BAGIAN I : Skor maksimal 30

Petunjuk : Lingkari hurup B bila menurut Anda pernyataan dalam soal BENAR, lingkari hurup
S bila pernyataan dalam soal menurut Anda SALAH. Baik Anda pilih B atau S berilah alasan
atau penjelasannya.
Untuk setiap soal bagian ini mendapat skor 1 bila jawaban Anda tepat (sesuai dengan kunci
jawaban) dan ditambah 2 bila penjelasannya juga tepat (sesuai dengan konsep), atau
ditambah 1 bila benar tetapi kurang tepat.

SOAL-SOAL
B S Distribusi normal sangat bermanfaat sebagai model distribusi peluang dalam analisis
statistik inferensial karena setiap distribusi normal merupakan gambaran distribusi
normal baku dengan data statistik
PENJELASAN:
Distribusi Normal sangat penting dalam analisis statistik inferensial, yaitu sebagai model
distribusi peluang. Ada beberapa alasan yaitu : Distribusi normal adalah model yang baik
unruk mendekati frekuensi distribusi fenomena alam dan sosial jika sampelnya besar
(karakteristiknya berskala interval atau rasio), Ada hubungan yang kuat antara sampel
dengan distribusi rata – rata yang diperoleh dari sampel – sampel acak stautu populasi
yang sama, dan Distribusi normal memberikan penghampiran yang baik terhadap
distribusi teoritis lainnya yang lebih sulit digunakan untuk memodelkan distribusi peluang.
Setiap Distribusi Normal dapat dikonversikan ke dalam distribusi normal baku. Jika peubah
X berdistribusi normal dengan mean ( 𝜇 = 0) dan standar deviasi (𝜎 = 1)
𝑥−𝜇
ditranformasikan menjadi 𝑧 = , maka distribusi z merupakan distribusi normal baku.
𝜎
Sehingga dapat dikatakan bahwa setiap distribusi normal merupakan gambaran distribusi
normal baku dengan data statistik yang sangat bermanfaat sebagai model distribusi
peluang dalam analisis statistik inferensial.

B S Jika sampel yang diambil adalah sampel jenuh (seluruh bagian dari populasi) maka seluruh
data hasil pengolahannya adalah parameter.
PENJELASAN:
Dalam penentuan sampel data dari suatu populasi digunakan beberapa teknik. Salah
satunya adalah teknik sampling jenuh. Sampling Jenuh adalah teknik penentuan sampel
bila semua anggota populasi digunakan sebagai sampel. Teknik ini sering dilakukan bila
jumlah populasinya relatif kecil yakni kurang dari 30 responden dengan alasan membuat
generalisasi tingkat kesalahan yang sangat kecil. Mentransformasi data dari ordinal
menjadi interval/parameter gunanya untuk memenuhi sebagian dari syarat analisis
parametric yang mana data yang biasanya disajikan adalah data ordinal maka harus
dinaikan menjadi data berskala interval atau parameter.

B S Suatu penaksir disebut konsisten jika rata-rata dari sejumlah rata-rata sampel yang
diambil secara acak dan berulang sama dengan parameter.
PENJELASAN:
Pernyataan tersebut salah karena yang benar adalah suatu penaksir disebut konsisten jika
dilakukan penambahan jumlah sampel yang menyebabkan penaksir mendekati ukuran
parameternya. Dan Suatu penaksir disebut tak bias jika rata-rata dari sejumlah rata-rata
sampel yang diambil secara acak dan berulang sama dengan parameter.
B S Kekeliruan tipe I (α) mengandung arti bahwa terdapat kesalahan dalam menentukan taraf
signifikansi oleh peneliti.
PENJELASAN:
Taraf Signifikansi adalah peluang kesalahan yang di ambil oleh seorang peneliti dalam
mengambil keputusan menolak atau menerima hipotesis. Didalam penelitian dapat
dimungkinkan terjadinya kesalahan dalam menarik kesimpulan berdasarkan hipotesis
yang ditentukan. Kekeliruan ini disebabkan hipotesis yang ditetapkan mengandung
ketidakpastian. Adanya unsur ketidakpastian menyebabkan resiko kesalaha bagi
pengambilan keputusan. Ada dua kemungkinan kesalahan hipotesis yaitu Kekeliruan tipe
I (α) yakni menolak hipotsesis yang seharusnya diterima dan Kekeliruan tipe II (𝛽) yakni
menerima hipotesis yang seharusnya ditolak.

