DISTRIBUSI NORMAL

TUJUAN : Mengetahui Sejarah, Pengertian dan Kurva dan karakteristik

Distribusi Normal
URAIAN : Data berdistribusi normal dan tidak menentukan jenis uji
selanjutnya yang akan dilakukan dalam sebuah penelitian. Materi
ini memberikan pemahaman kepada pembaca untuk memahami
secara mendalam mengenai distribusi normal.

Sejarah Distribusi Normal

Tokoh dalam distribusi normal adalah Abraham De Moivre, artikelnya pada tahun
1733 sebagai pendekatan binominal untuk n besar. Kemudian dikembangkan oleh
Simon De Laplace, dikenal sebagai teorema Moivre-Laplance.

Abraham De Moivre Simon De Laplace

Pengertian Distribusi Normal

Disribusi Normal (Gauss) adalah distribusi probabilitas yang paling banyak

digunakan dalam statistik.

Distribusi normal memegang peranan penting dalam statistik inferensial

 1. Distribusi normal merupakan model yang baik untuk mendekati frekuensi
distribusi fenomena alam dan sosial jika sampelnya besar.
2. Ada hubungan yang kuat antara besarnya sampel dengan distribusi rata-rata
yang diperoleh dari sampel-sampel acak yang diambil dari suatu populasi
yang sama.
3. Distribusi normal memberikan penghampiran (aproksimasi) yang baik
terhadap distribusi teoritis lainnya pada umumnya lebih sulit digunakan untuk
memodelkan distribusi peluang.

Kurva Distribusi Normal

Grafik distribusi normal tergantung pada dua faktor, yaitu mean dan deviasi standar.

✓ Mean dari distribusi menentukan lokasi pusat grafik, dan deviasi standard
menentukan tinggi dan lebarnya grafik.
✓ Ketika standar deviasi besar, kurva pendek dan lebar, ketika standar deviasi
kecil, kurva kecil dan sempit.

Karakteristik distribusi normal

1. Unimodal (Uni - Modus)

Setiap distribusi normal memiliki satu modus.

2. Simetrik

Setengah bagian dari distribusi itu sama dan sebangun. Jika dipotong kurva dipotong
pada titik median maka distribusi skor frekuensi yang berada diatas median sama
dengan skor frekuensi yang berada dibawah median.

3. Identik
 Distribusi normal selalu sama besar (identik). Nilai modus=median=rata-rata.

4. Asimtotik

Kurva distribusi normal tidak akan pernah menyentuh absisnya.

Normal Baku (Standart Normal Distribution)

Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan
simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (Bell Curve) karena
grafik fungsi kepekatan probablititasnya mirip dengan lonceng.

µ)/σ

Distribusi normal baku sering ditulis dengan simbol N (0,1), dimana N berarti
distribusi normal dan 0 dan 1 merujuk pada rata-rata µ dan variansi (σ2)
Bentuk distribusi normal biasanya ditulis N (µ, σ2), parameter di dalam tanda kurung
adalah rata-rata variansi populasi. Jadi angka 1 pada N (0,1) yang besarnya kebetulan
sama dengan simpangan baku karena 1 kuadrat = 1.

Mencari Nilai Z

Keterangan:

Z = Nilai Distribusi Normal

X = Nilai yang dicari

µ= nilai rata-rata

σ= standar deviasi
LATIHAN SOAL

Jika Z adalah peubah acak yang berdistribusi normal, temukan:

1. P (1,14 < Z)!

2. P (Z < -0,36)!
3. P (Z < 2,30)!
4. P (-0,46 < Z < 0,09)!
5. P (0,58 < Z < 1,12)!

Untuk informasi
latihan soal,
scan barcode ini
 CHI-SQUARE (KHI-KUADRAT)

TUJUAN : Mengetahui Sejarah, Pengertian dan Kurva dan karakteristik Chi-

Square
URAIAN : Data berdistribusi normal dan tidak menentukan jenis uji
selanjutnya yang akan dilakukan dalam sebuah penelitian. Materi
ini memberikan pemahaman kepada pembaca untuk memahami
secara mendalam mengenai Chi-Square.

