STATISTIKA
INDUSTRI
Tahun Pembuatan : 2011
Ir. Wiyono MT
KATA PENGANTAR
Bismillaahirrohmaanirrohiim,
Assalaamu’alaikum Warohmatulloohi Wabarokaatuh
Penulis
Buku Acuan :
1. Walpole, Ronald E., et all: “Probability & Statistics for Engineers & Scientists”, Prentice Hall, 2007
2. Hogg, Robert V., and Elliot A. Tanis: “Probability and Statistical Inference”, Pearson Education, 2006
3. Ledolter. J, Hogg, Robert V. : “ Applied Statistics fot Engineers and Physical Scientists”, Pearson Prentice Hall, 2010.
Pokok Tujuan
Minggu Materi Tujuan Instruksional Kegiatan Evalua
Bahasan Instruksional Acuan
Ke Khusus (TIK) si
Umum (TIU)
1. Pendahulu Teori Sampling Mahasiswa Mahasiswa mampu Tatap Tanya [1, Bab
an memahami tentang menjelaskan pengertian: muka Jawab 8)
pengertian konsep
dasar metoda 1. sampling Diskusi
2. populasi dan sample
sampling 3. statistik dan parameter
2. Statistika Ukuran pemusatan, Mahasiswa Mahasiswa mampu Tatap Tanya [1, Bab
Deskriptif keragaman dan letak memahami tentang menjelaskan pengertian: muka Jawab 8)
pengertian konsep
dasar Statistika 1. Ukuran pemusatan Diskusi
Deskriptif 2. Ukuran keragaman
3. Ukuran letak
3. Distribusi Distribusi sampling Mahasiswa Mahasiswa mampu: Tatap Tanya [1, Bab
sampling rataan dan proporsi memahami distribusi muka Jawab 8]
rataan dan dari satu populasi sampling rataan dan 1. menjelaskan teorema
“central limit” Diskusi
proporsi dan dua populasi ( Z proporsi dari satu 2. menghitung nilai
dan t) populasi dan dua probabilitas distribusi
populasi sampling rataan dan
proporsi untuk satu dan
dua populasi
4. Distribusi Distribusi sampling Mahasiswa Mahasiswa mampu: Tatap Tanya [1, Bab
sampling variansi ( Chi Square memahami distribusi muka Jawab 8]
variansi dan F) sampling Chi Square 1. menghitung nilai
probabilitas distribusi Diskusi
dan F sampling variansi dari
satu populasi
2. menghitung nilai
probabilitas distribusi
sampling variansi dari
dua populasi
5. Estimasi 1. Pengertian dan Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
dan uji sifat-sifat memahami pengertian muka Jawab 9, 18]
hipotesa estimator dan sifat-sifat umum 1. menjelaskan pegertian
2. Estimasi rataan dan sifat-sifat umum Diskusi [2, Bab
rataan estimator dan estimator
satu populasi 6]
untuk satu 3. Estimasi rataan pengujian hipotesa 2. menjelaskan metoda
dan dua dua populasi khususnya selang untuk menentukan [3, Bab
populasi 4. Pengertian uji rataan dan estimator rataan 9]
hipotesa pengujiannya baik populasi
5. Jenis kesalahan satu populasi maupun 3. menghitung nilai
dalam uji estimasi selang rataan
dua populasi
hipotesis suatu populasi (satu dan
dua populasi).
4. menjelaskan kesalahan
dalam uji hipotesis
5. melakukan uji hipotesis
rataan (satu dan dua
populasi).
6. Estimasi 1. Estimator Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
dan proporsi memahami pengertian muka Jawab 9]
pengujian 2. Pengujian dan dan sifat-sifat umum 1. menjelaskan metoda
Estimasi selang untuk menentukan Diskusi [2, Bab
hipotea estimator dan estimator proporsi
proporsi baik 6]
proporsi satu dan dua Pengujian hipotesa populasi
populasi populasi khususnya proporsi 2. menghitung nilai
baik satu populasi estimasi selang proporsi
maupun dua populasi suatu populasi (satu dan
dua populasi).
3. Menguji proporsi satu
dan dua proporsi
7. Estimasi 1. Estimator Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
dan uji variansi memahami pengertian muka Jawab 9]
hipotesa 2. Estimasi selang dan sifat-sifat umum 1. menjelaskan metoda
variasi baik satu untuk menentukan Diskusi [2, Bab
variansi estimator dan estimator variansi
dan dua populasi 6]
3. Pengujian pengujian hipotesa populasi
hipotesa variansi khususnya untuk 2. menghitung nilai
satu dan dua variansi baik satu estimasi selang variasni
populasi. populasi maupun dua suatu populasi (satu dan
populasi dua populasi).
3. Menguji variansi untuk
satu dan dua populasi
8. UTS
9. Uji 1. Goodness of fit Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
Hipotesis 2. Uji independesi memahami metoda uji
goodness of fit dan uji 1. melakukan uji goodness muka Jawab 10]
independensi of fit
2. melakukan uji Diskusi [2, Bab
independesi 8]
10. Uji 1. Metoda analisis Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
variansi varian memahami metoda uji muka Jawab 13]
satu arah 2. CRD (complety variansi satu arah 1. Menjelaskan metoda uji
randomize variansi Diskusi [2, Bab
design) 2. melakukan uji variansi 10]
3. BRD(Bock satu arah
Random design)
11. Regresi 1. Regresi Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
sederhana sederhana memahami metoda muka Jawab 11]
2. Pengujian regresi regresi sederhana 1. melakukan
perhitungan regresi Diskusi
sederhana dan
pengujiannya.
12. Korelasi 1. Korelasi Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
2. Pengujian memahami konsep muka Jawab 11]
korelasi korelsi dan 1. Menghitung nilai
korelasi dan Diskusi [3, Bab
pengujiannya. pengujiannya. 14, 15]
13. Uji 1. Uji tanda Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
Hipotesis 2. Run test memahami metoda uji 3. melakukan uji tanda muka Jawab 16]
non tanda dan run test 4. melakukan run test
parametrik Diskusi [2, Bab
8]
14. Uji 1. Uji Wilcoxon Mahasiswa Mahasiswa mampu : Tatap Tanya [1, Bab
Hipotesis 2. Uji Kruskal memahami metoda uji muka Jawab 16]
non Wallis Wilcoxon dan Uji 3. melakukan uji Wilcoxon
4. melakukan uji Kruskal Diskusi [2, Bab
parametrik Kruskal Wallis Wallis 8]
15. Tugas Persentasi tugas Mahasiswa mampu Mahasiswa mampu Tatap Tanya
besar mengaplikasikan mengaplikasikan dan muka Jawab
statistika ke dunia merepresantasikan
nyata materi Diskusi
16. UAS
Penilaian :
UTS : 30%
UAS : 30%
QUIS : 25%
TUGAS : 15%
Buku Ajar Statistika Industri FRI
DAFTAR ISI
xi IT TELKOM
Buku Ajar Statistika Industri FRI
xii IT TELKOM
Buku Ajar Statistika Industri FRI
xiii IT TELKOM
BAB I. TEORI SAMPLING
PENDAHULUA
N
Teori sampling didasarkan pada lima kategori sesuai dengan kondisi yang dihadapi yaitu:
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa mengetahui proses sampling dan dapat
menggambarkan proses dan metode yang digunakan dalam pengumpulan data dan dapat
menjelaskan proses dan metode yang digunakan dalam pengolahan data.
2. Mahasiswa akan dapat memahami apa saja syarat sampel yang baik
1………….
2………….
SKENARIO PEMBELAJARAN
3………….
4………….
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
I.1.1 Sampling
Proses pengambilan atau memilih n buah elemen/objek/unsur dari populasi yang
berukuran N. Misalnya memilih sebagian murid SD Negeri di Kota Bandung, dalam sebuah
penelitian yang bertujuan untuk mengetahui proporsi latar belakang tingkat pendidikan orang
tua dari seluruh murid SD Negeri di Kota Bandung.
Populasi Sampel
Berbagai alasan yang masuk akal mengapa peneliti tidak melakukan sensus antara
lain adalah,(a) populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin
seluruh elemen diteliti; (b) keterbatasan waktu penelitian, biaya, dan sumber daya manusia,
membuat peneliti harus telah puas jika meneliti sebagian dari elemen penelitian; (c) bahkan
kadang, penelitian yang dilakukan terhadap sampel bisa lebih reliabel daripada terhadap
populasi – misalnya, karena elemen sedemikian banyaknya maka akan memunculkan
kelelahan fisik dan mental para pencacahnya sehingga banyak terjadi kekeliruan. (Uma
Sekaran, 1992); (d) demikian pula jika elemen populasi homogen, penelitian terhadap seluruh
elemen dalam populasi menjadi tidak masuk akal, misalnya untuk meneliti kualitas jeruk dari
satu pohon jeruk
Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya
dalam artian masih bisa mewakili karakteristik populasi, maka cara penarikan sampelnya
harus dilakukan secara seksama. Cara pemilihan sampel dikenal dengan nama teknik
sampling atau teknik pengambilan sampel .
Atau dapat diartikan sebagai sekelompok orang, kejadian, atau benda, yang dijadikan
obyek penelitian. Jika yang ingin diteliti adalah sikap konsumen terhadap satu produk
tertentu, maka populasinya adalah seluruh konsumen produk tersebut. Jika yang diteliti
adalah laporan keuangan perusahaan “X”, maka populasinya adalah keseluruhan laporan
keuangan perusahaan “X” tersebut, Jika yang diteliti adalah motivasi pegawai di departemen
“A” maka populasinya adalah seluruh pegawai di departemen “A”.
I.1.5 Kerangka sampel
Kerangka sampel adalah daftar yang memuat seluruh elemen/anggota populasi,
sebagai dasar untuk penarikan sampel random Sedangkan sampel adalah suatu himpunan
bagian dari populasi.
Contoh systematic variance yang banyak ditulis dalam buku-buku metode penelitian
adalah jajak-pendapat (polling) yang dilakukan oleh Literary Digest (sebuah majalah yang
terbit di Amerika tahun 1920-an) pada tahun 1936. (Copper & Emory, 1995, Nan lin, 1976).
Mulai tahun 1920, 1924, 1928, dan tahun 1932 majalah ini berhasil memprediksi siapa yang
akan jadi presiden dari calon-calon presiden yang ada. Sampel diambil berdasarkan petunjuk
dalam buku telepon dan dari daftar pemilik mobil. Namun pada tahun 1936 prediksinya
salah. Berdasarkan jajak pendapat, di antara dua calon presiden (Alfred M. Landon dan
Franklin D. Roosevelt), yang akan menang adalah Landon, namun meleset karena ternyata
Roosevelt yang terpilih menjadi presiden Amerika.
Setelah diperiksa secara seksama, ternyata Literary Digest membuat kesalahan dalam
menentukan sampel penelitiannya . Karena semua sampel yang diambil adalah mereka yang
memiliki telepon dan mobil, akibatnya pemilih yang sebagian besar tidak memiliki telepon
dan mobil (kelas rendah) tidak terwakili, padahal Rosevelt lebih banyak dipilih oleh
masyarakat kelas rendah tersebut. Dari kejadian tersebut ada dua pelajaran yang diperoleh :
(1), keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya
jumlah sampel; (2) agar sampel dapat memprediksi dengan baik populasi, sampel harus
mempunyai selengkap mungkin karakteristik populasi (Nan Lin, 1976).
Kedua : Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi.
Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik
populasi. Contoh : Dari 300 pegawai produksi, diambil sampel 50 orang. Setelah diukur
ternyata rata-rata perhari, setiap orang menghasilkan 50 potong produk “X”. Namun
berdasarkan laporan harian, pegawai bisa menghasilkan produk “X” per harinya rata-rata 58
unit. Artinya di antara laporan harian yang dihitung berdasarkan populasi dengan hasil
penelitian yang dihasilkan dari sampel, terdapat perbedaan 8 unit. Makin kecil tingkat
perbedaan di antara rata-rata populasi dengan rata-rata sampel, maka makin tinggi tingkat
presisi sampel tersebut.
Belum pernah ada sampel yang bisa mewakili karakteristik populasi sepenuhnya. Oleh
karena itu dalam setiap penarikan sampel senantiasa melekat keasalahan-kesalahan, yang
dikenal dengan nama “sampling error” Presisi diukur oleh simpangan baku (standard error).
Makin kecil perbedaan di antara simpangan baku yang diperoleh dari sampel (S) dengan
simpangan baku dari populasi (σ), makin tinggi pula tingkat presisinya. Walau tidak
selamanya, tingkat presisi mungkin bisa meningkat dengan cara menambahkan jumlah
sampel, karena kesalahan mungkin bisa berkurang kalau jumlah sampelnya ditambah
( Kerlinger, 1973 ). Dengan contoh di atas tadi, mungkin saja perbedaan rata-rata di antara
populasi dengan sampel bisa lebih sedikit, jika sampel yang ditariknya ditambah. Katakanlah
dari 50 menjadi 75.
Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan seperti
yang diutarakan oleh Kerlinger
besar
kesalahan
kecil
Ukuran sampel atau jumlah sampel yang diambil menjadi persoalan yang penting
manakala jenis penelitian yang akan dilakukan adalah penelitian yang menggunakan analisis
kuantitatif. Pada penelitian yang menggunakan analisis kualitatif, ukuran sampel bukan
menjadi nomor satu, karena yang dipentingkan alah kekayaan informasi. Walau jumlahnya
sedikit tetapi jika kaya akan informasi, maka sampelnya lebih bermanfaat.
Dikaitkan dengan besarnya sampel, selain tingkat kesalahan, ada lagi beberapa faktor
lain yang perlu memperoleh pertimbangan yaitu, (1) derajat keseragaman, (2) rencana
analisis, (3) biaya, waktu, dan tenaga yang tersedia . (Singarimbun dan Effendy, 1989).
Makin tidak seragam sifat atau karakter setiap elemen populasi, makin banyak sampel yang
harus diambil. Jika rencana analisisnya mendetail atau rinci maka jumlah sampelnya pun
harus banyak. Misalnya di samping ingin mengetahui sikap konsumen terhadap kebijakan
perusahaan, peneliti juga bermaksud mengetahui hubungan antara sikap dengan tingkat
pendidikan. Agar tujuan ini dapat tercapai maka sampelnya harus terdiri atas berbagai jenjang
pendidikan SD, SLTP. SMU, dan seterusnya.. Makin sedikit waktu, biaya , dan tenaga yang
dimiliki peneliti, makin sedikit pula sampel yang bisa diperoleh. Perlu dipahami bahwa
apapun alasannya, penelitian haruslah dapat dikelola dengan baik (manageable).
Misalnya, jumlah bank yang dijadikan populasi penelitian ada 400 buah.
Pertanyaannya adalah, berapa bank yang harus diambil menjadi sampel agar hasilnya
mewakili populasi?. 30?, 50? 100? 250?. Jawabnya tidak mudah. Ada yang mengatakan, jika
ukuran populasinya di atas 1000, sampel sekitar 10 % sudah cukup, tetapi jika ukuran
populasinya sekitar 100, sampelnya paling sedikit 30%, dan kalau ukuran populasinya 30,
maka sampelnya harus 100%.
Ada pula yang menuliskan, untuk penelitian deskriptif, sampelnya 10% dari populasi,
penelitian korelasional, paling sedikit 30 elemen populasi, penelitian perbandingan kausal, 30
elemen per kelompok, dan untuk penelitian eksperimen 15 elemen per kelompok (Gay dan
Diehl, 1992).
Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah
sampel sebagai berikut :
1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD/SLTP/SMU, dsb),
jumlah minimum subsampel harus 30
3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel
harus beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.
4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat,
ukuran sampel bisa antara 10 s/d 20 elemen.
Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa
dipakai untuk menentukan jumlah sampel sebagai berikut (Lihat Tabel)
Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384
Sebagai informasi lainnya, Champion (1981) mengatakan bahwa sebagian besar uji
statistik selalu menyertakan rekomendasi ukuran sampel. Dengan kata lain, uji-uji statistik
yang ada akan sangat efektif jika diterapkan pada sampel yang jumlahnya 30 s/d 60 atau
dari 120 s/d 250. Bahkan jika sampelnya di atas 500, tidak direkomendasikan untuk
menerapkan uji statistik. (Penjelasan tentang ini dapat dibaca di Bab 7 dan 8 buku Basic
Statistics for Social Research, Second Edition)
Ada beberapa teknik pengambilan sampel yang sering digunakan dalam penelitian
diantaranya adalah: Sampling non probabilitas dan sampling probabilitas.
DEFINISI
Sampel probabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga masing-masing anggota populasi memiliki probabilitas atau
peluang yang sama untuk dijadikan sampel.
Sampel nonprobabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga setiap anggota tidak memiliki probabilitas atau peluang yang
sama untuk dijadikan sampel.
Menurut peluang
Menurut proses memilih
pemilihannya
Probability sampling/
Non probability
Sampling dengan Sampling tanpa random sampling
sampling
pengembalian pengembalian
Simple Stratified
Cluster Systematic Area
random random
sampling sampling sampling
sampling sampling
Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak adalah
memperoleh atau membuat kerangka sampel atau dikenal dengan nama “sampling frame”.
Yang dimaksud dengan kerangka sampling adalah daftar yang berisikan setiap elemen
populasi yang bisa diambil sebagai sampel. Elemen populasi bisa berupa data tentang
orang/binatang, tentang kejadian, tentang tempat, atau juga tentang benda. Jika populasi
penelitian adalah mahasiswa perguruan tinggi “A”, maka peneliti harus bisa memiliki daftar
semua mahasiswa yang terdaftar di perguruan tinggi “A “ tersebut selengkap mungkin.
Nama, NRP, jenis kelamin, alamat, usia, dan informasi lain yang berguna bagi penelitiannya..
Dari daftar ini, peneliti akan bisa secara pasti mengetahui jumlah populasinya (N). Jika
populasinya adalah rumah tangga dalam sebuah kota, maka peneliti harus mempunyai daftar
seluruh rumah tangga kota tersebut. Jika populasinya adalah wilayah Jawa Barat, maka
penelti harus mepunyai peta wilayah Jawa Barat secara lengkap. Kabupaten, Kecamatan,
Desa, Kampung. Lalu setiap tempat tersebut diberi kode (angka atau simbol) yang berbeda
satu sama lainnya.
Di samping sampling frame, peneliti juga harus mempunyai alat yang bisa dijadikan
penentu sampel. Dari sekian elemen populasi, elemen mana saja yang bisa dipilih menjadi
sampel?. Alat yang umumnya digunakan adalah Tabel Angka Random, kalkulator, atau
undian. Pemilihan sampel secara acak bisa dilakukan melalui sistem undian jika elemen
populasinya tidak begitu banyak. Tetapi jika sudah ratusan, cara undian bisa mengganggu
konsep “acak” atau “random” itu sendiri.
DEFINISI
Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur atau
elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja, kalau dalam
stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti bisa mengambil
semua manajer dalam stratum tersebut , dan untuk manajer tingkat menengah (II)
ditambah 5, sedangkan manajer tingat bawah (III), tetap 63 orang.
2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu.
Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa
seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya.
Dua jenis sampel ini dikenal dengan nama judgement dan quota sampling.
Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang
paling baik untuk dijadikan sampel penelitiannya.. Misalnya untuk memperoleh data
tentang bagaimana satu proses produksi direncanakan oleh suatu perusahaan, maka
manajer produksi merupakan orang yang terbaik untuk bisa memberikan informasi.
Jadi, judment sampling umumnya memilih sesuatu atau seseorang menjadi sampel
karena mereka mempunyai “information rich”.
Dalam program pengembangan produk (product development), biasanya yang
dijadikan sampel adalah karyawannya sendiri, dengan pertimbangan bahwa kalau
karyawan sendiri tidak puas terhadap produk baru yang akan dipasarkan, maka jangan
terlalu berharap pasar akan menerima produk itu dengan baik. (Cooper dan Emory,
1992).
Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara kebetulan saja.
Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40%. Jika
seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin tadi
maka dia harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan
pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga puluh sampel
tadi tidak dilakukan secara acak, melainkan secara kebetulan saja.
4. Haphazard Sampling
Satuan sampling dipilih sembarangan atau seadanya, tanpa perhitungan apapun
tentang derajat kerepresentatipannya. Misalnya ketika kita akan melakukan penelitian
mengenai kompetensi dosen di sebuah Universitas, pertanyaan dapat diajukan kepada
siapapun mahasiswa dari universitas tersebut (sebagai sampel) yang kebetulan datang
pada saat kita berada di sana untuk melakukan penelitian.
Wawancara
Pengamatan
Surat menyurat
Kuisioner
Data mentah yang diperoleh dapat disajikan sebagai statistika tataan (pengurutan data)
dalam bentuk tabel distribusi frekuensi,histogram, box plot, diagram dahan daun, dan lain-
lain.
I.5.2 Tabel Distribusi frekuensi
k = 1 + 3,3 log N
N : banyaknya pengamatan
Banyaknya kelas sebaiknya antara 5 sampai dengan 15
Batas kelas bawah – lower class limit, yaitu nilai terendah dalam suatu interval
kelas
Batas kelas atas – upper class limit, yaitu nilai tertinggi dalam suatu interval
kelas
Batas
kelas
bawah
Batas
kelas
atas
Nilai tengah adalah tanda atau perinci dari suatu interval kelas dan merupakan suatu
angka yang dapat dianggap mewakili suatu interval kelas. Nilai tengah kelas berada di
tengah-tengah pada setiap interval kelas.
+
2122] /
2
Contoh nilai tepi kelas : =
Jumlah Frekuensi Nilai
1168.5
Tepi
Kelas Interval
(F) Kelas
ke 2
5 Sentul City 530
6 Tunas Baru 580
Contoh 1 : 7 proteinprima 650
= 8 total
9 Mandiri
750
840
1.
[ 2122 10 Panin
11 Indofood
1200
1280
+2123 12 Bakrie
13 Berlian
1580
2050
] / 2 1516 Bumi
14 Niaga 2075
resources 2175
BNI 3150
= 1718 EnergiBCA
mega 3600
5350
k = 1 + 3,322 Log 20
k = 1 + 3,322 (1,301)
k = 1 + 4,322
k = 5,322
Jadi interval kelas 1907 yaitu jarak nilai terendah dan nilai tertinggi dalam suatu kelas
atau kategori
2122
2123
Nilai
tere
ndah
Kelas Interval
1 215 2122
Kela
2 2123 4030 s ke
3 4031 5938 2
4 5939 7846
5 7847 9754
=
2122 Nilai
tertin
4. Lakukan penturusan atau tabulasi data
+1
Kelas Interval Frekuensi = ggi :(F)
Jumlah Frekuensi
Jumlah Frekuensi
Kelas Interval Frekuensi relatif (%)
(F)
1 215 2122 14 70
2 2123 4030 3 15
3 4031 5938 1 5
4 5939 7846 1 5
5 7847 9754 1 5
Frekuen
si relatif
(%)
= [ 14 /
20 ] x
100 %
= 70 %
I.5.4 Penyajian dalam Bentuk Grafik
Manusia pada umunya tertarik dengan gambar dan sesuatu yang ditampilkan delam
bentuk visual karena akan lebih mudah diingat dari pada dalam bentuk angka. Untuk itu
grafik dapat digunakan sebagai laporan. Grafik juga dapat digunakan untuk menarik
kesimpulan tanpa kehilangan makna yang sesungguhnya.
1. Grafik Histogram
Penyajian dalam bentuk histogram tidak lain merupakan pengembangan dari bentuk
tabel frekuensi. Bentuk histogram memberikan gambaran frekuensi untuk setiap nilai atau
selang nilai tertentu dari data. Gambaran ini akan lebih memudahkan pengguna dalam
mengungkap informasi yang terkandung dalam data. Histogram merupakan diagram yang
berbentuk balok. Histogram menghubungkan antara tepi kelas interval dengan pada sumbu
horizontal (X) dan frekuensi setiap kelas pada sumbu vertikal (Y).
Contoh Histogram:
1 215 2122 14
2 2123 4030 3
3 4031 5938 1
4 5939 7846 1
5 7847 9754 1
10
2. Grafik Polygon
5
Grafik polygon menggunakan garis
0 yang mengubungkan titik–titik yang
Tepi K... merupakan koordinat antara nilai tengah
kelas dengan jumlah frekuensi pada kelas
tersebut.
1 1168.5 14
2 3076.5 3
3 4984.5 1
4 6892.5 1
5 8800.5 1
16
14
12
10
Jumlah
8
Frekuensi (F)
6
4
2
0
1 2 3 4 5
3. Kurva Ogif
Kurva ogif merupakan diagram garis yang menunjukan kombinasi antara interval
kelas dengan frekuensi kumulatif.
Contoh kurva ogif:
9754.5 20 0
25
Frekuansi Kumulatif
20
15 Kurang dari
10 Lebih dari
5
0
1 2 3 4 5 6
Interval kelas
4. Box plot
Dalam membuat boxplot, pendekatan yang digunakan adalah dengan membagi
kumpulan data yang telah diurutkan menjadi empat bagian sama banyak. Keempat bagian
tersebut mempunyai lima pembatas, yaitu : data terkecil (Xmin), K1, K2 atau median, K3,
dan data terbesar (Xmax) seperti terlihat di bawah ini :
Xmin K1 K2 K3 Xmax
Selain itu, dengan menggunakan boxplots kita dapat pula mendeteksi ada atau
tidaknya data pencilan (data ekstrim). Data pencilan dideteksi dengan menggunakan nilai-
nilai Pagar Dalam (PD) dan Pagar Luar (PL). Nilai-nilai pagar tersebut dihitung
menggunakan rumus :
Nilai data yang terletak antara PD dan PL dikategorikan sebagai data pencilan dekat
(∗), dan nilai data yang terletak di luar PL dikategorikan sebagai data pencilan jauh (ο).
