Pertemuan 1
Perkenalan Dengan Statistika Probabilitas
A. DESKRIPSI
Membahas berbagai macam konsep (teori) maupun metode statistika, yang
selanjutnya dapat digunakan untuk melakukan interpretasi terhadap berbagai macam
data penelitian dan sekaligus mengetahui alat-alat analisa apa saja yang dibutuhkan
sesuai dengan masalah yang dihadapi.
Tujuan mata kuliah ini adalah memberi pengetahuan kepada mahasiswa tentang:
a. Masalah probabilitas sebagai alat pengambil keputusan.
b. Alat-alat statistik yang dibutuhkan untuk melakukan pengkajian terhadap masalah
yang dihadapi.
c. Dasar berpikir selanjutnya dalam mencari terobosan baru (policy) guna
memecahkan masalah yang dihadapi.
B. PRASYARAT : STATISTIKA I
C. MATERI
1. Teori probabilitas
1.1. Pengertian dan manfaat probabilitas
1.2. Pendekatan probabilitas
1.3. Konsep Dasar dan Hukum Probabilitas
1.4. Teorema Bayes
1.5. Beberapa prinsip menghitung dalam probabilitas
4. Teori Keputusan
4.1. Elemen-elemen Keputusan
4.2. Keputusan dalam keadaan berisiko
4.3. Keputusan dalam kondisi ketidak pastian
1
5. Metode dan Distribusi Sampling
5.1. Pengertian populasi dan sample
5.2. Metode penarikan sample
5.3. Distribusi Sampel rata-rata dan proporsi
5.4. Distribusi Sampel Selisih rata-rata dan proporsi
5.5. Factor Koreksi untuk populasi terbatas
6. Hipotesa
6.1. Pengertian dan Pengujian Hipotesa
6.2. Prosedur pengujian hipotesa
6.3. Menguji hipotesa Rata-rata dan Proporsi Sampel Besar
6.4. Menguji hipotesa Selisih Rata-rata dan Proporsi Sampel Besar
6.5. Jenis Kesalahan I dan I
E. Textbook :
1. Bambang Yuwono, 2006, Bahan Kuliah Statistika, UPN “Veteran” Yogyakarta
2. J. Supranto, 2000, Statistik Teori dan Aplikasi, Erlangga, Jakarta
3. Sudjana, 1992, Metode statistika, Tarsita Bandung
4. Zanzawi soeyuti, 1990, Metode statistika, UT, Jakarta
2
F. Acuan/Referensi :
1. Ronald E Walpole, 1992, Pengantar Statistika, Gramedia, Jakarta
2. Murray R Spiegel, 1994, Statistika, Erlangga, Jakarta
3. Richard Lungan, 2006, Aplikasi Statistika dan Hitung Peluang,Graha Ilmu,
Yogyakarta
4. Samsubar Saleh, 1988, Statistik Induktif, AMP YKPN Yogyakarta
5. Samsubar Saleh, 1986, Statistik Deskriptif, AMP YKPN, Yogyakarta
6. Suharyadi dan Purwanto, 2003, Statistika untuk Ekonomi dan Keuangan Modern,
Salemba, Jakarta
G. Penilaian :
1. Absen 10%
2. Quiz & Tugas 20 %
3. UTS 30%
4. UAS 40%
3
CHAPTER 2
Pertemuan 2
KONSEP DASAR PROBABILITAS
A. PENDAHULUAN
Secara sederhana probabilitas dapat diartikan sebagai sebuah peluang untuk
suatu kejadian.
Contoh:
Seluruh mahasiswa Panca Budi harus memiliki sertifikat computer untuk program
microsoft exel. Di kota Medan sendiri banyak terdapat tempat kursus computer
diantaranya LP3I, Medicom, Tricom dll. Maka akan muncul kebingungan dalam memilih
tempat kursus. Untuk menentukan pilihan biasanya mahasiswa akan bertanya kepada
teman-teman, mereka kursus dimana? Dari ratusan mahasiswa mungkin anda bertanya
hanya pada 20 orang mahasiswa. Yang paling banyak diminati anda akan memilih
tempat tersebut untuk kursus.
Dari contoh tersebut dapat dilihat bahwa keputusan diambil hanya dari beberapa contoh
atau sampel dari populasi keseluruhan.
2. Pengertian probabilitas
Lind (2002) dalam mendefenisikan probabilitas sebagai:
“Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi dimasa
mendatang. Probabilitas dinyatakan antara 0 sampai 1 atau dalam persentase”
4
Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan
timbulnya paling sedikit dua peristiwa tanpa memperthatikan peristiwa mana
yang akan terjadi
b. Hasil (outcome)
suatu hasil dari sebuah percobaan. Dalam hasil ini semua kejadian akan dicatat
atau dalam artian seluruh peristiwa yang akan terjadi dalam sebuah percobaan.
Misalnya dalam mengikuti ujian semester maka hasil yang akan diperoleh ada
mahasiswa yang lulus dan ada yang tidak lulus. Ada yang lulus memuaskan ada
yang tidak memuaskan
c. Peristiwa (event)
kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan
Contoh:
Percobaan Pertandingan sepak bola antara Fakultas
Ekonomi UNPAB dan Fakultas Pertanian
UNPAB
Hasil Fakultas Ekonomi menang,
Fakultas Ekonomi kalah
Seri, tidak ada yang kalah dan tidak ada
yang menang
Peristiwa Fakultas Ekonomi Menang
B. PENDEKATAN PROBABILITAS
Untuk menentukan tingkat probabilitas suatu kejadian, maka ada tiga pendekatan
yaitu pendekatan klasik, pendekatan relatif dan pendekatan subjektif.
1. Pendekatan klasik
Diasumsikan bahwa semua peristiwa mempunyai kesempatan yang sama untuk
terjadi (equally likely)
Probabilitas suatu peristiwa kemudian dinyatakan sebagai rasio antara jumlah
kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa terhadap hasil)
Contoh:
Pada kegiatan mahasiswa belajar semua hasil ada yang sangat memuaskan,
memuaskan dan terpuji. Jumlah hasil ada 3 dan hanya 1 peristiwa yang terjadi, maka
probabilitas setiap peristiwa adalah 1/3.