Chi-square adalah teknik statistik yang digunakan untuk menguji hipotesis

mengenai hubungan antara dua variabel, dimana salah satu atau kedua variabelnya
berukuran nominal dengan cara menguji perbedaan frekuensi dari kelompok sampel.
Sedangkan Uji chi-square merupakan pengujian hipotesis tentang perbandingan
antara frekuensi sampel yang benar-benar terjadi dengan frekuensi harapan yang
didasarkan atas hipotesis tertentu pada kasus atau data.
Dalam teori probabilitas dan statistika, distribusi chi-kuadrat (bahasa
Inggris: Chi-square distribution) atau distribusi χ² dengan k derajat
kebebasan k peubah acak normal baku yang saling bebas. Distribusi ini seringkali
digunakan dalam statistik inferensial, misalnya dalam pengujian hipotesis, atau dalam
konstruksi selang kepercayaan. [2][3][4][5] Ketika dibandingkan dengan distribusi chi-
kuadrat nonsentral, distribusi ini kadang disebut distribusi chi-kuadrat sentral. adalah
distribusi jumlah kuadrat.
Salah satu penggunaan distribusi ini adalah uji chi kuadrat untuk kepatutan
(goodness of fit) suatu distribusi pengamatan dengan distribusi teoretis, kriteria
klasifikasi analisis data yang saling bebas, serta estimasi selang kepercayaan
untuk simpangan baku populasi berdistribusi normal dari simpangan baku sampel.
Sejumlah pengujian statistika juga menggunakan distribusi ini, seperti Uji Friedman.
Distribusi chi-kuadrat merupakan kasus khusus distribusi gamma.
Uji Chi Square digunakan untuk menguji hubungan atau pengaruh dua buah
variabel nominal dan mengukur kuatnya hubungan antara variabel yang satu dengan
variabel nominal lainnya (C = Coefisien of contingency). Chi Square juga dapat
dipergunakan untuk menguji homogenitas varians beberapa populasi. Masih ada
beberapa persoalan lain yang dapat diselesaikan dengan mengambil manfaat
distribusi chi-kuadrat ini, diantaranya :
1. Menguji proporsi untuk data multinom
2. Menguji kesamaan rata-rata data poisson
3. Menguji independen antara dua faktor didalam kontingensi
4. Menguji kesesuaian antara data hasil pengamatan dengan model distribusi dari
mana data itu diduga diambil, dan
5. Menguji model distribusi berdasarkan data hasil pengamatan.

Distribusi chi-square berbentuk sebuah kurva yang juling ke kanan (positively

skewed) dengan rata-rata sama dengan dk (derajat kebebasan) dan variansi sama
dengan 2 (dk). Derajat kebesan (dk) atau degrees of freedom (df) dilambangkan
dengan V (baca: nu). Distribusi chi-square memainkan peranan yang sangat penting
dalam analisis statistika inferensial, maka integral dari densitasnya telah ditabulasikan
untuk untuk memudahkan para pengguna dalam menemukan nilai chi-square yang
diperlukan.

Tabel B. Nilai Kritis Distribusi Chi-square (χ2)

Kurva distribusi chi-square
Prosedur Manual Uji Chi-Square

Contoh soal:
100 orang telah terpilih secara acak sebagai sampel, terdiri dari 53 wanita dan 47 pria,
ternyata tingkat pendidikan mereka seperti disajikan pada tabel berikut:

Tingkat Gender Jumlah

Pendidikan Pria Wanita
SMP 10 20 30
SMA 15 23 38
Sarjana 22 10 32
Jumlah 47 53 100

Untuk α = 0.05, lakukan pengujian hipotesis untuk hipotesis penelitian “Terdapat

hubungan gender dengan tingkat pendidikan”. Berikan kesimpulan anda!

