Bahan Ajar Statistika 2020 - English - DM

TEACHING MATERIAL
Statistics
Class B
(PTU 1003)
Arranged by:
Dyah Maharani, Ir. S.Pt., M.P., Ph.D., IPM.
Faculty of Animal Science

Universitas Gadjah Mada
2020
QUALITY PROCEDURE Document No PM-PS1-AKA-05
FACULTY OF ANIMAL SCIENCE Issued date 15 Agustus 2016
Edition 01
OUTLINE COURSE AND LEARNING
Revision 02
MATERIAL
Page iii dari 93
TABLE OF CONTENT
PAGE
COVER PAGE.......................................................................................................... i
APPROVAL SHEET ................................................................................................ ii
TOPIC I ...................................................................................................................1
INTRODUCTION .................................................................................................1
TOPIC I ...................................................................................................................6
SIMPLIFICATION AND DISPLAY DATA (1) ........................................................6
TOPIC III ...............................................................................................................14
SIMPLIFICATION AND DISPLAY DATA (2) ......................................................14
TOPIC IV ...............................................................................................................21
CENTRAL TENDENCY MEASUREMENT.........................................................21
TOPIC V ................................................................................................................28
DISTRIBUSI PROBABILITAS DAN DISTRIBUSI SAMPLING ...........................28
TOPIC VI ...............................................................................................................35
CHI-SQUARE TEST ..........................................................................................35
TOPIC VIII .............................................................................................................43
HYPOTHESIS TEST IN ONE POPULATION ....................................................43
TOPIC IX ...............................................................................................................54
HYPOTHESIS TEST IN ONE POPULATION ....................................................54
TOPIC X ................................................................................................................63
LINIER REGRESSION ......................................................................................63
TOPIC XI ...............................................................................................................71
CORRELATION .................................................................................................71
TOPIC XII ..............................................................................................................75
INTRODUCTION TO SPSS ...............................................................................75
iii
Edition 01
Revision 02
MATERIAL
Page 1 dari 93
TOPIC I
INTRODUCTION
1. Nama Matakuliah: Statistika

2. Kode/SKS : PTD 2700/2 SKS
3. Dosen Pengampu: Dyah Maharani, S.Pt., MP., PhD.
4. Status : Wajib
1. Introduction to the Practice of Statistics (Author: Moore McCabe)
2. Experimental Design and Data Analysis for Biologists
(Author: Quinn Keough)
3. Pengantar Ilmu Statistik untuk Peternakan dan Kesehatan Hewan
(Author : Prof. Maria Astuti)
0878 3979 7520

Email: eleonoradyah@yahoo.co.id
1
Edition 01
Revision 02
MATERIAL
Page 2 dari 93
Tujuan Pembelajaran
1. Memberi pengetahuan tentang konsep-konsep dasar statistika

2. Memberi pengertian tentang peran ilmu statistik dalam ragam disiplin ilmu
3. Mengidentifikasi dan menyeselesaikan masalah statistik
4. Mengenalkan program software yang dapat digunakan untuk menyelesaikan
masalah statistik.
Outcome / Manfaat Pembelajaran
1. Mahasiswa memahami konsep-konsep dasar statistika

2. Mahasiswa memahami peran ilmu statistik dalam ragam disiplin ilmu
3. Mahasiswa mampu mengidentifikasi dan menyeselesaikan masalah statistik
4. Mahasiswa mengenal program software yang dapat digunakan untuk
menyelesaikan masalah statistik.
Jumlah jam dan Pembagiannya
Tatap muka (kuliah) : 14 X 2 jam = 28 jam ( 1 jam kuliah 50 menit)
Tugas terstruktur : 12 X 1 jam = 12 jam
Latihan/simulasi : menyesuaikan topik kuliah
Belajar mandiri : menyesuaikan mahasiswa
2
Edition 01
Revision 02
MATERIAL
Page 3 dari 93
Jadwal kegiatan mingguan
Minggu Ke Pokok Bahasan Sub Pokok Bahasan
I Pendahuluan Pengenalan RPKPS
II Penyederhanaan Data (1) 1. Distribusi Frekuensi Empiris

2. Distribusi Frekuensi Kumulatif
3. Penyajian Grafik
III Penyederhanaan Data (2) 1. Simbol dan Notasi Penjumlahan

2. Contoh penggunaan simbol dan notasi
IV Ukuran Tendensi sentral dan 1. Pengertian dan contoh penghitungan

dispersi mean, median, modus dll
2. Pengertian dan contoh ukuran dispersi
V Distribusi Probabilitas & 1. Distribusi Binomial

Distribusi Sampling 2. Distribusi Multinomial
3. Distribusi Poisson
4. Distribusi Normal (Gaussian)
VI Distribusi Probabilitas & 1. Distribusi mean dan fungsi linier dari

Distribusi Sampling variable dengan distribusi normal
2. Distribusi Khi-Kuadrat (Chi-Square
distribusion)
3. Distribusi-F
4. Distribusi Student’s t
VII MID TERM
VIII Pengertian Hipotesis dan inferensi 1. Hipotesis penelitian

statistik 2. Hipotesis statistik
3. Interensi statistik
IX Uji Hipotesis dalam satu populasi 1. Pengujian mean bila harga variansi
tidak diketahui dan diketahui
2. Pengertian Signifikansi dalam statistik
3. Latihan
3
Edition 01
Revision 02
MATERIAL
Page 4 dari 93
X Uji Hipotesis dalam dua populasi 1. Pengujian ratio harga variansi dari
distribusi normal
2. Pengujian beda antar dua mean
3. Pengamatan data yang berpasangan
XI Frekuensi Data Pengujian 1. Uji proporsi binomial

Independensi 2. Uji Multinomial
3. Uji Independensi
XII Regresi dan Korelasi 1. Regresi linier sederhana

2. Uji Hipotesis untuk regresi
3. Korelasi
4. Uji hipotesis untuk korelasi
XIII Pengenalan SPSS 1. Entry Data

2. Deskriptif statistik
3. Data menu
XIV Resume 1. Latihan-latihan
XV Ujian Akhir
Penilaian Hasil Belajar Mahasiswa:
Komponen nilai hasil belajar mahasiswa meliputi :
• 10 % tugas dan latihan
• 10% kuis
• 35 % Midterm
• 45% Ujian akhir
4
Edition 01
Revision 02
MATERIAL
Page 5 dari 93
VI Distribusi Probabilitas & 1. Distribusi mean dan fungsi linier dari

Distribusi Sampling variable dengan distribusi normal
2. Distribusi Khi-Kuadrat (Chi-Square
distribusion)
3. Distribusi-F
4. Distribusi Student’s t
VII MID TERM
VIII Pengertian Hipotesis dan inferensi 1. Hipotesis penelitian

statistik 2. Hipotesis statistik
3. Interensi statistik
IX Uji Hipotesis dalam satu populasi 1. Pengujian mean bila harga variansi
tidak diketahui dan diketahui
2. Pengertian Signifikansi dalam statistik
3. Latihan
5
Edition 01
Revision 02
MATERIAL
Page 6 dari 93
TOPIC I
SIMPLIFICATION AND DISPLAY DATA (1)
WEEK II
DATA METODE
STATISTIK STATISTIK
• Data kuantitatif atau data angka

• Statistik mahasiswa Fapet,
statistik populasi ternak
statistik penjualan daging sapi dll
6
Edition 01
Revision 02
MATERIAL
Page 7 dari 93
DATA METODE
STATISTIK STATISTIK
Metode atau cara untuk mengumpulkan, mengolah,

menyajikan, dan menganalisis data angka secara deskriptif
untuk menggambarkan suatu peristiwa
DATA METODE
STATISTIK STATISTIK
1. Metode statistik deskriptif

Hasil analisis data digambarkan secara deskriptif
2. Metode statistik inferens

Dari hasil analisa data dibuat suatu kesimpulan (inferensi)
tentang ciri-ciri atau karakteristik suatu populasi
7
Edition 01
Revision 02
MATERIAL
Page 8 dari 93
Pengukuran
Data
lingkar Data
perlu
dada sapi kasar
disusun
PFH
Belum dapat
menggambarkan
Suatu gejala kuantitatif
1. Penyusunan data dalam bentuk array (jajaran)  data disusun

secara teratur dari nilai yang terkecil sampai nilai
terbesar
Tabel 1. Ukuran lingkar dada (cm) dari 40 ekor sapi PFH
145 145 147 151 153 157 158 158

158 159 161 162 163 164 164 165
165 165 165 165 167 167 168 168
168 169 170 170 172 175 178 178
179 182 185 185 188 189 191 193
8
Edition 01
Revision 02
MATERIAL
Page 9 dari 93
2. Penyusunan data secara berkelompok dalam bentuk

tabel frekuensi = distribusi frekuensi
Tujuannya untuk memperoleh gambaran data

yang sederhana, jelas dan sistematis yang dinyata
kan dengan angka-angka
Tabel 1. Ukuran lingkar dada (cm) dari 40 ekor sapi Kelompok Frekuensi
PFH
145 - 150 3
145 145 147 151 153 157 158 158 151-160 7
158 159 161 162 163 164 164 165 161-170 18
165 165 165 165 167 167 168 168 171-180 5
168 169 170 170 172 175 178 178 181-190 5
179 182 185 185 188 189 191 193 191-200 2
Sebelum distribusi disusun ada 3 hal pokok yang harus ditentukan yaitu
1. Menentukan jumlah kelas

2. Menentukan interval kelas dan batas kelas
3. Menentukan titik tengah interval kelas
1. Penentuan Jumlah Kelas

• Kriteria dalam menentukan jumlah kelas:
a. Jumlah tidak terlalu banyak tetapi juga tidak terlalu sedikit
b. Jumlah yang terlalu banyak atau terlalu sedikit tidak dapat memberikan
gambaran yang jelas dan sederhana tentang keterangan2 yang ada
dalam data tersebut
• Rumus (Menurut Sturges): Tidak mutlak
K = 1 + 3,3 log n
K: jumlah kelas
n: jumlah data observasi
• Contoh:
Jumlah data observasi (n) pada Tabel 1 = 40
 Jumlah Kelas: K = 1 + 3,3 Log 40 = 6,287
9
Edition 01
Revision 02
MATERIAL
Page 10 dari 93
2. Penentuan Batas Kelas, Tepi Kelas dan Interval Kelas