Pada suatu percobaan hanya 1 peristiwa yang terjadi, dan peristiwa lain tidak
mungkin terjadi pada waktu yang bersamaan maka dikenal sebagai peristiwa saling
lepas.
”Peristiwa saling lepas (mutually exclusive) adalah terjadinya suatu peristiwa
sehingga peristiwa yang lain tidak terjadi pada waktu yang bersamaan”
Pada suatu percobaan atau kegiatan semua hasil mempunyai probabilitas yang
sama, dan hanya satu peristiwa yang terjadi maka peristiwa ini dikenal dengan lengkap
terbatas kolektif (collection exhaustive).
6
”lengkap terbatas kolektif (collection exhaustive) adalah sedikitnya satu dari
seluruh hasil yang ada pasti terjadi pada setiap percobaan atau kegiatan yang
dilakukan”
2. Pendekatan Relatif
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu
kejadian terjadi, yang dinyatakan sebagai berikut:
Contoh:
Dari kegiatan belajar mahasiswa dapat dilihat hasilnya pada Wisuda Sarjana Universitas
Panca Budi tahun 2007 sebanyak 800 orang mahasiswa. 500 orang lulus dengan
memuaskan, 200 orang dengan sangat memuaskan dan 100 orang dengan prediket
terpuji. Maka probabilitas lulus memuaskan adalah 500/800 = 0.625; lulus dengan
sangat memuaskan 200/800 = 0.25 dan lulus dengan terpuji 100/800 = 0.125.
3, Pendekatan Subjektif
Yang dimaksud dengan pendekatan subjektif adalah menentukan besarnya
probabilitas suatu peristiwa didasarkan pada penilaian pribadi dan dinyatakan dalam
derajat kepercayaan.
Contoh:
Menurut pengamat politik, Susilo Bambang Yudoyono akan menang dalam Pemilu
Indonesia tahun 2009
7
CHAPTER 3
Pertemuan 3
KONSEP DASAR DAN HUKUM PROBABILITAS
A. Hukum Penjumlahan
Hukum penjumlahan menghendaki peristiwa yang saling lepas (mutually
exclusive) yaitu apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi
pada saat bersamaan.
Hukum ini dilambangkan sebagai:
P (A atau B) = P (A) + P(B)
Penyelesaian:
Dari data diatas diketahui bahwa:
Probabilitas Jual = P(A) = 120/200 = 0.60
Probabilitas Beli = P(B) = 80/200 = 0.40
8
P(A atau B) = P(A) + P(B) = 0.6 +0.4 = 1.0
A AD D
A D
Maka P(AB) = 0
Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas kejadian A atau B yang
dinyatakan P(A atau B)
P(A atau B) = P(A) + P(B) – P(AB)
9
Karena P(AB) = 0 maka
P(A atau B) = P(A) + P(B) – 0
Sehingga:
P(A atau B) = P(A) + P(B)
Contoh:
Cobalah hitung berapa probabilitas kejadian jual saham dan beli saham P(AB) dan
probabilitas kejadian untuk saham BCA, BII dan BNI (P(DEF).
Perusahaan
Kegiatan Jumlah
BNI (C) BII (D) BCA (E)
Jual (A) 30 50 40 120
Beli (B) 40 30 10 80
Jumlah 70 80 50 200
Penyelesaian:
Probabilitas kejadian A dan B adalah kejadian yang saling lepas, maka P(AB)=0. maka
hukum penjumlahan untuk peristiwa saling lepas adalah:
P(A atau B) = P(A) + P(B) – P(AB)
= 0.6 + 0.4
= 1.0
probabilitas kejadian ketiga saham juga merupakan kejadian saling lepas, maka hukum
penjumlahannya adalah:
P (C atau D atau E) = P(C) + P(D) + P(E) – P(CDE)
= 0.35 + 0.40 + 0.25 – 0
= 1.0
probabilitas P(C atau D)
P(C atau D) = P(C) + P(D) – P(CD)
= 0.35 + 0.40
= 0.75
B. Hukum Perkalian.
10
Dalam hukum perkalian dikehendaki setiap peristiwa independent yaitu suatu peristiwa
terjadi tanpa harus menghalangi peristiwa lain terjadi.
“Peristiwa independent adalah terjadinya peristiwa atau kejadian tidak
mempengaruhi probabilitas terjadinya peristiwa lain.”
Dapat dinyatakan dalam bentuk:
11
BLP
Jual (0,6)
BNI
CHAPTER 4
Pertemuan 4
Teorema Bayes
Teorema ini dikembangkan oleh Thomas Bayes pada abad ke-18. Bayes seorang
pendeta, bertanya apakah Tuhan ada dengan memerhatikan fakta-fakta yang ada di
bumi. Jadi bila Tuhan ada, maka ada fakta sebagai ciptaan Tuhan. Apabila fakta
dilambangkan P(A1) untuk suatu fakta dan P(A2) untuk fakta lain, sedang keberadaan
Tuhan dinyatakan dengan P(B), maka teorema Bayes dinyatakan sebagai:
P A1 P B A1
P A1B
P A P B A P A P B A
1 1 2 2
Rumus diatas merupakan probabilitas bersyarat, suatu kejadian terjadi setelah
kejadian lain ada. P(A1|B) menyatakan bahwa fakta-fakta di bumi akan ada apabila
Tuhan ada. Karena banyak fakta tersebut maka rumus Bayes diperluas:
P A B
P A P B A
1 1
1 PA1PB A PA P B A .... PA PB A
1 2 2 i i
BEBERAPA PRINSIP MENGHITUNG
A. FAKTORIAL
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam
mengatur sesuatu kelompok. Contoh konvensional, apabila kita mempunyai tiga bank
yaitu BCA, BII dan BNI ada berapa cara menyusun uratan ketiga bank tersebut?