Jawaban:
Hipotesis
H0: λ = 0
H1: λ ≠ 0

(𝐽𝑢𝑚𝑙𝑎ℎ 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒−𝑖) (𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒−𝑖)

Eij =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑑𝑎𝑡𝑎

30 𝑥 47 30 𝑥 53
E11 = = 14,10 E12 = = 15,90
100 100

38 𝑥 47 38 𝑥 53
E21 = = 17,86 E22 = = 20,14
100 100

32 𝑥 47 32 𝑥 53
E31 = = 15,04 E32 = = 16,96
100 100

Untuk informasi
latihan soal,
scan barcode ini
SOAL LATIHAN

1. Sebuah rubik memiliki 6 warna yaitu merah, biru, kuning, hijau, putih, dan
hitam. Rubik ini dilemparkan sebanyak 240 kali.
Frekuensi yang bisa muncul adalah warna pada rubik yaitu merah, biru, kuning,
hijau, putih dan hitam dengan frekuensi masing masing adalah 36, 42, 48, 31,
35, 48. Ujilah apakah rubik tersebut simetris!

2. Berikut adalah data banyaknya siswa SDN 2 Majasari dalam pemakaian tiga
jenis Hp selama pembelajaran daring. Apakah proporsi pemakaian Hp tersebut
sama? Lakukan pengujian proporsi dengan taraf nyata 5%!

Jenis Hp Kelas I Kelas II Kelas III Jumlah

Hp BB 20 10 15 45

Hp Samsung 15 25 5 45

Hp Nokia 5 15 15 35

Jumlah 40 50 35 125
 UJI DISTRIBUSI F (FISHER) DAN T (t-student)

Tujuan Pembelajaran
Setelah mempelajari bab ini, diharapkan pembaca dapat memahami konsep Uji
F dan Uji T serta pengaplikasiannya.
Uraian isi topik bahasan
Dalam modul ini, dibahas pengertian Uji F dan Uji T, Tahapan Uji F dan Uji T,
Rumus Uji T dan Uji F, Contoh Soal, serta soal Latihan.

UJI DISTRIBUSI F (FISHER)

Pengertian Uji F

Sir Ronald Alymer Fisher adalah ahli statistika yang memperkenalkan distribusi
Analysis of Variance (ANOVA). ANOVA adalah prosedur statistika untuk mengkaji
(mendeterminasi) apakah rata-rata hitung (mean) dari 3 populasi atau lebih, sama
atau tidak.Distribusi ANOVA digunakan untuk menguji rata-rata atau nilai tengah dari
tiga atau lebih populasi sekaligus, apakah rata-rata atau nilai tengah tersebut sama
atau tidak sama.

Rumus Uji F

1. Klasifikasi satu arah

Klasifikasi satu arah, adalah klasifikasi pangamatan yang hanya didasarkan pada
satu kriteria. Misalnya saja varietas padi. Dalam klasifikasi satu arah ini, rumus-
rumus yang digunakan adalah sebagai berikut.
a. Ukuran Data Sama

𝑇2
JKT = ∑𝑘𝑖=1 ∑𝑘𝑗=1 𝑥𝑖𝑗 2 − 𝑛𝑘
𝑇𝑖 2 𝑇2
JKK = ∑𝑘𝑖=1 𝑥𝑖𝑗 2 − 𝑛𝑘
𝑛

JKG = JKT-JKK

Keterangan:
JKT : Jumlah Kuadrat Total
X2ij : Pengamatan ke-j dari populasi ke-i
T2 : Total semua pengamatan
 JKK : Jumlah Kuadrat Kolom
JKG : Jumlah Kuadrat Galat
nk : Banyaknya anggota secara keseluruhan
T2i : Total pengamatan dalam contoh dari populasi ke-i
n : Banyaknya pengamatan / anggota baris
Analisis ragam dalam klasifikasi satu arah dengan data sama.
Sumber Jumlah Derajat Kuadrat F
Keragaman Kuadrat Bebas Tengah Hitung
Nilai Tengah 𝐽𝐾𝐾
JKK k-1 S21 = (𝑘−1)
Kolom
JKG S21/S22
Galat JKG k(n-1) S22 =(k (n−1))

