Anda di halaman 1dari 28

Created by Sri Nastiti Andharini

Probabilitas
Probabilitas merupakan kemungkinan terjadinya atau tidak terjadinya suatu
peristiwa. Nilai probabilitas dinyatakan dengan angka dengan minimal 0 dan
maksimal 1. Probabilitas dinyatakan dalam pecahan (¼, ½, ¾ dan sebagainya)
atau persentase (25%, 50%, 75% dan sebagainya). Kemungkinan terjadinya
suatu peristiwa dinotasikan dengan p sedangkan kemungkinan tidak terjadinya
suatu peristiwa dinotasikan dengan q yang diperoleh dari 1 – p.
Misalkan a adalah suatu peristiwa, maka :
P(a) adalah probabilitas terjadinya peristiwa a
Q(a) atau p(a’) atau p(a)’ atau p(a) probabilitas tidak terjadinya peristiwa a
Probabilitas p (a) = nol (0) berarti peristiwa a tidak pernah terjadi dan
probabi-litas p (a) = satu (1) berarti sesuatu peristiwa a akan selalu atau
pasti terjadi.
Dalam probabilitas suatu peristiwa (event) atau kejadian adalah hasil yang
mungkin dari suatu kegiatan. Kegiatan yang menghasilkan suau peristiwa
dinamakan percobaan (experiment). Dalam pelemparan sebuah coin atau mata
uang misalnya, munculnya suatu permukaan tertentu adalah suatu peristiwa
(event), sedangkan pelemparan itu merupakan suatu percobaan (exoeriment).
Seluruh hasil yang mungkin diperoleh dari suatu percobaan itu dinamakan
ruangsampel (sample space).

1. Pengertian probabilitas.
Pengertian mengenai probabilitas ada 3 pendekatan yang bisa digunakan,
yaitu
A. Pendekatan klasik atau disebut pula pendekatan secara teoritis. Pada
pendekatan ini, probabilitas diartikan sebagai kemungkinan terjadinya
suatu peristiwa dari keseluruhan peristiwa yang terjadi. Oleh karena itu
harga atau nilai probabilitas dapat ditentukan sebelum terjadinya
pengamatan atau observasi terlebih dahulu.
B. Pendekatan empirik atau disebut pula pendekatan secara matematis.
Pada pendekatan ini probabilitas merupakan kemungkinan terjadinya
suatu peristiwa dari keseluruhan peristiwa yang sudah terjadi. Pendapat
lain menyatakan bahwa pendekatan ini dapat dinamakan pendekatan
frekuensi relatif (pendekatan relatif). Menurut pendekatan ini
probabili-tas didefinisikan sebagai :
1. Proporsi waktu terjadinya sebuah peristiwa dalam jangka panjang
jika kondisi stabil atau,
2. Frekuensi relatif dari selluruh peristiwa dalam sejumlah besar
percobaan.
Berdasarkan pengertian tersebut, maka harga atau nilai probabilitas
dapat ditentukan setelah melakukan percobaan, pengamatan atau
observasi.
C. Pendekatan subyektif
Dalam pendekatan ini probabilitas adalah kemungkinan terjadinya suatu
peristiwa yang didasarkan pada perasaan atau perkiraan individu pada
terjadinya suatu peristiwa, sehingga bersifat subyektif. Probabilitas
subyektif ini, biasanya ditentukan jika terjadinya peristiwa hanya seklai
atau palling bayak beberapa kali.
Oleh karena itu harga atau nilai probabilitas setiap individu dapat
berbeda-beda sesuai dengan tingkat keyakinannya terhadap terjadinya
peristiwa itu. Pendekatan ini ada yang memasukkannya dalam
pendekatan yang bersifat teoritis atau empirik.
Created by Sri Nastiti Andharini

2. Hubungan antara peristiwa yang satu dengan yang lain.

Berdasarkan peristiwa-peristiwa yang terjadi, ada beberapa hubungan antar


peristiwa yang dapat diperoleh, yaitu :
A. Peristiwa yang bersifat saling meniadakan, merupakan suatu peristiwa
yang terjadi apabila peristiwa yang lain tidak terjadi. Dengan kata lain
terjadinya suatu peristiwa menyebabkan tidak terjadinya atau
meniadakan peristiwa yang lain. Misalkan ada 2 peristiwa yaitu peristiwa
a dan peristiwa b. Terjadinya peristiwa a meniadakan terjadinya peristiwa
b atau sebaliknya  peristiwa munculnya suatu permukaan tertentu dari
sebuah mata uang logam yang dilemparkan.
B. Peristiwa yang bersifat bebas atau independent. Terjadinya suatu
peristiwa tertentu tidak mempengaruhi atau dipengaruhi oleh peristiwa
yang lain, antara peristiwa yang satu dengan yang lain dapat terjadi
secara bersama-sama maupun tidak (sendiri-sendiri). Contohnya
terjadinya suatu permukaan tertentu pada dua buah uang logam yang
dilemparkan.
C. Peristiwa yang bersifat kondisional atau bersyarat (conditional).
Terjadinya suatu peristiwa didahului dengan peristiwa tertentu. Misalkan
peristiwa pengambilan sebuah produk yang rusak yang dihasilkan oleh
suatu mesin tertentu pada suatu perusahaan.
D. Peristiwa yang bersifat terbatas atau exhaustive. Peristiwa yang terjadi
jumlahnya terbatas, artinya banyaknya macam peristiwa yang terjadi
adalah terbatas. Contohnya : sebuah mata uang logam hanya mempunyai
2 peristiwa, karena mempunyai 2 permukaan. Oleh karena itu tidak
mungkin sebuah uang logam yang dilemparkan akan memunculkan
permukaan yang ketiga.

3. Rumus dasar dalam probabilitas berdasarkan hubungan peristiwa


yang terjadi.
Rumus dasar yang dipergunakan dalam menentukan harga probabilitas
adalah :
x
P( A) = ; Q ( A) = 1 − P ( A) atau P ( A' ) =1 − P ( A)
n
Di mana :
P(a) = probabilitas peristiwa a
Q(a) atau p(a’) = probabilitas tidak terjadinya
Peristiwa a
X = frekuensi (banyaknya) terjadinya peristiwa a
N = frekuensi terjadinya seluruh peristiwa
0 ≤ P ( A) ≤ 1
Secara umum dalam menentukan harga probabilitas ber-dasarkan
hubungan peristiwa yang terjadi untuk minimal 2 peristiwa atau kejadian,
adalah sebagai berikut :
A. Peristiwa yang bersifat saling meniadakan.
Berarti dua peristiwa atau lebih tidak mungkin terjadi secara bersama,
probabilitas yang ditentukan dalam hubungan peristiwa yang terjadi ini
adalah probabilitas terjadinya peristiwa a atau peristiwa b :
P ( A ∪ B ) = PA + PB

B. Peristiwa yang bersifat bebas.


Berarti dua peristiwa atau lebih dapat terjadi secara bersama, maupun
tidak bersama.
Created by Sri Nastiti Andharini

Probabilitas terjadinya peristiwa secara bersama, misalnya a dan b adalah


:
P ( A ∩ B ) = PA xPB
probabilitas terjadinya peristiwa secara tidak bersama, misalnya a atau b
adalah :
P( A ∪ B ) = PA + PB − P ( A ∩ B )
C. Peristiwa yang bersifat bersyarat atau kondisional.
Misalkan ada dua peristiwa, yaitu peristiwa a dan peristiwa b,
Jika peristiwa b (kedua) terjadi setelah peristiwa a (pertama), maka :
Pa = probabilitas peristiwa yang pertama
P(b/a) = probabilitas peristiwa yang kedua
Sehingga :

p (b) = pa x p(b/a)
Jika peristiwa a (kedua) terjadi setelah peristiwa b (pertama), maka :
Pb = probabilitas peristiwa yang pertama
P(a/b) = probabilitas peristiwa yang kedua
Sehingga :

p (a) = pb x p(a/b)
Berdasarkan probabilitas bersyarat tunggal tersebut, dapat ditentukan
probabilitas majemuknya.
P (a dan b) = pa x p(b/a) = pb x p(a/b)
Sehingga diperoleh persamaan baru, sebagai berikut :

pa . P(b/a)
P(a/b) = ----------------
Pb
Misalkan : jika salah satu peristiwa a1, ….. An terjadi, maka peritiwa b akan
terjadi, di mana peristiwa a adalah saling asing, sehingga :
B = a1b + …… + anb

