Penulis:
SEBASTIANUS FEDI, S.Si, M.Pd
ALBERTA PARINTERS MAKUR, S.Si, M.Pd
PENERBIT:
STKIP St. Paulus Ruteng (Anggota IKAPI)
Jl. Jend. A. Yani No. 10, Tromolpos 805, Ruteng-Flores 865508
Telp. (0385) 22305, Fax (0385) 21097;
e-mail: penerbitstkip@stkipsantupaulus.ac.id
Web: stkipsantupaulus.ac.id
Fedi. S, Makur. A.P
Statistika Elementer, - Oleh: Sebastianus Fedi, S.Si,
M.Pd, Alberta Parinters Makur, S.Si, M.Pd. -Cet. I-
Ruteng: Penerbit: STKIP St. Paulus, Ruteng, 2018.
ISBN: 978-602-52508-1-1
Statistika Elementer
i
data, keruncingan dan kemencengan pola distribusi data,
sampling, distribusi variabel diskrit/kontinu, nilai harapan,
korelasi, dan regresi.
Terima kasih.
Tim Penulis
ii
DAFTAR ISI
iii
BAB II : UKURAN LETAK DATA
2.1 Pengertian ................................................................ 34
2.2 Kuartil Data ............................................................. 35
2.3 Desil .......................................................................... 38
2.4 Persentil .................................................................... 41
iv
BAB V : DISTRIBUSI SAMPLING YANG ISTIMEWA
5.1 Pengertian ................................................................ 76
5.2 Distribusi Normal ................................................... 76
5.3 Distribusi Student (Distribusi t) ........................... 81
5.4 Distribusi F .............................................................. 86
v
vi
Statistika Elementer
BAB I
STATISTIKA, JENIS DATA DAN
PENYAJIANNYA
1
Statistika Elementer
2
Statistika Elementer
3
Statistika Elementer
4
Statistika Elementer
5
Statistika Elementer
6
Statistika Elementer
7
Statistika Elementer
8
Statistika Elementer
9
Statistika Elementer
10
Statistika Elementer
11
Statistika Elementer
12
Statistika Elementer
13
Statistika Elementer
m n
a = ( a11 + a21 + a31 + ... + an1 ) +
(iv) j =1 i =1 ij
( a12 + a22 + a32 + ... + an 2 ) + ... + ( a1m + a2m + ... + anm )
14
Statistika Elementer
15
Statistika Elementer
16
Statistika Elementer
17
Statistika Elementer
664
650 652
640
600
585
574
560
550 L
P
500
2007 2008 2009
18
Statistika Elementer
19
Statistika Elementer
Contoh:
Diagram jumlah penduduk desa Duat Terus (sajian
langsung nilai data).
Perempuan Laki-laki
2007
2007
664 640 585 560
2008
652 2008 574
2009
2009
Total Penduduk
1200 2007
1249
1226 2008
2009
20
Statistika Elementer
21
Statistika Elementer
22
Statistika Elementer
23
Statistika Elementer
24
Statistika Elementer
25
Statistika Elementer
26
Statistika Elementer
a −b f1 f1
FR1 = 100
N
c−d f2 f2
FR2 = 100
N
e− f f3 f3
FR3 = 100
N
g −h f4 f4
FR4 = 100
N
i− j f5 f5
FR5 = 100
N
Jumlah 5
N = fi 100
i =1
Frekuensi Komuatif
Nilai Data Frekuensi relatif (𝑭𝑹𝒊 )(%)
(𝑭𝒊 )
Kurang
0 0 (di bawah interval I)
dari a
Kurang f1
f1 (interval I) FR1 = 100
dari c N
Kurang f +f
f1 + f 2 FR2 = 1 2 100
dari e N
Kurang
f1 + f 2 + f3 f1 + f 2 + f3
dari g FR3 = 100
N
Kurang f1 + f 2 + f3 + f 4
27
Statistika Elementer
dari i f1 + f 2 + f 3 + f 4
FR4 = 100
N
Kurang
f1 + f 2 + f 3 + f 4 + f 5
dari f1 + f 2 + f3 + f 4 + f5 FR5 = 100
(i + p ) N
Jumlah N = fi −
∗ 𝐾𝑢𝑟𝑎𝑛𝑔 𝑑𝑎𝑟𝑖 𝑐 = 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑎 − 𝑐. 𝑝 = panjang kelas
interval
Format tabel distribusi komulatif atau lebih (or more
distribution)
Frekuensi Komuatif
Nilai Data Frekuensi relatif (𝐹𝑅𝑖 )(%)
(𝐹𝑖 )
𝑓1 +𝑓2 + 𝑓3 + 𝑓4 + 𝑓5
𝑎 atau lebih 𝑓1 +𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 𝐹𝑅5 =
𝑁
× 100
𝑓1 +𝑓2 + 𝑓3 + 𝑓4
𝑐 atau lebih 𝑓1 +𝑓2 + 𝑓3 + 𝑓4 𝐹𝑅4 = × 100
𝑁
f1 + f 2 + f3
𝑒 atau lebih . FR3 = 100
N
g atau f +f
f1 + f 2 FR2 = 1 2 100
lebih N
f
i atau lebih f1 FR1 = 1 100
N
(i + p ) 0 (di atas interval
0
atau lebih terakhir)
5
Jumlah N = fi 100
i =1
28
Statistika Elementer
Contoh:
(data dari contoh sebelumnya, tabel 6 hal. 25) Less than
distribution
Nilai data Frekuensi Komulatif (𝑭𝒊 ) F%
Kurang dari 65 0 0
Kurang dari 70 12 24
Kurang dari 75 17 34
Kurang dari 80 27 54
Kurang dari 85 34 68
Kurang dari 90 41 82
Kurang dari 95 44 88
Kurang dari 100 50 100
Untuk distribusi komulatif atau lebih (or more
distribution), sebagai berikut
Nilai Data Frekuensi Komulatif (𝑭𝒊 ) F%
65 atau lebih 50 100
70 atau lebih 38 76
75 atau lebih 33 66
80 atau lebih 23 46
85 atau lebih 16 32
90 atau lebih 9 18
95 atau lebih 6 12
100 atau lebih 0 -
29
Statistika Elementer
1. Histogram
2. Polygon
3. Ogive
30
Statistika Elementer
1.13.1. Histogram
Histogram mirip diagram batang, tetapi histogram
lebih spesifik, yakni untuk menampilkan data yang
sifatnya kontinu dan memiliki tepi kelas (tepi atas atau
bawah), sehingga bentuk batang pada histogram
adalah menyambung. Histogram dapat dibuat dengan
terlebih dahulu menentukan tepi bawah dan tepi atas
tiap kelas. Histogram data pada tabel 6 adalah sebagai
berikut
12
10
8
6
4
2
1.13.2. Polygon
Poligon merupakan perpaduan antara grafik garis
dengan histogram. Langkah-langkah pembuatan polygon:
(i) Tentukan titik tengah tiap kelas interval,
(ii) Tiap titik tengah kelas dihubungkan dengan garis
(iii) Hubungkan sisi atas kelas pertama dengan setengah
kali panjang kelas, diukur ke kiri bawah batangan
kelas pertama, dan ke kanan bawah batangan kelas
terakhir.