B S Suatu penelitian memperoleh harga zhitung sebesar -1,89 dan peneliti menetapkan kriteria
menolak hipotesis nol pada p<0,05, maka zhitung tersebut berada dalam daerah penolakan
H0.
PENJELASAN:
Hipotesis uji dua arah
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0
𝑧ℎ𝑖𝑡𝑢𝑛𝑔 = −1,89 dan taraf signifikansi 𝛼 = 0,05 serta 𝑧𝑡𝑎𝑏𝑒𝑙 = 𝑧𝛼/2 = 𝑧0,05/2 = 𝑧0,025 =
1,960 Sedemikian sehingga karena 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑧𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima.
Dengan kata lain, 𝑧ℎ𝑖𝑡𝑢𝑛𝑔 tersebut berada dalam daerah penolakan H0

B S ANOVA satu jalur dan uji-t dua pihak akan menghasilkan kesimpulan yang berbeda dalam
menguji hipotesis nol tentang perbedaan dua buah rata-rata populasi.
PENJELASAN:
ANOVA dapat dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak
terbatas pada pengujian dua buah rata – rata populasi tetapi dapat menguji perbedaan
tiga buah rata- rata populasi atau lebih. Jika kita menguji hipotesis nol bahwa rata – rata
dua buah kelompok tidak berbeda, Teknik ANOVA dan uji-t akan menghasilkan
kesimpulan yang sama yakni keduanya akan menolak atau menerima 𝐻0 .

B S Sumber yang paling mungkin menimbulkan kekeliruan penafsiran koefisien korelasi pada
studi terhadap hubungan antara kecerdasan dengan prestasi belajar siswa di daerah
pedesaan dengan di kota secara statistika adalah kemungkinan terdapatnya perbedaan
standar penilaian antara di daerah dengan di kota.
PENJELASAN:
Pernyataan tersebut benar karena penafsiran koefisien korelasi tergantung dari standar
penilaian suatu daerah sedemikian sehingga terdapat perbedaan standar penilaian antara
di daerah dengan di kota yang akan menimbulkan kekeliruan dalam penafsiran koefisien
korelasi pada hubungan antara kecerdasan dengan prestasi belajar siswa di daerah
pedesaan dengan di kota

B S Indeks korelasi menunjukkan saling pengaruh dua variabel sedangkan taraf signifikansi
menunjukkan kekuatan hubungan.
PENJELASAN:
Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan
dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai
hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.
Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan
terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah.
 Sedangkan Taraf Signifikansi memberikan gambaran mengenai bagaimana hasil riset itu
mempunyai kesempatan untuk benar

B S Pengujian signifikansi untuk rumusan hipotesis statistik H 0: ρ = 0 sama dengan bila H0

dirumuskan ρ = 0,55.
PENJELASAN:
Hipotesisnya untuk ρ = 0 sebagai berikut :
𝐻0 : 𝑝 = 0
𝐻1 : 𝑝 ≠ 0
Sedangkan Hipotesisnya untuk ρ = 0,55 sebagai berikut
𝐻0 : 𝑝 = 0,55
𝐻1 : 𝑝 ≠ 0,55
Sedemikian sehingga pengujian signifikansi untuk rumusan hipotesis statistik akan
berbeda