• Kriteria dalam menentukan interval kelas dan batas kelas:
a. Interval kelas dibuat sama dan dalam bilangan praktis
b. Batas kelas (class limit) adalah nilai batas tiap kelas dalam sebuah distribusi
c. Tiap kelas dalam distribusi frekuensi memiliki dua batas kelas yi
Batas Atas Kelas (BAK) dan Batas Bawah Kelas (BBK)
d. Tepi Kelas juga dibagi dua Tepi Atas Kelas (TAK) dan Tepi Bawah Kelas (TBK)
• Rumus:
• Tepi Kelas (Class Boundaries):

TBK = BBK – 0.5 (skala terkecil)
TAK = BAK + 0.5 (skala terkecil)
• Class Interval (Interval Kelas):

lebar kelas yang dihitung dari perbedaan antara kedua
tepi kelasnya (I = Tepi Atas Kelas – Tepi Bawah Kelas)
I = TAK -TBK
Ukuran Kelas Jumlah
Batas
140-146 Batas
2
Bawah Kelas Atas Kelas
(BBK) 147-153 (BAK) 3
= 140 = 146
154-160 5
Tepi Tepi
Bawah Kelas Atas Kelas
(TBK) 161-167 (TAK) 12
TBK = BBK – 0.5 TAK = BAK + 0.5
= 140 – 0,5 168-174 =146 + 0,5 7
= 139,5 = 146,5
175-181 4
Interval Kelas
182-188 I = TAK – TBK 4
I = 146,5 – 139,5
=7
189-195 3
10
Edition 01
Revision 02
MATERIAL
Page 11 dari 93
3. Penentuan Titik Tengah Interval Kelas

(Mid point interval class)
• Mid point interval class (Titik tengah interval kelas):
= ½ (BBK + BAK) atau ½ (TBK + TAK)
rata-rata hitung dari kedua batas kelasnya atau kedua tepi kelasnya
Contoh : Contoh :
= ½ (BBK + BAK) =½ (TBK + TAK)
= ½ (140 + 146) = ½ (139,5 + 146,5)
= 143 = 143
Jenis Distribusi Frekuensi
1. Distribusi Frekuensi Kumulatif

Ada 2 macam:
1. Distribusi kumulatif kurang dari (menggunakan tepi atas)
2. Distribusi kumulatif lebih dari (menggunakan tepi bawah)
Contoh:
11
Edition 01
Revision 02
MATERIAL
Page 12 dari 93
Dari tabel diatas kemudian dibuat daftar frekuensi kumulatif kurang

dari dan lebih dari
2. Distribusi Frekuensi Relatif

perbandingan antara frekuensi masing-masing kelas
dan jumlah frekuensi seluruhnya dan dinyatakan
dalam persen
Frekuensi relatif (%) = [(Frekuensi kumulatif) / jumlah data (n)] x 100%
Frekuensi relatif
1. (3/40) x 100% = 7.5

2. 22.5
3. 47.5
4. 77.5
5. 90
6. 100
12
Edition 01
Revision 02
MATERIAL
Page 13 dari 93
ASSIGNMENT I
ASSIGNMENT I
Diketahui data mentah (belum dikelompokkan) nilai ujian sttistik 50

mahasiswa Fapet UGM sebagai berikut:
55 48 22 49 78 59 27 41 68 54
34 80 68 42 73 51 76 45 32 53
66 32 64 47 76 58 75 60 35 57
73 38 30 44 54 57 72 67 51 86
25 37 69 71 52 25 47 63 59 64
Tentukan: 4. Interval kelas

1. Jumlah kelas 5. Titik tengah interval kelas
2. Batas kelas atas dan batas kelas bawah 6. Frekuensi Kumulatif (excel)
3. Tepi kelas atas dan tepi kelas bawah 7. Frekuensi relatif
13
Edition 01
Revision 02
MATERIAL
Page 14 dari 93
TOPIC III
WEEK III
PENYEDERHANAAN DATA (2)
Dyah Maharani, Ph.D.
SIMBOL DAN NOTASI PENJUMLAHAN
1. Simbol data hasil pengukuran
 Data hasil pengukuran suatu variable dapat dinyatakan dalam

simbol huruf kecil. Misalnya x atau y, z dst.
 Untuk membedakan hasil pengukuran individu satu dengan yang lain

menggunakan simbol subscript angka : 1, 2, 3,....dst
Contoh:
x = Variabel berat badan sapi x1 = berat badan sapi no 1

x2 = berat badan sapi no 2
y = Variabel panjang badan sapi y1 = berat badan sapi no 1

y2 = berat badan sapi no 2
14
Edition 01
Revision 02
MATERIAL
Page 15 dari 93
Variabel (peubah):
Suatu sifat atau karakteristik yang digunakan sebagai cara
untuk membedakan satu individu dengan individu lain
dalam suatu sampel
n Berat badan Panjang badan

(kg) (cm)
1 345 118
2 367 121
3 401 125
4 378 127
5 425 119
n = banyaknya observasi/deretan atau urutan angka
n Berat badan (x) Panjang badan (y)

(kg) (cm)
1 345 118
2 367 121
3 401 125
4 378 127
5 425 119

i=1
Simbol sigma dipakai untuk menyatakan
simbol penjumlahan
Angka indeks terkecil yang dipakai untuk nilai pertama dari

deretan angka yang akan dijumlahkan
15
Edition 01
Revision 02
MATERIAL
Page 16 dari 93

(kg) (cm)
1 345 118
2 367 121
3 401 125
4 378 127
5 425 119

i=1
Xi
Artinya menjumlahkan harga-harga xi
dimana i merupakan angka indeks
yang memiliki harga 1 s.d 5

i=1
Xi = X 1 +X 2+X 3
= 345 + 367 + 401 = 1113

(kg) (cm)
1 345 118
2 367 121
3 401 125
4 378 127
5 425 119

i=1
yi = y1 + y 2 + y 3 + y 4
= 118 + 121 + 125 + 127 = 491
16
Edition 01
Revision 02
MATERIAL
Page 17 dari 93
y
i=1
i = y.
= y1 + y 2 + y 3 + y 4 + y 5

i=1
y i2 = y12 + y22 + y32 + y42
= 1182 + 1212 + 1252 + 1272 = 60319
4
2

i=1
yi =  y1 + y2 + y3 + y4  2
= 118 + 121 + 125 + 127 2 = 491 2
= 241081

i=1
x iy i = x 1 y 1 + x 2 y2 + x 3 y3 + x 4 y 4 . . . x n yn
17
Edition 01
Revision 02
MATERIAL
Page 18 dari 93

i=1
(y i - x i) = (y1 - x 1) + (y2 – x2) +. . . (yn – xn)
5 5
5
 
n
 (xi + yi - zi) =

i=1
xi +
i=1
yi -
i=1
zi
i=1
n
- -
- + (y – y) +. . . (y – y) -

i=1
(y i - y) = (y1 - y) 2 n
Harga mean = harga rata-rata hasil observasi/pengamatan
-y = y. / n =
n

i=1
yi n
18
Edition 01
Revision 02
MATERIAL
Page 19 dari 93
Rumus menghitung Sum of square (SS)

atau jumlah kuadrat (JK)
n n
SSY =  Yi2 – ( Yi)2 /n 
i=1 i=1
Data : 40 38 43 35 42 39 n=6
6
 Yi2
i=1 = 402 + 382 + 432 + 352 + 422 + 392 = 9403
2
yi
6
= 40 + 38 + 43 + 35 + 42 + 39 2 = 237 2 = 56169
i=1
SSY = 9403 – (56169)/6 = 41,5
Jika data diklasifikasikan ke dalam dua kelas

atau lebih dan bila kehendaki penjumlahan,
maka digunakan notasi dua huruf sigma (  )
Contoh:
Diperoleh data hasil penelitian pakan, dengan 2 perlakuan (t = 2) yaitu
Perlakuan 1 = perlakuan kontrol (tidak ditambah antibiotik)

Perlakuan 2 = perlakuan dengan penambahan teramycin pada ransum
Jumlah sampel yang digunakan dalam tiap perlakuan adalah 7 (r = 7)
t r
Notasi :
  yij
i=1 j=1
19
Edition 01
Revision 02
MATERIAL
Page 20 dari 93
Ransum (i)
Anak ayam 1 2
(j) Kontrol + Teramycin
1 7,3 9,2 Ransum = t = i,......t t=1,2
2 7,3 9,0 Anak ayam = j = j,.....r r = 1,2,3,4,5,6,7
3 6,6 8,0
4 6,7 10,0
5 5,9 7,9
6 6,3 10,2
7 6,5 8,9
t r
  yij = (y11 + y12 + y13 ....+ y17) + (y21 + y22 + y23...+ y27)
i=1 j=1 = 109,8
Jika jumlah anaknya tidak sama (unbalance) maka:
t r t r=1
  yij diubah   yij

i=1 j=1 i=1 j=1
Kelompok kontrol (i = 1) jumlah anak 4 (r1 = 4) Y1j = 5,6,4,3

Kelompok perlakuan (i = 2) jumlah anak 5 (r2 = 5) Y2j = 6,7,5,8,7
Jumlah rata-rata kuadratnya adalah
t ri 4 5
 ( yij)2 / ri = (yij)2 /4 + (yij)2 /5

i=1 j=1 j=1 j=1
= (5 + 6 + 4 + 3)2 /4 + (6 + 7 + 5 + 8 + 7)2/5
= 81 + 217,8 = 298,8
20
Edition 01
Revision 02
MATERIAL
Page 21 dari 93
TOPIC IV
CENTRAL TENDENCY MEASUREMENT
WEEK IV
Central Tendency Measurement
In descriptive statistic, summary statistics are used to summarize

a set of observations
Statisticians commonly try to describe the observations in
 a measure of location, or central tendency, such as the arithmatic

mean
 a measure of statistical dispersion like the standard deviation
21
Edition 01
Revision 02
MATERIAL
Page 22 dari 93
Measuring Center (Pengukuran Nilai Tengah)
Mean
 The mean is “average value”
 The bar over the x indicates the mean of all the x-value
_
x To find the mean x̅ add their value and devide
by the number of observation
_
If the n observations are x1, x2,..., xn, their mean is
_
x = x1, x2,..., xn or
x = 1/n n xi
n i=1
22
Edition 01
Revision 02
MATERIAL
Page 23 dari 93
Measuring Center (Pengukuran Nilai Tengah)
Median
 The median is “middle value”
 The median is the formal of midpoint
M To find the median of a distribution
1. Arrange all observations in order of size, from smallest to largest
22 25 34 35 41 41 46 46 46 47 49 54 54 59 60
2. If n = odd = 15, M is the center of observation in the ordered list
22 25 34 35 41 41 46 46 46 47 49 54 54 59 60
The location of M (n + 1) / 2 (15 + 1) / 2 = 8 st
If n is even, the M is the mean of two center observations in the ordered list
8 13 14 16 23 26 28 33 39 61
The location of M = (n + 1) / 2
The value of M is the mean of two centers of observations of ordered

