NAMA :……………………………………….
NIM :………………………………………
Oleh :
Dr. Novi Fitria S.Si, M.T
PRAKTIKUM STATISTIK
ANALITIK
(Suryatmana Tanuwidjaya, Drs,M.Si) (Dr.Novi Fitria, S.Si., M.T)
Tiada kata yang layak penulis ucapkan selain ucap syukur kehadirat Illahirobbi, karena
atas izin-Nya lah penulis dapat menyelesaikan penyusunan buku ajar Statistik Analitik
ini.
Dengan segala keterbatasan yang penulis miliki, penulis ingin menyumbangkan ide,
gagasan dan pikiran yang dimiliki demi kemajuan ilmu pengetahuan khususnya dalam
mata kuliah statistik analitk.
Diharapkan dengan dicetaknya buku panduan praktikum ini adalah untuk membantu
para mahasiswa dalam memahami berbagai jenis perhitungan statistik analitik yang
berfungsi sebagai panduan apabila mahasiswa akan melakukan penelitian tugas akhir.
Mulai dari pengambilan sampel, pengelompokkan data, analisis data, hipotesa data dan
menarik kesimpulan dari data yang diperoleh.
Penulis sangat berterimakasih kepada berbagai pihak yang telah membantu dalam
penyusunan buku ini, terutama kepada Dr.Tiny Agustini K, S.Si, M.M.S yang telah
memberikan masukan dan ilmu yang sangat bermanfaat. Terimakasih juga saya ucapkan
kepada Suryatmana Tanuwidjaya,Drs.,M.Si selaku direktur STA Bakti Asih yang selalu
memberikan semngat kepada penulis, tak lupa rasa terima kasih penulis juga haturkan
untuk keluarga tercinta, suami dan anak-anak yang selalu memberikan dukungan baik
moril dan spiritual. Semoga buku ini dapat membantu meningkatkan pengetahuan
mahasiswa khususnya dalam bidang ilmu statistik analitik.
Penyusun
KUALITATIF KUANTITATIF
PERSYARATAN
STATISTIK NON DISTRIBUSI
PARAMETRIK
STATISTIK PARAMETRIK
3. Populasi
Populasi adalah keseluruhan objek yang akan/ingin diteliti. Populasi ini sering
juga disebut Universe. Anggota populasi dapat berupa benda hidup maupun
benda mati, dimana sifat-sifat yang ada padanya dapat diukur atau diamati.
Populasi yang tidak pernah diketahui dengan pasti jumlahnya disebut "Populasi
Infinit" atau tak terbatas, dan populasi yang jumlahnya diketahui dengan pasti
(populasi yang dapat diberi nomor identifikasi), misalnya pohon jeruk di kebun,
jumlah buah per pohonl disebut "Populasi Finit". Suatu kelompok objek yang
berkembang terus (melakukan proses sebagai akibat kehidupan atau suatu proses
kejadian) adalah Populasi Infinitif. Misalnya populasi pohon suatu desa adalah
populasi yang infinit karena setiap waktu terus berubah jumlahnya. Apabilah
penduduk tersebut dibatasi dalam waktu dan tempat, maka populasi yang infinit
bisa berubah menjadi populasi yang finit. Misalnya jumlah petani sayur di Kota
Batu pada tahun 1990 (1 Januari s/d 31 Desember 1990) dapat diketahui
jumlahnya. Umumnya populasi yang infinit hanyalah teori saja, sedangkan
kenyataan dalam prakteknya, semua benda hidup dianggap populasi yang finit.
Bila dinyatakan bahwa 60% penduduk Indonesia adalah petani, ini berati bahwa
setiap 100 orang penduduk Indonesia, 60 orang adalah petani. Hasil pengukuran
atau karakteristik dari populasi disebut "parameter" yaitu untuk harga-harga rata-
rata hitung (mean) dan σ untuk simpangan baku (standard deviasi). Jadi populasi
yang diteliti harus didefenisikan dengan jelas, termasuk didalam nya ciri-ciri
dimensi waktu dan tempat.
4. Sampel
Sampel adalah bagian dari populasi yang menjadi objek peneliian (sampel sendiri
secara harfiah berarti contoh). Hasil pengukuran atau karakteristik dari sampel
disebut statistik, yaitu X untuk harga rata-rata hitung dan S untuk simpangan
baku atau standar deviasi.
Alasan perlunya pengambilan sampel adalah sebagai berikut :
1. Keterbatasan waktu dan biaya
2. Lebih cepat dan lebih mudah
3. Memberi informasi yang lebih banyak dan dalam
4. Dapat ditangani dengan lebih teliti
1. Identifikasikan data berikut pilih salah satu jawaban yang paling benar:
NO NIM NAMA
DISTRIBUSI FREKUENSI
• Kemudian klik menu short and filter di ujung kanan atas layar, seperti pada
gambar berikut :
Penyusunan data mentah (raw data) menjadi array data merupakan cara
penyajian data yang paling sederhana. Cara penyajian data yang dipandang lebih
baik misalnya dengan menyusun data menjadi suatu distribusi frekuensi.