31
Statistika Elementer
12
10
8
6
4
2
67 72 77 82 87 92 97
32
Statistika Elementer
60
50
40
30 Series1
20 Series2
10
0
Kurang Kurang Kurang Kurang Kurang Kurang Kurang Kurang
dari 65 dari 70 dari 75 dari 80 dari 85 dari 90 dari 95 dari 100
Latihan:
Data nilai 50 siswa: 82, 66, 68, 97, 71, 85, 68, 88, 98, 85, 70,
65, 80, 70, 77, 85, 96, 93, 78, 90, 68, 67, 85, 85, 73, 85, 98, 87,
75, 98, 67, 69, 75, 76, 94, 78, 67, 97, 75, 68, 80, 73, 61, 75, 80,
78, 83, 75, 68, 80.
1. Sajikan menjadi data berkelompok
2. Buatlah daftar distribusi frekuensi relative dan
komulatifnya (sesuai nomor 1)
3. Sajikan diagram garis, batang, histogram dan
ogivenya
33
Statistika Elementer
BAB II
UKURAN LETAK DATA
2.1. Pengertian
Untuk mengambil kesimpulan secara statistika,
khususnya dalam penelitian kuantitatif (menentukan
interpretasi parameter dalam pengujian hipotesis), tiga hal
utama yang harus dipahami adalah ukuran letak, ukuran
pemusatan data, dan ukuran dispersi (keragaman) dan
kemencengan data.
Masing-masing pembahsan diatur sebagai berikut:
Ukuran letak (bab II)
Ukuran pemusatan data (Bab III)
Ukuran dispersi (Bab IV)
Ukuran Kemiringan dan keruncingan grafik statistic
(Bab IV)
Ukuran letak data menjelaskan suatu nilai data ada
pada kelompok mana dalam rentang (interval) data,
apakah pada kelompok nilai terendah, nilai tengah, atau
nilai tertinggi. Ukuran letak meliputi
1. Kuartil,
2. Desil dan
3. Presentil.
34
Statistika Elementer
Xmin Q1 Q2 Q3 Xmax
½n ½n
1/4 n 1/4 n 1/4 n 1/4 n
35
Statistika Elementer
Q1 = x 1 ( n+1) ⎯
⎯→ n ganjil atau
4
Q1 = x 1 ( n+2) ⎯
⎯→ n genap
4
Q2 = x n+1 ⎯
⎯→ n ganjil atau
2
Q2 = x n + x n+2 ⎯
1
⎯→ n genap
2 2 2
Q3 = x 3 ( n+1) ⎯→ n ganjil atau Q3 = x3 ( n+2) ⎯
⎯ ⎯→ n genap
4 4
36
Statistika Elementer
9+9
Q3 = x 3 =x 1 = =9
(16 + 2) 13 2
4 2
41 n − fk1
Q1 = L1 + f p Q1 = Kuartil Bawah
1 L1 = tepi bawah kelas yang memuat Q1
L2 = tepi bawah kelas yang memuat Q2
1 n − fk L3 = tepi bawah kelas yang memuat Q3
Q =L +2 2
2 2 f2 p P = interval kelas
fk1 = jumlah frekuensi sebelum kelas Q1
fk2 = jumlah frekuensi sebelum kelas Q2
fk3 = jumlah frekuensi sebelum kelas Q3
f1 = frekuensi kls Q1 f2 = frek kls Q2
43 n − fk3 f3 = frekuensi kelas Q3
+
Q = L3
f p n = banyaknya data ( f)
3
3
37
Statistika Elementer
Jawab:
Q1 terletak pada kelas yang memuat data ke-15 (= 60/4)
yaitu kelas ke-2.
4160 − 8
Q1 = 29,5 + 14 5 = 32
Q2 terletak pada kelas yang memuat data ke-30 (= 60/2)
yaitu kelas ke-3.
2160 − 22
Q = 34,5 + 10 5 = 38,5
2
Q3 terletak pada kelas yang memuat data ke-45 yaitu
kelas ke-4.
4360 − 32
Q = L3 + 18 5 = 43,1
3
2.3. Desil
Jika sekumpulan data dibagi menjadi 10 bagian yang
sama, maka didapat sembilan pembagi (pembatas
kelompok) yang disebut desil (D). Jadi akan ada D1, D2, D3,
..., D9.
Desil adalah konsep statistika di mana sekumpulan
data diletakkan dalam 10 bagian yang sama, tiap bagian
memuat 10% data (dari banyaknya 𝑛 data).
2.3.1. Desil data tunggal
Untuk data tunggal, desil ke-i terletak pada data yang
ke
i ( n + 1)
; i = 1,2,3,...,9
10
38
Statistika Elementer
39
Statistika Elementer
i .n − F
Di = L + 10 p; i =1,2,3,...,9
f
Di = Desil ke-i
L = tepi bawah kelas yang memuat Di.
F = frekuensi komulatif sebelum kelas Di
f = frekuensi kelas Di
p = panjang kelas
n = banyaknya data (total frekuensi)
Contoh:
Tentukan D1, D3, D4, D5, D6, D8 dari data berikut
40
Statistika Elementer
2.4. Persentil
Sekumpulan data dapat dibagi menjadi 100 sub-
kelompok. Pengelompokkan data seperti ini disebut
persentil. Akan ada 99 pembatas yang disebut persentil (Pi).
2.4.1. Persentil data tunggal
Untuk data tunggal, persentil ke-i yaitu Pi adalah
data yang ke
i (n + 1)
; i = 1,2,3,...,99
100
Dalam hal ini, data harus telah diurutkan dari
yang terkecil ke terbesar. Sama seperti kuartil dan
desil, nilai persentil tidak harus terletak pada data.
Contoh perhitungan persentil, ditinggalkan sebagai
latihan.
2.4.2. Persentil data berkelompok
Untuk data berkelompok, rumusan persentil
adalah
i .n − F
Pi = L + 100 p
f
Dimana
L = tepi bawah kelas yang memuat Pi
F = frekuensi komulatif sebelum kelas Pi
f = frekuensi kelas Pi
p = panjang kelas Pi
41
Statistika Elementer
Latihan
42
Statistika Elementer
BAB III
UKURAN PEMUSATAN DATA
3.1. Pengertian
Dalam statistika, ukuran pemusatan data adalah
parameter pengukuran yang akan menjelaskan fenomena
umum atau kecenderungan utama atau mayoritas keadaan
yang dipresentasikan data. Misalnya, diadakan survey
untuk mengetahui model celana panjang kesukaan para
remaja di suatu kota. Ternyata, dari 300 remaja yang
mengisi angket, 195 orang memilih celana jeans, sisanya
memilih celana kain. Hal itu berarti, secara umum,
kecenderungan para remaja di kota tersebut memilih celana
jeans. Atau, mode remaja saat itu adalah celana jeans. Kita
bisa mengaggap bahwa para remaja kota tersebut
umumnya suka celana jeans.
Ukuran tendensi pusat digunakan sebagai data yang
mewakili statistik yang ada. Ada tiga ukuran pemusatan
data yang umum dipakai yaitu: Rata-rata, Modus, dan
Median.
3.2. Rata-rata/Mean
a. Rata-rata hitung
Rata-rata/mean merupakan perbandingan antara
jumlah seluruh nilai data terhadap banyaknya data
(mean/rata-rata diperoleh dengan menjumlahkan semua
43
Statistika Elementer
x=
x i
n
Di mana:
x = nilai rata-rata (mean)
n = banyaknya data
2. Nilai rata-rata data berkelompok
Untuk data dengan distribusi frekuensi atau data
berkelompok/berkelas, nilai rata-rata dirumuskan
dengan:
n
f .x i i
x= 1=1
n
f
i =1
i
44
Statistika Elementer
f i =n
Contoh 1:
Hasil ujian akhir mata pelajaran matematika dari
sekelompok siswa SMA adalah sebagai berikut: 14 orang
mendapat nilai 6, 8 orang mendapat nilai 7, 12 orang
mendapat nilai 8, dan 6 orang mendapat nilai 9. Hitunglah
nilai rata-ratanya.