List :
= (23 + 26) / 2 = 49/2 = 24,5
23
Edition 01
Revision 02
MATERIAL
Page 24 dari 93
MODE (MODUS)
The mode is the value that appears most often in a set of data
Comparison of common averages of values { 1, 2, 2, 3, 4, 7, 9 }
Type Description Example Result

Mean Sum of values of a set data (1+2+2+3+4+7+9) / 7 4
devided by number of
observation
Median Middle value separating the 1, 2, 2, 3, 4, 7, 9 3
greater and lesser halves of a
data set
Mode Most frequent value in a data 1, 2, 2, 3, 4, 7, 9 2
set
Standard Deviation
= measure how far the observations are from the mean
The variance (s2) of set observation is the average of the squares of

The deviations of the observations from their mean.
_ _ _
s2 = (x1 – x)2 + (x2 - x)2+ . . . + (xn – x)2
n-1
or n n
s2 =  Y 2 – ( Y )2 / n / n-1
i=1
i
i=1
i
The standard deviation s is the square root (akar) of the variance s2
s= s2
24
Edition 01
Revision 02
MATERIAL
Page 25 dari 93
25
Edition 01
Revision 02
MATERIAL
Page 26 dari 93
4
27,130
4
27,130
σ = √27,130 = 164,711 … = 165
165
165
165
26
Edition 01
Revision 02
MATERIAL
Page 27 dari 93
Standard Error
When the standard deviation of a statistic is estimated from data,

The results is called the standard error of the statistic
s 165
SE _x = = = 73.67
n 5
Standard error is sometimes used for the actual standar deviation of

a statistic
27
Edition 01
Revision 02
MATERIAL
Page 28 dari 93
TOPIC V
DISTRIBUSI PROBABILITAS DAN DISTRIBUSI SAMPLING
MINGGU V
Distribusi Probabilitas dan Distribusi Sampling
Apa itu Distribusi Probabilitas ?

Probability distribution = sebaran/distribusi probabilitas
= distribusi/ sebaran peluang suatu kejadian
Menunjukkan besarnya probabilitas/kemungkinan

dari setiap hasil yang muncul dalam suatu
percobaan acak/random
Distribusi Probabilitas bersifat empirik atau

teoritik
Probabilitas yg terbentuk dari sensus atau
Besar peluang dapat dihitung Mengambil contoh, peluangnya tdk dapat
Melalui fungsi tertentu diprediksi
28
Edition 01
Revision 02
MATERIAL
Page 29 dari 93
Macam-macam distribusi
probabilitas untuk variabel diskrit
1. Distribusi Peluang variabel acak yang nilai-

nilainya dihasilkan dari proses
Binomial berhitung
Contoh:
2. Distribusi Peluang Poisson 1. Skor yang diberikan pada
pertandingan senam lantai
3. Distribusi Peluang = 9.2 ; 7,5 ; 8,0 dst
Multinomial 2. Jumlah absen dalam sehari,
jumlah muncul kepalla dst.
4. Distribusi Peluang 3. Jenis pelemparan dadu
atau mata uang
Hipergeometrik
SYARAT DAN KARAKTERISTIK DISTRIBUSI BINOMIAL

 Jumlah percobaan merupakan bilangan bulat  percobaan
melambungkan koin sebanyak 3 kali bukan 3 setengah kali
 Sebuah percobaan mempunyai dua outcome atau hasil  sukses-

gagal, sakit – sehat, hidup-mati
 Peluang sukses sama pada setiap percobaan
 Probabilitas satu peristiwa adalah tetap , tidak berubah untuk setiap

perubahan
 Percobaan bersifat independen suatu percobaan tdk

mempengaruhi atau dipengaruhi peristiwa dalam percobaan lain
 Ditemukan oleh ahli matematika dari Inggris, Jacob Bernoulli,

sehingga dikenal juga sebagai Distribusi Bernaulli.
29
Edition 01
Revision 02
MATERIAL
Page 30 dari 93
CONTOH PENERAPAN DISTRIBUSI BINOMIAL
 Menghitung jumlah probabilitas dalam pelemparan dadu atau koin
 Menghitung jumlah lemparan bebas yang dilakukan oleh pemain

bola basket
 Menghitung jumlah pertanyaan yang dapat dijawab dengan benar

pada soal pilihan ganda
Rumus Perhitungan Distribusi Peluang Binomial
n x n-x
b (x; n, p) = P (X = x) = Cx p q
n= banyaknya ulangan
x= banyak keberhasilan dalam peubah acak X
p= peluang berhasil pada setiap ulangan
q= peluang gagal = 1 – p pada setiap ulangan
30
Edition 01
Revision 02
MATERIAL
Page 31 dari 93
Contoh Soal
Peluang seorang mahasiswa terlambat adalah 6 : 10. Jika terdapat 5
mahasiswa, berapa peluang terdapat 2 orang mahasiswa yang tidak
terlambat (dikerjakan dengan melihat tabel distribusi kumulatif binomial
Jawab:
Kejadian dinyatakan SUKSES = TIDAK TERLAMBAT

Dalam kasus ini yang diketahui adalah peluang TERLAMBAT
q = 6 : 10 = 0.6;
p = 1 – q = 1 – 0.6 = 0.4
x=2 n=5
Maka: b (x ; n, p) = b (2; 5, 0.4) = (lihat tabel) = 0.6826
31
Edition 01
Revision 02
MATERIAL
Page 32 dari 93
• Distribusi Poisson adalah distribusi peluang peubah acak

poisson x, yang menyatakan banyaknya sukses yang
terjadi dalam suatu selang waktu atau daerah tertentu.
• Panjang selang waktu tersebut boleh berapa saja,

semenit, sehari, seminggu, sebulan atau malah setahun.
Daerah yang dimaksud dapat berupa sepotong garis,
suatu luas, suatu volume atau pun barangkali suatu
benda
 Dalam satu peristiwa kadang menghasilkan lebih

dari dua event maka distribusi yg dihasilkan disebut
distribusi multinomial.
 Contoh :
Hasil dari pengobatan  sembuh, cacat, dan mati
Rumus
n!
p = (P1) r1 (P2) r2 (P3) r3
r1!r2!r3!
Dimana :
r1 + r2 + r3…rk = n
p1 + p2 + p3…pk = 1
32
Edition 01
Revision 02
MATERIAL
Page 33 dari 93
o Seorang dokter melakukan pengobatan sebanyak 6 kali

terhadap 6 orang penderita gagal jantung dengan hasil
sembuh sempurna, sembuh dengan gejala sisa, dan
meninggal.
o Berapa besar probabilitas dari 6 kali pengobatan tersebut

menghasilkan 2 orang sembuh sempurna, 2 orang sembuh
dengan gejala sisa, dan 2 orang meninggal.
n! 6!
p = (P1r1) (P1r1) (P1r1) p = (1/3)2 (1/3)2(1/3)2
r1!r2r3! 2! 2! 2!
P = 0,123 = 12,3%
 Merupakan distribusi probabilitas dengan variabel kontinu

atau numerik
 Pertama kali diuraikan oleh Abraham de Moivre dan

dipopulerkan oleh Carl Fredreich Gauss dengan
percobaannya  Distribusi Gauss.
 Bila percobaan dilakukan berulang2 yg paling sering muncul

adalah nilai rata2  Penyimpangan dari nilai rata2 (error)
makin sedikit  terbentuk distribusi yg simetris  distribusi
normal.
33
Edition 01
Revision 02
MATERIAL
Page 34 dari 93
 Disusun dari variabel random kontinu

 Nilai mean, median dan modus berada pada
satu titik.
Y
X
x
M
d
M
o
 Bentuk distribusi normal ditentukan oleh μ

dan σ.
1 1
2
μ1 = μ2 σ 1 > σ 2 μ1 < μ2 σ1 = σ2
μ1 < μ2 σ 1 < σ 2
34
Edition 01
Revision 02
MATERIAL
Page 35 dari 93
TOPIC VI
CHI-SQUARE TEST
WEEK VI
UJI CHI SQUARE
PENGERTIAN CHI-SQUARE
Chi square adalah pengujian hipotesis mengenai perbandingan antara
frekuensi observasi atau yang benar-benar terjadi dengan frekuensi
harapan.
Frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara

teoritis (e). Sedangkan frekuensi observasi adalah frekuensi yang nilainya
di dapat dari hasil percobaan (o).
Kegunaan uji chi square:
1. Goodness-of-fit test atau uji kecocokan

