A. Pendahuluan
Hipotesis pada dasarnya merupakan suatu proposisi atau anggapan yang mungkin benar
dan sering digunakan sebagai dasar pembuatan keputusan atau pemecahan persoalan
untuk dasar penelitian lebih lanjut.
Situasi
Ho Benar Ho Salah
Keputusan
Terima Ho Keputusan tepat (1 – α) Kesalahan jenis 2 (β)
Tolak Ho Kesalahan jenis 1 (α) Keputusan tepat (1 – β)
C. Perumusan Hipotesis
Hipotesis yang berupa anggapan/pendapat dapat didasarkan atas :
a) Teori
b) Pengalaman
c) Ketajaman berpikir. Orang yang cerdas sering mempunyai pendapat tentang
pemecahan suatu persoalan
-1.96 1.96 z
Daerah
Daerah tolak Ho penerimaan
Daerah tolak Ho
Ho
0 .3
f(z
0 .2
)
0 .1
0 .0
-5 0 5
z 2.32
6
0.3 0.95
f(z
0.2
)
0.1
0.0
-5 0 5
- z
1.645
n
Jika n < 30 maka Z0, Zα atau Zα/2 diganti dengan t0, tα atau tα/2.
Dengan rumus to adalah :
X 0
t0
s
n
Dengan derajat kebebasan n – 1.
iv. Pengujian hipotesis dan pengambilan kesimpulan
1. H0 : μ = μ0 apabila Z0 > Zα, Ho ditolak
H1 : μ > μ0 apabila Z0 ≤ Zα, Ho diterima
2. H0 : μ = μ0 apabila Z0 < - Zα, Ho ditolak
H1 : μ < μ0 apabila Z0 ≥ - Zα, Ho diterima
3. H0 : μ = μ0 apabila Z0 > Zα/2 atau Z0 < -Zα/2, Ho ditolak
H1 : μ ≠ μ0 apabila -Zα/2 ≤ Z0 ≤ Zα/2, Ho diterima
Contoh 1:
Sebuah perusahaan alat olah raga mengembangkan jenis batang pancing sintetik, yang
dikatakan mempunyai kekuatan dengan rata-rata 8 kg dan simpangan baku 0,5 kg.
Ujilah hipotesa yang menyatakan bahwa rata-rata kekuatan batang pancing adalah 8
kg dengan alternative lebih besar dari 8 kg bila suatu sample 50 batang pancing itu
setelah dites memberikan kekuatan rata-rata 8,4 kg. Gunakan α = 5%.
Jawab :
H0 : μ = 8 kg
H1 : μ > 8 kg
α = 5%, Zα = 1,64 dari tabel normal
X 0 (8,4 8) 50
Z0 = 5,6
0,5
n
α = 5%
Z = 1,64 Z0 = 5,6
Oleh karena Z0 > Zα, maka H0 ditolak, yang berarti bahwa rata-rata kekuatan batang
pancing adalah lebih dari 8 kg.
Contoh 2:
Waktu rata-rata yang diperlukan permahasiswa untuk mendaftar ulang pada semester
ganjil di suatu perguruan tinggi adalah 20 menit dengan simpangan baku 5 menit. Suatu
prosedur pendaftaran baru yang menggunakan mesin antrian sedang dicoba. Bila
sample 12 mahasiswa memerlukan waktu pendaftaran rata-rata 8 menit dengan
simpangan baku 3,2 menit dengan system baru tersebut, ujilah hipotesis yang
menyatakan bahwa rata-ratanya sekarang tidak sama dengan 20 menit. Gunakan α =
5%.
Jawab :
X 0 8 20
t0 = 12,9
s 3,2
n 12
α = 0,05 dan derajat kebebasan = n – 1 = 12 – 1 = 11
t α/2(n -1) = t 0,025(11) = 2,2010 dan - t 0,025(11) = - 2,2010
Daerah Kritis :
- 2,2010 2,2010
Kesimpulan :
Karena t0 = - 12,9 < -tα/2 - -2,2010 maka H0 ditolak. Berarti bahwa rata-rata lamanya
pendaftaran studi dengan menggunakan mesin antrian tidak sama dengan 20 menit,
bahkan hanya membutuhkan waktu 8 menit, jadi sebaiknya diberlakukan system
pendaftaran yang baru dengan mesin antrian.
2. Pengujian Hipotesis Dua Rata – rata.
Dalam praktek, seringkali ingin diketahui apakah ada perbedaan yang berarti dari dua
rata-rata populasi. Misalnya
a. Kecepatan dalam mengerjakan suatu pekerjaan antara pekerja pria dan wanita
b. Kekuatan dua jenis besi berani
c. Lamanya menyala bola lampu merek A dan B
Perumusan Hipotesisnya adalah sebagai berikut :
H0 : μ1 – μ2 = 0 atau μ1 = μ2 (Tidak ada perbedaan, atau sama)
(1) Ha : μ1 – μ2 > 0 (ada perbedaan μ1 > μ2 )
(2) Ha : μ1 – μ2 < 0 (ada perbedaan μ1 < μ2 )
(3) Ha : μ1 – μ2 ≠ 0 (μ1 berbeda dengan μ2 )
X1 X2 n1n2 (n1 n2 2)
t0 =
(n1 1) s1
2
(n2 1) s 2
2 n1 n2
t0 mempunyai distribusi t dengan derajat kebebasan sebesar n1 + n2 -2.
Contoh :
Seorang pemilik toko yang menjual 2 macam bola lampu merek A dan B, berpendapat
bahwa tak ada perbedaan rata-rata lamanya menyala bola lampu kedua merek tersebut
dengan alternative ada perbedaan. Untuk menguji pendapatnya dilakukan percobaan
dengan menyalakan 100 buah bola lampu merek A dan 50 buah bola lampu merek B,
sebagai sample acak. Ternyata bola lampu merek A dapat menyala rata-rata selama 952
jam, sedangkan merek B 987 jam, masing-masing dengan simpangan baku sebesar 85
jam dan 92 jam. Dengan menggunakan α = 5%, ujilah pendapat tersebut.
Jawab :
H0 : μ1 – μ2 = 0
Ha : μ1 – μ2 ≠ 0
n1 = 100, X 1 = 952, σ1 = 85
n2 = 50, X 2 = 987, σ2 = 92
n2 = 50, X 2 = 987, σ2 = 92
X1 X2 952 987
Z0 = = 2,25
σ1
2
2
2
852 92 2
n1 n2 100 50
Kesimpulan :
Karena Z0 = -2,25 < -Zα/2 = - 1,96 maka H0 ditolak. Berarti rata-rata lamanya menyala
bola lampu dari kedua merek tersebut tidak sama.
Digunakan rumus:
(X1 X 2 ) ( 1 2 )
Z
2 2
s1 s 2
n1 n2
s2= Varian sample
Kasus: “Pendapatan sebelum dan sesudah promosi sama??
Anda disuruh untuk menguji pernyataan tersebut, pada = 5 %, kemudian anda
mengamati selama 36 hari sebelum ada promosi, dengan rata-rata penjualan Rp. 13,17
dan standar deviasi Rp. 2,09. Setelah ada promosi: Rata-rata pendapatan Rp 7,55 dan
St.deviasi Rp. 1,09.
3. Alat Uji
(X1 X 2 ) ( 1 2 ) = 13,95
Z
2 2
s 1 s2
n1 n2
4. Kriteria
Lihat kurva diatas.
Tolak Ho Tolak Ho
-1,96 1,96
5. Keputusan
Tolak Ho, artinya tidak cukup bukti untuk mendukung pernyataan diatas, yang
mengatakan, bahwa rata-rata pendapatan perusahaan sebelum dan sesudah promosi
sama
b. Uji beda rata-rata sampel kecil (n <30). ( 1 2 tidak diketahui)
Digunakan rumus:
(X1 X 2 ) ( 1 2 )
thit
(n1 1)S12 (n 2 1)S22 1 1
( n1 n 2 ) 2 n1 n2
Ujilah pernyataan: Obat “X” dan obat “Y” memiliki efek yang sama terhadap
penurunan berat badan?
Obat “X”
Ana 5.5
Ani 6.0
Anu 4.0
Ano 4.0
Ane 4.5
Bada 5.0
Badi 5.0
Badu 5.5
Bado 5.5
Bade 5.0 Obat “Y”
DONA 5.0
DONI 5.5
DONU 5.0
DONO 4.0
DONE 3.5
TOGA 3.0
TOGI 3.5
TOGU 4.0
TOGO 4.0
TOGE 3.5
(X1 X 2 ) ( 1 2 )
thit
(n1 1)S12 (n 2 1)S22 1 1
( n1 n 2 ) 2 n1 n2
Mencari T hitung
(5 4,1) (0)
thit 2,714
(10 1)(0,67) 2 (10 1)(0,81) 2 1 1
(10 10) 2 10 10
Tolak Ho
5. Keputusan
Tolak Ho, sehingga pernyataan kedua jenis obat tersebut memberi efek penurunan
berat badan yang sama tidak dapat diterima.