Stem-and-leaf of C1 N = 30
Leaf Unit = 1.0
3 0 333
5 0 45
7 0 66
11 0 8899
(6) 1 000011
13 1 2223
9 1 55
7 1 6
6 1 88
4 2 01
2 2
2 2 44
SOAL – SOAL SAMPLING
2. Apa yang dimaksud dengan kekeliruan sampling? Jelaskan pula apa yang dimaksud
dengan kekeliruan nonsampling!
5. PT Danun Jaya berlokasi di Jl. Solo Km 4 merupakan perusahaan batik sutera yang
relatif besar. Pada tahun 2003 terdapat 120 desain produk yang dihasilkan. Apabila
PT Danun Jaya ingin mengetahui keberhasilan dari setiap desain produk tersebut
dengan mengambil 10 sampel. Dengan menggunakan tabel acak, cobalah cari nomor
berapa saja yang menjadi sampel PT Danun Jaya dengan titik awal adalah baris dan
kolom ke-1.
Carilah:
Umur: 29 33 37 38 39 40 42 43 45 47 50 59
Frek.: 1 13 4 2 3 2 2 3 1 1 1
PENDAHULUA
N
Distribusi sampling didasarkan pada lima kategori sesuai dengan kondisi yang dihadapi
yaitu:
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa dapat menggunakan dan menghitung berdasarkan
macam-macam distribusi sampling.
1………….
2………….
SKENARIO PEMBELAJARAN
3………….
4………….
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
X 1+ X 2 +…+ X 3
X́ =
n
μ+ μ +…+ μ
μ X́ = =μ
n
Dan variansi
2 σ 2 +σ 2+ …+σ 2 σ 2
σ X́ = =
n2 n
CONTOH MENGHITUNG RETURN ON ASSET
Bank Retun On Asset %
Bank Bukopin 2
Bank BCA 4
Citi Bank 6
Bank Jabar 4
Bank Tugu 4
= X/N = 2 + 4 + 6 + 4 + 4 = 20/5 = 4
5
b. Nilai rata-rata populasi dan sampel apabila
diambil sampel 2 dari 5 bank
1) Kombinasi
N
C = N!/n! (N - n)! = 5!/2!(5 - 2)! = 10
n
CONTOH MENGHITUNG RETURN ON ASSET
2) Perhitungan rata-rata dari setiap sampel
Bank Kombinasi Retun On Asset % Rata-rata Hitung x
Bukopin-BCA 2+4 (6/2)= 3
Bukopin-Citibank 2+6 (8/2)= 4
Bukopin-Bank Jabar 2+4 (6/2)= 3
Bukopin-Bank Tugu 2+ 4 (6/2)= 3
BCA-Citibank 4+6 (10/2)= 5
BCA-Bank Jabar 4+4 (8/2)= 4
BCA-Bank Tugu 4+4 (8/2)= 4
Citi Bank-Bank Jabar 6+4 (10/2)= 5
Citi Bank-Bank Tugu 6+4 (10/2)= 5
Bank Jabar-Bank Tugu 4+4 (8/2)= 4
1
X X
CnN
1
X 3 4 3 3 5 4 4 5 5 4 40/10 4
10
CONTOH MENGHITUNG RETURN ON ASSET
0,7 0,5
0,6
0,4
0,5
0,4 0,3
0,3 0,2
0,2
0,1
0,1
0 0
2 4 6 3 4 5
CONTOH MENGHITUNG RETURN ON ASSET
(X ) 2
1
Standar deviasi sampel
X x
2
s
CNn
X (X - X ) ( X - X) 2
3 -1 1
4 0 0
3 -1 1
3 -1 1
5 1 1
4 0 0
4 0 0
5 1 1
5 1 1
X = 40 ( X -X) 2= 6,0
x = 40/10 = 4 x = 1/CN n ( X -x) 2 =6/10 = 0,77
Nn
s
n N 1
s
n
Bila populasi yang diambil sampelnya dan tidak diketahui distirbusinya, berhingga atau tidak,
maka distribusi sampel X́ masih akan berdistribusi hampir normal dengan rataan μ dan
variansi σ2/n, asalakan ukuran sampelnya besar (n > 30). Hal ini dikenal dengan Teorema
Limit Pusat, yaitu bila X́ rataan sampel acak ukuran n yang diambil dari populasi dengan
rataan μ dan variansi σ2 yang berhingga, maka bentuk limit dari distribusi
X́−μ
Z=
σ /√n
Hampiran normal untuk X́ umumnya cukup baik jika menggunakan sampel ukuran
besar (n > 30), terlepas dari bentuk populasi. Bila menggunakan sampel ukuran kecil (n <
30), hampirannya hanya akan baik bila populasinya tidak jauh berbeda dengan normal. Bila
populasinya normal, maka distribusi sampel X́ akan tepat berdistribusi normal, dan ukuran
sampelnya tidak menjadi masalah.
Contoh :
Suatu perusahaan memproduksi bola lampu yang umurnya berdistribusi hampir normal
dengan rataan 800 jam dan simpangan baku 40 jam. Hitunglah peluangnya bahwa
suatu sampel acak dengan 16 bola lampu akan mempunyai umur rata-rata kurang dari
775 jam.
Jawab :
775−800
z= =−2,5
10
Sehingga
= 0,0062
Gambar 1.1
Sekarang misalkan ada dua populasi, yang pertama dengan rataan 1 dan variansi σ21,
dan yang kedua dengan rataan 2 dan variansi σ22. Misalkanlah statistik 1 menyatakan rataan
sampel acak ukuran n1 yang diambil dari populasi pertama, dan statistik 2 menyatakan
rataan sampel acak ukuran n2 yang diambil dari populasi kedua, dan kedua sampel bebas satu
sama lain. Maka distribusi sampel dari selisih rataan, , berdistribusi hampir normal
dengan rataan dan variansi :
μ X́ −X́ =μ1−μ 2
1 2
2 σ 21 σ 22
σ X́ −X́ = +
n1 n 2
1 2
σ X́ =10
Sehingga
( X́ 1− X́ 2 )−( μ 1−μ2 )
Z=
√ (σ 12 /n1 )+( σ 22 /n2 )
Jika (n1 dan n2 > 30), maka hampiran normal untuk distribusi X́ 1 − X́ 2 sangat baik tidak
tergantung dari bentuk kedua populasi. Tetapi, bila (n1 dan n2 < 30), maka hampiran normal
lumayan baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila kedua
populasi normal, maka X́ 1 − X́ 2 berdistribusi normal terlepas dari ukuran n1 dan n2.
Contoh :
Suatu sampel berukuran n1 = 15 diambil secara acak dari populasi yang berdistribusi
normal dengan rataan μ1 = 50 dan variansi σ21 = 9, dan rataan sampel x́ 1 dihitung. Sampel
acak kedua berukuran n2 = 4 diambil, bebas dari yang pertama, dari populasi lain yang juga
berdistribusi normal, dengan rataanμ2 = 40 dan variansi σ21 = 4, dan rataan sampel x́ 2
dihitung. Cari nilai P( X́ 1 − X́ 2 < 8,2)!
SKEMA SELISIH POPULASI ATAU SAMPEL
Sampel 1
Populasi 1
berukuran
1, 1
X 1, Sx1
Apakah
X1 , X 2 1 , 2
Populasi 2 Sampel 2
2, 2 berukuran
X 2 , Sx2
OUTLINE
X x1 x2 X1 X 1 1 2
Pp1 p 2 P p1 P p 2 p1 p 2
2 σ 21 σ 22 9 4
Variansi : σ X́ − X́
= + = + =2,8
1 2
n1 n 2 5 4
Peluang yang dicari dinyatakan oleh luas daerah yang dihitami di Gambar 1.2.
berpadanan dengan nilai x́ 1−x́ 2 = 8,2, diperoleh
8,2−10
z= =−1,08
√2,8
Sehingga
= 0,1401
Untuk ukuran sampel besar (n > 30), taksiran σ2 yang baik dapat diperoleh dengan
menghitung nilai S2. Bila ukuran sampelnya kecil (n < 30), nilai S2 akan berubah cukup besar
X́−μ
dari sampel ke sampel lainnya dan distribusi peubah acak ( ) menyimpang cukup jauh
σ /√ n
dari distribusi normal baku. Dalam hal ini kita menghadapi distribusi statistic yang
dinamakan distribusi t, dengan
X́−μ
t=
S/ √ n
Misalkan Z peubah acak normal baku dan V peubah acak khi-kuadrat dengan derajat
kebebasan v. bila Z dan V bebas, maka distribusi peubah acak T, bila
σ X́ − X́ =1,673
1 2
Z
T=
√V /v
Diberikan oleh
−(v+1 )/ 2
Г [ ( v +1 ) /2] t2
h(t)=
Г ( v +2 ) √ π v ( )
1+
v
, −∞<t <∞
Dalam menurunkan distribusi sampel T, akan kita misalkan bahwa sampel acaknya berasal
dari populasi normal. Selanjutnya :
( X́ −μ)/(σ / √n) Z
T= 2 2
= ,
√ S /σ √V /(n−1)
Dengan
X́−μ
Z=
σ /√n
( n−1) S 2
V=
σ2
Distribusi T mirip dengan distribusi Z, keduanya setangkup terhadap rataan nol. Keduanya
berbentuk lonceng, tapi distribusi t lebih berbeda satu sama lain karena nilai T tergantung
pada dua besaran yang berubah-ubah, X́ dan S2, sedangkan nilai Z hanya tergantung pada
perubahan X́ dari sampel ke sampel lainnya. Distribusi T dan Z berbeda karena variansi T
bergantung pada ukuran sampel n dan variansi ini selalu lebih besar dari 1. Hanya bila ukuran
sampel, n ∞, kedua distribusi menjadi sama. Gambar 1.3 di bawah memperlihatkan
hubungan antara distribusi normal baku (v = ∞) dan distribusi t untuk derajat kebebasan 2
dan 5.
V=5
V=2
Distribusi t setangkup terhadap rataan nol, maka t 1−∝ =−t ∝, yaitu nilai t yang luas sebelah
kanannya 1−∝, atau luas sebelah kirinya ∝, sama dengan minus nilai t yang luas bagian
kanannya ∝
t 1−∝ =−t ∝ 0 t∝
Contoh :
Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan menyala rata-rata selama 500
jam. Untuk mempertahankan nilai tersebut, tiap bulan diuji 25 bola lampu. Bila nilai t
yang dihitung terletak antara -t0,05 dan t0,05 maka pengusaha pabrik tadi
akan mempertahankan keyakinannya. Kesimpulan apakah yang seharusnya dia ambil dari
sampel dengan rataan X́ = 518 jam dan simpangan baku s = 40 jam ? Anggap bahwa distribusi
waktu menyala ,secara hampiran,normal.
Jawab :
518−500
t= =2,25
40 / √ 25
1. Rata-rata
X
μ ^p=μ p=
N
2. Simpangan baku jika populasi terbatas atau sampling tanpa pengembalian atau n/N
>5% :
p ( 1− p ) N −n
σ ^p=
√ n
.
N−1√
3. Simpangan baku jika populasi tidak terbatas, atau sampling dengan pengembalian
atau n/N < 5%
p ( 1− p )
σ ^p=
√ n
.
4. Variabel random
^p − p
Z=
σ ^p
Contoh :
Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk
mencuci pakaiannya. Jika dari populasi tersebut diambil sampel berukuran 100 :
a. Tentukan rata-rata dan simpangan baku sampel dari populasi ibu-ibu rumah tangga
yang memakai detergen A!
b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang
memakai detergen A, tentuka probabilitasnya!
Jawab:
a. Rata-rata = 0,1
p ( 1− p ) 0,1.0,9
σ ^p=
√ n
=
√
100
=0,03
b) Simpangan baku
p1 ( 1− p1 ) p2 ( 1− p2 ) ( N 1+ N 2) −( n 1+ n2 )
σ ^p −^p =
1
c) Variabe random
2
√ n1
+
n2
.
√ ( N 1−N 2 )−1
Contoh :
5% barang di gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak
10%. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari
gudang barat, tentukan probabilitas persentase barang yang cacat dalam gudang barat 2%
lebih banyak disbanding gudang timur!
Jawab :
p1 ( 1− p1 ) p2 ( 1− p2 )
σ ^p −^p =
1 2
√ n1
+
n2
=
0,1 ( 0,9 ) 0,05 ( 0,95 )
300√ +
200
=0,023
( ^p ¿ ¿ 1− ^p2 )−( p 1−p 2) ( ^p ¿ 1− ^p2 )−(0,1−0,05)
Z= ¿= ¿ ¿
σ ^p −^p
1 2
0,023
Karena barang cacat di gudang barat 2% lebih banyak daripada di gudang timur maka
( ^p ¿ ¿ 1− ^p2 )¿ > 0,02 sehingga diperoleh :
0,02−0,05
z= =−1,3
0,023
Jadi probabilitasnya adalah P ( ^p ¿ ¿ 1− ^p2 >0,02)¿ = P (Z > -1,3) = 0,5 + 0,4032 = 0,9032 =
90,32 %
(n−1)S 2
X2=
σ2
Contoh
Suatu pabrik baterai mobil menjamin bahwa baterai akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Bila lima baterainya tahan 1,9,2,4,3,0,3,5,dan 4,2 tahun, apakah
pembuatnya masih yakin bahwa simpangan baku baterai tersebut 1 tahun?
Jawab
( 5 ) ( 48,26 ) −(15)2
s2= = 0,815
( 5 ) (4)
Kemudian
( 4 ) ( 0,815)
X2= =3,26
1
Merupakan suatu nilai distribusi khi-kuadrat dengan derajat kebebasan 4. Karena 95% nilai
X 2 dengan derajat kebebasan 4 terletak antara 0,484 dan 11.143, nilai perhitungan dengan
menggunakan σ 2 = 1 masih wajar,sehingga tidak ada alasan bagi pembuatnya untuk
mencurigai bahwa simpangan baku baterainya bukan 1 tahun
SOAL – SOAL
1. Sebuah populasi berukuran 80 mempunyai rata-rata 69,7 dan varians 3,50. Dengan
sampling pengembalian diambil 1000 buah sampel acak yang masing-masing berukuran
5. Untuk tiap sampel dihitung rata-rata dan variansnya. Berapa nilai yang kita harapkan
untuk :
2. Misalkan bahwa tinggi rata-rata mahasiswa Indonesia 162 cm dengan simpangan baku
6,5 cm. Sebuah sampel acak akan diambil dengan syarat bahwa galat baku rata-rata
maksimum 0,5 cm.
Dengan ukuran sampel yang terkecil, tentukan peluang rata-rata tinggi mahasiswa :
3. Lihat soal nomer 2 diatas. Misalkan populasinya berdistribusi normal. Ada berapa buah
sampel diharapkan akan mempunyai rata-rata :
a) antara 62 dan 72
b) paling sedikit 72,5
c) kurang dari 67
a) Dari populasi I diambil semua sampel acak berukuran 3 dan dari populasi II
semua yang berukuran 2. Tulislah semua sampelnya lalu :
b) Hitung rata-rata kedua populasi.
c) Hitung rata-rata distribusi sampling rata-rata dari kedua populasi itu. Sebut ini
µx dan µy.
d) Hitung µx - µy dan bandingkan dengan selisih rata-rata populasi I dan
populasi II. Apa yang nampak?
e) Bagaimana untuk µx + µy ?
6. Macam lampu A rata-rata menyala 1.400 jam dan macam lampu B menyala 1.300
jam. simpangan bakunya masing-masing 160 jam dan 125 jam. dari tiap populasi
diambil sebuah sampel acak yang berukuran 85 dari sampel lampu A dan 100 dari
sampel lampu B. Tentukan peluang rata-rata menyala lampu dalam sampel dari A
paling sedikit akan 50 jam lebihnya dari rata-rata menyala lampu dalam sampel dari
B.
7. Besi baja yang diproduksi perush A mempunyai rata-rata daya regang sebesar 4500
lbs dan variansi sebesar 40000 lbs. Sedangkan yang diproduksi perush. B mempunyai
rata-rata daya regang sebesar 4000 lbs dan variansi 90000 lbs. Misalkan sampel
random sebanyak n1= 50 diambil dari perush. B . Berapakah probabilitas rata-rata
daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs?
8. Berikut adalah harga saham dari 5 perusahaan dalam Industri pertanian di BEJ 12
Januari 2004.
PT Rajawali 275
PT London 500
8. Berikut adalah hasil investasi pada 5 perusahaan reksadana untuk tahun 2003
Nikko 17
Investa 15
GTF Tunai 10
Dana Investa 11
Seorang investor ingin menanamkan modal di reksadana dengan mencoba survei pada 3
perusahaan reksadana. Hitunglah berapa nilai rata-rata dan standar deviasi dari distribusi
sampel rata-rata. Berapa peluang terpilihnya perusahaan untuk disurvey dengan harapan
perusahaan tersebut mempunyai hasil investasi di atas 13%.
10. PT PSK Jaya mempunyai dua anak perusahaan yaitu PT AYU yang bergerak dalam
konveksi dan PT NANI ABADI yang bergerak dalam realestate. Kedua diharapkan
mempunyai kinerja yang sama baiknya. Pengamatan selama 30 bulan PT AYU.
menunjukan keuntungan rata-rata 500 juta dengan standar deviasi 75 juta. Sedangkan
pengamatan terhadap PT NANI ABADI selama 50 bulan menunjukkan keuntungan
rata-rata 300 juta dengan standar deviasi 52 juta. Apabila PT PSK menginginkan
selisih dari kedua perusahaan kurang dari 150 juta, berapa peluang keinginan tersebut
tercapai?
11. Hitunglah peluang bahwa suatu sampel acak ukuran 25 pengamatan, diambil dari
populasi normal dengan variansi σ 2 = 6, akan mempunyai variansi s2
a) Lebih besar dari 9,1;
b) Antara 3,462 dan 10,745
c) Misalkan bahwa variansi sampel merupakan pengukuran yang kontinu.
12. Ada anggapan bahwa peluang usaha di Jawa untuk relatif berhasil lebih besar
dibandingkan dengan di luar Jawa. Sebuah survey menunjukkan bahwa 200 UKM di
Jawa, 45%-nya berhasil dan 100 UKM di luar Jawa, 30%-nya berhasil. Apabila
pemerintah menginginkan perbedaan di Jawa dan Luar Jawa hanya 5%, berapa
peluang keinginan tersebut tercapai.
13. Suatu perusahaan menyatakan bahwa baterai yang dipakai dalam mainan
elektroniknya akan tahan rata-rata 30 jam. Untuk mempertahankan nilai ini, 16
baterai diuji setipa bulan. Bila diperoleh nilai – t berada antara −t 0,025 dan t 0,025 maka
perusahaan puas dengan pernyataannya. Kesimpulan apa yang seharusnya diambil
perusahaan dari sampel acak yang mempunyai x́ = 27,5 jam dengan simpangan baku s
= 5 jam? Anggap baterai berdistribusi hampiran normal.
14. Suatu perusahaan rokok mengatakan bahwa rata-rata kadar nikotin rokoknya 1,83 mg.
Apakah anda setuju dengan pendapat pengusaha rokok tersebut bila suatu sampel
ukuran 8 rokok dari perusahaan tersebut mengandung kadar nikotin 2.0, 1.7, 2.1, 1.9,
2.2, 2.1, 2.0, dan 1.6 mg?
15. Dari sekelompok pegawai yang terdiri atas 40.000 orang telah diambil sekelompok
kecil sebanyak 100 orang . Yang menjadi perhatian disini ialah penghasilan pegawai
tiap bulan. Apabila ditaksir bahwa keseluruhan pegawai pukul rata mempunyai
pendapatan Rp. 27500 dengan simpangan baku Rp. 1000 maka:
a) Untuk kelompok kecil tadi , berapa rata-rata upahnya akan antara Rp.25000
dan Rp.30.000?
b) Seperti di a tapi paling rendah Rp. 20.000?
c) Apabila dikehendaki perbedaan rata-rata upah untuk tiap kelompok paling
besar Rp. 500, maka setiap kelompok itu paling sedikit harus terdiri atas
berapa orang pegawai yang perlu diambil secara acak?
16. Dalam setiap pengiriman gelas minum , biasanya 95% diterima dalam keadaan baik.
Pada suatu waktu telah dikirimkan 100.000. buah gelas. Berapa peluangnya untuk
pemeriksaan yang terdiri dari 60 buah gelas dari pengiriman itu, akan berisikan gelas
yang baik:
a) Antara 90% dan 98%?
b) Paling sedikit 97,5%?
17. A dan B menghasilkan dua macam kabel, yang daya tahannya masing-masing pukul
rata 4000 dan 4500 kg dengan simpangan baku berturut-turut 300 dan 200 kg. Jika
dari kabel yang dihasilkan oleh A diuji 100 potong sedangkan dari yang dihasilkan B
diuji 50 potong, maka tentukanlah peluangnya pukul rata daya tahan kabel B akan:
a) Paling sedikit 600 kg lebih daripada daya tahan kabel A?
b) Paling banyak 450 kg lebih daripada daya tahan kabel A?
18. Pengalaman memperlihatkan bahwa dikota A sekitar 65% dari para ibu ternyata lebih
menyenangi sabun mandi XYZ bila dibandingkan dengan sabun-sabun mandi merk
lain. Tentukanlah berapa peluangnya bahwa dua buah sampel acak yang terdiri atas
para ibu dikota itu, tiap sampel terdiri atas 200 ibu, akan memperlihatkan perbedaan
lebih dari 10% yang menyenangi sabun mandi XYZ.
3
f (x )=( )(2 /5 ) x (3/5)3−x
x x=0,1,2,3
= 0 untuk lainnya
2
Carilah distribusi peluang peubah acak Y = X
20. Misalkan x́ adalah rata-rata dari sampel acak ukuran 12 dari distribusi uniform
dengan interval (0,1) . Hitunglah P(1/2 ≤ x́ ≤ 2/3)
21. Diketahui Y = x1 + x2 +....+x15 adalah jumlah dari sampel acak dengan ukuran 15
dari distribusi yang pdf nya f(x) =3/2 x2; -1< x < 1. Hitunglah P(-0,3≤Y≤ 1,5¿
22. Diketahui x́ adalah rata-rata dari sampel acak ukuran 36 dari distribusi exponensial
dengan rata-rata 3. Hitunglah P(2,5 ≤ x́ ≤ 4)
23. Hitunglah P(39,75 ≤ x́ ≤ 41,25) dimana x́ adalah rata-rata dari sampel acak ukuran
32 dari distribusi dengan rata-rata µ = 40 dan var. σ 2=8
24. Sample acak ukurann n = 18 diambil dari distribusi dengan pdf
a) Hitung µ dan σ 2
b) Hitung P(2/3 ≤ x́ ≤ 5/6)
9.
BAB III TEORI ESTIMASI
PENDAHULUA
N
Teori estimasi adalah suatu ilmu yang menghususkan bagaimana caranya memperkirakan
besaran-besaran populasi yang tidak diketahui yang dihitung berdasarkan suatu sample.
Dalam bab ini akan dibahas tiga kategori sesuai dengan kondisi yang dihadapi:
Pokok bahasan pada materi “teori estimasi” dititik beratkan bedasarkan interval estimasi baik
untuk satu populasi ataupun dua populasi.
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa dapat mengestimasi parameter populasi yang tidak
diketahui berdasarkan statistik sampel.
1. Mahasiswa dapat memahami konsep dasar teori estimasi baik estimasi rataan,
proporsi dan variansi untuk satu dan dua populasi.
2. Mahasiswa diharapkan dapat menggunakan teori estimasi pada dunia nyata.
1………….
2………….
SKENARIO PEMBELAJARAN
3………….
4………….
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
SIFAT-SIFAT PENDUGA
X X
E( ) = E( )
SIFAT-SIFAT PENDUGA
Penduga Efisien
Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan
mempunyai varians terkecil (sx2) dari penduga-penduga lainnya.
sx12
Penduga Konsisten
Penduga yang konsisten (consistent estimator) adalah nilai dugaan (X) yang semakin
mendekati nilai yang sebenarnya dengan semakin bertambahnya jumlah sampel (n).
n tak terhingga
n sangat besar
n besar
n kecil
III.1 ESTIMASI RATAAN
DEFINISI
Pendugaan interval:
Estimator titik dari mean populasi µ adalah statistik X́ . Sebaran statistik ini berpusat
pada µ dan variansinya lebih kecil daripada estimator lain.
2 σ2
σ x́ = , sehingga semakin besar ukuran sampelnya akan menghasilkan variansi yang
n
semakin kecil.
