UTS
STATISTIKA LANJUTAN
Nama :
NPM. A2C018012
UNIVERSITAS BENGKULU
2019
FKIP UNIVERSITAS BENGKULU
1. Sebuah sampel acak diperlukan untuk menguji hipotesis bahwa nilai rata-rata mata
pelajaran matematika kls 7 semester ganjil SMPN1 di kota X adalah 60, atau
dirumuskan: H0: µ = 60 melawan Ha: µ ≠60, dengan syarat-syarat sebagai berikut:
a. Peluang menolak H0 apabila sebenarnya µ=60 paling tinggi 0,05.
b. Peluang menerima H0 apabila sebenarnya µ berbeda dari 60 dengan 5 paling tinggi
0,10.
Jika diketahui populasi berdistribusi normal dengan σ=6, berapa siswa paling
sedikit yang perlu diteliti.
2. Dilakukan penelitian untuk mengetahui apakah ada perbedaan secara signifikan dalam
indek prestasi (IP) antara sarjana lulusan PTS yang disamakan (X1), diakui (X2), terdaftar
(X3) dan Negeri (X4) dalam jurusan Teknik Sipil. Jumlah sampel dan indeks prestasinya
dicatat sebagai berikut:
X1 X2 X3 X4
2.2 2.4 2.1 3.2
3.4 3.2 2.4 3.4
1.8 1.6 1.8 2.5
2.6 3.6 2.7 2.9
3.2 3.1 2.2 3.2
3.1 2.1 3.2 3.1
3.2 2.2 2.9 3.2
2.8 2.5 2.8 3.8
3.4 3.4 2.4 3.4
3.1 2.1 3.1 3.2
2.1 2.0 3.4 2.7
2.8 2.2 2.3 2.6
2.0 1.5 2.1 2.4
2.7 3.3 2.8 2.7
2.3 2.1 2.1 3.3
3.0 2.0 3.4
2.4 2.1 2.5
2.7 2.7
3.2 3.3
2.0 2.5
3.1
3.4
a. Buktikan hipotesis bahwa tidak ada perbedaan yang signifikan IP mahasiswa dari
empat buah Perguruan Tinggi tersebut.
b. Lakukan uji lanjut manakah IP mahasiswa Perguruan Tinggi yang terbaik.
3. Daftar berikut ini menyatakan hubungan antara umur (X 1), tinggi (X2) dan Y (berat)
siswa SD. Umur dalam tahun, tinggi dalam cm dan berat dalam kg.
X1 9 10 9 12 6 10 7 8 11 6 10 8 12 10
X2 125 137 99 122 129 128 96 104 132 95 114 101 146 132
Y 37 41 34 39 39 40 37 39 42 35 41 40 43 38
Catatan:
jawaban dikrim ke WA atau e-mail: buyungkeraman@yahoo.com paling lambat hari
senin jam 10.
JAWABAN 2 A
a. Buktikan hipotesis bahwa tidak ada perbedaan yang signifikan IP mahasiswa dari
empat buah Perguruan Tinggi tersebut.
Perhitungan :
2 2
R y= J =
(200,2) 40080,04
= =541,622
Kn 74 74
k
∑ J i2 ( 54 )2 ( 41,4 )2 (38,3 )2 ( 66,5 )2
P y= i=1
n
−R y = (20
+
17
+
15
+
22 ) −541,622
= 545,42 – 541,622
= 3,798
2
∑ y = 2,2 + 3,4 + 1,82 + 2,62 + 3,22 + 3,12 + 3,22 + 2,82 + 3,42 + 3,12 + 2,12 + 2,82 +
2 2
2,02 + 2,72 + 2,32 + 3,02 + 2,42 + 2,72 + 3,22 + 2,02 + 2,42 + 3,22 + 1,62 + 3,62 +
3,12 + 2,12 + 2,22 + 2,52 + 3,42 + 2,12 + 2,02 + 2,22 + 1,52 + 3,32 + 2,12 + 2,02 +
2,12 + 2,12 + 2,42 + 1,82 + 2,72 + 2,22 + 3,22 + 2,92 + 2,82 + 2,42 + 3,12 + 3,42 +
2,32 + 2,12 + 2,82 + 2,12 + 3,22 + 3,42 + 2,52 + 2,92 + 3,22 + 3,12 + 3,22 + 3,82 +
3,42 + 3,22 + 2,72 + 2,62 + 2,42 + 2,72 + 3,32 + 3,42 + 2,52 + 2,72 + 3,32 + 2,52 +
3,12 + 3,42
= 563,12
E y =∑ y 2−R y −P y =563,12−541,622−3,798=17,7
D Fhitun
Sumber Variasi k Jk Kr g Fa(V1,V2)
541,62 541,62
5,064
Rata-rata 1 2 2
F(0,05;3,70)
Antar Perlakuan 3 3,798 1,266
= 2,74
Galat Perlakuan 70 17,7 0,25
Total 74 563,12
Hasil menunjukkan bahwa Fhitung = 5,01 > Ftabel = 2,74 (signifikan) dengan sig =
0,000 < α = 0,05. Sehingga H0 ditolak dan Ha diterima yang berarti terdapat perbedaan dalam
Indek Prestasi (IP) antara sarjana lulusan PTS yang disamakan (X1), diakui (X2), terdaftar
(X3) dan Negeri (X4) dalam jurusan Teknik Sipil.
