Nama : Avida Rizka Amalia

Npm : 3119146

Kelas : PAI 5E

Dosen : Muhammad Iqbal Yusri

1. Sebutkan definisi dari istilah berikut:

A. Statistik : adalah suatu pengetahuan yang berhubungan dengan metode pengumpulan data,
pengolahan data, analisisnya, dan juga penarikan kesimpulan dengan berdasarkan kumpulan data
serta penganalisisan yang dilaksanakan.

B. Data : merupakan sekumpulan informasi atau juga keterangan– keterangan dari suatu hal yang
diperoleh dengan melalui pengamatan atau juga pencarian ke sumber – sumber tertentu. Data yang
diperoleh namun belum diolah lebih lanjut dapat menjadi sebuah fakta atau anggapan.

C. Populasi : adalah suatu kelompok atau kumpulan objek atau objek yang akan digeneralisasikan dari
hasil penelitian.

D. Sampel : adalah bagian dari populasi yang memiliki karakteristik mirip dengan populasi itu sendiri.

E. Modus : merupakan nilai yang sering muncul dalam suatu kelompok data.

F. Median : adalah nilai tengah data setelah diurutkan.

G. Mean : dapat diartikan sebagai nilai rata-rata suatu kelompok data.

H. Standart Deviasi : adalah nilai statistik yang dipakai guna menentukan seberapa dekat data dari suatu
sampel statistik dengan data mean atau rata-rata data tersebut.

2. Jelaskan definisi statistic parametrik dan statistic non-parametrik? Apa keuntungan dan kelemahan!

Statistik parametrik

Statistik parametrik biasanya digunakan pada saat hipotesis yang diuji tidak melibatkan suatu parameter
populasi, data telah diukur dengan skala yang lebih lemah dibandingkan dengan syarat statistik non
parametrik, bila asumsi-asumsi untuk statistik parametrik tidak terpenuhi, dan hasil riset harus disajikan
dan perhitungan harus dikerjakan secara manual. Statistik parametrik adalah bagian dari statistik yang
parameter dari populasinya mengikuti suatu distribusi tertentu seperti distribusi normal dan memilki
varian yang homogen.

Statistik parametrik memiliki keungulan dan kekurangan, adapun keuntungan dari penggunaan
prosedur-prosedur dari statistik parametrik adalah sebagai berikut.

• Syarat-syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, Pengukuran terhadap data dilakukan dengan kuat.
• Observasi bebas atau sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogeny
 Sedangkan kekurangan dari pengunaan prosedur-prosedur model statistik parametrik adalah :

• Populasi harus memiliki varian yang sama.

• Variable variable yang diteliti harus dapat diukur setidaknya dalam skala interval

• Dalam analisi varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan
statistic non-parametrik

Berdasarkan parameternya statistik dibagi menjadi dua yakni statistik Parametrik dan Non Parametrik,
keduanya berbeda satu dengan yang lain dan memiliki kelebihan dan kekurangan antara satu dengan
yang lainnya. Statistik Non Parametrik adalah bagian statistik yang parameter dari populasinya tidak
mengikuti suatu distribusi tertentu atau memilki distribusi yang bebas persyaratan dan variannya tidak
perlu homogen.

Statistik nonparametrik memiliki keungulan dan kekurangan, adapun keuntungan dari penggunaan
prosedur-prosedur dari Statistik Non Parametrik adalah sebagai berikut.

• Pernyataan kemungkinan yang diperoleh dari sebagian besar tes statistik non parametrik adalah
kemungkinan yang eksak. Dimana tes nonparametrik menggangap bahwa distribusi yang
mendasarinya dalah kontinyu sama dengan anggapan yang dibuat tes-tes parametrik.

• Terdapat tes-tes Statistik Non Parametrik untuk mengarap sampel-sampel yang terdiri dari
observasi-observasi dari beberapa populasi yang berlainan, selain itu statistik non parametrik
dapat digunakan pada sampel yang sifat distribusinya tidak diketahui secara pasti.

• Tes- tes Statistik Non Parametrik dapat menggarap data yang berupa rangking dan data yang
skor-skornya sepintas memilkik kekuatan rangking. Selain itu juga dapat menggarap data berupa
klasifikasi semata yang diukur dalam skala nominal.

• Tes-tes Statistik Non Parametrik lebih muda dipelajari dibandingkan dengan Parametrik, dan
juga memiliki kemungkinan untuk digunakan secara salah juga kecil karena memerlukan asumsi
dalam jumlah minimum.

Sedangkan kekurangan dari pengunaan prosedur-prosedur model Statistik Non Parametrik adalah :

• Penggunaan Statistik Non Parametrik akan menjadi penghamburan data jika data memenuhi
syarat model statistik parametrik,

• Belum ada satu pun dalam metode Statistik Non Parametrik untuk mengukur interaksi-interaksi
dalam model analisis varian,

• Penggunanaan Statistik Non Parametrik memerlukan banyak tenaga serta menjemukan.