Distribusi frekuensi dapat berupa tabel atau gambar/diagram.
2. Distribusi Frekuensi
Cara membuat data menjadi distribusi frekuensi yang berupa kelas-kelas dengan
interval tidak ada ketentuan yang baku atau mengikat. Tetapi yang penting
distribusi yang dibentuk jumlah kelasnya tidak terlalu sidikit dan tidak terlalu
banyak, sehingga tampak menarik. Yang dianggap tidak terlalu banyak dan tidak
terlalu sedikit. Sedikit tidak ada pedoman yang pasti, tetapi umumnya banyaknya
kelas diambil antara 5 sampai 15 kelas.
Ada beberapa langkah yang dapat dijadikan pedoman antara lain :
• Menghitung range (r) dari data yang akan disusun, yaitu selisih antara data
yang terbesar dikurangi oleh data yang terkecil.
• Menentukan banyaknya kelas dengan menggunakan rumus HA sturges :
• Cara lain adalah dengan menentukan lebih dulu interval kelas atau lebar
kelas, baru kita hitung banyaknya kelas, dengan rumus :
k=(r)/(c)
k : banyaknya kelas (jika hasilnya pecahan, dibulatkan).
r : range
c : lebar kelas.
3.3 Cari data yang terkecil dengan rumus =MIN(block data) lalu enter, maka akan
muncul seperti pada gambar berikut :
Input range
Bin range
c. Pada baris Input Range, isilah dengan semua data dari sel A1 s.d. sel J8.
Untuk mudahnya sorot semua sel tersebut.
d. Pada Bin Range, sorot semua array limit atas interval kelas.klik OK maka
berikut tampilannya
g. Membuat diagram poligon : klik kanan pada diagram histogram yang sudah
kita buat sebelumnya. Maka akan muncul tampilannya sebagai berikut :
j. Setelah input data pada series name dan value maka klik ok dua kali
l. Kemudian kita rubah bentuk diagram batang yang berwarna merah menjadi
diagram garis dengan memilih diagram “Line”pada menu.
m. Setelah merubah dari diagram batang menjadi diagram line maka tampilannya
sebagai berikut :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 24
4. Distribusi Frekuensi Kumulatif
Lakukan langkah-langkah analisis data sebagai berikut:
a. Melalui menu Tools, pilih Data analysis, kemudian muncul pilihan berikut.
b. Pilih Histogram, klik Ok. Maka akan muncul tampilan sebagai berikut :
Setelah dilakukan editing, seperti membuang baris More pada Tabel, menghapus
histogram, frekuensi, menggeser, memperbesar, mengganti judul header, judul
sumbu koordinat, dan lain-lain maka diperoleh tampilan yang lebih menarik
berikut.
Ukuran statistik merupakan ukuran yang menunjukkan bagaimana suatu gugus data
memusat dan menyebar. Di dalam ukuran statistik ada tiga bentuk ukuran deskripsi
data, yaitu : ukuran pusat data, ukuran variabilitas data dan ukuran bentuk distribusi
data. Ukuran pusat data yang banyak digunakan untuk mendeskripsikan data adalah
mean (rata-rata hitung), median dan modus. Ukuran penyebaran suatu kelompok data
terhadap pusat data disebut disperse atau variasi atau keragaman data. Ukuran disperse
data yang umum dipakai adalah jangkauan (range), variansi dan standar deviasi.
Ukuran Pemusatan
1. Mean (rata-rata hitung)
Rata-rata dihitung dengan menjumlahkan seluruh angka data yang selanjutnya dibagi
dengan banyaknya (jumlah) data. Jumlah data untuk data sampel disebut sebagai
ukuran sampel yang disimbolkan dengan n dan untuk data populasi disebut sebagai
ukuran populasi yang disimbolkan dengan N. Untuk rata-rata hitung sekumpulan data
hasil observasi dihitung dengan menggunakan rumus
berikut :
Rata-rata (X) = Σ(Xi) / N
Dimana : Xi = nilai dari observasi yang ke-i
N = banyaknya observasi ukuran sample.
2. Median
Median adalah nilai yang membagi gugus data yang telah tersortir (ascending) menjadi
2 Bagian yang sama besar.Letak median = (n+1)/2
3. Kuartil adalah nilai yang membagi gugus data yang telah tersortir (ascending)
menjadi Empat bagian yang sama besar. Nilai kuartil terdiri dari kuartil 1, kuartil 2 dan
kuartil 3. Nilai kuartil 2 suatu gugus data sama dengan nilai median tersebut.
4. Modus
Modus merupakan nilai yang paling sering muncul atau nilai yang frekuensinya paling
tinggi.