( d )2
d2
Sd n
n 1
Dimana,
t : Nilai distribusi t
: Nilai rata-rata perbedaan antara pengamatan berpasangan
Sd : Standar deviasi dari perbedaan antara pengamatan berpasangan
n : Jumlah pengamatan berpasangan
d : Perbedaan antara data berpasangan
A 9 5
B 5 5
C 7 6
D 6 4
E 8 6
F 7 4
G 4 2
H 4 1
I 3 3
J 7 6
Penyelesaian:
1. Perumusan Hipotesa
Ho : d = 0
Ha : d 0
2.Menentukan taraf nyata 5 %. Nilai t-Student dengan taraf nyata % % uji satu arah
dengan derajat bebas(db) n-1 = 9 adalah 2,262
3. Melakukan Uji statistik
2 (d ) 2
d
Sd n
n 1
Sebelum Sesudah d d2
9 5 -4 16
5 5 0 0
7 6 -1 1
6 4 -2 4
8 6 -2 4
7 4 -3 9
4 2 -2 4
4 1 -3 9
3 3 0 0
7 6 -1 1
2 ( d )2
d 48 ( 18) 2 / 10
Sd n → Sd 1,32
n 1 10 1
d 1,8
t hit t hit 0,432
sd / n → 1,32 / 10
Kriteria Keputusan
Tolak Ho
- 0,432 1,833
Keputusan
Tolak Ho ( d = 0) berati terima Ha ( d 0) Berarti harga saham sebelum dan
sesudah ada bom tidak sama.
Contoh soal :
Seorang pemborong menyatakan bahwa di 70% rumah-rumah yang baru dibangun di
kota Yogyakarta dipasang suatu alat pendeteksi gempa bumi. Apakah anda setuju
dengan pernyataan tersebut bila diantara 15 rumah baru yang diambil sebagai sample
secara acak ternyata terdapat 8 rumah yang menggunakan alat pendeteksi gempa
bumi tersebut. Gunakan taraf nyata 0,10.
Jawab :
X = rumah yang menggunakan alat pendeteksi gempa bumi = 8
n = 15
H0 : p0 = 0,7
H1 : p0 ≠ 0,7
α = 0,10, maka Zα/2 = Z0,05 = 1,645
X 8
p0 0,7
n 15 0,16
Z0 = 0,13
p0 (1 p 0 ) 0,7(1 0,7) 1,18
n 15
Daerah kritis :
Kesimpulan :
Karena Z0 terletak antara –Zα/2 dan Z α/2 maka terima H0, yang berarti bahwa tidak
ada alasan yang kuat untuk meragukan pernyataan pemborong di atas.
Contoh :
Sebuah pabrik rokok memproduksi dua merek rokok yang berbeda. Ternyata 56 orang
diantara 200 perokok menyukai merek A dan 29 diantara 150 perokok menyukai merk
B. Dapatkah kita menyimpulkan pada taraf nyata 0,06 bahwa merek A terjual lebih
banyak daripada merek B?
Jawab :
x1 56 x 29
p1 = ; p2 = 2
n1 200 n2 150
H0 : p1 – p2 = 0 atau p1 = p2
H1 : p1 – p2 > 0 atau p1 > p2
α = 0,06, Zα = 1,55
X1 X2
( )
n1 n2
Z0 =
X1 X2 X1 X2 1 1
( )(1 )( )
n1 n2 n1 n 2 n1 n2
56 29
( )
200 150 0,086
Z0 = 40,18
56 29 56 29 1 1 0,00214
( )(1 )( )
200 150 200 150 200 150
Daerah kritis
Z = 1,55 Z = 40,18
Kesimpulan :
Karena Z0 = 40,18 > Zα = 1,55 maka tolak H0. Yang berarti proporsi penjualan rokok
merek A lebih banyak daripada penjualan rokok merek B.
ANALISIS VARIANS
Pertemuan minggu ke 3.
Distribusi F (Fisher)
Rasio ragam dari dua populasi yang bersifat bebas, dapat diduga dari rasio varians
sampel. Dan rasio ini akan memiliki bentuk sebaran (distrbusi). Sebaran ini disebut
sebaran F (Fisher), dengan derajat bebas (db1)= n1 -1 dan db2 = (n2-1)
Sebaran F digunakan untuk menguji apakah dua atau lebih sampel berasal dari populasi
yang memiliki varians yang sama?
Pada gambar di atas terlihat bahwa distribusi dengan derajat bebas pembilang 5 dan
penyebut 5 yang ditulis df(5,5) mempunyai distribusi F yang berbeda dengan distribusi
df(20,7) dan df(29,28).
CIRI CIRI DISTRIBUSI F
Distribusi F memiliki beberapa karakteristik, yaitu antara lain:
1. Distribusi F tidak pernah mempunyai nilai negatif sebagaimana pada distribusi Z.
Distribusi Z mempunyai nilai positif di sisi kanan dan negatif sisi kiri nilai
tengahnya. Distribusi F seluruhnya adalah positif atau menjulur ke positif
(positively skewed) dan merupakan distribusi kontinu yang menempati seluruh titik
di kurva distribusinya.
2. Nilai distribusi F mempunyai rentang dari tidak terhingga sampai 0. Apabila nilai F
meningkat, maka distribusi F mendekati sumbu X, namun tidak pernah menyentuh
sumbu X tersebut
Distribusi F juga memerlukan syarat yaitu:
(a) populasi yang diteliti mempunyai distribusi yang normal,
(b) populasi mempunyai standar deviasi yang sama, dan
(c) sampel yang ditarik dari populasi bersifat bebas serta diambil secara acak.
BAB 3: ANALYSIS OF VARIANCES (ANOVA)
A. Pendahuluan
ANOVA pada dasarnya merupakan suatu metode yang menguraikan sumber
keragaman (varian) dari suatu perbedaan rata-rata lebih dari dua populasi. Dengan
mempergunakan metode analisa varians kita kan dapat mengambil suatu kesmpulan
apakah sample tersebut berasal dari populasi yang memiliki nilai rata-rata yang sama
atau tidak. Analisa Varian diperkenalkan oleh RA Fisher pada tahun 1920. oleh karena
itu lebih sering dikenal dengan nama distribusi F atau F-test.
B. Perumusan Hipotesis
(Contoh dengan 3 kelompok sample) :
H0 : 1 2 3
Ha : 1 2 3
Hipotesis :
H0 : 1 2 3
Ha : 1 2 3
Langkah 1 : Menghitung rata-rata setiap kelompok sampel (lihat hasil pada tabel
diatas)
2 8
Sa 4
(3 1)
Langkah 3 : Menghitung varians dalam sampel
Metode I Metode II Metode III
x 17 x2 21 x3 19
x x x x x
2 x x x x x
2 x x x x x
2
15 -2 4 22 1 1 18 -1 1
18 1 1 27 6 36 24 5 25
19 2 4 18 -3 9 16 -3 9
22 5 25 21 0 0 22 3 9
11 -6 36 17 -4 16 15 -4 16
70 62 60
2 70
S1 17.5
5 1
2 62
S2 15.5
5 1
2 60
S3 15
5 1
2 17.5 15.5 15 48
SW 16
3 3
F Tabel ;
Dengan taraf nyata 5%, derajat kebebasan pembilang = k – 1 = 3 – 1 = 2 dan dengan
derajat kebebasan penyebut = n – k = 15 – 3 = 12 maka nila F tabel = 3,89
Kesimpulan :
Karena nilai F hitung < F tabel atau 1,25 < 3,89 maka terima H0 atau tidak terdapat
perbedaan produktifitas radio yang dihasilkan dengan 3 metode yang berbeda.
Ha : 1 2 3 4 5
F Hitung
Langkah 1 : Varians antar sampel
2
x x (***) x x x x
9 8 1 1
7 8 -1 1
8 8 0 0
6 8 -2 4
10.5 8 2.5 6.25
12.25
2 12.25
Sa 3.06
5 1
x x x x x
2 x x x x x
2 x x x x x
2 x x x x x
2 x x x x x
2
8 -1 1 7 0 0 8 0 0 6 0 0 11 1 1
9 0 0 6 -1 1 7 -1 1 5 -1 1 10 0 0
10 1 1 8 1 1 9 1 1 7 1 1
11 2 4 7 0 0 8 0 0
7 -2 4 7 0 0
9 0 0
10 2 2 2 1
Kesimpulan
Karena nilai F hitung > F tabel atau 3.26 > 3.06 maka tolak H0 atau terdapat
perbedaan yang signifikan persentase absensi diantara ke lima perusahaan tersebut.
Dimana;
JKK = Jumlah kuadrat Kolom
JKG = Jumlah kuadrat Galat
JKT = Jumlah kuadrat Total
K = Jumlah perlakuan atau jumlah
N = n1 + n2 + n3 . Dst
A = JKK/K – 1
B = JKG/N – k
JKK, Jumlah kuadrat antar perlakuan atau antar kelompok sering disebut Sum of square
treatment, adalah pangkat dua dari faktor pembeda.Dicari dengan rumus sbb:
Ti 2 T
JKK
n N
Ti = Total per kelompok
T = T1+T2+T3
N = n1 + n2 + n3
JKG = JKT-JKK
2 { T) 2
JKT X i
N
Kasus:
Dari 5 tablet obat sakit kepala yang berbeda diberikan kepada 25 orang yang sakit
kepala (pusing). Setelah beberapa jam, obat itu dapat mengurangi rasa sakit. Ke-25
orang tersebut dibagi secara acak kedalam 5 kelompok dan masing-masing diberi satu
jenis obat. Berikut data lamanya minum obat tersebut dengan berkurangnya rasa sakit.
Obat
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
3 9 7 4 7
∑ 26 39 20 14 33 132
2 { T) 2
JKT X i
N
{132) 2
JKT 52 42 ..7 2 137
25
Total 137 24
Tolak Ho
2,87 6,9
Keputusan:
Tolak Ho, artinya rata-rata lamanya tablet dapat mengurangi rasa sakit, tidak sama untuk
semua orang.