Jawab: Misalkan nilai = x
n
f .x i i
(14 6) + (8 7) + (12 8) + (6 9)
x= 1=1
= = 7,25
n
14 + 8 + 12 + 6
f
i =1
i
Contoh 2:
Tentukan rataan umur dari sekelompok warga berikut
45
Statistika Elementer
f .x i i
920
x= 1=1
n
= = 46
f
20
i
i =1
46
Statistika Elementer
f i .ci
x = x0 + p
f i
Perhatikan data umur pada contoh sebelumnya:
47
Statistika Elementer
x gab =
n xi i
dengan 𝑖 = 1,2,3, . . . , 𝑘
n i
Contoh:
Jawab:
48
Statistika Elementer
Jawab:
▪ Jika dihitung dengan rataan biasa:
40 + 50
v= = 45km / jam
2
49
Statistika Elementer
50
Statistika Elementer
𝑥1 𝑥2 𝑥3 𝑥𝑛−1
= = =⋯=
𝑥2 𝑥3 𝑥4 𝑥𝑛
Maka, akan diperoleh rataan geometris 𝑈. Parametr
satistik 𝑈 ini banyak dipakai dalam data teknik atau
pekerjaan engineering.
Contoh:
Tentukan rata-rata geometris dari 8.192, 2, 32, 512, 128,
2048, 8.
Penyelesaian:
(dikerjakan mahasiswa dalam kuliah).
Kunci jawaban=128. Perhatikan pola angka merupakan
kelipatan 4.
Penyelesaian:
(dikerjakan mahasiswa dalam kuliah).
Kunci jawaban= 3.198.
51
Statistika Elementer
3.3. Modus
Modus adalah nilai yang paling sering atau paling banyak
muncul. Modus menggambarkan fenomena yang paling
umum terjadi pada objek pengamatan.
1. Modus Data Tunggal
Modus data tunggal: cukup lihat frekuensi tertinggi.
Data: 8,7,9,8,8,10,8 Modus adalah 8
Data: 8,7,9,8,10 tidak memiliki modus
2. Modus data berkelompok
Rumus untuk menghitung modus data berkelompok
adalah
𝑑1
𝑀0 = 𝐿𝑚 + [ ]𝑝
𝑑1 + 𝑑2
52
Statistika Elementer
Contoh
Distribusi usia 60 nasabah baru “PT Asuransi Ngaok
Terus”sebagai berikut:
Usia Frekuensi
25-29 8
30-34 14
35-39 10
40-44 18
45-49 7
50-54 3
Jumlah 60
8
M o = 39,5 + 5 = 41,61 senilai dengan 41 tahun 7 bulan.
8 + 11
53
Statistika Elementer
3.4. Median
Median adalah nilai tengah atau titik tengah dari
sekumpulan data. Median dapat ditentukan dengan cara
mengurutkan data dari yang nilainya paling rendah ke
nilai yang paling tinggi, kemudian menentukan titik
tengahnya.
1. Median data tunggal
Jika 𝑛 ganjil maka
M e = x n +1
2
54
Statistika Elementer
Contoh:
Usia Frekuensi Fi
25-29 8 8
30-34 14 22
35-39 10 32
40-44 18 50
45-49 7 57
50-54 3 60
Jumlah 60
1
Kelas median: memuat data ke = (60 + 1) = 30,5.
2
Kelas median: 35-39.
𝐿𝑚 = 35 − 0,5 = 34,5
1
(60) − 22
𝑀𝑒 = 34,5 + [2 ] 5 = 38,5
10
Latihan
1. Perhatikan nilai 20 orang siswa berikut: 8, 6, 7, 8, 9, 7, 7,
8, 9, 8, 8, 9, 7, 6, 7, 8, 9, 6, 8, 6.
Sajikan dalam bentuk
a. Tabel distribusi frekuensi
b. Histogram
55
Statistika Elementer
Tentukan:
a. Banyaknya siswa yang mengikuti tes
matematika tersebut.
b. Nilai rata-rata hitung, rata-rata ukur, rataan
harmonis dan rataan kuadratis
c. Median
d. Modus
4. Rata-rata nilai 15 orang siswa adalah 7. Rata-rata
nilai 8 siswa pertama adalah 6,5. Sedangkan rata-
rata nilai 6 siswa berikutnya 7,5. Tentukan nilai
siswa yang ke 15.
5. Sebanyak 50 peserta tes diberikan 100 nomor soal
pilihan ganda. Nilai perolehan peserta sebagai
berikut:
56
Statistika Elementer
80, 66, 68, 97, 71, 85, 68, 87, 98, 85, 70, 65, 80, 75, 67,
85, 96, 93, 78, 90, 68, 67, 85, 80, 73, 85, 98, 87, 75, 98,
67, 69, 75, 75, 94, 78, 67, 97, 75, 68, 80, 73, 71, 75, 80,
78, 83, 75, 68, 82.
(a) Buatlah tabel distribusi frekuensi bergolong,
(b) Tentukan rataan hitung, rataan gabungan,
rataan harmonis, dan rataan kuadratis
(c) Modus
(d) Median
(e) Sajikan histogram dan ogive
57
Statistika Elementer
BAB IV
UKURAN KERAGAMAN,
KEMIRINGAN DAN
KERUNCINGAN DATA
4.1. Pengertian
Sekumpulan data hasil observasi atau pendataan
umumnya tersebar secara acak. Nilainya bervariasi,
walaupun ada kecenderungan mengumpul pada nilai
tertentu. Fenomena nilai yang ‘beragam’ tentunya tidak
dapat diambil semua nilai tersebut untuk menjadi
kesimpulan sementara tentang gambaran umum keadaan
objek yang didata.
Dalam kenyataan hidup, sering dikatakan, misalnya:
‘umumnya orang Eropa berkulit putih’; rata-rata tinggi badan
sekelompok pemuda adalah 168 cm; atau nilai rata-rata
sekelompok siswa SMU 7,5, dan sebagainya. Ungkapan
seperti itu merupakan suatu kesimpulan umum, atau
gambaran umum yang mewakili sekelompok data.
Namun, dari contoh ini, harus disadari bahwa dalam
populasi atau dalam kumpulan data yang sangat banyak,
kenyataan bahwa:
58
Statistika Elementer
59
Statistika Elementer
1. Range
2. Rentang antar Kuartil (RAK)
3. Rata-rata simpangan
4. Varians
Masing-masing dibahas dalam bagian-bagian
berikut.
R = xmax − xmin
Dimana : xmax = data terbesar, xmin = data terkecil
Contoh:
Nilai hasil ulangan 8 siswa adalah sebagai berikut: 8, 6,
7, 9, 7, 8, 7, 9. Tentukan rangenya.
Jawab:
Data diurutkan : 6, 7, 7, 7, 8, 8, 9, 9.
R=9–6=3
Jadi, rentangan data / range adalah 3.