Secara sederhana dapat kita lakukan dengan mengurut ketiga bank sebagai berikut:
BCA, BII, BNI BCA, BNI, BII BII, BCA, BNI
BII, BNI, BCA BNI, BII, BCA BNI, BCA, BII
13
Dari uraian diatas dapat kita ketahui bahwa terdapat 6 cara mengurutkan nama bank
tersebut, namun apabila jumlah bank tersebut 100 buah bank, tentu kita akan
kewalahan dalam mengurutkan. Maka dapat dilakukan dengan pendekatan faktorial,
Apabila bank berjumlah tiga maka cara menurutkan nama bank:
3! = 3 x 2 x 1 = 6
B. PERMUTASI
Digunakan untuk mengetahui sejumlah kemungkinan susunan (arrangement) jika
terdapat satu kelompok objek. Pada permutasi ini kita berkepentingan dengan susunan
atau urutan dari objek, permutasi dirumuskan sebagai berikut:
n!
P
n r nr !
dimana :
P : Jumlah permutasi atau cara objek disusun
n : Jumlah total objek yang disusun
r : Jumlah objek yang digunkan pada saat bersamaan, jumlah r dapat sama
dengan n atau lebih kecil
! : tanda dari faktorial
Contoh:
Dari 20 kelas di Universitas Panca budi, ingin dikelompokkan menjadi beberapa
kelompok. Jika satu kelompok terdiri dari 5 kelas, ada berapa susunan kelompok yang
dapat dibuat?
Jawab
20! 201918171615!
P 1.860.480
20 5 20 5! 15!
14
C. KOMBINASI
Kombinasi digunakan apabila kita tertarik pada berapa cara sesuatu diambil dari
keseluruhan objek tanpa memerhatikan urutannya. Misalnya ada 10 bank dan kita
hanya akan mengambil 3 bank, maka ada beberapa kombinasi bank yang dapat diambil
tanpa memerhatikan urutan atau susunannya. Dirumuskan sebagai berikut:
n!
n Cr r! nr!
Contoh:
Ada 5 orang siswa mendaftar sebagai pembawa acara dalam suatu kegiatan hiburan.
Pihak penyelengara hanya akan memilih 2 orang yang dapat dijadikan pasangan. Ada
berapa kombinasi pasangan yang dapat dipilih oleh panitia?
5!
C 10
5 2 2! 5 2!
15
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi
kiri.
Distribusi probabilitas dan kurva mempunyai persamaan matematika yang sangat
tergantung pada nilai tengah () dan standar deviasi (). Distribusi probabilitas dan
kurva normal dari suatu variable acak (X) yang nilainya terletak - sampai
dinyatakan dengan lambang X ~ N(X; , ).
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi , maka
persamaan kurva normalnya adalah:
2
1 1/2 xμ/σ
Ν(X;μ,σ) e ,untuk X
2ππ2
Jenis-jenis probabilitas Normal
Jenis-jenis probabilitas normal sangat dipengaruhi oleh nilai rata-rata hitung dan standar
deviasinya, maka distribusi probabilitas kurva normal diantaranya:
10
9
8
7
6
5
4
3
2
1
0
m
17
Nilai semakin tinggi dan kurva semakin pendek. Nilai tinggi menunjukkan
bahwa nilai data semakin menyebar dari nilai tengahnya ()
3. Leptokurtik
Nilai semakin rendah dan kurva semakin runcing. Niali rendah ini
menunjukkan data semakin mengelompok pada nilai tengahnya ().
gram.
c. Distribusi Probabilitas dan Kurva normal dengan Berbeda dan berbeda
Kurva dengan berbeda dan berbeda mempunyai titik pusat yang berbeda pada
sumbu mendatar dan bentuk kurva berbeda karena mempunyai standar deviasi yang
berbeda. Kurva seperti ini relatif sering terjadi karena antara populasi terdapat
perbedaan atau setiap populasi juga mempunyai keragaamn yang berbeda.
18
d. Distribuís probabilitas Normal Baku
Distribuís normal baku adalah distribusi probabilitas acak normal dengan nilai
tengah nol dan simpangan baku 1.
Beberapa hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku
adalah mengubah atau membakukan distribusi aktual dalam bentuk distribusi normal
baku yang dikenal dengan nilai Z atau skor Z. Rumus niali Z adalah:
X μ
Ζ
σ
dimana:
Z = skor Z atau nilai normal baku
X = Nilai dari statu pengamatan atau pengukuran
= Nilai rata-rata hitung suatu distribusi
= standar deviasi suatu distribusi
19
68,26%
95,44%
99,74%
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r
Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan semakin besarnya
nilai n, maka semakin mendekati nilai distribusi normal. Gambar berikut menunjukkan
distribusi probabilitas binomial dengan n yang semakin membesar. Pada saat n = 20
terlihat bahwa distribusi probabilitas binomial mendekati distribusi probabilitas normal
yaitu kurva berbentuk lonceng, memiliki puncak tunggal dan simetris.
20
X np
Ζ
npq
di mana n dan nilai p mendekati 0,5
apabila telah memenuhi syarat binomial, maka kita menggunakan faktor koreksi yang
besarnya 0,5. Faktor koreksi ini diperlukan untuk mentransformasi dari binomial menuju
normal yang merupakan variabel acak kontinu.
Contoh:
Sudan merupakan pedagang buah di pusat pasar Medan. Setiap hari membeli 300 kg
jeruk. Probabilitas buah laku dijual adalah 80% dan 20% tidak laku atau busuk. Berapa
probabilitas buah sebanyak 250 kg laku dan tidak busuk?
