung 102 156
Insung 136 175
Jieun 98 134
Minho 110 143
Junghyun 106 129
Yooseob 156 164
Taeyeon 92 124
Eunhye 89 110
Eunjae 143 160
Ahjeong 124 109
Jihwan 94 95
Jangwoo 105 120
Yoona 117 133
Yongjae 108 119
Leeyong 97 101
4. Seorang manajer keuangan menghitung total biaya untuk memproduksi barangnya dari 18
tahun yang lalu. Berikut disajikan data-data terkait:
Tahun Rata-rata Biaya (Rp) Tahun Rata-rata Biaya (Rp)
1 13.600 10 13.320
2 13.410 11 13.450
3 13.530 12 13.270
4 13.230 13 13.260
5 13.580 14 13.280
6 13.430 15 13.290
7 13.730 16 13.100
8 13.400 17 13.090
9 13.700 18 13.360
Apakah terjadi tren yang meningkat mengenai total biaya pada perusahaan tersebut?
Gunakan taraf nyata 5%!
5. The Federal Crop Insurance Corporation's Annual Report to Congress for 1967 contains the
information on cotton crop insurance shown in the table below. Do these data indicate a
downward trend in the number of cotton crops insured? Use significance level 0,01!
Year Crops Insured

1948 19.479
1949 26.667
1950 63.969
1951 57.715
1952 38.086
1953 38.434
1954 24.196
1955 19.319
1956 29.975
1957 25.451
1958 20.410
1959 19.910
1960 15.628
1961 25.375
1962 21.312
1963 26.526
1964 24.865
1965 21.152
1966 23.458
6. Jika Anda seorang konsultan statistik dan Anda diminta oleh klien Anda untuk menguji
apakah ada kenaikan tren dari penjualan perusahaan yang terjadi dari tahun 2000-2009.
Penjualan tahun 2000 sebanyak 125.000 baju, untuk tahun 2001-2003 mengalami kenaikan
sebesar 7% setiap tahunnya, untuk tahun 2004-2007 mengalami penurunan sebesar 9% setiap
tahunnya, dan untuk tahun 2008-2009 mengalami kenaikan sebesar 25.000 baju tiap
tahunnya. Apakah terjadi kenaikan tren dari penjualan perusahaan tersebut? Gunakan taraf
nyata 1%!
7. Seorang penyuluh pekerjaan berkeyakinan bahwa lulusan akademi/perguruan tinggi
cenderung lebih merasa puas pada pekerjaanya daripada mereka yang bukan lulusan
perguruan tinggi. Pengujian kepuasaan kerja dilakukan kepada para pekerja untuk setiap
kategori. (Angka yang tinggi menunjukan kepuasan kerja yang tinggi). Hasil-hasil yang
diperoleh adalah sebagai berikut:
Bukan
Lulusan
Pekerja Pekerja
perguruan Lulusan Perguruan
Tinggi Tinggi
a 102 aa 78
b 87 bb 83
c 93 cc 101
d 98 dd 85
e 95 ee 84
f 101 ff 77
g 92 gg 92
h 85 hh 86
i 88
j 95
k 97
l 96
Sumber: Fiktif
Dengan tingkat signifikansi 5%, tentukanlah apakah ada perbedaan kepuasan kerja antara
lulusan akademi/perguruan tinggi dengan mereka yang bukan lulusan perguruan tinggi
8. Seorang penjual sepatu di toko sepatu “Annisa W” ingin melihat apakah ada hubungan antara
penjualan sepatu merk ‘bata’ dan sepatu merk ‘new era’ pada tahun 2010. Berikut adalah
data penjualan:
sepatu new
Bulan sepatu bata
era
1 12 10
2 15 13
3 18 14
4 11 9
5 13 11
6 16 12
7 17 15
8 20 17
9 21 18
10 14 8
11 10 7
12 8 16
Sumber: fiktif
Dengan tingkat signifikansi 1%, apakah ada hubungan antara penjuaan sepatu bata dan
sepatu new era pada toko sepatu “Annisa W”?
9. a psychologist to make the hypothesis that students from high schools in urban possessed a
National Examination score greater than at the high school students in the rural. The
following results obtained from the following tests.
UAN score in UAN score in

Urban Rural
43 47
56 68
31 39
30 42
41 33
38 54
53 40
32 24
45 30
33
41
Sumber: fiktif
With a 5% significance level, determine whether there is a difference between National

Examination scores in urban and rural?
10. A company's managers wanted to see if there is a relationship between the output generated
by both his yarn-producing machines. Here is the output of both machines:
Machine Machine
A B
30 25
25 30
43 40
50 27
54 60
44 55
60 52
40 35
48 45
42 65
52 50
Sumber: fiktif
With a 5% significance level, determine whether there is a correlation between the output
generated by the machine A to machine B?
11. Kepala biro suatu universitas ingin mengetahui apakah sarjana mereka yang berkonsentrasi
di bidang manajemen pemasaran memiliki gaji yang berbeda dengan sarjana yang
berkonsentrasi di bidang keuangan setelah mereka bekerja selama 10 tahun. Berikut adalah
datanya:
Gaji
Gaji Konsentrasi
Konsentrasi
Pemasaran (Rp)
Keuangan (Rp)
3500000 3400000
2700000 2400000
4000000 3700000
2800000 2500000
2500000 3000000
3000000 2000000
2250000 2300000
5000000
Sumber : fiktif
Dengan tingkat signifikansi 10%, tentukanlah apakah ada perbedaan antara gaji sarjana
dengan peminatan pemasaran dengan gaji peminatan menejemen?
12. Seorang pedagang buah mengatakan bahwa terdapat hubungan yang negative antara tingkat
penjualan buah jeruk dan buah apel pada tokonya dalam 1 tahun. Untuk mengetahuinya Di
bawah ini adalah data penjualan buah apel dan jeruk pada tahun 2011:
Penjualan Penjualan
Bulan Jeruk Apel
(buah) (buah)
Januari 50 40
Februari 60 31
Maret 75 36
April 55 44
Mei 45 25
Juni 65 30
Juli 70 50
Agustus 55 70
September 40 54
Oktober 35 45
November 60 20
Desember 65 35
Sumber: fiktif
Dengan tingkat signifikansi 5 %, tentukanlah apakah terdapat hubungan antara tinkat