Sehingga didapatkan perumusan teorema bayes sebagai berikut :

p(ak) x p(b/ak)
P(ak/b) = -------------------------
n
∑ p(ai) x p(b/ai)
i=1

4. Diagram venn
A. Ruang sampel
Created by Sri Nastiti Andharini

Data dikumpulkan melalui percobaan. Setiap percobaan menghasilkan


satu atau lebih kemungkinan hasil yang dinamakan events
(kejadian/peristiwa/gejala). Percobaan tersebut dapat digambarkan ke
dalam suatu diagram. Hasil percobaan digambarkan sebagai
sekumpulan titik (point set). Setiap simple event ditunjukkan dengan
suatu titik yang disebut titik sampel (sample point). Diagram yang
dihasilkan yaitu diagram venn. Kumpulan semua titik sampel dinamakan
ruang sampel (sample place), yang dinotasikan s.
Misalnya :
Peristiwa a : munculnya angka ganjil
Peristiwa b : munculnya angka genap
Peristiwa s1 : munculnya angka 1
Peristiwa s2 : munculnya angka 2
Peristiwa s3 : munculnya angka 3
Peristiwa s4 : munculnya angka 4
Peristiwa s5 : munculnya angka 5
Peristiwa s6 : munculnya angka 6

A. Peristiwa s1…… s6 tidak dapat dipisah-pisahkan, disebut peristiwa sederhana


(simple event). Peristiwa a akan ada jika peristiwa s1, s3, s5 terjadi. Peristiwa
b akan terjadi jika peristiwa s2, s4, s6 terjadi, sedangkan peristiwa a dan b
disebut peristiwa majemuk.

B. Gabungan (union) dan irisan (intersection).


Misalkan a dan b merupakan peristiwa dalam ruang sampel s, maka :
Union a dan b merupakan peristiwa yang mencakup semua titik sampel dari
peristiwa a dan peristiwa b.
P( A ∪ B ) atau p ( a atau b)
Intersection a dan b merupakan peristiwa yang terdiri dari semua titik
sampel yang berasal dari a dan b.
P( A ∩ B ) atau p (a dan b)

C. Berdasarkan hubungan peristiwa yang terjadi :


• Saling meniadakan : p (a u b) = p (a) + p (b)
• Bebas atau independent :

P (a … b) = 0
P ( a u b) = p (a) + p (b) – p (a … b)
5. Harapan matematik
Jika p merupakan probabilitas seseorang untuk mendapatkan suatu jumlah
q, maka harapan matematik dari orang tersebut adalah pq.
Jika suatu gejala diskrit yang diambil secara acak diberi simbul x dengan
harga x1, …, xn, dan probabilitas untuk mendapatkan harga-harga tersebut
adalah p(x1), …, p(xn), maka harapan matematik dari x dinyatakan sebagai
berikut :
e(x) = x1 . P(x1) + … + xn . P(xn) = xi . P(xi)

6. Permutasi dan kombinasi


Created by Sri Nastiti Andharini

Permutasi dan kombinasi merupakan sejumlah kemungkinan terjadinya


suatu peristiwa.
A. Permutasi, merupakan penyusunan obyek-obyek sejumlah n yang
tiap-tiap kali diambil sejumlah r dengan memperhatikan tata susunan
yang terjadi. Rumus yang dipergunakan adalah :
• Jika n = r, maka :
P(n,r) = n x (n – 1) x (n – 2) … ! = n !
• Jika n < r, maka :
P(n,r) = n x (n –1) x (n – 2) … (n – r + 1)
n!
= ------------
(n – r) !
•Jika dari sejumlah n obyek dapat dibedakan m macam kelompok,
masing-masing terdiri dari r1, …, rm obyek yang sama sehingga :
R1 + … + rm = n
Maka :
n!
P[n,(r1, …,rm)]= -------------
r1 ! … rm !
B. Kombinasi, merupakan selekasi terhadap sejumlah n yang tiap-tiap
kali diambil sebanyak r, tanpa memperhatikan tata susunan yang
terjadi.
Rumus yang dipergunakan adalah :
• Jika n ≤ r, maka :
n!
C(n,r) = ---------------
R ! (n – r) !
• Jika dalam suatu gugus dengan n obyek dapat dipisahkan menjadi m
buah gugus yg terputus, masing-masing terdiri dari r1, …, rm buah
obyek, maka :
n!
C[n,(r1, …,rm)]= -------------
r1 ! … rm !
Created by Sri Nastiti Andharini

Distribusi probabilitas
1. Pengertian

Distribusi probabilitas merupakan kumpulan dari harga-harga probabilitas


atau beberapa probabilitas. Dalam distribusi probabilitas dikenal ada 2
variabel, yaitu :
1. Variabel diskrit, suatu variabel di mana satuannya utuh (bukan
pecahan, yang didapatkan berdasarkan perhitungan).
Distribusi probabilitas diskrit merupakan suatu daftar dari semua atau
seluruh nilai variable random (acak) diskrit dengan probabilitas
terjadinya masing-masing nilai itu. Jika digambarkan di atas garis
interval, variable diskrit akan berupa sederetan titik-titik yang terpisah.
2. Variabel kontinyu, merupakan suatu variabel yang satuannya dapat
berupa bilangan pecahan (angka yang diperoleh berdasarkan hasil
pengukuran). Distribusi probabilitas kontinyu merupakan suatu daftar
dari semua atau seluruh nilai variable random (acak) kontinyu dengan
probabilitas terjadinya masing-masing nilai itu. Jika digambarkan di atas
garis interval, variable kontinyu akan berupa sederetan titik-titik yang
bersambung membentuk garis lurus.
Variabel yang dimaksud di dalam probabilitas adalah frekuensi terjadinya
suatu peristiwa di dalam menentukan nilai atau harga probabilitas, yang
biasanya dinotasikan dengan “x”.
Misalnya : sebuah dadu dilemparkan sebanyak 10 kali, dan x adalah
frekuensi munculnya dadu yang bermata satu. Di mana x bisa sama
dengan 0, 1, 2, 3, ….., 10, maka angka yang menunjukkan frekuensi
munculnya mata dadu satu ini disebut angka kuantitatif yang diskrit.
Sedangkan jika ada 10 buah produk yang diukur berat produknya, di mana
secara berurutan diperoleh nilai 50,1; 49,0; 49,9; 48,5; 50,5; 51,2; 49,0;
50,0; 50,6; 51,0, maka angka ini disebut atau dikelompokkam pada angka
kuantitatif kontinyu.

B. Beberapa distribusi probabilitas


Ada beberapa macam distribusi probabilitas yang dikenal, antara lain
yaitu :
1. Distribusi binomial
2. Distribusi multinomial
3. Distribusi poisson
4. Distribusi hipergeometrik
5. Distribusi normal
Dari berbagai distribusi di atas, yang termasuk dalam distribusi probabilitas
diskrit adalah distribusi binomial, multinomial, hypergeometris dan poisson.
Di bawah ini dijelaskan beberapa distribusi probabilitas, antara lain :
1. Distribusi binomial, suatu distribusi yang berva-riabel diskrit dengan
grafik terputus-putus yang bentuknya simetris bila p = q atau p ≠ q
asal n besar
Ciri-cirinya a.l :
• Tiap percobaan ada 2 hasil : sukses (p) dan gagal (q)
• Setiap percobaan harus bersifat bebas/ inde-pendent
• Probabilitas sukses pada setiap percobaan harus sama dan
dinyatakan dengan “p”
• Harga probabilitas sukses besar, biasanya paling sedikit 10%
• Grafik yang menggambarkan distribusinya berbentuk histogram atau
batang
Created by Sri Nastiti Andharini