Jawab:
n = 300; probabilitas laku p = 0,8 dan q = 0,2
= np = 300 x 0,80 = 240
= npq = 6,93
diketahu X = 250, dikurang factor koreksi 0,5 sehingga X = 250 – 0,5 = 249,5
dengan demikian nilai Z menjadi;
Z = (249,5 – 240)/6,93 = 1,37 dan P(Z < 1,37) = 0,4147
21
CHAPTER 6
Pertemuan 7
DISTRIBUSI PROBABILITAS DISKRET
Contoh:
Ada tiga orang mahasiswa yang akan memilih mata kuliah pada semester genap tahun
2007/2008. Mata kuliah tersebut adalah Stasistika (STK) dan matematika (MTK). Ketiga
mahasiswa tersebut bebas memilih mata kuliah mana yang akan diikuti, bisa memilih
STK semua, STK dan MTK atau MTK semua. Berikut adalah kemungkinan dari ketiga
pilihan mahasiswa tersebut
Kemungkinan mahasiswa Jumlah
pilihan A B C pilihan STK
1 STK STK STK 3
2 STK STK MTK 2
3 STK MTK STK 2
4 STK MTK MTK 1
5 MTK STK STK 2
6 MTK STK MTK 1
7 MTK MTK STK 1
8 MTK MTK MTK 0
dari tabel dapat dilihat kemungkinan mahasiswa tidak memilih STK sama sekali ada
satu kejadian, mahasiswa hanya satu yang memilih STK ada3 kejadian, mahasiswa ada
22
2 orang yang memilih STK ada 3 kejadian. Mahasiswa ada 3 orang yang memilih STK
ada 1 kejadian. Dari ke 8 kejadian tersebut kita dapat menyusun distribusi probabilitas
sebagai berikut:
Jumlah STK di Jumlah Total Distribusi probabilitas
pilih mahasiswa frekuensi kemungkinan Hasil P(r)
0 1 8 1/8 0,125
1 3 8 3/8 0,375
2 3 8 3/8 0,375
3 1 8 1/8 0,125
Jumlah Atoatal Distribusi Probabilitas 1,000
Dari tabel distribusi probabilitas kita dapat dengan mudah menentukan berapa
probabilitas ketiga mahasiswa akan memilih mata kuliah Statistik yaitu 0,125.
Dalam bentuk grafik poligon dapat digambarkan sebagai berikut:
B. Variabel Acak/Random
a. Variabel Acak
Variabel acak didefenisikan sebagai sebuah ukuran atau besaran yang merupakan
hasil suatu percobaan atau kejadian yang terjadi secara acak atau untung-untungan
dan mempunyai nilai yang berbeda-beda
Contoh:
Petani menimbang berat setiap semangka yang telah dipanen. Dari lima semangka
beratnya berturut-turut 3.56; 3.80; 2.79; 3.60 dan 4.05 kg. Maka penimbangan
berat adalah percobaan acak dan nilai berat setiap semangka adalah variabel acak.
b. variabel acak diskret
23
variabel acak diskret merupakan hasil dari percobaan yang bersifat acak dan
mempunyai nilai tertentu yang terpisah dalam suatu interval. Variabel acak diskret ini
biasanya berupa bilang bulat dan berasal dari hasil perhitungan.
Contoh: jumlah mahasiswa 800 orang, jumlah buah jeruk 20 buah, jumlah telur 300
butir dan sebagainya
c. variabel acak kontinu
variabel acak kontinu mempunyai nilai yang menempati pada seluruh interval hasil
percobaan, biasanya dihasilkan dari hasil pengukuran dan bukan penjumlahan.
Semua nilai yang dihasilkan dari kegiatan pengukuran baik bulat maupun pecahan
merupakan variabel acak kontinu.
Contoh: pada buah semangka jumlah buah semangka 10 buah adalah variabel acah
diskret, tapi berat semangka misalnya 3,56 kg ini merupakan variabel acak kontinu
24
2
Varians σ2 X μ .PX
StandarDeviasi σ σ2
Dimana:
2 : Varians
: Standar deviasi
X : Nilai suatu kejadian
: Nilai rata-rata hitung distribusi probabilitas
P(X) : Probabilitas suatu kejadian X
∑ : Lambang operasi penjumlahan
Contoh:
Hitunglah nilai rata-rata hitung, Standar deviasi dan Varian pada kasus pilihan tiga
mahasiswa pada mata kuliah Statistika pada contoh terdahulu?
Penyelesaian:
X P(X) X.P(X) X - (X - )2 (X - )2 P(X)
0 0,125 0,000 - 1,500 2,250 0,281
1 0,375 0,375 - 0,500 0,250 0,094
2 0,375 0,750 0,500 0,250 0,094
3 0,125 0,375 1,500 2,250 0,281
1,500 2 0,750
Dari data diatas dapat dilihat bahwa:
Rata-rata hitung adalah sebesar 1,500 menunjukan bahwa ada 1,5 mahasiswa yang
mengambil mata kuliah Statistika. Namun karena orang tidak dalam bentuk pecahan,
maka bisa didekatkan pada 1 atau 2 orang.
Varians = 2 = 0,75, maka standar deviasi = = 2 = 0.75 = 0,87. Ini menunjukan
bahwa standar penyimpangan data dari nilai tengahnya adalah 0,87.
25
Ciri-ciri Percobaan Bernouli:
• Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap
kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p) + P(q)= 1.
Dapat dinyatakan sebagai berikut:
n!
Pr pr .qnr
r! n r!
Dimana:
P (r) : Nilai probabilitas binomial
P : Probabilitas sukses suatu kejadian dalam setiap percobaan
r : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan
n : Jumlah total percobaan
q : Probabilitas gagal suatu kejadian yang diperoleh dari q = 1 – p
26
! : Lambang faktorial
Contoh:
PT Sari Buah Lestari mengirim buah-buah segar setiap harinya kepada sebuah swalaya
terkenal di kota Medan. Dengan jaminan kualitas buah yang segar, 80% buah yang
dikirim lolos seleksi oleh swalayan tersebut. PT Sari Buah Lestari mengirim 10 buah
Melon setiap harinya
Permintaan:
a. Berapa probabilitas 10 buah diterima
b. Berapa probabilitas 8 buah diterima
c. Berapa probabilitas 7 buah diterima
Penyelesaian:
a. probabilitas 100 buah diterima semua
n = 10 p = 0,8
r = 10 q = 0,2
n!
Pr pr .qnr
r!n r !
Pr 10! 0,810 .0,21010
10! 10 10!
10!
Pr 0,810 .0,21
10! 0!