penjualan buah jeruk dan buah apel pada tahun 2011?
JAWABAN SOAL NONPARAMETRIK II
1.
GMAT (Xi) GPA (Yi) R(Xi) R(Yi) R(Xi) R(Yi) R(Xi)2 R(Yi)2
610 4,0 9 10 90 81 100
580 3,8 6,5 8,5 55,25 42,25 72,25
545 3,2 3 2,5 7,5 9 6,25
560 3,7 4,5 7 31,5 20,25 49
700 3,2 10 2,5 25 100 6,25
560 3,1 4,5 1 4,5 20,25 1
580 3,6 6,5 6 39 42,25 36
540 3,8 2 8,5 17 4 72,25
600 3,3 8 4 32 64 16
520 3,4 1 5 5 1 25
Total 306,75 384 384
H0 : there is no correlation between the score on the GMAT and the GPA
H1 : there is a correlation between the score on the GMAT and the GPA
∑ ( ) ( ) ( )
rs =
(∑ ( ) ( ) ) (∑ ( ) ( ) )
( )
=
( ( ) ) ( ( ) )
= 0,0521
n = 10
Wp = W1-α/2 = W1-0,05/2 = W0,975 = 0,6364
Criteria: |rs| ≤ W1- α/2 H0 can not be rejected

|rs|> W1- α/2 H0 rejected
It turns out: 0,0521 < 0,6364 H0 can not be rejected
Using SPSS
[DataSet1]
Correlations
GMAT GPA
Spearman's rho GMAT Correlation Coefficient 1.000 .052

N 10 10
GPA Correlation Coefficient .052 1.000
N 10 10
Criteria: Sig α ≥ α H0 can not be rejected
Sig α < α H0 rejected
It turns out: 0,886 > 0,05 H0 can not be rejected
Conclusion: At significance level 5%, there is no correlation between the score on the GMAT
and the GPA while they were in MBA program.
2.
Bowler Weight (Xi) Winning(Yi) R(Xi) R(Yi) di di2
A 50 13 3 6 -3 9
B 58 5 7 1 6 36
C 68 31 15 21 -6 36
D 61 6 10 2 8 64
E 48 18 2 9 -7 49
F 65 22 13 13 0 0
G 55 15 6 8 -2 4
H 75 11 21 5 16 256
I 59 29 8 19 -11 121
J 47 21 1 12 -11 121
K 64 10 12 4 8 64
L 67 24 14 14 0 0
M 70 28 17 18 -1 1
N 51 30 4 20 -16 256
O 71 20 18 11 7 49
P 60 14 9 7 2 4
Q 63 26 11 16 -5 25
R 74 8 20 3 17 289
S 73 25 19 15 4 16
T 69 27 16 17 -1 1
U 53 19 5 10 -5 25
Total 1426
H0 : there is no correlation between the weight and the winning
H1 : there is a correlation between the weight and the winning
∑
rs = 1 - ( )
( )
=1–( )
( )
=1-
= 0,0740
n = 21
Wp = W1-α/2 = W1-0,05/2 = W0,975 = 0,4351
Criteria: |rs| ≤ W1- α/2 H0 can not be rejected

|rs|> W1- α/2 H0 rejected
It turns out : 0,0740 < 0,4351 H0 can not be rejected
Using SPSS
[DataSet2]
Correlations
Weight winning
Spearman's rho weight Correlation Coefficient 1.000 .074
N 21 21
winning Correlation Coefficient .074 1.000
N 21 21
Criteria: Sig α ≥ α H0 can not be rejected
Sig α < α H0 rejected
It turns out: 0,750 > 0,05 H0 can not be rejected
Conclusion: At the significance level 5%, there is no correlation between the weight and the
winning of bowler
3.
Nama Usia (Xi) Konsumsi R(Xi) R(Yi) di di2
Penduduk Mentimun (Yi)
Sooyoung 102 156 6 12 -6 36
Insung 136 175 13 15 -2 4
Jieun 98 134 5 10 -5 25
Minho 110 143 10 11 -1 1
Junghyun 106 129 8 8 0 0
Yooseob 156 164 15 14 1 1
Taeyeon 92 124 2 7 -5 25
Eunhye 89 110 1 4 -3 9
Eunjae 143 160 14 13 1 1
Ahjeong 124 109 12 3 9 81
Jihwan 94 95 3 1 2 4
Jangwoo 105 120 7 6 1 1
Yoona 117 133 11 9 2 4
Yongjae 108 119 9 5 4 16
Leeyong 97 101 4 2 2 4
Total 212
H0 : tidak ada korelasi antara usia yang panjang berkaitan dengan konsumsi mentimun
H1 : ada korelasi antara usia yang panjang berkaitan dengan konsumsi mentimun
∑
rs = 1 - ( )
( )
=1–( )
( )
=1-
= 0,6214
n = 15
Wp = W1-α/2 = W1-0,05/2 = W0,975 = 0,5179
Kriteria: |rs| ≤ W1- α/2 H0 tidak dapat ditolak

|rs| > W1- α/2 H0 ditolak
Ternyata : 0,6214 > 0,5179 H0 ditolak
Menggunakan SPSS
[DataSet3]
Correlations
konsumsi_menti
usia mun
*
Spearman's rho Usia Correlation Coefficient 1.000 .621
N 15 15
*
konsumsi_mentimun Correlation Coefficient .621 1.000
N 15 15
*. Correlation is significant at the 0.05 level (2-tailed).
Kriteria: Sig α ≥ α H0 tidak dapat ditolak
Ternyata: 0,013 < 0,05 H0 ditolak
Kesimpulan: Pernyataan Menteri Penerangan Korea bahwa usia yang sedemikian panjang
berkaitan dengan konsumsi mentimun benar karena pada tingkat signifikansi 5% ada hubungan
antara usia dan konsumsi mentimun.
4.
Tahun Rata-rata Biaya (Rp) Tahun Rata-rata Biaya (Rp) Tanda
1 13.600 10 13.320 -
2 13.410 11 13.450 +
3 13.530 12 13.270 -
4 13.230 13 13.260 +
5 13.580 14 13.280 -
6 13.430 15 13.290 -
7 13.730 16 13.100 -
8 13.400 17 13.090 -
9 13.700 18 13.360 -
H0 : tidak ada kenaikan tren mengenai total biaya perusahaan tersebut