QUIZ
2. Sebuah random sample dipilih dari 100 pedagang kaki lima di Pasar Mingggu, dari
seluruh pedangan kaki lima di Pasar Minggu. Rata-rata tingkat keuntungan yang
diperoleh adalah 20% dengan deviasi standard 2%. Dengan menggunakan interval
keyakinan sebesar 95%, berapa tingkat keuntungan seluruh populasi pedangan kaki
lima di Pasar Minggu?
3. Suatu penelitian dilakukan oleh sebuah perguruan tinggi swasta terhadap ketepatan
pembayaran SPP dari para mahasiswanya. Dari 100 orang mahasiswa yang diteliti
ternyata 30 orang mahasiswa melakukan pembayaran SPP tidak tepat waktu.
Dengan tingkat interval keyakinan 95%, tentukan pendugaan interval proporsi dari
mahasiswa yang melakukan pembayaran tidak tepat waktu!
5. Perusahaan farmasi cepat sehat memproduksi 3 jenis obat diet, Diet A; Diet B dan
Diet C. Berikut ini data penurunan berat badan dari masing-masing obat diet.
Dimana sampel pasien dengan obat diet A ada 5 orang, sample Pasien dengan obat
diet B ada 6 orang dan sample pasien obat diet C ada 7 orang. Dari data tersebut
dengan alpha 5%, apakah terdapat perbedaan rata-rata penurunan berat badan
dengan obat diet yang berbeda ?
Diet A Diet B Diet C
7 11 4
8 9 6
7 9 5
9 8 8
9 12 5
11 8
6
6. Berikut ini adalah data produktivitas karyawan dari 3 pabrik yang berbeda. Masing-
masing pabrik diambil 5 sampel karyawan. Ujilah pada alpha 5% apakah terdapat
perbedaan produktivitas karyawan di 3 cabang pabrik yang berbeda?
Pabrik A Pabrik B Pabrik C
19 22 18
18 27 24
19 30 18
22 21 22
16 17 17
7. Seorang manajer produksi yang menghasilkan pompa air ingin membandingkan
efisiensi waktu perakitan pompa A dan POmpa B. untuk pompa A diambil sample
sebanyak 10 buah, didapat rata-rata waktu perakitannya adalah 20 menit dengan
standar deviasi sebesar 3 menit. Sedangkan pompa B diambil sample 15 unit
ternyata membutuhkan rata-rata waktu perakitan 21 menit dengan standar deviasi 2
menit. Dengan menggunakan taraf nyata 5%, apakah terdapat perbedaan rata-rata
waktu perakitan pompa A dengan pompa B?
UJI CHI-SQUARE
Pertemuan minggu ke 4.
BAB 4: Chi Square Test
A. Pendahuluan
Pengujian dengan menggunakan Chi Square diterapkan pada kasus dimana akan diuji
apakah frekuensi data yang diamati (frekuensi/data observasi) sama atau tidak dengan
frekuensi harapan atau frekuensi secara teoritis
B. Test of Independensi
Uji ini digunakan untuk menentukan apakah ada hubungan antara dua faktor (variabel).
Apabila dua variabel tersebut mempunyai keterkaitan disebut bersifat tidak bebas (Non-
independent). Sebaliknya, jika kedua variabel tersebut TIDAK mempunyai keterkaitan
dikatakan bersifat Independent (tidak saling mempengaruhi)
Alat uji yang digunakan:
2 ( fo fe )2
fe
Dimana :
χ2 : Chi Square
Fo : Frekuensi Observasi
Fe : Frekuensi Ekspektasi
Kasus :
Dari 100 karyawan di PT XYZ, 60 adalah pria dan 40 adalah wanita. Dari 60 orang pria
ternyata 10 menyukai pakaian warna merah muda, 20 menyukai warna putih dan 30
menyukai warna biru. Sedangkan dari 40 orang karyawan wanita, 20 menyukai warnal
merah muda, 10 menyukai warna putih dan 10 menyukai warna biru. Dengan tingkat
kepercayaan 95% apakah terdapat hubungan antara pemilihan warna dengan jenis
kelamin?
JAWAB :
1. Hipotesa
H0 : Pilihan warna pakaian dan jenis kelamin saling independen (tidak ada
hubungan)
Ha : Pilihan warna pakaian dan jenis kelamin tidak saling independen (ada
hubungan)
2 2 2
Terima H0 jika Nilai hitung < Nilai table dan tolak H0 jika Nilai hitung >
2
Nilai tabel.
2
2. Nilai tabel
2
Derajat kebebasan = (r-1)(c-1) = (3-1)(2-1) = 2 dengan taraf nyata 5% maka nilai
tabel = 5.991
2
3. Nilai hitung
2 ( fo fe )2
fe
Merah Muda 10 20 30
Putih 20 10 30
Biru 30 10 40
Jumlah 60 40 100
2
2 10 18 (20 12) 2 (20 18) 2 (10 12) 2 (30 24) 2 (10 16) 2
18 12 18 12 24 16
2
13.19
4. Kesimpulan :
2 2
Nilai hitung > Nilai tabel atau 13.19 > 5.99 maka tolak H0 atau antara
pemilihan warna pakaian tidak saling independen (ada hubungan)
B. Goodness of Fit
Uji Goddness of Fit bertujuan untuk mengetahui apakah sebuah distribusi data dari
sampel mengikuti sebuah distribusi teoritis tertentu atau tidak..Goodness of Fit akan
membandingkan dua distribusi data, yaitu yang teoritis (frekuensi harapan) dan yang
sesuai kenyataan (frekuensi observasi).
Kasus :
Berikut ini adalah hasil survey terhadap 1000 perokok terhadap 5 merek rokok yang
mereka pilih :
Preferensi Merk rokok Jumlah Konsumen (fo)
A 210
B 310
C 170
D 85
E 225
Jumlah 1000
a. Ujilah apakah preferensi konsumen dalam memilih merek rokok sama pada
alpha 5%!
b. Ujilah apakah yang memilih rokok merek A 20%, merek B 30%, merek C 15%,
merek D 10% dan merek E 25% pada alpha 5%?
JAWAB :
1. Hipotesa
H 0 : PA PB Pc PD PE
a.
H 1 : PA PB PC PD PE
2 2 2
Terima H0 jika Nilai hitung < Nilai table dan tolak H0 jika Nilai hitung >
2
Nilai tabel.
2
2. Nilai tabel
2
3. Nilai hitung
2 ( fo fe )2
fe
2
Untuk nilai hitung a :
Preferensi Jumlah Fe ( fo fe ) ( fo fe )2 fo fe
2
134,75
Jumlah 1000 1000
2
Untuk nilai hitung b :
Preferensi Jumlah Fe ( fo fe ) ( fo fe )2 fo fe
2
Σ = 8,25
Jumlah 1000 1000
Contoh soal :
1. Sebuah perguruan tinggi swasta yakin bahwa untuk mata kuliah statistika,
persentasi mahasiswa yang akan mendapat nilai A adaslah 10%, nilai B adalah 20%,
nilai C adalah 40%, nilai D 20 % dan yang mendapat nilai E sebesar 10%. Dari
hasil ujian akhir sebanyak 50 mahasiswa didapat hasil sebagai berikut :
Jumlah 50
Dengan melihat hasil tersebut, benarkah pernyataan dosen perguruan tinggi swasta
tersebut pada alpha 5%?
2. Berikut ini dilakukan penelitian untuk mengetahui apakah terdapat hubungan antara
status dengan pengeluaran per bulan. Dari 200 mahasiswa 100 mengaku punya
pacar, dan sisanya jomblo. Dari 100 mahasiswa yang punya pacar , 83 mengaku
pengeluaran besar, 5 pengeluaran sedang dan 12 pengeluaran tetap rendah.
Sedangkan dari mahasiswa yang jomblo, 87 mengaku pengeluaran tinggi, 11
pengeluaran sedang dan 2 pengeluaran rendah. Ujilah pada alpha 10% apakah
terdapat hubungan antara status dengan tingkat pengeluaran mahasiswa?
REGRESI DAN KORELASI
Netral (r = 0)
Keterangan :
- Jika 0 < r < 0,50 yaitu dari r = 0,50 mendekati r = 0 bahwa r lemah positif berarti
hubungan variabel bebas [X] dan variabel terikat [Y] dapat dikatakan lemah yaitu
pengaruhnya relatif kecil dan mempunyai arah perubahan yang sama atau searah.
Maksudnya bila variabel bebas [X] mengalami perubahan naik maka variabel terikat
[Y] akan berubah naik, dan sebaliknya jika variabel bebas besarnya turun, maka nilai
variabel terikat mengalami penurunan. Di samping itu pengaruh tersebut relatif tidak
terlalu sensitif.
- Jika +0,51 < r < +1 yaitu dari r = +0,51 mendekati r = +1, bahwa r dikatakan kuat
positif berarti hubungan kedua variabel itu relatif sangat sensitif terhadap perubahan
yang terjadi pada variabel bebas. Bila variabel bebas berubah maka variabel terikat
segera berubah pula dimana perubahan tersebut berjalan searah dan hubungan ini
disebut hubungan linear sempurna.
- Jika 0 > r > -0,50 yaitu dari r = -0,50 mendekati r = 0 bahwa dikatakan r lemah
negatif berarti hubungan kedua variabel relatif tidak terlalu sensitif terhadap
perubahan yang terjadi pada variabel bebasnya. Di samping itu perubahan tersebut
berjalan tidak searah atau mempunyai arah yang berlawanan. Bila nilai variabel
bebas dinaikan maka nilai variabel terikat justru mengalami penurunan dan
sebaliknya jika nilai variabel bebas diturunkan, nilai variabel terikat mengalami
kenaikan.