Selang kepercayaan dari populasi yang terdistribusi normal atau jika ukuran sampelnya
cukup besar, dapat diturunkan sbb :
x́−µ
P (−z α / 2< Z < z α / 2 ) = 1 - α, dimana Z=
σ /√n
X−μ σ σ
Jadi P(−z α /2 < < z α / 2) atau P( X́ −z α /2 < μ< X́ + z α /2 )
σ /√n √n √n
Sampel acak berukuran n dari suatu populasi dengan variansi σ 2 yang diketahui dan mean x́
yang dihitung akan menghasilkan selang kepercayaan sebesar (1-α)100%.
σ σ
X́ −z α / 2 < μ< X́ + z α / 2
√n √n
σ σ
x́−z α / 2 < μ < x́+ z α /2
√n √n
zα/2 adalah nilai sebaran normal yang menghasilkan luas α/2 di sebelah kanannya.
Contoh : mean dan simpangan baku dari IPK sebanyak 36 orang mahasiswa adalah 2.6 dan
0.3. tentukan selang kepercayaan 95% dan 99% untuk nilai mean-nya.
Jawab : titik estimasi adalah x́ = 2.6. karena sampel beukuran besar, simpangan baku σ dapat
didekati dengan s = 0.3. nilai z yang memberikan luas daerah dibawah kurva sebesar 0.025 di
sebelah kanan, atau 0.975 di sebelah kiri, adalah z0.025 = 1.96 (dari tabel). Oleh karena itu
selang kepercayaan 95% adalah
2.6 – (1.96) (0.3)/√ 36) < µ < 2.6 + (1.96) (0.3/√ 36) atau
Dengan cara yang sama, selang kepercayaan 99% memerlukan z0.005 = 2.575 dan selang
kepercayaan ini adalah :
2.6 – (2.575) (0.3/√ 36) < µ < 2.6 + (2.575) (0.3/√ 36) atau
Standar error untuk populasi yang terbatas dan n/N > 0,05:
S N n
S
n N 1
x
Selang kepercayaan (1-α)100% memberikan ketelitian estimasi titik. Jika µ adalah titik pusat
selang, x́ mengestimasi µ tanpa kesalahan.
Pada umumnya akan ada kesalahan yang besarnya berbeda antara x́ dengan µ, dan kita
percaya (1-α)100% bahwa perbedaan ini kurang dari zα/2(σ/√ n).
Teorema : jika x́ digunakan sebagai estimasi dari µ, kita dapat percaya (1-α)100% bahwa
nilai kesalahannya akan kurang dari zα/2(σ/√ n).
Pada contoh soal sebelumnya, kita percaya 95% bahwa mean sampel x́ = 2.6 berbeda sebesar
0.1 dari nilai sebenarnya dan percaya 99% bahwa nilainya berbeda sebesar 0.13.
Seringkali kita ingin tahu seberapa besar sampel yang kita inginkan untuk memastikan bahwa
kesalahan estimasi dari µ kurang dari nilai tertentu e. Jadi kita harus memilih n sedemikian
hingga zα/2(σ/√ n) = e.
Teorema : jika x́ digunakan untuk mengestimasi µ, kita dapat percaya (1-α)100% bahwa
kesalahannya akan kurang dari nilai e tertentu jika jumlah sampelnya adalah
n=( z ∝/ 2 σ /e)2
Teorema di atas dapat diterapkan jika variansi populasi diketahui, atau tersedia n ≥ 30 untuk
melakukan estimasi variansi tersebut.
Contoh : seberapa banyak jumlah sampel yang diperlukan pada contoh sebelumnya jika kita
ingin percaya 95% bahwa estimasi µ kita kurang dari 0.05?
Jawab : simpangan baku sampel s = 0.3 diperoleh dari sampel asal 36 akan dipakai untuk
menentukan σ. Sebelumnya juga telah diperoleh zα/2 = 1.96,maka berdasarkan teorema di atas
dengan demikian, kita dapat percaya 95% bahwa sampel acak sebesar 139 akan memberikan
hasil estimasi x́ yang berbeda di bawah 0.05 dari µ.
x́−μ
T=
S /√n
P(-tα/2<T< tα/2) = 1 – α
Di mana tα/2 adalah nilai t untuk derajat bebas n-1. Luas sebelah kanan nilai ini adalah α/2,
dan berdasarkan simetri, luas sebelah kiri dari -tα/2 juga α/2. Substitusi untuk T menghasilkan
X́−μ
P(-tα/2<( )< tα/2) = 1 – α
S/ √ n
S S
Maka diperoleh P( X́ −t ∝ /2 < μ< X́ +t ∝/ 2 ) = 1 – α
√n √n
Dengan demikian, untuk n sampel, mean x́ dan simpangan baku s, interval kepercayaan (1 –
S S
α)100% diberikan oleh X́ −t ∝ /2 < μ< X́ +t ∝/ 2
√n √n
S S
x́−t ∝/2 < μ< x́ +t ∝/2
√n √n
Dimana x́ dan s adalah mean dan simpangan baku sampel berukuran n < 30 dari suatu
populasi yang terdistribusi mendekati normal, dan t ∝/2 adalah nilai distribusi-t dengan derajat
bebas sebesar v=n-1 yang menghasilkan luas α/2 di sebelah kanannya.
Contoh : ada 7 kontainer serupa yang berisi asam sulfat dengan volume : 9.8, 10.2, 10.4, 9.8,
10.0, 10.2, dan 9.6 liter. Tentukan selang kepercayaan 95% untuk mean dari kontainer-
kontainer tersebut juka distribusinya mendekati normal.
Jawab : dari data yang diberikan,diketahui mean sampel x́=10.0 dan simpangan baku sampel
s=0.283. berdasarkan tabel T, kita dapatkan t0.025 = 2.447 untuk derajat bebas v=6. Karena itu,
selang kepercayaan 95% dari μ adalah
10.0 – (2.447) (0.283 / √ 7)<μ < 10.0 + (2.447) (0.283 / √ 7), atau
9.74< μ <10.26
1. Suatu mesin minuman diatur sedemikian rupa sehingga banyaknya minuman yang
dikeluarkannya berdistribusi hampir normal dengan simpangan baku 0,15 desiliter.
Hitunglah selang kepercayaan untuk rataan semua minuman yang dikeluarkan mesin
tersebut bila:
a) sampel acak 36 cangkir minuman berisi rata-rata 2,25 desiliter.
b) sampel acak 9 cangkir minuman berisi rata-rata 2,25 desiliter.
2. Seorang ahli dalam efisiensi ingin menentukan rata-rata waktu yan diperlukan untuk
membor tiga lubang pada sejenis kepitan logam. Berapa besar sampelkah yang dia
perlukan agar yakin 95% bahwa rataan sampelnya paling jauh 15 detik dari rataan
sesungguhnya? Misalkan dari penelitian sebelumnya diketahui bahwa σ=40 detik.
X
P= dengan X menyatakan banyaknya yang berhasil dalam n usaha. Jadi, proporsi sampel
^
n
x
^p= akan digunakan sebagai taksiran titik untuk parameter p.
n
Bila proporsi p yang tak diketahui diharapkan tidak akan terlalu dekat dengan nol atau
1, maka selang kepercayaan untuk p dapat dicari dengan menggunakan distribusi sampel ^
P.
Dengan menyatakan suatu kegagalan dalam tiap usaha binomial dengan nilai 0 dan
keberhasilan dengan nilai 1 maka banyaknya yang berhasil , x, dapat ditafsirkan sebagai
jumlah dari n nilai yang terdiri atas hanya nol dan satu, maka ^p hanyalah rataan sampel dari n
nilai ini. Karena itu, menurut Teorema Limit Pusat, untuk n cukup besar,distribusi ^
P hampir
normal dengan rataan
μ ^p= E ( P
^ )=E
( Xn )= npn = p
Dan variansi
2 σ 2x npq pq
σ ^p=σ x/ n= 2 = 2 =
n n n
Dengan
^
P− p
Z=
√ pq /n
dan z α / 2 menyatakan nilai kurva normal baku yang di sebelah kanannya terdapat daerah
α
seluas . Gantikan Z dalam ketidaksamaan
2
P− p
^
(
P −z α /2 < )
< z =1−α
√ pq /n α /2
Kalikan tiap suku dalam ketidaksamaan √ pq /n, kemudian kurangi dengan ^P dan kalikan
dengan -1, diperoleh
^ α /2 pq < p< ^ pq
(
P P−z
n √ P+ z α / 2
n
=1−α
√ )
Ketidaksamaan ini sulit untuk disederhanakan untuk mendapat selang acak yang
kedua ujungnya tidak mengandung p, paremeter yang tidak diketahui. Tapi bila n besar,
galatnya kecil sekali bila p di bawah tanda akar diganti taksiran titik ^p=x /n. Dalam hal
demukian, maka dapat ditulis
^ α /2 p^ q^ < p< ^ ^p q^
(
P P−z
n √ P+ z α / 2
n √ )
=1−α
Untuk suatu sampel acak ukuran n, hitunglah proporsi sampel ^p=x /n, maka
hampiran selang kepercayaan (1-α) 100% untuk p dapat diperoleh.
Bila n kecil dan proporsi p yang tidak diketahui diyakini dekat ke 0 atau ke 1 maka cara
mencari selang kepercayaan ini tidak dapat diandalkan dan, karena itu, sebaiknya tidak
digunakan. Untuk menjamin hasil yang baik sebaiknyalah usahakan agar selalu n ^p dan n q^
lebih besar atau sama dengan 5. Cara penghitungan selang kepercayaan untuk parameter
binomial p juga dapat dipakai bila distribusi normal digunakan utnuk menghampiri distribusi
hipergeometrik, yaitu, bila n kecil dibandingkan dengan N seperti pada contoh 1
Bila ^
P menyatakan proporsi yang berhasil dalam sampel berukuran acak ukuran n, dan
q^ =1− ^p , maka hampiran selang kepercayaan (1-α) 100% untuk parameter binomial p adalah
^p q^ p^ q^
^
P−z α
2 √ n
<p< ^
P+ z α
2 √ n
Contoh 1
Pada suatu sampel acak n = 500 keluarga yang memiliki pesawat televise di kota Hamilton,
Kanada, ditemukan bahwa x = 340 memiliki tv berwarna. Carilah selang kepercayaan 95%
untuk proporsi sesungguhnya dari keluarga yang memiliki tv berwarna di kota tersebut.
Jawab
340
Taksiran titik untuk p ialah ^p= =0,68 . Dari table diperoleh z 0,025 =1,96. Jadi, selang
500
kepercayaan 95% untuk p adalah
Bila p berada tepat di tengah selang kepercayaan (1-α) 100% maka ^p menaksir p
tanpa galat. Tapi, biasanya, ^p tidak akan tepat sama dengan p dan taksiran titik meleset
(mempunyai galat). Besarnya galat akan smaa dengan selisih positif antara ^p dan p, dan
dengan selang kepercayaan (1-α) 100% selisih ini akan lebih kecil dari z α / 2 √ ^p q^ / n.
Teorema 1
Pada contoh 1 diatas, proporsi sampel ^p=0,68 berbeda dengan proporsi p yang
sesungguhnya tidak lebih dari 0,04 dengan kepercayaan 95%. Sekarang ingin ditentukan
berapa besarkah sampel yang diperlukan agar terjamin bahwa galat dalam menaksir p tidak
melebihi suatu besaran g. Menurut teorema 1, ini berarti n harus dipilih agar
z α / 2 √ ^p q^ /n=g
Teorema 2
Bila ^p dipakai sebagai taksiran p, maka dengan kepercayaan (1-α) 100% galat
z 2α /2 ^p q^
akan lebih kecil dari besaran tertentu g bila ukuran sampel sebesar n=
g2
Contoh 2
Berapa besarkah diperlukan sampel pada contoh 1 agar taksiran p meleset kurang dari 0,02
dengan kepercayaan 95%?
Jawab :
Pandanglah ke-500 keluarga sebagai sampel pendahuluan yang memberikan taksiran ^p=0,68
. Maka menurut teorema 3
Jadi, bila taksiran p didasarkan atas sampel acak ukuran 2090 maka proporsi sampel tidak
akan berbeda lebih dari 0,02 dengan proporsi sesungguhnya, dengan kepercayaan 95%.
2
^p ( 1− ^p )=− ( ^p 2− ^p )= 1 − ^p2− ^p + 1 = 1 − p^ 2− 1 ,
(
4 ) 4 4 ( )
2
yang selalu lebih kecil dari 1/4 kecuali bila p = 1/2 yang mengakibatkan ^p q^ =1/4. Jadi, bila
dimasukkan ^p=1 /2 pada rumus n di teorema 3, padahal, sesungguhnya, p cukup berbeda
dengan 1/2, maka tentunya n akan melebihi dari yang diperlukan untuk taraf kepercayaan
yang ditetapkan dan sebagai akibatnya taraf kepercayaan yang diperoleh akan meningkat.
Teorema 3
Bila ^p dipakai sebagai taksiran p, maka dengan kepercayaan paling sedikit (1-α) 100%
z 2α /2
galat akan lebih kecil dari besaran tertentu g bila ukuran sampel n=
4 g2
Contoh 3
Berapa besarkah sampel yang diperlukan pada contoh 1 agar kita yakin paling sedikit dengan
kepercayaan 95% bahwa taksiran p melesat kurang dari 0,02?
Jawab
Berbeda dengan contoh2, disini kita anggap tidak ada sampel pendahuluan diambil untuk
menaksir p. Karena itu, dengan kepercayaan paling sedikit 95% proporsi sampel yang kita
peroleh tidak akan berbeda dari proporsi sesungguhnya melebihi 0,02 bila kita memilih
( 1,96)2
ukuran sampe ln= 2
=2401
4 ( 0,02 )
Dalam hal ini kita berhubungan dengan dua buah populasi yang selisih rata-ratanya
( μ1 – μ2 ) akan kita taksir.
Bila x1 dan x2 masing-masing adalah rata-rata sampel acak berukuran n1 dan n2 yang
σ σ σ σ
( x1 − x 2 )− Z α / 2
√ 1
n1
2
+
n2
2
2
< μ1 − μ2 <( x 1− x 2 )+Z α /2
√ n1
1
2
+
n2
2
2
1 1 1 1
( x1 −x 2 )−t α / 2 Sp
√ + < μ1 −μ2 <( x1 −x 2 )+ t α /2 Sp
n1 n2
+
n 1 n2 √
dimana Sp= dugaan simpangan baku populasi
( n1−1) S 1 +( n 2−1 ) S2
2 2
Sp 2 =
n 1 +n2 −2
dengan dk = ν = n1 + n2 -2
S S S S
( x1 − x 2 )−t α / 2
√ 1
n1
2
+
n2
2
2
< μ1 −μ 2 <( x 1 − x 2 )+t α / 2
√ n1
1
2
+
2
2
n2
( S 2 / n1 + S 2 / n2 )2
1 2
ν=
[ ( S 2 /n 1 )2 /( n1 −1) ]+[ ( S 2 / n2 )2 /( n 2−1 )]
dengan dk = 1 2
Contoh:
Masa pakai barang A yang dihasilkan oleh dua pengusaha akan diteliti. Dari barang yang
dihasilkan oleh pengusaha 1 diteliti 150 buah dan dicatat masa pakainya. Rata-ratanya
1400 jam dean simpangan baku 80 jam.Barang yang dihasilkan pengusaha II diteliti
sebanyak 100 buah. Ternyata rata-ratanya = 1300 jam dan S = 70 jam. Carilah interval
taksiran selisih rata-ratanya. dengan kepercayaan 95%.
Jawab:
Asumsi σ1 = σ2
dari daftar t dengan kepercayaan 95% dan V= 248 didapat t0,05(248)= 1,96
1 1 1 1
( 1400−1300 )−1 , 96( 74 , 5 )
√ +
150 100
< μ 1− μ 2 <( 1400−1300)+1 , 96( 74 , 5 ) +
150 100√
84 , 2< μ1 −μ2 <115 , 8
Ditaksir bahwa selisih rata-rata masa pakai barang A yang dihasilkan oleh kedua
pengusaha terletak antara 84,2 s/d 115,8 jam dgan keyakinan 95%.
Selang kepercayaan untuk p1- p2 dapat ditetapkan dengan menggunakan distribusi sampel
^P1− P
^ 2. Dari materi menaksir proporsi diketahui ^
P1dan ^P2masing-masing berdistribusi
hampir normal, dengan rataan p1 dan p2 , dan variansi p1q1 / n1 dan p2q2 / n2 . Dengan
mengambil kedua sampel secara bebas dari kedua populasi maka peubah ^ ^ 2 akan
P1 dan P
bebas satu sama lain, dank arena distribusi normal bersifat merambat, maka dapat
disimpulkan bahwa
μ ^p − ^p = p1 – p2
1 2
dan variansi
2 p1 q1 p2 q2
σ ^p1− ^p2 = +
n1 n2
Dengan
( ^P1− P^ 2 ) −( p1 −p 2)
z=
p1q1 p q
√( n1 )( )
+ 2 2
n2
Dan z α / 2 nilai kurva normal baku sehingga luas di sebelah kanannya α /2. Ganti Z pada rumus
di atas, maka dapat ditulis
( P^ 1− ^P2 )−( p1 −p 2 )
[
P −z α / 2<
p1q1
√( ) ( )
n1
p q
+ 2 2
n2 ]
< z α /2 =1−α
^p 1 q^ 1 ^p 2 q^ 2 ^p q^ ^p q^
( ^p1− ^p2 )−z α / 2
√ n1
+
n2 √
< p1− p 2<(^p1− ^p2 )+ z α /2 1 1 + 2 2
n1 n2
Contoh 4
Suatu perusahaan dalam cara pembuatan suku cadang sedang direncanakan. Sampel diambil
dari cara lama maupun yang baru untuk melihat apakah cara baru tersebut memberikan
perbaikan. Bila 75 dari 1500 suku cadang yang berasal dari cara lama ternyata cacat dan 80
dari 2000 yang berasal dari cara baru ternyata cacat, carilah selang kepercayaan 90% untuk
selisih sesungguhnya proporsi yang cacat dalam kedua cara.
Jawab :
Dari table diperoleh z 0,05=1,645. Jadi bila dimasukkan nilai ini ke dalam rumus di atas, maka
diperoleh kepercayaan 90%,
Karena selang ini mengandung nilai 0, tak ada alasan mempercayai bahwa cara baru tersebut
memberikan penurunan yang berarti dalam proporsi suku cadang yang cacat disbanding
dengan cara lama.
Latihan soal
1. Dari suatu sampel acak 1000 rumah di suatu kota ternyata 228 menggunakan gas
Elpiji. Cari selang kepercayaan 99% untuk proporsi rumah di kota tadi yang
menggunakan gas Elpiji.
3. Berapakah sampel yang diperlukan di soal 1 bila diinginkan yakin 99% bahwa
proporsi sampel paling banyak berjarak 0,05 dari proporsi sesungguhnya dari rumah
di kota tersebut yang menggunakan gas Elpiji.
4. Suatu penelitian ingin dilakukan untuk menaksir berapa persen penduduk suatu kota
yang memilih arinya diberi flour. Berapa besarkah sampel yang diperlukan bila
seseorang berharap yakin paling sedikit 95% taksirannya paling banyak sejauh 1%
dari presentasi sesungguhnya?
7. Telah ditimbang 10 buah tomat dengan hasil (dalam gram): 142, 157, 138, 175, 152,
149, 148, 200, 182, 164.
Jika berat tomat berdistribusi normal, tentukan interval kepercayaan, 95% untuk rata-
rata berat tomat.
8. Sampel acak yang terdiri atas 400 petani, ternyata 65% tidak memiliki tanah sendiri.
Tentukan interval kepercayaan 95% persentase sebenarnya untuk para petani yang
memiliki tanah sendiri. Bagaimana jika koefisien kepercayaannya diambil 0,99?
Jelaskan apa yang tampak?
Sampel I : 38, 42, 51, 47, 38, 60, 57, 58, 32, 45
Sampel II : 44, 49, 53, 46, 41, 47, 34, 60, 59, 63
10. Hasil dua jenis semacam tanaman tiap satuan luas tertentu, dalam satuan berat, adalah
sebagai berikut:
Jenis I : 39,3 – 45,5 – 41,2 – 53 – 44,2 – 42,5 – 63,9
11. Metode latihan pertama telah digunakan terhadap 250 orang dan 160 dinyatakan
berhasil. Metode latihan kedua dilakukan terhadap 300 orang dan 225 berhasil.
Tentukan interval kepercayaan 0,95 untuk selisih persentase sebenarnya bagi yang
berhasil, juga untuk interval kepercayaan 0,99! Apa yang tampak?
III.3 ESTIMASI VARIANSI
Bila sampel berukuran n diambil dari populasi normal dengan variansi σ 2 dan variansi
sampel S2 dihitung maka kita peroleh suatu nilai dari statistic S2. Variansi sampel hasil
perhitungan ini akan digunakan sebagai taksiran titik untuk σ 2. Karena itu statistik S2 disebut
penaksir σ 2.
2 ( n−1 ) S 2
χ=
σ2
Statistik χ 2 berdistribusi khi-kuadrat dengan derajat kebebasan n – 1 bila sampel berasal dari
populasi normal.
Bila χ 21−α / 2 dan χ 2α /2 masing- masing menyatakan nilai distribusi khi-kuadrat dengan derajat
kebebasan n -1 , sehingga luas di sebelah kanannya 1- α /2 dan α /2. Ganti χ 2 dalam rumus di
atas, peroleh
( n−1 ) S 2 2
[
P χ 21−α / 2<
σ2 ]
< χ α /2 =1−α
Bagilah tiap suku dalam ketidaksamaan dengan (n-1) S 2 , dan kemudian balikkan tiap suku
(jadi ubah arah ketidaksamaan), maka diperoleh
( n−1 ) S 2 2 ( n−1 ) S 2
P
[ χ 2α /2
<σ < 2
χ 1−α /2 ]
=1−α
Untuk ukuran sampel n, hitunglah variansi sampel S2 , maka diperoleh selang kepercayaan (1-
α) 100% untuk σ 2.
Selang kepercayaan (1-α)100% untuk σ diperoleh dengan menarik akar setiap ujung selang
untuk σ 2.
Selang kepercayaan untuk σ 2
Bila S2 variansi sampel acak ukuran n dari populasi normal maka selang kepercayaan (1-α)
100% untuk variansi σ 2 diberikan oleh
( n−1 ) S 2 2 ( n−1 ) S 2
<σ < 2
χ 2α /2 χ 1−α /2
Bila χ 2α /2 dan χ 21−α / 2 menyatakan nilai distribusi khi-kuadrat dengan derajat kebebasan
υ=n−1 sehingga luas di sebelah kanannya, masing-masing sebesar α /2 dan 1 - α /2.
Contoh 5
Data berikut menyatakan berat, dalam gram, 10 bungkus bibit sejenis tanaman yang
dipasarkan oleh suatu perusahaan : 46,4, 46,1 , 45,8 , 47,0 , 46,1 , 45,9 , 45,8 , 46,9 , 45,2 dan
46, 0 . Carilah selang kepercayaan 95 % untuk variansi semua bungkusan bibit yang
dipasarkan perusahaan tersebut, anggap populasinya normal.
Jawab
Mula-mula hitunglah
n n 2
2
s=
n ∑ χi −
i=1
2
( )
∑ χi
i=1
=
( 10 ) ( 21273,12 )−( 461,2 )2
=0,286
n ( n−1 ) ( 10 ) ( 9 )
Untuk memperoleh selang kepercayaan 95%, ambil α = 0,05. Dari table chi-kuadrat untuk
derajat kebebasan ν=9 diperoleh χ 20,025 =19,023 dan χ 20,975 =2,700
( 9 ) (0,286) 2 ( 9 ) (0,286)
<σ <
19,023 2,700
atau
variansi sampel s12 /s 22. Karena itu statistik S12 /S 22 disebut penaksir σ 12 / σ 22.
Bila σ 12 dan σ 22 variansi dua populasi normal, maka taksiran selang untuk σ 12 / σ 22 dapat
diperoleh dengan memakai statistic
σ 22 S12
F= 2 2
σ 1 S2
Menurut teorema 6.20, peubah acak F mempunyai distribusi-F dengan derajat kekebasan
ν1 =n1−1 dan ν 2=n2−1. Jadi, dapat ditulis (lihat gambar 7.8)
σ 22 S 12
[
P f 1−α /2 ( ν 1 , ν 2 ) <
σ 12 S 22 ]
<f α / 2 ( ν 1 , ν 2 ) =1−α
Gambar 7.8
Kalikan tiap suku dalam ketidaksamaan dengan S22 /S 12 dan balikkan tiap suku (ubah arah
ketidaksamaan) diperoleh
S 12 σ 2 2 S1 2
P
[ S 22
1
< 2< 2
1
f α / 2 ( ν 1 , ν2 ) σ 1 S2 f 1−α /2 ( ν 1 , ν 2 )]=1−α
S 12 σ2 S2
P
[ S 22
1
]
< 22 < 12 f α / 2 ( ν 2 , ν1 ) =1−α
f α / 2 ( ν 1 , ν2 ) σ 1 S 2
Untuk dua sampel acak bebas ukuran n1 dan n2, yang diambil dari dua populasi normal,
hitunglah nisbah variansi sampel s12 /s 22, maka diperoleh selang kepercayaan (1-α) 100%
untuk σ 12 /σ 22.