Total JKT nk-1

b. Ukuran Data Tidak Sama

𝑇2
JKT = ∑𝑘𝑖=1 ∑𝑘𝑗=1 𝑥𝑖𝑗 2 − 𝑁
𝑇𝑖 2 𝑇2
JKK = ∑𝑘𝑖=1 𝑥𝑖𝑗 2 − 𝑛𝑘
𝑛

JKG = JKT-JKK

Analisis ragam dalam klasifikasi satu arah dengan data tidak sama
Sumber Jumlah Derajat Kuadrat F
Keragaman Kuadrat Bebas Tengah Hitung
Nilai Tengah 𝐽𝐾𝐾
JKK k-1 S21 = (𝑘−1)
Kolom
JKG S21/S22
Galat JKG N-k S22 =
(N−k)

Total JKT N-1

2. Klasifikasi dua arah

Klasifikasi dua arah adalah klasifikasi pengamatan yang didasarkan pada 2
kriteria, seperti motivasi belajar dan cara belajar. Segugus pengamatan dapat
diklasifikasikan menurut dua kriteria dengan menyusun data tersebut dalam baris
dan kolom, Kolom menyatakan kriteria klasifikasi yang satu, sedangkan baris
menyatakan kriteria klasifikasi yang lain. Rumus-rumus yang digunakan
dalam klasifikasi 2 arah adalah sebagai berikut.
a. Tanpa Interaksi

𝑇2
JKT = ∑𝑘𝑖=1 ∑𝑘𝑗=1 𝑥𝑖𝑗 2 − 𝑏𝑘
𝑇𝑖 2 𝑇2
JKK = ∑𝑘𝑖=1 𝑥𝑖𝑗 2 − 𝑏𝑘
𝑏

JKG = JKT- JKB - JKK

Keterangan:
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKG : Jumlah Kuadrat Galat
T2 : Total semua pengamatan
T2i : Jumlah/ total pengamatan pada baris
T2j : Jumlah/ total pengamatan pada kolom
X2ij : Jumlah/ total keseluruhan dari baris dan kolom
k : Jumlah kolom
bk : Jumlah kolom dan baris
b : Jumlah baris
Analisis ragam dalam klasifikasi dua arah tanpa interaksi
Sumber Jumlah Derajat Kuadrat F
Keragaman Kuadrat Bebas Tengah Hitung
Nilai Tengah 𝐽𝐾𝐵
JKB b-1 S21 = (𝑏−1)
Baris f1 =
Nilai Tengah JKK S21/S22
JKK k-1 S22 =(k−1)
Kolom
Galat (b-1)(k- JKK f2 =
JKG S23 =(k−1)
1) S22/S23
Total JKT bk-1

(1) Dengan Interaksi

𝑇2
JKT = ∑𝑏𝑖=1 ∑𝑘𝑗=1 𝑥𝑖𝑗𝑘 2 − 𝑏𝑘𝑛
𝑇𝑗 2 𝑇2
JKK = ∑𝑘𝑗=1 − 𝑏𝑘𝑛
𝑏𝑛
 𝑇𝑗 2 𝑇2
JKB = ∑𝑏𝑖=1 − 𝑏𝑘𝑛
𝑘𝑛
𝑇𝑖𝑗 2 𝑇𝑖 2 𝑇2 𝑇2
JK (BK) = ∑𝑏𝑖=1 ∑𝑘𝑗=1 𝑛
− ∑𝑏𝑖=1 𝑘𝑛 − ∑𝑘𝑗1 𝑏𝑛 + 𝑏𝑘𝑛