Rumus probabilitas :
• Jika p ≠ q :
n
P(x,n) = ( x ) px (1 – p)n-x
n
( x ) = koefisien binomial, menunjukkan x kali
Sukses dari n kejadian, yang dapat dihitung berda-sarkan
segitiga pascal atau :
n!
x!( n −x )!
Di mana :
N ! = disebut n faktorial
0 ! = 1 menurut definisi
X = semua bilangan 0 sampai n
• Jika p = q :
- Dapat digunakan rumus di atas atau
- Hukum pascal
Rumus rata-rata dan deviasi standar dari distribusi binomial
Mean (µ ) = n.p
Deviasi standar (σ ) = √n.p.q
2. Distribusi poisson, merupakan suatu distribusi peristiwa yang jarang
terjadi. Dianggap sebagai pendekatan distribusi binomial apabila n
adalah besar, dengan probabilitas sukses sangat kecil
Ciri-cirinya antara lain :
• Garfik yang menggambarkan distribusinya berbentuk histogram
atau batang
• Bervariabel diskrit
• Harga probabilitas sukses kecil, biasanya kurang dari 10%
Rumus probabilitasnya :
µ x e −µ
P ( n, x ) =
x!
Di mana :
µ = n.p (biasanya nilainya tetap, dan ≤ 5, p ≤ 0,1)
E = bilangan irrasional yang
besarnya 2,71828
Rumus rata-rata dan deviasi standar dari distribusi poisson
Mean (µ) = n.p deviasi standar (σ) = √n.p

3. Distribusi normal, merupakan suatu distribusi yang berva-riabel


kontinyu. Menghitung probabilitas di dalam distribusi normal sama
dengan menentukan luas daerah di bawah kur-ve normal. Ciri-cirinya :
• Grafik yang menggambarkan distribusinya berbentuk kurve atau
garis lengkung dan simetris terhadap mean (µ)  z = 0
• Kedua ujungnya semakin mendekati sumbu absisnya (x) dan tidak
pernah memotong
• Jarak titik kurve tersebut dengan sumbu simetrisnya sama dengan σ
• Luas daerah di bawah kurve tersebut sama dengan 100%
Luas daerah di bawah kurve normal (probabilitas) dari harga rata-
rata ke kanan atau ke kiri adalah sama, yaitu 50% = 0,5
Created by Sri Nastiti Andharini

Untuk menentukan luas di bawah kurve normal dapat dilihat berdasarkan


nilai unit (z), kemudian di lihat pada tabel luas kurve normal standard (z) :
x-µ
z = ---------
σ
Nilai “z” yang diperoleh dapat bertanda (-) atau (+), yang menunjukkan
letak luas daerah di ba-wah kurve (porbabilitas) yang akan ditentukan.

C. Hubungan antar distribusi probabilitas


Apabila di dalam menentukan probabilitas pada distribusi binomial &
poisson digunakan pende-katan distri-busi normal, maka perlu disesuaikan
terlebih dahulu variabelnya (dari variabel dis-krit menjadi variabel
kontinyu).
 nilai x-nya disesuaikan.

Distribusi sampling

Distribusi sampling adalah distribusi probabilitas dengan statistik sample


sebagai variable randomnya
A. Pengertian
Distribusi sampling merupakan kumpulan harga-harga sampel atau statistik
berdasarkan tehnik sampling yang dilakukan. Distribusi sampling terdiri
atas kumpulan harga-harga :
1. Rata-rata sampel  distribusi sampling harga rata-rata sample.
2. Proporsi sampel  distribusi sampling harga proporsi sampel
3. Standard deviasi sampel  distribusi sampling harga standard deviasi
sampel.
4. Selisih atau perbedaan rata-rata sampel  distribusi sampling harga
selisih atau perbedaan rata-rata sampel
5. Selisih atau perbedaan proporsi sampel  distribusi selisih atau
perbedaan proporsi sampel

Tehnik sampling yang dipergunakan dalam distribusi sampling ini


dibedakan :
1. Sampling dengan pengembalian :
Jumlah sample yang diperoleh (l) dapat dicari dengan menggunakan
rumus :
l = nn
2. Sampling tanpa pengembalian :
Jumlah sample yang diperoleh (l) dapat dicari dengan menggunakan
rumus : n!
l = --------------
n ! (n – n) !

B. Istilah-istilah dan notasi yang dipergunakan.


Beberapa istilah yang dipergunakan dalam distribusi sampling adalah :
1. Populasi adalah jumlah dari keseluruhan obyek (satuan-satuan
atau individu-individu) yang mungkin karakteristiknya akan diduga. Unit
analisa mungkin dapat berupa orang, rumah tangga, tanah pertanian,
perusahaan, negara dan lain-lain, yang disebut elemen dari populasi.
Created by Sri Nastiti Andharini

2. Parameter adalah nilai-nilai pengukuran pada populasi yang


biasanya ditaksir berdasarkan hasil pengukuran pada sampel yang
diambil dari populasinya.
Parameter adalah cirri-ciri populasi. Untuk suatu populasi hanya
mempunyai sebuah nilai parameter, artinya hanya ada nilai tunggal
rata-rata populasi, hanya ada nilai tunggal standard deviasi populasi,
sehingga parameter merupakan deterministic variable.
3. Sampel adalah sebagian dari populasi yang karakteristiknya akan
diselidiki, dan dianggap bisa mewakili keseluruhan populasinya.
4. Statistik adalah nilai observasi dari sampel yang dipergunakan untuk
menduga nilai parameternya. Statistik adalah cirri-ciri sample.
Jika ditarik secara random dari suatu populasi, maka terdapat sejumlah
kemungkinan sample. Karena masing-masing kombinasi sample
memiliki satu nilai sattistik, maka untuk populasi itu terdapat kombinasi
sample. Sehingga statistik merupakan suatu variable random yang
memilki distribusi probabilitas atau statistik merupakan stochastic
variable.

Beberapa notasi yang dapat dipergunakan pada distribusi sampling


adalah :
1. Dalam parameter atau populasi :
µ = rata-rata populasi
σ = deviasi standard populasi
P = proporsi populasi
µ1 – µ2 = selisih atau perbedaan rata-rata populasi
P1 – p2 = selisih atau perbedaan proporsi populasi
2. Dalam statistik atau sampel :
x = Rata-rata sampel
S = deviasi standard sampel
P = proporsi sampel
x1 − x 2 = selisih atau perbedaan rata-rata
sampel
p1 – p2 = selisih atau perbedaan proporsi
sample
3. Notasi untuk harga rata-rata dam deviasi standard dalam distribusi
samplingnya (dalam kumpulan harga-harga sampelnya)

No Keterangan Rata-rata Standard dev.


. d.s D.s.
1 Rata-rata µ σ
x x

2 Proporsi µ p σ p

3 Standard µs σs
deviasi
4 Selisih rata- µx −x σx −x
1 2 1 2
rata
5 Selisih µ(p1 – p2) σ(p1 – p2)
proposi

Berdasarkan distribusi sampling tersebut dapat ditentukan nilai atau harga :


A. Rata-rata distribusi sampling
Created by Sri Nastiti Andharini

B. Standard deviasi dsitribusi sampling


C. Probabilitas atau peluang dsitribusi sampling berdasarkan distribusi
normalnya. Secara umum rumus yang dipergunakan untuk menentukan
probabilitas pada dsitribusi samplingnya adalah :

nilai satistik – nilai parameter


z = -------------------------------------------
standard deviasi (d.s.)

Gunakan notasi yang sesuai dari masingt-masing distribusi sampling di atas.

Distribusi sampling harga rata-rata


 kumpulan dari harga rata-rata sampel (x1, x2, x3, …, xn) yang berasal dari
satu atau sekelompok populasi. Dengan kata lain distribusi sampling rata-rata
adalah suatu distribusi probabilitas dari semua harga rata-rata sample dengan
ukuran tertentu yang ditarik (diambil) dari suatu populasi.
A. Penentuan rata-ratanya :
1. Berdasarkan kumpulan harga rata-rata sampelnya :
µx =
∑Xi
L
di mana :
• Untuk sampling dengan pengembalian :
L = nn
• Untuk sampling tanpa pengembalian :

N!
L=
n!( N − n)!
2. Berdasarkan kumpulan nilai dalam populasinya :

µx =
∑X i
sehingga : µ x =µ
L

B. Penentuan standard deviasi :


1. Berdasarkan kumpulan harga rata-rata sampel :

σx =
∑ x −υx
2
( )
L
2. Berdasarkan kumpulan nilai dalam populasi :
• Sampling dengan pengembalian
σ
σx =
n
Dari rumus ini dapat disimpulkan bahwa :
 σx akan turun jika n bertambah
 σx lebih kecil dibandingkan σ , kecuali jika seluruh unsur
populasi nilainya sama besar sehingga σ = σx = 0 dan σx akan
tetap meskipun n bertambah.
Created by Sri Nastiti Andharini