Pr1.0,107374. 0,2
Pr 0,021475
27
Pada kasus dimana terjadi percobaan tanpa pengembalian pada populasi yang
terbatas, dan jumlah sampel terhadap polpulasinya lebih 5%, distribusi hipergeometrik
lebih tepat digunakan. Distribusi hipergeometrik dinyatakan sebagai berikut:
C C
Pr s r N s n r
NCn
Dimana:
P (r) : Nilai probabilitas hipergeometrik dengan kejadian r sukses
N : Jumlah populasi
s : Jumlah suskses dalam populasi
r : Jumlah suskses yang menjadi perhatian
n : Jumlah sampel dari populasi
C : Simbol kombinasi
μx eμ
PΧ
Χ!
dimana
P(X) : Nilai probabilitas distribusi poisson
: Rata-rata
hitung dari
jumlah nilai
sukses; dimana
= n.pe : Bilangan
konstsan =
2,71828
X : Jumlah nilai sukses
P : probabilitas sukses suatu kejadian
! : Lambang faktorial
28
CHAPTER 7
Pertemuan 9
TEORI KEPUTUSAN
Setiap hari kita harus mengambil keputusan, baik keputusan yang sederhana
maupun keputusan jangka panjang.
Untuk membantu dalam pengambilan keputusan, ilmu statistika telah mengembangkan
cabang statistika baru yaitu teori keputusan statistika. Ilmu ini berkembang sejak tahun
1950-an yang sebenarnya telah dipelopori sejak abad ke-18 oleh pendeta Thomas
Bayes.
Contoh:
Keputusan yang diambil suatu perusahaan:
• Barang dan jasa apa yang akan diproduksi,
• Metode apa yang dipakai untuk memproduksi,
• Untuk siapa barang dan jasa di produksi,
• Bagaimana strategi pemasaran dan promosinya,
• Apakah perusahaan membutuhkan tenaga pemasaran,
• dan lain-lain.
1. Elemen-elemen Keputusan
• Kepastian (certainty): informasi untuk pengambilan keputusan tersedia dan valid.
• Risiko (risk): informasi untuk pengambilan keputusan tidak sempurna, dan ada
probabilitas atas suatu kejadian.
Setiap keputusan dalam atatistika mempunyai tiga elemen atau komponen penting
1. Pilihan atau alternatif yang terjadi bagi setiap keputusan.
2. States of nature yaitu peristiwa atau kejadian yang tidak dapat dihindari atau
dikendalikan oleh pengambil keputusan.
3. Hasil atau payoff dari setiap keputusan.
29
Peristiwa Ketidakpastian berkenaan dengan kondisi
mendatang. Pengambil keputusan tidak
mempunyai kendali
Dua atau lebih terhadap
alternatif kondisi
dihadapi mendatang.
pengambil
keputusan. Pengambil keputusan harus
Tindakan mengevaluasi alternatif dan memilih alternatif
dengan kriteria tertentu.
Contoh:
H. Ibrahim merupakan petani modern, dan menginvestasi sebagain keuntungan untuk
membeli saham. Pada tahun 2007 ia berinvestasi sebesar Rp. 10.000.000,-. Ada tiga
saham perusahaan yang sedang dipelajari yaitu saham LPBN, saham Mega dan Saham
BBCA. Berikut hasil atau payoff dari ketiga saham tersebut:
Kode Juml Kondisi baik Kondisi Buruk
Peru Harga ah Devid Devid
Total Total
sa saham saha en/ en/
deviden deviden
haan m lbr lbr
LPB 9.000 1.111 400 444.44 250 277.77
N 4 8
MEG 18.500 541 2.000 1.081.0 300 162.16
A 81 2
BBC 30.000 333 4.463 1.487.6 185 61.667
A 67
Beberapa metode dalam statistika yang digunakan untuk pengambilan keputusan dalam
keadaan berisiko:
A. Nilai yang diharapkan (Expected Value)
30
SAHAM BAIK P= BURUK
Perhitungan EV Nilai EV
0,5 P = 0,5
LPBN 444.444 277.778 (444.444 x 0,5) + 361.111
(277.778 x 0,5)
MEGA 1.081.081 162.162
BBCA 1.487.667 61.667
Nilai EV yang terbesar merupakan keputusan yang terbaik. Dari EV tersebut, maka
keputusan investasi H. Ibrahim adalah membeli saham BBCA
SAHAM OL BAIK OL
P= 0,5 BURUK Perhitungan EV Nilai EV
P = 0,5
LPBN 1.043.223 0 (1.043.223 x 0,5) + 521.612
(0 x 0,5)
MEGA 406.586 115.616
BBCA 0 216.111
Nilai OL untuk alternatif terbaik adalah nol, maka kondisi baik adalah BBCA = 0 dan
kondisi terburuk LPBN = 0. nilai OL terendah adalah untuk BBCA maka dapat
direkomendasikan untuk dibeli oleh investor.
31
• Nilai EVif lebih tinggi dari EV dengan selisih:
= 822.723 -774.667 = 108.056.
Nilai ini mencerminkan harga dari sebuah informasi.
• Nilai informasi ini menunjukkan bahwa informasi yang tepat itu berharga -- dan
menjadi peluang pekerjaan -- seperti pialang, analis pasar modal, dan lain-lain.
Contoh
Berikut adalah deviden yang dibagikan oleh tiga perusahaan yang ada di BEJ yaitu
LPBN, MEGA dan BBCA. Deviden dibedakan dalam krisis, normal dan Boom.
Kondisi Perekonomian
Perusahaan
Boom Normal Krisis
LPBN 1.180 488 250
MEGA 2.000 1.356 300
BBCA 4.463 1.666 185
a. Kriteria Laplace
32
b. Kriteria Maximim
Berdasarkan kriteria Maximin, alternatif yang memberikan nilai maksimum pada
kondisi terburuk adalah MEGA. Maka keputusan terbaik adalah membeli saham
MEGA.
c. Kriteria maximax
Berdasarkan kriteria Maximax, alternatif yang memberikan nilai maksimum pada
kondisi terbaik adalah BBCA. Maka keputusan terbaik adalah membeli saham BBCA.
d. Kriteria Hurwicz
• Menggunakan koefisien optimisme (a) dan koefisien pesimisme (1- a).
• Koefisien ini anda dapat diperoleh melalui hasil penelitian atau pendekatan relatif
dari data tertentu.
Contoh:
Koefisien optimisme didasarkan pada probabilitas terjadinya kondisi boom dibandingkan
dengan kondisi krisis. Berdasarkan data diperoleh koefisien optimisme sebesar 0,63
sehingga koefisien pesimisme adalah 1 – 0,63 = 0,37.