Seperti pada pasal 7.10, selang kepercayaan (1- α) 100% untuk σ 1 /σ 2, dapat diperoleh dengan
Bila s12 dan s22 variansi dari sampel bebas masing-masing ukuran n 1 dan n2 dari populasi
s 12 1 σ 12 s12
2
< 2
< 2 f α / 2 ( ν 2 , ν 1)
s 2 f α / 2 ( ν 1 , ν 2) σ 2 s2
luas di sebelah kanannya α /2 , dan f α / 2 ( ν 2 , ν1 ) menyatakan nilai f yang sama dengan derajat
kebebasan ν 2=n2−1 dan ν1 =n1−1
Contoh :
Suatu selang kepercayaan untuk perbedaan rataan kadar ortofosfor, diukur dalam mg per liter,
pada dua stasion di sungai James telah dihitung di contoh 7.8 dengan menganggap kedua
variansi populasi normal tidak sama. Beri dukungan atas anggapan ini dengan membuat
selang kepercayaan 98% untuk σ 12 /σ 22 dan untuk σ 1 /σ 2, bila σ 12 dan σ 22 variansi populasi kadar
ortofosfor masing-masing di stasion 1 dan 2.
Jawab
Dari contoh 7.8 diperoleh n1 = 15, n2 = 12, s1 = 3,07 dan s2 = 0,80 . Untuk selang kepercayaan
98%, α = 0,02. Dengan menggunakan interpolasi dari tabel, kita peroleh
f 0,01 ( 14,11 ) ≈ 4,3 dan f 0,01 ( 11,14 ) ≈ 3,87
σ 21
3,425< 2
< 56,991
σ2
Ambil akar batas kepercayaan selang ini maka diperoleh selang kepercayaan 98% untuk
σ 12 /σ 22 adalah
σ❑
1,851< 1❑ <7,549
σ2
Karena selang ini tidak mencakup kemungkinan σ 1 /σ 2 sama dengan 1, maka anggapan bahwa
σ 1 ≠ σ 2 atau σ 12 ≠ σ 22 di contoh 7.8 mendapat dukungan dari data
Sampai tahap ini semua selang kepercayaan yang disajikan berbentuk taksiran titik ± K g.b
(taksiran titik), K disini suatu tetapan (ataukah r ataupun titik perseratus normal). Hal ini
benar bila parameternya suatu rataan, selisih dua rataan, proporsi, atau selisih dua proporsi.
Akan tetapi, hal ini tidak berlaku untuk variansi dan nisbah dua variansi.
Latihan soal
2. Sarapan teratur sereal yang diberi pemanis sebelumnya menyebabkan kerusakan gigi,
sakit jantung, dan penyakit lainnya menurut penelitian yang dilakukan oleh Dr.W.H.
Bowen dari Institut Kesehatan Nasional dab Dr. J. Yudhen, Profesor Nutrisi dan Diet
di Universitas London. Dalam suatu sampel acak 20 porsi yang sama Alpha-Bits
(sejenis sereal) rata-rata kadar gulanya 11,3 gr dengan simpangan baku 2,45 gr. Bila
dimisalkan bahwa kadar gula berdistribusi normal, buatlah selang kepercayaan 95%
untuk σ !
4. Suatu perusahaan taksi ingin menentukan apakah membeli ban merek A atau merek B
untuk armada taksinya. Untuk menaksir perbedaan kedua merek, dilakukan suatu
percobaan menggunakan 12 ban dari tiap merek. Ban dipakai sampai aus. Hasil merek
A : x́ 1=36.300 km , s1 = 5000 km ; merek B : x́ 2=38.100 km , s2 = 6100 km. Hitunglah
selang kepercayaan 90% untuk σ 12 / σ 22. Apakah anggapan bahwa σ 12=σ 22 mendapat
dukungan dalam membuat selang kepercayaan untuk μ1−μ 2?
5. Dari suatu sampel acak 1000 rumah di suatu kota ternyata 228 menggunakan gas
Elpiji.
a) Cari selang kepercayaan 99% bila taksiran proporsi rumah di kota tadi yang
menggunakan gas Elpiji.
b) Berapakah besar sampel yang diperlukan, jika diinginkan yakin 99% bahwa
proporsi sampel paling banyak berjarak 0.05 dari proporsi sesungguhnya dari
rumah di kota tersebut yang menggunakan gas Elpiji
7. A. Menurut suatu laporan di koran Roanoke times & world news, 20 agustus
1981, sekitar 2/3 dari 1600 orang dewasa yang disigi lewat tilpon mengatakan
bahwa program pesawat ulang alik merupakan investasi yang baik bagi negara
(AS). Cari selang kepercayaan 95% untuk proporsi orang AS dewasa yang
berpendapat bahwa program pesawat ulang alik merupakan investasi yang baik
bagi negara.
8. Washington University school of Dental Medicine di St. Louis, dua cangkir teh
hijau atau teh hitam Cina tiap hari sudah akan cukup memberi fluor untuk menjaga
gigi anda dari kerusakan. Mereka yang tidak suka teh dan tinggal di daerah yang
airnya tidak diberi fluor seharusnya meminta pemerintah daerahnya memberi
fluor pada airnya. Berapa besarkah sampel yang diperlukan untuk menaksir
persentasi penduduk di suatu kota tertentu yang memilih airnya diberi fluor bila
diinginkan paling sedikit 99% yakin bahwa taksirannya paling banyak sejauh 1% dari
presentasi sesungguhnya.
9. Suatu penelitian ingin dilakukan untuk menaksir proporsi penduduk di suatu kota dan
pinggirannya yang mendukung pendirian PLTN. Berapakah sampel yang
diperlukan agar yakin paling sedikit 95% bahwa taksirannya paling banyak
berjarak 0.04 dari proporsi sesungguhnya dari penduduk di kota tersebut dan
pinggirannya uang mendukung pendirian PLTN?
10. Seorang pimpinan perusahaan ingin mengetahui perbedaan rata-rata gaji bulanan
karyawan diperusahan A dan perusahan B. Untuk itu diambil sampel acak masung-
masing 9 orang karyawan dari dua perusahaan tersebut dan kemudian mereka
diwawancara satu persatu. Hasil wawancara menunjukan bahwa gaji perbulan (dalam
dolar) karyawan di dua perusahaan tersebut adalah sbb.:
Kywn 1 2 3 4 5 6 7 8 9
Gaji 40 46 50 36 38 34 42 44 30
perusahaan
A
Gaji 30 24 16 25 35 40 46 38 34
perusahaan
B
Simpangan baku populasi kedua perusahaan tidak diketahui dan diasumsikan sama.
11. Suatu perusahaan rokok menyatakan bahwa rokoknya merek A terjual 8% lebih
banyak dari rokoknya merek B. Bila dari 200 perokok ada 42 yang lebih
menyukai merek A dan 18 dari 150 perokok lebih menyukai merek B, hitunglah
selang kepercayaan 94% untuk selisih antara proporsi penjualan kedua merek
dan tentukan apakah perbedaan 8% tersebut suatu pernyataan yang kena.
12. Suatu perusahaan baterai mobil menyatakan bahwa baterainya tahan, pada rata-
ratanya, 3 tahun dengan variansi 1 tahun. Bila 5 dari baterai ini tahan selama 1,9, 2,4,
3,0, 3,5, dan 4,2 tahun, buatlah selang kepercayaan 95% untuk σ2 dan jelaskan apakah
pernyataan perusahaan tadi bahwa σ2 = 1 dapat dibenarkan. Anggap umur populasi
baterai berdistribusi hampiran normal.
13. Suatu penelitian bertujuan menentukan apakah cairan A mempunyai pengaruh
terhadap banyaknyalogam yang tersingkirkan jika logam itu direndam dalam cairan
tersebut. Suatu sampel acak 100 potong logam direndam selama 24 jam dalam cairan
lain dan menghasilkan rata-rata 12,2 mm logam yang tersingkir dengan simpangan
baku 1,1 mm. sampel kedua dengan 200 potong logam yang sma direndam selama 24
jam dalam cairan A menyingkirkan rata-rata 9,1 mm logam dengan simpangan baku
0,9 mm. hitunglah selang kepercayaan 98 % untuk selisih kedua rataan populasi.
Apakah cairan A menurunkan banyaknya logam yang tersingkir?
14. Dalam suatu penelitian yang dilakukan di Virginia Polytechnic Institute and State
University pada 1983 mengenai perkembangan ectomycorrhizal, hubungan simbiosis
antara akar pohon dan cendawan yang memindahkan mineral dari cendawan ke pohon
dan gula dari pohon ke cendawan. Untuk itu 20 bibit oak merah dengan cendawan
Pisolithus tinctorus ditanam dalam rumah kaca. Semua bibit ditanam dalam sejenis
tanah yang sama dan mendapat jumlah sinar matahari dan air yang sama. Setengahnya
sama sekali tidak mendapat nitrogen waktu penanaman yang bertindak sebagai
control dan setengah lainnya mendapat 368 ppm nitrogen dalam bentuk NaNO 3. Berat
batang, dalam gr, pada hari ke 140 tercatat sbb:
0,32 0,26
0,53 0,43
0,28 0,47
0,37 0,49
0,47 0,52
0,43 0,75
0,36 0,79
0,42 0,86
0,38 0,62
0,43 0,46
Buatlah selang kepercayaan 95% untuk selisih rataan berat batang antara bibit yang tidak
mendapat nitrogen dan yang mendapat 368 ppm nitrogen. Anggap populasinya
berdistribusi normal dengan variansi yang sama.
15. Data berikut, dalam hari menyatakan waktu yang diperlukan penderita sampai
sembuh, penderita dipilih secara acak untuk mendapat salah satu dari dua obat yang
dapat menyembuhkan infeksi berat pada saluran kencing;
Obat 1 Obat 2
ẋ1=17 ẋ2= 19
Buat selang kepercayaan 99% untuk selisih rataan waktu sembuh untuk kedua obat
µ1- µ2, anggap populasinya berdistribusi normal dengan variansi yang sama.
16. Suatu percobaan yang dilaporkan di Popular Science, tahun 1981, membandingkan
pemakaian bahan bakar dua jenis truk-mini diesel dengan perlengkapan yang sama.
Misalkan 12 truk VW dan 10 truk Toyota digunakan dalm uji coba pada kecepatan 90
km/jam. Bila ke 12 truk VW rata-rata menempukh 16 km per liter dengan simpangan
baku 1,0 km per liter dan 10 truk Toyota rata-rata 11 km dengan simpangan baku 0,8
per liter. Buat lah selang kepercayaan 90% untuk selisih antara rataan km per liter
kedua jenis truk mini. Anggap bahwa jarak perliter untuk setiap model truk
berdistribusi normal dengan variansi yang sama.
17. Suatu perusahaan taksi ingin menentukan apakah membeli ban merek A atau merek B
untuk armada taksinya. Untuk menaksir perbedaan kedua merek, dilakukan suatu
percobaan menggunakan 12 ban dari tiap merek. Ban dipakai sampai aus. Hasil merek
A: x1= 36.300 km, s1= 5000 km; merek B x2= 38.100 km, s2=6100 km. hitunglah
selang kepercayaan 95% untuk µ1- µ2, anggap kedua populasi berdistribusi hamper
normal.
18. Data berikut menyatakan waktu putar film yang diproduksi dua perusahaan film
gambar hidup.
perusaha
Waktu (menit)
an
Hitunglah selang kepercayaan 90% untuk selisih kedua rataan waktu putar film yang
diproduksi kedua perusahaan. Anggap bahwa perbedaan waktu putar berdistribusi
normal.
19. Hitunglah selang kepercayaan 99% untuk µ1- µ2 bila suatu ban dari tiap merek
dipasang secara acak di roda belakang delapan taksi dan jarak yang di tempuh, dalam
km, adalah ;
21. M 22. M
20. T
e e
a
r r
k
e e
s
k k
i
A B
24. 3 25. 3
3 6
, ,
23. 1
4 7
0 0
0 0
27. 4 28. 4
5 6
, ,
5 8
0 0
26. 2 0 0
30. 3 31. 3
6 7
, ,
29. 3
7 7
0 0
0 0
36. 4 37. 4
8 7
, ,
35. 5
4 8
0 0
0 0
39. 3 40. 3
2 6
, ,
8 4
0 0
38. 6 0 0
42. 3 43. 3
8 8
, ,
41. 7
1 9
0 0
0 0
45. 3 46. 3
0 1
, ,
1 5
0 0
44. 8 0 0
Varietas A 38 23 35 41 44 29 37 31 38
Varietas B 45 25 31 38 50 33 36 40 43
HItunglah selang kepercayaan 95% untuk rataan selisih hasil kedua jenis , anggap
bahwa distribusi hasil hampir normal, jelaskan mengapa kedua varietas perlu dibuat
berpasangan dalam soal ini.
22. Pemerintah DKI Jakarta mengadakan program peningkatan usaha kecil dan
menengah dalam rangka peningkatan pendapatan golongan ekonomi lemah. Untuk
mengetahui apakah proyek ini berhasil atau tidak, maka akan dibedakan antara orang
yang mengikuti proyek dan tidak. Pendapatan 13 orang dari 67 peserta yang ikut proyek
sebesar 1,2 juta perbulan dengan standar deviasi sebesar 0,2 juta. Sedang pendapatan 5
orang dari 34 orang nonpeserta rata-rata sebesar 0,8 juta dengan standar deviasi 0,4.
Dengan menggunakan tingkat keyakinan 99%, buatlah interval keyakinan tentang
selisih dari kedua kelompok tersebut.
24. PT. Islamic Net ingin mengetahui jumlah rata-rata nilai penjualan per hari dari
tenaga pemasaran sebagai dasar dari penentuan prestasinya. Hasil sementara
menunjukkan rata-rata perjalanan 150 ribu dengan standar deviasi 14 ribu. Berapa
sampel pramuniaga yang harus diambil, apabila diinginkan kesalahan yang ditoliler
adalah 2 ribu dan tingkat keyakinan 99%?
26. Pengukuran berikut memberikan waktu mengering, dalam jam, sejenis cat lateks
merek tertentu.
Bila dimisalkan pengukuran menyatakan sampel acak yang diambil dari populasi
normal, hitunglah batas toleransi 99% yang akan mengandung 95% waktu
mengering.
27. Sebuah mesin menghasilkan potongan logam yang berbentuk selinder. Sampel
beberapa potongan diukur dan ternyata diameternya :
1,01 0,97 1,03 1,04 0,99 0,98 0,99 1,01 dan 1,03 cm.
28. Diketahui x1 + x2 +......+ x7, diambil ample acak dari populasi yang mempunyai
rata-rata μ dan variansi σ 2. Perhatikan estimator µ sbagai berikut:
Ø´ 1 = (x1+x2+....+x7)/7
Ø´ 2 = (2x1 – x6 + x4)/2
Adalah dua estimator μ . Yang mana estimator μ yang lebih baik? Jelaskan pilihan anda.
30. Misalkan θ´1 , θ´2∧θ3´ adalah estimator estimator θ . Kita tahu bahwa E(θ´1 ¿= E(
θ´2 ¿ dan = θ, E(θ´3 ¿≠θ, var θ´1 =12, var θ´2 =10 and E[θ´3 – θ]❑2 =6. Bandingkan ke tiga
estimator. Yang mana yang lebih baik? Kenapa?
31. In a binomial experiment exactly x successes are observed in n independent trials. The
following two statistics are proposed as estimators of the proportion parameter p: T1 =
x/n and T2 = (x+1)/(n+2)
32. X1, X2, X3 and X4 adalah sample random dengan ukuran n= 4 dari suatu populasi
yang berdistribusi exponensial dengan parameter θ yang tidak diketahui.
Diantara:
T2=(x1+2x2+3x3+4x4)/5
T3=(x1+x2+x3+x4)/4
33. Diketahui populasi 1 dengan rata-rata = 80 dan simpangan baku=5, dan populasi 2
dengan rata-rata = 75 dan simpangan baku = 3, diambil sampel masing-masing n1= 25
dan n2=36.
PENDAHULUA
N
Dalam bab ini akan dibahas bagaimana cara menguji suatu statemen dimana statemen
tersebut belum tentu kebenarannya. Uji hipotesis yang akan dibahas antara lain :
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa dapat menguji berbagai pernyataan dan diharapkan
dapat digunakan dalam situasi nyata.
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
DEFINISI
Pengujian hipotesa
Pengujian hipotesis statistik merupakan suatu bidang besar inferensi statistik. Hipotesis
statistik adalah suatu anggapan, pernyataan atau dugaan, yang mungkin benar atau tidak,
mengenai satu atau lebih populasi. Pengujian hipotesis berhubungan dengan penerimaan atau
penolakan suatu hipotesis. Kebenaran suatu hipotesis tidak akan pernah diketahui dengan
pasti, kecuali kita memeriksa seluruh populasi. Namun, karena tidak memungkinkan
memeriksa seluruh populasi, maka kita dapat mengambil sampel acak dan menggunakan
informasi atau bukti dari sampel tersebut untuk menerima atau menolak suatu hipotesis.
Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENOLAK
hipotesis tersebut dan BUKAN karena HIPOTESIS ITU BENAR dan penolakan suatu
hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENERIMA hipotesis tersebut dan
BUKAN karena HIPOTESIS ITU SALAH.
PENGERTIAN KESALAHAN JENIS I DAN II
Situasi H0 H0
Keputusan Benar Salah
Kesalahan Jenis I
Kesalahan Jenis II
Hipotesa nol
Hipotesa alternatif
Prosedur pengujian hipotesis diawali dengan perumusan Hipotesis Awal yang diharap
akan ditolak dan biasanya disebut dengan Hipotesis Nol (H 0). Hipotesis Nol ini juga sering
menyatakan kondisi yang menjadi dasar pembandingan dan harus menyatakan dengan pasti
nilai parameter. Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif (H1).
H0 → ditulis dalam bentuk persamaan (=)
H1 → ditulis dalam bentuk pertidaksamaan (< ; > ; ≠)
Contoh 1
Daerah penolakan
Ho
Daerah tidak
menolak Ho
1,65 Skala z
Probabilitas 0,95 Probabilitas 0,5
Uji ekasisi ini digunakan apabila peneliti memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati. Pengajuan H0 dan H1 dalam
uji satu arah adalah sebagai berikut:
H0 : ditulis dalam bentuk persamaan (menggunakan tanda =)
H1 : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
Pada uji ini nilai α (taraf keberartian atau ukuran daerah kritis) tidak dibagi dua,
karena seluruh α diletakkan hanya di salah satu sisi selang.
Misalkan :
H0 : µ = µ0 (µ0 adalah suatu rata-rata yang diajukan dalam H0)
H1 : µ < µ0
Wilayah kritis : z < -zα atau t < -t(db;α) (pengunaan z atau t tergantung
pada ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)
OUTLINE
1,65 1,65
Gambar A Gambar B
H0 : mx £ 13,17 H0 : mpa– mpl ³ 0
H1 : mx > 13,17 H1 : mpa– mpl < 0
Daerah yang terarsir : daerah penolakan hipotesis (daerah kritis)
Misalkan :
H1 : µ < µ0
Wilayah kritis : z < -zα atau t < -t(db;α) (pengunaan z atau t tergantung pada
ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)
Uji dwisisi digunakan apabila peneliti tidak memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati. Pengajuan H0 dan H1 dalam
uji satu arah adalah sebagai berikut:
H0 : ditulis dalam bentuk persamaan (menggunakan tanda =)
H1 : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
Pada uji ini nilai α (taraf keberartian atau ukuran daerah kritis) dibagi dua, karena α
diletakkan di kedua sisi selang.
Misalkan :
H1 : µ < µ0
α α
Wilayah kritis : z < -z atau t < -t(db; (pengunaan z atau t tergantung
2 2)
pada ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)
Prinsip pengujian hipotesis yang baik adalah meminimalkan nilai α dan β. Dalam
perhitungan, nilai α dapat dihitung sedangkan nilai β hanya bisa dihitung jika nilai hipotesis
alternatif sangat spesifik.
Contoh 2
Sejenis vaksin flu diketahui hanya efektif 25% setelah jangka waktu 2 tahun. Untuk
menentukan apakah vaksin baru leih unggul daripada vaksin lama, dipilih 100 orang secara
acak dan diberi suntikan vaksin baru tersebut. Bila dalam waktu lebih dari 2 tahun, 36 orang
atau lebih tidak terserang virus, maka vaksin baru dianggap lebih unggul daripada vaksin
1
lama. Hitung galat jenis I (α) dan galat jenis II (β) dengan p = !
2
Jawab :
1
H0 : p =
4
1
H1 : p >
4
1 1 3
a. µ = n . p = 100 .
4
= 25
√
= √ n . p . q = 100 . . = 4,33
4 4
Z= = = 2,66
x−µ 36,5−25
❑ 4,33
α
25
36,5
25 α = P (galat jenis I)
x−µ 36,5−50
c. Z = = = -2,7
❑ 5
α = P (galat jenis II)
25
Sifat-sifat galat :
Galat jenis I dan galat jenis II berkaitan. Memperkecil peluang yang satu dapat
biasanya memperbesar peluang yang lainnya.
Ukuran daerah kritis, jadi juga peluang melakukan galat jenis I, selalu dapat
diperkecil dengan menyesuaikan nilai kritis.
Menaikkan ukuran sampel nakan memperkecil α dan β secara serentak.
Bila H0 salah, β akan mencapai maksimum bila nilai parameter sesungguhnya dekat
dengan nilai yang dihipotesiskan. Makin besar jarak antara nilai sesungguhnya
dengan nilai yang dihipotesiskan, maka makin kecil pula β.
Suatu pengertian yang amat penting yang berkaitan dengan kedua peluang galat ialah
perngertian kuasa uji. Kuasa suatu uji adalah peluang menolak H 0 bila suatu tandingan
tertentu benar. Kuasa suatu uji dapat dinotasikan dengan Ɣ dan dapat dihitung dengan 1 – β.
Untuk melakukan suatu uji hipotesis, langkah-langkah yang harus dilakukan adalah
sebagai berikut :
Pengujian hipotesis yang menyangkut rataan terdiri dari berbagai macam cara,
diantaranya adalah uji menyangkut satu rataan dengan variansi diketahui, uji menangkut satu
rataan dengan variansi tidak diketahui, uji menyangkut dua rataan dengan variansi diketahui,
uji menyangkut dua rataan dengan variansi tidak diketahui tapi 1=2 atau 1 ≠ 2, dan uji
menyangkut rataan dengan pengamatan berpasangan.
Sampel acak catatan 100 kematian di AS selama tahun lalu menunjukan rata-rata usia mereka
71,8 tahun. Andaikan simpangan bakunya 8,9 tahun, apakah ini menunjukan bahwa rata-rata
usia dewasa ini lebih dari 70 tahun? Gunakan taraf
keberartian (α) 0,05.
Jawab :
1. H0 : µ = 70 tahun
2. H1 : µ > 70 tahun
3. α = 0,05
daerah kritis z > 1,645 Gambar IV.11 Daerah Kritis contoh 3.
x−µ 71,8−70
Z = = = 2,02
¿ √ n 8,9/ √ 100
5. Keputusan : Tolak H0
6. Kesimpulan : rata-rata usia dewasa ini lebih dari 70 tahun.
Suatu percobaan dilakukan untuk membandingkan keausan, karena gosokan dua bahan yang
dilapisi. Dua belas potong bahan diuji dengan memasukan tiap potong bahan ke dalam mesin
pengukur aus. Sepuluh potong bahan 2 diuji dengan cara yang sama. Sampel bahan 1
memberikan rata-rata keausan sebanyak 85 satuan dengan simpangan baku 4 sedangkan
sampel bahan 2 memberikan rata-rata keausan sebanyak 81 dengan simpangan baku sampel
5. Dapatkah disimpulkan bahwa pada taraf kepercayaan 0,05 keausan bahan 1 melampaui
keausan bahan 2 sebanyak lebih dari 2 satuan? Anggaplah populasi hampir normal dengan
variansi yang sama.
Jawab :
Misalkan µ1 dan µ2 masing-masing menyatakan rataan populasi keausan bahan 1 dan bahan 2.
1. H0 : µ1 - µ2 = 2
2. H1 : µ1 - µ2 > 2
3. α = 0,05
4. daerah kritis t > 1,725
5. perhitungan : x́ 1 = 85 ; s1 = 4 ; n1 = 12 ; x́ 2 = 81 ; s2 = 5 ; n2 = 10
( 1 2−1 ) 16+(10−1)25
sp =
√ 12+10−2
= 4,478
(85−81)−2
t = 1 1 = 1,04
4,478/ +
12 10√
6. Keputusan : Terima H0
7. Kesimpulan : tidak dapat disimpulkan bahwa keausan bahan 1 melampaui bahan 2
lebih dari 2 satuan.
Contoh 5. Uji menyangkut rataan dengan pengamatan berpasangan
Dengan menggunakan taraf keberartian 0,05, apakah konsentrasi androgen berubah setelah
ditunggu 30 menit?
Jawab :
Uji hipotesis yang manyangkut proporsi banyak dipakai dalam berbagai bidang.
Sebagai contoh, politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih yang
akan mendukungnya dalam pemilihan. Uji hipotesis ini terdiri dari uji menyangkut proporsi
dan uji menyangkut selisih proporsi.