• Sampling tanpa pengembalian


σx =
σ ( N − n)
n ( N − 1)
Keterangan untuk distribusi rata-rata :
 Jika ukuran sample cukup besar (n ≥ 30) distribusi sampling rata-rata
akan mendekati distribusi normal apapun bentuk distribusi
populasinya.
 Jika distribusi populasi normal, distribusi sampling rata-rata akan
normal, berapapun ukuran sampelnya.
C. Penentuan probabilitas :
x −υx
Z =
σx

Distribusi sampling harga proporsi


 kumpulan harga proporsi sampel (p1, p2, …, pn)

A. Penentuan harga rata-rata :


µp = p
B. Penentuan standard deviasi
• Sampling dengan pengembalian
P (1 − P )
σp =
n
• Sampling tanpa pengembalian
P (1 − P ) ( N − n)
σp =
n ( N − 1)

C. Penentuan probabilitas
p −υ p
Z=
σp

Dist. Sampling harga standard deviasi


 kumpulan harga standard deviasi sampel (s1, s2, …, sn)
A. Penentuan harga rata-rata :
µs = σ
B. Penentuan standard deviasi :
• Sampling dengan pengembalian
σ
σs =
2n
• Sampling tanpa pengembalian
σs =
σ ( N − n)
2n ( N − 1)
C. Penentuan probabilitas :
s −υ s
Z=
σs

Distribusi sampling harga selisih proporsi


Created by Sri Nastiti Andharini

 kumpulan harga proporsi sampel pertama dan kedua  selisih proporsi


sampel

A. Penentuan harga rata-rata :


µ(p1 – p2) = p1 – p2

B. Penentuan standard deviasi :


 P1 Q1 P2 Q 2 
σ( p 1 −p2 ) = 
 n + n


 1 2 
C. Penentuan probabilitas :
(p1 – p2) – (p1 – p2)
Z = -----------------------------------
σ (p1 – p2)

Dist. Sampling harga selisih rata-rata


 kumpulan harga rata-rata sampel pertama dan kedua  selisih rata-rata
sampel
A. Penentuan harga rata-rata :
µ(x1 – x2) = µ1 – µ2
B. Penentuan standard deviasi :
 σ11 σ 2 2 
σ( x =  + 
1 −x 2 )  n1
 n2  
C. Penentuan probabilitas :
(x1 – x2) – (µ 1 – µ2)
Z = -----------------------------------
σ(x1 – x2)

Pendugaan/estimasi
Secara statistik

1. Pengertian pendugaan (estimasi)


Pendugaan atau estimasi adalah memperkirakan nilai-nilai
parameter/populasi berdasarkan nilai-nilai sampel atau statistik yang
didapatkan berdasarkan distri-busi sampling yang dilakukan. Karena itu
pendugaan merupakan suatu bagian statistik inferensial, yaitu merupakan
pernyataan mengenai parameter populasi yang tidak diketahui beradsarkan
informasi dari sample random sederhana yang diambil dari populasi itu. Cara
penentuan jumlah sample yang biasanya digunakan dalam pendugaan atau
estimasi, biasanya diistilahkan dengan sampling dengan pengembalian
maupun sampling tanpa pengembalian.

2. Beberapa istilah yang dipergunakan dalam pendugaan atau estimasi.


a. Statistik, merupakan suatu ukuran yang dipergunakan untuk menggam-
barkan nilai dari suatu sampel.
b. Parameter, merupakan suatu ukuran yang dipergunakan untuk
menggam-barkan nilai suatu populasi.
Created by Sri Nastiti Andharini

c. Estimator, merupakan suatu nilai sampel atau statistik yang


dipergunakan untuk menduga besarnya nilai parameter yang tidak atau
belum diketahui.
d. Estimasi secara statistik, merupakan suatu nilai yang dihasilkan berda-
sarkan pendugaan atau estimasi yang dilakukan.

3. Ciri-ciri penduga yang baik dsibedakan menjadi :


a. Penduga tak bias (unbias estimator).
Penduga dikatakan tak bias apabila di dalam sample random sederhana
yang berulang-ulang dari suatu populasi, rata-rata atau nilai harapan dari
statistik sama dengan parameter populasi yang sesuai, jika tidak
dinamakan penduga yang bias.
b. Penduga efisien.
Penduga dikatakan efisien apabila penduga mempunyai varian yang kecil
atau bahkan mendekati nol (0) diantara penduga-penduga yang tak bias
c. Penduga konsisten

Suatu penduga dikatakan konsisten apabila memenuhi dua syarat, yaitu :


 Jika ukuran sample bertambah, penduga akan makin
mendekati parameter yang sesungguhnya. Penduga demikian
dinamakan penduga asymptotic unbiased.
 Jika ukuran sample bertambah tanpa batas, distribusi
sampling penduga akan mengempis atau menjadi suatu garis tegak di
atas parameter yang sesungguhnya dengan probabilitas sama dengan
satu.

4. Macam-macam pendugaan secara statistik


Estimasi atau pendugaan secara statistik ini, dapat dibedakan menjadi
pendugaan terhadap kumpulan sample yang berdistribusi normal dan
pendugaan terhadap kelompok sample yangtidak berdistribusi normal.
Pada esimasi atau pendugaan terhadap sample yangberdistribusi normal
dibedakan menjadi, yaitu :
a. Pendugaan terhadap rata-rata populasi
1) Berdasarkan sampel kecil (n < 30)
2) Berdasarkan sampel besar (n ≥ 30)
b. Pendugaan terhadap proporsi populasi (n ≥ 30)
c. Pendugaan terhadap standard deviasi populasi (n ≥ 30)
d. Pendugaan terhadap selisih atau perbedaan rata-rata populasi
1) Berdasarkan sampel besar (n ≥ 30)
2) Berdasarkan sampel kecil
a) Berdasarkan selisih rata-rata sampel kecil  dua kumpulan sampel
dikenai satu perlakuan (n < 30) atau berdasarkan dua kumpulan
sampel yang berbeda.
b) Berdasarkan sampel berpasangan  satu kumpulan sampel yang
dikenakan 2 perlakuan (n < 30) atau berdasarkan dua kumpulan
sampel yang sama.
e. Pendugaan terhadap selisih atau perbedaan proporsi populasi (n
≥ 30)
Pendugaan atau estimasi secara statistik ini hanya diper-gunakan
pada sekelompok populasi dan dua kelompok populasi.

5. Beberapa tehnik pendugaan atau estimasi secara statistik dan rumus umum
yang dipergunakan :
a. Pendugaan titik (point estimation)
Created by Sri Nastiti Andharini

Pendugaan titik merupakan pendugaan dengan menggunakan satu angka


tunggal.
Rumus umum yang dipergunakan :
• Untuk jumlah sampel kecil (n < 30) nilai parameter atau populasi yang
diduga dapat diperoleh dari :
= ± t x standard deviasi pada d.s.
• Untuk jumlah sampel besar (n ≥ 30) nilai parameter atau populasi
yang diduga dapat diperoleh dari :
= ± z x standard deviasi pada d.s.
b. Pendugaan interval (interval estimation)
Nilai statistik dari suatu sample ke sample lainnya dapat sama, tetapi
kemungkinan akan berbeda. Sehingga penduga titik kemungkinan besar
akan berbeda dengan nilai parameter populasi. Oleh karena itu sebagai
pengganti pendugaan titik dapat dipergunakan pendugaan interval.
Pebdugaan interval menunjukkan suatu jajaran nilai yang diantaranya
terdapat parameter yang tidak diketahui atau yang akan diduga.
Pendugaan interval yang disertai keyakinan dinamakan coefidence
interval estimate atau yang disebut interval keyakinan.
Rumus umum yang dipergunakan :
• Untuk jumlah sampel kecil (n < 30) nilai parameter atau populasi yang
diduga dapat diperoleh dari :
= nilai sample ± t x std dev. Pada d.s.
• Untuk jumlah sampel besar (n ≥ 30) nilai parameter atau populasi
yang diduga dapat diperoleh dari :
= nilai sample ± z x std dev. Pada d.s.
Catatan : untuk harga standard deviasi yang dipergunakan pada rumus
di atas, biasanya harga standard deviasi pada distribusi sampling
dengan pengembalian (harga parameter atau harga statistiknya)

Rumus pendugaan di atas berlaku untuk pendugaan terhadap rata-rata


populasi, proporsi populasi, selisih rata-rata populasi, dan selisih
proporsi populasi, tidak berlaku pada pendugaan standard deviasi
populasi.