3. Menghitung Modus
Ketik =MODE lalu blok dara dari (B1:B10)
QUARTILE
PERCENTILE(array,k)
Dimana :
a. Array dapat berupa array atau range data.
b. k adalah nilai percentle yang diinginkan (nilai percentile berada dalam kisaran
0 sampai1, 0 berarti 0%,
sedangkan 1 berarti 100%)
Agar lebih mudah menerapkan fungsi percentile silahkan buat tabel seperti di
bawah ini :
1.Kolom B akan diisi data, dalam contoh ini data berada dalam range B1:B10
Perlu diperhatikan data harus tersortir dari kecil hingga besar.
KONSENTRASI
Pengukuran mg/L
1 0.25
2 0.29
3 0.32
4 0.25
5 0.37
6 0.29
7 0.24
8 0.58
1. Jangkauan (range)
Jangkauan atau range (r) suatu gugus data adalah selisih antara nilai maksimum
dengan nilai minimum. Dengan melihat ukuran ini maka dapat diketahui
gambaran secara kasar tentang variasi suatu distribusi data. Nilai range ini sangat
kasar, karena tidak mempertimbangkan nilai-nilai yang lain selain nilai
ekstrimnya.
2. Variansi
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai
data terhadap rata-rata hitung. Variansi untuk sampel dilambangkan dengan s2.
sedangkan untuk populasi dilambangkan dengan σ2 Variansi (s)2 = [Σ(Xi-X)] / (n-
1) . Sebenarnya yang merupakan ukuran simpangan adalah simpangan baku(
standar deviasi), namun demikian ukuran variansi ini merupakan ukuran
pangkat dua dari simpangan baku, sehingga bisa juga dianggap sebagai ukuran
penyebaran.
3. Standar Deviasi
Standar deviasi adalah akar pangkat dua dari variansi. Standar deviasi seringkali
disebut simpangan baku. Dengan menggunakan simpangan rata-rata hasil
pengamatan penyebaran sudah memperhitungkan seluruh nilai yang ada pada
data. Namun demikian karena dalam penghitungan menggunakan nilai absolut
maka tidak dapat diketahui arah penyebarannya. Maka dengan simpangan baku
kelemahan ini dapat diatasi, yakni dengan cara membuat nilai pangkat 2, sehingga
nilai negatif menjadi positif. Simpangan baku ini merupakan ukuran penyebaran
yang paling teliti.
4. Koefisien variansi
Koefisien variasi merupakan suatu ukuran variansi yang dapat digunakan untuk
membandingkan suatu distribusi data yang mempunyai satuan yang berbeda.
Kalau kita membandingkan berbagai variansi atau dua variabel yang mempunyai
satuan yang berbeda maka tidak dapat dilakukan dengan menghitung ukuran
penyebaran yang sifatnya absolut.
Latihan Soal : Hitunglah nilai range, varians dan standar deviasinya dengan excel
KONSENTRASI
Pengukuran mg/L
1 0.30
2 0.29
3 0.32
4 0.30
5 0.37
6 0.29
7 0.30
8 0.40
1. Kemiringan (Skewness)
Kemiringan (skewness) adalah tingkat ketidak simetrisan atau kejauhan simetri dari
sebuah distribusi. Sebuah distribusi yang tidak simetris akan memiliki rata-rata, median,
dan modus yang tidak sama besarnya (mean≠ Me ≠ Mo), sehingga distribusi akan
terkonsentrasi pada salah satu sisi dan kurvanya akan miring. Jika distribusi memiliki
ekor yang lebih panjang ke kanan daripada yang ke kiri maka distribusi disebut miring
ke kanan atau memiliki kemiringan positif. Sebaliknya, jika distribusi memiliki ekor yang
lebih panjang ke kiri daripada yang ke kanan maka distribusi disebut miring ke kiri atau
memiliki kemiringan negatif.
Salah satu fungsi statistik yang tersedia di microsoft excel adalah skewness
(kemencengan). Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva
frekuensi suatu distribusi memiliki ekor yang lebih memanjang ke kanan (mengacu dari
meannya) maka disimpulkan menceng kanan (positif) dan jika distribusi memiliki ekor
yang lebih memanjang ke kiri maka dapat disimpulkan menceng kiri (negatif). Secara
perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal dan
distribusi simetris lainnya, misalnya distribusi t memiliki skewness 0.
Dimana :
Keterangan
a. Argumen dapat berupa nomor atau nama, array, atau referensi yang mengandung
angka.
b. Nilai-nilai logis dan representasi teks dari sebauah angka yang anda ketik langsung ke
daftar argumen akan
dihitung.
c. Jika sebuah array atau argumen referensi berisi teks, nilai-nilai logis, atau sel-sel
kosong, nilai-nilai tersebut
diabaikan, namun sel-sel dengan nilai nol akan disertakan dalam perhitungan.
d. Argumen yang kesalahan nilai atau teks yang tidak dapat diterjemahkan ke dalam
angka menyebabkan
kesalahan.
e. Jika ada data yang kurang dari tiga poin, atau deviasi standar sampel adalah nol, Skew
mengembalikan DIV # / 0! kesalahan nilai.