- Jika -0,51 > r > -1 yaitu dari r = -0,51 mendekati atau sama dengan r = -1 dikatakan
hubungan variabel bebas dan variabel terikat kuat negatif yang berarti sangat sensitif
terhadap perubahan yang terjadi pada variabel bebas. Namun perubahan tersebut
saling berlawanan satu sama lain seperti pada 0 > r > -0,50 dan hubungan demikian
dikatakan hubungan linear tidak sempurna.
- Jika r = 0 berarti kedua variabel tidak mempunyai hubungan apapun dan persamaan
fungsi regresi yang terbentuk hanyalah faktor hubungan angka saja.
Koefisien determinasi dilambangkan dengan r kuadrat [r2] yang besarnya 0 < r2 < +1
dalam bentuk persen yaitu 0% < r2 < 100%. Jika r2 = +1 atau r2 = 100%, maka variasi
yang terjadi pada variabel terikat/dependent variable [Y] hasil observasi secara riil
dapat dijelaskan 100% oleh variabel bebas/independent variable [X] dengan regresi
linear Y atas X. Karena titik variasi Y jika digambar grafik akan mendekati titik garis
regresi yang dibuat.
Jika r2 = 0 atau r2 = 0%, variasi variabel terikat Y tidak dapat dijelaskan semua oleh
variabel bebas X dengan regresi linear Y atas X dan titik-titik variasi Y akan menjauhi
garis regresi.
Formulasi koefisien determinasi yaitu :
Contoh :
Data PT.KALI CILIWUNG diketahui :
ΣXY = 8.240 ΣY = 600 ΣX = 63 ΣX² = 913 ΣY² = 76.000
Σ [Y – Y’] 2
[100 – 120]2 = 400
[80 – 120]2 = 1.600
[120 – 120]2 = 0
[160 – 120]2 = 1.600
[140 – 120]2 = 400
Jumlah = 4.000
Berarti hubungan kedua variabel [X dan Y] adalah kuat positif dan sangat sensitif
terhadap perubahan yang terjadi.
Dimana variabel bebas adalah variabel yang berdiri bebas dan biasanya variabel yang
mudah didapat dan besar kecilnya nilai variabel tersebut tidak dipengaruhi oleh variabel
yang lain atau disebut juga prediktor. Misal : variabel bebas dinyatakan
X1,X2,X3,........,Xn sebagai prediktor yang akan mempengaruhi besar kecilnya variabel
terikat.
Sedangkan variabel terikat adalah variabel yang nilainya dipengaruhi oleh variabel yang
lain dalam hal ini variabel bebas atau diesbut juga variabel Respon yang disimbolkan
dengan huruf Y.
Dalam suatu analisis untuk mengetahui hubungan atau seberapa jauh hubungan antar
variabel dengan menggunakan satu variabel bebas dan satu variabel terikat dinamakan
analisis Regresi Linear Sederhana. Sedangkan jika analisis tersebut menggunakan satu
variabel terikat dan lebih dari satu variabel bebas [X1,X2,X3,........,Xn] dinamakan
analisis Regresi Berganda [Multiple Regression Analisys].
Y = f [X] ……….Y = a + bX
Dimana :
Y = variabel terikat
a = konstanta [nilai tetap] pada saat nilai veriabel bebas [X] = 0
b = koefisien arah garis / gradien / lereng garis
X = variabel bebas
Misal : Y = 10 + 0,5X
Pada saat besar variabel bebas [X] = 0 maka besar variabel terikat Y = 10. Jika nilai X
berubah sebesar satu satuan, berarti nilai Y akan berubah sebesar 0,5 satuan. Jika nilai x
berubah sebesar dua satuan berarti nilai Y akan berubah sebesar satusatuan dan
seterusnya, perubahan tersebut tinggal mengalikan antara koefisien arah garis [b]
dengan variabel bebas [X].
Semakin besar perubahan yang terjadi pada variabel bebas akan semakin besar pula
tingkat perubahan yang terjadi pada variabel terikat Y. Namun perubahan tersebut
ditentukan pula besar kecilnya koefisien arah garis / gradien / lereng garis. Baik
perubahan berupa penurunan atau peningkatan, persamaan fungsional dapat digunakan
untuk memprediksi atau mengestimasi nilai-nilai variabel terikat pada periode yang
akan datang.
X X
Untuk keperluan estimasi tersebut ada 2 metode yang dapat dipakai yaitu :
a. Metode tangan bebas
Metode ini kelebihannya dapat dengan mudah menentukan nilai estimasi masa yang
akan datang dengan cara menarik garis bebas dengan perkiraan nilai garis tersebut
mendekati garis data atau titik-titik data sesungguhnya. Tingkat kemiringan garis
yang dibuat sangat mempengaruhi nilai estimasi yang didapat, tergantung si
pembuat / estimator.
Y1
X
X1
b. Metode kuadrat terkecil sederhana [Method of Ordinary Least Square Simple]
Metode ini mempunyai dasar bahwa jumlah pangkat dua [kuadrat] dari jarak antara
titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin. Model
persamaan regresi sederhana metode kuadrat terkecil sebagai berikut :
ŷ = a + bX
Jika diketahui sejumlah data, untuk mencari persamaan regresi di atas dengan
menggunakan dua cara yaitu :
1. Dua persamaan normal.
Persamaan I : ΣY = an + b ΣX
Persamaan II : ΣXY = a ΣX + b ΣX2
2. Cara langsung.
a = [ΣX2] [ΣY] – [ΣX] [ΣXY]
n ΣX2 – [ΣX]2
Titik-titik di sekitar garis regresi merupakan letak data yang sesungguhnya. Berarti
dengan garis regresi mempunyai jarak tertentu. Data-data tersebut hanya berada di
sekitar garis regresi atau estimasi yang diharapkan [Expected estimation]. Ada yang
berada di atas garis regresi berarti nilai estimasi lebih kecil daripada data
sesungguhnya / kenyataan. Namun ada juga titik data berada di bawah garis regresi
berarti nilai estimasi lebih besar dari data sesungguhnya.
Contoh :
PT. KALI CILIWUNG menjual motor bekas merk DOCOCKNO. Diketahui lima
tahun berturut-turut tingkat penjualan dan biaya iklan sebagai berikut :
Diminta :
b. Buatlah persamaan regresi sederhana!
c. Jika biaya iklan tahun 2000 sebesar Rp. 25.000.000,- berapa proyeksi penjualan
yang diharapkan tahun 2000 ?
d. Gambarlah garis regresi dan titik letak data!
Jawab :
a. Kita dapat menggunakan salah satu cara dari dua alternatif formulasi di atas.
Misal dengan cara pertama. Namun sebelumnya ditentukan terlebih dahulu
variabel terikat dan variabel bebas. Secara rasional penjualan dipengaruhi oleh
iklan atau sebaliknya iklan mempengaruhi penjualan. Dengan demikian
penjualan merupakan variabel terikat [dependent variable/ Y]. Sedangkan biaya
iklan tentu variabel bebas [independent variable/ X].
Tahun Y X X2 XY
1995 100 8 64 800
1996 80 7 49 560
1997 120 12 144 1440
1998 160 20 400 3200
1999 140 16 256 2240
Jumlah 600 63 913 8240
I. ΣY = an + b ΣX II. ΣXY = a ΣX + ΣX2
600 = 5a + 63 b 8240 = 63a + 913b
Untuk mencari a dan b dieliminasi yaitu dinolkan salah satu nilai a atau b.
Pergunakan salah satu dari dua persamaan di atas untuk mencari nilai a :
Persamaan I :600 = 5a + 63b b = 5,7
600 = 5a + 63 [5,7]
600 = 5a + 359,1
a = 240,9 = 48,18
5
Jadi persamaan regresi adalah :
ŷ = a + bX
ŷ = 48,18 + 5,7X
b. Diketahui biaya iklan tahun 2000 sebesar Rp. 25.000.000,- maka proyeksi
penjualan yang diharapkan tahun 2000.
b = 3.400 = 5,7
596
Hasil dari cara pertama dan kedua sama !
Pertemuan minggu ke 7.
ANALISIS KORELASI DAN REGRESI BERGANDA
Netral (R = 0)
Keterangan :
- Jika 0 < R < 0,50 yaitu dari R = 0,50 mendekati R = 0 bahwa R lemah positif berarti
hubungan variabel bebas [X] dan variabel terikat [Y] dapat dikatakan lemah yaitu
pengaruhnya relatif kecil dan mempunyai arah perubahan yang sama atau searah.
Maksudnya bila variabel bebas [X] mengalami perubahan naik maka variabel terikat
[Y] akan berubah naik, dan sebaliknya jika variabel bebas besarnya turun, maka nilai
variabel terikat mengalami penurunan. Di samping itu pengaruh tersebut relatif tidak
terlalu sensitif.
- Jika +0,51 < R < +1 yaitu dari R = +0,51 mendekati R = +1, bahwa R dikatakan kuat
positif berarti hubungan kedua variabel itu relatif sangat sensitif terhadap perubahan
yang terjadi pada variabel bebas. Bila variabel bebas berubah maka variabel terikat
segera berubah pula dimana perubahan tersebut berjalan searah dan hubungan ini
disebut hubungan linear sempurna.
- Jika 0 > R > -0,50 yaitu dari R = -0,50 mendekati R = 0 bahwa dikatakan R lemah
negatif berarti hubungan kedua variabel relatif tidak terlalu sensitif terhadap
perubahan yang terjadi pada variabel bebasnya. Di samping itu perubahan tersebut
berjalan tidak searah atau mempunyai arah yang berlawanan. Bila nilai variabel
bebas dinaikan maka nilai variabel terikat justru mengalami penurunan dan
sebaliknya jika nilai variabel bebas diturunkan, nilai variabel terikat mengalami
kenaikan.