TUGAS 6 :

1. Tuliskan rumus uji homogenitas dengan uji Bartlett dan buatlah 2 contoh soal dan cara
penyelesaiannya Jawaban :
1) Merumuskan Hipotesis dalam uji bartlett o H0 :
(Homogen) o
H1 : minimal 2 ragam populasi tidak sama
2) Menentukan taraf nyata (α ) dan χ2 tabel
Dalam menentukan χ2 tabel dbagi kedalam dua bagian yaitu: o
Jumlah sampel sama:
o
Jumlah sampel berbeda:

3) Menghitung statistik uji:

Dimana:

Keterangan:
b = nilai chisquare hitung Sp =
varians pool / gabungan n =
banyaknya sampel N =
jumlah total sampel k =
banyaknya kelompok data
4) Membuat keputusan dengan kriteria seperti berikut ini:
Ho ditolak, jika χ2 hitung < χ2 tabel Ho
diterima, jika χ2 hitung ≥ χ2 tabel
Contoh soal 1 :

mpel Dosen

A B C

1 73 88 76

2 89 48 64
 3 82 51 86

4 43 76 72

5 80 81 68

6 73 92 88

7 56 71

8 21

Total 440 436 454

n 6 7 8

S2 257.0667 353.4667 93.46667

Uji kehomogenan ragam data tersebut.

Jawab:

a) Merumuskan hipotesis pada uji Bartlett

H0 =

(Homogen)
H1 = minimal 2 ragam populasi tidak sama
b) Menetukan taraf nyata (α) dan χ2 tabel taraf nyata (α) = 5% Wilayah kritik :

n1=6, n2=7, n3=8, N=6+7+8=21, dan k=3.

b(0.05; 6, 7, 8):
=[6.b(0.05;6)+7.b(0.05;7)+8.b(0.05;8)/21
= [(6)(0.6484)+(7)(0.7000)+(8)(0.7387)]/21
= 0.7
c) Statistik Uji:
Berdasarkan rumus dan data diatas diperoleh statistik uji seperti berikut:

sp2 = [(6-1)(257.0667)+(7-1)(353.4667)+(8-1)(95.4667)]/18 = 225.5778

b ={[(257.0667)5(353.4667)6(93.4667)7]1/18}/225.5778 = 0.855021
d) Keputusan :
Karena b = b(0.05; 6, 7, 8) = 0.855021) >0.7, maka keputusan gagal tolak Ho dan disimpulkan
bahwa ragam ketiga data di atas homogen.
 Contoh soal 2 :

Dengan varians masing-masing kelompok sampel sebagai berikut:

s₁²= 29,3 s2²= 21,5 s3²= 35,7 s4²= 20,7
masukkan angka ke dalam table

• Hitung varians gabungan dari empat sampel

Log s² = log 26,6 = 1,4249

• Hitung harga satuan Barlett
B = (logs²). Σ (ni-1)
B = (1,4249). (14)
B = 19,9486
• Hitung nila χ²hitung
χ²hitung = (ln10) {B – Σ (ni-1) logs²} χ²hitung
= (2,3026) {19,9486 – 19,8033}
χ²hitung = 0,3346
• Lihat nilai χ²tabel
• Jika α=0,05, dari daftar distribusi chi kuadrat dengan dk = 3 (k-1) didapat harga χ² tabel(0,95)
(3)=7,81 karena χ²hitung < dari χ²tabel (0,3346 < 7,81) berarti data diperoleh dari populasi

yang homogen.

2. Tuliskan rumus uji homogenitas dengan uji Varians dan buatlah 2 contoh soal dan cara
penyelesaiannya Jawaban :
1) Mencari Varians/Standar deviasi Variabel X dan Y, dengan rumus :

Rumus Uji Homogenitas

2) Mencari F hitung dengan dari varians X dan Y, dengan rumus :
 Catatan:
Pembilang: S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut: S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit) Jika
variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.
3) Membandingkan F hitung dengan Tabel F: F Tabel dalam Excel pada tabel distribusi F,
dengan:
• Untuk varians dari kelompok dengan variance terbesar adalah dk pembilang n-1
• Untuk varians dari kelompok dengan variance terkecil adalah dk pembilang n-1
• Jika F hitung < Tabel F: F Tabel dalam Excel, berarti homogen
• Jika F hitung < Tabel F: F Tabel dalam Excel, berarti tidak homogen
Contoh :

Data tentang hubungan antara Penguasaan kosakata(X) dan kemampuan membaca (Y):

Kemudian dilakukan penghitungan, dengan rumus yang ada:

Kemudian dicari F hitung :

Dari penghitungan diatas diperoleh F hitung 2.81 dan dari grafik daftar distribusi F
dengan dk pembilang = 10-1 = 9. Dk penyebut = 10-1 = 9. Dan α = 0.05 dan F tabel =
3.18. Tampak bahwa F hitung < Tabel F: F Tabel dalam Excel. Hal ini berarti data variabel
X dan Y homogen.