Terlihat nilai skewnessnya lebih kecil dari 1, berarti jika grafik kurva distribusinya dibuat
akan tampak seperti pada gambar Negative Skew.
Demikian sebaliknya apabila skewnessnya lebih besar dari 1, berarti grafik kurvanya
seperti pada gambar Positif Skew.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 45
• Keruncingan atau Kurtosis
Keruncingan atau kurrtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal. Berdasarkan
keruncingannya, kurva distribusi dapat dibedakan atas tiga macam,yaitu sebagai
berikut :
1) Leptokurtik
Merupakan distribusi yang memiliki puncak relatif tinggi.
2) Platikurtik
Merupakan distribusi yang memiliki puncak hampir mendatar
3) Mesokurtik
Merupakan distribusi yang memiliki puncak tidak tinggi dan tidak mendatar.
Bila distribusi merupakan distribusi simetris maka distribusi mesokurtik
dianggap sebagai distribusi normal.
Salah satu fungsi statistik yang tersedia di microsoft excel adalah kurtosis . Kurtosis
adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap
distribusi normal). Kurva yang lebih lebih runcing dari distribusi normal dinamakan
leptokurtik, yang lebih datar platikurtik dan distribusi normal disebut mesokurtik.
Kurtosis dihitung dari momen keempat terhadap mean.
Number1, number2, ... dapat berupa 1-255 argumen yang ingin dihitung kurtosisnya.
Anda juga dapat menggunakan array tunggal atau referensi ke array, bukan argumen
yang dipisahkan oleh koma.
Keterangan
a. Argumen dapat berupa nomor atau nama, array, atau referensi yang mengandung
angka.
b. Nilai-nilai logis dan representasi teks dari nomor yang aAnda ketik langsung ke
daftar argumen akan dihitung.
c. Jika sebuah array atau argumen referensi berisi teks, nilai-nilai logis, atau sel-sel
kosong, nilai-nilai tersebut diabaikan, namun sel-sel dengan nilai nol yang disertakan
dalam perhitungan.
d. Argumen yang kesalahan nilai atau teks yang tidak dapat diterjemahkan ke dalam
nomor/angka menyebabkan kesalahan.
e. Jika ada data yang kurang dari empat poin, atau jika standar deviasi sampel sama
dengan nol, Kurt mengembalikan DIV # / 0! (nilai kesalahan)
Apabila nilai kurtosis positif → distribusi lancip
Apabila nilai kurtosis negaif → distribusi tumpul
LATIHAN SOAL !
Jelaskan setiap komponen dari tabel statistik deskripif di atas.
Nilai
Paraf Asisten Praktikum
1. Diagram Kendali (Control Chart) adalah suatu grafik yang menggambarkan hasil
analisis rata-rata dari suatu jenis analisis, dimana dalam grafik tersebut
digambarkan bats kendali dari hasil analisis.
Cara Membuat :
• Hitung Nilai Rata-rata dari hasil analisis dan gambarkan
• Hitung Standar Deviasi dari data hasil analisis
• Hitung besarnya X+(2S ) dan X-(2S)
• Hitung besarnya X+(3S ) dan X-(3S)
• Nilai rata-rata di area X+(2S ) dan X-(2S) menggambarkan data masih dapat
diterima.
• Nilai rata-rata di area X+(3S ) dan X-(3S) menggambarkan data harus
ditolak.
Garis tengah (Center Line/CL) bersesuaian dengan mean populasi yang diperkirakan
dari nilai yang diamati dalam proses. Daerah antara batas kendali atas (UCL) dan batas
kendali bawah (LCL) menunjukkan variasi yang terkontrol. Namun jika pengamatan
berada di luar daerah lersebut (di atas UCL atau di bawah LCL) hal ini menunjukkan
terdapatnya suatu variasi yang tak terkontrol atau variasi karena sebab khusus.
• Klik pada cell C2 kemudian drag sampai data terakhir. Maka tampilannya
sebagai berikut :
• Diagram kendali format axis bisa disesuaikan, agar tampilan diagram lebih
baik dan menarik dengan tahapan sebagai berikut :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 56
• Klik Kanan data axis pada diagram kendali, maka akan muncul pilihan
seperti pada gambar berikut, maka pilih Format axis:
• Apabila ingin menambahkan judul pada diagram maka pilih “chart title”
• Apabila ingin menambahkan keterangan “axis” maka pilih “Axis title”
Buatlah grafik control chart dari kadar kolesterol dalam darah (mg/dl) dan buatlah
kesimpulan dari hasil pengamatannya:
1 180 12 134
2 191 13 145
3 152 14 167
4 148 15 178
5 140 16 180
6 166 17 155
7 173 18 141
8 181 19 140
9 154 20 175
10 158 21 220
11 155 22 275
1. Presisi adalah derajat kedekatan kesamaan pengukuran antara satu dengan lainnya. Jika
hasil pengukuran saling berdekatan (mengumpul) maka dikatakan mempunyai presisi
tinggi dan sebaliknya jika hasil pengukuran menyebar maka dikatakan mempunyai
presisi rendah. Presisi diindikasikan dengan penyebaran distribusi probabilitas.