Distribusi Z
Distribusi t, v= n - 1= 25
Distribusi t, v= n- 1= 15
Distribusi t, v= n - 1= 2
Suatu perusahaan tv menyatakan bahwa 70% tv di kota B berasal dari perusahaan tersebut.
Apakah anda setuju dengan pernyataan itu bila suatu sampel acak di kota B menunjukan
bahwa 8 dari 15 tv berasal dari perusahaan tadi? Gunakan taraf keberartian 0,01.
Jawab :
1. H0 : p = 0,7
2. H1 : p ≠ 0,7
3. α = 0,10
4. uji statistik: peubah binomial X dengan p = 0,7 dan n = 15
5. perhitungan : x = 8 dan npo = (15)(0.7) = 10,5
P = 2P(X ≤ 8 bila p = 0,7)
8
= 2 ∑ b ( x ; 15 ; 0,7)
x=10
Suatu obat yang biasa dijual untuk mengurangi ketegangan syaraf diyakini manjur hanya
60%. Hasil percobaan dengan obat baru yang dicobakan pada sampel acak 100 orang dewasa
yang menderita ketegangan syaraf menunjukan bahwa 70 merasa tertolong. Apakah
kenyataan ini cukup untuk menyimpulkan bahwa obat baru tadi lebih unggul dari yang biasa/
gunakan taraf keberertian 0,05.
Jawab :
1. H0 : p = 0,6
2. H1 : p > 0,6
3. α = 0,05
4. daerah kritis z > 1,645
5. perhitungan : x = 70 ; n = 100 ; npo = (100)(0,6) = 60
70−60
Z = = 2,04
√100.0,6 .0,4
6. Keputusan : Tolak H0
7. Kesimpulan : obat baru lebih unggul.
Contoh 8. Menguji selisih dua proporsi
Pemungutan suara diambil dari suatu kotamadya dan kabupaten di sekitarnya untuk
menentukan apakah suatu rencana pembangunan pabrik kimia boleh diteruskan. Daerah
industri tersebut masih berada dalam batas kota dan karena itu banyak penduduk kabupaten
merasa bahwa rencana itu akan disetujui karena proporsi terbesar penduduk kota menyetujui
pembangunan pabrik tersebut. Untuk menentukan apakah ada perbedaan yang berarti antara
proporsi penduduk kota dan kabupaten yang meng=dukung rencana tersebut, suatu pol
diadakan. Bila 120 dari 200 penduduk kota yang setuju dan bila 240 dari 500 penduduk
kabupaten yang menyetujuinya, apakah anda sependapat bahwa proporsi penduduk kota yang
setuju lebih besar dari proporsi penduduk kabupaten yang setuju? Gunakan taraf keberartian
0,025.
Jawab :
Misalkan p1 dan p2 menyatakan proporsi sesungguhnya penduduk kota dan kabupaten yang
menyetujui rencana tersebut.
1. H0 : p1 = p2
2. H1 : p1 > p2
3. α = 0,025
4. daerah kritis z > 1,96
5. perhitungan :
x 1 120
^p1 = = = 0,6
n 1 200
x 2 240
^p2 = = = 0,48
n 2 500
x 1+ x 2 120+240
^p = = = 0,51
n 1+n 2 200+500
0,6−0,48
Z =
√ ( 2001 )+( 5001 ) = 2,9
0,51.0,49{
6. Keputusan : Tolak H0
7. Kesimpulan : penduduk kota yang menyetujui rencana tersebut lebih besar dari proporsi
penduduk kabupaten yang tidak menyetujui.
Pengujian hipotesis mengenai variansi populasi atau simpangan baku berarti kita ingin
menguji hipotesis mengenai keseragaman suatu populasi ataupun barangkali membandingkan
keseragaman suatu populasi dengan populasi lainnya. Statistik yang cocok sebagai dasar
keputusan adalah statistik chi-square dan statistik F.
Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya berdistribusi hampir
normal dengan simpangan baku 0,9 tahun/ Bila sampel acak 10 beterai tersebut menghasilkan
simpangan baku 1,2 tahun, apakah anda setuju bahwa > 0,9 tahun? Gunakan taraf
keberartian 0,05.
Jawab :
1. H0 : ❑2= 0,81.
2. H1 : ❑2 > 0,81.
3. α = 0,05.
4. Daerah kritis 2 > 16,919 dengan derajat kebebasan v = 9
5. Perhitungan s2 = 1,44, n = 10
( 9 ) (1,44)
2 = = 16,0
0,81
6. Keputusan : Statistik x 2 tidaklah berarti pada taraf 0,05. Akan tetapi, ada sedikit
kenyataan bahwa > 0,9.
Dalam menguji selisih keausan kedua bahan di contoh V.2, dianggap bahwa kedua variansi
populasi yang tidak diketahui sama besarnya. Apakah anggapan seperti ini beralasan ?
Jawab :
1. H0 : σ 12= σ 22
2. H1 : σ 12≠ σ 22
3. α = 0,10
4. Daerah kritis :
f0,05 (11,9) = 3,11
1
f0,95 (11,9) = = 0,34
f 0,05(11,9)
Jadi, hipotesis nol ditolak bila f < 0,43 atau f > 3,11, untuk f = s21 /s 22 dengan derajat
kebebasan v1 = 9 dan v2 = 9
5. Perhitungan s21 = 16, s21= 25, jadi
16
f= = 0,64
25
6. Keputusan : terima H0.
7. Kesimpulan : tidak cukup kenyataan untuk menyatakan bahwa variansinya berbeda.
Latihan Soal
1. Proporsi keluarga yang membeli susu dari perusahaan A di suatu kota ditaksir sebesar p =
0,6. Bila sampel acak 10 keluarga menunjukan bahwa hanya 3 atau kurang yang membeli
susu dari perusahaan A maka hipotesis bahwa p = 0,6 akan ditolak dan tandingan p < 0,6
didukung.
a. Carilah peluang melakukan galat jenis I bila proporsi sesungguhnya p = 0,6.
b. Carilah peluang melakukan galat jenis II untuk tandingan p = 0,3, p = 0,4, dan p = 0,5.
2. Proporsi orang dewasa yang tamat perguruan tinggi yang tinggal di suatu kota ditaksir
sebanyak p = 0,3. Untuk menguji hipotesis ini sampel acak 200 orang dewasa dipilih. Bila
banyaknya yang tamat perguruan tinggi dalam sampel tadi antara 48 dan 72, maka
hipotesis nol bahwa p = 0,3 diterima. Jika tidak, maka disimpulkan bahwa p ≠ 0,3.
a. Carilah α kalau p = 0,3.
b. Carilah β untuk tandingan p =0,2 dan p = 0,4.
3. Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya berdistribusi hampir
normal dengan rataan 800 jam dan simpangan baku 40 jam. Ujilah hipotesis bahwa µ =
800 jam lawan tandingan µ ≠ 800 jam bila sampel acak 30 bola lampu mempunyai rata-
rata umur 788 jam. Gunakan taraf keberartian 0,04.
4. Suatu pernyataan menyatakan bahwa rata-rata sebuah mobil dikendarai sejauh 20.000 km
setahun di suatu daerah. Untuk menguji pernyataan ini sampel acak sebanyak 100
pengemudi mobil diminta mencatat jumlah kilometer yang mereka tempuh. Apakah anda
setuju dengan pernyataan di atas bila sampel tadi menunjukan rata-rata 23.500 km dan
simpangan baku 3900 km? Gunakan taraf keberartian 0,05.
5. Suatu pabrik menyatakan bahwa daya rentang rata-rata benang A melebihi daya rentang
rata-rata benang B paling sedikit 12 kg. Untuk menguji pernyataan ini, 50 potong benang
dari tiap jenis diuji dalam keadaan yang sama. Benang jenis A mempunyai rata-rata daya
rentang 86,7 dengan simpangan baku 6,28 kg, sedangkan benang jenis B mempunyai rata-
rata daya rentang 77,8 dengan simpanagn baku 5,61 kg. Ujilah pernyataan pengusaha tadi
dengan menggunakan taraf keberartian 0,05.
6. Untuk menentukan apakah suatu serum baru akan memperlambat leukemia, 9 tikus dipilih
yang semuanya telah kena penyakit tersebut pada tahap yang lanjut. Lima tikus mendapat
serum tadi dan empat lainnya tidak. Umur, dalam tahun, sejak permulaan percobaan
sebagai berikut:
perlakuan 2,1 5,3 1,4 4,6 0,9
Tanpa perlakuan 1,9 0,5 2,8 3,1
Pada taraf keberartian 0,05 dapatkah disimpulkan bahwa serum tadi menolong? Anggap
kedua populasi berdistribusi normal dengan variansi yang sama.
7. Data berikut memberikan waktu putar film yang dihasilkan oleh dua perusahaan film
gambar hidup:
Perusahaan Waktu (menit)
A 102 86 98 109 92
B 81 165 97 134 92 87 114
Ujilah hipotesis bahwa rata-rata waktu putar film hasil perusahaan B lebih 10 menit dari
rata-rata waktu putar film hasil perusahaan A lawan tandingan ekapihak bahwa selisihnya
melebihi 10 menit. Gunakan taraf keberartian 0,1 dan anggaplah kedua distribusi tersebut
hampir normal dengan variansi tidak sama.
8. Dari penelitian ‘Comparison of Sorbic Acid in Countri Ham Before and After Storage’
yang dilakukan di Virginia Polythecnic Institute and State University pada tahun 1983,
diperoleh data berikut yang menyangkut perbandingan sisa asam sorbat dinyatakan dalam
bagian per sajuta, dalam daging ham segera setelah dicelupkan dalam larutan sorbat dan
setelah disimpan 60 hari dicatat:
Potongan Sisa asam sorbat dalam ham
Sebelum disimpan Setelah disimpan
1 224 116
2 270 96
3 400 239
4 444 329
5 590 437
6 660 597
7 1400 689
8 680 576
Bila dianggap kedua populasinya berdistribusi normal, apakah terdapat kenyataan yang
cukup, pada taraf keberartian 0,05, untuk menyatakan bahwa lamanya penyimpanan
mempengaruhi konsentrasi sisa asam sorbat?
9. Misalkan bahwa dulu 40% dari semua orang dewasa menyetujui hukuman mati. Apakah
cukup ada kenyataan untuk mendukung bahwa proporsi orang dewasa sekarang yang
menyetujui hukuman mati lebih banyak bila dalam suatu sampel acak 15 orang dewasa, 8
yang menyetujui hukuman mati? Gunakan taraf keberartian 0,05.
10. Diduga paling sedikit 60% rumah tangga di suatu daerah memiliki pesawat televisi.
Kesimpulan apakah yang akan anda ambil bila hanya 110 dalam sampel 200 keluarga
yang memiliki televisi? Gunakan taraf keberartian 0,04.
11. Suatu perusahaan rokok memasarkan dua merek rokok. Bila diketahui bahwa 56 dari 200
perokok lebih menyenangi merek A dan 19 dari 150 perokok lebih menyenangi merek B,
dapatkah disimpulkan pada taraf keberartian 0,06 bahwa merek A lebih laris daripada B?
12. Pengalaman menunjukan bahwa waktu yang diperlukan murid kelas 3 SMA untuk
menyelesaikan suatu ujian baku merupakan suatu peubah acak normal dengan simpangan
baku 6 menit. Ujilah hipotesis bahwa = 6 lawan tandingan bahwa < 6 bila sampel
acak 20 murid SMA kelas 3 mempunyai simpangan baku s = 4,51. Gunakan taraf
keberartian 0,05.
13. Data masa lalu menunjukan bahwa uang yang disumbangkan oleh karyawan di suatu
kota pada PMI berdistribusi normal dengan simpangan baku 1,40 ribu rupiah. Ada
dugaan bahwa sumbangan dari para pedagang pada PMI mempunyai simpangan baku
1,75 ribu rupiah. Dapatkan disimpulkan, pada taraf keberartian 0,01, bahwa simpangan
baku sumbangan dari para pedagang lebih besar daripada para karyawan di kota
tersebut?
14. Suatu mesin minuman dikatakan diluar kendali bila variansi isi minuman yang
dikeluarkannya melebihi 1,15 desiliter. Bila sampel acak 25 cangkir minuman dari
mesin ini mempunyai variansi 2,03 desiliter, apakah ini menunjukan, pada taraf
keberartian 0,05, bahwa mesin diluar kendali? Anggap bahwa isi cangkir berdistribusi
hampir normal.
15. Seorang ahli mengemukakan kepada manajer bahwa dengan mengadakan perubahan-
perubahan tertentu dalam proses produksi akan meningkatkan efisiensi, karena rata-
rata persentase kerusakan produksi tiap mesin akan berkurang.
Perubahan-perubahan akan memerlukan biaya sehingga percobaan perlu diadakan
terlebih dahulu sebelum dilakukan secara menyeluruh dalam proses produksi.
Percobaan terhadap 6 unit proses produksi (dalam persen), sebagai berikut:
8,2 – 7,9 – 8 – 8,4 – 8,3 – 7,8
Manajer hanya akan melakukan perubahan-perubahan apabila dalam proses baru terjadi
rata-rata kerusakan paling banyak 8%. Atas dasar hasil di atas, tentukanlah keputusan
apa yang dapat diambil oleh manajer disertai besar resiko yang diperkirakan!
16. Dari pengalaman masa lampau ternyata sekitar 40% mahasiswa tingkat pertama lulus
mata kuliah A. jika tahun ini 496 dari 1.078 lulus mata kuliah A, dapatkah kita
menyimpulkan bahwa pola masa lampau masih berlaku?
Ambil Taraf nyata 0,05 dan 0,01 lalu bandingkan!
17. Suhu udara di kota B selama 60 bulan terakhir mencapai simpangan baku 0,8°
Celsius. Pengamatan pada tiap tengah bulan selama satu tahun mencapai rata-rata
suhu (dalam ° Celsius): 28,4 – 30,7 – 30,2 – 29,4 – 29,9 – 31,2 – 27,9 – 29,8 – 30,9 –
29,2 – 28 – 30,2.
Tentukanlah apakah variabilitas suhu udara berubah atau tidak jika dibandingkan
dengan selama 60 bulan terakhir tersebut. Ambil taraf nyata 0,05.
18. Sepuluh orang pasien melakukan diet. Berat badan sebelum diet dan sesudahnya
ditimbang untuk mengetahui apakah diet itu berhasil atau tidak. Hasilnya (dalam kg)
sebagai berikut:
1 78,3 77,4
2 84,7 83,2
3 77,4 75,7
4 95,6 92,4
5 82,0 80,2
6 69,4 68,1
7 79,7 76,9
8 85,6 83,9
9 92,8 90,4
10 99,2 95,2
Ujilah terlebih dahulu apakah simpangan baku berat badan sebelum dan sesudah diet
sama besar!
Misalkan bahwa pendapatan bulanan itu berdistribusi normal. Dengan taraf nyata 0,05
ujilah apakah varians pendapatan pegawai itu sama besar ataukah tidak!
BAB V UJI CHI-SQUARE
PENDAHULUA
N
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa dapat menganalisis dan menguji baik kecocokan
ataupun kebebasan dengan menggunakan uji Chi- Square.
1………….
2………….
SKENARIO PEMBELAJARAN
3………….
4………….
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
Uji Chi Square adalah pengujian hipotesis mengenai perbandingan antara frekuensi
observasi atau frekuensi aktual dengan frekuensi harapan atau frekuensi ekspektasi.
Frekuensi obserfasi diperoleh dari nilai pada hasil percobaan, sedangkan frekuensi harapan
diperoleh dari perhitungan secara teoritis. Bentuk distribusi Chi Square dinotasikan dengan
X 2 oleh karena itu nilainya selalu positif.
Goodness of fit test atau uji kebaikan suai merupakan pengujian terhadap kecocokan
atau baiknya kesesuaian antara frekuensi terjadinya pengamatan pada sampel teramati dengan
frekuensi harapan yang diperoleh dari distribusi yang dihipotesiskan. Uji goodness of fit
antara frekuensi pengamatan dan frekuensi harapan didasarkan pada besaran:
k
X 2 =∑ ¿ ¿ ¿ ¿
i=1
X2 : nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Kuadrat
dengan derajat kebebasan v=k-1
oi : frekuensi amatan
ei : frekuensi harapan
Bila frekuensi amatan dekat dengan frekuensi harapan, maka nilai X 2 akan kecil. Hal
ini menunjukkan adanya kesesuaian yang baik antara frekuensi amatan dengan frekuensi
harapan. Tetapi jika frekuensi amatan cukup berbeda dengan frekuensi harapan maka nilai X 2
akan besar dan hal ini menunjukkan kesesuaiannya jelek. Kesesuaian yang baik akan
mendukung penerimaan terhadap H0, sedangkan keseuaian yang jelek akan mendukung
penolakan terhadap H0.
Daerah kritis berada pada ujung kanan distribusi Chi-Kuadrat. Untuk taraf keberartian
α, ditemukan nilai kritis X 2α dari tabel, maka daerah kritisnya adalah X 2 > X 2α. Uji goodness
of fit sebaiknya digunakan jika setiap frekuensi harapan paling sedikit 5. Jika kurang dari 5,
maka dilakukan penggabungan sel yang berdampingan, yang berakibat pada pengurangan
besarnya derajat kebebasan.
Contoh 1
Pada percobaan pelemparan dadu sebanyak 120 kali, dihipotesiskan bahwa dadu tersebut
setangkup. Ini berarti sama saja menguji hipotesis bahwa distribusi hasil pelemparan dadu
tersebut adalah distribusi seragam (uniform) diskret. Maka :
1
f(x) = x = 1,2,…,6
6
Secara teoritis apabila dadu tersebut seimbang maka diharapkan bahwa kemunculan setiap
muka sebanyak 20 kali. Hasilnya diberikan pada tabel berikut :
Tabel V.7 Frekuensi Amatan dan Harapan dari Lantunan Dadu 120 Kali
MUKA
1 2 3 4 5 6
Amatan 20 22 17 18 19 24
Harapan 20 20 20 20 20 20
Apabila ditetapkan taraf keberartian, α = 5% maka dari tabel distribusi Chi-Kuadrat diperoleh
:
Contoh 2
Akan diuji hipotesis bahwa distribusi frekuensi umur baterai dapat dihampiri dengan
distribusi normal dengan rataan µ = 3,5 dan simpangan baku σ = 0,7. Distribusi frekuensi
umur baterai disajikan dalam tabel berikut :
Selang
Titik Tengah Kelas Frekuensi
Kelas
1,5 – 1,9 1,7 2
2,0 – 2,4 2,2 1
2,5 – 2,9 2,7 4
3 – 3,4 3,2 15
3,5 – 3,9 3,7 10
4,0 – 4,4 4,2 5
4,5 – 4,9 4,7 3
Frekuensi harapan untuk 7 kelas (sel) diperoleh dengan menghitung luas di bawah
kurva normal yang dihipotesiskan yang berada antara berbagai batas kelas.
Dari tabel distribusi normal maka dapat diperoleh luas antara z1 = -0,79 dengan z2 = -0,07.
Luas = P(-0,79 < Z < -0,07)
= P(Z<-0,07) – P(Z<-0,79)
= 0,4721 – 0,2148
= 0,2573
= 0,2573 x 40
= 10,3
Frekuensi harapan untuk selang pertama diperoleh dengan menghitung luas di bawah
kurva normal di sebelah kiri batas 1,95. Sedangkan untuk kelas terakhir, hitung luas di bawah
kurva normal di sebelah kanan batas 4,45. Semua frekuensi harapan kelas lainnya dapat
dihitung dengan cara yang sama pada kelas keempat.
Tabel V.9 Frekuensi Amatan dan Harapan Umur Baterai Bila Distribusinya Normal
Batas Kelas oi ei
1,45 – 1,95 2 0,5
1,95 – 2,45 1 7 2,1 8,5
2,45 – 2,95 4 5,9
2,95 – 3,45 15 10,3
3,45 – 3,95 1 10,7
3,95 – 4,45 5 8
7,0 10,5
4,45 – 4,95 3 3,5
Pada kelas pertama, frekuensi harapan yang diperoleh kurang dari 5, maka dilakukan
penggabungan dengan kelas yang berdekatan yaitu kelas kedua dan ketiga. Begitu juga
dengan kelas keenam dan ketujuh. Karena penggabungan tersebut, jumlah kelas (sel)
berkurang dari 7 kelas menjadi 4 kelas.
X 2α =7,815 dengan derajat kebebasan v = 3. Artinya tidak ada alas an untuk menolak hipotesis
nol, dan dapat disimpulkan bahwa distribusi normal dengan µ = 3,5 dan simpangan baku σ =
0,7 mempunyai kesesuaian yang baik untuk distribusi umur baterai.
LATIHAN SOAL
1. Suatu mesin seharusnya mencampur kacang tanah, kemiri, mete, dan kenari dalam
perbandingan 5 : 2 : 2 : 1. Suatu kaleng yang berisi 500 keempat jenis kacang ini
ditemukan mengandung 269 kacang tanah, 112 kemiri, 74 mete, dan 45 kenari. Pada taraf
keberartian 0,05, uji hipotesis bahwa mesin tersebut mencampur kacang dalam
perbandingan 5 : 2 : 2 : 1.
2. Tiga kartu diambil dari sekotak kartu bridge, dengan pengembalian. Y adalah banyaknya
kartu spade yang terambil. Setelah percobaan sebanyak 64 kali diperoleh hasilnya sebagai
berikut :
Y 0 1 2 3
F 21 31 12 0
Ujilah hipotesis pada taraf keberartian 0,01 bahwa data yang diperoleh sesuai dengan
distribusi binomial b(y; 3, ¼), y = 0, 1, 2, 3
3. Tiga kelereng diambil dari sebuah botol yang berisi 5 kelereng merah dan 3 kelereng
hijau. X adalah banyaknya kelereng merah yang terambil, kelereng kemudian
dikembalikan lagi dan percobaan diulangi sebanyak 112 kali. Hasil yang diperoleh adalah
sebagai berikut :
X 0 1 2 3
F 1 31 55 25
Ujilah hipotesis pada taraf keberartian 5% bahwa data di atas sesuai dengan distribusi
hipergeometrik h(x,N,n,k)dimana N = 8, n = 3, k = 5.
4. Skor berikut menyatakan nilai ujian akhir mata kuliah statistika.
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 76
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
5. Barang rusak setiap hari yang dihasilkan oleh tiga buah mesin ternyata berdistribusi
Poisson. Pengamatan telah dilakukan selama enam hari dan terdapatnya barang rusak
setiap hari dalam ketiga mesin itu dapat dilihat di bawah ini.
1 4, 3, 4, 6, 3, 5
2 3, 2, 3, 6, 5, 2
3 5, 5, 3, 4, 4, 6
Dapatkah disimpulkan bahwa rata-rata dihasilkannya barang rusak setiap hari oleh
ketiga mesin itu sama besar?
6. Hasil kuisioner terhadap dua kelompok pegawai (laki-laki dan perempuan) mengenai
pendapat tentang peraturan baru adalah sebagai berikut.
Pegawai
Laki- Laki Perempuan
Pendapat
Setuju 102 88
Tak Setuju 78 136
Tak Peduli 20 76
7. Dikatakan bahwa obat A dapat menyembuhkan pilek dalam tempo lima hari.
Percobaan terhadap 158 orang yang pilek telah dilakukan. Setengahnya diberi obat A
dan sisanya diberi obat gula. Pada akhir hari kelima sejak pengobatan dimulai,
hasilnya dicatat dan diberikan dalam daftar berikut.
payah berubah
Obat A 54 10 15
Obat gula 48 12 19
Ujilah hipotesis bahwa obat A dan obat gula menghasilkan reaksi yang sama.
V.2 INDEPENDENSI (UJI KEBEBASAN)
Uji kebebasan ini digunakan untuk memeriksa kebebasan atau independensi dari dua
variabel (frekuensi observasi dan frekuensi harapan) sehingga kita dapat menyimpulkan
apakah kedua peubah tersebut saling bebas (tidak berpengaruh) ataukah keduanya saling
bertalian (berpengaruh).
Data untuk menguji kebebasan dua variabel tersebut disajikan dalam bentuk Tabel
Kontingensi atau Tabel Berkemungkinan yang umumnya berukuran r baris x k kolom.
Sebelum melakukan pengujian, terlebih dahulu kita harus mendefinisikan Hipotesis Awal
(H0) dan Hipotesis Alternatif (H1), yaitu:
Biasanya Tabel Kontingensi berisikan data berupa frekuensi observasi yang diperoleh
dari suatu pengujian. Untuk itu, kita perlu mencari frekuensi ekspektasi terlebih dahulu
sebelum melakukan pengujian.
r,k
X2= ∑ ¿ ¿ ¿ ¿
i , j =1
X2 : nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Kuadrat
dengan derajat kebebasan v=(r-1)(k-1)
k : jumlah kolom
r : jumlah baris
Kita akan menguji kebebasan antara faktor gender (jenis kelamin) dengan jam kerja di suatu
pabrik. Data yang diperoleh disajikan dalam tabel berikut:
Apakah ada kaitan antara gender dengan jam kerja? Gunakan taraf uji 0,05.