B S Residu pada model regresi linier sederhana akan terjadi jika Y tidak sama dengan Y’.
Hipotesis statistik untuk menguji model regresi linier tersebut adalah H 0: β1= 0 artinya
model regresi tidak linier.
PENJELASAN:
Residual (e atau ε) adalah kesalahan dalam memprediksi data sampel. Kita berasumsi
bahwa kesalahan random akan terjadi, tetapi kita berasumsi bahwa kesalahan ini
merupakan estimasi kesalahan random yang sebenarnya pada populasi ( ε ), bukan
semata hanya kesalahan prediksi dalam sampel ( e ). Pengertian lain ialah perbedaan
antara nilai variabel tergantung yang sebenarnya dan nilai prediksi. Persamaan Regresi
linier sederhana dengan residu : Y = a + β1X1 + e.
Hipotesis statistik untuk menguji model regresi linier tersebut adalah H 0: β1= 0
Y = a + 0X1 + e = a + e
Sedemikia Sehingga Dapat dilihat bahwa model regresi tersebut tidak linier.

SOAL-SOAL BAGIAN II : Skor maksimal = 30

Petunjuk: Lingkari salah satu hurup yang menunjukkan pilihan jawaban yang Anda anggap
paling tepat, kemudian berilah penjelasan atas pilihan tersebut. Untuk setiap pilihan yang
sesuai dengan kunci jawaban diberi skor 1, dan ditambah skor 2 bila penjelasannya tepat,
atau ditambah skor 1 bila penjelasannya benar tetapi kurang tepat.

Galat baku rata-rata dari n=100, rata-rata = 55, dan variansi = 36 adalah ....
A. 0,36
B. 0,53
C. 0,55
D. 0,60
Jawaban :
Diketahui 𝑛 = 100, ̅𝑥 = 55, 𝑠 2 = 36
𝑠 = √ 𝑠 2 = √36 = 6

𝑠 6 6
𝑆𝐸 = = = = 𝟎, 𝟔𝟎
√𝑛 √100 10
Karakteristik distribusi norma adalah sebagai berikut, KECUALI ....
A. memiliki hanya satu modus
B. nilai terbesar dan terkecil tidak terhingga
C. nilai rata-rata membagi distribusi menjadi dua bagian yang simetris
D. memiliki variansi = 1
PENJELASAN :
Karakteristik Distribus Normal adalah Uni modal (Memiliki hanya satu modal), Simetrik (nilai rata-rata
membagi distribusi menjadi dua bagian yang simetris), dan nilai terbesar dan terkecil tidak terhingga.
Walaupun Varians dari distribusi norma asalah 1 tetapi itu bukan suatu karakteristik dari distribusi norma

Harga t (distribusi student) akan sama dengan harga z (distribusi z) bila ....
A. distribusi sampel normal
B. jumlah sampel besar
C. jumlah populasi diketahui
D. Rata-rata populasi diketahui
PENJELASAN
Karena t (distribusi student) akan memiliki hasil yang sama dengan z (distribusi z) ketika data merupakan
suatu distribus sampel normal.

Agar sampel yang diambil mewakili populasinya, perlu dipertimbangkan hal-hal berikut, KECUALI ....
A. sampel diambil secara acak (random)
B. ukuran sampel (sample size)
C. tingkat kecermatan yang diinginkan
D. teknik analisis statistik yang akan digunakan
PENJELASAN :
Tingkat kecermatan bukanlah hal yang perlu dipertimbangkan dalam mengambil suatu sampel. Karena hal
yang lebih penting adalah ukuran sampel, teknik analisis statistic dan pengambilan sampel.

Peluang untuk terlibat kekeliruan tipe I (α) dapat diminimalkan dengan cara berikut, KECUALI ....
A. memperbesar jumlah sampel
B. menggunakan instrumen pengumpul data yang valid dan reliabel
C. menetapkan sekecil mungkin tingkat signifikansi (alpha)
D. menggunakan teknik statistik yang powerful
PENJELASAN :
Kekeliruan tipe I (α) yakni menolak hipotsesis yang seharusnya diterima. Oleh karena itu, dengan
memperbesar jumlah sampel, menggunakan instrumen pengumpul data yang valid dan reliabel, dan
menggunakan teknik statistik yang powerful akan meminimalkan tingkat kekeliruan.