H1 : ada kenaikan tren mengenai total biaya perusahaan tersebut
n = 9 pasang
T (+) = 2 pasang
T (-) = 7 pasang
Taraf nyata 0,05
t tabel p0,5 = 1
T=2
n-t = 9-1 = 8
Kriteria: t < T < n-t H0 tidak dapat ditolak
T≤t H0 ditolak
Ternyata: 1<2<8 H0 tidak dapat ditolak
Kesimpulan: Pada tingkat signifikansi 5%, tidak ada kenaikan tren pada total biaya di perusahaan
tersebut
5.
Year Crops Insured Year Crops Insured Sign
1948 19.479 1958 20.410 +
1949 26.667 1959 19.910 -
1950 63.969 1960 15.628 -
1951 57.715 1961 25.375 -
1952 38.086 1962 21.312 -
1953 38.434 1963 26.526 -
1954 24.196 1964 24.865 +
1955 19.319 1965 21.152 +
1956 29.975 1966 23.458 -
H0 : there is not a downward trend in the number of cotton crops insured

H1 : there is a downward trend in the number of cotton crops insured
n = 9 pairs
T (+) = 3 pairs
T (-) = 6 pairs
Significance level 0,01
t table p0,5 = 0
T=3
n-t = 9-0 = 9
Criteria: t < T < n-t H0 can not be rejected
T ≥ n-t H0 rejected
T≤t H0 rejected
It turns out: 0<3<9 H0 can not be rejected
Conclusion: At significance level 0,01 these data does not indicate a downward trend in the
number of cotton crops insured
6.
Tahun Penjualan Tahun Penjualan Tanda

2000 125.000 2005 126.807 +
2001 133.750 2006 115.394 -
2002 143.112 2007 105.008 -
2003 153.130 2008 130.008 -
2004 139.348 2009 155.008 +
H0 : tidak ada kenaikan tren dari penjualan perusahaan

H1 : ada kenaikan tren dari penjualan perusahaan
n = 5 pasang
T (+) = 2 pasang
T (-) = 3 pasang
Taraf nyata 0,01
t tabel p0,5 = 0
T=2
n-t = 5-0 = 5
Kriteria: t < T < n-t H0 tidak dapat ditolak
T≤t H0 ditolak
Ternyata: 0<2<5 H0 tidak dapat ditolak
Kesimpulan: Saya sebagai konsultan statistik akan menyatakan bahwa pada tingkat signifikasi
1% tidak ada kenaikan tren dari penjualan perusahaan
7. MANN WHITNEY
H0 : Lulusan perguruan tinggi tidak lebih merasa puas pada pekerjaanya dari pada
mereka yang bukan lulusan perguruan tinggi
H1: Lulusan perguruan tinggi lebih merasa puas pada pekerjaanya dari pada mereka yang
bukan lulusan perguruan tinggi
Bukan Lulusan R Lulusan R
perguruan Tinggi (X) Perguruan Tinggi (Y)
102 19 78 2
87 8 83 3
93 12 103 20
98 16 85 5.5
95 13 84 4
101 18 77 1
92 10.5 92 10.5
85 5.5 86 7
88 9
100 17
97 15
96 14
∑ R(X) 157 ∑ R(Y) 53
S = ∑ R(X) = 157
( )
T = 157 -
T = 79
Lihat tabel:
n=8, m=12, α = 0,05
W1-α = (n x m) - W α
= 96- 27
= 69
Kriteria : 1 tailed-test (pihak kanan), T < W1-α, H0 di tolak
T ≥ W1-α, H0 tidak dapat ditolak
Ternyata,
79 > 69 H0 tidak dapat ditolak
Kesimpulanya, dengan tingkat signifikansi 5 % dapat dikatakan bahwa lulusan

perguruan tinggi tidak lebih merasa puas pada pekerjaanya dibandingkan dengan mereka
yang bukan lulusan perguruan tinggi.
8. TAU KENDALL
H0: Tidak terdapat hubungan/korelasi antara penjualan sepatu bata dan sepatu new era
H1: Terdapat hubungan/korelasi antara penjualan sepatu bata dan sepatu new era
sepatu new
sepatu bata Rangking era Rangking
8 1 16 10
10 2 7 1
11 3 9 3
12 4 10 4
13 5 11 5
14 6 8 2
15 7 13 7
16 8 12 6
17 9 15 9
18 10 14 8
20 11 17 11
21 12 18 12
S = (2-9) + (10-0) + (8-1) + (7-1) + (6-1) + (6-0) + (4-1)+ (4-0) + (2-1) + (2-0) + (1-0) +
(0-0)
S = -7 + 10 + 7 +6 + 5 + 6 + 3 + 4+ 1 +2 + 1 + 0
S = 38
( ) ( )
0.575757575
Hitung tabel
n = 12, α = 0.05
tabel = 0.394
Kriteria:
> tabel, H0 ditolak
- tabel≤ ≤ tabel, H0 tidak dapat ditolak

Ternyata:
0.575757575 > 0.394, H0 ditolak
Kesimpulannya, dengan tingkat signifikansi 5 % dapat di simpukan bahwa terdapat

korelasi antara penjualan sepatu bata dan sepatu new era.
9. MANN WHITNEY
H0: there is not a difference between National Examination scores in urban and rural
H1: there is a difference between National Examination scores in urban and rural
Nilai UAN Nilai UAN