Levene
Statistic df1 df2 Sig.
1,840 3 70 ,148
ANOVA
Sum of
Squares Df Mean Square F Sig.
Total 21,498 73
Post Hoc Tests
Multiple Comparisons
Tukey HSD
(I) Sarjana Lulusan PTS (J) Sarjana Lulusan PTS 95% Confidence Interval
Homogeneous Subsets
Indeks Prestasi (Y)
Tukey HSDa,b
N 1 2
JAWABAN 2 B
b. Lakukan uji lanjut manakah IP mahasiswa Perguruan Tinggi yang terbaik.
IP mahasiswa Perguruan Tinggi yang terbaik adalah IP sarjana lulusan PTS Negeri (X4)
JAWABAN 3 A
a. Ujilah dulu asumsi-asumsi klasiknya.
1. Uji Asumsi Multikoliniertas
Coefficientsa
Model Collinearity
Statistics
Tolerance VIF
1 X1 ,595 1,682
X2 ,595 1,682
a. Dependent Variable: Y
Dari tabel Coefficients menunjukkan bahwa tidak ada variabel independen yang
memiliki nilai Tolerance kurang dari 0,100 yang berarti tidak ada korelasi antar variabel
independen. Dengan demikian dapat dikatakan bahwa tidak terjadi multikolinearitas.
Coefficient Correlationsa
Model X2 X1
1 Correlations X2 1,000 -,637
X1 -,637 1,000
Covariances X2 ,002 -,010
X1 -,010 ,132
a. Dependent Variable: Berat
Melihat tabel CoefficientCorrelations tampak bahwa terjadi korelasi yang cukup tinggi
antara variabel X1 dan X2 dengan tingkat korelasi – 0,637 atau 63,7%. Karena nilainya
masih di bawah 95% sehingga masih dapat dikatakan tidak terjadi multikolinearitas(non-
multikolinearitas).
Coefficientsa
Model Collinearity
Statistics
Tolerance VIF
1 X1 ,595 1,682
X2 ,595 1,682
a. Dependent Variable: Y
Coefficient Correlationsa
Model X2 X1
1 Correlations X2 1,000 -,637
X1 -,637 1,000
Covariances X2 ,002 -,010
X1 -,010 ,132
a. Dependent Variable: Y
Collinearity Diagnosticsa
Model Dimension Condition Variance Proportions
Eigenvalue Index (Constant) X1 X2
d1 1 2,972 1,000 ,00 ,00 ,00
i 2 ,021 11,953 ,37 ,66 ,01
m 3 ,007 20,292 ,62 ,34 ,99
e
n
dimension1
s
i
o
n
0
a. Dependent Variable: Y
Nilai DW sebesar 1,395 akan dibandingkan dengan nilai tabel yang memiliki signifikansi
5%, jumlah sampel 42 dan jumlah variabel independen 3. Oleh karena nilai ini lebih
besar dari batas atas (du) 1,681 dan kurang dari 4-du, maka dapat disimpulkan tidak
terdapat autokorelasi.
Tampilan pada SPSS
Variables Entered/Removedb
Model Variables Variables
Entered Removed Method
d 1 X2, X1a . Enter
i
m
e
n
s
i
o
n
0
a. All requested variables entered.
b. Dependent Variable: Y
Model Summaryb
Model Adjusted R Std. Error of Durbin-
R R Square Square the Estimate Watson
d 1 ,703a ,494 ,402 1,976 1,395
i
m
e
n
s
i
o
n
0
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
ANOVAb
Model Sum of
Squares Df Mean Square F Sig.