Distribusi yang sempit mempunyai presisi tinggi dan sebaliknya. Ukuran presisi yang
sering digunakan adalah standar deviasi ( s). Presisi tinggi nilai standar deviasinya kecil
dan sebaliknya.
Suatu data dikatakan presisi apabila nilai RSD % < 2/3 CV Horwitz
• %RSD = Standar deviasi X 100% → Melihat Kepresisian data
Rata - Rata
• CV Horwitz = 𝟐𝟏−(𝟎.𝟓 𝒍𝒐𝒈 𝑪) → Mengukur keberulangan data
Catatan : C adalah rata-rata dikalikan dengan fraksi konsentrasi
Contoh : satuan mg/L fraksi konsentrasi adalah 10-6 dan satuan mg/dL fraksi
konsentrasi adalah 10-5
2. Akurasi adalah derajat kedekatan pengukuran terhadap nilai sebenarnya. Ada
dua cara yang dapat dilakukan untuk menilai akurasi.
a. Membandingkan dengan nilai sebenarnya (CRM) dengan rumus :
Error = |𝑥 − 𝐶𝑅𝑀|
|𝑥−𝐶𝑅𝑀|
% Error = 𝑥 100%
𝐶𝑅𝑀
Secara umum data yang akurat adalah % Error < 5%
b. Membandingkan %recovery hitung dengan %recovery tabel, apabila %recovery
hitung < % recovery tabel maka data tidak akurat.
𝐶3−𝐶1
% recovery = 𝐶2
𝑥 100% → %recovery hitung
3. Latihan Soal
• Nilai rata-rata dari 6 kali pengukuran kadar Pb di udara adalah 3,25 ppm,
standar deviasi 0,04
a. Hitung nilai RSD dari data di atas
b. Bandingkan nilai RSD dengan 2/3 CV Horwitz dan tentukan apakah data di
atas presisi. Rumus CV Horwitz = 2 1-0,5 log C
c. Hitung nilai error dari hasil pengujian diatas, jika nilai benar (CRM) untuk
kadar Pb dari udara adalah 8,5 ppm, apakah data di atas akurat?
• Konsentrasi awal kadar lemak pada susu bubuk adalah 5%, kemudian
ditambahkan konsentrasi standar lemak pada susu bubuk sebanyak 3%,
ternyata konsentrasi akhir kadar lemak pada susu bubuk menjadi 7,9%.
d. Berapakah %recovery hitungnya?
e. Bandingkan %recovery hitungnya dengan %recovery table, berikan
kesimpulannya
“Klik” diagram pencar kemudian pilih menu “insert” setelah itu pilih design
diagram yang bertanda fx lalu “klik”.
Chart Title
0,06
0,03
Series1
0,02 Linear (Series1)
0,01
0
0 2 4 6 8 10
Konsentrasi
Untuk mencari nilai intersept ketik =INTERCEPT(blok data y,blok data x) enter
Untuk mencari nilai slope ketik =SLOPE(blok data y, blok data x) enter
Untuk mencari nilai korelasi ketik =CORREL(blok data y, blok data x) enter
Bandingkan apakah ada korelasi yang signifikan antara konsentrasi ppm dengan
absorban (tingkat kepercayaan 95%).
Diketahui korelasi ( r )hitung = 0,9775 dan korelasi ( r )tabel =0,707 maka
r hitung > r tabel artinya terdapat korelasi yang signifikan.
2. Buatlah kurva kalibrasi linier pada analisis NH3 secara spektrofotometri UV-
Vis. Tentukan intersept, slope dan korelasi regresi ( r ) dan persamaan garis
nya dari data berikut :
Konsentrasi (ppm) Abs
0.15 0.0635
0.35 0.1240
0.55 0.1800
0.75 0.2245
0.95 0.2965
Hitung pula konsentrasi contoh jika absorbansi contoh didapat :
Sampel 1 = 0.1281
Sampel 2 = 0.1372
Sampel 3 = 0.2634
Sampel 4 = 0.2356
Dari suatu kumpulan data , baik dari data hasil analisis maupun data uji profisiensi seringkali
dijumpai satu atau lebih data yang menyimpang terhadap data-data lainnya. Di dalam hal ini,
sebelum dilakukan pengolahan data, sebaiknya diputuskan terlebih dahulu apakah data yang
menyimpang tadi harus dibuang atau dapat dipertahankan.