SMA di R (X) SMA di R (Y)
Kota desa
43 14 47 16
56 19 59 20
31 4 39 9
26 2 42 13
41 11.5 33 6.5
38 8 54 18
53 17 40 10
32 5 24 1
45 15 30 3
33 6.5
41 11.5
∑ R(X) 113.5 ∑ R(Y) 96.5
S = ∑ R(X) = 113.5
( )
T = 113.5 -
T = 47.5
Lihat tabel:
n = 9, m = 11, α = 0,05
Wα /2 = 24
W1-α/2 = (n x m) - Wα /2
= (99)-24
= 75
Kriteria : 2 tailed-test, T < Wα /2 atau T > W1-α/2 , H0 ditolak
Ternyata: 24< 47.5<75, Ho tidak dapat ditolak
Conclusion: so, with the significant level 5%, there is not a difference between National
Examination scores in urban and rural
Penyelesaian Komputer
• Masuk ke SPSS
• Masuk ke variable view, measure Ordinal
• Masukkan data ke dalam data view (gabungkan sample 1 & sample 2 dalam 1
kolom)
• Kolom 1 = nilai, kolom 2 = grup ( isikan 0 untuk nilai UAN di kota & 1 untuk
nilai UAN di desa)
• Masuk ke Analyze , klik Nonparametric Test
• Klik 2 Independent sample, masukkan nilai di Test Variable List dan Skor di
grouping Variable
• Klik Define Group, masukkan grup 1 = 0, grup 2 = 1, continue
• Checklist Mann whitney, Ok
10. TAU KENDALL

H0: there is not a correlation between the output generated by the machine A to
machine B
HA: there is a correlation between the output generated by the machine A to machine
B
Mesin A Rangking Mesin B Rangking
25 1 30 3
30 2 25 1
40 3 35 4
42 4 65 11
43 5 40 5
44 6 55 9
48 7 45 6
50 8 27 2
52 9 50 7
54 10 60 10
60 11 52 8
S = (8-2) + (9-0) + (7-1) + (0-7) + (5-1) + (1-4) + (3-1) + (3-0) + (2-0)+ (0-1) + (0-0)
S = 6+ 9 + 6 -7 + 4 -3 + 2 + 3 + 2 - 1+ 0
S = 21
( )
( )
( )
0.381818181
Hitung tabel
n = 11, α = 0.05
tabel = 0.418
Kriteria:
> tabel, H0 ditolak
- tabel tabel, H0 tidak dapat ditolak
Ternyata:
0.381818181< 0.418, H0 tidak dapat ditolak
Conclusion: so, with the significant level 5% there is not a correlation between the
output generated by the machine A to machine B
11. MANN WHITNEY
H0: sarjana yang berkonsentrasi di bidang manajemen pemasaran memiliki gaji yang
tidak berbeda dengan sarjana yang berkonsentrasi di bidang keuangan
H1: sarjana yang berkonsentrasi di bidang manajemen pemasaran memiliki gaji yang
berbeda dengan sarjana yang berkonsentrasi di bidang keuangan
Gaji
Gaji Konsentrasi Konsentrasi
R (X) R (Y)
Pemasaran (Rp) Keuangan
(Rp)
3500000 12 3400000 11
2700000 7 2500000 6
4000000 14 3700000 13
2800000 8 2350000 4
2400000 5 3000000 9.5
3000000 9.5 2000000 1
2250000 2 2300000 3
5000000 15
∑ R(X) 72.5 ∑ R(Y) 47.5
S = ∑ R(X) = 72.5
( )
T = 72.5 -
T = 36.5
Lihat tabel:
n = 7, m = 8, α = 0,1
W1-α/2 = (n x m) - W α/2
= (7 x 8) – 14
= 42
Kriteria:
2 tailed-test , T < Wα/2 atau T > W1-α/2, H0 di tolak
Ternyata:
14 < 36.5 < 42, H0 tidak dapat ditolak
Kesimpulan, jadi dengan tingkat signifikansi 10% dapat dikatakan bahwa sarjana yang
berkonsentrasi di bidang manajemen pemasaran memiliki gaji yang tidak berbeda
dengan sarjana yang berkonsentrasi di bidang keuangan.
12. TAU KENDALL

H0: tidak terdapat hubungan yang negative antara penjualan apel dan penjualan jeruk
H1: terdapat hubungan yang negative antara penjualan apel dan penjualan jeruk
Penjualan Rangking Penjualan Rangking

Jeruk (buah) Apel (buah)
35 1 45 8
40 2 54 11
45 3 25 2
50 4 40 7
55 5 44 9
55 6 70 12
60 7 31 4
60 8 20 1
65 9 30 3
65 10 35 5
70 11 50 10
75 12 36 6
S = (4-7) + (1-9) + (8-1) + (3-5) + (2-5) + (0-6) + (3-2) + (4-0) + (3-0) + (2-0) + (0-1)+
(0-0)
S = (-3) - 8 + 7 -2 -3-6 + 1 + 4 +3+2+(-1)
S = -6
( )
( ) ( )
-0.009090909
Hitung tabel
n = 12, α = 0.05
tabel = 0.394
Kriteria:
> tabel, H0 ditolak
- tabel tabel, H0 tidak dapat ditolak
Ternyata:
-0.394< -0.009090909 < 0.394 , H0 tidak dapat ditolak
Kesimpulannya, dengan tingkat signifikansi 5 % dapat di simpukan bahwa tidak terdapat

korelasi negative antara penjualan jeruk dan penjualan apel.
Cara Komputer:
o Buka SPSS
o Variable view – measure Ordinal
o Masukkan data di Data view
o Klik Analyze – Correlate – bivariate
o Masukkan data ke Variables
o Klik Kendall – two tailed- OK
DISTRIBUSI CHI-SQUARE
Statistika chi square merupakan suatu ukuran yang menyangkut perbedaan yang terdapat di
antara frekuensi pengamatan dengan frekuensi teoritis/frekuensi harapan (Schaum’s). Maksud
dari pengujian chi square adalah untuk membandingkan fakta yang diperoleh berdasarkan hasil
observasi dan fakta yang didasarkan secara teoritis (Drs. Andi Supangat, M.Si.) Dalam statistik,
distribusi chi-square (dilambangkan dengan χ2 BUKAN X2) termasuk dalam statistik
nonparametrik. Distribusi nonparametrik adalah distribusi dimana besaran-besaran populasi tidak
diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak
memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk
penggunaan statistik parametrik tidak terpenuhi. Berikut ini beberapa hal yang berhubungan
dengan chi square:
a. Adanya derajat kebebasan/ degree of freedom (df). Besarnya df menunjukan banyak
observasi yang bebas untuk bervariasi sesudah batasan-batasan tertentu dikenakan pada
data. (Sidney Siegel)
b. Chi-square tidak pernah bernilai negatif. Hal ini dikarenakan selisih antara frekuensi data
observasi ( f o ) dengan frekuensi data yang diharapkan  f e  dikuadratkan, yaitu
 f o  f e 2
c. Jika χ2= 0 maka frekuensi-frekuensi teoritis sama dengan frekuensi pengamatan. Jika
χ2>0 maka frekuensi-frekuensi teoritis tidak tepat sama dengan frekuensi pengamatan.
Semakin besar nilai χ2 semakin besar pula perbedaan antara frekuensi yang diobservasi
dan frekuensi teoritis.
d. Distribusi chi-square adalah menceng kanan. Jika n nya sangat besar maka distribusi χ2
ini mendekati distribusi normal.
1. Penaksiran Standar Deviasi