- Jika -0,51 > R > -1 yaitu dari R = -0,51 mendekati atau sama dengan R = -1 dikatakan
hubungan variabel bebas dan variabel terikat kuat negatif yang berarti sangat sensitif
terhadap perubahan yang terjadi pada variabel bebas. Namun perubahan tersebut
saling berlawanan satu sama lain seperti pada 0 > R > -0,50 dan hubungan demikian
dikatakan hubungan linear tidak sempurna.
- Jika R = 0 berarti kedua variabel tidak mempunyai hubungan apapun dan persamaan
fungsi regresi yang terbentuk hanyalah faktor hubungan angka saja.
Koefisien determinasi dilambangkan dengan R kuadrat [R2] yang besarnya 0 < R2 < +1
dalam bentuk persen yaitu 0% < R2 < 100%. Jika R2 = +1 atau R2 = 100%, maka variasi
yang terjadi pada variabel terikat/dependent variable [Y] hasil observasi secara riil
dapat dijelaskan 100% oleh variabel bebas/independent variable [X] dengan regresi
linear Y atas X. Karena titik variasi Y jika digambar grafik akan mendekati titik garis
regresi yang dibuat.
Jika R2 = 0 atau R2 = 0%, variasi variabel terikat Y tidak dapat dijelaskan semua oleh
variabel bebas X dengan regresi linear Y atas X dan titik-titik variasi Y akan menjauhi
garis regresi.
Formulasi koefisien determinasi yaitu :
(Yˆ Y ) 2 atau 2
n(a. Y b1 . YX 1 b2 YX 2 ) ( Y )2
R 2 R
(Y Y ) 2 n. Y2 ( Y )2
Contoh :
PERMINTAAN DIPENGARUHI HARGA DAN PENDAPATAN
Nomor Permintaan (Y) Harga Pendapatan (Rp
Sampel Minyak ( minyak (X1) (X2)
1 3 8 10
2 4 7 10
3 5 7 8
4 6 7 5
5 6 6 4
6 7 6 3
7 8 6 2
8 9 6 2
9 10 5 1
10 10 5 1
Untuk mendapatkan koefisien regresi, perlu dihitung : Y, X1, X2, X1Y, X12,
X1 X2, X2Y, X22
Y X1 X2 YX1 YX2 X12 X22 X1X2
3 8 10 24 30 64 100 80
4 7 10 28 40 49 100 70
5 7 8 35 40 49 64 56
6 7 5 42 30 49 25 35
6 6 4 36 24 36 16 24
7 6 3 42 21 36 9 18
8 6 2 48 16 36 4 12
9 6 2 54 18 36 4 12
10 5 1 50 10 25 1 5
10 5 1 50 10 25 1 5
X1 = X2 X1Y= X2Y= X12= X22= X1 X2
Y=68 63 =46 409 239 405 324 = 317
Dengan metode eliminasi
68 = 10a + 63b1+ 46b2 …(1)
409 = 63a + 405b1+ 317b2 …(2)
239 = 46a + 317b1+ 324b2 …(3)
Untuk mendapatkan nilai koefisien regresi a, b1, dan b2 dapat dilakukan dengan
Subtitusi antar persamaan
-428,4 = -63a –396,9 b1-289,8b2 …persamaan 1 dikalikan – 6,3
409 = 63a + 405b1 + 317b2 …..…………………. (2)
-19,4 = 0 + 8,1b1 + 27,2b2 ……………………. (4)
312,8 = -46a –289,8 b1 - 211,6b2 Persamaan 1 dikalikan –4,6
239 = 46a + 317b1 + 324b2 ………………………..... (3)
-73,8 = 0 + 27,2b1 + 112,4b2 ………………………. (5)
Dari persamaan diatas, nilai b2 adalah = -8,65/21,06 = -0,41. Setelah menemukan
nilai b2, nilai b1 dapat dicari dengan mempergunakan persamaan 4 atau 5.
-19,4 = 0 + 8,1b1 + 27,2(-0,41) ……… (4)
19,4 = 8,1b1 - 11,18
8,1b1 = -19,4 + 11,18
8,1 b1 = - 8,22
b1 = -8,22/8,1 = -1,015
68 = 10a + 63 (-1,015) + 46(-0,41)……………………….. (1)
68 = 10a - 63,96 – 18,90
10a = 63 + 92,86
a = 150,86/10 = 15,086
Dengan menemukan nilai koefisien regresi a, b1, dan b2 maka persamaan regresinya
dapat dinyatakan sebagai berikut:
Y = 15,086 – 1,015X1 – 0,41 X2
2
10 Y b1 . YX 1 b2 YX 2 ) ( Y )2
R
n. Y2 ( Y )2
R2 0,939
Dimana variabel bebas adalah variabel yang berdiri bebas dan biasanya variabel yang
mudah didapat dan besar kecilnya nilai variabel tersebut tidak dipengaruhi oleh variabel
yang lain atau disebut juga prediktor. Misal : variabel bebas dinyatakan
X1,X2,X3,........,Xn sebagai prediktor yang akan mempengaruhi besar kecilnya variabel
terikat.
Sedangkan variabel terikat adalah variabel yang nilainya dipengaruhi oleh variabel yang
lain dalam hal ini variabel bebas atau diesbut juga variabel Respon yang disimbolkan
dengan huruf Y.
Dalam suatu analisis untuk mengetahui hubungan atau seberapa jauh hubungan antar
variabel dengan menggunakan satu variabel bebas dan satu variabel terikat dinamakan
analisis Regresi Linear Sederhana. Sedangkan jika analisis tersebut menggunakan satu
variabel terikat dan lebih dari satu variabel bebas [X1,X2,X3,........,Xn] dinamakan
analisis Regresi Berganda [Multiple Regression Analisys].
Y = f [X] ……….Y = a + bX
Dimana :
Y = variabel terikat
a = konstanta [nilai tetap] pada saat nilai veriabel bebas [X] = 0
b = koefisien arah garis / gradien / lereng garis
X = variabel bebas
Misal : Y = 10 + 0,5X
Pada saat besar variabel bebas [X] = 0 maka besar variabel terikat Y = 10. Jika nilai X
berubah sebesar satu satuan, berarti nilai Y akan berubah sebesar 0,5 satuan. Jika nilai x
berubah sebesar dua satuan berarti nilai Y akan berubah sebesar satusatuan dan
seterusnya, perubahan tersebut tinggal mengalikan antara koefisien arah garis [b]
dengan variabel bebas [X].
Semakin besar perubahan yang terjadi pada variabel bebas akan semakin besar pula
tingkat perubahan yang terjadi pada variabel terikat Y. Namun perubahan tersebut
ditentukan pula besar kecilnya koefisien arah garis / gradien / lereng garis. Baik
perubahan berupa penurunan atau peningkatan, persamaan fungsional dapat digunakan
untuk memprediksi atau mengestimasi nilai-nilai variabel terikat pada periode yang
akan datang.
Berbeda dengan hubungan fungsional, hubungan statistik merupakan hubungan tidak
sempurna. Observasi atau hasil pengamatan langsung pada objek untuk hubungan
statistik tidak tepat jatuh pada hubungan kurva. Dengan kata lain analisis regresi
digunakan untuk menyatakan dua hal yaitu :
3. Pengaruh variabel bebas terhadap variabel terikat yang fluktuatif yang terbentuk
sistematis.
4. Titik-titik observasi yang berpencar di sekitar kurva.
X X
Y1
X
X1
d. Metode kuadrat terkecil sederhana [Method of Ordinary Least Square Simple]
Metode ini mempunyai dasar bahwa jumlah pangkat dua [kuadrat] dari jarak antara
titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin. Model
persamaan regresi sederhana metode kuadrat terkecil sebagai berikut :
ŷ = a + bX
Jika diketahui sejumlah data, untuk mencari persamaan regresi di atas dengan
menggunakan dua cara yaitu :
3. Dua persamaan normal.
Persamaan I : ΣY = an + b ΣX
Persamaan II : ΣXY = a ΣX + b ΣX2
4. Cara langsung.
a = [ΣX2] [ΣY] – [ΣX] [ΣXY]
n ΣX2 – [ΣX]2
Titik-titik di sekitar garis regresi merupakan letak data yang sesungguhnya. Berarti
dengan garis regresi mempunyai jarak tertentu. Data-data tersebut hanya berada di
sekitar garis regresi atau estimasi yang diharapkan [Expected estimation]. Ada yang
berada di atas garis regresi berarti nilai estimasi lebih kecil daripada data
sesungguhnya / kenyataan. Namun ada juga titik data berada di bawah garis regresi
berarti nilai estimasi lebih besar dari data sesungguhnya.
Contoh :
PT. KALI CILIWUNG menjual motor bekas merk DOCOCKNO. Diketahui lima
tahun berturut-turut tingkat penjualan dan biaya iklan sebagai berikut :
Untuk mencari a dan b dieliminasi yaitu dinolkan salah satu nilai a atau b.
Pergunakan salah satu dari dua persamaan di atas untuk mencari nilai a :
Persamaan I :600 = 5a + 63b b = 5,7
601 = 5a + 63 [5,7]
601 = 5a + 359,1
a = 240,9 = 48,18
5
Jadi persamaan regresi adalah :
ŷ = a + bX
ŷ = 48,18 + 5,7X
e. Diketahui biaya iklan tahun 2000 sebesar Rp. 25.000.000,- maka proyeksi
penjualan yang diharapkan tahun 2000.
b = 3.400 = 5,7
596
Hasil dari cara pertama dan kedua sama !