Jawab :
kategori oij eij (oij - eij) (o ij−e ij)2 (o ij−e ij)2/ eij
∑ 2 hitung = 0,4755
Contoh 2
Suatu percobaan dilakukan untuk mengetahui apakah pendapat penduduk pemilih di negara
bagian Illinois mengenai perubahan pajak baru tidak ada hubungannya dengan tingkat
penghasilannya. Suatu sampel acak 1000 pemilih yang tercatat di Illinois dikelompokan
menurut apakah penghasilan mereka rendah, sedang, atau tinggi, dan apakah mereka setuju
atau tidak terhadap perubahan pajak baru dalam tabel kontingensi berikut: (gunakan taraf uji
0,05)
Jawab :
Latihan Soal
1. Dalam percobaan untuk meneliti kaitan hipertensi dengan kebiasaan merokok, diperoleh
data berikut yang menyangkut 180 orang:
Bukan Perokok Perokok Sedang Perokok Berat
Hipertensi 21 36 30
Tidak hipertensi 48 26 19
Ujilah hipotesis bahwa ada tidaknya hipertensi tidak tergantung pada kebiasaan
merokok. Gunakan taraf keberartian 0,05.
2. Suatu sampel acak 200 pria yang telah berkeluarga, semuanya sudah pensiun, dibagi
menurut pendidikan dan jumlah anak:
Pendidikan Ayah Jumlah Anak
0-1 2-3 Lebih dari 3
Sekolah Dasar 14 37 32
Sekolah Menengah 19 42 17
Perguruan Tinggi 12 17 10
Ujilah hipotesis, pada taraf keberartian 0,05, bahwa banyaknya anak tidak tergantung
pada tinggi pendidikan yang dicapai oleh ayah.
Dapatkah disimpulkan dari data ini pada taraf keberartian 0,01 bahwa terjadinya
kejahatan tersebut bergantung pada daerah di kota itu?
BAB VI
ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA
Scatter Plot
Tidak Ada Hub.linier
Hubungan Linier Positif
Tabel 1.
Korelasi sempurna
Hasil dari analisis korelasi menunjukkan kekuatan atau kelemahan dari suatu
hubungan.Nilai koefisien korelasi ini akan berada pada kisaran -1 sampai
dengan +1. Koefisien korelasi minus menunjukkan hubungan yang
terbalik, dimana pengaruh yang terjadi adalah pengaruh negatif. Dalam
pengaruh yang negatif ini kenaikan suatu variabel akan menyebabkan
penurunan suatu variabel yang lain, sedangkan penurunan suatu variabel akan
menyebabkan kenaikan variabel yang lain.
Koefisien korelasi positif menunjukkan hubungan yang searah dari dua
variabel, dimana kenaikan suatu variabel akan menyebabkan kenaikan
variabel yang lain dan sebaliknya penurunan suatu variabel akan
menyebabkan penurunan variabel yang lain.
Koefisien korelasi sebesar nol menunjukkan tidak adanya hubungan antara
dua variabel, dengan kata lain kenaikan atau penurunan suatu variabel tidak
mempengaruhi variabel yang lain, jadi berapapun perubahan harga pada suatu
variabel tidak akan mempengaruhi variabel yang lain karena nilainya yang
tetap.
Terdapat bermacam-macam analisis korelasi yang dapat digunakan untuk
mengukur hubungan asosiatif dari suatu variabel. Korelasi yang akan
digunakan tergantung pada jenis data yang akan dianalisis. Korelasi
berdasarkan tingkatan data dapat dilihat pada tabel berikut ini:
Spearman Rank
Ordinal
Kendal Tau
r=
∑ ( x− x̄ )( y − ȳ )
√[ ∑ ( x− x̄)2 ][ ∑ ( y− ȳ )2 ]
Atau: n ∑ xy−∑ x ∑ y
r=
√[ n( ∑ x2 )−( ∑ x )2 ][ n( ∑ y2 )−(∑ y)2 ]
S xx S xy
Atau: r =b
√ =
S yy √ S xx S yy
dimana:
r = Koefisien Korelasi Sampel
n = Ukuran Sampel
x = Nilai dari Variabel Independen
y = Nilai Variabel dependen
6.2.2.Koefisien Determinansi
Koefisien determinansi adalah salah satu alat analisis yang dapat digunakan
untuk mengetahui lebih jauh hubungan antar variabel. Koefisien determinansi
disimbolkan dalam R2 yang menyatakan proporsi variansi keseluruhan dalam
nilai variabel dependen yang dapat diterangkan oleh hubungan linier dengan
variabel independen atau menunjukkan proporsi total variasi dalam nilai
variabel dependen yang dapat dijelaskan oleh hubungan linier dengan nilai
variabel independen. Nilai koefisien determinansi ini berkisar :0 ≤ R 2 ≤ 1
R2 juga dapat digunakan untuk mempertimbangkan sebuah model regresi. Jika
R2 suatu model besar belum tentu model tersebut adalah model yang baik,
tetapi jika MSE model kecil maka model teresbut adalah model regresi yang
terbaik.
Koefisien determinasi biasanya dinyatakan dengan persen. Sedangkan
penafsirannya jika 0.994 sehingga R2 = 0.989 atau 98.9% adalah pengaruh
variabel bebas terhadap perubahan variabel terikat adalah 98,9%, sedangkan
sisanya sebesar 1,1% dipengaruhi oleh variabel lain selain variabel bebas X.
Koefisien determinasi banyak digunakan dalam penjelasan tambahan untuk
hasil perhitungan koefisien regresi.
6.2.3. Korelasi Ganda
Korelasi ganda adalah korelasi yang menunjukkan arah dan kuatnya hubungan
antara dua atau lebih variabel terikat secara bersama-sama dengan variabel
yang lain (variabel bebas). Contohnya: hubungan antara kesejahteraan
pegawai, hubungan dengan pemimpin, dan pengawasan dengan efektivitas
kerja.
Korelasi berganda merupakan korelasi dari beberapa variabel bebas secara
serentak dengan variabel terikat. Misalkan ada k variabel bebas,
X 1 , X 2 ,..., X k dan satu variabel terikat Y dalam suatu persamaan regresi linear
a1 ∑ x 1 y+ a2 ∑ x2 y +…+ ak ∑ xk y
ry,x 1 ,… , x n
=
∑ y2
dengan
∑ X 1∑ Y
∑ x 1 y=∑ X 1 Y − n
∑ Xk ∑ Y
∑ x k y=∑ X k Y − n
2
2 2 (∑ Y )
∑ y =∑ Y −
n
x1 x2 y x2 )
Dimana :
ry,x 1 , x2 = korelasi antara x1 dengan x2 secara bersama-sama dengan variabel y
r y x = korelasi product moment antara x1 dengan y
1
Atau H0 :ρ=0
H1 :ρ≠0
Statistik uji:
Statistik uji menggunakan uji-T, yakni dengan menggunakan rumus sebagai
berikut:
b SSR
t hitung = =√
S S
r n−2
t hitung = √ 2
√ 1−r
atau
S xx
Kriteria uji
Tolak H0 jika thitung > ttabel atau thitung < -ttabel
Kesimpulan
Sementara untuk menguji hipotesis koefisien korelasi dengan menggunakan
koefisien korelasi taksiran ( ρ0 ¿, dapat digunakan hipotesis sebagai berikut:
H 0 : ρ=ρ 0 dimana ρ0 ≠ 0
H 1 : ρ≠ ρ0
Statistik uji:
( 1+ r ) ( 1−ρ0 )
z hitung = √
n−3
2
ln
[
(1−r ) ( 1+ ρ0 ) ]
z tabel =z α (uji satu sisi) atau z tabel =z α (uji dua sisi)
2
Kriteria uji:
Tolak H0 jika zhitung > ztabel atau zhitung < -ztabel
Kesimpulan
6.4.Analisis Regresi
Dalam kehidupan sehari-hari, seringkali dijumpai kasus yang berhubungan dengan
dua variabel atau lebih. Hubungan tersebut dapat berupa hubungan kausal atau
hubungan fungsional. Hubungan kausal misalnya : hubungan antara panas dengan
tingkat muai panjang, sedangkan hubungan fungsional contohnya: hubungan antara
kepemimpinan dengan tingkat kepuasan kerja pegawai.
Secara umum terdapat dua macam hubungan antara dua variabel atau lebih, yaitu :
Keeratan hubungan dapat diketahui dengan analisis korelasi (bukan hubungan
sebab-akibat)
Bentuk hubungan dapat diketahui dengan analisis regresi
6.4.3. Asumsi
Residual adalah selisih antara nilai duga (predicted value) dengan nilai
pengamatan sebenarnya apabila data yang digunakan adalah data sampel.
Error adalah selisih antara nilai duga (predicted value) dengan nilai pengamatan
yang sebenarnya apabila data yang digunakan adalah data populasi.
Persamaan keduanya : merupakan selisih antara nilai duga (predicted value)
dengan pengamatan sebenarnya.
Perbedaan keduanya: residual dari data sampel, error dari data populasi.
Persamaan garis regresi sampel memberikan estimasi garis regresi populasi sebagai
berikut:
^y i=a+ bx
Keterangan :
y i = nilai estimasi dari variabel bebas. Ŷ juga merupakan variabel terikat (dependen
^
variable)
a = konstanta yang merupan nilai estimasi ^y jika nilai x=0 (intercept)
b = koefisien regresi/gradient garis regresi (slope)
x = variabel bebas (independent variable)
dan
n n n
∑ ( x− x̄ )(S xyy− ȳ )
b= atau b= S 2atau
( x− x̄xx)
∑
n ∑ xy−∑ x ∑ y
atau b= 2
2
n∑ x − (∑ x )
Dari persamaan di atas disubstitusi, maka diperoleh persamaan untuk menentukan
n n
∑ yi ∑ xi
nilai a: a = i=1
−b i=1
n n
atau:
a = ý – bx́
Dimana:
ý = rata – rata yi
x́ = rata – rata xi
Dimana : S xx =∑ x i2−n x́ 2
S yy =∑ y i2−n ý 2
S xy =∑ x i yi −n x́ ý
6.4.5.3. Estimasi dari σ 2
Sum of Square Error (SSE) merupakan variansi yang menggambarkan
penyimpangan dari nilai–nilai observasi di sekitar garis regresi sampel. Nilai SSE (
Se ) atau yang biasa disebut MSE (Mean Squared Error) adalah estimasi dari σ 2 dan
diestimasi dengan persamaan berikut:
∑ ( y− ^y )2 = SSE S −b S xy
Se = S =
√ n−2 √ n−2 √
= yy
n−2
s sε sε
s b= = =
S
√ xx √ ∑ ( x− x̄ )2
( ∑ x )2
√ 2
∑x − n
6.4.5.3. Standar Error untuk ý bila nilai x diketahui
Jika nilai x dimasukkan berulang–ulang pada persamaan regresi, maka nilai rata–rata
yang diperoleh tidak akan sama, yang artinya nilai ý bervariasi. Sehingga nilai
standar error ý dapat ditentukan dengan persamaan berikut (bila x diketahui):
2
S ý = S
e (√( 1 ( x 0−x́ )
n
+
S xx ))
6.4.6.Uji Parsial Parameter Regresi
Digunakan untuk menguji apakah parameter β berarti pada model secara parsial.
Tahapan uji yang dilakukan:
Hipotesis:
H0 : β = 0
H1 : β ≠ 0
Statistik Uji:
b−β 0 b− β0
t= =
s / √ S xx Sb
Pengambilan Keputusan:
Kesimpulan
Hipotesis:
H0 : α = 0
H1 : α ≠ 0
Statistik Uji:
a−α
t=
∑ xi
s
√ n S xx
Pengambilan Keputusan
Tolak H0 jika thitung > t a/2(db= n-2) pada selang kepercayaan α
Kesimpulan
a±t α /2
S √∑ x i 2
√ nS xx
Selang Kepercayaan untuk β:
b±t α /2 s b
6.4.9.Prediksi
2
1 ( x p − x̄ )
^y ±t α /2 s ε
√ +
n ∑ ( x− x̄ )2
Estimasi selang keyakinan untuk Nilai individual y diberikan pada saat xp
2
1 ( x p − x̄ )
^y ±t α /2 s ε
√ 1+ +
n ∑ ( x− x̄ )2
Hipotesis
H0 : β = 0
H1 : β ≠ 0
Tentukan daerah kritis dengan Level of Significance (α) yang biasa
digunakan adalah 0,01 atau 0,05
Sumber
Variansi SS df MS Fhitung
Regresi SSR 1 MSR = SSR/1 MSR/s2
Error SSE n–2 S2 = SSE/n-2
Total SST n–1
Pengambilan Keputusan
Tolak H0 jika Fhitung > Ftabel(1 , n-2) pada selang kepercayaan (level of significance)
α
Kesimpulan
Untuk menguji kelayakan dari suatu model regresi digunakan pendekatan analisis
varians.Analisis varians adaah suatu prosedur membagi variansi total variabel
dependen menjadi dua komponen, yaitu: variansi model sistematik dan variansi
error.
Hipotesis
H0 : Tidak ada LoF
H1 : Ada LoF Model Linier tidak sesuai
Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
Hitung Pure Error sum of square ( SSpe)
k n
SS pe =∑ ∑ ¿ ¿ ¿ ¿ dengan df = n – k
i=1 i=1
Sumber
Variansi SS df MS Fhitung
Regresi SSR 1 MSR = SSR/1 MSR/s2
Error: SSE n – S2 = SSE(/n-2)
2
Lof SSE - SSpe k-2 (SSE – SSpe ¿/(k−2) SSE−SSpe
Pure error SSpe n-k S2= SSpe /(n-k) S 2( k−2)
Total SST n
Pengambilan Keputusan
Tolak H0 jika Fhitung > Ftabel(k-2 , n-k) pada selang kepercayaan (level of significance) α
Kesimpulan
Contoh 1
nilai 9 mahasiswa dari suatu kelas pada ujian tengah semester (x) dan pada ujian akhir
semester (y) sebagai berikut :
n 1 2 3 4 5 6 7 8 9
xi 77 50 71 72 81 94 96 99 67
yi 82 66 78 34 47 85 99 99 68
a. Tentukan persamaan garis regresi linear.
b. Tentukan nilai ujian akhir seorang murid yang mendapat nilai 85 pada ujian
tengah semester.
Jawab :
persamaan regresi linear
n 1 2 3 4 5 6 7 8 9 Σ
xi 77 50 71 72 81 94 96 99 67 707
yi 82 66 78 34 47 85 99 99 68 658
xiyi 631 3300 5538 2448 3807 7990 9504 9801 4556 53258
4
xi2 592 2500 5041 5184 6561 8836 9216 9801 4489 57557
9
dan
x = 85
x 3,4 2,8 2,5 3,7 3,2 3,1 2,9 3 2,2 2,4 2,7
y 25 20 18 25 21 22 30 22 10 20 17
Jawab :
Σx = 31,9 Σy = 230 Σ xiyi = 675,5
Σ xi2 = 94,49 Σ yi2 = 4866
x́ = 2,9 ý = 20,9091
b = 0,777142
a = 12,06232
Sxx = Σ xi2 – n(x́)2 = 1,98
Sxy = Σ xiyi – n(x́ ý)= 8,4997
Syy = Σ yi2 – n( ý)2 = 56,9049
SSR = b2 Sxx = 36,4894
SSE = Syy – SSR = 20,4155
Hipotesis
H0 : β = 0
H1 : β ≠ 0
α = 0.05
Tabel Anaysis of Variance
KomponenRe SS df MS Fhitung
gresi
Regresi 36,4 1 36,49
9 16,08
2
7
6
Error 20,4 9
2 2,27
Total 56,9 10
0
4
9
Pengambilan Keputusan
F tabel = F(0.05;1,9) = 5,12
Karena Fhitung > Ftabel maka Ho ditolak
Kesimpulan:Model Regresi linier sesuai
Contoh 3
Berikut adalah data jumlah biaya promosi (x) dan jumlah penjualan (y) pada perusahaan
ABC.
Tahu
Jumlah Biaya Promosi x) Jumlah Penjualan (y)
n
2005 22 30
2006 36 38
2007 31 35
2008 32 37
2009 31 34
2010 32 38
Jumlah
Jumlah
Biaya Range Range
Tahun Penjuala d i=R ( x )−R( y) d i 2
Promos x y
n (y)
i (x)
2005 22 30 1 1 0 0
∑ 2
6 (2) 12
r s=1− 2
=1− =1−0 , 057=0 , 943
6(6 −1) 210
Uji Hipotesis:
H0 : Tidak ada hubungan yang signifikan antara variabel biaya promosi dengan variabel
penjualan
H1 : Ada hubungan yang signifikan antara variabel biaya promosi dengan variabel
penjualan.
Statistika uji:
r √n−2 ( 0 ,943 ) √ 6−2 1 , 886
t hitung = 2
= 2
= =17 , 03
1−r 1−( 0 , 943 ) 0 ,11075
t tabel=t =4 ,604
( 0 ,01
2
; 4)
LATIHAN SOAL:
1. Data berikut menyatakan IQ=X untuk kelompok anak berumur tertentu dan hasil ujian
prestasi pengetahuan umum (Y).
Xi Yi Xi Yi Yi Yi
114 29 130 71 96 45
110 41 142 68 89 32
113 48 137 69 105 50
137 73 140 66 125 57
116 55 125 39 107 59
132 80 134 78 97 48
90 40 106 49 134 55
121 75 121 59 106 45
107 43 111 66 99 47
120 64 126 67 98 59
125 53 95 46 117 47
92 31 105 47 100 49
X (oC) Y (gram)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
4. Berikut adalah data banyaknya modal (dalam juta rupiah) dan keuntungan yang
diperoleh
(dalam juta rupiah) yang dihasilkan dalam waktu 10 bulan.
Modal (x) 189 204 192 214 218 178 189 167 180 194
Keuntungan 10 15 13 17 19 14 13 11 13 15
(y)
a. Hitunglah koefisien korelasi Pearson dan determinasi berdasarkan data di atas dan
ujiah!
b. Tentukan apakah pernyataan bahwa koefisien korelasi antara jumlah karyawan dan
keuntungan tidak lebih dari 0,7 adalah benar! Gunakan tingkat kesalahan 5%!
5. Hitunglah koefisien korelasi kondisi temperatur (x) dan kepuasan pekerja (y) serta
apakah
ada hubungan yang signifikan antara keduanya dengan menggunakan teknik korelasi
pearson!
1 8 20
2 12 20
3 10 17
4 7 18
5 8 19
6 7 20
7 12 18
8 10 19
9 12 16
10 9 17
11 10 16
12 12 17
13 12 18
14 12 12
15 12 17
6. Dibawah ini diberikan data yang secara acak diambil dari populasi normal bervariabel
dua (X dan Y).
X Y X Y X Y
15 108 8 56 17 153
13 106 11 75 6 73
10 99 17 137 8 95
11 110 20 163 5 26
16 135 12 84 3 24
12 97 18 149 6 50
9 74 16 140 14 96
12 98 13 137 5 35
4 20. 18 170 15 132
8 69 11 109 16 141
V.2.1 Regresi Linier Berganda
∑ yi = an + b 1 ∑ x i 1 + b 1 ∑ x i 2
i=1 i=1
n n n n
∑ x 1 i y i = a∑ x 1 i + b 1 ∑ x 2i 1 + b 2 ∑ x i 1 x i 2
i=1 i=1 i=1 i=1
n n n n
∑ x 2 i yi = a∑ x 2 i + b 2 ∑ x 2i 2 + b 1 ∑ x i 1 x 2 i
i=1 i=1 i=1 i=1
Asumsi yang digunakan dalam analisis regresi linier berganda antara lain:
a. Setiap nilai error berdistribusi normal dengan rata–rata 0 dan dan varians σ2
b. Bersifat homoskedastisitas
c. Kovarian error = 0, tidak terjadi autokorelasi
d. Tidak terdapat multikolinieritas, artinya tidak terdapat hubungan linier yang sempurna
diantara variabel–variabel bebas.
Latihan soal
X (oC) Y (gram)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
a. Carilah persamaan garis regresi
b. Gambarkan garis tersebut pada diagram pencar
c. Taksirlah banyaknya senyawa yang larut dalam 100 g air pada 50oC.
Dalam bab ini akan dibahas mengenai rancangan percobaan baik satu factor ( one way
ANOVA) dan dua factor (two way ANOVA).
TUJUAN INSTRUKSIONAL
UMUM
Setelah mempelajari materi ini mahasiswa dapat membuat rancangan percobaan dan
menyelesaikannya baik satu factor ataupun dua faktor.
Mahasiswa mampu:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup
RINGKASAN MATERI
Anova (Analysis of Variance) merupakan salah satu Uji Hipotesis pada Statistika
Parametrik, untuk melakukan pengujian terhadap interaksi antara dua faktor dalam suatu
percobaan dengan membandingkan rata-rata dari lebih dua sampel.
y ij =μ+∝ j + eij
Dimana:
µ = Mean
∝ j = efek perlakuan ke-j
e ij͠ IIDN(0,σ)
Pengujian hipotesis:
H 0 : µ1= µ2=…= µk ,
H 1 : paling sedikit dua diantara rataan tersebut tidak sama.
Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
Hitung dengan menggunakan tabel Anova
Pengambilan Keputusan:
Tolak H0 jika Fhitung > Ftabel((k-1) , k(n-1)) pada selang kepercayaan (level of
significance) α
Kesimpulan
Ada dua cara dalam melakukan perhtiungan untuk mendapatkan tabel Anova, yaitu:
Perlakuan
1 2 … j … K
y 11 y 12 … y1 j … y1 k
y 21 y 22 … y2 j … y2k
… … …
yn1 yn 2 … y nj … y nk
Jumlah T .1 … T .j … T .k T..
Rataan ý .1 ý .2 … ý . j … ý . k ý..
Keterangan:
y ij : menyatakan pengamatan ke i dalam perlakuan ke j.
( y ij- y´..¿ ² = ( y´. j − ý ..)² + ( y ij- y´. j ¿ ² + 2( y´. j − y´..) ( y ij- y´. j ¿
=0
k n k n
∑ ∑ ¿ ¿¿ + ∑ ∑ ( y ij− y´. j )²
j=1 i=1 j=1 i=1
SST SSA
SSE
Keterangan:
Atau dengan cara rumus perhitungan jumlah kuadrat dengan ukuran sampel sama adalah:
k n
2 T ..2
SST = ∑ ∑ y ij−¿ ¿
i=1 j=1 nk
k
∑ T . j2
SSA = i=1 T ..2
−
n nk
SSE = SST – SSA
Sumber
variansi SS Df MS F hitung
Perlakua SSA k-1 SSA MSA
MSA=
k −1 MSE
n
Contoh 1:
Berikut adalah data kecepatan merakit produk (dlm menit) yang dihasilkan oleh 4
macam operator:
Mesin
1 2 3 4 Total
12 22 19 11
10 13 14 13
14 16 20 16
13 15 19 12
11 14 18 18
Total 60 80 90 70 300
Rataan 12 16 18 14 15
Ujilah dengan taraf keberartian 0,05 apakah rata-rata kecepatan merakit produk yang
dihasilkan beberapa mesin tersebut berbeda!
Jawab:
H 0 : µ1= µ2=…= µ4,
H 1 : paling sedikit dua rataan tersebut tidak sama.
Daerah kritis: f hitung > f tabel= 3,24 dengan derajat kebebasan v1 =3 dan v 2=16
(dikuadratkan)=100 (dikuadratkan)=116
SSA SSE
Sumber
variansi SS df MS Fhitung
Total 216 19
Dari perhitungan dengan cara matrik dan cara rumus untuk tabel Anova didapatkan hasil
yang sama, sehingga untuk melakukan perhitungan boleh dilakukan dengan salah satu
cara tersebut.
Karena f hitung=4,5977 > f tabel= 3,24
Keputusan: tolak H 0 dan disimpulkan bahwa keempat mesin tidak mempunyai rataan
yang sama (Mesin memang berpengaruh)
Latihan soal:
1. Uji hipotetis pada taraf 0,01 bahwa rata-rata aktivitas khusus sama saja untuk
keempat konsentrasi.
Konsentrasi NaCl
A B C D
11,0 11,38 11,02 6,04
1
12,0 10,67 10,67 8,65
9
10,5 12,33 11,50 7,76
5
11,2 10,08 10,31 10,13
6
2. Enam mesin sedang dipertimbangkan untuk dipakai dalam pembuatan karet penutup.
Mesin tersebut dibandingkan berdasarka daya rentang barang yang dihasilkan.
Sampel acak empat karet penutup dari tiap mesin dipakai untuk menentukan apakah
rataan daya rentang tiap mesin berbeda. Berikut ini ialah pengukuran daya rentang
dalam kg per cm2 x 10−1 .
Mesin
1 2 3 4 5 6
17,5 16,4 20,3 14,6 17,5 18,3
16,9 19,2 15,7 16,7 19,2 16,2
15,8 17,7 17,8 20,8 16,5 17,5
18,6 15,4 18,9 18,9 205 20,1
Kerjakan analisi variansi pada taraf keberartian 0,05 dan tentukanlah apakah rataan
daya rentang ke 6 mesin berbeda secara berarti. ANALISIS VARIANS!
3. Tiga cara mengajar matematika telah diberikan kepada tiga kelompok anak SD kelas
V, satu cara hanya diberikan pada satu kelompok.Hasil ujian pada akhir pengajaran
dengan cara tersebut diberikan dalam daftar berikut.