Rumus untuk pendugaan standard deviasi populasi atau parameter adalah :


σ = s ± z (α /2) x σ/√2n dapat dijabarkan menjadi :
S – z (α/2) x σ/√2n < σ < s + z (α/2) x σ/√2n
Dari sisi kiri : s – z (α/2) x σ/√2n – σ < 0
s < z (α/2) x σ/√2n + σ
s < σ (1 + z (α/2} /√2n)
s
----------------- < z (α/2)
(1 + z (α/2}/√2n)
Maka : s s
----------------- < σ < -----------------
(1 + z (α/2}/√2n) ( 1 – z (α/2}/√2n)

Berdasarkan rumus-rumus di atas dapat dipergunakan untuk menentukan


banyaknya pengamatan yang diinginkan (n), jika diketahui kesalahan maksimal
(e) dalam menduga nilai parameternya adalah sebagai berikut :
Created by Sri Nastiti Andharini

 penentuan banyaknya pengamatan n hanya dipergunakan untuk


pendugaan rata-rata, standard deviasi dan proporsi populasi atau
parameter.

Rumus umum yang dipergunakan adalah :


e=z (α /2) x standard deviasi pada d.s.
Berdasarkan rumus tersebut dapat ditentukan banyaknya pengamatan yang
diinnginkan (n)
Misalkan :
Penentuan banyaknya pengamatan pada pendugaan rata-rata populasi :
E = z (α/2) x standard deviasi pada d.s.
σ
E = z (α/2) x -------
√n

Maka :
2
 Ζ(α / 2 )σ 
n =  

 E 

Hipotesis

A. Pengertian :
Hipotesis merupakan suatu pernyataan atau proposisi yang mungkin benar,
yang perlu diuji kebenarannya, karena dapat dipergunakan sebagai
pedoman di dalam pengambilan keputusan.

B. Beberapa istilah dalam hipotesis :


1. H0 (hipotesis nihil atau hipotesis nol) merupakan suatu pernyataan yang
biasanya diharapkan untuk ditolak.
2. H1 (atau ha atau hipotesis alternatif) :
Merupakan suatu pernyataan yang pada hakekatnya diharapkan untuk
diterima.
Pernyataan yang ada pada hipotesis nihil dan hipotesis statistik alternatif
selalu bertolak belakang / berlawanan

Beberapa kesalahan yang dapat terjadi pada pengujian hipotesa


1. Kesalahan tipe 1
Suatu kesalahan yang terjadi apabila menolak hipotesis yang pada
hakekatnya adalah benar
2. Kesalahan tipe 2
Suatu kesalahan yang terjadi apabila menerima hipotesa yang pada
haklekatnya salah
Kesalahan-kesalahan tersebut dapat disebabkan karena kesalahan sampling
ataupun kesalahan non-sampling

Pada pengujian hipotesis terdapat 3 pernyataan me-ngenai hipoteisis alternatif


(h1), yaitu yang menya-takan bahwa :
1. Harga parameter tidak sama (≠ ) dengan harga yang dihipotesakan
Created by Sri Nastiti Andharini

2. Harga parameter lebih besar (>) daripada harga yang dihipotesakan


3. Harga parameter lebih kecil (<) daripada harga yang dihipotesakan

X) keterangan : notasi untuk harga parameter atau-pun harga yang


dihipotesakan menyesuaikan de-ngan kasus yang diselesaikan (ingat dengan
distribusi sampling dan estimasi !!!!)

Sesuai dengan 3 alternatif pada hipotesis alterna-tifnya, maka langkah-langkah


umum dalam pengujian hipotesis adalah :

1. Menentukan formulasi h0 dan h1 :


Berdasarkan 3 hipotesis alternatif (h1) di atas, maka terdapat :
a. Uji dua sisi / dua arah ⇒
H0 : nilai parameter = nilai yang diuji
H1 : nilai parameter ≠ nilai yang diuji

b. Uji satu sisi  sisi kanan


H0 : nilai parameter ≤ nilai yang diuji
H1 : nilai parameter > nilai yang diuji
c. Uji satu sisi  sisi kiri
H0 : nilai parameter ≥ nilai yang diuji
H1 : nilai parameter < nilai yang diuji
X) keterangan : untuk memilih uji dua sisi atau sa-tu sisi dapat didasarkan
pada nilai statistik (sampel) yang dibandingkan dengan nilai yang diuji,
misalkan : apabila nilai sampel  dari nilai yang yang diuji, maka
digunakan uji sisi kanan dan sebagainya atau berdasarkan teori dan
penelitian terdahulu yang digunakan pada pe-nelitian yang anda
pergunakan.

2. Menentukan tingkat signifikansi (α ) untuk nilai z atau t (berdasarkan tabel


distribusi z atau t), misalkan diketahui α = 5 % atau 95%, maka :
a. Apabila n ≥ 30 ➙ tentukan nilai z (tabel), yaitu

1) untuk dua sisi, nilai z berdasarkan α/2, yaitu :


α/2 = (95%/2) atau {50% - (5%/2)} = 47,5%
Z (α /2)= 1,96 *)
2) Untuk satu sisi, nilai z berdasarkan α, yaitu :
α = (95% - 50%) atau (50% - 5%) = 45%
Z(α) = 1,64 atau 1,65*)
b. Apabila n < 30  tentukan nilai t (tabel), misalkan didapatkan tingkat
kebebasan atau degree of freedom {berdasarkan (n - 1) atau (n1 + n2 -
2)} = 5, maka :
1) Untuk dua sisi, nilai t berdasarkan α/2 dan tingkat kebebasan, yaitu :
α/2 = 5%/2 atau {(95% - 50%)/2 = 2,5%
Df = 5 sehingga t (α/2,df) = 2,571*)
2) Untuk satu sisi, nilai t berdasarkan α dan ting-kat kebebasan, yaitu :
α = 5% atau {(95% - 50%) = 5%
Df = 5 sehingga t (α,df) = 2,015*)
Keterangan : *) dapat dilihat pada tabel distribusi normal nilai z atau t
Created by Sri Nastiti Andharini

3. Menentukan kriteria pengujian berdasarkan formulasi yang dipergunakan


(disesuaikan dengan pilihan di point 1.)
a. Untuk n ≥ 30 ➙ berdasarkan z
1) Dua sisi
H0 diterima jika : -z (α/2) ≤ z (hitung) ≤ z(α/2)
H0 tolak jika : z < - z(α/2) atau z > z (α/2)
2) Satu sisi ➙ kiri
H0 diterima jika : z (hitung) ≥ - z(α); h0 tolak jika : z(hitung) < - z (α)

3) Satu sisi ➙ kanan


H0 diterima jika : z (hitung) ≤ z(α); h0 tolak jika : z(hitung) > z (α)

b. Untuk n < 30 ➙ berdasarkan t


1) Dua sisi
H0 diterima jika : -t (α/2,df) ≤ t (hitung) ≤ t(α/2,df)
H0 tolak jika : t < - t(α/2,df) atau t > t (α/2,df)
2) Satu sisi ➙ kanan
H0 diterima jika : t(hitung) ≤ t(α,df); h0 tolak jika : t(hitung) > t (α,df)

3) Satu sisi ➙ kiri


H0 diterima jika : t (hitung) ≥ - t(α,df); h0 tolak jika : t(hitung) < - t (α,df)

4. Menentukan nilai z atau t (berdasarkan perhitungan) dengan rumus :


Rumus umum :

Nilai z atau t (hitung) =


(hitung)
Nilai statistik - nilai yang diuji
Standard deviasi
Notasi yang digunakan dalam harga-harga terse-but sesuai dengan notasi-
notasi yang ada pada distribusi sampling atau estimasinya !!!!!
5. Menentukan kesimpulan atau keputusan yang akan diambil
Kesimpulan diambil berdasarkan nilai z (hitung) atau t (hitung) yang
dibandingkan dengan nilai tabelnya, apakah h0 diterima atau h0 ditolak
(maknanya sesuai dengan pernyataan yang ada 0pada formulasi h0 atau
h1-nya).
Keterangan :
Menerima h0 berarti menolak h1 dan seba-liknya apabila menolak h0
berarti menerima h1

Uji chi-square

Uji distribusi chi-square dapat dipergunakan untuk menguji proporsi yang lebih
dari dua buah sampel dan pengujian variance. Pengujian ini merupakan suatu
pengujian pada kelompok sample yang tidak berdistribusi normal.
Pada pengujian untuk proporsi ada beberapa bentuk uji yang dapat
dipergunakan, yaitu :
1. Uji k proporsi
2. Uji independensi
3. Analisis tabel r x k
4. Uji kompatibilitas (uji kesesuaian)
5. Uji variance (sampel kecil)
Created by Sri Nastiti Andharini

Tehnik-tehnik di atas dipergunakan untuk pengujian satu sisi yaitu kanan


Langkah-langkah umum yang dipergunakan dalam uji ini sama dengan yang
ada pada uji hipotesis. (hanya ber-beda pada langkah ke - 4, karena yang
dihitung adalah χ ²(hitung) ). Pada uji ini hanya dipergunakan uji satu sisi yaitu
kanan.

