PENENTUAN JUMLAH SAMPEL

Populasi (N) : keseluruhan subjek yang diteliti (dengan karaktersitik tertentu)

Sampel (n) : bagian populasi
D = Jumlah Sample
N = ukuran populasi
n = ukuran sampel

Jika ditentukan
N = ukuran populasi
n = ukuran sampel
maka jumlah sampel yang dapat dipilih adalah :

D= ( Nn )= n !( NN−n)!
!

! = faktorial
Contoh : 4! = 4.3.2.1 = 24

Contoh
N=5, n=2
Nilai ujian 5 mahasiswa
A 70
B 50 Rata-Rata
N
1
C 60 µ=
N
∑ xi
i=1

1
D 80 = (300) = 60
5
E 40
300

Maka : D = ( Nn ) = Nn !!
5!
(2) 2! ( 5−2) ! = 5.4
5
=
.3.2 .1
2.1.3 .2 .1
= 10 buah sampel

AB BD
AC BE
AD CD Sampel yang dapat dipilih
AE CE
BC DE

1
Hubungan Rata-Rata Sampel (x́) dengan Rata-Rata Atas Rata-Rata Sampel (µx́)
Rata-Rata Atas Rata-Rata Sampel (µx́) (sample berpasangan dri atas) (D= Jumlah Sample)
D
1
µ x́ = ∑ x́ = µ
D i=1

x́
AB (70,50) 60
AC (70,60) 65
AD (70,80) 75
AE (70,40) 55
D=10 BC (50,60) 55
BD (50,80) 65
BE (50,40) 45
CD (60,80) 70
CE (60,40) 50
DE (80,40) 60
600
D
1 1
µ x́ = ∑ x́ =
10
(600) = 60
D i=1
Jadi
µ x́ = µ

DISTRIBUSI PELUANG
adalah pengelompokkan data atas dasar probabilitasnya.
Contoh:
Ada 2 mata uang logam dengan identitas G dan A (gambar dan angka).
Jika dilempar berkali-kali maka terjadi peristiwa :
AA GG AG GA

Peristiwa
Probabolitas
(tampak G)
0 0,25 (25%)
1 0,50 (50%)
2 0,25 (25%)
ƩP 100 (100%)

Distribusi Teoritik (Populasi)

Distribusi Peluang
Distribusi Sampel

Teknik Menghitung Peluang

Penggunaan Tabel Z
Dengan bantuan tabel distribusi Z, maka di dapat sebagai berikut :
Z 0,00 0,01 0,02 ........................ 0,08 0,09
0,0
0,1 0,0438
.
.
.
.
.
1,2 0,3997
.
.
.
2,5

2
 Jika Z=1,28 P2=0,3997=39,97%
Z=0,12 P2=0,0478=4,78%

TEKNIK MENGHITUNG PROBABILITAS

1. Peluang Antara

a. Kedua Z negatif
Z1 = -2,85
Z2 = 1,60
PZ12 = PZ1 – PZ2
= 0,4978 – 0,4452
= 0,0526

b. Z1 = positif
Z2 = negatif
Z1 = 1,98
Z2 = -1,52
PZ12 = PZ2 + PZ1
= 0,4357 – 0,476
= 0,9118

c. Kedua Z positif
Z1 = 0,75
Z2 = 2,64
PZ12 = PZ2 – PZ1
= 0,4959 – 0,2734
= 0,225

2. Peluang Maksimum

a. Z negatif
Z = -1,13
PZmax = 0,5 – PZ
= 0,5 – P 1,13
= 0,5 – 0,3708
= 0,1292

b. Z positif
Z = 0,88
PZmax = 0,5 + PZ
= 0,5 + 0,3100
= 0,81

3. Peluang Minimum

a. Z negatif
Z = 0,81
PZmin = 0,5 + PZ
= 0,5 + 0,2910
= 0,7910

b. Z positif
Z= 1,16
PZmin = 0,5 – PZ
= 0,5 – 0,3770
= 0,123
3
DISTRIBUSI SAMPLING