1 Regression 41,971 2 20,986 5,374 ,024a
Residual 42,957 11 3,905
Total 84,929 13
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Model Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 26,594 3,894 6,829 ,000
X1 ,305 ,363 ,234 ,840 ,419
X2 ,080 ,042 ,531 1,908 ,083
a. Dependent Variable: Y
Residuals Statisticsa
Minimu Maximu Std.
m m Mean Deviation N
Predicted Value 36,07 42,01 38,93 1,797 14
Residual -3,310 2,835 ,000 1,818 14
Std. Predicted -1,590 1,714 ,000 1,000 14
Value
Std. Residual -1,675 1,434 ,000 ,920 14
a. Dependent Variable: Y
Dari grafik Scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik
diatas maupun dibawah angka nol pada sumbu Y. Jadi dapat disimpulkan bahwa model
pada penelitian ini memenuhi syarat untuk menjadi model yang baik karena merupakan
model yang homoskedastisitas atau varians dari nilai residual pengamatan satu ke
pengamatan yang lain tetap.
Tampilan pada SPSS
Variables Entered/Removedb
Model Variables Variables
Entered Removed Method
a
d1 X2, X1 . Enter
i
m
e
n
s
i
o
n
0
a. All requested variables entered.
b. Dependent Variable: Y
Model Summaryb
Model Adjusted R Std. Error of Durbin-
R R Square Square the Estimate Watson
a
d1 ,703 ,494 ,402 1,976 1,395
i
m
e
n
s
i
o
n
0
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
ANOVAb
Model Sum of
Squares Df Mean Square F Sig.
1 Regression 41,971 2 20,986 5,374 ,024a
Residual 42,957 11 3,905
Total 84,929 13
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Model Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 26,594 3,894 6,829 ,000
X1 ,305 ,363 ,234 ,840 ,419
X2 ,080 ,042 ,531 1,908 ,083
a. Dependent Variable: Y
Residuals Statisticsa
Minimu Maximu Std.
m m Mean Deviation N
Predicted Value 36,07 42,01 38,93 1,797 14
Std. Predicted Value -1,590 1,714 ,000 1,000 14
Standard Error of ,611 1,555 ,881 ,256 14
Predicted Value
Adjusted Predicted 36,31 41,59 38,94 1,767 14
Value
Residual -3,310 2,835 ,000 1,818 14
Std. Residual -1,675 1,434 ,000 ,920 14
Stud. Residual -1,912 1,561 -,004 1,012 14
Deleted Residual -4,313 3,358 -,014 2,210 14
Stud. Deleted Residual -2,231 1,687 -,024 1,080 14
Mahal. Distance ,313 7,118 1,857 1,790 14
Cook's Distance ,000 ,369 ,070 ,094 14
Centered Leverage ,024 ,548 ,143 ,138 14
Value
a. Dependent Variable: Y
4. Uji Asumsi Normalitas
Variables Entered/Removedb
Model Variables Variables
Entered Removed Method
d 1 X2, X1a . Enter
i
m
e
n
s
i
o
n
0
a. All requested variables entered.
b. Dependent Variable: Y
Model Summaryb
Model Adjusted R Std. Error of Durbin-
R R Square Square the Estimate Watson
d 1 ,703a ,494 ,402 1,976 1,395
i
m
e
n
s
i
o
n
0
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
ANOVAb
Model Sum of
Squares df Mean Square F Sig.
1 Regression 41,971 2 20,986 5,374 ,024a
Residual 42,957 11 3,905
Total 84,929 13
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Model Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 26,594 3,894 6,829 ,000
X1 ,305 ,363 ,234 ,840 ,419
X2 ,080 ,042 ,531 1,908 ,083
a. Dependent Variable: Y
Residuals Statisticsa
Minimu Maximu Std.
m m Mean Deviation N
Predicted Value 36,07 42,01 38,93 1,797 14
Residual -3,310 2,835 ,000 1,818 14
Std. Predicted -1,590 1,714 ,000 1,000 14
Value
Std. Residual -1,675 1,434 ,000 ,920 14
a. Dependent Variable: Y
5. Uji Linealitas
Hasil pengujian menunjukkan scatterplot tidak membentuk pola tertentu sehingga dapat
disimpulkan bahwa model pada penelitian ini memenuhi syarat untuk menjadi model
yang baik karena asumsi linieritas terpenuhi.
JAWABAN 3 B
Coefficientsa
Casewise Diagnosticsa
Unstandardized Standardized
Case Std.
Coefficients Predicted
Coefficients
Number Residual Y Value Residual
Model 1 B
-1.216 Std.37Error 39.40Beta -2.402t Sig.