89 67 64
93 90 69
75 79 78
69 75 92
83 86 81
99 94 70
Anggap hasil ini sebagai sampel hasil belajar matematika dengan cara mengajar
masing-masing.
Ujilah dengan ANOVA apakah ada perbedaan efek dari ketiga cara mengajar? Gunakan
alpha 0.05.
4. Tiga cara mengajar matematika telah diberikan kepada tiga kelompok anak SD kelas
V, satu cara hanya diberikan pada satu kelompok.Hasil ujian pada akhir pengajaran
dengan cara tersebut diberikan dalam daftar berikut.
89 67 64
93 90 69
75 79 78
69 75 92
83 86 81
99 94 70
69 84
57
85
Anggap hasil ini sebagai sampel hasil belajar matematika dengan cara mengajar
masing-masing.Sebutkan syarat-syarat yang harus dipenuhi agar percobaan ini sah
untuk dibandingkan hasilnya. Berikan analisis lengkap mengenai hasil belajar
matematika menggunakan ketiga cara tersebut. Ujilah persyaratan yang perlu
menggunakan data yang diberikan.
Two Way Anova dikenal juga dengan factorial design atau Randomized Block
Design. Sama dengan One Way Anova dasar perhitungan yang digunakan adalah
Distribusi F. Pada Two way Anova pengujian dilakukan dengan tidak hanya melihat
satu faktor atau perlakuan saja, tetapi juga dengan mempertimbangkan faktor blok.
Uji blok dilakukan untuk mengetahui pengaruh blok terhadap perbedaan rata-rata.
Uji blok ini akan mengurangi kombinasi kesalahan.
y ij =μ+∝i + β j +e ij
Dimana:
µ = Mean
e ij͠ IIDN(0,σ)
MSA
Tolak H0 jika Fhitung = > Ftabel (k-1 ,(b-1)(k-1)) pada selang kepercayaan (level
MSE
of significance) α
Kesimpulan
Pengujian hipotesis untuk blok:
H 0 : Tidak ada pengaruh blok
H 1 : Ada pengaruh blok
Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
Hitung dengan menggunakan tabel Anova
Pengambilan Keputusan:
MSB
Tolak H0 jika Fhitung = > Ftabel(k-1 ,(b-1)(k-1)) pada selang kepercayaan (level
MSE
of significance) α
Kesimpulan
Proses perhitungan Two Way Anova hampir sama dengan One Way Anova dimana
ada dua cara dalam perhtiungan tabel Anova, yaitu:
Treatment (A)
Block
Jml Mean
(B)
1 2 … a
Mean ý .1 ý .2 ý . a ý ..
a b
SST =∑ ∑ ¿ ¿ ¿
i=1 j=1
a
SSA = b ∑ ( ý i .− y´..)²
i=1
b
SSB = a ∑ ( y´. j− y´..) ²
j=1
a b
SSE = ∑ ∑ ( y ij ± ý i . + ý . j + ý ..)²
i=1 j=1
∑ T 2i .. T . .2
SSA= i=1 −
b ab
b
∑ T 2. j T . .2
SSB= j=1 −
a ab
SSE=SST −SSA−SSB
SS df MS f hitung
Sumber Variasi
SSA MSA
A (Treatment) SSA a-1 MSA= f A=
a−1 MSE
SSB MSB
B (Block) SSB b-1 MSB= f B=
b−1 MSE
SSE
Error SSE (a-1) (b-1) MSE=
( a−1 ) ( b−1 )
Contoh 2:
Suatu percobaan dilakukan untuk menentukan yang mana yang lebih baik dari tiga
sistem rudal yang berlainan, diukur laju pembakaran bahan bakar dari 24 penembakan
statis.Empat Jenis bahan bakar yang berlainan dicoba.Berikut adalah datanya :
Sistem Jenis bahan bakar
Rudal 1 2 3 4
1 12 20 13 11
2 2 14 7 5
3 8 17 13 10
4 1 12 8 3
5 7 17 14 6
Jawab :
2 2 14 7 5 28 7
48 12
3 8 17 13 10
24 6
4 1 12 8 3
44 11
5 7 17 14 6
200
Jumlah 30 80 55 35
10
Mean 6 16 11 7
Hipotesis
a. H0 = α1 = α1 = α3 = 0 (Tidak ada pengaruh jenis bahan bakar)
H1 = Paling sedikit salah satu αi tidak sama dengan nol(Ada pengaruh)
b. H0 = β1 = β1 = β3 = 0 (Tidak ada pengaruh sistem rudal)
H1 = Paling sedikit salah satu βj tidak sama dengan nol(Ada pengaruh)
4 44 4
¿
[ ]
−3−3−3−3
22 22
−4−4−4−4
11 11
(dikuadratkan)=310 (dikuadratkan)=184
SSA SSB
0 6 1−3
+
[
−2 −3 −4−1
2 0 22
1 −1 1−2
−1 −2 0 4
] (dikuadratkan)= SSE= 24
a b
T ..2
2 2002
SST =∑ ∑ y ij = 2518 - = 518
i=1 j=1 ab 20
Keputusan-1:
Tolak H0 jika f hitung > f tabel(0,05;4;12)
51,1 > 3,49 Tolak H0
Kesimpulan-1:
Rataan laju pembakaran bahan bakar tidak sama untuk keempat jenis bahan bakar
Keputusan-2:
Kesimpulan-2:
Sistem rudal yang berlainan menghasilkan rataan laju pembakaran yang berbeda
Latihan soal
1. Suatu percobaan diadakan untuk meneliti pengaruh suhu dan jenis tungku terhadap
umur sejenis suku cadang tertentu yang diuji. Empat jenis tungku dan tiga taraf suhu
dipakai dalam percobaan tersebut. 24 buah suku cadang dibagi secara acak, dua pada
tiap kombinasi perlakuan, dan hasilnya diterakan berikut :
Suhu Tungku
(0C) T1 T2 T3 T4
500 227 214 223 240
550 187 181 232 246
2. Untuk menetukan otot mana yang perlu mendapat program latihan untuk
meningkatkan kemampuan melakukan servis datar dalam tenis, penelitian ‘An
Electromoygraphic-Cinematrographic Analysis of the Tennis Serve” telah dilakukan
oleh Jurusan Kesehatan di Virginia Polytechnic Institute and State University di
tahun 1978. Lima otot yang berbeda tersebut adalah : Anterior deltoid,Pectorial
mayor,Posterior deltoid,Deltoid tengah,Trisep. Data elektromyograf, tercatat waktu
servis, adalah sebagai berikut :
Otot
Orang
1 2 3 4 5
59 1.5 61 10 20
1
60 9 78 61
2 61
3 47 42 23 55 95
Derajat
Sumber Variasi Jumlah Kuadrat Rataan Kuadrat f hitungan
Kebebasan
Pengaruh
Utama
JKA
2 S 21
A JKA a-1 S= 1 f 1= 2
a−1 S
JKB S 22
B JKB b-1 S22= f 2= 2
b−1 S
Interaksi
dwifaktor
2
2 JK ( AB ) S3
AB JK(AB) (a-1) (b-1) S= 3 f 3= 2
( a−1 ) ( b−1 ) S
JKG
Galat JKG ab(n-1) S2 =
ab ( n−1 )
JKT abn-1
Keterangan:
a b n
2 T2
JKT=∑ ∑ ∑ y −¿
ijk ¿
i=1 j=1 k=1 abn
∑ T 2i..
T .2
JKA= i=1 −
bn abn
∑ T 2j .
T .2
JKB= j=1 −
an abn
a b a b
∑ ∑ T 2ij ∑ T 2i .. ∑ T 2. j . T 2…
JK ( AB )= i=1 j=1
− i=1 − j=1 +
n bn an abn
JKG=JKT −JKA−JKB−JK ( AB)
Contoh 2:
Dalam suatu percobaan yang dilakukan dalam menentukan yang mana yang lebih baik dari
tiga sistem rudal yang berlainan, diukur laju pembakaran bahan bakar dari 24 peembakan
statis. Empat Jenis bahan bakar yang berlainan dicoba. Percobaan menghasilkan replikasi
pengamatan laju pembakaran pada tiap kombinasi perlakuan. Berikut adalah datanya :
Jawab :
1. Hipotesis
a. H0 = α1 = α1 = α3 = 0
H1 = Paling sedikit salah satu αi tidak sama dengan nol
b. H0 = β1 = β1 = β3 = 0
H1 = Paling sedikit salah satu βj tidak sama dengan nol
c. H0 = (αβ)11 = (αβ)12 = … = (αβ)34 = 0
H1 = Paling sedikit salah satu (αβ)ij tidak sama dengan nol
2. Taraf keberartian = 5%
3. Daerah kritis (penentuan f tabel)
a. f1 = f9.05 (a-1,ab(n-1)) = f9.05 (2,12) = 3,89
b. f2 = f9.05 (b-1,ab(n-1)) = f9.05 (3,12) = 3,49
c. f3 = f9.05 ((a-1)(b-1),ab(n-1)) = f9.05 (6,12) = 3,00
4. Tabel jumlah
b1 b2 b3 b4 Jumlah
a1 66,7 62,9 56,5 57,9 244,0
a2 65,2 60,0 56,8 55,4 237,4
a3 57,7 56,2 57,0 57,9 228,8
Jumlah 189,6 179,1 170,3 171,2 710,2
6. Statistik Uji
Tolak H0 jika f hitung > f tabel
7. Kesimpulan
a. 5,85 > 3,89 Tolak H0
Kesimpulan : Sistem rudal yang berlainan menghasilkan rataan laju pembakaran
yang berbeda.
b. 10,77 > 3,49 Tolak H0
Kesimpulan : Rataan laju pembakaran bahan bakar tidak sama untuk keempat
jenis bahan bakar.
c. 2,98 < 3,00 Terima H0
Kesimpulan : Tidak ada interaksi sistem rudal yang berlainan dengan jenis bahan
bakar yang berlainan.
Latihan soal
1. Suatu percobaan diadakan untuk meneliti pengaruh suhu dan jenis tungku terhadap umur
sejenis suku cadang tertentu yang diuji. Empat jenis tungku dan tiga taraf suhu dipakai
dalam percobaan tersebut. 24 buah suku cadang dibagi secara acak, dua pada tiap
kombinasi perlakuan, dan hasilnya diterakan berikut :
Tungku
Suhu (0C)
T1 T2 T3 T4
227 214 225 260
500
221 159 236 229
187 181 232 246
550
208 179 198 273
174 198 178 206
600
202 194 213 219
2. Untuk menetukan otot mana yang perlu mendapat program latihan untuk meningkatkan
kemampuan melakukan servis datar dalam tenis, penelitian ‘An Electromoygraphic-
Cinematrographic Analysis of the Tennis Serve” telah dilakukan oleh Jurusan Kesehatan
di Virginia Polytechnic Institute and State University di tahun 1978. Lima otot yang
berbeda tersebut adalah :
a. Anterior deltoid,
b. Pectorial mayor,
c. Posterior deltoid,
d. Deltoid tengah,
e. Trisep
Diuji pada masing-masing tiga orang, dan percobaan dilakukan tiga kali untuk tiap
kombinasi perlakuan. Data elektromyograf, tercatat waktu servis, adalah sebagai
berikut :
Otot
Orang
1 2 3 4 5
32 5 58 10 19
1 59 1.5 61 10 20
38 2 66 14 23
63 10 64 45 43
2 60 9 78 61 61
50 7 78 71 42
43 41 26 63 61
3 54 43 29 46 85
47 42 23 55 95
STATISTIKA NON-PARAMETRIK
Jika populasi yang dikaji tidak dapat memenuhi asumsi-asumsi yang mendasari uji-
uji parametrik,maka statistika nonparametrik dapat memenuhi kebutuhan tersebut
dan tetap sah meski hanya berlandaskan pada asumsi-asumsi yang sangat umum.
Ringkasnya, bila uji parametriknya dan nonparametrik dapat digunakan untuk data
yang sama, kita seharusnya menghindari uji nonparametrik yang “cepat dan mudah”
ini dan mengerjakannya dengan teknik parametrik yamg lebih efisien. Akan tetapi,
karena asumsi kenormalan seringkali tidak dapat dijamin berlakunya, dan juga
karena kita tidak selalu mempunyai hasil pengukuran yang kuantitatif sifatnya, maka
beruntunglah telah disediakan sejumlah prosedur nonparametrik yang bermanfaat.
1. Sampel yang diukur adalah sampel acak dari suatu populasi dengan median yang
belum diketahui
2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Varianel yang diukur adalah variabel kontinyu
Pengujian hipotesis:
H :~
0 μ=~ μ0
H1 : ~
μ ≠ ~μ0
Tentukan Level of Significance (α)
Tentukan daerah kritis:
1. Satu arah : P(X≤ x́ H 0 benar ¿≤ α
2. Dua arah : 2 P(X≤ x́ H 0 benar ¿≤ α
( x ± 0,5 )−0,5 n
. Z=
0,5 √ n
Pengambilan Keputusan:
Tolak H0 jika masuk dalam daerah kritis, dan terima H0 jika diluar daerah kritis
Kesimpulan:
Berikut ini adalah data lama waktu (dalam jam,)sebuah alat listrik pencukur rambut dapat
digunakan sebelum harus diisi tenaga listrik kembali:
1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0, 1.2, dan 1.7.
Gunakan uji tanda untuk menguji hipotesis pada taraf nyata 0.05 bahwa alat pencukur ini
secara rata-rata dapat bekerja 1.8 jam sebelum harus diisi tenaga listrik kembali.
Jawab:
Pengujian hipotesis:
H0 : ~
μ=1,8
H1 : ~
μ ≠ 1,8
Dengan Level of Significance (α)=0,05
Data 1.5 2.2 0.9 1.3 2.0 1.6 1.8 1.5 2.0 1.2 1.7
Tand - + - - + - 0 - + - -
a
*Median = 1,8
X=3; n= 10; p=0,5
P=2P(X <=3 , p=0,5)
P=2 ∑b(x;10;0,5) = 2(0,1719)= 0,3438 > 0,05
Keputusan:
Terima H0
Kesimpulan:
Median waktu operasi berbeda dari 1,8 jam adalah tidak signifikan.
Uji tanda juga bisa digunakan untuk menguji hipotesis nol (median 1 – median 2 =
do) untuk observasi berpasangan. Dimana di= selisih mediannya.
Contoh:
Sebuah perusahaan taksi hendak menetukan apakah akan menggunakan ban radial atau
ban biasa untuk meningkatkan penghematan bahan bakar. Duabelas mobil dipasang
dengan ban radial dan kemudian dicoba pada sebuah lintasan tertentu. Tanpa mengganti
supirnya, mobil-mobil yang sama kemudian dipasang dengan ban biasa dan dicoba sekali
lagi pada lintasan yang sama. Konsumsi bahan bakar, dalam kilometer per liter, tercatat
sebagai berikut:
Dapatkah kita menyimpulkan pada taraf nyata 0.05 bahwa mobil yang dilengkapi dengan
ban radial lebih hemat bahan bakar dari pada mobil dengan ban biasa? Gunakan hampiran
normal terhadap sebaran binom.
Jawab:
Pengujian hipotesis:
H :~
0 μ −~
R μ =0
B
H 1 :~
μ R− ~
μ B <0
perhitungan:
Ban 6.
4.2 4.7 6.6 7.0 7 4.5 5. 6.0 7.4 4.9 6.1 5.2
Radia
7
l
Ban
Biasa 4.1 4.9 6.2 6.9 6.8 4.4 5. 5.8 6.9 4.9 6.0 4.9
7
Tanda + - + + - + 0 + + 0 + +
Perhitungan: Didapat jumlah = 8 tanda plus, 2 tanda minus dan 2 tanda nol.
Karena n > 10 dan p = 0,5 maka dapat didekati dengan distribusi normal dengan memberikan
faktor koreksi kontinuitas yaitu:
( x ± 0,5 )−0,5 n
Z=
0,5 √ n
( 8−0,5 )−0,5∗10
Z Hitung= = 1,581
0,5 √ ( 10 )
Maka: P=P(X>=11)=P(Z<1,581)
Daerah Kritis: z > 1.645
8.3. Uji wilcoxon bagi pengamatan Berpasangan (uji peringkat bertanda wilcoxon)
1. Sampel yang diukur adalah sampel acak yang terdiri dari n pasangan hasil
pengukuran dimana masing-masing pasangan pengukurannya dilakukan
terhadap subyek yang sama
2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Variabel yang diukur adalah variabel kontinyu
4. Ke-n pasangan hasil pengukuran independen
Pengujian hipotesis:
H :~
0μ −~
1μ =d = 0
2 i
H 1 :~
μ1 −~
μ2≠ 0
Tentukan Level of Significance (α)
Tentukan daerah kritis:
a. Satu arah : P(X≤ x́ H 0 benar ¿≤ α
b. Dua arah : 2 P(X≤ x́ H 0 benar ¿≤ α
( x ± 0,5 )−0,5 n
. Z=
0,5 √ n
Pengambilan Keputusan:
Tolak H0 jika masuk dalam daerah kritis, dan terima H0 jika diluar daerah kritis
Kesimpulan:
Contoh-3
Seorang peneliti mempelajari efek kebersamaan terhadap denyut jantung tikus. Denyut
jantung 10 tikus dicatat, baik ketika masing-masing tikus sedang sendiri maupun ketika
sedang bersama-sama. Hasil studi tersebut dicatat seperti data dibawah ini (dalam menit):
Tikus 1 2 3 4 5 6 7 8 9 10
X 463 462 462 456 450 426 418 415 409 402
Y 523 494 461 535 476 454 448 408 470 437
*X=Ketika tikus sendiri
Jawab:
Pengujian hipotesis:
H :~
μ −~μ =00
0 y x
H 1 :~
μ y −~μ x >¿ 0
Tikus 1 2 3 4 5 6 7 8 9 10
X 463 462 462 456 450 426 418 415 409 402
Y 523 494 461 535 476 454 448 408 470 437
di -60 -32 +1 -79 -26 -28 -30 +7 -61 -35
Tanda - - + - - - - + - -
Keputusan:
Tolak H0
Kesimpulan:
Uji tanda hanya menunjukkan tanda-tanda plus dan minus yang diperoleh dari
selisih antara pengamatan dan median dalam kasus satu-sampel, atau tanda plus dan
minus yang diperoleh dari selisih antara pasangan pengamatan dalam kasus sampel-
berpasangan, tetapi tidak memperhitungkan besarnya selisih-selisih tersebut. Sebuah uji
yang memanfaatkan baik arah maupun besar arah itu ditemukan pada tahun 1945 oleh
Frank Wilcoxon, dan sekarang uji ini dikenal sebagai uji peringkat-bertanda wilcoxon,
atau dalam kasus pengamatan berpasangan disebut juga uji Wilcoxon bagi pengamatan
berpasangan.
Asumsi yang digunakan dalam uji Wilcoxon untuk Pengamatan Berpasangan adalah:
1. Data terdiri atas n buah selisih di = Yi - Xi setiap pengukuran (Xi,Yi) diperoleh dari
pengamatan terhadap subyek yang sama/terhadap subyek yang telah dipasangkan
dalam sampel ini diperoleh dengaan cara acak
2. Data minimal mempunyai skala pengukuran interval
3. Variabel selisih yang diukur adalah variabel acak kontinyu
4. Selisih-selisih tsb independen
5. Distribusi selisih populasi tsb setangkup/simetrik
Prosedur pengujian dalam uji Wilcoxon untuk Pengamatan Berpasangan ini adalah:
Pengujian hipotesis:
H :~
0 μ −~μ =d
1 2 0
H 1 :~
μ1 −~
μ2≠ d0
Tentukan Level of Significance (α)
Tentukan daerah kritis:
a. Semua nilai W yang memenuhi P(W≤ w´ H 0 benar ¿< α , jika n < 5 dan
ujinya satu arah
b. Semua nilai W yang memenuhi 2 P(W≤ w´ H 0 benar ¿< α , jika n < 5 dan
ujinya dua arah
c. Semua nilai W ≤ Nilai kritis yang sesuai dalam tabel a.16 (buku Walpole),
jika 5 ≤ n ≤ 30
Perhitungan Statistik Uji:
Hitung selisih dari setiap pasangan hasil pengukuran dan perhatikan
tandanya : di = Yi - Xi
Singkirkan semua selisih yang besarnya nol, meskipun ukuran sampel n
akan berkurang
Berilah ranking/peringkat pada ke-n selisih d1-d0 tanpa memperhatikan
tandanya
Hitung jumlah peringkat yang bertanda positif (w+) dan jumlah peringkat
yang bertanda negatip (w-), kemudian ambil nilai w yang terkecil
Bandingkan w terkecil dengan tabel 17 (buku Walpole)
Jika n > 15, distribusi W dapat didekati dengan distribusi Normal dengan:
n (n+1) n ( n+ 1 ) (2 n+ 1)
μw = dan σ 2w =
4 24
Dan Statitik Ujinya adalah:
( w−μw )
Z=
σw
Pengambilan Keputusan:
Tolak H0 jika masuk dalam daerah kritis, dan terima H0 jika sebaliknya
Kesimpulan:
Contoh-5
Ingin diketahui apakah data ini menyediakan cukup bukti untuk menunjukkan bahw terapi
urikinase menurunkan tekanan arteri paru, gunakan α = 5 %
Jawab:
H 0 :~
μ yi−~
μ xi=d i ≥ 0
H 1 :~
μ yi−~
μ xi ≠ d i <0
buang
Keputusan:
Kesimpulan:
Asumsi yang digunakan dalam uji Wilcoxon Rank Sum Test adalah:
1. Data merupakan sampel acak hasil pengamatan X1,X2,..., Xn dari populasi satu dan
sampel acak hasil pengamatan lain Y1,Y2,...,Yn
2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Variabel yang diukur adalah variabel kontinyu
4. Kedua sampel independen
Prosedur pengujian dalam uji Wilcoxon Rank Sum Test ini adalah:
Pengujian hipotesis:
H :~
0 μ =~
1 μ 2
H 1 :~
μ1 ≠ ~
μ2
Tentukan Level of Significance (α)
Tentukan daerah kritis:
a. Semua nilai U yang memenuhi P(U≤ u´ H 0 benar ¿<α , jika n2 ≤ 8 dan
ujinya satu arah
b. Semua nilai U yang memenuhi 2 P(U≤ u´ H 0 benar ¿<α , jika n2 ≤ 8 dan
ujinya dua arah
c. Semua nilai U ≤ Nilai kritis yang sesuai dalam tabel 17 (buku Walpole),
jika 9 ≤ n2 ≤ 20
Perhitungan Statistik Uji:
Tentukan n1 (ukuran sampel yang lebih kecil) dan n2
Urutkan semua n1 + n2 pengamatan dengan urutan dari kecil ke besar
dan beri ranking 1,2,3 ...n1+n2 pada tiap pengamatan dan jika terdapat
pengamatan yang besarnya sama, maka pengamatan tsb diganti dengan
rata-rata ranking
Hitung W1= Jumlah ranking pada n1
n1 (n1 +1)
U1 = W 1 -
2
n2 (n2 +1)
U2 = W 2 -
2
n1 n2 2 n1 n2 (n1 +n 2+1)
. μU 1= dan σ U1 =
2 12
Pengambilan Keputusan:
Tolak H0 jika U masuk dalam daerah kritis, dan terima H0 jika U diluar daerah
kritis
Kesimpulan:
Contoh-4
Lempeng Baja-X 75 46 57 43 58 32 61 56 34 65
Lempeng Baja-Y 52 41 43 47 32 49 52 44 57 60
Ujilah dengan level signivicance 5% apakah kedua lempeng tsb mempunyai kekuatan yang
berbeda?
Jawab: H 0 :~
μ x =~
μy
H 1 :~
μx ≠ ~
μy
Lempeng Baja-X 75 46 57 43 58 32 61 56 34 65
Ranking 20 8 14,5 5,5 16 1,5 18 13 3 19
Lempeng Baja-Y 52 41 43 47 32 49 52 44 57 60
Ranking 11,5 4 5,5 9 1,5 10 11,5 7 14,5 17
W1 = 1,5+3+5,5+8+13+14,5+16+18+19+20=118,5
Keputusan:
Kesimpulan:
Tidak terdapat perbedaan kekuatan antara kedua baja tsb atau dengan kata lain
kekuatan lempeng baja X = kekuatan lempeng baja Y
Uji Kruskal-Walls merupakan generalisasi uji dua sampel Wilcoxon untuk k > 2 sampel.
Diperkenalkan pada tahun 1952 oleh W. H Kruskal dan W. A. Wallis, Uji ini digunakan
untuk menguji hipotesis nol (H0) bahwa k sampel bebas berasal dari populasi yang
identik. Uji nonparametrik ini merupakan alternatif bagi uji F untuk pengujian kesamaan
beberapa nilai tengah dalam analisis variansi jila ingin menghindar dari asumsi bahwa
sampel diambil dari populasi normal.