Ketika Berhadapan dengan suatu kumpulan data yang mempunyai jumlah data (n) cukup besar,
dibuang atau tidaknya salah satu data tidak akan memberikan pengaruh yang cukup berarti.
Mengapa? Karena pengaruh dari hanya satu data saja, akan memberikan efek penyimpangan
yang besar terhadap harga rata kumpulan data dengan n relatif besar.
Sebaiknya, berhadapan dengan suatu kumpulan data yang mempunyai jumlah data
relatif sedikit (n < 6), akan menimbulkan suatu permasalahan. Bukan saja data yang
menyimpang tadi dapat memberikan pengaruh yang cukup besar terhadap harga rata-
rata, tetapi juga tidak terdapat jumlah data yang cukup untuk melakukan perhitungan
statistika guna menganalisis data yang diragukan tadi (Julia, K., 1991). Didalam kimia
analitik sangat jarang kita temukan data pengulangan dalam jumlah yang cukup besar.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 70
Seringkali ditemui 1 set kumpulan data hanya terdiri atas beberapa data saja. Oleh
karena itu apabila terdapat data yang menyimpang maka terhadap data tersebut harus
dilakukan seleksi data atau uji outliner. Umumnya, seleksi data dilakukan dengan
mengukur jarak relatif antara nilai yang dicurigai mempunyai potensi yang
menyimpang terhadap nilai rata-rata kumpulan data. Dari hasil pengukuran yang
diperoleh dapat dinilai apakah nilai ekstrim tersebut perlu dibuang atau dapat digabung
dengan data yang lain untuk kemudian diolah lebih lanjut.
Terdapat berbagai cara seleksi data, yaitu cara Dixon dan cara Grubbs. Cara Dixon
berlaku untuk menyeleksi nilai ekstrim tunggal dan seringkali keberadaan nilai ekstrim
didalam satu kelompok data lebih dari Satu .Untuk kondisi seperti ini dapat diberlakukan
seleksi data dengan Dixon secara berulang. Akan tetapi apabila posisi data ekstrimnya
berpasanagn yaitu terdapat dua data ekstrim pada satu posisi, baik pada posisi data terendah
(Gambar 1d) maupun tertinggi (Gambar 1e) dan nilai diantara kedua data ekstrim tidak
terlampau jauh berbeda maka dengan cara Dixon kedua data tidak akan dapat dibuang karena
keduanya saling menutupi (masking). Cara Grubbs mempunyai keunggulan dibandingkan cara
Dixon karena dengan cara Grubbs dapat membunag sekaligus data ekstrim yang berpasangan.
Dalam hal ini efek masking tidak berpengaruh.
X1
*Catatan : sebelum melakukan uji selektifitas data, data yang akan diujikan
harus di urutkan dari data yang terkecil sampai data yang terbesar.
1 0,39
2 0,38
3 0,40
4 0,37
5 0,39
6 0,42
7 0,55
8 0,41
9 0,34
10 0.77
Ujilah dengan menggunakan metoda DIXON, apakah ada data yang harus dibuang
Ujilah dengan menggunakan metoda DIXON, apakah ada data yang harus dibuang
Jawab :
Latihan Soal!
4. Hasil pengujian Kadar Hg di dapat data sebagai berikut :
1 0,39
2 0,47
3 0,76
4 0,71
5 0,61
6 0,99
7 0,66
Ujilah dengan menggunakan metoda Grubb 1 dan Grubb 2, apakah ada data yang
harus dibuang.
Jawab :
Metoda Grubb 1, menghitung dengan menggunakan excel tahapannya sebagai
berikut :
• Input data
• Kemudian diurutkan dari data yang terkecil sampai yang terbesar
Karena ada data yang dibuang, maka harus ada pengujian ulang dengan
metoda Grubb 2 terhadap kelompok data yang baru.
Hitunglah apakah ada ada yang dibuang.
Hitunglah apakah ada data yang tidak presisi? Gunakan metoda Cochran untuk
menghitungnya
Jawab :
Nilai
Paraf Asisten Praktikum
( x1 − x 2 )
t=
1 1 s12 (n1 − 1) + s22 (n2 − 1)
+ x
n1 n2 (n1 + n2 − 2)
( x1 − x 2 )
t=
1 1 s12 (n1 − 1) + s22 (n2 − 1)
+ x
n1 n2 (n1 + n2 − 2)
• Maka akan didapat nilai thitung (coba anda hitung):
ttabel
Berikan Hipotesanya
………………………………………………………………………………………………………
………………………………………………………………………………………………………
………………………………………………………………………………………………………
LATIHAN SOAL
Pada uji banding analisis Zn antara Laboratorium A dan B, didapat data sbb:
Hitunglah :
F =s /s 2
a
2
b
Fhitung
a. Apakah nilai keberulangan data dari spektro 1 dan spektro 2 berbeda nyata?
• Input data :
Untuk mengisi variable 1 range blok data spektro 1
Untuk mengisi variable 2 range blok data spektro 2
Check (√) pada labels → untuk memebri judul pada kolom pengujian, syaratnya
kita harus memblok data dengan judulnya juga.