60
Statistika Elementer
Xmin Q1 Q2 Q3 Xmax
½n ½n
1/4 n 1/4 n 1/4 n 1/4 n
RAK = Q3 − Q1
RAK = Rentang antar Kuartil
Q3 = Kuartil ke tiga
Q1 = kuartil pertama
61
Statistika Elementer
Contoh:
frek Berdasarkan tabel di samping,
interval 𝑥𝑖 𝑓𝑖 . 𝑥𝑖
(𝑓𝑖 ) diperoleh nilai kuartil:
35-39 2 37 74 Q1 = 42 Q3 = 49,5
40-44 6 42 252 1
45-49 7 47 329 JSAK = (Q3 − Q1 )
2
50-54 4 52 208 1
= (49,5 − 42)
55-59 1 57 57 2
20 - 920 = 3,75
62
Statistika Elementer
63
Statistika Elementer
Jawab:
(dikerjakan bersama mahasiswa dalam kuliah) Kunci
jawaban: 𝑥̅ = 80; 𝑅𝑆 = 4,8; prediksi minimal = 75,8; prediksi
maksimal = 84,8
∑|𝑥𝑖 − 𝑥̅ |
𝑖=1
64
Statistika Elementer
2
=
(X i − )
2
N
dan simpangan baku (varians standar) populasi adalah
(X − )
2
=
i
N
Sedangkan jika kita hanya mengambil sebagian
anggota populasi sebagai sampel penelitian, maka
perhitungan varians adalah:
(x )
2
−x
=
2 i
s
n −1
dan adalah simpangan baku
(x ) 2
−x
s=
i
n −1
Dalam hal ini
:simpangan baku populasi 𝑁 :Banyak anggota populasi
s :simpangan baku data sampel 𝑛 :Banyak anggota sampel
Catatan:
Pada sampel, penyebutnya adalah 𝑛 − 1 (dalam penelitian
bertindak sebagai derajat kebebasan sampel). Alasannya
adalah:
65
Statistika Elementer
f (x )
2
−x
s=
i i
n −1
dalam hal ini, xi adalah titik tengah kelas, dan f i
adalah frekuensi tiap kelas. Rumus di atas dapat juga
ditulis sebagai berikut:
n f i .xi − ( f i .xi ) 2
2
s=
n(n − 1)
66
Statistika Elementer
Contoh :
1. Hasil ulangan statistik 20 orang mahasiswa adalah
sebagai berikut: 4 orang mendapat nilai 6; 8 orang
mendapat nilai 7; 5 orang mendapat nilai 8; sisanya
mendapat nilai 9.
Tentukan
a. Rentang nilai
b. Rentaang antar kuartil dan JSAK
c. Simpangan Baku
Penyelesaian:
Terlebih dahulu dibuat tabel bantuan sesuai variabel
yang tertera pada rumus.
67
Statistika Elementer
Penyelesaian:
68
Statistika Elementer
69
Statistika Elementer
70
Statistika Elementer
Me
Mo
Namun, pada distribusi yang juling/miring atau
menceng, tempat kedudukan ketiga tendensi sentralnya
terpisah satu sama lain. Bilamana distribusi
miring/menceng positif, mean-nya terletak di sebelah
kanan, sedang modenya di sebelah kiri. Selanjutnya,
median dari distribusi itu terletak diantara mean dan mode.
Sebaliknya pada distribusi miring/menceng negatif, letak
ketiga tendensi sentralnya secara berturut-turut dari kiri ke
kanan adalah mean, median, dan mode. Kurva menceng
positif condong ke kiri, kurva menceng negatif condong ke
kanan, seperti kedua gambar berikut.
f f
Me Mo
Mo Me
Kurva bentuk juling/menceng secara positif Kurva bentuk
miring/menceng secara negatif
71
Statistika Elementer
𝑄 = 𝑘𝑢𝑎𝑟𝑡𝑖𝑙
4. Koefisien Kemiringan dengan Persentil
𝑃90 − 2𝑃50 + 𝑃10
𝐾𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝐾𝑒𝑚𝑖𝑟𝑖𝑛𝑔𝑎𝑛 =
𝑃90 − 𝑃10
𝑃90 =persentil ke−90,
𝑃50 = persentil ke−50 𝑃10 =persentil ke−10
72
Statistika Elementer
f .x i i
d
x= 1=1
= 46 M o = L + 1 i = 45,75
d1 + d 2
n
f
i =1
i
n f i .xi − ( f i .xi ) 2
2
s= = 5,3
n(n − 1)
73
Statistika Elementer
Maka
Mean − Modus
Kemiringan = =0,04734
Simpangan Baku
Nilai kemiringan ini agak kecil, jadi bisa saja, data
hampir berdistribusi simetrik. Walaupun begitu, model
tetap menceng positif (condong ke kiri).
74
Statistika Elementer
1
(𝑄3 −𝑄1 )
𝐾=2
𝑃90 −𝑃10
Dengan
𝑄1 = kuartil pertama
𝑄3 = kuartil ke tiga
𝑃90 =persentil ke−90, 𝑃10 =persentil ke−10
Kriteria model distribusi
(1) Distribusi platikurtik jika koefisien kurtosis 𝐾 < 0,263
(2) Distribusi mesokurtik (≈ 𝑛𝑜𝑟𝑚𝑎𝑙) jika koefisien kurtosis
𝐾 = 0,263
(3) Distribusi leptokurtik jika koefisien kurtosis 𝐾 > 0,263
75
Statistika Elementer
BAB V
DISTRIBUSI SAMPLING YANG
ISTIMEWA
5.1. Pengertian
Data dan distribusi data adalah dua hal berbeda tetapi
saling berkaitan sangat erat. Suatu nilai mentah data 𝑥
mempunyai frekuensi 𝑓(𝑥). Makin besar freluensi 𝑓(𝑥),
maka peluang terjadinya suatu data 𝑥 makin besar. Jika kita
mengumpulkan data, misalnya data nilai hasil ujian siswa
semua rombongan belajar, maka akan membentuk pola
distribusi data.
Pada awalnya, mudah kita amati lewat diagram data.
Tetapi secara teoretis, ada hal yang lVebih umum di mana
kita bisa menduga peluang suatu kejadian dengan melihat
sebaran data yang ada. Utuk kemudahan dalam penelitian,
telah dibuat fungsi distribusi data. Di antaranya, yang
paling sering dipakai adalah distribusi normal (distribusi
Gauss), distribusi t (student), dan distribusi F.
76
Statistika Elementer
Definisi:
Variabel acak kontinu 𝑋 dikatakan berdistribusi normal jika
mempunyai persamaan fungsi kepadatan peluang pada X=x:
−1( )
x− 2
1
f ( x) = e 2
2
Dengan:
= nilai konstan = 3,1416
e = bilangan konstanta = 2, 7183 − x
= parameter ( rata − rata untuk distribusi ).
= parameter ( simpangan untuk distribusi ).
77
Statistika Elementer
− 12 ( )
x− 2
1
2 e
−
dx = 1
dan berlaku:
−1( )
b x− 2
1
P ( a x b) = e 2 dx
a 2
78
Statistika Elementer
-3 -2 -1 0 1 2 3
79
Statistika Elementer
Contoh:
Anggap produksi harian susu sapi jenis tertentu
berdistribusi normal, dengan rata-rata produksi 70 liter per
hari, dan standar deviasi 13 liter. Tentukan:
a. Peluang produksi susu dari seekor sapi yang dipilih
secara acak adalah kurang dari 60 liter?
b. Peluang produksi susu dari seekor sapi yang dipilih
secara acak adalah lebih dari 90 liter?
c. Peluang produksi susu dari seekor sapi yang dipilih
secara acak adalah antara 60 liter dan 90 liter?