1. Distribusi Sampling Rata-Rata

Menghitung peluang sampel atas dasar populasi

x́−µ
Z = σ /√ n

Contoh :
Rata-rata UN tingkat SMA di Provinsi K adalah 67,84 dengan simpangan baku 7,31. Jika
secara random dipilih sampel dengan ukuran 40 siswa SMA. Tentukan probabilitasnya jika
rata-rata sampel tersebut adalah:
a. Antara 64 s.d. 66
b. Antara 66 s.d. 69
c. Antara 69 s.d. 71
d. Max 66
e. Max 69
f. Min 66
g. Min 69

Penyelesaian :
µ = 67,84 σ = 7,31 n=40
a. x́ 1=64
x́ 1−µ 64−67,84 −3,84 −3,84
maka Z1 =
σ /√ n
= 7,31 /√ 40
= 7,31/6,3245
= 1,1558
= - 3,32

x́ 2= 66
x́ 2−µ 66−67,84 −1,84 −1,84
maka Z 2 =
σ /√ n
= 7,31/√ 40
= 7,31/6,3245
= 1,1558
= - 1,59

Maka : PZ12 = PZ1 – PZ2 = P (3,32) – P (1,59) = 0,5 – 0,4441 = 0,0559 = 5,59 %

b. x́ 1=66 Z1 = -1,59

x́ 2= 69
x́ 2−µ 69−67,84 −1,16 −1,16
maka Z 2 =
σ /√ n
= 7,31/√ 40
= 7,31/6,3245
= 1,1558
= 1,00

Maka : PZ12 = PZ1 + PZ2 = P (1,59) + P (1,00) = 0,441 + 0,3413 = 0,7854 = 78,51 %

c. LATIHAN

2. Distribusi Sampling Proporsi

X /n−π
Z = π (1−π ) π = Proporsi populasi
√ n X/n = Proporsi sampel

Contoh :
Peserta UN tingkat SMP di Kab. B yang lulus mencapai 86%. Jika dipilih sampel dengan
ukuran 50. Tentukan peluangnya jika yang lulus:
a. Antara 40 s.d. 42
b. Antara 42 s.d. 45
c. Antara 45 s.d. 47
d. Max 42
e. Max 47
f. Min 45
g. Min 47
4
Penyelesaian :
π = 0,86 n=50
a. X1 = 40
X 1/n−π 40/50−0,86
−0,06 −0,06
Z1 = π (1−π ) = 0,86(0,14 ) = = = - 1,22

X2 = 42
√ n
√
50
√ 0,0024 0,0440

X 2/n−π
42/50−0,86 −0,02
Z2 = π (1−π ) = = = - 0,41
√ n
0,490 0,8490

PZ12 = PZ1 – PZ2

= P(1,22) – P (0,41) = 0,3888 – 0,1591 = 0,2297 = 22,97 %

b. X1 = 42 Z1 = - 0,41

X2 = 45

X 2/n−π
45/50−0,86 0,9−0,86
Z2 = π (1−π ) = = = 0,82
√ n
0,0490 0,0490

PZ12 = PZ1 + PZ2

= P(0,41) + P (0,82) = 0,1591 + 0,2939 = 0,453 = 45,3 %

c. LATIHAN

6285715552296

5
 PENDUGAAN STATISTIK (TEORI ESTIMASI)

Dalam pendugaan statistik, pada prinsipnya adalah penggunaan data sampel untuk menduga
parameter populasi.

1. Pendugaan Rata-rata (µ)

a. n ≥ 35
x́ – Z ϒ/2 S/√ n < µ < x́ + Z ϒ/2 S/√ n

α + ϒ = 100%
Z ϒ/2 Jika α = 10% α = Taraf kekeliruan
ϒ = 90% ϒ = Taraf keyakinan benar
Maka Z ϒ/2 Z0,45

Z 0,01 0,04
0,0

1,6 0,4495

Jadi Z ϒ/2 = Z0,45 1,64

Contoh :
Dari hasil penelitian atas 50 orang siswa SMAN di kota B, rata-ratanya adalah (UN) 68,42
dengan simpangan baku 7,36. Dengan keyakinan 95%, tentukan rata-rata UN untuk sekolah
pserta UN SMAN di kota B !