Alpha : 0.05 → sama artinya dengan tingkat kepercayaan 95%
• Output options :
Bebas anda memilih yang mana, karena ini hanya menentukan daerah hasil
perhitungan kita akan diletakkan dimana, apakah di lembar kerja yang sama atau
anda ingin hasil uji t ini diletakkan di lembar kerja yang berbeda. Misalkan kita
memilih output range , kita cukup klik salah satu cell yang kosong untuk
menampilkan hasil uji t.
• Setelah mengisi Input data dan Output Options data maka kllik “OK”, maka akan
muncul tampilan data sbb:
• Berikan Kesimpulannya…………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
………………………………………………………………………………………………
LATIHAN SOAL
Pada uji banding analisis Zn antara Laboratorium A dan B, didapat data sbb:
1. Kegunaan Chi-Square
Uji Chi-square berguna untuk menguji hubungan atau pengaruh dua buah
variable nominal dan mengukur kuatnya hubungan variable yang satu dengan
variable nominal lainnya.
2. Karakteristik Chi-Square
Nilai Chi-Square selalu positif
Derajat kebebasan (df) : (jumlah baris – 1)(jumlah kolom – 1)
3. Rumus Chi-Square
2
(𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑 − 𝑒𝑥𝑝𝑒𝑐𝑡𝑒𝑑)
𝑥2 = ∑
𝐸𝑥𝑝𝑒𝑐𝑡𝑒𝑑
X2tabel = 3,841
Maka X2hitung < X2tabel
Hipotesa : Ho diterima dan H1 ditolak
Kesimpulan : Tidak ada perbedaan yang nyata terhadap kesembuhan binatang
antara yang diberi obat jantung dengan yang tidak diberi obat jantung. Dengan
kata lain obat jantung yang diberikan kepada binatang tidak berpengruh secara
signifikan terhadap kesembuhan binatang.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 100
Gunakan teori antara hasil observasi (pengujian) dengan harapan (ekspektasi) dan
perhitungan boleh menggunakan excel. Tingkat kepercayaan = 95%
Jawab :
Tingkat kepercayaan
95% (alpha = 0,05)
df
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 101
Kesimpulannya : Ada perbedaan yang bermakna (signifikan) antara penderita
Hepatitis dengan penyebaran lokasinya.
LATIHAN SOAL
1. Contoh kasus :
Suatu survey ingin mengetahui apakah ada hubungan antara asupan lauk
dengan kejadian anemia pada penduduk desa Bakti Asih. Kemudian
diambil sampel sebanyak 150 orang yang terdiri dari 80 orang asupan
lauknya baik dan 70 orang asupan lauknya kurang. Setelah dilakukan
pengukuran Hb ternyata dari 80 orang yang asupan lauknya baik, ada 20
orang yang dinyatakan anemia. Sedangkan dari 70 orang yang asupannya
lauknya kurang ada 40 orang yang anemia. Ujilah apakah ada perbedaan
proporsi anemia pada kedua kelompok tersebut.
Diketahui : Tingkat kepercayaannya 95% (alpha = 0.05)
a. Hitung nilai chi-kuadrat (X2) apakah signifikan pada α = 0,05 dan
Berikan kesimpulan dari data di atas
b. Dengan data yang sama hitunglah chi-kuadrat goodness of fit-nya
apakah X2 signifikan pada α = 0,05 dan berikan kesimpulannya
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 102
Jawab :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 103
MODUL 14. ANOVA
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada
di kelompok yang lain, berasal dari populasi yang sama. Untuk kondisi ini, hipotesis nol
berbunyi: “tidak ada efek dari perlakuan (treatment)”.
2. Sampel yang ada pada kelompok yang satu berasal dari populasi yang berbeda
dengan populasi sampel yang ada di kelompok yang lain. Untuk kondisi ini, hipotesis
nol berbunyi: “tidak ada perbedaan efek perlakuan antar kelompok”.
H0 : µ1 = µ2 = µ3 = µ4 = µ5
Anova dapat digunakan untuk menganalisa sejumlah sampel dengan jumlah data yang
sama pada tiap-tiap kelompok sampel, atau dengan jumlah data yang berbeda. ANOVA
mensyaratkan data- data penelitian untuk dikelompokkan berdasarkan kriteria
tertentu. Penggunaan “variance” sesuai dengan prinsip dasar perbedaan sampel:
sampel yang berbeda dilihat dari variabilitas-nya. Ukuran yang baik untuk melihat
variabilitas adalah variance atau standard deviation (simpangan baku).