Tingkat keyakinan (1 – α) menunjukkan ....

A. peluang munculnya nilai sampel jika hipotesis nol salah
B. peluang munculnya nilai sampel jika hipotesis nol benar
C. daerah penerimaan hipotesis nol jika hipotesis nil salah
D. daerah penerimaan hipotesis nol jika hipotesis nol benar
PENJELASAN :
harga (1-)100% disebut Taraf Keyakinan. Sebagai contoh, apabila kita menetapkan  sebesar 0,05 atau 5%
berarti sama dengan menentukan taraf keyakinan sebesar (1-0,05)=0,95 atau 95%. Sehingga Tingkat
keyakian menunjukkan daerah penerimaan hipotesis nol jika hipotesis nol benar.

Dalam uji-t pengujian perbedaan dua buah rata-rata populasi yang tidak berkorelasi terdapat empat asumsi
yang perlu dipenuhi, salah satunya adalah ....
A. independensi skor baik dalam maupun antar kelompok
B. heteroginitas variansi kedua kelompok populasi
C. normalitas distribusi populasi yang diambil sampelnya
D. sampel diperoleh secara acak dari populasi
PENJELASAN :
Salah satu dari empat asumsi tersebut adalah independensi skor baik dalam maupun antar kelompok.
Karena variabel – variabel yang tidak berkorelasi disebut dengan interdepedensi. Sehingga semua variabel
bersifat independen.

Perbedaan ANOVA dari uji-t adalah ....

A. ANOVA tidak dapat menguji perbedaan dua buah rata-rata populasi
B. ANOVA hanya menguji perbedaan rata-rata kelompok sampel yang jumlahnya sama
C. ANOVA dapat menguji perbedaan dua buah rata-rata yang berkorelasi
D. ANOVA dapat menguji pengaruh variabel moderator terhadap variabel X dan Y
PENJELASAN :
ANOVA dapat dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak terbatas pada pengujian
dua buah rata – rata populasi tetapi dapat menguji perbedaan tiga buah rata- rata populasi atau lebih.
Perbedaan antara ANOVA dan Uji-t hanya pada ANOVA dapat menguji pengaruh variabel moderator
terhadap variabel X dan Y. Dengan kata lain, pada jumlah kelompok yang dibandingkan

Secara rinci, ANOVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri berikut ....
A. melibatkan hanya satu variabel bebas dengan dua tingkatan atau lebih
B. perbedaan antara tingkatan pada variabel bebas hanya bersifat kuantitatif
C. setiap subjek merupakan anggota dari hanya satu kelompok (tingkatan) pada variabel terikat
D. melibatkan dua variabel bebas dengan dua tingkatan atau lebih
PENJELASAN :
ANOVA satu jalur digunakan untuk menguji perbedaan di antara dua atau lebih kelompok dimana hanya
terdapat satu faktor yang dipertimbangkan. Misalnya membandingkan efek dosis obat yang berbeda
terhadapa kesembuhan pasien.

Ketepatan pengujian korelasi antara dua variabel akan sangat tergantung pada ....
A. jenis data (metrik atau non metrik)
B. teknik korelasi (parametrik atau nonparametrik)
C. konsep yang mendasari pengujian korelasi kedua variabel
D. independensi skor salah satu variabel
PENJELASAN :
Pengujian Korelasi antara dua variabel bergantung koefisien korelasi. Koefesien korelasi menunjukkan
kekuatan hubungan linear dan arah hubungan dua variabel acak. Sehingga Ketepatan pengujian korelasi
antara dua variabel akan sangat bergantung pada jenis data yang akan di uji.