JKG = JKT- JKB – JKK – JK (BK)

Analisis ragam dalam klasifikasi dua arah dengan interaksi
Sumber Jumlah Derajat Kuadrat F
Keragaman Kuadrat Bebas Tengah Hitung
Nilai
𝐽𝐾𝐵
Tengah JKB b-1 S21 = (𝑏−1)
f1 =
Baris
S21/S22
Nilai
JKK
Tengah JKK k-1 S22 =(k−1)
f2 =
Kolom
S22/S23
Interaksi (b-1)(k- S23
JK (BK) JK(BK)
1) =(b−1)(k−1) f3 =
Galat JKG bk(n-1) S24 =
JKG S23/S24
bk(n−1)

Total JKT bkn-1

1) Tahapan Uji F
Langkah-langkah Pengujian Hipotesis
Langkah-langkah dalam pengujian hipotesis dalam Distribusi F/
Anova dengan klasifikasi satu arah atau dua arah adalah sebagai
berikut.
a) Tentukan Ho dan Ha
Ho : μ1 = μ2 = μ3 = ... = μn
Ha: sekurang-kurangnya dua nilai tengah tidak sama
Atau
Ho : Semua nilai tengah sama
Ha : sekurang-kurangnya dua nilai tengah adalah tidak sama
b) Tentukan tingkat signifikan ()
c) Tentukan derajat bebas (db)
(1) Klasifikasi 1 arah data sama
V1 = k-1 V2 = k (n-1)
 (2) Klasifikasi 1 arah data tidak sama
V1 = k-1 V2 = N - k
(3) Klasifikasi 2 arah tanpa interaksi
V1 (baris) = b-1 V1 (kolom) = k-1 V2 = (k-1) (b-1)
(4) Klasifikasi 2 arah dengan interaksi
V1 (baris) = b-1 V1 (kolom) = k-1
V1 (interaksi) = (k-1) (b-1)
V2 = b.k (n-1)
Ket : k = kolom ; b = baris
d) Tentukan wilayah kritis
(F tabel) ƒ > ( ; V1 ; V2)
e) Menentukan kriteria pengujian
Ho diterima jika Fo  F tabel
Ha diterima jika Fo > F tabel
f) Nilai hitung (F hitung)
g) Keputusan
h) Kesimpulan
a. Uji T
1) Pengertian Uji T
Distribusi-t adalah distribusi untuk probabilitas sampel ukuran
kecil (≤ 30). Distribusi ini ditemukan pertama kali oleh W.S. Gosset
pada tahun 1908, dengan nama samara Student sehingga distribusi
ini dikenal dengan distribusi t-Student. Awalnya distribusi ini tidak
banyak dikenal orang namun atas jasa Fisher akhirnya distribusi ini
dipopulerkan melalui penemuannya tentang analisis varians
(ANOVA). Distribusi ini merupakan distribusi sangat penting
terutama dalam analisis statistik untuk sampel ukuran kecil.
Uji T ini nantinya akan menunjukkan berapa banyak pengaruh
variabel independen secara parsial, terhadap variabel dependen. Uji
T tujuannya untuk melihat sejauh mana pengaruh secara parsial dari
variabel bebas terhadap variabel terikat. Uji T lebih sering digunakan
untuk data yang jumlahnya lebih sedikit yaitu kurang dari 30.
Selain itu, uji T digunakan jika nilai parameter sudah diketahui
(ditentukan) dan data terdistribusi normal. Uji T dibagi menjadi 3 jenis
yaitu uji T 1 sampel, 2 sampel berpasangan dan sampel bebas.
Caranya dengan membandingkan ttabel dengan thitung. Setiap nilai T
hasil perhitungan, akan dibandingkan dengan T tabel yang
didapatkan menggunakan taraf signifikansi (biasanya 0,05).
Ciri-ciri distribusi T, yaitu :
a) Sampel yang diujikan berukuran kecil (n < 30)
b) Penentuan nilai tabel dilihat dari besarnya tingkat signifikan (α)
dan besarnya derajat kebebasan (dk atau df atau v)
Fungsi Distribusi T
a) Memperkirakan interval rata-rata
b) Menguji hipotesis tentang rata-rata
c) Menunjukkan batas penerimaan hipotesis
d) Menguji pernyataan atas kelayakannya
Berikut adalah kurva distribusi t dengan derajat kebebasan yang
berbeda.
2) Rumus Uji T
Terdapat dua rumus untuk uji t-Student yaitu uji t satu sampel dan uji
t dua sampel.
(a) Uji T satu sampel