2. Pengujian independensi
3. Pengujian homogenitas
4. Pengujian varians dan standar deviasi populasi tunggal.
Ciri-ciri uji chi square:
Selalu bernilai positif  karena nilai Chi-Square merupakan nilai kuadrat

(X2) sehingga nilainya selalu positif
35
Edition 01
Revision 02
MATERIAL
Page 36 dari 93
Chi-Square Untuk Goodness-of-fit

test (uji kecocokan)
Dalam Goodness-of-fit test ada dua frekuensi yaitu:
1. Frekuensi observasi atau frekuensi yang benar-benar terjadi dalam
eksperimen dan dilambangkan dengan (Observed).
2. Frekuensi yang diharapkan terjadi yang dilambangkan dengan E (Expected)
Contoh
Manajer Breeding dalam suatu peternakan babi ingin melihat apakah jumlah litter size babi
dalam peternakan tersebut terdistribusi secara merata selama satu periode kelahiran.
Hipotesis nol yang akan diuji adalah “Jumlah litter size terdistribusi secara merata dengan
jumlah rata-rata 10 (expected =harapan = e). Taraf nyata (α) yang digunakan adalah 0,05.
Hasil dari pengamatan (observed = o) sebagai berikut
Induk Babi Litter size

A 12
B 9
C 11
D 10
E 9
F 9
36
Edition 01
Revision 02
MATERIAL
Page 37 dari 93
Langkah-langkah yang dilakukan sbb :

a. Buat formulasi hipotesis :
Ho : tidak ada perbedaan antara frekuensi yang teramati
dengan frekuensi yang diharapkan.
H1 : ada perbedaan antara frekuensi yang teramati dengan
frekuensi yang diharapkan.
b. Tentukan taraf nyata yang akan digunakan dalam pengujian.
Misalnya : 0,05
c. Pilih uji statistik yang sesuai dengan hipotesis. Dalam kasus
diatas dipergunakan rumus :
dimana :
fo = besarnya frekuensi yang teramati.
fe = besarnya frekuensi yang diharapkan.
Lakukan pengambilan sampel dan hitung nilai chi square. Buat keputusan
untuk menolak atau menerima hipotesis nol.
Penghitungan Chi Square :

Induk Frekuensi Litter Frekuensi fo - fe (fo-fe)2 (fo-fe)2/fe
Babi size Litter size 2
=X
(Observed=O) (Expected = E
A 12 10 2 4 0,4
B 9 10 -1 1 0,1
C 11 10 1 1 0,1
D 10 10 0 0 0
E 9 10 -1 1 0,1
F 9 10 -1 1 0,1
Total 60 0 0.8
Nilai Chi Square = X2 = 0,8
Nilai X tabel  Xα, n-1 = X0.05, 6-1 = X0.05, 5 = 11.070
Keputusan uji X2 < 11,070  hipotesis nol diterima

Kesimpulan litter size babi pada peternakan tersebut terdistribusi secara merata.
37
Edition 01
Revision 02
MATERIAL
Page 38 dari 93
LATIHAN
Manajer Breeding dalam suatu peternakan ayam broiler ingin melihat apakah berat potong
ayam broiler dalam peternakan tersebut terdistribusi secara merata sesuai dengan bobot
potong yang diharapkan selama satu periode pemeliharaan (35 hari). Hipotesis nol yang
akan diuji adalah “bobot potong yang diharapkan 2 kg (expected =harapan = e). Taraf nyata
(α) yang digunakan adalah 0,05. Hasil dari pengamatan (observed = o) menggunakan
sampling ayam 10 ekor sebagai berikut
Ayam Broiler Litter size

1 1.8
2 2.0
3 1.9
4 1.8
5 1.7
6 2.0
7 1.8
8 1.8
9 1.9
10 2.0
38
Edition 01
Revision 02
MATERIAL
Page 39 dari 93
Chi-Square Untuk Perhitungan Hardy

Weinberg Equilibrium (HWE)
Contoh
Seorang peneliti ingin mengetahui apakah frekuensi genotip dari suatu populasi ternak
terdistribusi secara balance mengikuti hukum Hardy Weinberg Equlibrium tidak?
Hukum Hardy Weinberg

 frekuensi alel dan frekuensi genotipe dalam suatu populasi akan tetap konstan, yakni
berada dalam kesetimbangan dari satu generasi ke generasi lainnya kecuali apabila terjadi
pengaruh-pengaruh tertentu (mutasi, evolusi, seleksi dll) yang mengganggu kesetimbangan
tersebut.
Frekuensi Alel dan Genotip

Jumlah individu = 96
• GG = 48
• GA = 41
• AA = 7
a. Frekuensi alel G dan A pada sapi Hanwoo

Alel G = (jumlah lokus G)/(jumlah lokus G + A)
= ((2x48)+(1x41))/(2x96)
= 0,71
Alel A = (jumlah lokus A)/(jumlah lokus G + A)
= ((2x7)+(1x41))/(2x96)
= 0,29  1-0.71 = 0.29
b. Frekuensi Genotip
GG = 48/96 = 0,50 X 100  50
GA = 41/96 = 0,43 X 100  43
AA = 7/96 = 0.07 X 100  7
39
Edition 01
Revision 02
MATERIAL
Page 40 dari 93
Hardy-Weinberg Equilibrium
c. Nilai expected (harapan) dari genotip GG, GA, AA pada populasi
sapi Hanwoo
• Nilai expected genotip GG = alel G2 x n = (0,71)2 x 96 = 48.39
• Nilai expected genotip GA = alel 2(GA) x n = 2(0,71 x 0,29) x 96 = 39.53
• Nilai expected genotip AA = alel A2 x n = (0,29)2 x 96 = 8.07
Nilai X2 populasi sapi

Rumus : X2 = Ʃ {(O-E)2/E}, O = Observed , E = Expected
Nilai X2 populasi sapi Hanwoo

= {(50-48.39)2/48.39} + {(43-39.53)2/ 39.53} + {(7-8.07)2/8.07}
= 0,053 + 0,304 + 0,142
= 0.499
Untuk perhitungan keseimbangan genetik pada sapi Hanwoo. Hasil
nilai X2 pada populasi sapi Hanwoo = 0,2 sehingga dalam keadaan
seimbang genetik karena nilai X2 < nilai X0,05;2 = 5,99.
H0 = Populasi tidak menyimpang HWE; HA = Populasi menyimpang
dari HWE
CHI-SQUARE UNTUK UJI

INDEPENDENSI
Uji independensi merupakan uji dua arah antara dua variabel yaitu variabel
ke satu dalam kolom dan variabel kedua dalam baris
Tujuannya adalah untuk menguji perbedaan proporsi antara 2 atau lebih

kelompok
Contoh:
Apakah ada perbedaan pertambahan BB antara ayam jantan dan betina
Rumus:
X2 = (O-E)2 O = nilai Observasi (pengamatan)

E = nilai expected (harapan)
E
df = (b-1)(k-1)
b = Jumah baris
k = Jumlah kolom
40
Edition 01
Revision 02
MATERIAL
Page 41 dari 93
Tabel Silang
Sex Berat Badan Total

Jantan a b a +b
Betina c d c+d
a+c b+d a+b+c+d
Ea = (a+b) x (a+c)
E = total baris x total kolom n
Jumah seluruh data Eb = (a+b) x (b+d))
n
Ec = (c+d) x (a+c)
n
Ed = (c+d) x (b+d)
n
Data Data Observasi Data harapan O-E (O-E)2 (O-E)2/E

(O) (Expected = E 2
=X
a 8 10 -2 4 0,4
b 12 10 2 4 0,4
c 13 11 2 4 0,36
d 9 11 -2 4 0.36
Total 60 0 1.52
X2 = (O-E)2 = 1.52
E
df = (jml baris – 1)(jml kolom -1)
Xtabel = X0.05, df  X0.05,1 = 3.84
KEPUTUSAN UJI
X2 < Xtabel  Ho diterima
KESIMPULAN:
Tidak ada perbedaan antara pertambahan
BB jantan dan betina
41
Edition 01
Revision 02
MATERIAL
Page 42 dari 93
LATIHAN
Sex Berat Badan Total

Jantan 400a 450b a +b
Betina 500c 550d c+d
a+c b+d a+b+c+d
Ea = (a+b) x (a+c)
E = total baris x total kolom n
Jumah seluruh data Eb = (a+b) x (b+d))
n
Ec = (c+d) x (a+c)
n
Ed = (c+d) x (b+d)
n
Data Data Observasi Data harapan O-E (O-E)2 (O-E)2/E

(O) (Expected = E 2
=X
a
b
c
d
Total
X2 = (O-E)2 = ……
E
df = (jml baris – 1)(jml kolom -1)
Xtabel = X0.05, df  X0.05,1 = 3.84
KEPUTUSAN UJI
???
KESIMPULAN:
???
42
Edition 01
Revision 02
MATERIAL
Page 43 dari 93
TOPIC VIII
HYPOTHESIS TEST IN ONE POPULATION
HYPOTHESIS TEST IN ONE

POPULATION
WEEK VIII
DEFINITION OF HYPOTHESIS
Hypothesis originally from Yunani (Greek)

origin word: hypotithenai  prediction
This word firstly used by Circa 1656
Hypothesis is the temporary prediction of the problem

and should be proved the accuracy
43
Edition 01
Revision 02
MATERIAL
Page 44 dari 93
Hypothesis classification
Hypothesis for Research
Functions as a temporary answer to a research

question.
Acts as a guideline on the field.
Not assessed utilizing statistical

methods.
Hypothesis Classifications
STATISTICAL HYPOTHESIS
Statistical hypothesis is a presumption or an

inquiry (can possibly right or wrong)
concerning the validity of one or more
population that requires verification.
There are only two conclusions that we can
create: rejected or accepted the hypothesis.
Meaning that we rejected the Meaning we do not have enough

hypothesis information to reject the hypothesis
 hypothesis acccepted
bahwa hipotesis harus kita tolak
44
Edition 01
Revision 02
MATERIAL
Page 45 dari 93
CLASSIFICATION HYPOTHESIS
STATISTIC HYPOTHESIS
To test the hypothesis, usually we always make

a statement that the hypothesis rejected or
accepted
H0 : null hypothesis
H1 : Alternative hypothesis
If rejected the H0 hypothesis means we accepted

alternative hypothesis
STATISTIC HYPOTHESIS
Example 1 Descriptive hypothesis

Hypothesis of dependent variable  do not campare or make a relationship
between the variables
How high the milk production in Sleman district?