Penyelesaian :
ϒ = 0,95 Z ϒ/2 = Z 0,95/2 = Z0,4750 = 1,96

Maka rata-rata UN siswa SMAN B :

x́ – Z ϒ/2 S/√ n < µ < x́ + Z ϒ/2 S/√ n
68,42 – 1,96 7,36/√ 50 < µ < 68,42 + 1,96 7,36/√ 50
68,42 – 1,96 7,36/7,0711 < µ < 68,42 + 1,96 7,36/7,0711
68,42 – 2,0401 < µ < 68,42 + 2,0401
66,3799 < µ < 70,4601
Jadi rata-ratanya adalah antara 66,3799 s.d. 70,4601

b. n < 35
x́ – t α/2 S/√ n < µ < x́ + t α/2 S/√ n
df = n – 1

Penggunan tabel t
α = 5% tα/2 = t 0,05/2 = t0,025
df = degree of freedom (derajat bebas) = n – 1
Jadi dengan α = 5% dan df = 10
α
df 0,25 0,025
1

10 2,228
t (0,
025)(10) = 2,228

6
 Contoh :
n= 25 S= 7,36
x́ = 68,42 α = 10%
df = 24 = n-1 µ?
t(0,10/2)(24) = t(0,05)(24) = 1,711

Maka :
x́ – t α/2 S/√ n < µ < x́ + t α/2 S/√ n
68,42 – 1,711 7,36/√ 25 < µ < 68,42 + 1,711 7,36/√ 25
68,42 – 1,711 7,36/5 < µ < 68,42 + 1,711 7,36/5
65,9015 < µ < 70,9385
Jadi rata-rata populasi antara 65,9015 s.d. 70,9385

2. Pendugaan Proporsi (π)

a. n ≥ 35

X /n(1−X /n) X /n(1−X /n)

X/n - Zϒ /2
√ n
< π < X/n + Zϒ /2
√n

b. n < 35

X /n(1−X /n) X /n(1−X /n)

X/n - tα /2
√ n
< π < X/n + tα /2
√ n

Contoh :
a. n ≥ 35
Dari hasil penelitian atas 60 orang siswa peserta UN SMP di Kab. K, 6 orang diantara mereka
tidak lulus. Dengan keyakinan 90%, tentukan berapa % yang tidak lulus untuk seluruh peserta
UN SMP di Kab. K ?

Penyelesaian :

ϒ=90% Zϒ /2 = Z0,45 = 1,64

n=60 x=6 x/n=6/60=0,10
maka :
X /n(1−X /n) X /n(1−X /n)
X/n - Zϒ /2
√ n
0,10(0,90)
< π < X/n + Zϒ /2
0,10(0,90)
n √
0,10 - 1,64
√ 60
< π < 0,10 + 1,64
0,10 - 1,64√ 0,0015 < π < 0,10 + 1,64√ 0,0015
√
60

0,10 - 0,0635 < π < 0,10 + 0,0635

0,0365 < π < 0,1635
atau 3,65 % < π < 16,35 %

Jadi yang tidak lulus untuk seluruh peserta UN SMP di Kab. K adalah
antara 3,65 % s.d. 16,35 %

Latihan : n < 35

7
Teknik Menghitung Deviasi Standar (Simpangan Baku)

POPULASI

N N
(Xi) ²
Σ (sigma) = ∑
i=1
√
xi ²−∑
i=1
N
N

n n
(Xi) ²
S (sample)=
√ ∑ xi ²−∑
i=1 i=1
n
n

Contoh :
Xi Xi²
8 64
6 36
7 49
5 25
10 100
36 274

Maka :
(36) ²
S=
√ 274−
5
5 =
274−259,2
5 √
= √ 2,96 = 1,7205

8
 UJI PERSYARATAN ANALISA

Sebelum dilakukan uji hipotesis perlu meguji persyaratan analisis (data).