Pertemuan minggu ke 9.
STATISTIKA NON PARAMETRIK I
A. Pendahuluan
* Metode Non Parametrik = statistic bebas distribusi
* Dua asumsi tentang sampel yaitu :
~ Observasi sampel harus independen dan random
~ Variabel harus continue
* Metode ini berguna apabila sifat observasi datanya hanya dapat dinyatakan dalam
urutan (order) atau pangkat (rank) tetapi tidak dapat diukur pada skala kuantitatif.
P(r ) C rn P r Q n r
6. Kesimpulan: Menerima Ho, apabila taraf nyata ( ) < probablitas hasil sampel dan
menolak Ho apabila taraf nyata ( ) > probablitas hasil sampel
a. Pengujian dengan sample kecil
H0 : P = P0 atau H0 : P = 0,50
H1 : P ≠ P0 atau H1 : P ≠ 0,50
Contoh :
Nomor Jml Produk rusak Jml Produk rusak Tanda
Partai per partai = X1 per partai = X2 X1 – X2
01 138 135 +
02 135 139 -
03 130 140 -
04 180 165 +
05 146 115 +
06 135 136 -
07 148 135 +
08 165 163 +
09 190 193 -
10 110 85 +
11 137 130 +
12 163 150 +
13 160 162 -
14 129 119 +
15 149 150 -
16 206 173 +
17 165 151 +
18 119 125 -
19 167 155 +
20 125 130 -
4. Daerah Kritis :
Dari table binomial kumulatif untuk n = 20, p = 0,5
Nilai yang mendekati α = 0,05 adalah 0,058 untuk X = r = 14
Maka daerah kritis adalah X ≥ 14, tolak H0
5. Hasil Observasi sampel ialah X = Sp = 12
6. Kesimpulan :
Karena 12 < 14 maka H0 : P = 0,50 ; H0 diterima.
Maka tidak cukup alasan guna menolak Hipotesis yang menyatakan bahwa jumlah
produk rusak per partai dari hasil penggunaan mesin M1 dan M2 adalah identik.
1. H0 : μx = 10 ; H1 : μx ≠ 10
2. α = 0,05
X - np
3. Stat. Uji : Z =
np(1 p)
4. Daerah Kritis :
Z > Zα/2 dan Z < - Zα/2 atau
Z > 1,96 dan Z < - 1,96
5. τx = √ np (1- p)
= √ 20 . 0,5 . 0,5 = 2,23607
Z = 12 -10 = 0,89443
2,23607
Karena 0,89443 < 1,96 maka kita tidak ada alasan guna menolak H0 : μx = 10, Maka
Hal ini berarti jumlah produk rusak per partai dari kedua mesin adalah identik.
Uji Tanda II
a. Uji Tanda satu sample
Contoh Soal : berikut ini adalah hasil penelitian dari jajak pendapat mengenai lokasi
yang diinginkan oleh beberapa pedagang kaki lima
Nomor Pedagang Lokasi Yang dikehendaki Tanda
1 Lokasi baru +
2 Lokasi baru +
3 Lokasi lama 0
4 Lokasi baru +
5 Lokasi lama 0
6 Lokasi lama 0
7 Lokasi baru +
8 Lokasi lama 0
9 Lokasi lama 0
10 Lokasi lama 0
11 Lokasi baru +
12 Lokasi baru +
13 Lokasi lama 0
14 Lokasi lama 0
15 Lokasi lama 0
16 Lokasi baru +
17 Lokasi lama 0
18 Lokasi lama 0
19 Lokasi lama 0
20 Lokasi baru +
Rata-rata :
np
20 0,5
Standar Deviasi :
npq np(1 p)
20 0,5 0,5
2,24
Jumlah tanda + = 8.
H0 : diduga jumlah pedagang yang memilih lokasi baru sama dengan jumlah
pedagang yang memilih lokasi lama
Ha : Diduga jumlah pedang yang memilih lokasi lama tidak sama dengan jumlah
pedangan yang memilih lokasi baru
X
Z
8 10
Z 0.9
2,24
Kesimpulan : Terima H0
Contoh : berikut ini adalah hasil tes statistic mahasiswa dengan dua dosen yang
berbeda
Mahasiswa Dosen A Dosen B
1 90 80
2 85 75
3 70 67
4 80 85
5 60 67
6 55 50
7 72 75
8 67 70
9 56 50
10 78 74
11 82 80
12 66 63
13 65 60
14 89 90
15 75 80
16 84 87
17 77 75
18 50 56
19 88 90
20 97 87
Mahasiswa Dosen A Dosen B Perbedaan
1 90 80 -
2 85 75 -
3 70 67 -
4 80 85 +
5 60 67 +
6 55 50 -
7 72 75 +
8 67 70 +
9 56 50 -
10 78 74 -
11 82 80 -
12 66 63 -
13 65 60 -
14 89 90 +
15 75 80 +
16 84 87 +
17 77 75 -
18 50 56 +
19 88 90 +
20 97 87 -
Uji Hipotesa :
1. H0 : Jml produk rusak per partai M1 = Jml Produk rusak per partai M2
H1 : Jml produk rusak per partai M1 ≠ Jml Produk rusak per partai M2
2. α = 0,05
3. Stat. Uji τ : hasil penjumlahan yang terkecil dari nilai –nilai pangkat bertanda
yang sama.
Untuk contoh soal : τ = 47,5
4. Daerah Kritis :
Untuk n = 20, α = 0,05 ; pada tabel XIII, secara dua arah sehingga nilai kritisnya
adalah 52.
Maka daerah Kritis : τhit ≤ 52, H0 ditolak.
5. Hasil Observasi Sampel :
τ = 47,5 , karena τhit < 52 maka H0 ditolak
6. Kesimpulan : Jml produk rusak per partai dari M1 ≠ Jml Produk rusak per partai
dari M2
Stat.Uji : Z = τ – E (τ )
∂ (τ )
Contoh :
1. H0 : Jml produk rusak per partai M1 = Jml Produk rusak per partai M2
2. H1 : Jml produk rusak per partai M1 ≠ Jml Produk rusak per partai M2
3. α = 0,05
4. Stat. Uji : Z = τ – E (τ )
∂ (τ )
5. Daerah Kritis :
Z > Zα/2 dan Z < - Zα/2 atau
Z > 1,96 dan Z < - 1,96
6. E (τ ) = 20 (20 +1) = 105
4
∂ (τ ) = √{20(20+1)} {2 (20+1)}
24
= 26,7862
Z = 47,5 – 105 = -2,33329
26,7862
Karena – 2,33329 > -1,96 maka kita seharusnya menolak hipotesis yang menyatakan
bahwa Jml produk rusak per partai dri M1 sama dengan Jml Produk rusak per partai
dari M2 .
3. Pengujian Mann-Withney U
Untuk menguji hipotesis nol yang menyatakan bahwa tidak ada perbedaan yang
sesungguhnya antara kedua kelompok data dan dimana data tersebut diambil dari dua
sampel yang tidak saling terkait.
Prosedur pengujian Mann – Whitney
1. Menyatakan hipotesis dan α
2. Menyusun peringkat data tanpa memperhatikan kategori sample
3. Menjumlahkan peringkat menurut tiap kategori sample dan menghitung statistik U.
n 1 (n1 1)
Stat. U n 1n 2 R1
2
n 2 (n 2 1)
atau U n 1n 2 R2
2
dimana :
R1 : jml peringkat yang diberikan pada sampel dengan jml n1
R2 : jml peringkat yang diberikan pada sampel dengan jml n2
~ Penarikan kesimpulan statistik mengenai hipotesis nol.
Contoh :
Gaji sarjana yang berkonsentrasi di bidang manajemen pemasaran dan sarjana yang
berkonsentrasi di bidang keuangan yang telah lulus 10 tahun lalu, diberikan dalam tabel
berikut :
Konsentrasi Pendapatan Peringkat Konsentrasi Pendapatan Peringkat
Pemasaran tahunan pendapatan keuangan tahunan pendapatan
(ribuan) (ribuan)
Ali 22,4 (14) 14 Lee 21,9 (13) 13
Ani 17,8 (3) 2 Leman 16,8 (1) 1
Ira 26,5 (15) 15 Frank 28,0 (16) 16
Sari 19,3 (7) 7 David 19,5 (9) 9
Tomi 18,2 (5) 4,5 Toni 18,2 (4) 4,5
Budi 21,1 (12) 12 Sam 17,9 (3) 3
Fani 19,7 (10) 10 Carter 35,8 (17) 17
Kiki 43,5 (18) 18 Wati 20,5 (11) 11
Tita 18,7 (6) 6
Laura 19,4 (8) 8
n1 = 8 R1 = 82,5 n2 = 10 R2 = 88,5
1. H0 : Gaji alumni dari kedua konsentrasi sama
H1 : Gaji alumni dari konsentrasi pemasaran lebih tinggi daripada konsentrasi
keuangan
2. α = 0,01
3. Uji Stat :
µ = 8.10 + 8.9 – 82,5 = 33,5
2
atau
µ = 8.10 + 10.11 – 88,5 = 46,5
2
Ha : A B
Rata-rata Populasi:
n1 n2
U
2
Standard Deviasi
n1 n2 (n1 n2 1)
12
Rata-rata Sampel :
n1 (n1 1)
X1 n1 n 2 R1
2
n 2 (n 2 1)
X 2 n1 n 2 R2
2
X 1 dan X 2 dipilih yang nilainya paling kecil
Z hitung :
X U
Z
Contoh : berikut ini adalah data penjualan setelah beriklan di TV dan setelah
beriklan diradio.