1. Menentukan formulasi h0 dan h1


H0 mengatakan :
• P1 = p2 = … = pk (p) atau
• P11 = p12 = … = p1j
P21 = p22 = … = p2j
Pi1 = pi2 = … = pij dst atau
Di mana : i = r = baris
j = k = kolom
• Variabel/kategori yang satu independen (tidak tergantung/ bebas) dengan
variabel/kategori yang lain (tidak ada hubungan/ pengaruh) atau
• Suatu distribusi frekuensi hasil observasi sesuai dengan distribusi teoritis
tertentu

H1 mengatakan (sebaliknya) :
• P1 ≠ p2 ≠ … ≠ pk (p) atau
• Paling sedikit ada satu yang berbeda atau
• Variabel/kategori yang satu dependen (tergantung) dengan variabel/
kategori yang lain (tidak ada hubungan/pengaruh) atau
• Suatu distribusi frekuensi hasil observasi tidak sesuai dengan distribusi
teoritis tertentu

2. Menentukan tingkat signifikansi (α )  nilai χ² dari tabel χ²

Nilai χ² dapat ditentukan dengan α dan tingkat kebebasan (df). Tingkat


kebebasan pada penentuan harga ini ada beberapa pilihan, yaitu :
♦ K - 1 untuk kasus yang mempunyai data dengan jumlah 2 baris (i = 2, k ≥
2)
♦ (r - 1) (k-1) untuk kasus yang mempunyai data dengan jumlah baris
ataupun kolom ≥ 2
♦ (k - 3) untuk kasus yang berkaitan dengan distribusi frekuensi
Misalkan diketahui α = 5% dan df = 15, maka χ²(α,df) = 24,996 *)
*) lihat pada tabel χ²
3. Menentukan kriteria pengujian, karena uji satu sisi  kanan, maka :

H0 diterima jika : χ² (hitung) ≤ χ²(α)


H0 tolak jika : χ²(hitung) > χ² (α)
Atau h0 diterima jika : χ² (hitung) ≤ 24,996
H0 tolak jika : χ²(hitung) > 24,996
4. Menentukan nilai χ ² berdasarkan perhitungan, dengan tahapan-tahapan
sebagai berikut :
a. Menentukan nilai harapan (ei atau eij)
1) Ei = p x n
Created by Sri Nastiti Andharini

Di mana p adalah probabilitas (kemungkinan) berdasarkan proba-


bilitas teoritis (biasanya dalam probabilitas distribusi binomial,
distribusi normal), sedangkan n adalah jumlah seluruh pengamatan
(ni) (nj)
2) Eij = --------------
n
Di mana (ni) adalah jumlah pengamatan pada baris ke i, (n j) adalah
jumlah pengamatan pada kolom ke j, sedangkan n adalah
keseluruhan jumlah pengamatan
Misalkan ada data seperti di bawah ini, maka untuk menentukan nilai
harapan (e) adalah :
Kolom 1 kolom 2 kolom 3 jumlah
Baris 1 10 25 10 45
Baris 2 15 20 20 55
Jumlah 25 45 30 100

Nilai 10, 25, 10 dan seterusnya merupakan harga da-lam nij, nilai 10
menunjukkan n11, nilai 25 menun-jukkan n12, dan seterusnya (nij =
nilai/frekuensi ob-servasi pada baris ke i dan kolom ke j), sedangkan nilai 45
menunjukkan niatau jumlah nilai pada baris 1, dan nilai 25 menunjukkan nj
atau jumlah nilai ada kolom 1
Berdasarkan rumus eij, maka :
45 x 25 55 x 25
E11 = ------------ = 11,25 e21 = ------------ = 13,75
100 100

45 x 45 55 x 45
E12 = ------------ = 20,25 e22 = ----------- = 24,75
100 100

45 x 30 55 x 30
E13 = ------------ = 13,5 e23 = ------------ = 16,5
100 100
Sehingga :
Kolom 1 kolom 2 kolom 3 jumlah
Baris 1 10(11,25) 25(20,25) 10(13,5) 45(45)
Baris 2 15(13,75) 20(24,75) 20(16,5) 55(55)
Jumlah 25(25) 45(45) 30(30) 100(100)

b. Menghitung χ² dengan rumus umum :


r k (nij - eij) ²
χ² = ∑ ∑ -------------
i=1 j=1 eij
Berdasarkan contoh di atas, maka χ² hitung-nya adalah :
χ² = (10 - 11,25)² + (25 - 20,25)² + (10 - 13,5)² +
11,25 20,25 13,5
(15 - 13,75)² + (20 - 24,75)² + (20 - 16,5)²
13,75 24,75 16,5
= 3,9281
Created by Sri Nastiti Andharini

5. Menentukan kesimpulan atau pengambilan keputusan  berdasarkan nilai χ²


(hitung) yang dibandingkan dengan χ² (α,df), maka χ² (hitung) < χ²(α,df), sehingga h0
diterima maknanya (artinya) adalah :
• P1 = p2 = … = pk (p) atau
• P11 = p12 = … = p1j
P21= p22 = … = p2j atau yang lain (sesuai dengan formulasi yang
dipergunakan pada langkah 1) ➙ tidak ada hubungan / pengaruh /
terdapat independensi/sesuai dan lain-lain (sesuaikan dengan kasusnya)

Uji f
Pada distribusi f dapat dipergunakan untuk menguji rata-rata yang lebih dari
dua buah sampel dan pengujian variance.
Pada pengujian rata-rata ada beberapa bentuk uji yang dapat dipergunakan,
yaitu :
1. Satu arah : pengujian k mean (k > 2)
2. Dua arah

Uji f  satu arah :


Langkah-langkah umum yang dipergunakan dalam uji ini sama dengan yang
ada pada uji hipotesis. (hanya berbeda pada langkah ke - 4, karena yang
dihitung adalah f(hitung)). Pada uji ini hanya dipergunakan uji satu sisi yaitu
kanan.

1. Menentukan formulasi h0 dan h1


H0 : µ1 = µ2 = ……= µk
H1 : µ1 ≠ µ2 ≠ ……≠ µk (paling sedikit satu pasang berbeda)

2. Menentukan tingkat signifikansi (α) untuk nilai f berdasarkan tabel f.


Nilai f dapat ditentukan dengan α dan tingkat kebebasan (df). Tingkat
kebebasan pada penentuan harga ini ada beberapa pilihan, yaitu :
♦ K - 1; k (n - 1) untuk kasus yang mempunyai data dengan jumlah baris
yang sama (banyaknya pengamatan setiap kumpulan sampel sama).
♦ (k - 1); (n - k) untuk kasus yang mempunyai data dengan jumlah baris
yang tidak sama (banyaknya pengamatan setiap kumpulan sampel tidak
sama).
Misalkan diketahui α = 5% dan df = 2; 9 maka f(α,df) = 4,26 (lihat pada tabel f
untuk α = 5%)

3. Menentukan kriteria pengujian, karena uji satu sisi  kanan, maka :


H0 diterima jika : f(hitung) ≤ f(α)
H0 tolak jika : f(hitung) > f(α)
Atau h0 diterima jika : f(hitung) ≤ 4,26
H0 tolak jika : f(hitung) > 4,26

4. Menentukan nilai f berdasarkan perhitungan, dengan tahapan-tahapan


sebagai berikut :
a. Menentukan variance between means :
1) Untuk data yang mempunyai banyaknya pengamatan setiap kumpulan
sampel yang sama
A) tentukan rata-rata dari tiap kumpulan sampel  (xj)
Created by Sri Nastiti Andharini

b) Untukan rata-rata total (semua data)