Penyelesaian:
Perhatikan grafik
80
Statistika Elementer
1 +
n −1
81
Statistika Elementer
82
Statistika Elementer
83
Statistika Elementer
84
Statistika Elementer
2
𝑠12 𝑠22
(𝑛 + 𝑛 )
1 2
𝑣= 2 2 2 2
−2
𝑠 𝑠
( 1) ( 2)
𝑛1 𝑛2
+
𝑛1 +1 𝑛2 +1
85
Statistika Elementer
Contoh:
(dijadikan latihan, target skripsi)
Data berikut adalah hasil pretest dan posttest suatu
tindakan pembelajaran pada siswa kelas X SMUN 1 Wela
Benge.
Sisw Pre Post Sisw Pre Post Sisw Pre Post
a Test Test a Test Test a Test Test
1 70 75 11 40 70 21 45 70
2 65 70 12 45 65 22 65 80
3 50 70 13 45 70 23 70 70
4 70 70 14 65 80 24 60 65
5 45 65 15 70 70 25 45 70
6 45 70 16 60 65 26 70 70
7 65 80 17 45 70 27 45 65
8 65 75 18 65 80 28 45 70
9 60 80 19 65 75 29 30 65
10 55 80 20 60 80 30 65 80
5.4. Distribusi F
Distribusi F (𝐹 = 𝐹𝑖𝑠ℎ𝑒𝑟) memiliki fungsi kepadatan
peluang:
1
F 2 ( v1 − v 2)
f (F ) = k 1 ( v +v )
vF
2 1 2
1 + 1
v2
dengan variabel acak F > 0. Daerah definisinya adalah
(0, ∞), K adalah bilangan tetap yang harganya tergantung
86
Statistika Elementer
Simbol
Jawab:
1 1
𝐹0,95;(20,12) = =
𝐹0,05;(12,20) 2,28
87
Statistika Elementer
Penggunaan distribusi F
Distribusi F biasa dipakai untuk uji homogenitas varians
dua kelompok sampel yang berdistribusi normal. Dalam
hal ini, diasumsikan bahwa 𝜎12 = 𝜎22 . Bentuk hipotesis yang
diuji adalah
𝐻0 : 𝜎12 = 𝜎22 (𝑑𝑎𝑡𝑎 𝑘𝑒𝑑𝑢𝑎 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 ℎ𝑜𝑚𝑜𝑔𝑒𝑛)
𝐻0 : 𝜎12 ≠ 𝜎22 (𝑑𝑎𝑡𝑎 𝑘𝑒𝑑𝑢𝑎 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 ℎ𝑜𝑚𝑜𝑔𝑒𝑛)
(Uji dua arah). Pengujian kesamaan varians ini dapat
dilakukan dengan bantuan distribusi F (distribusi Fisher),
dengan rumusan:
𝑠12
𝐹=
𝑠22
2 2
Andaikan 𝐻0 : 𝜎1 = 𝜎2 memang benar, maka nilai 𝐹
seharusnya mendekati 1. Nilai 𝐹 akan menjauh dan lebih
besar dari 1 jika 𝜎12 > 𝜎22 dan akan mendekati nol jika 𝜎12 <
𝜎22
Dengan: derajat kebebasan pembilang sebesar 𝑣1 = 𝑛1 − 1
dan derajat kebebasan penyebut 𝑣2 = 𝑛2 − 1.
Daerah kritis (Dajan,1996:294):
1
• Daerah kritis bawah: 𝐹 < 𝐹1−𝛼(𝑣1,𝑣2) atau 𝐹 < 𝐹
2 𝛼
(𝑣 ,𝑣
2 2 1)
• Daerah kritis atas: 𝐹 > 𝐹𝛼(𝑣1,𝑣2)
2
Contoh:
Sampel random 25 siswa dan 15 siswi mengikuti tes. Rata-
rata nilai siswa adalah 82 dengan deviasi standar 8. Rata-
rata nilai siswi adalah 78 dengan deviasi standar 7.
Gunakan 𝛼 = 0,02, tentukan apakah varians nilai kedua
kelmpok ini relatif homogen?
88
Statistika Elementer
Jawab:
𝑠12 = 64; 𝑠22 = 49; 𝑛1 = 25; 𝑛2 = 15
Hipotesis:
𝐻0 : 𝜎12 = 𝜎22
𝐻1 : 𝜎12 ≠ 𝜎22
𝛼 = 0,02
𝑠12 64
𝐹= = = 1,306
𝑠22 49
Latihan
Nilai mata pelajaran matematika kelas A dan B adalah
sebagai berikut:
A 70 60 90 90 65 80 70 85 85
B 90 80 50 80 75 70 70 65 95
Pada 𝛼 = 5%, ujilah apakah varians kedua kelas relatif
homogen atau tidak.
Petunjuk: hitung varians terlebih dahulu.
89
Statistika Elementer
Latihan
90
Statistika Elementer
BAB VI
KORELASI
6.1. Pengertian
Korelasi adalah istilah statistik yang menyatakan
derajat hubungan linier antara dua variabel atau lebih,
yang ditemukan oleh Karl Pearson pada wal 1900, oleh
sebab itu terkenal dengan sebutan korelasi Pearson Product
Moment (PPM). Korelasi menjadi salah satu teknik analisis
statistik yang banyak digunakan oleh peneliti.
Korelasi antara dua variabel 𝑥 dan 𝑦 dirumuskan
sebagai:
𝑐𝑜𝑣(𝑋, 𝑌) 𝐸((𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 ))
𝜌𝑋𝑌 = =
𝜎𝑋 . 𝜎𝑌 𝜎𝑋 . 𝜎𝑌
2
Catatan: 𝜇𝑋 = 𝐸(𝑋), 𝜎𝑋 2 = 𝐸(𝑋 2 ) − (𝐸(𝑋)) dan
demikian pula untuk 𝑌, maka dapat ditulis
𝐸(𝑋𝑌) − 𝐸(𝑋). 𝐸(𝑌)
𝜌𝑋𝑌 =
2 2
√𝐸(𝑋 2 ) − (𝐸(𝑋)) √𝐸(𝑌 2 ) − (𝐸(𝑌))
91
Statistika Elementer
92
Statistika Elementer
Contoh:
Data berikut merupakan data data hasil padi (dalam ton)
dan data luas arealnya (dalam hektare). Selidiki apakah ada
hubungan yang signifikan antara luas areal dengan hasil
padi yang diperoleh petani.
93
Statistika Elementer
94
Statistika Elementer
r1
X1
r3 R Y
X2 r2
Bagan 1.
Korelasi ganda dua variabel independen
r1
X
1
r6
r3 X2 R
r4 Y
r5
r2
X3
Bagan 2.
Korelasi ganda tiga variabel independen dengan satu
95
Statistika Elementer
Dimana:
R y. x1x2 = Korelasi antara variabel 𝑋1 dengan 𝑋2 secara
bersama-sama dengan variabel Y
ryx1 = Korelasi product Moment antara 𝑋1 dengan Y
ryx 2 = Korelasi product Moment antara 𝑋2 dengan Y
rx1x2 = Korelasi product Moment antara 𝑋1 dengan 𝑋2
96
Statistika Elementer
(n−k −1)
di mana:
R = koefisien korelasi ganda k = jumlah variabel independent
n = jumlah anggota sampel.