Dalam pembahasan sebelumnya telah di sampaikan bahwa pada umumnya ada dua cara
menaksir, yakni titik taksiran dan interval taksiran. Titik taksiran untuk σ2 digunakan varians dari
sampel yang dipakai sebagai bahan untuk menaksir. Guna mendapatkan interval taksiran
parameter σ maka:
s 2 ( n  1) s 2 ( n  1)
rumus :   ; df = n-1
 2 / 2  12 / 2
dimana: s = standar deviasi

n = banyaknya data yang diobservasi
α = tingkat signifikansi
2 / 2 dan 12 / 2 didapat dari daftar distribusi chi-square dengan df = n-1 dan p masing-
masing sama dengan  dan 1-  .
2 2
Uji Hipotesis Standar Deviasi

Langkah-langkah pengujian standar deviasi:
1. Tentukan hipotesis awal dan alternatifnya
Uji dua pihak Uji pihak kanan Uji pihak kiri
Ho :   a Ho :   a Ho :   a
Ha :   a Ha :   a Ha :   a
2. Tentukan uji kriteria distribusi χ dengan df = n-1 dan tingkat signifikansi α

3. Lakukan uji statistik pada data yang diobservasi dengan menggunakan rumus:
s n 1
 ; df = n-1

4. Bandingkan nilai χ dengan nilai distribusi χ yang telah didapat pada langkah sebelumnya
sesuai kriteia uji yang digunakan
Uji dua pihak Uji pihak kanan Uji pihak kiri
Ho tidak dapat
1 / 2      / 2       1
ditolak
   / 2    1
Ho ditolak   
  1 / 2
5. Buat kesimpulan
2. Uji Chi-Square Dari Data Multinomial

Uji ini dilakukan untuk meneliti peristiwa yang terdiri lebih dari dua golongan.
Eksperimen yang dilakukan sebanyak n kali dan hasilnya dicatat, dikumpulkan menrut golongan
atau kategorinya masing-masing lalu diperoleh sebuah data, data yang diperoleh demikian
dinamakan data multinomial.(Sudjana)
Langkah-langkah:
1. Tentukan hipotesis awal dan hipotesis alternatifnya
Ho :  1   2   3  ...   c
Ha : terdapat paling sedikit satu tanda ≠
2. Tentukan nilai   pada distribusi chi-square dengan df = c-1 dan tingkat signifikansi α
2
dimana c adalah banyaknya kolom dari data.

3. Lakukan uji statistik dengan menggunakan rumus
(oi  e j ) 2
 
2
ej
Dimana:
oi = data hasil observasi
ej = data yang diharapkan atau diestimasikan
4. lakukan uji kriteria dengan membandingkan nilai  dan   , yaitu:

2 2
 2   2 → Ho tidak dapat ditolak
 2   2 → Ho ditolak
5. Buat kesimpulan
3. Uji Chi-Square dari Tabel Kontingensi

Tabel kontingensi merupakan tabel klasifikasi dua arah yang terdiri dari banyak kolom
dan banyak baris yang merupakan pengambangan konsep dari uji chi-square data multinomial
yang menggunakan tabel klasifikasi satu arah atau hanya sebuah variabel saja.
Langkah-langkah:
1. Tentukan hipotesis awal dan alternatifnya
Ho :  11   12   13  ...   1c
 21   22   23  ...   2c
 31   32   33  ...   3c
2. Tentukan nilai  dari distribusi chi-square dengan tingkat signifikansi α dan df = (r-1).(c-1)
2
dimana r adalah banyaknya baris dari data dan c adalah banyaknya kolom dari data.
3. Lakukan uji statistik dengan menggunakan rumus:
o  eij 
2
  
2 ij
eij
Dimana:
oij= data hasil observasi dari baris ke-i kolom ke-j
eij= data hasil estimasi dari baris ke-i kolom ke-j
4. Tentukan uji kriterianya
 2   2 → Ho ditolak
5. Buat kesimpulan
Koefisien Kontingensi (C)

Koefisien kontingensi yaitu bilangan yang digunakan untuk menentukan derajat
hubungan antara dua faktor yang telah disusun dalam daftar kontingensi.
2 m 1
Rumus: C  dengan nilai maksimum Cmax 
2  n m
Dimana:
n = banyaknya data
m = banyaknya baris atau kolom minimal
keterangan:
Cmax-C < C, hubungan erat
Cmax-C = C, hubungan cukup erat
Cmax-C > C, hubungan kurang erat
Contoh Soal:
Seorang peneliti ingin membantu penjual baju untuk mengetahui apakah ada pengaruh
ukuran baju terhadap banyaknya baju yang terjual. Berikut adalah hasil pengamatan baju
berbagai ukuran selama satu periode tertentu:
Ukuran Baju S M L XL Total
Baju yang 90 55 25 30 200

terjual (unit)
Pada tingkat signifikansi 1% dapatkah disimpulkan bahwa ukuran baju tersebut tersebut
berpengaruh terhadap banyaknya baju yang terjual?
Jawab:
Ho:  1   2   3   4
Ha: terdapat paling sedikit satu ≠
df = c-1= 4-1 = 3
α = 1%
2 = 11, 3449
Uji statistik:
ej 
 o  200  50
e 4
2  
o  e 2 
90  50 2  55  50 2  25  50 2  30  50 2  53
e 50 50 50 50
Uji kriteria:

 2   2 → Ho ditolak
Ternyata 53<11,3449 atau     → Ho ditolak

2 2
Pada tingkat signifikansi 1% hasil pengamatan diatas menunjukkan bahwa ukuran baju
mempengaruhi banyaknya baju yang terjual karena perbedaannya signifikan.
SOAL CHI-SQUARE
1. Dalam 200 kali pelemparan sekeping uang logam, teramati kemunculan tanda gambar
sebanyak 115 kali dan kemunculan tanda angka sebanyak 85 kali. Ujilah hipotesis bahwa uang
logam yang digunakan dalam percobaan pelemparan tersebut tidak seimbang. Gunakan tingkat
signifikansi 5%!
2. Seorang peneliti handal disewa oleh pemerintah di Negara AMAN SELALU untuk meneliti
sebuah sampel yang terdiri atas 30 jenis merk baju pada negaranya tersebut. Peneliti diharuskan
untuk menentukan berapa besar variasi yang mungkin ada pada harga 30 jenis merk baju
tersebut. Dari hasil perhitungan didapatkan harga rata-rata harga baju Rp150.000, dengan
standard deviasi Rp 10.000. Tentukanlah batas-batas variasi harga dengan tingkat signifikansi
5%!
3. Young researcher gets a standard deviation of the weight of whale populations in the
Sulawesi region is 240 kg. However, lately suspected disease outbreak on whales in the area. To
determine whether more checks need to be done about the disease, the researher observes 8
whales which turned out to show the standard deviation of 300 kg. With the 1% significance
level, test whether the change of standard deviation is significant!
4. Saat ini keripik MAACIH sedang digemari oleh masyarakat di daerah antah berantah. Keripik
ini terkenal pedas dengan tingkatan level yang berbeda-beda. Salah satu penjual keripik
MAACIH menyatakan bahwa jumlah keripik yang terjual tidak tergantung pada level
kepedasannya. Namun, seorang pelanggan keripik itu tidak yakin dengan pernyataan tersebut.
Oleh karena itu dilakukan suatu penelitian terhadap jumlah keripik yang terjual selama seminggu
seperti tampak pada tabel berikut:
Level Level 1 Level 2 Level 3 Level 4 Level 5
Jumlah 120 100 140 110 105
Ujilah pernyataan salah satu penjual keripik MAACIH, apakah sesuai atau tidak dengan
menggunakan taraf signifikansi 5%!
5. An owner of invitation letter business wants to compare between his order and the order of
each regional population distribution. Central Bureau of Statistics stated that the distribution of
orders in each region, 21% of the population located in Jakarta, 24% in Bandung, Surabaya 35%,
and 20% in Semarang. Here is a sample of 400 randomly selected order of sending a letter last
month.
Regional Order
Jakarta 68
Bandung 104
Surabaya 155
Semarang 73
Total 400
At 1% significance level, is the distribution of the order accordance with the population?
6. Seorang General manager perusahaan periklanan Lovely, sebuah perusahaan percetakan koran
terbesar di Bandung, sedang mempelajari hubungan antara jenis komunitas dimana orang tinggal
dan porsi dari koran yang sering dibaca pertama kali. Berikut adalah informasi dari sampel yang
telah dimbil dari beberapa pembaca:
Politik Kesehatan Entertainment
Kota 170 124 90
Pinggiran 120 112 100
kota
Desa 130 90 88
Pada tingkat signifikansi 5%, dapatkah kita menyimpulkan bahwa terdapat hubungan antara jenis
komunitas dimana orang tinggal dengan porsi atau bagian koran yang dibaca pertama kali?
7. Perusahaan ingin mengevaluasi efisiensi jam kerja karyawan. Setiap karyawan dinilai dengan
suatu metode untuk menyatakan baik atau tidak mengenai prestasinya. Perusahaan ingin
mengetahui apakah prsetasi ini ada kaitannya dengan keterlambatan mereka yang datang ke
tempat kerja, dari hasil penelitian didapatkan data sebagai berikut: (Gunakan tingkat signifikansi
5%)
Tiba di Kantor Prestasi
Baik Buruk
Tapat waktu 25 300
Terlambat 50 400
8. Di wilayah timur Indonesia terdapat salah satu Universitas Swasta yang beridiri sejak tahun
1990. Rektor universitas tersebut menyewa seorang peneliti untuk mengetahui apakah adanya
pengaruh antara sekolah asal dengan jumlah yang pendaftar. Berikut hasil pengamatan yang
didapatkan:
Jumlah
Sekolah asal
Pendaftar
SMA 1 98
SMA 2 70
SMA 3 32
SMA 4 84
SMA 5 16
Pada tingkat signifikansi 1% dapatkah disimpulkan bahwa Sekolah asal berpengaruh terhadap
jumlah pendaftar yang mendaftar pada Universitas Swasta tersebut?
9. Sejalan dengan adanya keluhan dari beberapa pelanggan terhadap pelayanan yang diberikan
kepada mereka, khususnya dari sektor reliability dari perusahaan terhadap para pelangganny,
maka selanjutnya pihak manajemen mengadakan survei terhadap kinerja para pegawainya dilihat
dari sisi reliability. Tanggapan yang disampaikan oleh 124 orang pelanggan terhadap kinerja
yang dilakukan oleh pihak perusahaan adalah sebagai berikut:
Kinerja Kepuasan Pelanggan

Perusahaan Tinggi Rendah
Tinggi 4 2
Rendah 55 63
Ujilah dengan menggunakan tingkat kepercayaan sebesar 95%, apakah kinerja dari perusahaan
dapat memberikan kepuasan kepada para pelanggannya?
10. A cup cake shop owner is conducting observations to determine whether there is a
relationship between the importance of making banners with banner size itself, the following
data obtained by the cup cake shop owner is:
Important Not
Important
Small 30 42
Medium 96 37
Large 57 22
What conclusions can be drawn from observations of proficiency level? Use a significance level
of 5%. Determine the coefficient of contingency, and explain all means!
JAWABAN CHI-SQUARE
1. Diketahui: H0: Uang logam yang digunakan seimbang
Ha: Uang logam yang digunakan tidak seimbang
o1 : 115
o2: 85
e1: 100
e2:100
( ) ( ) ( ) ( )
χ2= + = + = 4,5
Uji kriteria dengan membandingkan nilai  dan   (   = 5.02, 1 / 2 = 0,03982 dari tabel),
2 2 2 2
yaitu:
1 / 2      / 2 → Ho tidak dapat ditolak
   / 2
→ Ho ditolak
  1 / 2
Maka, 0,03982<4,5<5.02  Ho tidak dapat ditolak