 (x)
c) Tentukan variance dari rata-rata sampel
 s2 x k
∑ (xj - x)2
J=i
-----------------
k-1
d) Tentukan variance between mean (variance dari rata-rata populasi)
atau estimasi pertama dari σ2
k
n • ∑ (xj - x)2
j=1
σ = n • s x = ----------------------
2 2

k-1
2) Untuk data yang mempunyai banyaknya pengamatan setiap kumpulan
sampel yang tidak sama
a) Tentukan total nilai masing-masing kum-pulan sampel - tj
b) Tentukan total nilai dari semua sampel  tk.
c) Tentukan variance between mean :
k t2 j t2
∑ ----- -----
j=1 nj n
---------------------
k–1

b. Menentukan variance within group :


1) Untuk data yang mempunyai banyaknya pengamatan setiap kumpulan
sampel yang sama. Ini merupakan estimasi kedua dari σ2, sehingga
rumus yang digunakan adalah :

n k
∑ ∑ (xij - xj)2
i=1 j=1
-----------------------------
k (n - 1)
2) Untuk data yang mempunyai banyaknya pengamatan setiap kumpulan
sampel yang tidak sama
n k k t2 j
∑ ∑ xij2 - ∑ -----
i=1 j=1 j = 1 nj
---------------------------------------
n-k
c. Menentukan f(hitung), dengan rumus umum :

F(hitung) = variance between mean


Variance within group

5. Menentukan kesimpulan atau pengambilan kepu-tusan berdasarkan nilai


f(hitung) yang dibanding-kan dengan f(α,df).
Created by Sri Nastiti Andharini

Regresi dan korelasi linier berganda


Multiple linier regression

Hubungan antara dua variabel atau lebih dapat digambarkan melalui


“hubungan regresional”. Analisis regresi linier untuk lebih dari dua variabel
disebut analisis regresi linier berganda (multiple linier regression), artinya
variabel y yang dipengaruhi oleh variabel x1, x2, …. Dan seterusnya, yang
dinyatakan dengan persamaan linier, yaitu :
Y = a + b1x1 + b2x2 (linier berganda)
Y = a + b1x1 + b2x2 + b3x3 + … + bkxk (multiple)
Di mana :
Y = variabel yang akan diramalkan
(variabel terikat)
X1, …., xk = variabel yang diketahui (variabel bebas)
K = banyaknya variabel bebas
A = konstanta
B1, … bk = koefisien regresi
Untuk menentukan nilai a, b1 dan b2 pada regresi linier berganda digunakan
rumus sebagai berikut :
(∑x22)(∑x1y) – (∑x1x2)(∑x2y)
B1 = ------------------------------------------
(∑x1)2(∑x2)2 – (∑x1x2)2

(∑x12)(∑x2y) – (∑x1x2)(∑x1y)
B2 = ------------------------------------------
(∑x1)2(∑x2)2 – (∑x1x2)2

A = y - b 1x 1 - b 2x 2
Di mana :
(∑x1)2 (∑x2)2
∑x12 = ∑x1 - --------- ∑x22 = ∑x2 - ---------
n n

(∑x1)( )(∑y) (∑x2)( )(∑y)


∑x1y = ∑x1y – ----------------- ∑x2y = ∑x2y – -----------------
n n

(∑x1) (∑x2)
∑x1x2 = ∑x1x2 – ---------------
n

Hubungan antara dua variabel atau lebih, secara kuantitatif dapat juga
diketahui berdasarkan korelasi (correlation).
Dua variabel dikatakan berkorelasi apabila perubahan pada variabel yang satu
akan diikuti oleh perubahan pada variabel yang lain secara teratur, dengan
arah yang sama ataupun arah yang berlawanan.
Created by Sri Nastiti Andharini

Arah hubungan antara dua variabel dapat dibe-dakan :


1. Direct correlation (positive correlation)
2. Inverse correlation (negative correlation)
3. Korelasi nihil (tidak berkorelasi)

Sedangkan korelasi berganda merupakan alat ukur untuk mengetahui


hubungan antara variabel terikat de-ngan beberapa variabel bebas secara
serempak. Koefisien korelasi berganda, yang diberi notasi ry,1,2,…., k dihitung
melalui jalur terjadinya hubungan antara satu variabel terikat dengan beberapa
variabel bebas.

Berdasarkan adanya regresi linier berganda, koefisien korelasi berganda


dihitung dengan rumus se-bagai berikut :
b1∑x1y + b2∑x2y + ….. + bk∑xky
Ry,1,2,…., k = √ ---------------------------------------------
∑y2
Untuk menguji apakah koefisien regresi parsial (individu) berbeda secara
signifikan dari nol (0) atau apakah suatu variabel bebas secara individu
berhubungan dengan variabel terikat, dapat dipergunakan uji distribusi t.
Pengujian ini dapat dilakukan secara dua arah maupun searah. Tanda pertidak
samaan koefisien regresi sering diketahui melalui pertimbangan-pertimbangan
non-statistik. Nilai test sattistiknya dapat dirumuskan dengan :

bi
T = ------
sbi
Di mana :
bi = koefisien regresi parsial sampel
sbi = standard eror koefisien regresi sampel
Sedangkan untuk uji signifikansi serentak (simultan) dapat dilakukan dengan
menggunakan distribusi f yang memiliki dua (2) derajat kebebasan, yaitu
pembilang 2 dan penyebut n – k (di mana k adalah banyaknya variabel bebas).
Formulasi yang dipergunakan untuk menguji serentak antara beberapa variabel
bebas secara simultan terhadap variabel terikatnya adalah sebagai berikut :
Ssr/k
F = ------------------
sse/n – k - 1

Dengan formulasi hipotesis yaitu :


X) h0 : β i = 0 (tidak ada pengaruh yang signifikan antara variabel bebas
terhadap variabel terikatnya)
H1 : βi ≠ 0 (ada pengaruh yang signifikan antara variabel bebas
terhadap variabel terikatnya)

X) sesuai dengan alat uji yang digunakan -- apakah secara simultan
(serentak) ataukah secara parsial.

Untuk menguji hubungan berdasarkan koefisien korelasi digunakan uji t, yaitu


hubungan yang signifikan antara variabel bebas terhadap variabel ter-ikatnya.

Dengan formulasi sebagai berikut :


uji t :
Created by Sri Nastiti Andharini

r√n–2 di mana :
t = ------------- r = koefisien korelasi
√ 1 – r2 n = banyaknya
pengamatan
2
r = koefisien
determinasi
Dengan formulasi hipotesis yaitu :
X) h0 : ρ i = 0 (tidak ada hubungan yang signifikan antara variabel bebas
terhadap variabel terikatnya)
H1 : ρi ≠ 0 (ada hubungan yang signifikan antara variabel bebas
terhadap variabel terikatnya)

Catatan : regresi linier (sederhana maupun berganda) biasanya dipergunakan


pada data yang berskala rasio dan interval
Created by Sri Nastiti Andharini

Soal-soal :
1. suatu perusahaan telah membuat suatu mesin model baru. X
menunjukkan kejadian bahwa mesin tersebut pemakain bahan bakarnya irit,
y menunjukkan kejadian bahwa mesin tersebut biaya pemeliharaannya
rendah dan z menunjukkan bahwa mesin tersebut dapat dijual dengan laba
yang tinggi. Kejadian-kejadian itu digambarkan dalam diagram venn di
bawah ini. Jelaskan dengan kata-kata kejadian apa yang ditunjukkan oleh
daerah dalam diagram venn, seperti :
a. Daerah 1
b. Daerah 3 dan 6 bersama X Y
c. Daerah 7 7
d. Daerah 5 2 5
e. Daerah 1 dan 4 bersama 1
f. Daerah 8 3
g. Daerah 1, 2, 4, dan 7 bersama
h. Daerah 1, 3, 4, dan 6 bersama
8 6 Z

2. Dari sejumlah produk yang dihasilkan diketahui rata-rata berat produk


adalah 145 ons dan berdistribusi normal. Ter-nyata 38,3% beratnya antara
132 dan 158 ons. Tentukanlah berapa deviasi standard dari produk
tersebut ?

3. Perusahaan “ayp” memproduksi pensil dengan merk “mhm”. Pemakaian


pensil tersebut berdistribusi normal dengan rata-rata masa pakai 32 hari dan
deviasi standard 6 hari. Seorang penjual pensil ini menghendaki dikirim oleh
pabrik setiap jangka waktu tertentu, berapa harikah jangka waktu
pengiriman agar dari setiap pengiriman yang diterima sipenjual akan sudah
laku 40% ?