Berdasarkan nilai EV, maka keputusan yang terbaik adalah membeli saham BBCA yaitu
yang memiliki nilai EV tertinggi.
Nilai Regret
Perusahaan
Maksimum
LPBN 3.283
MEGA 2.463
33
BBCA 115
Berdasarkan kriteria minimax regret, keputusan yang terbaik adalah membeli saham
BBCA yaitu yang memiliki nilai regret terendah.
Pohon keputusan berguna untuk menyusun bebrapa alternatif dengan hasil bersyarat
(conditional payoff), keputusan yang terbaik adalah dengan nilai EV yang tertinggi.
Probabilitas Ekonomi
4.463
Boom (0,63)
2.880
(3)
34
CHAPTER 8
Pertemuan 10
METODE DAN DISTRIBUSI SAMPLING
Populasi Sampel
35
Dari table diatas terlihat bahwa jumlah sample setiap stratumnya didasarkan pada
jumlah proporsi persentsae setiap stratum terhadap jumlah totalnya.
Pemilihan sampel pada metode ini adalah dengan metode acak sederhana, dengan
harapan akan mengurangi biaya penarikan sampel populasi yang tersebar pada area
geografis yang terlalu besar.
Penarikan dikatakan sampel sistematis apabila setiap unsur atau anggota dalam
populasi disusun dengan cara tertentu-Secara alfabetis, dari besar kecil atau
sebaliknya-kemudian dipilih titik awal secara acak lalu setiap anggota ke K dari
populasi dipilih sebagai sampel.
37
Sebagai contoh apabila akan dipilih 5 perusahaan reksadana, maka perusahaan
mana yang akan menjadi sampel dengan menggunakan metode sistematis, beberapa
langkah yang harus dilakukan adalah:
a. memberikan nomor urutan misalnya dari aset terbesar sampai terkecil atau
sebaliknya
b. jumlah populasi misalnya 59, dan jumlah sampel 5, maka jarak antara sampel
adalah 12
c. nomor sampel adalah 1, 13, 25, 37, dan 49 (setiap sampel berjarak secara
sistematis yaitu 12)
Penarikan sampel kuota adalah pengambilan sampel dari populasi yang mempunyai
ciri-ciri tertentu sampai jumlah atau kuota yang diinginkan. Tujuan penarikan sampel
kuota adalah untuk memperbaiki keterwakilan seluruh komponen dalam populasi.
Sebagai contoh apabila akan dilakukan penelitian terhadap tingkat kehadiran
mahasiswa yang mengambil matakuliah statistika dari populasi 150 orang ditentukan
kuota 20 orang. Kalau pengumpulan data belum mencapai 20 orang maka penelitian
belum dianggap selesai.
38
Distribusi sampel dari rata-rata hitung sampel dan populasi adalah suatu distribusi
probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu
ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya
dihubungkan dengan setiap rata-rata hitung sampel.
a. Distribusi sampel rata-rata dan porposi menpunyai nilai hitung rat-rata:
1 1
N x p N p
Cn Cn
X
x 2 p
Sx Sp
CnN
CNn
c. Hubungan antara standar deviasi sampel x dan porposi pada kondisi sampel
terbatas
Sx
N n Sp
P1 P
x
N n
n N 1 n N 1
d. Hubungan standar deviasi sampel x dan porposi pada kondisi sampel tidak
terbatas
P1 P
Sx Sp
n n
d. Distribusi sampel rata-rata dan porposi merupakan distribusi normal, sehingga
dapat diketahui nilai Znya yaitu
Z
x
Z
p P
s sp
3. Nilai Z
x x
Z 1 2 1 2
Sx1x 2
39
b. Distribusi sampel selisih proporsi
1. Nilai rata-rata
P p1 p2 P1 P2 P1 P2
Nn
Sx
n N 1
sedang untuk standar deviasi proporsi
p (1 p) Nn
Sp
n N 1
40
CHAPTER 9
Pertemuan 11
HIPOTESA
A. Hipotesa
Hipotesa adalah suatu pernyataan mengenai nilai suatu parameter populasi yang
dimaksudkan untuk pengujian dan berguna untuk pengambilan keputusan.
Hipotesa sebenarnya disusun berdasarkan data, akan tetapi karena data tersebut
dihasilkan dari sample yang mempunyai probabilitas, sehingga hasilnya bisa saja benar
dan mungkin saja salah. Oleh sebab itu sebuah hipotesa sebelum menjadi keputusan
haruslah diuji terlebih dahulu dengan menggunakan data observasi.
Menurut Nasir (1988) hipotesa yang baik mempunyai cirri-ciri:
a. menyatakan hubungan
b. sesuai dengan fakta
c. sederhana dan dapat diuji
d. dapat menerangkan fakta dengan baik
B. Pengujian Hipotesa
Pengujian hipotesa adalah prosedur yang didasarkan pada bukti sampel yang dipakai
untuk menentukan apakah hipotesa merupakan suatu pernyataan yang wajar dan oleh
karenanya tidak ditolak, atau hipotesa tersebut tidak wajar dan oleh karena itu harus
ditolak.
41
Langkah 1 Merumuskan Hipotesa
Perumusan hipotesa dikembangkan oleh Fisher yang dikenal sebagai Bapak Ststistik,
yang membedakan hipotesa menjadi nol dan hipotesa alternative.
Contoh:
1. Rata-rata hasil investasi reksadana sama dengan 13,17%, maka
Ho : = 13,17%
H1 : 13,17%
Χ μ
Ζ
σΧ
dim ana :
Nilai Z
X Rata rata hitung sampel
Rata rata hitung populasi
Sx s tandar error sampel Sx / n
42
Daerah Keputusan Uji Satu Arah
1,65 Skala z
Probabilitas 0,95 Probabilitas
Langkah 1
Langkah 2
Menentukan taraf nyata. Taraf nyata sudah ditentukan sebesar 5%, apabila
tidak ada ketentuan dapat digunakan taraf nyata lain. Taraf nyata 5%
menunjukkan probabilitas menolak hipotesa yang benar 5%, sedang
probabilitas menerima hipotesa yang benar 95%.
Nilai kritis Z dapat diperoleh dengan cara mengetahui probabilitas daerah
keputusan H0 yaitu Z/2 = /2 – 0,5/2 = 0,025 dan nilai kritis Z dari tabel
normal adalah 1,96.