Contoh soal 1 :

Penyelesaian menggunakan Uji varians :

a. Hipotesis

Kriteria pengujian :
Jika F2hitung < F2tabel maka terima H0 Jika
F2hitung > F2tabel maka tolak H0
b. Menghitung varians/standar deviasi variabel X dan Y :
Variabel X :
 Variabel Y :

c. Mencari Fhitung dengan varian X dan Y

d. Tentukan Fhitung dengan Ftabel pada tabel distribusi F untuk varians terbesar :
dkpembilang = n-1 = 16-1 = 15 untuk varians terkecil : dkpenyebut = n-1 = 16-1 = 15
Ftabel = 2.40
Kesimpulan :
Dari perhitungan diperoleh Fhitung = 1,127051 dan F tabel = 2,40.
Maka Fhitung < Ftabel artinya data pada variabel X dan variabel Y adalah homogen.
Contoh soal 2 :
Untuk menguji apakah produksi model A dan model B mempunyai variansi-variansi
yang sama, secara random diambil 4 buah model A dan 6 buah model B,. Datanya
adalah sebagai berikut.
A: 4 7 6 6
B: 5 1 3 5 3 4
Dengan mengambil = 5%, bagaimana kesimpulan penelitian ini?
Solusi
 Daerah Kritis dk
pembilang (6-1)=5 dk
penyebut (4-1)=3, maka
harga F tabel=9,01 (lihat tabel distribusi F)
6. Keputusan uji: Fobs <f tabel sehingga H0 diterima.
7. kesimpulan : variansi populasi homogen
3. Lanjutkan Uji linieritas dan uji Normalitas dari contoh soal yang telah dibuat diatas tuliskan
cara penyelesiannya dengan lengkap. (silahkan cari referensi lain. Google,youtube, dsb)
Jawaban :
Berikut langkah-langkah dalam menyusun uji linieritas : a.
Mencari persamaan regresi linieritasi
1. Menyusun tabel kelompok data variable x dan y, dimana variable x data diurutkan dari
yang terkecil sampai yang terbesar
2. Persamaan regrisi liniertasi dengan rumus

3. Mencari nilai b dengan rumus :

4. Mencari nilai a dengan rumus

Langkah-langkah Uji Liniearitas :

1. Menyusun tabel kelompok data variabel X dan Y, dimana variabel X data diurutkan
dari yang terkecil sampai yang terbesar.
2. Menghitung jumlah kuadrat regresi (JKreg (a)) dengan rumus :

3. Menghitung jumlah kuadrat regresi bIa (JKreg bIa) dengan rumus:

4. Menghitung jumlah kuadrat residu (JKres) dengan rumus :

5. Menghitung rata-rata jumlah kuadrat regresi a (RJKreg (a)) dengan rumus :

6. Menghitung rata-rata jumlah kuadrat regresi b/a (RJKreg (b/a) ) dengan rumus :

7. Menghitung rata-rata jumlah kuadrat residu (RJK res) dengan rumus :

8. Menghitung jumlah kuadrat error (JKE) dengan rumus :

9. Menghitung jumlah kuadrat tuna cocok (JKTC) dengan rumus :

10. Menghitung rata-rata jumlah kuadrat tuna cocok (RJKTC) dengan rumus

11. Menghitung rata-rata jumlah kuadrat error (RJKE) dengan rumus :

12. Mencari nilai uji F dengan rumus :

13. Menentukan kriteria pengukuran: Jika nilai uji F < nilai tabel F, maka distribusi
berpola linier
14. Mencari nilai Ftabel pada taraf signifikansi 95% atau α = 5% menggunakan rumus :
Ftabel = F(1-á) (db TC, db E) dimana db TC = k-2 (dk pembilang) dan db E = n-k (dk
penyebut)
15. Membandingkan nilai uji F dengan nilai tabel F (lihat tabel distribusi “F”) kemudian
membuat kesimpulan.

Contoh soal :

Untuk keperluan uji liniearitas untuk 10 responden Variabel X (etnosentrisme) dan

variabel Y (interaksi Sosial)
Uji Linearitas

Hipotesis yang akan diuji adalah sebagai berikut :

Ho : regresi linier

H1 : regresi non linier

Kriteria pengujian hipotesis

Diterima Ho, jika Fhitung lebih kecil dari pada Ftabel

Diterima H1, jika Fhitung lebih besar dari Ftabel

Harga a dan b diperoleh melalui rumus :

Berdasarkan data yang dibuat dalam tabel di atas diperoleh harga-harga sebagai berikut:
Jadi regresi Y dan X persamaannya adalah :

Untuk memenuhi uji linearitas perlu diketahui JK (E), JK (TC) , S2 TC , S2 e , dan Fh Untuk
memenuhi hal tersebut perlu dketahui terlebih dahulu JK (a) dan JK (b/a).

Mencari JK(E) 1.
JK (E)= 215,875 + 32 = 247,875 2.
Kesimpulan :
Dari perhitungan yang diperoleh Fhitung sebesar 0. Jika dikonsultasikan pada Ftabel
pada taraf signifikansi 0,05 dan pada dk (0,8) diperoleh Ftabel sebesar 2,93. Dengan
demikian Ho diterime karena Fhitung lebih kecil dari Ft (0 < 2,93 ). Jadi hipotesis
model linier diterima dan tak pelru model lain.