Jadi, dengan tingkat signifikansi 5%, uang logam yang digunakan untuk percobaan pelemparan
seimbang.
2. Diketahui: n= 30
s = Rp. 10.000,-
α=5%
df = n-1 = 30-1 = 29
2 / 2 = 45,7222
12 / 2 = 16,0471
s 2 ( n  1) s 2 ( n  1)
Rumus:  
 2 / 2  12 / 2
( ) ( ) ( ) ( )
√ <σ<√
= 7964,0678 < σ <13443,1399

Dengan tingkat signifikansi 5%, batas-batas variasi harga tersebut adalah antara Rp
7.964,0678 dan Rp 13.443,1399.
3. Diketahui : s = 300 kg
n=8
σ = 240 kg
Ho : σ = 240
Ha : σ ≠ 240
df = n-1= 8-1 = 7
α = 1%
1 / 2  0,989265  0,99462

 / 2  20,2777  4,50308
Uji statistik:
s n 1


300 8  1

240
  3,30719
Uji Kriteria:
1 / 2      / 2 → do not reject
   / 2
→ reject
  1 / 2
Ternyata 0,99462<3,30719<4,50308 atau 1 / 2     / 2 → Ho tidak dapat ditolak
So, with significant level 1%, the change of standard deviation of weight whale
populations in the Sulawesi region is not significant.
4.Diketahui: Ho:  1   2   3   4
Ha: terdapat paling sedikit satu tanda ≠
df= n-1=5-1=4
α = 5%
2 =9,48773
Uji statistik:
Level Level 1 Level 2 Level 3 Level 4 Level 5
Jumlah 120 100 140 110 105
∑
ej =
(oi  e j ) 2
2  
ej
ej = = 115
( ) ( ) ( ) ( ) ( )
χ2 = + + + + = 8,695652
Uji kriteria:
 2   2 → Ho ditolak
Ternyata 8,695652<9,48773 atau    → Ho tidak dapat ditolak

2 2
Jadi, dengan tingkat signifikansi 5%, berdasarkan perhitungan di atas maka pernyataan
bahwa jumlah keripik yang terjual tidak tergantung pada level kepedasannya sesuai atau
dapat dipertanggungjawabkan karena perbedaannya tidak signifikan.
5. Diketahui: Ho: 1  21%
 2  24%
 3  35%
 4  20%
df= n-1=4 -1=3
α = 1%  =11,3449
2
Uji Statistik:
Daerah Jumlah ei   i   o
pesanan
estimasi
Jakarta 68 84
Bandung 104 96
Surabaya 155 140
Semarang 73 80
Total 400 400
(oi  e j ) 2
2  
ej
 2

68  84 104  96 155  140 73  80
2

2

2

2
84 96 140 80
  5,9339
2
Uji Kriteria:
 2   2 → Ho do not reject
 2   2 → Ho reject
Fact 5,9339 < 11,3449 or    → Ho do not reject

2 2
So with significant level 5%, the distribution of the order accordance with the population
because the difference is not significant.
6. Diketahui: Ho :  11   12   13
 21   22   23
 31   32   33
df= (r-1)(c-1)=(3-1)(3-1)=4
α = 1%  =9,48773
2
Uji Statistik
Politik Kesehatan Entertainment total
Kota 170 124 90 384
Pinggiran 120 112 100 332
kota
Desa 130 90 88 308
Total 420 326 278 1024
Total 420 326 278 1024
eij 
o  oio oj
o
384  420
e11   157,54
1024
384  326
e12   122,25
1024
384  278
e13   104,25
1024
332  420
e21   136,172
1024
332  326
e22   105,695
1024
332  326
e23   90,133
1024
308  420
e31   126,328
1024
308  326
e32   98,055
1024
308  278
e33   83,617
1024
o  eij 
2
  
2 ij
eij
2 
170  157,52  124  122,252  90  104,252  120  136,1722  112  105,6952
157,5 122,25 104,25 136,172 105,695

100  90,1332  130  126,3282  90  98,0552  88  83,6172
90,133 126,328 98,055 83,617
  7,340
2
 2   2 → Ho ditolak
Ternyata 7,340 < 9,48773 atau    → Ho tidak dapat ditolak

2 2
Dengan tingkat signifikansi 5%, berdasarka perhitungan di atas bahwa tidak terdapat
hubungan antara jenis komunitas dimana orang tinggal dengan porsi atau bagian koran yang
dibaca pertama kali karena perbedaannya tidak signifikan.
7. Diketahui: Ho : 11  12

 21   22
Ha : There is at least one sign ≠

df = (r-1)(c-1)=(2-1)(2-1)= 1
α = 5% 2 =3,84146
2 =3,84146
Statistic test:
Baik Buruk Total
Tepat Waktu 25 300 325
Terlambat 50 400 450
Total 75 700 775
eij 
o  o
io oj
o
325  75
e11   31,4516
775
325  700
e12   293,5484
775
450  75
e21   43,5484
775
450  700
e22   406,4516
775
o  eij 
2
  
2 ij
eij
 2

25  31,4516 300  293,5484 50  43,5484 400  406,4516
2

2

2

2
31,4516 293,5484 43,5484 406,4516

 2  2,52339
    do not reject Ho
    reject Ho
2,52339 > 3,84146 or    do not reject Ho

Jadi, dengan menggunakan tingkat signifikansi 5% dapat disimpulkan bahwa tidak ada
kaitannya antara prestasi dengan keterlambatan mereka yang datang ke tempat kerja.
8. Diketahui: Ho:  1   2   3   4   5
df= n-1=5-1=4
α = 1%
2 =13,2767
Uji Statistik:
ej 
 o  300  60
e 5
(oi  e j ) 2
 
2
ej
2 
98  602  70  602  32  602  84  602  16  602
60 60 60 60 60
  80,6674
2
Uji Kriteria:
 2   2 → Ho ditolak
Ternyata 80,6674 > 13,2767 atau     → Ho ditolak