Langkah 3
Melakukan uji statistik dengan menggunakan rumus Z. Dari soal diketahui
bahwa rata-rata populasi = 13,17%, rata-rata sampel 11,39% dan standar
deviasi 2,09%. Mengingat bahwa standar deviasi populasi tidak diketahui
maka diduga dengan standar deviasi sampel, dan standar error sampel adalah
sx = s/n sehingga nilai Z adalah
Langkah 4
44
Daerah penolakan
Daerah penolakan H0 H0
Tidak menolak
0,95
0,025 0,025
Langkah 5
1. Ujilah beda rata-rata populasi, misalkan hipotesanya adalah rata-rata hasil investasi
lebih kecil dari 13,17%. Maka perumusan hipotesanya menjadi:
H0 : m £ 13,17
H1 : m > 13,17
Untuk tanda £ pada H0 menunjukkan daerah penerimaan H0, sedang tanda >
pada H1 menunjukkan daerah penolakan di sebelah ekor kanan seperti Gambar A.
2. Ujilah beda selisih dua rata-rata populasi, misalkan hipotesanya adalah selisih dua
rata-rata populasi lebih besar sama dengan 0.
H0 : mpa– mpl ³ 0
H1 : mpa– mpl < 0
Untuk tanda ³ pada H0 menunjukkan daerah penerimaan H0, sedang tanda < pada
H1 menunjukkan daerah penolakan di sebelah ekor kiri seperti Gambar B.
45
Daerah penolakan H0 Daerah penolakan
H0
1,65 1,65
Gambar A Gambar B
H0 : x 13,17 H0 : pa– pl 0
H1 : x > 13,17 H1 : pa– pl < 0
46
CHAPTER 10
Pertemuan 12
MENGUJI HIPOTESA RATA-RATA SAMPEL BESAR
0,5
Ada Tiga hal yang terkait dengan pengujian hipotesa rata-rata dan porposi sample
besar yaitu:
a. Proses pengujian hipotesa, dimana pengujiannya tetap mengikuti 5 langkah
b. Yang diuji dalam hal ini adalah rata-rata populasi dan proporsi dari populasi
c. Sample besar. Sample besar adalh sample yang berjumlah 30 atau lebih.
Dengan menggunakan sample besar diharapkan akan mendekati distribusi
normal sehingga dapat digunakan nilai dan uji Z.
47
CESS mengadakan penelitian pada 36 perusahaan reksadana dan didapatkan hasil
bahwa rata-rata hasil investasi adalah 11,39% dan standar deviasinya 2,09%. Ujilah
apakah pernyataan perusahaan reksadana tersebut benar dengan taraf nyata 5%.
Langkah 1
Merumuskan hipotesa. Hipotesa yang menyatakan bahwa rata-rata hasil investasi sama
dengan 13,17%. Ini merupakan hipotesa nol, dan hipotesa alternatifnya adalah rata-rata
hasil investasi tidak sama dengan 13,17%. Hipotesa tersebut dapat dirumuskan sebagai
berikut:
H0 : m = 13,17%.
H1 : m ¹ 13,17%.
Langkah 2
Menentukan taraf nyata. Taraf nyata sudah ditentukan sebesar 5%, apabila tidak ada
ketentuan dapat digunakan taraf nyata lain. Taraf nyata 5% menunjukkan probabilitas
menolak hipotesa yang benar 5%, sedang probabilitas menerima hipotesa yang benar
95%.
Nilai kritis Z dapat diperoleh dengan cara mengetahui probabilitas daerah keputusan H0
yaitu Za/2 = a/2 – 0,5/2 = 0,025 dan nilai kritis Z dari tabel normal adalah 1,96.
Langkah 3
Melakukan uji statistik dengan menggunakan rumus Z. Dari soal diketahui bahwa rata-
rata populasi = 13,17%, rata-rata sampel 11,39% dan standar deviasi 2,09%. Mengingat
bahwa standar deviasi populasi tidak diketahui maka diduga dengan standar deviasi
sampel, dan standar error sampel adalah sx = s/Ön sehingga nilai Z adalah
X X 11,39 13,17
5,11
Sx S/ n 2,09 / 36
Langkah 4
Menentukan daerah keputusan dengan nilai kritis Z=1,96
p P
P (1 P)
n
dimana:
Z = Nilai uji Z
p = Proporsi sampel
P = Proporsi populasi
N = jumlah sampel
2
X1 X 2 1 2
2
n1 n 2
Di mana:
x1-x2 : Standar deviasi selisih dua populasi
1 : Standar deviasi populasi 1
2 : Standar deviasi populasi 2
n1 : Jumlah sampel pada populasi 1
n2 :Jumlah sampel pada populasi 2
Sx1x 2
49
x1 -x 2 : Selisih dua rata-rata hitung sampel 1 dan sampel 2
1 - 2 : Selisih dua rata-rata hitung populasi 1 dan populasi 2
S x1-x2 : Standar deviasi selisih dua populasi
s2 s2
SX1 X 2
n1 n 2
1 2
Di mana:
S x1-x2 : Standar deviasi selisih dua populasi
s1 : Standar deviasi populasi 1
s2 : Standar deviasi populasi 2
n1 : Jumlah sampel pada populasi 1
n2 :Jumlah sampel pada populasi 2
Z
p1 p 2 P1 P2
Sp1p 2
p (1 p) p (1 p )
Sp1 p2
n 1 1 n2 1
50
CHAPTER 11
Pertemuan 1
PENGUJIAN HIPOTESA SAMPEL KECIL
Pada sampel kecil yaitu kasus dimana jumlah sampel kurang dari 30, maka nilai
standar deviasi (s) berfluktuasi relatif besar, sehingga nilai uji Z tidak bersifat normal.