Toko Radio TV
A 70 20(2)
B 72 23
C 69 21(3)
D 68 19(1)
E 71 24
F 73 27
G 75 26
H 77 25
I 76 28
J 80 30
K 79 29
L 90 37
M 91 33
O 94 31
P 95 32
Q 96 34
R 97 36
S 99 39
T 100 40
H0: tidak terdapat perbedaan jumlah penjualan setelah beriklan di TV dengan Radio
Ha: terdapat perbedaan jumlah penjualan setelah beriklan di TV dengan Radio
Ranking :
Toko Radio TV
A 70 20
B 72 23
C 69 21
D 68 19
E 71 24
F 73 27
G 75 26
H 77 25
I 76 28
J 80 30
K 79 29
L 90 37
M 91 33
O 94 31
P 95 32
Q 96 34
R 97 36
S 99 39
T 100 40
(20) (20)
U 200
2
20 20 (20 20 1)
16400 2 36.39
12
20 (20 1)
X1 20 20 610 0
2
20 (20 1)
X2 20 20 210 400
2
0 200
Z 5,14
36.39
Kesimpulan : Terima Ha
LAtihan Soal
Contoh : berikut ini adalah data nilai kinerja dari dua kelompok karyawan yang
sudah ditraining dan yang belum di training
Apakah terdapat perbedaan penilaian kinerja antara karyawan yang sudah ditraining
dengan karywan yang belum ditraining ?
4. Pengujian Kruskal-Wallis
Merupakan generalisasi uji dua sampel Wilcoxon untuk k > 2 sampel. Uji ini digunakan
untuk menguji hipotesis nol (H0) bahwa k contoh bebas (sampel bebas) itu berasal dari
populasi yang identik.
k
h= 12 Σ ri2 - 3 (n+1)
n (n+1) i=1 n1
bila h > X2α, k-1 maka H0 ditolak pada taraf nyata α ,bila h ≤ X2α, k-1 terima H0 .
Contoh :
Dalam percobaan untuk menentukan sistem peluru kendali yang terbaik, dilakukan
pengukuran pada laju pembakaran bahan bakarnya. Datanya setelah dikodekan
diberikan dalam tabel berikut. Gunakan uji Kruskal Wallis dan taraf nyata 0,05 untuk
menguji hipotesis bahwa laju pembakaran bahan bakar sama untuk ketiga sistem
tersebut.
Jawab :
Laju pembakaran bahan bakar
Sistem Peluru Kendali
1 2 3
24,0 23,2 18,4
16,7 19,8 19,1
22,8 18,1 17,3
19,8 17,6 17,3
18,9 20,2 19,7
17,8 18,9
18,8
19,3
n1 = 5 , n2 = 6 , n3 = 8
r1 = 61 ; r2 = 63,5 ; r3 = 65,5
12 Rk 2
H 3( N 1)
N ( N 1) nk
Contoh :
Beriut ini adalah jumlah output yang dihasilkan oleh 3 kelompok karyawan, yang
belum ditraining, yang sedang diraining dan yang sudah ditraining
Ranking :
Belum ditraining Sedang ditraining Sudah ditraining
(5 karyawan) (5 karyawan) (4 karyawan)
96(4) 82(2) 114(7)
128(9) 124(8) 149(13)
83(3) 132(10) 166(14)
61(1) 135(11) 147(12)
101(5) 109(6)
H0 :
Ha :
Kesimpulan :
STATISTIKA NON PARAMETRIK II
Nilai Korelasi :
6 d i2
Rs 1
n(n 2 1)
Uji Korelasi
rs n 2
thitung
2
1 rs
Contoh :
No.Siswa 1 2 3 4 5 6 7 8 9 10 11 12
Matematika 0 0 1 1 3 4 5 6 7 8 8 12
Bahasa 42 46 39 37 65 88 86 56 62 92 54 81
Jawab :
Nilai Korelasi :
6(109,5)
Rs 1
12(12 2 1)
t hitung :
05 3 65 5 8 -3 9
06 4 88 6 11 -5 25
07 5 86 7 10 -3 9
08 6 56 8 6 2 4
09 7 62 9 7 2 4
12 12 81 12 9 3 9
109,5
123 12 23 2 23 2 23 2
Σ X2 = 141,5
12 12 12 12
123 12
Σ Y2 = 0 143
12
1. H0 : ρs = 0 H1 : ρ s ≠ 0
2. α = 0,05
rs n 2
3. Stat. Uji t = dengan d.f = n – 2
2
1 rs
4. Daerah Kritis ialah t > t0,025,10 dan t < - t0,025,10 atau t > 2,228 dan t < - 2,228
0,6151 10
5. t = 3,125
1 0,61512
Uji Kenormalan: Apakah data tersebut memiliki distribusi normal atau tidak
Menguji hipotesis komparatif dua sampel independen yang telah disusun pada tabel
Selain Uji Mann-Whitney, uji untuk mengetahui ada tidaknya perbedaan yang signifikan
untuk dua sampel yang independent juga dapat diuji dengan Kolmogorov-Smirnov
Misalkan Anda ingin mengetahui apakah ada perbedaan nilai ujian antara siswa yang duduk
Berikut data nilai mahasiswa yang duduk dibelakang dan duduk didepan.
01 6,5 01 6
02 7,5 02 7
03 8 03 7
04 6 04 8
05 5 05 8
06 7 06 8,5
07 7,5 07 8,5
08 8 08 9
09 8,5 09 6,5
10 6 10 7
Data dimasukkan dalam distribusi frekuensi
5 1 0 1 0 1 0,1
6 2 1 3 1 2 0,2
6,5 1 1 4 2 2 0,2
7 1 3 5 5 0 0
7,5 2 0 7 5 2 0,2
8 2 2 0 7 2 0,2
8,5 1 2 10 9 1 0,1
9 0 1 10 10 0 0
Nilai selisih terbesar adalah 2 (ini menjadi nilai KS hit) Selisih terbesar dari frekuwnsi
kumulatif kedua kelompok tersebut adalah 0,2 untuk nilai positif (Diffrences Positive),
sedangkan untuk nilai negatif (Diffrences negative), tidak ada atau nol.
Karena KS hit (2) < KS tab (7) maka terima Ho. Dengan kata lain ada perbedaan nilai
ujian antara siswa yang duduk di belakang dengan yang duduk didepan.
Kasus 2: Anda ingin mengetahui apakah suatu data memiliki sebaran normal atau tidak?
TR 3,2 2,6 3,2 3,2 2,2 2.0 2.3 2.1 20,8 2,6 0,49
Alat statistik yang digunakan untuk mengetahui apakah data yang dikumpulkan mempunyai
Dmax P ( z ) P ( e)
Xi X
P( Z )
s
Anda ingin mengetahui apakah total revenue (TR) salesmen memiliki sebaran normal?
( X i X )2
.
n 1
0,53
Dari data TR: Rata ( ) 2,6 dan =0,53
1,13
0,94
0,75
0,56
0,00
1,13
1,13
1
P (e) n
1 1
P (e) n 8 0,125
1 2
P (e) n 8 0,250
1 3
P (e) n 8 0,375
Dengan SPSS, angka hasil pengujian yang digunakan adalah angka sig. (signifikansi) dari
jika sig. > 0,05 maka data tersebut berdistribusi normal. Akan tetapi jika sig. < 0,05 maka
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
QLTY .132 100 .000 .968 100 .017
a. Lilliefors Significance Correction
Dari Tabel test of normality terlihat angka Kolmogorov-Smirnov adalah sebesar 0,132
Ini menunjukkan bahwa sebaran data variabel kualitas produk dapat dipastikan memiliki
Korelasi Kendal Tau digunakan untuk mencari hubungan dan menguji hipotesis
antara dua variabel atau lebih dan datanya berbentuk ordinal atau ranking.
2S
=
n (n -1)
Dimana
• n=Jumlah Observasi.
Korelasi parsial Kendall: Hubungan antara dua variabel, dimana variabel lain
dianggap konstan
xy - xz yz
xy.z =
[1- ( xz )
2
][1- ( yz )
2
]
Selanjutnya dilakukan pengujian signifikansi dengan cara membandingkan antara z
n(n-1)
Z hit = 3
2 (2n + 5)
Dimana :
n = Jumlah Observasi.
Keputusan :
jawaban
meranking jawaban
2
2
12 R2 3n k n 1
kn(n 1)
Contoh :
Berikut ini adalah jawaban responden terhadap ranking pilihan perguruan tinggi di
Jakarta Barat (1 = untuk yang paling dipilih, 8 = yang paling tidak dipilih)
Mahasiswa
A 3 2 1 5 8 6 7 4
B 2 5 1 3 4 7 6 8
C 4 3 2 1 7 5 8 6
Ranking
Calon UNTAR UI TRISAKTI STEKPI UMB ATMA SUPRA UPN
Mahasiswa
A 3 2 1 5 8 6 7 4
B 2 5 1 3 4 7 6 8
C 4 3 2 1 7 5 8 6
R 9 10 4 9 19 18 21 18
2
2 12(1728) 3 8 3(8 1)
15
3(8)(8 1)
Kesimpulan :
DECISION MAKING THEORY I
Pengambilan Keputusan.
Keputusan.
nilai peluang.
Example :
Anda ingin melakukan investasi di pasar modal, dengan modal sebesar Rp30.000. Ada
3 perusahaan yang sedang anda pelajari, yaitu Saham PT. ANA. Saham PT. Badu dan
Saham PT. Cono. Berikut matriks hasil atau payoff dari ketiga saham tersebut.