Table score:
Setting up the hypothesis: + t,n-1  if we want to know that our
• Milk production in Sleman10 lt/hr. results is higher  ONE-TAILED TEST
1. HA:  > o  + t,n-1
2. HA:  < o  - t,n-1 - t,n-1  if we want to know that our
results is smaller ONE-TAILED TEST
Example 2 Comparative hypothesis
Do any differences of milk production in Sleman and Bantul?
Hypothesis
 Ho: 1 = 2 no differences
 Ha: 1  2 there is deferences
45
Edition 01
Revision 02
MATERIAL
Page 46 dari 93
One sample t-test

(if population variance unestimated
If we want to check whether our results less than or higher than sa standar and
We do not know the value of the variance of the population so we do test using
distribusi student’t . The formula as below:
Table score:
t = (Y - ) / (S / n) + t,n-1  if we want to know that our
results is higher  ONE-TAILED TEST
The possibility of Hypothesis
- t,n-1  if we want to know that our
1. H0:  = o dan HA:   o  ± t,n-1 results is smaller ONE-TAILED TEST
2. HA:  > o  + t,n-1

3. HA:  < o  - t,n-1
o = mean standar = nilai standar
THE UNDERSTANDING
OF ONE-TAILED TEST AND TWO TAILED TEST
The research conducted to know whether the average of student score >70 or not
Hipotesanya
 H0 = µ0 = 70 ; HA = µ > 70  One Tail-test  + t,n-1
A football coach wanted to know whether the team he coached has

Goal score similar with national standard score ( 5.7 ) or not
Hipotesanya
 H0 = µ0 = 5.7 ; HA = µ ≠ 5.7  Two Tail-test  ± t/2,n-1
46
Edition 01
Revision 02
MATERIAL
Page 47 dari 93
Example
The objective of the study to check that the content of fat less than 3.3% in beef
After the cattle given using new feed. The data recorded as below:
Beef fat percetange (%)
3.67 2.47
3.16 2.72 Do the new feed can decrease the beef fat?
2.65 3.36 (beef fat < 3.3%) ?
2.37 2.95
3.35 2.54
Ho :  = 3,3 0 = 3,3
HA :  < 3,3 y = 2,924
Nilai t : t = (Y - ) / (S / n)
Steps:
1. Calculate the SS Sum of Square = SS = (87,2594 – (29,24)2/10) = 1,7616
Sample variance= S2 = SS / n-1 = 1,7616 / 9 = 0,1957
Standar Deviasi of sample= S = 0,1957 = 0,4424
2. Calculate t = (Y - ) / (S / n) = (2,924 – 3,3) / (0,4424) / 10 = -2,6876

t statistic
3. Determine the t tabel If HA:  < o  - t,n-1 = - t0.05,9 = - 1,833
4. Test inference: t statistics > t table Ho :  = 3,3 Ho REJECTED
HA :  < 3,3 ACCEPTED HA
5. CONCLUSION: the new feed can decrease the beef fat
47
Edition 01
Revision 02
MATERIAL
Page 48 dari 93
Critical area and critical value
Critical value
-1.833
Ho rejected Ho rejected
Critical value/
-2.687
critical area
Ho rejected if statical test on the critical area
Ho accepted if statistical test out of critical area
Mean test if the population variance estimated
The research conducted to test the average of population when the population of
variance estimated (σ2) so the steps to test as following:
1. Determine the H0 dan HA
H0 : μ = μ0 atau H0 : μ = μ0
HA : μ ≠ μ0 HA : μ < μ0 atau HA : μ > μ0
2. Choose the significance level: α (misal 5%)
3. Calculate the Z sample
Z = (Y - 0) / (σ / n)
4. Determinat the value of critical area  α=5%  Z 1-α /2 ; Zα
Z1-α /2 = Z0.025 = 1.96 and –1.96 (test 2 ekor) ; Z>1.96 atau Z<-1.96 (test 1 ekor)
Zα = Z0.05 = 1.64 dan -1.64 (test 2 ekor) ; Z>1.64 atau Z< - 1.64 (test 1 ekor)
5. Make an inferences from poin (4) dan (3)
48
Edition 01
Revision 02
MATERIAL
Page 49 dari 93
Z critical value
http://www.math.armstrong.edu/statsonline/5/5.3.2.html
example
The resarch conducted to prove that the leaf extract effect to

meat tenderness. To prove the assumpsion, 14 beef sample treated
With the extracted leaf and do test of tenderness.
The tenderness have been recorded as follow:
38 37 Do analysis to prove that the average of tenderness is 45

41 38 And the population variance is 12
40 42 Note:
To more smaller the value of tenderness, the beef tobe
35 34
More tender
41 37
36 36
40 40
49
Edition 01
Revision 02
MATERIAL
Page 50 dari 93
Analysis steps
1. H0: μ=45 and HA: μ<45 Population variance = 2 = 12   = 3.464

2. α = 0.05
3. Critical area
Z0.05 = 1.64  reject H0 if :
Z < -1.64 (if Z negative) atau
Z >1.64 (if Z positive)
4. Statistical analysis
x  0
Z hitung  38.214  45
/ n Z hitung   7.328
3.464 / 14
5. Decision : H0 rejected due to Zstat> -1.64

6. Conclusion: The leaf extracted affected to beef tenderness
Critical area and value
-1.64
Ho REJECTED Ho REJECTED
Critical value
-7.328
Critical area
Ho REJECTED if the value of statistic on the critical area.
Ho ACCEPTED if the statistic value out of critical area
50
Edition 01
Revision 02
MATERIAL
Page 51 dari 93
ASSIGNMENT
100 random samples have been recorded for the age of puberty in Brahman
Cross in PT Buli which age to 7.8 month. Suppose known that the
population standard deviation is 0.25 month . These results will use to prove
that the age of puberty in higher than 7 months ?
Noted: the level of significant is 5%.
Analysis steps:
1. H0: μ=7 dan HA: μ>7

 = deviation standard = 0,25
2. α = 0.05
3. Critical area
Z0.05 = 1.64  Rejected H0 if :
Z < -1.64 (if Z negatif) or
Z >1.64 (if Z positif)
7.8  7
4. The value of statistic test: Zstat  x   0 Zstat   32  Z positive
0,25 / 100
/ n
5. Decision : H0 rejected due to Zstat = 32 > 1.64

6. Conclusion: The average of age puberty of Brahman Cross in PT BULI
is HIGHER than 7 months
51
Edition 01
Revision 02
MATERIAL
Page 52 dari 93
1.96
32
Ho REJECTED Ho REJECTED
Critical value
Critical area
Variance test and normal distribution
If you want to test a population VARIATION then the test results will be compared with
the value of the table X2  Tables Chi –square
STEPS:
1. Determine the H0 and HA

H0 : 2 =  0 2 or H0 : 2 =  0 2
HA :  ≠  0
2 2 HA : 2 <  0 2 atau HA : 2 >  0 2
2. Use significancy level: α (misal 5%)
3. Calculate q value
q = (n - 1) s2/  0 2
4. Determine the critical value α=5%  X2 α /2, n-1 atau X2 α, n – 1  see Chi-Square
Table
5. Make a conclusion based on the decision in point 3 & 4
52
Edition 01
Revision 02
MATERIAL
Page 53 dari 93
Exercise
The licine content (mg/100 ml) in 20 milk sample as follow:
253 268 277 262 280

284 318 258 314 293
311 305 299 301 322
272 285 291 296 290
Based on the results, the study will observe whether the content of
Licine in milk is higher than 225 (>225  2 > 225)
ANALYSIS STEPS
1. H0: 2 = 225 and HA: 2 > 225

2. α = 0.05 ; n = 20
3. Critical area
X20.05, 19 = 30.14  HA: 2 > 225
Rejected H0 jika q > 30.14
4. Calculation of :
SS = 1677433 – 1669842.05 = 7590.95
S2 = SS/n-1 = 7590.95 / 19 = 399.524
q = (n - 1) s2/  0 2 = 19 (399.524) / 225 = 33.737

5. Test decision : Rejected H0 due to qstat = 33.737 > 30.14
6. Conclusion: the variance of licine in milk cow >225
53
Edition 01
Revision 02
MATERIAL
Page 54 dari 93
TOPIC IX
HYPOTHESIS TEST IN ONE POPULATION
HYPOTHESIS TEST IN ONE

POPULATION
WEEK IX
PENGUJIAN BEDA ANTARA DUA MEAN (VARIABEL NORMAL)
Pengujian terhadap beda mean dapat dibedakan atas 5 keadaan:

1. Harga variansi kedua populasi diketahui atau sampel besar
2. Harga variansi tidak diketahui tetapi sama besarnya
3. Pengamatan data yang berpasangan (paired observation)
54
Edition 01
Revision 02
MATERIAL
Page 55 dari 93
UJI HIPOTESIS DALAM DUA POPULASI
Jika ingin diketahui apakah ada perbedaan variansi antara

dua populasi berbeda atau tidak, maka analisis yang digunakan
menggunakan tabel Distribusi F.
Nilai statistik/nilai hitungnya adalah sbb:
fhitung = S2 dari populasi yang akan dibandingkan

S2 dari populasi asal
Nilai kritis = ftabel = (f1-/2, r1-1, r2-1, f/2, r1-1, r2-1 ) , f , r1-1, r2-1 atau
f1-, r-1, r-2
Derajad bebas dari sampel dengan variansi yang lebih besar
dan sampel dengan variansi lebih kecil
Contoh
Konsentrasi vitamin E pada dua bangsa sapi A dan B sbb:

Bangsa A Bangsa B
4.2 3.4
3.3 2.5
7.0 3.5 Ingin diketahui apakah variansi
populasi bangsa sapi B dan A tersebut
6.9 8.6
sama besar?
5.1 2.9
4.9 5.4
6.5 3.9
4.8
5.0
55
Edition 01
Revision 02
MATERIAL
Page 56 dari 93
Langkah penyelesaian
1. H0: A2 = B2  variansi A dan B sama

HA: A2  B2  variansi A dan B tidak sama
2. Rata-rata populasi A = 5.414 dan Populasi B = 4.444
3. Perhitungan statistik:
SSA = (217.41 – (37.9 )2/7)= 12.209
SA2 = SS/n-1 = 12.209/ 6 = 2.0347 f hitung = SB2 / SA2
SSB = (204.84 – (40 ) /9)= 27.063
2
= 1.663
SB2 = SS/n-1 = 27.063/ 8 = 3.3828
3. Daerah kritis
f0.05, 8,6 = 4.15 f hitung < f tabel  H0 diterima
4. Kesimpulan: Variansi populasi A dan B sama besar
Tabel F
http://home.comcast.net/~sharov/PopEcol/tables/f005.html
56
Edition 01
Revision 02
MATERIAL
Page 57 dari 93
Daerah Kritis dan Nilai Kritis
4.15
1.663
Ho DITOLAK Ho DITOLAK
Nilai kritis
Daerah kritis
1. Harga variansi kedua populasi diketahui

atau sampelnya besar
Jika pengambilan sampel cukup besar (r1 dan r2 > 100) maka untuk mengetahui harga
variansi populasi sebelum dilakukan penelitian, pengujiannya sbb:
1. Tuliskan H0 dan HA
H0 : μ1 = μ2
HA : μ1 ≠ μ2
2. Pilih tingkat signifikan : α (misal 5%)
3. Hitung Z dari statistiknya:
Z = (y1 – y2) /  (σ2 / r1 + σ2 / r2)
4. Tentukan nilai kritis  α=5%  Z 1-α /2 ; Zα

Z1-α /2 = Z0.975 = 1.96 dan –1.96 (test 2 ekor
Zα = Z0.05 = 1.64 dan -1.64 (test 2 ekor)
5. Ambil keputusan berdasarkan (4) dan (3)
57
Edition 01
Revision 02
MATERIAL
Page 58 dari 93
Contoh
Rata-rata berat lahir dari 200 ekor sapi Bali di Pulai Bali adalah
17.2 kg dengan variansi sebesar 3.6 kg. Di Sulawesi Selatan
rata-rata berat lahir dari 160 ekor sapi bali sebesar 13.8 kg
dengan variansi sebesar 1.9 kg.
Peneliti ingin mengetahui apakah rata-rata berat sapi Bali di kedua
Lokasi tersebut berbeda nyata atau tidak ( = 0.05)
1. H0: 1 =  2
HA:  1  2
2. Rata-rata populasi 1= 17.2 dan Populasi 2 = 13.8
r1 = 200 r2 = 160
Karena sampelnya >100 maka dianggap harga variansi sample adalah
variansi populasi sehingga 12 = 3.6 dan 22 = 1.9
Z = (y1 – y2) /  (σ2 / r1 + σ2 / r2)
Z = (17.2 – 13.8) /  (3,6/200 + 1.9/160) = 19.653
4. Daerah kritis
Z1-α /2 = Z0.975 = 1.96  Z hitung > Z tabel  H0 ditolak
5. Kesimpulan: rata-rata berat lahir sapi bali di kedua lokasi tersebut
berbeda nyata (P<0.05)
58
Edition 01
Revision 02
MATERIAL
Page 59 dari 93
2. Harga variansi tidak diketahui
Jika harga variansi tidak diketahui tetapi harga kedua variansi tersebut sama atau
diasumsikan sama besarnya, maka pengujiannya menggunakan uji t (student’s t test):
H0 : μ1 = μ2 atau H0 : μ1 = μ2
HA : μ1 ≠ μ2 HA : μ1 < μ2 atau HA : μ1 > μ2 0

3. Hitung t dari statistiknya:
t = (y1 – y2) / Sgab (1 / r1 + 1 / r2)  Sgab =  (SS1 + SS2) / (r1 + r2 -2)
4. Tentukan nilai kritis  t/2, r1+r2-2 ; + t , r1+r2-2 atau - t , r1+r2-2
5. Ambil keputusan uji berdasarkan (4) dan (3)
Contoh
Penelitian dilakukan untuk mengetahui apakah ada perbedaan efek

terhadap penggantian sumber protein pada ransum terhadap produksi susu sapi perah
Jumlah sampel yang digunakan sebanyak 7 ekor sapi per perlakuan. Perlakuan I
(R1 = ransum lama) dan perlakuan II (R2 = ransum baru). Data rata-rata produksi susu
(liter) selama percobaan dicatat sbb:
RI RII
11,5 9,5
10,3 10,5
11,2 8,9
8,9 9,4
9,8 9,0
10,7 9,9
12,4 10,0
59
Edition 01
Revision 02
MATERIAL
Page 60 dari 93
1. H0: 1 =  2
HA:  1  2
2. Rata-rata produksi pada R1= y1=10,68 dan Populasi R2 = y2 = 9,6
SS1 = 807,28 – 799,29 = 7,99
SS2 = 647,08 – 645,12 = 1,96
Sgab =  (SS1 + SS2) / (r1 + r2 -2) =  (7,99 + 1,96) / (7 + 7 – 2) = 0,91
t = (y1 – y2) / Sgab (1 / r1 + 1 / r2) = (10,68-9,6) / 0,91 1/7 + 1/7)

= 1.08 / (0.91 x 0.53) = 1.08 / 0.49 = 2.20
4. Daerah kritis
t, r1+r2-2 t0.05,12 = 2,18  t hitung > t tabel  H0 ditolak
5. Kesimpulan: Terdapat perbedaan efek nyata pada pemberian ransum baru terhadap
produksi susu.
3. Pengamatan data yang berpasangan (Paired Data

Observation)
Pengamatan data yang berpasangan dapat disebabkan karena adanya variabel

nuisance (variabel yang tidak diinginkan) yang dapat bersifat alamiah atau
kesengajaan yang disebabkan oleh desain penelitian
Pairing alamiah  pengamatan sebelum atau sesudah pada sample yang sama
Pairing desain penelitian  pairing berdsarkan genetik, berat, umur dsb.
Pada kasus ini (Y1 – Y2) diperlakukan sebagai satu variabel yaitu YD
 Hipotesis ekuivalennya ditulis : H0 : μD = μ0
60
Edition 01
Revision 02
MATERIAL
Page 61 dari 93
Tahapan Analisis
H0 : μ1 = μ2 atau H0 : μ1 = μ2
HA : μ1 ≠ μ2 HA : μ1 < μ2 atau HA : μ1 > μ2

3. Hitung t dari statistiknya:
t = (yD – μ0) / (SD / r) SD =  SSD / n-1  SD = deviasi standar
4. Tentukan nilai kritis  t/2, r1+r2-2 ; + t , r1+r2-2 atau - t , r1+r2-2
5. Ambil keputusan uji berdasarkan (4) dan (3)
Hipotesis yang akan diuji:

H0 : μ1 = μ2 atau H0 : μD = 0
HA : μ1 > μ2
Perhitungan Statistik: t = (yD – μ0) / (SD / r)

YD = 2,2 + 1,1 + ... + 1,2 + 2,0
8
= 9,2 / 8 = 1,15 SD =  SSD / n-1
 SD = deviasi standar
SSD = 21,08 – 10,58 = 10,5
SD = deviasi standar dari perbedaan-perbedaan sampel yg berpasangan
= 10,5 / 7 = 1,5 = 1.22
t = (yD – μ0) / (SD / r) = (1,15 -0) / 1.22 /  8) = (1,15 -0) / 1.22 / 2.83) = 2,6744
ttabel = t0,05, 7 = 1,895
61
Edition 01
Revision 02
MATERIAL
Page 62 dari 93
Keputusan uji:
t-hit > t tabel  Hipotesis Ditolak
Kesimpulan:
Peneliti yakin bahwa sekurang-kurangnya 95% penambahan niacin dapat
menurunkan kadar hemoglibin
Tabel F
http://home.comcast.net/~sharov/PopEcol/tables/f005.html
Studentized range distribution table (q-Table) untuk Tukey test
http://www.watpon.com/table/studen_range.pdf
Berikut link untuk Chi-square

http://home.comcast.net/~sharov/PopEcol/tables/chisq.html
Berikut adalah link untuk t-Table
https://home.comcast.net/~sharov/PopEcol/tables/t.html
62
Edition 01
Revision 02
MATERIAL
Page 63 dari 93
TOPIC X
LINIER REGRESSION
WEEK X
REGRESI LINIER SEDERHANA
Pengertian
• Dalam regresi akan dibicarakan dua hasil pengukuran

misalnya x dan y dari masing-masing individu dalam
populasi.
• Biasanya y disebut sebagai variabel tergantung
(dependent variable), sedangkan x disebut
sebagai variabel independent atau variabel bebas
• Hubungan antara x dan y dinyatakan dalam koefisien
regresi digambarkan dengan fungsi hubungan :
Y = bo +b1x  persamaan garis regresi
bo : slope regresi ; b1 : origin : harga y bila harga x:0
Jika persamaan regresi Y = bo +b1x
maka bo = Y– b1x b1 = SPxy

SSx
Salah baku b1 = Sb1 = (Sy / x) / √SSx
Salah baku b0 = Sbo = (Sy / x) / √(1/m) + (x2/SSx)
Sy/x = √SSE / n-2
Untuk setiap nilai observasi Yi maka terdapat nilai

prediksinya yaitu Ŷ = bo + b1x
63
Edition 01
Revision 02
MATERIAL
Page 64 dari 93
Interval konfidensi untuk bo dan b1 :

bo (t/2, n-2)(Sy/x)(√1/m + x2/SSx)
b1 (t/2, n-2)(Sy/x) (√SSx)
Contoh soal 1:
Carilah persamaan regresi y terhadap x dari data berikut :
X Y
10 8
6 5
2 4
2 3
10 5
14 7
16 8
60 40
• SSx = (102 + …+ 162) – 602/ 7 = 696 – 514,285 = 181,715