Dalam penggunaan uji-t satu sampel, kriteria kondisi data yang

harus dipenuhi adalah sebagai berikut:
(1) Jenis data yang digunakan adalah interval atau rasio.
(2) Sampel yang terpilih dari populasi harus bersifat random.
(3) Tidak terdapat data yang bersifat outlier (ekstrim kiri atau
kanan).
(4) Varians dari sampel dan populasi bersifat homogen.
(b) Uji T dua sampel
Bila seorang peneliti ingin mengetahui apakah parameter dua
populasi berbeda atau tidak, maka uji statistik yang digunakan
disebut uji beda dua mean. Umumnya, pendekatan yang
dilakukan bisa dengan distribusi Z (uji Z), ataupun distribusi t (uji
t).
Uji Z dapat digunakan bila (1) standar deviasi populasi (σ)
diketahui, dan (2) jumlah sampelnya besar (> 30). Bila kedua
syarat tersebut tidak terpenuhi, maka jenis uji yang digunakan
adalah uji t dua sampel (two sample t-test).
Berdasarkan hubungan antar populasinya, uji t dapat
digolongkan kedalam dua jenis uji, yaitu dependent sample t-test,
dan independent sample t-test:
i. Dependent sample t-test atau sering diistilakan
dengan Paired Sampel t-Test, adalah jenis uji statistika yang
bertujuan untuk membandingkan rata-rata dua grup yang
saling berpasangan. Sampel berpasangan dapat diartikan
sebagai sebuah sampel dengan subjek yang sama namun
mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu
pengukuran sebelum dan sesudah dilakukan sebuah
treatment.
Syarat jenis uji ini adalah: (a) data berdistribusi normal; (b)
kedua kelompok data adalah dependen (saling
berhubungan/berpasangan); dan (c) jenis data yang
digunakan adalah numeric dan kategorik (dua kelompok).
Rumus t-test yang digunakan untuk sampel berpasangan
(paired) adalah:

ii. Independent sample t-test adalah jenis uji statistika yang

bertujuan untuk membandingkan rata-rata dua grup yang
tidak saling berpasangan atau tidak saling berkaitan. Tidak
saling berpasangan dapat diartikan bahwa penelitian
dilakukan untuk dua subjek sampel yang berbeda.
Prinsip pengujian uji ini adalah melihat perbedaan variasi
kedua kelompok data, sehingga sebelum dilakukan
pengujian, terlebih dahulu harus diketahui apakah variannya
sama (equal variance) atau variannya berbeda (unequal
variance).
Homogenitas varian diuji berdasarkan rumus:
 Data dinyatakan memiliki varian yang sama (equal variance)
bila F-Hitung < F-Tabel, dan sebaliknya, varian data
dinyatakan tidak sama (unequal variance) bila F-Hitung > F-
Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada
nilai standar error yang akhirnya akan membedakan rumus
pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan
rumus Polled Varians:

Uji t untuk varian yang berbeda (unequal variance)

menggunakan rumus Separated Varians:

3) Tahapan Uji T
Tahapan yang dilakukan untuk uji t adalah sebagai berikut.
(a) Tentukan hipotesis nol dan hipotesis alternatif
(b) Tentukan tingkat signifikansi (alpha) dan daerah penolakan
(c) Pengujian dengan statistik uji
(d) Penentuan apakah t0 berada dalam area penolakan atau tidak
(e) Kesimpulan
1. Sajian Contoh
a. Contoh Soal Uji F
 Terdapat tiga hasil belajar, berikut adalah data enam siswa yang
menjadi sampel dan didata peningkatan hasil belajarnya setelah
empat kali pertemuan pembelajaran. Data tersebut dapat diamati
pada tabel berikut.