1. Data untuk analisis terdiri dari k sampel acak yang berukuran n1,n2,n3...,nk
2. Pengamatan-pengamatan bebas baik di dalam maupun diantara sampel-sampel
3. Variabel yang diukur kontinyu
4. Skala pengukuran minimal ordinal
5. Populasi-populasi identik kecuali dalam hal lokasi yang berbeda untuk sekurang-
kurangnya satu populasi
Sampel
1 2 … … k
y 11 y 12 … … y1 k
y 21 y 22 … … y2k
… … …
yn1 yn2 … … y nk
12
k
Ri 2
H= ∑ −3(n+1)
n( n+1) i=1 ni
5. Jika H jatuh dalam daerah kritis H > χ α 2 dengan v=k-1 tolak H0, dan jika
sebaliknya terima H0
Contoh- 8
Dalam percobaan untuk menetukan sistem peluru kendali mana yang lebih baik, dilakukan
pengukuran pada laju pembakaran bahan bakarnya. Datanya, setelah dikodekan, diberikan
dalam Tabel 13.3. Gunakan uji Kruskal-Wallis dan taraf nyata α = 0.05 untuk menguji
hipotesis bahwa laju pembakaran bahan bakar sama untuk ketiga sistem tersebut.
Tabel 13.3 Laju Pembakaran Bahan Bakar
Sistem Peluru Kendali
1 2 3
24.0 23.2 18.4
16.7 19.8 19.1
22.8 18.1 17.3
19.8 17.6 17.3
18.9 20.2 19.7
17.8 18.9
18.8
19.3
Jawab
Perhitungan: dalam tabel 13.4 kita ubah pengamatan itu menjadi peringkat dan
kemudian menjumlahkan semua peringkat untuk masing-masing sistem.
R3 = 65.5
12
k
Ri 2
H= ∑ −3(n+1)
n( n+1) i=1 ni
H = 1.6586
Keputusan: karena H tidak jatuh dalam wilayah kritisnya, yaitu H > 5.991, berarti
tidak cukup bukti untuk menolak hipotesis bahwa laju pembakaran bahan bakar sama
untuk ketiga sistem peluru kendali itu., dengan kata lain terima H0. Jadi ketiga sistem
peluru kendali mempunyai median yang sama.
Uji runtun adalah uji yang didasarkan atas urutan pengambilan sampel pengamatan. Uji
ini berguna untuk menguji bahwa pengamatan memang diambil secara acak.
Tidak peduli apakah pengamatan tsb kuantitatif atau kualitatif, uji runtun membagi data
menjadi dua kelompok yang saling eksklusif, seperti: laki-laki atau perempuan, cacat
atau tidak cacat, gambar atau angka, diatas atau dibawah median dan lain sebagainya.
Dengan demikian, barisan hasil percobaaanya hanya terdiri atas dua lambang. Jadi
andaikan bahwa n adalah ukuran sampel total, maka n 1 adalah banyaknya lambang yang
lebih sedikit, dan n2 adalah banyaknya lambang yang lebih banyak, maka ukuran sampel
total n = n1 + n2.
Prosedur pengujian dalam uji Runtun ini adalah:
Pengujian hipotesis:
H 0 : Sampel berasal dari proses acak
H 1 : Sampel tidak berasal dari proses acak
Tentukan Level of Significance (α)
Tentukan daerah kritis:
a. Semua nilai V yang memenuhi P(V ≤ v H 0 benar ¿< α , jika n1 dan n2 ≤ 10
dan ujinya satu arah
b. Semua nilai V yang memenuhi 2 P(V≤ v ´ H 0 benar ¿< α , jika jika n1 dan
n2 ≤ 10 dan ujinya dua arah
Perhitungan Statistik Uji:
Hitung runtun dari barisan sampel
Lihat tabel 19 (buku Walpole) dengan n1 dan n2 serta α sesuai dengan
kasus
Jika n1 dan n2 > 10, distribusi V dapat didekati dengan distribusi Normal
dengan:
2 n1 n2
μv =1+
[ ]
n1+ n2
dan σ 2v =
2 n1 n2 (2 n1 n2−n 1−n2 )
¿¿
( V −μ v )
Z=
σv
Pengambilan Keputusan:
Kesimpulan
Sebagai ilustrasi, misalkan dari 12 orang yang telah disurvey dan ditanyai pendapatnya
terhadap suatu produk tertentu, dan seandainya dari 12 orang tsb ternyata berjenis
kelamin yang sama, hal tersebut pastilah jelas sangat kecil kemungkinannya dihasilkan
dari suatu proses pengambilan yang acak dan sangat diragukan kevalidannya. Di bawah
ini adalah urutan barisan dari kedua belas orang tsb yang diwawancarai, jenis kelamin
laki-laki dilambangkan dengan huruf L dan perempuan dengan lambang huruf P,
L L P P P L L P P L L L
Barisan di atas terdiri dari sampel n = 12, dengan 5 runtun, dimana runtun yang pertama
berupa dua L , yang kedua tiga P, yang ketiga dua L dan demikian seterusnya.
Uji runtun untuk memeriksa keacakan didasarkan pada peubah acak V , yaitu banyaknya
runtun total dalam hasil percobaan atau sampel. Dalam buku Walpole tabel
A.19,menyediakan nilai-nilai P(V ≤ v* bila h0 benar) diberikan untuk v* = 2, 3, ...., 20
runtun, dan nilai-nilai n1 dan n2 yang lebih kecil atau sama dengan 10. Nilai kritis di
salah satu ujung sebaran V dapat diperoleh dari tabel tsb.
Dalam ilustrasi diatas, didapatkan lima P dan tujuh L. Dengan demikian, dengan n 1 = 5
dan n2 = 7, dari Tabel A.19 (buku Walpole)didapatkan bahwa:
P(V ≤ 5 bila h0 benar) = 0.197 untuk pengujian satu arah dan untuk pengujian dua arah
Dengan α = 0.05 tidak cukup alasan untuk menolak hipotesis bahwa sampel berasal dari
proses acak (terima H0)
Uji runtun juga dapat digunakan untuk memeriksa sifat keacakan suatu barisan hasil
pengamatan atau percobaan menurut waktu, yang disebabkan oleh kecenderungan atau
periodisitas. Dengan menggantikan setiap pengamatan sesuai dengan urutan terjadinya
dengan tanda plus bila terletak diatas median dan tanda minus bila dibawah median, dan
membuang semua pengamatan yang persis sama dengan median, maka kita mendapatkan
suatu barisan tanda-tanda plus dan minus yang dapat diuji sifat keacakannya seperti
diilustrasikan dalam contoh berikut.
Contoh-6
Sebuah mesin diatur sehingga secara otomatis mengeluarkan minyak pengencer cat ke
dalam sebuah kaleng. Dapatkah kita mengatakan bahwa banyaknya pengencer yang
dikeluarkan oleh mesin ini bervariasi secara acak bila isi 15 kaleng berikut, berturut-
turut, adalah 3.6, 3.9, 4.1, 3.6, 3.8, 3.7, 3.4, 4.0, 3.8, 4.1, 3.9, 4.0, 3.8, 4.2, dan 4.1 liter?
Gunakan taraf nyata 0.1.
Jawab.:
+ - - - - + + + + - + +
Keputusan: P(V ≤ α bila H0 benar) =0.296 > α Terima H0 (lihat Tabel A.19 buku
Wallpole dengan n1 = 6, n2 = 7, dan v = 6)
Uji runtun, meskipun kuasa ujinya lebih rendah, dapat juga digunakan sebagai pilihan
lain bagi uji jumlah peringkat Wilcoxon untuk menguji bahwa dua sampel acak
berasal dari dua populasi yang sama sehingga mempunyai nilai tengah yang sama.
Bila populasinya setangkup, penolakan pendapat bahwa sebenarnya sama setara
dengan penerimaan hipotesis akternatif bahwa kedua nilai tengah tidak sama. Untuk
melakukan uji ini,berikut adalah langkah-langkah pengujiannya:
Tentukan hipotesis :
H0: Kedua sampel berasal dari populasi yang diambil secara acak
H1: Kedua sampel tidak berasal dari populasi yang diambil secara acak
Langkah :
1. Gabungkan kedua sampel menjadi sampel berukuran n1 + n2
2. Tulis ke (n1+n2) buah data dari sampel gabungan menurut urutan nilainya
3. Nyatakan data dari sampel ke-1 dengan A dan data dari sampel ke-2 dengan B
4. Hitung banyaknya runtun (v)
5. Cari P(V ≤ α bila H0 benar) dengan melihat tabel
6. Daerah kritis (Daerah penolakan):
Tolak H0 jika P(V ≤ α bila H0 benar) ≤ α untuk uji satu arah
Tolak H0 jika 2 P(V ≤ α bila H0 benar) ≤ α untuk uji dua arah
Jika n1 dan n2 > 10 dapat didekati dengan distribusi normal dengan :
2n 1 n2 2n 1 n2 (2 n1 n2−n1−n2 )
μV =
[ ] n1 +n2
+1 dan
2
σ V= 2
( n 1+ n2 ) (n1 +n2 −1)
( V −μV )
Z=
σV
Contoh-7
Hari 1 2 3 4 5 6 7 8 9 10 11
Bandun Penyimpangan 7 6 5 -2 -1 3 2 -6 -5 8 -4
g Tanda + + + - - + + - - + -
Hari 1 2 3 4 5 6 7 8 9 10 11
Jakarta Penyimpangan 5 8 -3 -7 -9 8 -1 -2 -3 2 3
Tanda + + - - - + - - - + +
Jawab:
H0: Kedua sampel berasal dari populasi yang diambil secara acak
H1: Kedua sampel tidak berasal dari populasi yang diambil secara acak
n1= 11 n2=11 karena n1 dan n2 > 10, sehingga dapat didekati dengan distribusi
normal, dengan:
2 ( 11 ) (11)
μV = [ 11+ 11 ]+1 = 12
2 ( 11 )( 11)( 2(11)(11)−11−11)
σ 2V = = 5.238 σ V =2.2887
( 11+11 )2( 11+11−1)
( V −μV ) (11−12)
Z= = = -0.4369 ≈ -0.44
σV 2,2887
Kesimpulan: Kedua sampel memang berasal dari populasi yang diambil secara acak
Koefisien korelasi Sperman rank (rs) dapat dihitung dengan menggunakan rumus :
∑ (d ¿¿i )2
i=1
r s=1−6 ¿
n(n2−1)
Dengan:
Dalam prakteknya, rumus diatas tetap digunakan meskipun terdapat nilai-nilai yang sama
diantara pengamatan-pengamatan x atau y. Untuk pengamatan-pengamatan demikian ini
peringkatnya diberikan seperti dalam uji peringkat bertanda Wilcoxon, yaitu dengan
merata-ratakan peringkat yang diberikan seandainya ada pengamatan yang sama.
Nilai rs biasanya dekat dengan nilai r yang diperoleh berdasarkan pengukuran numerik
dan ditafsirkan secara sama pula. Nilai rs dapat terjadi dari – 1 sampai +1. Nilai +1 atau
-1 menunjukkan adanya hubungan yang sempurna antara X dan Y, tanda plus dapat
diartikan bahwa pemberian peringkat itu sejalan, sedangkan tanda minus berarti bahwa
pemberian peringkat itu bertolak belakang. Bila rs dekat dengan nol, dapat disimpulkan
bahwa kedua peubah tidak berkorelasi.
Ada beberapa keuntungan penggunaan rs dibandingkan dengan penggunaan r. Sebagai
contoh, tidak lagi harus mengasumsikan bahwa hubungan yang mendasari antara X dan
Y harus linear. Ini berarti bila datanya menunjukkan adanya hubungan yang kurvilinear,
maka korelasi peringkat cenderung lebih dapat dipercaya daripada korelasi biasa.
Keuntungan kedua adalah tidak perlu mengasumsikan bahwa sebaran bagi X dan Y
adalah normal.
Untuk melakukan uji nyata bagi koefisien korelasi peringkat, harus diketahui sebaran
bagi nilai-nilai rs dibawah asumsi X dan Y bebas. Nilai kritis untuk α = 0.05, 0.025, 0.01,
dan 0.005 telah dihitung dan diberikan dalam Tabel A.22. Tabel ini dibuat menyerupai
tabel nilai kritis bagi sebaran t, kecuali bahwa kolom paling kiri berisi banyaknya
pasangan pengamatan dan bukan derajat bebas. Karena sebaran nilai-nilai rs setangkup
terhadap rs = 0, maka nilai rs yang memberikan luas daerah sebesar α disebelah
kanannya. Bila hipotesis alternatifnya dua-arah, daerah kritis sebesar α dibagi dua sama
besar di kedua ekor sebarannya. Bila hipotesis alternatifnya negatif, maka daerah
kritisnya jatuh seluruhnya di ekor kiri sebaran, dan bila hipotesis alternatifnya positif,
daerah kritisnya jatuh seluruhnya di ekor kanan sebarannya.
Contoh 9
1 141.8 89.7
2 140.2 74.4
3 131.8 83.5
4 132.5 77.8
5 135.7 85.8
6 141.2 86.5
7 143.2 89.4
8 140.2 89.3
9 140.8 88
10 131.7 82.2
11 130.8 84.6
12 135.6 84.4
13 143.6 86.3
14 133.2 85.9
Jawab:
1 141.8 89.7 12 14 -2 4
3 131.8 83.5 3 4 -1 1
4 132.5 77.8 4 2 2 4
5 135.7 85.8 7 7 0 0
6 141.2 86.5 11 10 1 1
7 143.2 89.4 13 13 0 0
9 140.8 88 10 11 -1 1
10 131.7 82.2 2 3 -1 1
11 130.8 84.6 1 6 -5 25
12 135.6 84.4 6 5 1 1
13 143.6 86.3 14 9 5 25
14 133.2 85.9 5 8 -3 9
∑ 140.5
6 (140,5) 700
r s=1− 2
=1− =1−0,256=0,744
14(14 −1) 2730
Yang menunjukkan adanya korelasi positif yang tinggi antara hasil produksi dari
departemen A dan hasil produksi dari departemen B.
SOAL-SOAL LATIHAN
1. Dari 12 kali berobat ke dokter, seorang pasien harus menunggu 17, 32, 25, 15, 28, 25, 20,
12, 35, 20, 26, dan 24 menit diruang tunggu. Gunakan uji tanda dengan α = 0.05 untuk
menguji pernyataan dokter itu bahwa secara rata-rata pasiennya tidak menunggu lebih
dari 20 menit sebelum dipanggil ke ruang periksa.
2. Data berikut menyatakan lama latihan terbang, dalam jam, yang dijalani 18 calon pilot
dari seorang instruktur sebelum penerbangan solo mereka yang pertama: 9, 12, 13, 12,
10, 11, 18, 16, 13, 14, 11, 15, 12, 9, 13, 14, 11, dan 14. Gunakan uji tanda dengan α
=0.02 untuk menguji pernyataan instruktur tersebut bahwa secara rata-rata calon pilot
bimbingannya berhasil terbang solo setelah 12 jam latihan terbang.
3. Seorang petrugas memeriksa 15 botol selai cap tertentu untuk menetukan persentase
bahan campurannya. Data yang diperoleh adalah sebagai berikut: 2.4, 2.3, 1.7, 1.7, 2.3,
1.2, 1.1, 3.6, 3.1, 1.0, 4.2, 1.6, 2.5, 2.4, dan 2.3. dengan menggunakan hampiran normal
bagi sebaran binom, lakukan uji tanda pada taraf nyata 0.01 untuk menguji hipotesis nol
bahwa presentase bahan campurannya adalah 2.5% lawan alternatifnya bahwa presentase
bahan campuran rata-rata bukan 2.5%.
5. Seorang pengusaha cat mengeluh bahwa lamanya mengering cat akrilik produksinya
telah berkurang karena adanya sesuatu bahan kimia yang baru. Untuk menguji pendapat
ini, 12 papan kayu dicat, separuh cat lama dan separuh lagi dengan cat baru. Lamanya
mengering, dalam jam, tercatat sebagai berikut:
Papan Lamanya mengering
(jam)
Cat baru Cat lama
1 6.4 6.6
2 5.8 5.8
3 7.4 7.8
4 5.5 5.7
5 6.3 6.0
6 7.8 8.4
7 8.6 8.8
8 8.2 8.4
9 7.0 7.3
10 4.9 5.8
11 5.9 5.8
12 6.5 6.5
Gunakan uji tanda pada taraf nyata 0.05 untuk menguji hipotesis bahwa bahan kimia
baru itu tidak lebih dari yang lama dalam menguramgi lamanya mengering cat jenis ini.
6. Suatu program diet baru dikatakan dapat mengurangi bobot seseorang secara rata-rata 4.5
kilogram dalam waktu 2 minggu. Bobot 10 wanita yang mengikuti program diet ini
dicatat sebelum dan sesudah periode 2 minggu, berikut adalah datanya :
Wanit Bobot sebelum Bobot sesudah
a
1 58.5 60.0
2 60.3 54.9
3 61.7 58.1
4 69.0 62.1
5 64.0 58.5
6 62.6 59.9
7 56.7 54.5
8 63.6 60.2
9 68.2 62.3
10 59.2 58.7
Gunakan uji tanda pada taraf nyata 0.05 untuk menguji hipotesis bahwa diit itu dapat
mengurangi bobot badan seseorang sebanyak 4.5 kilogram, lawan alternatifnya bahwa
pengurangan bobot itu kurang dari 4,5 kilogram.
7. Dua jenis alat untuk mengukur kadar sulfur monoksida di udara hendak dibandingkan.
Berikut ini diberikan hasil pencatatan oleh kedua alat tersebut selama periode 2 minggu:
Hari Sulfur monoksida
Alat A Alat B
1 26.46 25.41
2 17.46 22.53
3 16.32 16.32
4 20.19 27.48
5 19.84 24.97
6 20.65 21.77
7 28.21 28.17
8 33.94 32.02
9 29.32 28.96
10 19.85 20.45
11 28.35 23.67
12 22.78 18.96
13 21.64 19.88
14 18.93 23.44
Dengan menggunakan hampiran normal, kerjakan uji tanda untuk menentukan apakah
kedua alat itu memberikan hasil yang berbeda. Gunakan taraf nyata 0.01.
10. Bobot badan, dalam kilogram, sepuluh orang sebelum dan sesudah berhenti merokok
tercatat sebagai berikut:
BB sebelum 58 60 62 69 70 64 76 72 66 75
BB setelah 60 55 58 65 69 64 70 67 61 70
Gunakan uji peringkat-bertanda Wilcoxon untuk menguji hipotesis, pada taraf nyata
0.05, bahwa berhenti merokok tidak dapat berpengaruh pada bobot badan seseorang,
lawan alternatifnya bahwa bobot badan seseorang akan bertambah bila ia berhenti
merokok.
11. Analisislah data pada soal 5 dengan menggunakan uji peringkat-bertanda Wilcoxon.
12. Kerjakan kembali pada soal 6 dengan menggunakan uji peringkat-bertanda Wilcoxon.
13. Dari sebuah kelas matematika yang terdiri atas 12 siswa dengan kemampuan yang
hampir sama, 5 orang diambil secara acak dan diberi pelajaran tambahan oleh guru.
Hasil ujian akhir mereka adalah sebagai berikut :
Nilai
Gunakan uji jumlah peringkat Wilcoxon dengan α = 0.05 untuk menetukan apakah
pelajaran tambahan mempengaruhi nilai.
14. Data berikut menyatakan berapa lama, dalam jam, 3 jenis kalkulator ilmiah dapat
digunakan sebelum harus diisi tenaga listrik kembali :
Kalkulator
A B C
4.9 5.5 6.4
6.1 5.4 6.8
4.3 6.2 5.6
4.6 5.8 6.5
5.3 5.5 6.3
5.2 6.6
4.8
Gunakan uji Kruskal-Wallis, pada taraf nyata 0.01, untuk menguji hipotesis bahwa
lamanya ketiga kalkulator itu dapat digunakan sebelum harus diisi listrik kembali
adalah sama.
15. Empat rokok cap A, B, C, dan D hendak dibandingkan kadar tarnya. Data berikut
menunjukkan berapa miligram tar itu ditemukan dalam 16 batang rokok yang dicoba:
Cap A Cap B Cap C Cap D
14 16 16 17
10 18 15 20
11 14 14 19
13 15 12 21
Gunakan uji Kruskal-Wallis, pada taraf nyata 0.05, untuk menguji apakah ada beda
nilaitengah kadar tar yang nyata antar 4 rokok tersebut.
16. Dalam soal 4 halaman 395-6, gunakan uji Kruskal-Wallis, pada taraf nyata 0.05,
untuk menetukan apakah sebaran nilai yang diberikan oleh ketiga dosen itu berbeda
nyata.
17. Dalam latihan 7 halaman 396-7, gunakan uji Kruskal-Wallis, pada taraf nyata 0.05,
untuk menetukan apakah analisis kimia yang dilakukan oleh keempat labolatorium itu
secara rata-rata memberikan hasil yang sama.
18. Suatu contoh acak 15 orang dewasa disuatu kota kecil diambil untuk menduga
proporsi mereka yang mendukung calon walikota yang baru. Selain itu dinyatakan
pula apakah ia sarjana atau bukan. Dengan melambangkan Y bila responden itu
sarjana dan T bila bukan sarjan, diperoleh barisan seperti berikut ini :
TTTTYYTYYTYTTTT
Gunakan uji runtunan pada taraf nyata 0.1 untuk menetukan apakah barisan itu
menunjang pendapat bahwa contohnya bersifat acak atau tidak.
19. Suatu proses pelapisan-perak digunakan untuk melapisi nampan atau baki. Bila
prosesnya terkendali dengan baik, tebal lapisan peraknya bervariasi secara acak
mengikuti sebaran normal dengan nilaitengah 0.02 milimiter dan simpangan baku
0.005 milimiter. Misalkan bahwa dari 12 baki yang diperiksa berikutnya tebal lapisan
peraknya adalah: 0.019, 0.021, 0.020, 0.019, 0.020, 0.018, 0.023, 0.021, 0.024, 0.022,
0.023, 0.022. gunakan uji runtunan untuk menetukan apakah fluktuasi ketebalan itu
masih bersifat acak. Gunakan α = 0.05
21. Dalam suatu proses produksi, diadakan pemeriksaan secara berkala untuk mengetahui
cacat tidaknya barang yang dihasilkan. Berikut ini adalah barisan barang yang cacat
C, dan yang yidak cacat T yang dihasilkan oleh proses tersebut:
CCTTTCTTCCTTTT
TCCCTTCTTTTCTC
Dengan menggunakan hampiran berdasarkan contoh berukuran besar, lakukan uji
runtunan dengan taraf nyata 0.05, untuk menetukan apakah barang yang cacat terjdi
secara acak atai tidak
22. Bila data dalam Latihan 6 pada halaman 65 dicatat dari kiri ke kanan sesuai dengan
urutan asalnya, gunakan uji runtun dengan α = 0.05 untuk menguji hipotesis bahwa
data itu merupakan suatu barisan yang acak.
23. Data berikut adalah nilai kalkulus pada ujian tengah semester dan ujian akhir bagi 10
mahasiswa :
L.S.A 84 73
W.P.B 98 63
R.W.K 91 87
J.R.L 72 66
J.K.L 86 78
D.L.P 93 78
B.L.P 80 91
D.W.M 0 0
M.N.M 92 88
R.H.S 87 77
24. Untuk bobot badan dan ukuran dada bayi dalam saol 6 pada halaman 378
a. Hitunglah koefisien korelasi peringkatnya
b. Ujilah hipotesis pada taraf nyata 0.025 bahwa koefisien korelasi peringkatnya
sama dengan nol lawan alternatifnya bahwa koefisien itu lebih besar dari nol.
25. Hitunglah koefisien korelasi peringkat bagi curah hujan harian dan banyaknya debu
yang terbawa dalam Latihan 8 pada halaman 346.
Suatu lembaga konsumen memeriksa sembilan oven-gelombang-mikro untuk
menentukan kualitasnya. Hasil peringkat berikut harga ecerannya tercantum dibawah
ini:
A 6 480
B 9 395
C 2 575
D 8 550
E 5 510
F 1 545
G 7 400
H 4 465
I 3 420
Apakah ada hubungan yang nyata antara kualitas dan harga oven-gelombang-mikro?
26. Dua juri dalam suatu pawai memberi peringkat pada 8 mobil berhias sebagai berikut:
Mobil Berhias
1 2 3 4 5 6 7 8
Juri A 5 8 4 3 6 2 7 1
Juri B 7 5 4 2 8 1 6 3
27. Dua macam makanan A dan B diberikan kepada ayam secara terpisah untuk jangka
waktu tertentu. Ingin diketahui apakah ada perbedaan yang berarti mengenai
pertambahan berat daging ayam yang dikarenakan kedua macam makanan itu ataukah
tidak. Pertambahan berat badan ayam (dalam ons)pada akhir percobaan adalah
sebagai berikut :
Makanan A 3,1 3,0 3,3 2,9 2,6 3,0 3,6 2,7 3,8 4,0 3,4
Makanan B 2,7 2,9 3,4 3,2 3,3 2,9 3,0 3,0 3,6 3,7 3,5
28. Sepuluh pasang suami istri telah menilai perlombaan memasak. Dalam bentuk
peringkat, hasilnya diberikan dibawah ini.
Suami 5 8 10 6 9 3 4 7 2 1
Istri 8 5 10 1 7 4 6 9 2 3
Apakah nampak sifat “independen” penilaian yang dilakukan oleh suami istri?
26, 35, 27, 29, 30, 19, 32, 43, 18, 26, 27, 25, 35, 40,26, 25, 22, 20, 17, berasal dari
sebuah populasi dengan median sama dengan 23?
REFERENSI