• SSy = (82+ … + 82) – 402/7 = 252 – 228,571 = 23,429
• SPxy = ((10)(8) + …+ ((16)(8)) – (60)(40)/ 7
= 400 – 342,857 = 57.243
• b1 = SPxy / SSx = 57,143 / 181.715 = 0,314
• bo = Y– b1x = 5,714 – (0.314)(8,571) = 5,714 – 2,691

= 3,023
Persamaan garis regresi :

y = 3,023 + 0,314 x
Bila x = 15, maka nilai prediksi y  y = 3,023 + 0,314(15)

y = 7,733
64
Edition 01
Revision 02
MATERIAL
Page 65 dari 93
Contoh soal 2 :
Hasil survey terhadap nilai test statistik mahasiswa adalah :
Nilai Test Baru Nilai Test Standar
50 61
55 61 _
60 59 X = 825/11=75
65 71
70 80 _
Y = 916/11 = 83,2727
75 76
80 90
85 106
90 98
95 100
100 114
825 916
Pertanyaan :
1. Carilah persamaan garis regresi dan berapa prediksi y
bila x = 78?
2. Lakukan uji untuk mengetahui apakah terdapat regresi
yang nyata?
3. Berapakah besar nilai R2?
Jawab:
• SSx = (502 + …+ 1002) – 8252/11 = 64625 – 61875 = 2750
• SSy = ( 612+…+ 1142) – 9162/ 11 = 80076 – 76277.818
= 3798,182
• SPxy = ((50)(61) + … + (100)(114)) – (825)(916)/ 11
= 71790 – 68700 = 3090
• b1 = SPxy/SSx = 3090/2750 = 1,1236

_ _
• bo = y – b1x = 83,2727 – (1,1236)(75)
= 83,2727 – 84,27 = - 0,9973
65
Edition 01
Revision 02
MATERIAL
Page 66 dari 93
1. Persamaan garis regresi :

*) y = bo + b1x  y = -0,9973 + 1,1236x
*) x = 78 y = -0,9973 + 1,1236(78) = 86,64
2. Uji Signifikansi regresi

Ho :  = 0 t : b1/Sb1 = b1/(Sy/x) / √SSx
HA:   0
b1 = 1,1236
• Sy/x = √SSE / (n-2)

SSE = SSy – SSR  SSR = b1 (SPxy) = 1,1236(3090)
= 3471,924
SSy = 3798,182
SSE = 3798,182 – 3471,924 = 326,258
Sy/x = √326,258 / (11 – 2) = 6,0209
t = b1/Sb1 = b1/(Sy/x) / √SSx
= 1,1236
6,0209 / √2750
t = 1,1236 / 0,1148 = 9,787

=
Nilai kritis : t/2,n-2 = t 0,025,9 = 2,262
Ho = tidak ada regresi
HA = ada regresi
t stat > t tabel  Ho ditolak
Kesimpulan : terdapat regresi yang nyata
66
Edition 01
Revision 02
MATERIAL
Page 67 dari 93
3. Besarnya nilai R2
R2 = SSR / SSy = 3471,924 / 3798,182 = 0,914 = 91,4%

artinya: nilai prediksi menggunakan persamaan regresi
yang diperoleh tingkat kesesuaiannya sebesar 91,4%
Latihan
Carilah persamaan regresi y/x dari data berikut :
x y
-10 -8
-6 -5
-2 -4
2 -3
6 0
10 4
14 7
16 8
20 11
23 10
1. Mencari _persamaan regresi

_
Langkah2 :
• x ; x 2 ; x ; y ; y2 ; y
• xiyi
• SSx
• SSy
• SPxy
• b1 dan bo
• Tentukan persamaan regresinya
• Bila x = -1, Berapa prediksi nilai y
67
Edition 01
Revision 02
MATERIAL
Page 68 dari 93
2. Apakah terdapat regresi yang nyata ?
Langkah2 :
• Tentukan nilai t stat, sebelumnya tentukan :
• Tentukan SSy
• Tentukan SSR
• Tentukan SSE
• Tentukan Sy/x
• Tentukan nilai Sb1
• Tentukan nilai kritis
• Berilah kesimpulan
3. Berapa besar korelasi x dan y ( rxy)
rxy = SPxy / √ (SSx)(SSy)
4. Berapa besar koefisien determinasi (R2)
R2 = SSR / SSy
68
Edition 01
Revision 02
MATERIAL
Page 69 dari 93
Jawaban :
1. Mencari Persamaan Regresi
_
• x = 73 ; x2 = 1661 ; _x = 7,3
• y = 20 ; y2 = 464 ; y = 2
• xiyi = (-10)(-8) + … + (23)(10) = 828
• SSx = 1661 – 732/10 = 1128,1
• SPxy = 8,28 – (73)(20) / 10 = 682
• b1 = SPxy / SSx = 682/1128,1 = 0,605)
_
• b0 = y – b1x = 2-(0,605)(7,3) = -2,4165
_
• Y = bo + b1x
• Persamaan garis regresi
Y = 2,4165 + 0,605x
2. Apakah terdapat regresi yang nyata ?
• SSy : 464 – 202/10 = 424

• SSR : b1 (SPxy) = (0,605)(682) = 412,6
• SSE : SSy – SSR = 424 – 412,6 = 11,39
• Sy/x = √SSE/n-2 = 1,193
• Sb1 = (Sy/x) / √SSx = 1,193/ √1128,1 = 0,036
• t stat = 0,605 / 0,036 = 16,806
• t tabel = t 0,025, 8 = 2,306
• Ho ditolak
• Hasil uji menunjukkan terdapat regresi yang nyata.
69
Edition 01
Revision 02
MATERIAL
Page 70 dari 93
3. Berapa besar korelasi x dan y
• rxy = SPxy / √(SSx)(SSy) = 682 / √(1128,1)(424) = 0,986
4. Berapa besar koefisien determinasi
R2 = SSR / SSy = 412,61 / 424 = 0,973 = 97,3%
70
Edition 01
Revision 02
MATERIAL
Page 71 dari 93
TOPIC XI
CORRELATION
WEEK XI
CORRELATION
KORELASI
• Korelasi berarti hubungan timbal balik atau assosiasi,

yaitu saling bergantungnya dua variabel mis y1 dan
y2. Namun demikian hubungan tersebut bukan
merupakan hubungan sebab akibat
• Untuk menyatakan korelasi antara dua variabel,
dipergunakan koefisien korelasi pearson atau product
moment coefficient of correlation (ρ)
• Dalam korelasi ρ parameter populasi
r  statistik sampel
71
Edition 01
Revision 02
MATERIAL
Page 72 dari 93
Koefisien korelasi pearson merupakan bilangan tidak

berunit dengan batas kisaran -1r  +1
Negatif  perubahan x dan y berlawanan arah
Positif  perubahan x dan y searah
Nol (0)  tidak ada hubungan
Besarnya koefisien korelasi dinyatakan dalam
formula berikut ini:
rxy = cov xy r = SPxy

√(varx)(var y) √(SSx)(SSy)
Note :
• SP : Sum of Product : JHK
• SS : Sum of Squares : JK
Contoh :
Tinggi FEV (l)
FEV : Forced Expiratory Volume
132 1,8
138 1,9
145 2,0 Pertanyaan :
146 2,2 Hitung korelasi antara tinggi
150 2,2 badan dan FEV
157 2,5
158 2,6
163 2,9
166 3,0
170 3,4
174 3,5
178 3,9
72
Edition 01
Revision 02
MATERIAL
Page 73 dari 93
Jawab
x : tinggi badan
•r: SPxy
y : FEV
√(SSx)(SSy)
x : 1877 y : 31,9
• SPxy : [(132)(1,8) + …+ (178)(3,9)] – (1877)(31,9)/12

: 5096,2 – 4989,692 = 106,508
• SSx : (1322 + …+ 1782) – (1877)2/12 = 2312,92
• SSy : (1,82 + …+ 3,92) – (31,9)2/12 = 5,17
• r =106,508 / √(2312,92)(5,17) = 0,9739
Uji Hipotesis untuk korelasi dalam satu populasi

Ho : ρ12 =0
HA : ρ12  0 HA : ρ12 > 0 HA : ρ12<0
Diuji dengan membandingkan nilai statistik :

r12
t=
√(1 – r12)2 / (n-2)
Nilai kritis :
• t/2,n-2 bila HA : ρ12  0
• + t , n-2 bila HA : ρ12 > 0
• - t , n-2 bila HA : ρ12<0
Jika Ho DITOLAK, maka disimpulkan terdapat korelasi
yang nyata ( = 0,05) atau sangat nyata ( = 0,01)
73
Edition 01
Revision 02
MATERIAL
Page 74 dari 93
Contoh :
x y
3 6 Pertanyaan :
5 7 • Berapa besar korelasi x dan y (rxy)?
2 8 • Apakah terdapat korelasi yang nyata?
4 5
n : 6 x : 27 y : 43
7 10
6 7
Jawab a
• SSx SSy SPxy
• rxy
Jawab b : rxy
• Ho : ρxy =0 t=
√(1-rxy)2 / n-2
• HA : ρxy  0
0,466
t= = 1,745
√ (1- 0,466)2/4
Nilai kritis :
t /2,4 = 2,776
Tstat < t tabel Ho DITERIMA

Tidak terdapat korelasi yang nyata
74
Edition 01
Revision 02
MATERIAL
Page 75 dari 93
TOPIC XII
INTRODUCTION TO SPSS
WEEK XII
Pengenalan SPSS
Statistik Kelas C
Dyah Maharani
Topik yang akan dipelajari
 Sekilas tentang SPSS