4. Di suatu perusahaan, di masa lalu memperlihatkan bahwa pada


umumnya tiap bulan terjadi kecelakaan pabrik sebanyak 3 kali. Distribusi
apa yang dapat digunakan dalam hal ini ? Berapa probabilita, bahwa dalam
bulan tertentu akan terjadi kecelakaan kurang dari 4 kali ?

5. Andaikan kita ingin memperkirakan berapa % ibu yang menyenangi


minyak goreng “x” untuk keperluan memasak. Ketika membuat perkiraan itu
dikehendaki probabilita benar 0,99 dengan membuat kekeliruan maksimal
3%. Berapa ibu yang perlu diselidiki untuk keperluan perkiraan itu ?

6. Suatu survey direncanakan untuk menyelidiki pengeluaran rata-rata


keluarga untuk pembelian sabun cuci. Survey menghasilkan estimasi deviasi
standard sebesar rp 45,-. Berapa keluarga yang harus diambil sebagai
sample agar supaya survey tersebut dengan probabilita 95% tidak salah
lebih dari rp 8,-

7. Suatu mesin pengisi minuman diatur sehingga rata-rata mengisi setiap


botol 200 ml. Jika volume minuman tersebut berdistribusi normal dengan
simpangan baku 15 ml, berapa banyak botol minuman yang berisi melebihi
230 ml bila produksi diketahui 1000 botol ?.

8. Seorang pimpinan bank ingin meningkatkan mutu pelayanan kepada


nasabah. Berdasarkan penelitian sampel acak terha-dap 200 orang nasabah,
ternyata yang tidak puas adalah 55 orang.
Created by Sri Nastiti Andharini

a. Berapakah interval persentase nasabah yang puas dengan tingkat


keyakinan 99 % ?
b. Berapa interval prosentase nasabah yang tidak puas dengan tingkat
keyakinan 95% ?
c. Berdasarkan sample di atas ujilah suatu pernyataan yang
dikemukakan oleh pimpinan bank tersebut, yang menyatakan bahwa
proporsi nasabah yang tidak puas adalah sebesar 50% pada alpha 5%.
d. Jika proporsi nasabah yang tidak puas lebih dari 50%, maka
pimpinan bank akan meningkatkan mutu pelayanan kepada nasabah.
Berdasarkan jawaban point c. Apa yang perlu dilakukan oleh pimpinan
bank tersebut ?

9. Kepala bagian produksi mengatakan bahwa rata-rata setiap botol


minuman yang diproduksinya terisi sebanyak 200 ml. Untuk menguji
pendapat tersebut telah dilakukan suatu penelitian terhadap 30 botol yang
diambil secara acak dari sejumlah produk yang dihasilkan. Dari 30 botol itu
diketahui bahwa rata-rata setiap botolnya terisi sebanyak 218 ml. Dengan
simpangan baku sebesar 15 ml.
a. Ujilah pendapat kepala bagian produksi tersebut pada alpha 99%, dan
alhpa 95%
b. Apa yang dapat disimpulkan dengan pengujian di atas, point 1).

10. Nasabah bank swasta di kota malang diklasifikasikan menjadi : puas dan
tidak puas. Ada pendapat yang menyatakan bahwa proporsi nasabah bak
yang puas dan tidak puas adalah sama untuk bank-bank swasta. Dari bank
swasta yang diteliti oleh seorang peneliti, diperoleh data sebagai berikut :

bank
A B C D
Nasabah
Puas 75 140 10 95
5
Tidak puas 25 25 35 40

Dengan alhpa 95 % ujilah prndapat tersebut

11. Suatu lembaga riset pemasaran ingin mengetahui, berdasarkan data


beri-kut, apakah ada independensi antara ukuran tube pasta gigi yang dibeli
de-ngan ukuran (besarnya) keluarga dari pembeli pasta gigi. Telah dilakukan
pene-litian terhadap sebuah merk pasta gigi, dan diperoleh hasil sebagai
berikut :

Besarnya keluarga
Ukuran
tube 1–2 3 – 4 5 – 6 7 atau lebih
Besar 23 116 78 43
Medium 54 25 16 11
Kecil 31 68 39 8

Dengan taraf signifikansi 0,05 ujilah suatu hipotesis nol yang mengatakan
bahwa tidak ada hubungan antara keduanya

12. Pendapat seorang pejabat dari bappenas mengatakan bahwa rata-rata


biaya (dalam milyar rupiah) setiap jenis proyek dari 5 daerah di pula jawa
adalah sama, dengan alternatif berbeda. Jika secara acak telah diambil
Created by Sri Nastiti Andharini

sejumlah proyek dari masing-masing daerah, dan hasil yang diperoleh


sebagai berikut :

daerah
A B C C E
Proyek
1 50 60 80 70 40
2 60 50 70 80 45
3 45 70 40 80 90
4 70 40 50 60 80

Dengan menggunakan alpha 5% ujilah pendapat tersebut. Kemudian


gunakan alpha 1%, dan apa yang dapat saudara simpulkan dari tingkat
signifikansi yang digunakan ? Jelaskan jawaban saudara.

13. Pendapat seorang pejabat dari bappenas mengatakan bahwa rata-rata


biaya (dalam milyar rupiah) setiap jenis proyek dari 4 daerah di pula jawa
adalah sama, dengan alternatif berbeda. Jika secara acak telah diambil
sejumlah proyek dari masing-masing daerah, secara berurutan dan hasil
yang diperoleh sebagai berikut :
Daerah a : 70 40 70 50 50
Daerah b : 40 60 80 45
Daerah c : 70 80 70 60 40 55
Daerah d : 45 70 55 60 60
Dengan menggunakan alpha 5% ujilah pendapat tersebut. Kemudian
gunakan alpha 10%, dan apa yang dapat saudara simpulkan dari tingkat
signifikansi yang digunakan ? Jelaskan jawaban saudara.

14. Berdasarkan data yang diperoleh dari 22 keluarga sebagai sample acak
dibuat suatu persamaan regresi yang menghubungkan konsumsi (c) dan
pendapatan (y).

C = a + by  c = 12 + 0,90 y, b = 0,90 = mpc (marginal propensity to


consume)

n∑ CiYi − ∑ Ci ∑Yi
b=
n∑Yi − ( ∑Yi )
a = C −bY 2 2

a. Ujilah pendapat bahwa mpc = 0,83 dengan


alternatif lebih besar dari itu dengan alhpa 5%
b. Dengan menggunakan tingkat keyakinan 95%,
buatlah pendugaan interval mpc sebenarnya (koefisien regresi
sebenarnya)

15. Y 178 224 160 315 229 250 181 306 257
X 105 105 130 130 130 150 150 170 170

a. Dengan menggunakan persamaan regresi secara linier sederhana,


berapakah ramalan y apabila x sebesar 200 ?
b. Jika x merupakan data konsumsi dan y adalah data pendapatan
dalam ribuan rupiah perminggu, interpretasikan hasil b dari persamaan
regresinya.
Created by Sri Nastiti Andharini

Referensi :

1. Djarwanto, ps, s.e., statistik induktif, edisi


pertama, cetakan pertama, penerbit liberty, yogyakarta, 1986.

2. Kustituanto, bambang, drs., statistika


untuk ekonomi dan bisnis, edisi pertama, cetakan pertama, penerbit bpfe
– yogyakarta, 1988

3. Levin, richard i., statistics for


management, fourth edition, prentice – hall international, inc.,

4. Mendenhall/reinmuth, statistik untuk


manajemen dan ekonomi, jilid ii, alih bahasa prof. Dra. N. Soematojo,
penerbit erlangga, jakarta, 1987.

5. Mulyono, sri, statistika untuk ekonomi,


lpfe – ui, jakarta, 1991.

6. Spiegel, murray r., statistik versi metrik


(teori dan soal-soal), alih bahasa drs. I nyoman susila, m.sc., dkk, penerbit
erlangga, jakarta, 1991.

7. Supranto, j., m.a., statistik teori dan


aplikasi, jilid ii, edisi keenam, penerbit erlangga, jakarta, 2001.

8. Suhariyadi, statistik untuk ekonomi dan


keuangan modern, jilid 2, edisi ..., salemba empat, jakarta, 2006.