97
Statistika Elementer
Latihan:
Perhatikan data:
Hasil Tentukan korelasi antara:
Numerik Motivasi
Belajar 1. Kemampuan numerik
70 80 60 dengan motivasi belajar
60 75 60 2. Kemampuan numerik
90 90 80 dengan hasil belajar
70 80 75 3. Motivasi belajar dengan
80 90 90 hasil belajar
90 95 95 4. Kemampuan numerik
85 95 95 dan motivasi vbelajar
75 85 80 terhadap hasil belajar
80 90 80
50 70 50
98
Statistika Elementer
6 d 2
rs = 1 −
n(n 2 − 1)
dengan d = selisih skor rank.
Misalkan kita mengukur korelasi antara variabel x dan
y. Jika jumlah sampel = n, nilai
d = xi – yi; i = 1, 2, 3,..., n
Rumus di atas dapat ditulis dalam bentuk lain:
6 ( xi − yi ) 2
rs = 1 −
n(n 2 − 1)
Terlebih dahulu kita membuat hipotesis
99
Statistika Elementer
Contoh:
Diadakan suatu penelitian atas dugaan bahwa motivasi
kerja mempunyai hubungan erat dengan produktivitas.
Data (skala ordinal) disajikan pada tabel berikut:
Motivasi Produktifitas 𝑑 𝑑2
1 1 0 0
2 2 0 0
3 3 0 0
4 4 0 0
Jumlah - 0
6 ∑(𝑥𝑖 − 𝑦𝑖 )2 6×0
𝑟𝑆 = 1 − 2
=1− =1
𝑛(𝑛 − 1) 4 × 15
Koefisien korelasi Spearman kedua hal tersebut adalah 1.
Pada 𝛼 = 5% 𝑟𝑡𝑎𝑏𝑒𝑙 =1,000.
Jadi hipotesis bahwa motivasi kerja mempengaruhi
produktifitas diterima. Atau terdapat hubungan yang erat
antara motifasi kerja terhadap produktifitas kerja seseorang
karyawan. Perhatikan bahwa data di atas berskala ordinal
(skala peringkat).
Kadangkala, dua kelompok data memiliki skala
berbeda, misalnya skala ordinal dan interval atau skala
ordinal dan rasio. Untuk kondisi data seperti itu, koefisien
korelasi tidak dapat dihitung dengan rumus Product
Moment, tetapi dengan korelasi Spearman, dengan suatu
ketentuan bahwa data yang berskala non-ordinal dibuat
menjadi data ordinal (rank).
100
Statistika Elementer
Contoh:
Dua orang master chef hendak menilai 10 jenis makanan.
Diperoleh data hasil penilaian kedua Master Chef sbb:
Makanan MC1 MC2
1 9 8
2 6 7
3 5 6
4 7 8
5 4 5
6 3 4
7 2 2
8 8 9
9 7 8
10 6 6
Tentukan, apakah terdapat kesesuaian penialaian antara
kedua MC tersebut? Penyelesaian:
𝐻0 : Tidak ada kesesuaian antara penilaian MC1 dengan
MC2.
𝐻1 : Ada kesesuaian antara penilaian MC1 dengan MC2
(ditunjukkan dengan hubungan positif dan
signifikan).
Data nilai di atas berskala ratio, maka harus diordinalkan.
Perhatikan tabel berikut:
Jenis MC1 MC2 Ranking Rangking
𝒅 𝒅𝟐
Makanan (xi) (yi) (xi) (yi)
1 9 8 1 3 -2 4
2 6 7 5,5 5 -0.5 0,25
3 5 6 7 6,5 0,5 0,25
101
Statistika Elementer
67
rs = 1 − = 0,96
10(100 − 1)
rtabel untuk n=10, taraf signifikan 5% adalah 0,648 dan untuk
1% adalah 0,794. Ini berarti Ho ditolak (H1 diterima:
terdapat kesesuaian yang signifikan antara penilaian MC1
dengan MC2).
102
Statistika Elementer
Contoh:
Seorang guru hendak menguji tingkat validitas
sebutir soal (nomor 1) terhadap keseluruhan soal pilihan
ganda yang ada. Hasil tes ditunjukkan tabel berikut:
No Nomor Butir Tes Skor X
Siswa 1 2 3 4 5 6 7 8 9 10
1 1 0 1 0 0 1 0 0 1 1 5
2 0 1 1 0 0 1 0 1 1 1 6
3 1 0 0 1 0 1 1 1 1 0 6
4 0 1 1 0 1 0 1 1 1 1 7
103
Statistika Elementer
104
Statistika Elementer
_ _
x −x p 6,2 − 5,9
rbis = 1 t = 0,5
0,5 = 0,25
SDt q 1,197
Nilai rhitung di atas dibandingkan dengan rtabel (dk = n-2=10-2
= 8). Nilai rtabel untuk tingkat kesalahan 5% adalah 0,632.
Kriterianya jika rhitung lebih besar daripada rtabel maka
korelasi signifikan. Ternyata dalam kasus ini, rhitung lebih
rendah dari rtabel. Dengan demikian, Jadi, tidak ada korelasi
signifikan antara soal nomor 1 dengan hasil keseluruhan
105
Statistika Elementer
106
Statistika Elementer
Latihan
1. Perhatikan data berikut:
Mhsw ke Jlh SKS IP
1 20 2,7
2 18 3,0
3 22 3,8
4 12 1,8
5 15 1,2
6 18 2,4
7 22 3,2
8 14 2,1
9 20 3,0
10 20 2,9
Tentukan, apakah ada hubungan antara jumlah kredit
yang diambil dengan indeks prestasi hasil belajar
mahasiswa.
2. Seorang peneliti mengkaji tentang hubungan antara
prestasi harian siswa pada mata pelajaran Matematika
(x1) dan IPA (x2) terhadap nilai hasil Ujian nasional (Y).
Ia mengambil 10 siswa sebagai sampel. Diperoleh data
sebagai berikut:
107
Statistika Elementer
No Nama Siswa X1 X2 Y
1 Agus Ca 70 75 65
2 Bene Sua 80 85 75
3 Carles Telu 70 80 75
4 Didimus Pat 65 75 70
5 Egidiud Lima 90 95 85
6 Frans Enem 80 90 85
7 Gaba Pitu 60 75 55
8 Hendrik Alo 90 90 80
9 Ignas Ciok 80 90 75
10 Johanes Cepulu 70 85 65
108
Statistika Elementer
BAB VII
ANALISIS REGRESI
7.1. Pengantar
Dalam statistika, analisis korelasi dan analisis regresi
memiliki peran yang hampir sama. Pada analisis korelasi,
koefisien korelasi r hanya menjelaskan arah dan kuatnya
hubungan antara variabel-variabel yang diteliti.
Sementara, analisis regresi digunakan untuk menduga
nilai variabel terikat yang bersesuaian dengan nilai variabel
bebas. Kuat atau lemahnya hubungan antar variabel pada
analisis korelasi akan sama dengan kuat atau lemahnya
prediksi nilai pada analisis regresi. Artinya, jika koefisien
korelasi 𝑟 tinggi (sempurna positif atau sempurna negatif)
maka ketepatan prediksi nilai antar variabel pada analisis
regresi juga akan tinggi. Jika koefisien korelasi 𝑟 bernilai (+)
maka koefisien regresi juga bernilai (+). Begitu juga
sebaliknya. Jadi, antara korelasi dan regresi memiliki
hubungan yang fungsional sebagai alat analisis statistik.