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 104
1. Tipe ANOVA
a. ANOVA 1 arah:
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 105
c. ANOVA 2 arah dengan interaksi :
Dalam kategori, terdapat blok/sub-kelompok
Kolom : Kategori 1
Baris : blok, kategori-2
Setiap blok diulang, satu sel berisi beberapa data
Dengan pengulangan dalam tiap blok seperti ini, interaksi antara kolom dan baris
diketahui. Contoh : Terdapat 4 metode diet dan tiap metode dibagi menjadi 3 blok, dan
tiap blok diulang 3 kali
2. Tabel ANOVA
Untuk memudahkan perhitungan ANOVA, kita dapat membuat tabel ANOVA, sebagai
berikut :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 106
3. ANOVA 1 arah
Tabel ANOVA 1 arah
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 107
Apakah keempat metode diet tersebut memberikan rata-rata penurunan berat badan
yang sama?
Uji pendapat tersebut dengan taraf nyata 5%
Solusi :
1. H0 : Setiap metode memberikan rata-rata penurunan berat badan yang sama
H1 : Ada suatu metode yang memberikan rata-rata penurunan berat badan yang
tidak sama
2. Selesaikan Tabel ANOVA berikut :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 108
3. ANOVA 2 arah tanpa Interaksi
Pada rancangan percobaan dengan ANOVA jenis ini, setiap kategori mempunyai
banyak blok yang sama, sehingga jika banyak kolom = k
dan banyak baris / blok = r
maka banyak data = N = r x k
Tabel ANOVA 2 arah tanpa Interaksi
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 109
Contoh 2 : Terdapat 4 metode diet dan 3 golongan usia peserta program diet
berikut data rata-rata penurunan berat peserta keempat metode dalam tiga
kelompok umur.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 110
Selesaikan Tabel ANOVA berikut :
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 111
4. ANOVA 2 arah dengan Interaksi
Efek interaksi diperoleh setelah setiap kolom (perlakuan) dan blok (baris) diulang.
Interaksi dinyatakan sebagai perkalian Baris x Kolom (BK).
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 112
Contoh : Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut
adalah data rata-rata penurunan berat badan setelah 1 bulan melakukan diet.
Ujilah apakah penurunan berat badan sama untuk setiap metode diet,
kelompok umur dan interaksi taraf uji 5%?
Solusi :
1. H0 : Semua perlakuan [metode diet, kelompok umur, interaksi]
memberikan penurunan berat badan yang bernilai sama
H1 : Ada suatu perlakuan [suatu metode diet, kelompok umur, interaksi
memberikan penurunan berat badan yang bernilai tidak sama
2. α = 5%
3. Statistik uji F
4. Selesaikan tabel data dan tabel ANOVA
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 113
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 114
Kesimpulan :
Perhitungan menunjukkan bahwa rata-rata penurunan berat badan pada Baris
[kelompok umur] dan interaksi tidak berbeda [masih dianggap sama]
sedangkan rata-rata penurunan berat badan dalam kolom [metode diet] dapat
dikatakan berbeda.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 115
Novi Fitria lahir di Surabaya, 4 November 1981.
Putri pasangan Bapak Muhammad Taufik dan
Ibu Iceu Kurniasih ini menghabiskan masa
kecilnya di Surabaya. Pada Agustus 1997,
hijrah ke Bandung dan meneruskan studi di
SMAN 5 Bandung. Alhamdulillah lulus
UMPTN dan masuk Jurusan Biologi, Fakultas
MIPA, Univeritas Padjadjaran, dan meraih
gelar Sarjana Sains (S.Si). Pada Desember 2009
menamatkan program Magister Teknik (M.T)
dengan IPK 3,85 pada Program Studi Teknik Lingkungan jurusan Teknik
Manajemen Lingkungan di Institut Teknologi Bandung. Judul Tesis yang
ditempuh adalah Penilaian Risiko pada Instalasi Pengolahan Air Limbah
Rumah Sakit dengan Metode Failure Mode and Effect Analysis (FMEA), Studi
kasus IPAL Rumah Sakit Dr.Slamet Garut. Sejak 2010 mengabdikan diri
sebagai dosen di Sekolah Tinggi Analis Bakti Asih hingga sekarang. Penulis
mulai sekolah program doktoral di Tahun 2015 dan menyelasaikan studinya
pada tahun 2020 dengan IPK 4,00 pada Program Studi Teknik Lingkungan ITB.
Penulis sangat berterimakasih kepada Dr.Tiny Agustini K, S.Si, M.M.S atas
bimbingannya sehingga penulis dapat menyelesaikan Modul Praktikum
Statistik Analitik ini dengan sebaik mungkin. Penulis juga ingin berpesan
kepada seluruh mahasiswa tercinta, jangan pernah letih untuk terus belajar
dan berkarya, banggakan dan bahagiakan kedua orang tua kita. Torehkan
sejarah yang indah dalam hidup kalian. Semoga semua cita-cita mulia kalian
terwujud dan semoga Allah SWT selalu melindungi kita.
STABA | PANDUAN PRAKTIKUM STATISTIK ANALITIK [Dr.NOVI FITRIA S.SI, M.T] 116