Silang 1. Uji Normalitas

(Cross Sectional) 2. Uji Homogenitas
3. Uji Linearitas
DATA

Urut Waktu 4. Uji Auto Korelasi

(Time Series) 5. Uji Heteroskedastisitas

Hubungan Korelasional

Sederhana
Uji Hipotesis Regresi Linier Berganda
Anova 1 arah, 2 arah
Pengaruh Jalur
Manova
Anakova

Model statistik sangat bergantung kepada kondisi/sifat data

Kriteria Uji Hipotesis

H1 >

H1 <

H1 ≠

tʜ > tт
Sig < 0,05 Zʜ > Zт Ho Tolak, Hı Terima
Fʜ > Fт

9
Contoh Uji Hipotesis

1. Hipotesis Rata-Rata (μ)

Nilai raport rata-rata untuk semester ganjil adalah 71,5. Untuk meningkatkan rata-rata tersebut
siswa diberikan remedial dan ternyata rata-rata menjadi 73,2 dengan simpangan baku 6,88
(penelitian terhadap 40 orang siswa) dengan α 5%. Ujilah apakah remedial tersebut bermanfaat ?
Penyelesaian :
a. Rumus hipotesis
Ho : μ = 71,5
Hı : μ > 71,5

b. Statistik Sampel
x́ = 73,2 S(g) = 6,88 μ = 71,5

maka :
x́−μ
Zʜ =
S /√n

73,2−71,5 1,7 1,7

Zʜ = = = = 1,56
6,88/ √ 40 6,88/6,3245 1,0878

c. Kriteria Pengujian
α = 5% γ = 95% ZT = Z γ/2

Zɤ = Zт = Z0,45 = 1,64

Uji Pihak Kanan (Hı >)

Zʜ = 1,56
Zт = 1,64
Zʜ < Zт

d. Simpulan
Karena Zʜ < Zт Ho terima (remedial tidak bermanfaat)

2. Uji Hipotesis Beda Rata-Rata (μı = μ2)

Rata-rata Kinerja guru SMA di Kab. B adalah relatif rendah. Untuk meningkatkan kinerja
tersebut diadakan pelatihan selama 2 bulan. Dari hasil penelitian diperoleh data sebagai berikut
(30 orang guru yang dipilih secara random).

Uraian Sebelum Pelatihan Setelah Pelatihan

Rata-rata Kinerja 71,3 73,66
Deviasi Standar 8,22 8,35
Sampel 30 30
Diminta : dengan α 25%, Ujilah apakah pelatihan tersebut berhasil ?

Penyelesaian :
a. Rumusan Hipotesis
Ho μı = μ2
Hı μı > μ2

b. Statistik Sampel
x́ = 73,66 S = 8,35 nı = 30
x́ = 71,3 S = 8,22 nı = 30
Maka
( nı−1 ) Sı ²+ ( n 2−1 ) S 2² )2 2021,9525+1959,4836
= 29 8,35 +29(8,22) ² =
SG =
√ nı+n 2−2 √ (
30+30−2 √ 58
= √ 68,6454 = 8,2852
Sehingga :
10
 x́ 1−x́ 2 73,66−71 , 3 2,36
2,36 2,36
tʜ = 1 1 = 1 1 = 2 = 8,2852(0,2583) = 2,1401 = 1,1027
SG
√ +
n1 n2
8,2852 +
30 30√ 8,2852
30 √
c. Kriteria Pengujian
α = 0,025 df = n1 + n2 - 2 = 58
t (α)(df) = t (0,025) (58)
Karena df 58 digunakan hiterpolasi
df t(0,025)
40 2,021
60 2,000
Δdf 20 - 0,021

58−40
t(0,025)(58) = t(0,025)(40) + (Δt)
60−40
18
= 2,021 + (-0,021) = 2,021 - 0,0189 = 2,0021
20
Uji Pihak Kanan ( Hı > )
tʜ = 1,1027
tт = 2,0021
tʜ < tт Hı tolak

d. Simpulan
Karena Hı tolak, penelitian belum berhasil

3. Uji Korelasi (r)

Dari hasil penelitian atas nilai raport dengan presensi atas 20 orang siswa, diperoleh
r = 0,6254, dengan α 5%. Ujilah apakah terdapat hubungan yang signifikan antara absensi dengan
nilai raport ?