Analisis regresi digunakan untuk meneliti apakah
naiknya nilai variabel dependen dapat dilakukan dengan
cara menaikkan atau menurunkan nilai variabel
independen. Dengan analisis regresi, keputusan dapat
diambil. Misalnya, untuk meningkatkan jumlah barang
yang dikonsumsi masyarakat, dapat dilakukan dengan
meningkatkan jumlah iklan atau tidak.
109
Statistika Elementer
110
Statistika Elementer
( Yi )( X i2 ) − ( X i )( X i Yi )
a=
n X i2 − ( X i ) 2
111
Statistika Elementer
dan
n X iYi − ( X i )( Yi )
b=
n X i2 − ( X i ) 2
a = Y − bX
Contoh :
Dibuat penelitian tentang tingkat inteligensia (X) dan
prestasi hasil belajar (Y). Data mentah sebagai berikut:
X 90 100 100 95 105 110 105 105 115 120
Y 70 75 80 80 85 85 85 90 95 100
112
Statistika Elementer
Y
120
100
80
60
40
20
0
0 20 40 60 80 100 120 140
113
Statistika Elementer
No X Y XY X2 Y2
Y = + X
Adalah
Y = a + bX
atau
Y = −12,77 + 0,93 X
114
Statistika Elementer
Y
110
100
90
80
70
60
50
40
30
20
60 70 80 90 100 110 120
115
Statistika Elementer
116
Statistika Elementer
2
=
JKG
x=
(
x −x
i
)2 dan y
2
=
JKG
=
(
y yi − y )2
x
n −1 n −1 n −1 n −1
Terdapat sebutan SS = sum of squares (Jumlah
kuadrat) = jumlah kuadrat simpangan masing-masing
117
Statistika Elementer
2 1 Y .X
2 2
2 X
= Y .X + 2
dan =
a n ( X − X )2 b
(Xi − X )
2
i
Contoh:
Hitunglah simpangan baku untuk masing-
masing variabel inteligensia (X) dan hasil belajar (Y)
serta simpangan baku koefisien taksiran a dan b dari
data contoh sebelumnya, ( a= - 12,77 dan b =0,93 ).
Jawab:
X Y X −X ( X − X )2 Y −Y (Y − Y ) 2
120 100 15,5 240,25 15,5 240,25
115 95 10,5 110,25 10,5 110,25
118
Statistika Elementer
X Y X −X ( X − X )2 Y −Y (Y − Y ) 2
110 85 5,5 30,25 0,5 0,25
105 90 0,5 0,25 5,5 30,25
105 85 0,5 0,25 0,5 0,25
105 85 0,5 0,25 0,5 0,25
100 80 -4,5 20,25 -4,5 20,25
100 75 -4,5 20,25 -9,5 90,25
95 80 -9,5 90,25 -4,5 20,25
90 70 -14,5 210,25 -14,5 210,25
1045 845 0 722,5 0 722,5
Perhatikan bahwa nilai rataan masing – masing
variabel adalah X = 104,5 dan Y = 84,5. Berdasarkan
tabel diperoleh galat/varians maing-masing variabel
sebagai berikut:
2 SS
Sx = x = 722 ,5 = 80 ,27778 = 80 ,28
n − 1 10 − 1
2 SS
y 722 ,5
Sy = = = 80 ,27778 = 80 ,28
n − 1 10 − 1
10 722,5
12,2015565
b = = 0,016888 = 0,02
2
722,5
119
Statistika Elementer
Yˆ = a + bX
Faktor-faktor yang berpengaruh adalah koefisien a dan
b. Maka menguji tingkat signifikansi persamaan regresi
cukup dilakukan dengan menguji tingkat kepercayaan
koefisien a dan b.
Uji Hipotesis untuk intersep (a)
Misalkan menguji apakah a bernilai tertentu, misalnya
a = k, gunakan statistik uji t dengan hipotesis
H0: a = k H1: a # k
Staistik uji t-student dapat dirumuskan sebagai berikut
a−k a−k
thitung = = ⎯
⎯→ berdistribusi t, derajat kebebasan (n − 2)
1 X
2
a
KTG +
n (X i − X )
Jika t hitung t ;n−2 (peluang nyata lebih kecil dari taraf nyata
2
120
Statistika Elementer
1 2
lB = a − t ;n−2 a
a = KTG +
X
2 n (X i − X )
2
uB = a + t ;n−2 a
2
121
Statistika Elementer
122
Statistika Elementer
No X Y XY X2 Y2
1 90 70 6300 8100 4900
2 100 75 7500 10000 5625
3 100 80 8000 10000 6400
4 95 80 7600 9025 6400
5 105 85 8925 11025 7225
6 110 85 9350 12100 7225
7 105 85 8925 11025 7225
8 105 90 9450 11025 8100
9 115 95 10925 13225 9025
10 120 100 12000 14400 10000
1045 845 88975 109925 72125
123
Statistika Elementer
(i) H0: = 0 H 1: # 0
(ii) Galat koefisien b
2 (10 88.975 − 1.045 845 )
2
10 72.125 − (845) −
10 109 .925 − (1.045 )2
2 =
(
(10 − 2 ) 10 109 .925 − (1.045)2)
= 0,0167023862 3 ⎯⎯→ = 0,13
124
Statistika Elementer
JKG
2 2 2 KTG =
Galat n-2 JKG = (n − 1)( S − b S ) n−2
y x
2
Total n-1 JKR = (n − 1) S
y
125
Statistika Elementer
Latihan
126
Statistika Elementer
DAFTAR PUSTAKA
127
Statistika Elementer
128
Tabel nilai distribusi normal standar
(dibuat dengan MS excel oleh Sebastianus Fedi)
z
1 u2
2
F z e du
2
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,5398 0,5359 0,5319 0,5279 0,5239 0,5199 0,5160 0,5120 0,5080 0,5040
0,2 0,5793 0,5753 0,5714 0,5675 0,5636 0,5596 0,5557 0,5517 0,5478 0,5438
0,3 0,6179 0,6141 0,6103 0,6064 0,6026 0,5987 0,5948 0,5910 0,5871 0,5832
0,4 0,6554 0,6517 0,6480 0,6443 0,6406 0,6368 0,6331 0,6293 0,6255 0,6217
0,5 0,6915 0,6879 0,6844 0,6808 0,6772 0,6736 0,6700 0,6664 0,6628 0,6591
0,6 0,7257 0,7224 0,7190 0,7157 0,7123 0,7088 0,7054 0,7019 0,6985 0,6950
0,7 0,7580 0,7549 0,7517 0,7486 0,7454 0,7422 0,7389 0,7357 0,7324 0,7291
0,8 0,7881 0,7852 0,7823 0,7794 0,7764 0,7734 0,7704 0,7673 0,7642 0,7611
0,9 0,8159 0,8133 0,8106 0,8078 0,8051 0,8023 0,7995 0,7967 0,7939 0,7910
1,0 0,8413 0,8389 0,8365 0,8340 0,8315 0,8289 0,8264 0,8238 0,8212 0,8186
1,1 0,8643 0,8621 0,8599 0,8577 0,8554 0,8531 0,8508 0,8485 0,8461 0,8438
1,2 0,8849 0,8830 0,8810 0,8790 0,8770 0,8749 0,8729 0,8708 0,8686 0,8665
1,3 0,9032 0,9015 0,8997 0,8980 0,8962 0,8944 0,8925 0,8907 0,8888 0,8869
1,4 0,9192 0,9177 0,9162 0,9147 0,9131 0,9115 0,9099 0,9082 0,9066 0,9049
1,5 0,9332 0,9319 0,9306 0,9292 0,9279 0,9265 0,9251 0,9236 0,9222 0,9207
1,6 0,9452 0,9441 0,9429 0,9418 0,9406 0,9394 0,9382 0,9370 0,9357 0,9345
1,7 0,9554 0,9545 0,9535 0,9525 0,9515 0,9505 0,9495 0,9484 0,9474 0,9463
1,8 0,9641 0,9633 0,9625 0,9616 0,9608 0,9599 0,9591 0,9582 0,9573 0,9564
1,9 0,9713 0,9706 0,9699 0,9693 0,9686 0,9678 0,9671 0,9664 0,9656 0,9649
2,0 0,9772 0,9767 0,9761 0,9756 0,9750 0,9744 0,9738 0,9732 0,9726 0,9719
2,1 0,9821 0,9817 0,9812 0,9808 0,9803 0,9798 0,9793 0,9788 0,9783 0,9778