Perhitungan EV
Nilai EV yang terbesar merupakan keputusan yang terbaik, dari nilai EV maka
tertentu.atau pemilihan alternatif yang bukan terbaik. EOL dihitung untuk setiap
peristiwa.EOL lanjutan Expected value-EV. Dari hasil EV mana yang terbaik? Yang
terbaik diberikan nilai Nol dan berfungsi sebagai pengurang. Nilai Expected
Oppurtunity Loss (EOL) yang paling kecil adalah yang terbaik sebagi keputusan.
2100=150
Cat. *7500 dan 2250 sebagai pengurang, karena nilai yang terbesar (terbaik) pada
peristiwa baik dan buruk. Dengan melihat nilai EOL, nilai EOL yang paling kecil
informasi yang sempurna tentang suatu kejadian. Ada 5 kriteria dalam pengambilan
1. Kriteria Laplace
sama. Keputusan yang akan diambil apabila hasil perkalian antara hasil dengan
Berikut adalah deviden yang dibagikan oleh 3 perusahaan yang ada di BEJ yaitu ANA,
BADU DAN CONO. Dividen dibagikan berdasarkan keuntungan dan juga berdasarkan
kondisi ekonomi yaitu kondisi ekonomi dalam krisis, normal dan boom. Tabel
Pada kondisi diatas ada tiga peristiwa dan diasumsikan memiliki probablitas yang sama
(Kriteria Laplace), sehingga setiap peristiwa memiliki nilai probablitas 1/3, sehingga
2. Kriteria Maximin
Dalam kondisi penuh ketidakpastian pengambilan keputusan sebaiknya bersifat Pesimis
terhadap masa depan dan memilih hasil yang terbaik yang bernilai maksimum dari
Dari data diatas, kondisi terburuk adalah kondisi perekonomian yang krisis, dan
keputusan yang terbaik atas kriteria maximin adalah memilih perusahaan Badu.
3. Kriteria maximax
Kriteria ini kebalikan dari kriteria yang maximin. Kriteria ini menyarankan
pengambilan keputusan bersifat optimis, dan memilih hasil yang maksimum dari
alternatif yang terbaik. Dari contoh diatas, kondisi yang optimis adalah kondisi
perekonomian yang Boom dan keputusan yang terbaik adalah memilih perusahaan
4. Kriteria Hurwicz
Koefisien ini memiliki nilai antara 0-1. Nilai Nol untuk kondisi yang sangat pesimis dan
nilai 1 untuk kondisi yang Optimis. Apabila koefisien optimis adalah “a”, maka
alternatif yang terbaik adalah nilai yang tertinggi dari hasil perkalian antara hasil atau
Contoh :
Dari data diatas, menurut penelitian ternyata koefisien optimisme 0,63. Bagaimanan
keputusan anda?
Prsh Boom Normal Krisis Perhitungan EV
Berdasarkan pada kriteria Hurwicz, keputusan yang terbaik adalah memilih nilai EV
Prinsip dari pendekatan ini adalah menghitung regret (penyesalan) yang terjadi akibat
tidak memilih alternatif maksimum pada setiap kondisi (OL). Kriteria ini memilih
alternatif dengan regret minimum (lakukan yang terbaik pada kondisi yang terburuk).
maksimum. Alternatif keputusan yang diambil adalah nilai regret yang minimum. Nilai
hasil atau payoff yang tertinggi diberikan nilai Nol, dan nilai lainnya merupakan selisih
ANA 3283
BADU 2463
CONO 115
DECISION MAKING THEORY II
Ada 3 alternatif saham perusahaan yang akan anda beli sahamnya, dimana probablitas
Boom adalah 0,63 dan probablitas krisis adalah 0,37 untuk ketiga perusahaan tersebut.
Dengan menggunakan pohon keputusan akan dapat ditentukan saham perusahaan mana
2. Utility Theory dan Expeted Utility Criterion adalah teknik mengambil keputusan
3. Multi Attribute Utility (MAU) models salah satu alat yang digunakan untuk
mengambil keputusan lebih dari satu atribut yaitu dengan cara menilai utility dari
setiap atribut.
4. Dalam model ini diperkirakan utility atribut dari alternatif yang ada.
1.Pengertian Atribut
Atribut adalah ciri atau kharakteristik dari suatu objek. Misalnya, seorang
manajer dalam rangka memilih seorang pegawai yang akan dipromosikan ke posisi
yang lebih tinggi, memakai kriteria latar belakang yang bersangkutan sebagai patokan
utama.
Selanjutnya dilihat hubungan dengan utility dari alternatif tersebut. Masing masing
Contoh.
Untuk lebih jelasnya perhatikan contoh berikut. Misalnya anda ingin mencari karyawan.
Anda menggunakan dua kriteria dalam pengambilan keputusan., yaitu 1. Latar belakang
dan 2. Gaji yang diinginkan. Latar belakang memiliki tiga atribut, yaitu
a. Pendidikan,
b. Usia dan
c. Pengalaman kerja.
Dan kriteria yang anda gunakan sbb:
> 24 0,3
Total skor calon ANA adalah 0,12 + 1,8 + 0,3 + 0,4 = 2,62 Dengan cara yang sama
untuk calon yang lain. Skor paling tinggi adalah calon karyawan yang akan diputuskan
untuk diterima.
C. Sensitivity Analysis (sensitivity of the analysis)
• Apabila suatu keputusan sudah dibuat, satu alternatif keputusan sudah dipilih
• Jika ada keberatan terhadap keputusan maka akan lebih ditujukan terhadap asumsi
analisa sensistivitas
Contoh.
membangun gudang besar atau kecil. Probablitas sukses 0,65 dan probablitas gagal
membangun gudang adalah 0,35. Jika pembangunan gagal anda tetap membayar uang
GUDANG
BESAR GUDANG KECIL
18000x0,65 + 11500 x 0,65 +
-3500x 0,35 -2000 x 0,35
=10475 =6775
QUALITY CONTROL
a. Statistical process control
mengembangkan apa yang disebut diagram kontrol (control diagram). Dengan maksud
untuk melihat variasi atau fluktuasi antara nilai sebenarnya dengan nilai yang
diharapkan, dan apakah masih dalam batasan yang normal atau terkendali dalam suatu
proses produksi
Tujuan dari Statistical process control adalah untuk mengontrol mutu barang
dan jasa yang dihasilkan sesuai dengan ketentuan . Hal ini dilakukan dengan
menggunakan sampling. Untuk menentukan apakah suatu nilai masih dalam batas
68,26%
96,44%
97,74%
μ-3σ μ-2σ μ-1σ μ μ+1σ μ+2σ μ+3σ
Batas kepercayaan 99,74 % menunjukkan bahwa apabila ada pengisian 1000 gelas air
maka akan ada 997 gelas pada kisaran interval LCL sampai UCL.
B. Control Charts for Process Means.
dari proses produksi adalah Diagram rata-rata. Diagram ini berfungsi melihat batas
bawah dan batas atas nilai rata-rata setiap pengambilan sampel, apakah dari setiap
sampel tersebut normal atau tidak. Dimana batas bawah (lower control limit= LCL) dan
Dimana :
Contoh:
Misalkan anda sebagai produsen air mineral yang menghasilkan ribuan gelas setiap
hari. Setiap gelas berisi 240 ml air. Untuk menjamin mutu dan memastikan bahwa isi
air dalam gelas masih dalam batasan normal dilakukan 5 kali pengambilan sampel dan
setiap pengambilan ada 4 gelas sampel. Berikut adalah data yang diperoleh Ex. 4 Gelas
1 2 3 4
1 2 3 4
Langkah kedua, adalah menghitung rata-rata rentang ( nilai tertinggi dikurang nilai
UCL = X + A2R
0,729 dari tabel Kendal, dengan n=4 dan peta rata-rata untuk A2
LCL = X - A2R
LCL = 241 - 0,729 (4) = 238,08
243
241
238
diagram rentang (Control Charts for process variability). Dimana nilai UCL dan LCL
UCL = D4R
LCL = D3R
R = Nilai rata rata rentang dan D4 , D3 = Faktor peta kendal diagram kontrol
LCL = D3R = 0 x 4 = 0
Nilai 2,11 dan 0 dilihat dari tabel faktor peta kendal. Dari nilai diatas, bila nilai rentang
(selisih nilai tertingi dengan terkecil) antara 0 s/d 8,46, dikatakan proses produksi masih
berjalan normal. Dari diagram berikut tampak bahwa siklus pada malam hari yaitu jam
diagram kontrol yang dapat diklasifikasikan secara dikotomi. Misalnya baik memenuhi
syarat atau tidak. Usaha yang layak atau tidak. Diagram ini dinamakan juga diagram
proporsi karena menunjukkan suatu proporsi. Untuk menentukan batas bawah dan batas
Dimana:
n = banyaknya sampel
Contoh :
mesin pemotong dengan ketepatan 0,1 cm. Apabila potongan > 0,1 Cm maka dianggap
“cacat”. Berikut adalah jumlah yang cacat selama satu hari dalam 3 shift kerja. Dengan
menggunakan Control Charts for atributes, apakah kondisi proses produksinya normal
atau tidak? Jika jumlah yang cacat selama satu hari sbb:
Ex.Jumlah cacat
cacat
dikatakan normal. Apabila diluar interval tersebut tidak normal. Dari data didapat
bahwa proporsi terkecil adalah 0,01 dan terbesar adalah 0,05, dimana kedua nilai ini
berada dibawah 0,32 dan diatas - 0,261, sehingga proses produksi berjalan normal.