Penyelesian :
a. Rumusan Hipotesis
Ho P = 0
Hı P >

b. Statistis Sampel
r = 0,6254 n=20
r √(n−2) 0,6254 √ 18 0,6254( 4,2426) 2,6533
tʜ = 2 = = 2 = = = 3,40
√(1−r ) √(1−0,6254 ) √(1−0,3911) 0,7803
c. Kriteria Pengujian
α = 0,05 df = n-2=18 t(α)(df) = t(0,05)(18) = 1,754
Uji pihak Kanan
tʜ = 3,40
tт = 1,754
tʜ > tт Ho tolak

d. Kesimpulan
Karena Ho tolak, hubungan signifikan

11
A. MODEL ANOVA 2 ARAH
(Variabel Kategori)

1. Hasil Uji Hipotesis

a. Terdapat pengaruh yang signifikan umpan balik terhadap minat belajar ....... siswa ..........
Dibuktikan dengan sig 0,043 < 0,05 dan Fh 4,414.
b. Terdapat pengaruh yang signifikan gaya kognitif terhadap minat belajar ....... siswa ..........
Dibuktikan dengan sig 0,010 < 0,05 dan Fh 7,471.
c. Terdapat pengaruh interaktif yang signifikan umpan balik dan gaya kognitif terhadap minat
belajar ....... siswa ..........
Dibuktikan dengan sig 0,000 < 0,05 dan Fh 30,907.

2. Informasi Lain

a. R2 = 0,543 Besar kontribusi umpan balik dan gaya kognitif terhadap minat belajar
adalah 54,3 %.

b. Ukuran sampel (n) = total = 40.

Mean Square A∫ AxB

c. F Int AxB =
Mean Square error

2235,025
30,907 =
72,314

d. Mean Square A =
∑ of Square A
degree of freedom A

2603,300
72,314 =
36

Gaya UMPAN BALIK Ʃ

Kognitif A1 A2
B1 A1B1 A2B1
B2 A1B2 A2B1
Ʃ

B. MODEL REGRESI LINEAR BERGANDA

(Variabel Numerik)

1. Hasil Uji Hipotesis

a. Terdapat pengaruh yang signifikan secara bersama-sama intelegensi, DIS dan motivasi
berprestasi secara bersama-sama terhadap prestasi belajar ........ siswa .........
Dibuktikan dengan sig 0,000 < 0,05 dan Fh 55,327
b. Terdapat pengaruh yang signifikan intelegensi terhadap prestasi belajar ..... siswa .......
Dibuktikan dengan sig 0,000 < 0,05 dan th 3,715
c. Terdapat pengaruh yang signifikan DIS terhadap prestasi belajar ........ siswa ............
Dibuktikan dengan sig 0,000 < 0,05 dan th 4,440
d. Terdapat pengaruh yang signifikan motivasi berprestasi terhadap prestasi belajar .....
siswa .......
12
 Dibuktikan dengan sig 0,000 < 0,05 dan th 4,116

DIS = Disiplin Ibadah Shalat

2. Informasi Lain

a. Tabel Model Summary

R2 = 0,748 terdapat kontribusi intelegensi, DIS dan motivasi berprestasi secara bersama-
sama
terhadap prestasi elajar sebesar 74,8% 25,2% ditentukan variabel lain
yang tidak diteliti.

b. Tabel Anova
n = df + 1 59 + 1 = 60 df total
Mean Square Regression
Fh =
Mean Square Residual

3180,730
55,327 =
57,489

c. Variabel yang paling dominan/paling kuat pengaruh

 t terbesar
atau
 Sig terkecil
Sig menunjukkan kekeliruan

Maka DIS th = 4,440 (terbesar), sehingga Dis paling kuat pengaruhnya.

Catatan : jika hanya 2 variabel bebas lebih kuat pengaruhnya.

13
Menghitung r

Siswa x y xy x² y²
A 12 11 132 144 121
B 10 12 120 100 144
C 8 10 80 64 100
D 16 15 240 256 225
E 20 18 360 400 324
F 14 12 168 196 144
80 78 1100 1160 1058

n ∑ xy−∑ x ∑ y
r= 2 2 2
√( n ∑ x −( ∑ x ) ) (n ∑ y −(∑ y)²¿) ¿
6 ( 1100 )− ( 80 ) (78) 6600−6240
= 2 =
√( 6(1160)−( 80 ) )(60 (1058)−(78) ² ¿ )¿ √( 6960−6400 ) (6348−6084¿) ¿
360 360 360
= ( )
√ 560 ( 264¿)¿ = √147840 = 384,5 = 0,936

14