2,2 0,9861 0,9857 0,9854 0,9850 0,9846 0,9842 0,9838 0,9834 0,9830 0,9826
2,3 0,9893 0,9890 0,9887 0,9884 0,9881 0,9878 0,9875 0,9871 0,9868 0,9864
2,4 0,9918 0,9916 0,9913 0,9911 0,9909 0,9906 0,9904 0,9901 0,9898 0,9896
2,5 0,9938 0,9936 0,9934 0,9932 0,9931 0,9929 0,9927 0,9925 0,9922 0,9920
2,6 0,9953 0,9952 0,9951 0,9949 0,9948 0,9946 0,9945 0,9943 0,9941 0,9940
2,7 0,9965 0,9964 0,9963 0,9962 0,9961 0,9960 0,9959 0,9957 0,9956 0,9955
2,8 0,9974 0,9974 0,9973 0,9972 0,9971 0,9970 0,9969 0,9968 0,9967 0,9966
2,9 0,9981 0,9981 0,9980 0,9979 0,9979 0,9978 0,9977 0,9977 0,9976 0,9975
3,0 0,9987 0,9986 0,9986 0,9985 0,9985 0,9984 0,9984 0,9983 0,9982 0,9982
3,1 0,9990 0,9990 0,9990 0,9989 0,9989 0,9989 0,9988 0,9988 0,9987 0,9987
3,2 0,9993 0,9993 0,9993 0,9992 0,9992 0,9992 0,9992 0,9991 0,9991 0,9991
3,3 0,9995 0,9995 0,9995 0,9995 0,9994 0,9994 0,9994 0,9994 0,9994 0,9993
3,4 0,9997 0,9997 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9995 0,9995
3,5 0,9998 0,9998 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997
3,6 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9998
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
Table Distribusi t (dibuat dengan excel)
1 2 3 4 5 6 7 8 9 10 15 20 25 30
1 647,79 799,50 864,16 899,58 921,85 937,11 948,22 956,66 963,28 968,63 984,87 993,10 998,08 1.001,41
2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,43 39,45 39,46 39,46
3 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42 14,25 14,17 14,12 14,08
4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,66 8,56 8,50 8,46
5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,43 6,33 6,27 6,23
6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,27 5,17 5,11 5,07
v2=derajat kebebasan penyebut
7 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,57 4,47 4,40 4,36
8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,10 4,00 3,94 3,89
9 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,77 3,67 3,60 3,56
10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,52 3,42 3,35 3,31
15 6,20 4,77 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,86 2,76 2,69 2,64
20 5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,57 2,46 2,40 2,35
25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,41 2,30 2,23 2,18
30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,31 2,20 2,12 2,07
35 5,48 4,11 3,52 3,18 2,96 2,80 2,68 2,58 2,50 2,44 2,23 2,12 2,05 2,00
40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,18 2,07 1,99 1,94
45 5,38 4,01 3,42 3,09 2,86 2,70 2,58 2,49 2,41 2,35 2,14 2,03 1,95 1,90
50 5,34 3,97 3,39 3,05 2,83 2,67 2,55 2,46 2,38 2,32 2,11 1,99 1,92 1,87
55 5,31 3,95 3,36 3,03 2,81 2,65 2,53 2,43 2,36 2,29 2,08 1,97 1,89 1,84
60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,06 1,94 1,87 1,82
Tabel F (dibuat dengan excel) lanjutan…
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,51 3,44 3,40 3,38
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,22 3,15 3,11 3,08
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,01 2,94 2,89 2,86
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,85 2,77 2,73 2,70
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,40 2,33 2,28 2,25
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,20 2,12 2,07 2,04
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,09 2,01 1,96 1,92
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,01 1,93 1,88 1,84
35 4,12 3,27 2,87 2,64 2,49 2,37 2,29 2,22 2,16 2,11 1,96 1,88 1,82 1,79
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 1,92 1,84 1,78 1,74
45 4,06 3,20 2,81 2,58 2,42 2,31 2,22 2,15 2,10 2,05 1,89 1,81 1,75 1,71
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,87 1,78 1,73 1,69
55 4,02 3,16 2,77 2,54 2,38 2,27 2,18 2,11 2,06 2,01 1,85 1,76 1,71 1,67
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,84 1,75 1,69 1,65
TENTANG PENULIS
129
Alberta Parinters Makur, S.Si,
M.Pd. Lahir di Ende, 9 Mei 1988,
merupakan anak ke dua dari
pasangan Markus Makur dan
Salima Katarina. Penulis
menghabiskan masa kecil yang
seru bersama kakak Krispianus
Mulia Parinters Makur, dua orang
adik Kristo Parinters Makur dan
Kristana Parinters Makur.
Saat ini, penulis bekerja sebagai staf pengajar di Program
Studi Pendidikan Matematika STKIP Santu Paulus Ruteng.
Penulis menjalani masa studi dari sekolah dasar sampai
sekolah menengah atas di kota Ruteng (Flores-NTT).
Penulis menempuh pendidikan dasar di SDK St.Theresia
Ruteng V, lulus tahun 2000 dan dilanjutkan ke SMP Negeri
1 Ruteng, lulus tahun 2003. Kemudian penulis melanjutkan
pendidikan ke tingkat menengah atas di SMA Negeri 1
Ruteng dan selesai pada tahun 2006. Selanjutnya, penulis
memutuskan untuk memperdalam Matematika di
Universitas Indonesia sejak Agustus 2006 dan meraih gelar
sarjana pada Desember 2009. Penulis melanjutkan
pendidikan di Sekolah Pascasarjana UNJ pada tahun 2012
dan dan memperoleh gelar Magister Pendidikan (M.Pd) di
Universitas Negeri Jakarta pada Agustus 2014.
Karir di bidang pekerjaan, penulis mulai dari Januari 2010
dengan bekerja sebagai Analis Data di SPSS Indonesia.
Karena kecintaan penulis pada dunia pendidikan, pada
Oktober 2010 penulis bergabung menjadi staf pengajar
Matematika di STKIP Surya. Pada tahun 2014, kembali ke
130
Manggarai-NTT dan menjadi dosen di STKIP Santu Paulus
Ruteng hinga sekarang.
Penulis tertarik dalam olimpiade matematika,
etnomatematika, dan matematika GASING.
131
132