 Struktur Dasar dari SPSS
 Pengaturan data
 Descriptive Statistics
75
Edition 01
Revision 02
MATERIAL
Page 76 dari 93
Sekilas tentang SPSS
 SPSS singkatan dari Statistical Package for the Social

Sciences
 SPSS adalah paket program statistik yang lebih

mudah penggunaannya dibanding program lain
seperti Minitab, Microstat, S-Plus, R, atau SAS.
 SPSS versi terakhir SPSS 22.0.
How to open SPSS
 Klik START
 Click PROGRAMS
 Click SPSS for windows
76
Edition 01
Revision 02
MATERIAL
Page 77 dari 93
Struktur Dasar pada SPSS
 Ada dua window dalam SPSS
 Data Editor
 Data view
 Variable view
 Output viewer
 Grafik
 Statistik view
Data Editor Window
77
Edition 01
Revision 02
MATERIAL
Page 78 dari 93
Output viewer Window
Data view vs. Variable view
 Data view
 Baris  diisi dengan kasus dan berciri adanya angka 1,2,3
 Kolom  diisi dengan variabel; ciri ada kata Var dalam setiap kolom
78
Edition 01
Revision 02
MATERIAL
Page 79 dari 93
Data view vs. Variable view
 Data view
 Baris  diisi dengan kasus dan berciri adanya angka 1,2,3
 Kolom  diisi dengan variabel; ciri ada kata Var dalam setiap
kolom
 Variable view
 Baris menyatakan variabel
 Name, Type, Width, Decimals, Label, Missing, etc.
 Ukuran – umur, berat badan, pendapatan
 Nominal – kategori yang tidak dapat dibuat ranking
(ID number)
 Ordinal – kategori yang dapat dibuat ranking (level of
satisfaction)
Variabel View window

 Variabel View
Data view akan terisi jika variabel-variabel yang akan dianalisis
dimasukkan ke dalam variabel view
Click
79
Edition 01
Revision 02
MATERIAL
Page 80 dari 93
Variable View
 Pada sheet ini berisi informasi tentang data set yang akan
disimpan atau tampak pada data view
 Name
 Pada kolom name diisi dengan nama variabel yang harus ditulis
dalam huruf alfabet kecil
 Jumlah karakter variabel tidak boleh lebih dari 64 karakter.
 Tidak boleh menggunakan spasi dalam penulisan karakter
Variable View : Type

 Type
 Dalam kolom type jika kita klik akan muncul box. Ada dua
type variabel dasar yaitu numeric dan deret. Biasanya
digunakan numeric untuk penelitian yang sifatnya
kuantitatif
Maksimal angka ada delapan
Deciaml dua angka

dibelakang koma
80
Edition 01
Revision 02
MATERIAL
Page 81 dari 93
Variable View window: Label
 Label
 Kolom label diisi penjelasan dari variabel Name
 Maks karakter 256 karakter
 Mis: Variabel Name-nya ditulis BB  pada kolom label ditulis lengkap Berat
Badan
Variable View : Values

 Values
 Pada kolom ini digunakan apabila data
variabelnya bukan merupakan angka.
 Data yang bukan angka dibuat angka
mis: Jantan (1), Betina (2)
81
Edition 01
Revision 02
MATERIAL
Page 82 dari 93
Cara menentukan label

 Klik cell dibawah kolom value
 Isikan angka 2 pada kotak value.
 Tuliskan arti 2 pada kolom label (2=Betina/Female)
 Klik add lalu klik OK.
Clic
k
Latihan 1
 Bagamainan cara memasukkan data (entry data) berikut ini

kedalam SPSS?
Name Gender Height

JAUNITA 2 5.4
SALLY 2 5.3
DONNA 2 5.6
SABRINA 2 5.7
JOHN 1 5.7
MARK 1 6
ERIC 1 6.4
BRUCE 1 5.9
Value = 1 = Male
Value = 2 = Female
82
Edition 01
Revision 02
MATERIAL
Page 83 dari 93
Latihan 1 (jawaban)
klik
klik
83
Edition 01
Revision 02
MATERIAL
Page 84 dari 93
Penyimpanan data
 Untuk menyimpan data seperti biasa, klik “file” dan klik
“save as” lalu data tersebut dapat saudara simpan
dalam bentuk beberapa pilihan seperti dalam gambar
berikut:
Click
Pengurutan data
 Klik “Data” dan kemudian pilih “sort Cases”
84
Edition 01
Revision 02
MATERIAL
Page 85 dari 93
Pengurutan data
 ‘Name of the students.’ diklik dua kali lalu klik ok.
Urut dari huruf terkecil ke besar
klik
klik
Latihan 2
 Bagaimana cara mengurutkan data tinggi

badan (height) mahasiswa dari angka
terbesar ke terkecil (decending)?
 Jawabannya:
 Klik data sort cases  double klik “height of
student”  klik dscending dan klik OK
Urut dari huruf terbesar ke kecil
85
Edition 01
Revision 02
MATERIAL
Page 86 dari 93
Analisis Sederhana
Cara membuka data
86
Edition 01
Revision 02
MATERIAL
Page 87 dari 93
Cara membuka data
Contoh analisis sederhana dalam SPSS
 Frequencies
 Analisis ini akan meghasilkan tabel perhitungan
frekuensi dan persentase suatu nilai variabel
individu
 Descriptives
 Analisis ini dapat dipakai untuk menghitung nilai
maks, min, mean, standar deviasi suatu variabel
 Linear regression analysis
 Linear Regression dapat digunakan untuk
mengestimasi koefisien dari persamaan linear
87
Edition 01
Revision 02
MATERIAL
Page 88 dari 93
Frekuensi
 Klik ‘Analyze,’ ‘Descriptive statistics,’ lalu klik

‘Frequencies’
Frequencies
 Klik “height” dan letakkan pada box variable
 Klik ‘Charts.’
 Klik ‘Bar charts’ dan klik ‘Continue.’
88
Edition 01
Revision 02
MATERIAL
Page 89 dari 93
Descriptives
 Klik ‘Analyze,’ ‘Descriptive statistics,’ lalu klik ‘Descriptives…’
 Klik ‘Height of student’ dan letakkan dalam variable box.
 Klik Options
89
Edition 01
Revision 02
MATERIAL
Page 90 dari 93
Descriptives
90

Bahan Ajar Statistika 2020 - English - DM

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bahan Ajar Statistika 2020 - English - DM

Diunggah oleh

Hak Cipta:

Format Tersedia

TEACHING MATERIAL

Dyah Maharani, Ir. S.Pt., M.P., Ph.D., IPM.

Faculty of Animal Science

1. Nama Matakuliah: Statistika

1. Introduction to the Practice of Statistics (Author: Moore McCabe)

2. Experimental Design and Data Analysis for Biologists

(Author: Quinn Keough)

3. Pengantar Ilmu Statistik untuk Peternakan dan Kesehatan Hewan

(Author : Prof. Maria Astuti)

0878 3979 7520

1. Memberi pengetahuan tentang konsep-konsep dasar statistika

Outcome / Manfaat Pembelajaran

1. Mahasiswa memahami konsep-konsep dasar statistika

Jumlah jam dan Pembagiannya

Tatap muka (kuliah) : 14 X 2 jam = 28 jam ( 1 jam kuliah 50 menit)

Tugas terstruktur : 12 X 1 jam = 12 jam

Latihan/simulasi : menyesuaikan topik kuliah

Belajar mandiri : menyesuaikan mahasiswa

Jadwal kegiatan mingguan

Minggu Ke Pokok Bahasan Sub Pokok Bahasan

I Pendahuluan Pengenalan RPKPS

II Penyederhanaan Data (1) 1. Distribusi Frekuensi Empiris

III Penyederhanaan Data (2) 1. Simbol dan Notasi Penjumlahan

IV Ukuran Tendensi sentral dan 1. Pengertian dan contoh penghitungan

V Distribusi Probabilitas & 1. Distribusi Binomial

Minggu Ke Pokok Bahasan Sub Pokok Bahasan

VI Distribusi Probabilitas & 1. Distribusi mean dan fungsi linier dari

VII MID TERM

VIII Pengertian Hipotesis dan inferensi 1. Hipotesis penelitian

Minggu Ke Pokok Bahasan Sub Pokok Bahasan

XI Frekuensi Data Pengujian 1. Uji proporsi binomial

XII Regresi dan Korelasi 1. Regresi linier sederhana

XIII Pengenalan SPSS 1. Entry Data

XIV Resume 1. Latihan-latihan

Penilaian Hasil Belajar Mahasiswa:

Komponen nilai hasil belajar mahasiswa meliputi :

• 10 % tugas dan latihan

• 45% Ujian akhir

Minggu Ke Pokok Bahasan Sub Pokok Bahasan

VI Distribusi Probabilitas & 1. Distribusi mean dan fungsi linier dari

VII MID TERM

VIII Pengertian Hipotesis dan inferensi 1. Hipotesis penelitian

• Data kuantitatif atau data angka

Metode atau cara untuk mengumpulkan, mengolah,

1. Metode statistik deskriptif

2. Metode statistik inferens

1. Penyusunan data dalam bentuk array (jajaran)  data disusun

Tabel 1. Ukuran lingkar dada (cm) dari 40 ekor sapi PFH

145 145 147 151 153 157 158 158

2. Penyusunan data secara berkelompok dalam bentuk

Tujuannya untuk memperoleh gambaran data

145 145 147 151 153 157 158 158 151-160 7

158 159 161 162 163 164 164 165 161-170 18

165 165 165 165 167 167 168 168 171-180 5

168 169 170 170 172 175 178 178 181-190 5

179 182 185 185 188 189 191 193 191-200 2

1. Menentukan jumlah kelas

1. Penentuan Jumlah Kelas

• Rumus (Menurut Sturges): Tidak mutlak

2. Penentuan Batas Kelas, Tepi Kelas dan Interval Kelas

• Tepi Kelas (Class Boundaries):

• Class Interval (Interval Kelas):

Ukuran Kelas Jumlah