1 (Constant)
2 .165
26.594 41
3.894 40.67 .327
6.829 .000
3 -1.675 34 37.31 -3.310
X1 .305 .363 .234 .840 .419
4 -.545 39 40.08 -1.077
X2 5 .097
.080 39
.042 38.81.531 .192
1.908 .083
6 .026 40 39.95 .051
a. Dependent Variable: Y
7 .274 37 36.46 .542
8 .806 39 37.41 1.593
9 .720 42 40.58 1.424
10 -.542 35 36.07 -1.072
11 1.102 41 38.82 2.178
12 1.434 40 37.17 2.835
13 .502 43 42.01 .991
14 -1.149 38 40.27 -2.271
a. Dependent Variable: Y
Keterangan:
Y’ = Berat yang diprediksi
a = konstanta
b1,b2 = koefisien regresi
X1 = umur
X2 = tinggi
Jadi, persamaan regresi linear ganda Y atas X 1 dan X2 adalah Y’ = 26,594 + 0,305X1 +
0,080X2
JAWABAN 3 C
c. Hitung taksiran rata-rata berat Y untuk setiap anak dengan umur dan berat yang
diberikan.
Descriptive Statistics
Std.
N Minimum Maximum Mean Deviation
Y 14 34 43 38,93 2,556
Valid N 14
(listwise)
Jadi taksiran rata-rata berat Y adalah 38,93
JAWABAN 3 D
d. Berapakah diharapkan berat seorang anak yang berusia 13 tahun dengan tinggi
140 cm.
Y’ = a + b1X1+ b2X2
Y’ = 26,594 + 0,305X1 + 0,080X2
Y’ = 26,594 + 0,305X1 + 0,080X2
Y’ = 26,594 + 0,305(13) + 0,080(140)
Y’ = 26,594 + 3,965 + 11,2
Y’ = 41,759
Jadi berat yang diharapkan untuk anak yang berusia 13 tahun dengan tinggi 140 yaitu
41,759.
JAWABAN 3 E
e. Tentukan kekeliruan baku taksiran Y untuk X 1 dan X2 yang diketahui dan apa
artinya.
Kekeliruan baku taksiran Y untuk X1 dan X2 adalah 2,556 artinya kekeliruan baku
(standar deviasi) menunjukkan seberapa jauh sebuah nilai dalam distribusi menyimpang
dari rata-rata atau meannya/
JAWABAN 3 F
Koefisien regresi variabel umur (X1) sebesar 0,305; artinya jika variabel independen
lain nilainya tetap dan umur mengalami kenaikan 1%, maka berat (Y’) akan mengalami
peningkatan sebesar Rp.0,305. Koefisien bernilai positif artinya terjadi hubungan positif
antara umur dengan berat, semakin naik umur maka semakin meningkat berat.
Koefisien regresi variabel tinggi (X2) sebesar 0,080; artinya jika variabel independen
lain nilainya tetap dan tinggi mengalami kenaikan 1%, maka berat (Y’) akan mengalami
peningkatan sebesar Rp.0,080. Koefisien bernilai positif artinya terjadi hubungan positif
antara tinggi dengan berat, semakin naik tinggi maka semakin meningkat berat.
JAWABAN 3 G
g. Tentukan korelasi parsial dan korelasi gandanya.
Dari hasil analisis korelasi parsial (ry.x1x2) didapat korelasi antara umur dengan tinggi
dimana berat dikendalikan (dibuat tetap) adalah 0,413. Hal ini menunjukkan bahwa
terjadi hubungan yang sedang atau tidak terlalu kuat antara umur dengan tinggi jika
berat tetap. Sedangkan arah hubungan adalah positif karena nilai r positif, artinya
semakin tinggi umur maka semakin meningkatkan tinggi.
Berdasarkan tabel di atas diperoleh angka R sebesar 0,703. Hal ini menunjukkan bahwa
terjadi hubungan yang kuat antara umur dan tinggi terhadap berat.
JAWABAN 1 A
a. Peluang menolak H0 apabila sebenarnya µ=60 paling tinggi 0,05.
Dik : µ = 60
α = 0,05
Dit : Peluang menolak H0?
Jawab :
Zα Z (0,05)
= = Z 0,025 ≈ 1,96
2 2
Jadi peluang menolak H0 adalah 1,96
JAWABAN 1 B
b. Peluang menerima H0 apabila sebenarnya µ berbeda dari 60 dengan 5 paling tinggi
0,10.
Jika diketahui populasi berdistribusi normal dengan σ=6, berapa siswa paling
sedikit yang perlu diteliti.
Dik : µ ≠60
d = 0,10
Zα
= 1,96
2
Dit : Siswa paling sedikit yang perlu diteliti?
Jawab :
Karena p tidak diketahui, maka p = 0,5
p+q=1
q=1–p
q = 0,5
n = ¿2 x p x q) / d2
= ¿1,96)2 x p x q) / d2
= (3,8416 x 0,5 x 0,5) / (0,10)2
= (0,9604) / (0,01)
= 96,04 ≈ 97
Siswa paling sedikit yang perlu diteliti adalah 96 atau 97 orang.