Kenaikan Kenaikan Kenaikan

Hasil Hasil Hasil
Belajar Belajar Belajar
Pertama Kedua Ketiga

Intan 5 7 4
Irma 8 3 11
Ola 2 6 9
Okta 6 4 5
Meisa 3 8 7
Milani 4 5 8
Total
28 33 44 105
Kolom

Lakukanlah analisis ragam atau anova dan uji hipotesis pada tingkat
kepercayaan 0,05 bahwa nilai tengah peningkatan dari hasil belajar
tersebut adalah sama atayu tidak sama.

Jawab :
1. Ho : μ1 = μ2 = μ3 = ... = μn
Ha: sekurang-kurangnya dua nilai tengah tidak sama
Atau
Ho : Semua nilai tengah sama
Ha : sekurang-kurangnya dua nilai tengah adalah tidak sama
2. Tingkat keyakinan () = 0.05
3. Derajat bebas (db)
V1 = k - 1 = 3 - 1 = 2 V2 = k(n - 1) = 3(6 - 1) =
15
4. Wilayah ktitis : ƒ > ( 5% ; 2 ; 15 ) = 3,68 (nilai tabel F)
 5. Kriteria Pengujian Ho diterima jika Fo  F tabel Ha diterima jika Fo >
F tabel
6. Nilai hitung
JKT = (52 + 72 + .. + 82 ) - (1052 /18)= 709 - 612,5 = 96,5
JKK = ( 282 /6 + 332 /6 + 442 /6 ) – (1052 /18) = 634,83 - 612,5 = 22,33
JKG = JKT – JKK = 96,5 - 22,33 = 74,17
Analisis ragam dalam klasifikasi satu arah dengan data yang sama :
Sumber Jumlah Derajat Kuadrat F
Keragaman Kuadrat Bebas Tengah Hitung
Nilai Tengah 22,33 2 11,165 2,255
Kolom
Galat 74,17 15 4,945
Total 96,5 17
7. Keputusan :

8. Kesimpulan :
Nilai tengah semua metode penurunan berat badan adalah sama
b. Contoh Soal Uji T

Studi Kasus universitas X mengadakan penelitian mengenai ratarata

IQ mahasiswanya. Menurut isu yang berkembang, IQ para mahasiswa
yang menuntut ilmu di Universitas tersebut kurang dari 140. Untuk
membuktikan kebenaran isu tersebut, tim riset ingin mengambil
sampel secara acak sebanyak 50 orang mahasiswa, kemudian
melakukan test IQ kepada mereka. Data hasil tes IQ mahasiswa
tersebut diperoleh data sebagai berikut.

1 154 18 143 35 134

2 140 19 141 36 136
 3 138 20 141 37 142
4 134 21 135 38 138
5 141 22 145 39 148
6 140 23 138 40 142
7 144 24 144 41 136
8 139 25 143 42 148
9 149 26 147 43 141
10 141 27 146 44 139
11 141 28 144 45 141
12 143 29 143 46 135
13 140 30 138 47 135
14 138 31 135 48 149
15 137 32 139 49 143
16 145 33 140 50 140
17 132 34 145