2 2
Dengan tingkat signifikansi 1%, berdasarkan perhitungan di atas, maka dapat disimpulkan bahwa
asal Sekolah memengaruhi jumlah pendaftar yang mendaftar pada Universitas Swasta tersebut.
9. Diketahui:
Kinerja Kepuasan Pelanggan
Perusahaan Tinggi Rendah TOTAL
Tinggi 4 2 6
Rendah 55 63 118
TOTAL 59 65 124
Ho : π11 = π12
π21 = π22
eij 
o  o
io oj
o
o  e  2
2  
ij ij
e ij
e 11= = 2,85
e 12= = 56,15
e 21= = 3,15
e 22= = 61,85
( ) ( ) ( ) ( )
χ2= + =0,93
Kriteria:
 2   2 → Ho ditolak
Tentukan χα2
df = (r-1).(c-1)= (2-1).(2-1)= 1
α= 0,05
χα2=3,84
Maka: χ2< χα2  H0 tidak dapat ditolak

Jadi, dengan tingkat signifikansi 5%, maka dapat disimpulkan bahwa kinerja perusahaan sudah
tidak dapat memberikan kepuasan lagi kepada para pelanggannya dilihat dari segi reliability.
10. Diketahui: Ho : 11  12
 21   22
 31   32
df = (r-1)(c-1)=(3-1)(2-1)=2
α = 5%
2 =5,99147
Uji statistik:
Penting Tidak penting Total
Kecil 30 42 72
Sedang 96 37 133
Besar 57 22 79
Total 183 101 284
eij 
o  o
io oj
o
e11= = 46,3944
e12= = 25,6056
e21= = 85,7007
e22= = 47,2993
e31= = 50,9049
e32= = 28,0951
o  eij 
2
  
2 ij
eij
( ) ( ) ( ) ( ) ( )
χ2= + + + + +
( )
= 21,82256
Uji Kriteria:
 2   2 → Ho do not reject
 2   2 → Ho reject
Ternyata 21,82256 > 5,99147atau    → Ho reject

2 2
So, with significant level 5%, there is a relationship between the importance of a banner by the
cup cake shop owner with the size of the banner itself is less closely.
2 m 1
C Cmax 
2  n m
C= √ = 0,267127
2 1
Cmax 
2
Cmax  0,7071068
keterangan:
Cmax-C < C, closely
Cmax-C = C, closely enough
Cmax-C > C, less closely
Ternyata 0,7071068-0,267127> 0,267127 atau 0,4399798 > 0,267127
This means that there is a relationship between the importance of a banner by the cup cake shop
owner with the size of the banner itself is less closely.

Modul Statistika 2 2011 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Statistika 2 2011 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

[Type the document title] [Year]

DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI

Populasi dan Sampel

Sampel acak dari sebuah Populasi:

DISTRIBUSI SAMPLING RATA-RATA

x ` : rata-rata pada distribusi sampling rata-rata

x : standar deviasi pada distribusi sampling rata-rata

Rumus Distribusi Sampling Rata-rata:

Populasi tidak terbatas Populasi terbatas

Ket: √ disebut dengan faktor koreksi

DISTRIBUSI SAMPLING PROPORSI

: standar deviasi pada distribusi sampling proporsi

Rumus Distribusi Sampling Proporsi

SOAL DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI

3. According to the Burreau of the Cencus, 85,1% of adult residents of Arizona

4. Tartus industries memiliki tujuh pekerja produksi (dianggap sebagai

8. Sebuah perusahaan menerima 120 pelamar dari lulusan perguruan tinggi.

9. Sebuah perusahaan memiliki 200 karyawan yang memiliki pendapatan rata-

10. Fakultas Ekonomi Universitas Padjadjaran menerima mahasiswa baru pada

JAWABAN DISTRIBUSI SAMPLING RATA-RATA DAN

Dit: P ( 25% < < 35%)?

Jwb: = = 0,0018 < 5% (tidak menggunakan faktor koreksi)

Dit: P (35% < < 45%)

= = 0,15 > 5% (gunakan faktor koreksi)

10. Dik: N= 528

b. P (50% < < 60%)?

= = 0,227 > 5% (gunakan faktor koreksi)

DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI

Statistik merupakan salah satu hal terpenting dalam proses pengambilan

Distribusi Sampling Selisih Rata-Rata

Distribusi sampling selisih rata-rata adalah distribusi probabilitas yang dapat

Dik :μ1 = 70.000 σ1 = 20.000 n1 = 42

μ2 = 30.000 σ2 = 4.000 n2 = 135

Kesimpulan : Jadi, probabilitas bahwa pendapatan manajer Rp45.000,00 lebih

Distribusi Sampling Selisih Proporsi

b. Simpangan baku proporsi

Distribusi sampling selisih proporsi inipun akan mendekati distribusi normal

Suatu perusahaan mobil melakukan perubahan strategi penjualan. Setelah

Kesimpulan : Jadi, probabilitas beda persentase peningkatan penjualan mobil A

SOAL DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH

6. Sebuah perusahaan mebuel memiliki dua departemen untuk melakukan proses

9. Pemungutan suara di Fakultas Ekonomi dalam rangka pemilihan Presiden BEM

1. Given : μ1 = 168 σ1 = 6,2 n1 = n2 = 100

2. Given : π1 = 10% = 0,1 n1 = 300

4. Given :μ1 = 70.000 σ1 = 2.000 n1 = 100

μ2 = 55.000 σ2 = 7.000 n2 = 125

6. Dik : π1 = 9% = 0,09 n1 = n2 = 270

0 Z Lihat tabel Z; Nilai Z = 0,20

7. Dik :μ1 = 600 σ1 = 50 n1 = 100

8. Dik :μ1 = 60.000 σ1 = 15.000 n1 = 68

9. Dik : π1 = = 0,63 n1 = n2 = 600

10. Dik : π1 = 100% - 95% = 5% n1 = 300

PENAKSIRAN RATA-RATA DAN PROPORSI

Penaksiran adalah seluruh proses dengan menggunakan statistik sampel untuk

Sifat-sifat penduga / penaksir :

Menaksir / menduga dapat dilakukan dengan ;

Rumus jumlah sampel untuk nilai rata-rata :

* jika nilai p dan P tidak diketahui.

Macam-macam Penaksiran/ Pendugaan

CL = 99%, Zα/2 = 2.575 (lih. Table Z)

0.816 <µ < 0.832

(Statistika, Murray R. Spiegel)

 Klik stat, basic stat, 1- sample Z (karena sampel ≥ 30)