Oleh karena itu, untuk sebaran distribusi sampel kecil dikembangkan suatu distribusi
khusus yang dikenal sebagai distribusi t atau t-student. Nilai distribusi t dinyatakan
sebagai berikut
X
t
s/ n
dimana:
t = Nilai distribusi t
= nilai rata-rata populasi
x = nilai rata-rata sampel
s = standar deviasi sampel
n = jumlah sampel
b. Distribusi t-student seperti distribusi Z berbentuk genta atau lonceng dan simetris
dengan nilai rata-rata sama dengan 0.
c. Distribusi t-student bukan merupakan satu kurva seperti kurva Z, tetapi keluarga
dari distribusi t. Setiap distribusi t mempunyai rata-rata hitung sama dengan nol,
tetapi dengan standar deviasi yang berbeda-beda, sesuai dengan besarnya sampel
(n). Ada distribusi t untuk sampel berukuran 2, yang berbeda dengan distribusi
untuk sampel sebanyak 15, 25 dan sebagainya. Apabila sampel semakin besar
maka distribusi t akan mendekati normal.
(a) Merumuskan hipotesa nol dan hipotesa alternatif (H0 dan H1),
(b) Menentukan taraf nyata apakah 1%, 5% atau pada taraf lainnya serta mengetahui
titik kritis berdasarkan pada tabel t-student,
(c) Menentukan uji statistik dengan menggunakan rumus uji-t,
(a) menentukan daerah keputusan yaitu daerah tidak menolak H0 dan daerah
menolak H0, dan
(b) Mengambil keputusan untuk menolak dan menerima dengan membandingkan nilai
kritis taraf nyata dengan nilai uji-t.
51
CIRI DISTRIBUSI F
1. Distribusi F lebih mirip dengan distribusi t, yaitu mempunyai “keluarga” distribusi F.
df(29,28)
df(20,7)
df(5,5)
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).
3. 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.
4. 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.
52
CHAPTER 12
Pertemuan 15
UJI CHI-KUADRAT
A. Statistika nonparametrik:
Statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi atau
bebas distribusi, sehingga tidak memerlukan asumsi terhadap populasi yang akan diuji
(fo fe)2
2
fe
dimana:
X2 = nilai chi-Kuadrat
fo = Frekuensi yang diperoleh
fe = frekuensi yang diharapkan
53
0,35
0,3
0,25
Probabilitas 0,2
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-0,05
Nilai Chi-Kuadrat
54
Untuk melakukan pengujian memerlukan beberapa tahapan atau langkah yaitu:
1. Menentukan hipotesa
Hipotesa yang disusun adalah hipotesa nol (H0) dan hipotesa alternatif (H1). Hipotesa
nol, H0, menyatakan bahwa tidak ada perbedaan antara nilai atau frekuensi observasi
atau teramati dengan nilai atau frekuensi harapan. Sedangkan hipotesa alternatif, H1,
menyatakan bahwa ada perbedaan antara nilai atau frekuensi teramati dengan nilai
atau frekuensi yang diharapkan. Hipotesa selanjutnya dinyatakan sebagai berikut:
H0 : fo = fe
H1 : fo fe
2. Menentukan Taraf Nyata dan Nilai Kritis
Untuk kasus ini, nilai n adalah kategori atau sampel yaitu 10, sedang k adalah variabel,
dimana k= 1, jadi derajat bebasnya adalah df= 10 - 1= 9. Setelah menemukan nilai df
dan taraf nyata, maka dapat dicari nilai kritis chi-kuadrat dengan menggunakan tabel chi-
kuadrat sebagai berikut:
Taraf Nyata
Df 0,1 0,05 0.02 0.01
1 2.706 3.841 5.412 6.635
2 4.605 5.991 7.824 9.210
3 6.251 7.815 9.837 11.345
derajat bebbas
…
7 12.017 14.067 16.622 18.475
8 13.362 15.507 18.168 20.090
9 14.684 16.919 19.679 21.666
….
29 39.087 42.557 46.693 49.588
30 40.256 43.773 47.962 50.892
3. Uji Statistik Chi-kuadrat
55
9 13 -4 19.8 1.5
10 13 -3 10.5 0.8
7 13 -6 40.1 3.1
X2= X (fo-fe)2/fe 219.5
Terima Tolak
X2 kritis= X2 Skala
5. Menentukan Keputusan
Langkah kelima adalah menentukan keputusan. Berdasarkan aturan pada langkah ke-4,
diketahui nilai chi-kuadrat hitung adalah 219,5 dan nilai chi-kuadrat kritis 16,919 berarti
nilai chi-kuadrat hitung > dari chi kuadrat kritis. Dengan demikian Ho ditolak dan H1
diterima. Jadi terdapat cukup bukti untuk menolak Ho, sehingga antara kenyataan yang
terjadi dengan harapan dari analisis adalah tidak sama.
56
4. Menentukan nilai X2 dengan rumus
(X)2
(fo fe)2
fe
5. Menentukan daerah kritis yaitu daerah penerimaan Ho dan penolakan Ho
6. Menentukan keputusan apakah menerima Ho atau menolak Ho.
Contoh Soal:
Ada keyakinan bahwa apabila IPK tinggi. maka akan mendapatkan penghasilan tinggi.
Berdasarkan keyakinan tersebut. Nani dari CESS tahun 2003 melakukan penelitian
terhadap 751 sarjana dari berbagai PT yang bekerja disektor perbankan di Jakarta.
Berikut adalah hasilnya:
Dari data tersebut. apakah keyakinan adanya hubungan antara IPK dengan tingkat
penghasilan dapat dibenarkan?
fo fe (fo-fe)2/fe
22 26 0,64
67 67 0,00
127 120 0,45
31 33 0,16
80 86 0,40
161 153 0,44
31 28 0,40
73 71 0,04
122 127 0,20
8 5 1,96
17 13 1,52
15 22 2,49
2 2
= (fo - fe) /fe 8,68
1. Hipotesa. Ho: tidak ada hubungan antara acara tingkat penghasilan dengan
IPK. H1 ada hubungan antara tingkat penghasilan dengan IPK.
2. Menentukan nilai kritis. df= (c - 1)(r - 1)= (3 - 1)(4 - 1) = 6 dengan taraf nyata 5%
adalah 12.596
3. Nilai chi-kuadrat hitung = 8.68 < dari chi-kuadrat tabel 12.596, dengan demikian
Ho diterima dan H1 ditolak. Jadi tidak ada hubungan antara tingkat penghasilan
dengan IPK.
57