1. Menentukan hipotesis
H0: ≥ 135 v.s.
H1: < 135 (Uji 1 arah)
2. Tingkat signifikansi
α = 0.05
3. Hasil analisis:
One Sample t-test data: IQ
t = 1.5621,
df = 49,
p-value = 0.9377
alternative hypothesis: true mean is less than 140
95 percent confidence interval: 142.0732
sample estimates: mean of x 141
4. Kesimpulan:
TERIMA H0, karena pvalue > 0.05. Dengan demikian, dapat
dikatakan bahwa isu yang berkembang selama ini yang menyatakan
bahwa rata-rata IQ mahasiswa Universitas X kurang dari 140 adalah
tidak benar. Justru, rata-rata IQ mahasiswa Universitas X lebih besar
atau setidak-tidaknya sama dengan 140.
2. Soal/Latihan
a. Tentukan nilai t pada tingkat keyakinan 95% dengan derajat keyakinan
sebesar :
1) 30
2) 40
3) 50
b. Seorang peneliti hendak mengetahui apakah metode mengajar yang
telah dipraktikan dapat meningkatkan hasil belajar siswa. Hasil ulangan
25 orang siswa memiliki rata-rata 75 dan simpangan baku 19,55. Jika
hasil ulangan tersebut berdistribusi t-student, tentukan !
1) Persentase siswa yang nilainya antara 69,84 dan 85!
2) Banyaknya siswa yang nilainya di atas 65,26!
3) Pemberian reward terhadap 3 orang siswa yang memiliki nilai
ulangan tertinggi berapa nilai ulangan terendah yang harus
diperoleh oleh siswa?
c. Berapakah nilai F pada tingkat keyakinan 95% dan 99% untuk derajat
keyakinan kebebasan pembilang dan penyebut berikut:
1) 1; 30
2) 2;30
3) 5;45
d. Seorang mahasiswa melakukan penelitian untuk menguji apakah
proporsi siswa yang mengikuti les privat lebih banyak yang lulus ujian
dibandingkan dengan siswa yang tidak mengikuti les privat. Selanjutnya
diambil sampel sebanyak 15 siswa. Dari 6 yang lulus ternyata 5 yang
mengikuti les privat dan dari 9 yang tidak lulus ternyata 7 yang tidak ikut
les privat. Gunakan alpha 5 %.

Untuk informasi
latihan soal,
scan barcode ini
TABEL UJI T-STUDENT
TABEL UJI F
REFERENSI

Agus, Mikha widiyanto. 2013. Statistika Terapan. Konsep dan Aplikasi dalam
Penelitian Bidang Pendidikan, Psikologi dan Ilmu Sosial Lainnya. Jakarta: PT
Elex Media Komputindo

Ahmaddien, Iskandar. (2019). Statistika Terapan Dengan Sistem SPSS. Bandung:

ITB Press

Daw, R. H., & Pearson, E. S. (1972). Studies in the History of Probablity and
Statistics. XXX. Abraham De Moivre's 1733 derivation of the normal curve: A
bibliographical note. Biometrika, 59(3), 677-680.

Furqon. (2013). STATISTIKA TERAPAN untuk PENELITIAN. Bandung: ALFABETA

Usman, Husaini. 2012. “Pengantar Statistika”. Jakarta:PT Bumi Aksara

Widiyanto, Statistika Terapan, 2012
 TIM PENYUSUN MODUL

TENDI DARISMAN, S.Pd.

adalah guru di SDN Dayeuhluhur 07, Kabupaten Cilacap.
Saat ini sedang menemupuh studi lanjutan di Program
Studi S2 PGSD UPI Kampus Tasikmalaya.

DYAH AYU PARAMITA, S.Pd.

adalah guru di SDN 2 Selasari, Kabupaten Pangandaran.
Saat ini sedang menemupuh studi lanjutan di Program
Studi S2 PGSD UPI Kampus Tasikmalaya.

DEDE ISKANDAR, S.Pd.

adalah guru di SDN 1 Bojong, Kabupaten Pangandaran.
Saat ini sedang menemupuh studi lanjutan di Program
Studi S2 PGSD UPI Kampus Tasikmalaya.