01 Hand Out - Statistika - SPB - Ekha - Revisi 14 Januari 2020

1
HAND OUT
PENGANTAR
Statistika 1
Sekolah Perhotelan Bali (SPB) &
Sekolah Tinggi Pariwisata Bali Internasional
(STPBI)
Oleh :
Dr. Ir. Deden Ismail, M.Si

Putu Eka Putra, S.Si
Edisi revisi
Denpasar
[Date]
2019/2020
1
2
Statistika Dasar_Semester ganjil
Standar Kompetensi : Mahasiswa memahami konsep dan pengertian dari statistika dan
statistik.
Kompetensi Dasar : 1) Pengertian Dasar
2) Statistika dan statistik
3) Landasan kerja statistik
4) Karakteristik pokok statistik
5) Manfaat dan kegunaan statistika
6) Variabel
7) Skala
8) Masalah yang dihadapi
9) Pengambilan keputusan
Refferensi :
a) Cooper, Donald R. & William C. Emory. 1997. Metode Penelitian Bisnis.
Edisi Bahasa Indonesia. Jakarta: Erlangga.
b) Gay, L.R. 1983, Educational Research Competencies for Analysis &
Application. 2nd Edition. Ohio: A Bell & Howell Company.
c) Riduwan, & Akdon. 2009. Rumus dan Data dalam Analisis Statistika.
Bandung : Alfabeta.
d) Suwarno, Bambang. 2005. Pengantar Aplikasi Statistika dalam Penelitian
Pendidikan. Bandung: PPs Universitas Pendidikan Indonesia.
e) Wikipedia.2010. Statistika
BAB 1
Sejarah
Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin
modern statisticum collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau
"politikus").
Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama
kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai
"ilmu tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi
"ilmu mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama
(Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-
mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan.
[Date]
2
3
Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur
untuk memberi informasi kependudukan yang berubah setiap saat.
Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang
dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas
digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh
kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika
inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem
sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah
menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-
bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi
oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan
seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.
Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika, tetapi
sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait dengan
matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian
besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam
departemen tersendiri maupun tergabung dengan matematika.
Beberapa kontributor statistika
 Carl Gauss
 Blaise Pascal
 Sir Francis Galton
 William Sealey Gosset (dikenal dengan sebutan "Student")
 Karl Pearson
 Sir Ronald Fisher
 Gertrude Cox
 Charles Spearman
 Pafnuty Chebyshev
 Aleksander Lyapunov
 Isaac Newton
 Abraham De Moivre
[Date]
 Adolph Quetelet
 Florence Nightingale
3
4
 John Tukey
 George Dantzig
 Thomas Bayes
Pengertian Dasar
Pada bagian ini kamu akan belajar untuk mengenal tentang statistika maupun statistik.
Bidang statistika dapat dianggap sebagai bahasa khusus yang juga dapat dipakai untuk
berkomunikasi. Dengan statistika kita hanya mampu membicarakan tentang ciri-ciri atau
karakteristik tentang berbagai hal (benda atau sifat) yang kita amati. Benda contohnya dapat
kita ambil berupa jumlah populasi penduduk, jumlah angkatan kerja, takaran saji, dll.
Sedangkan sifat contohnya dapat kita ambil bupa laki & perempuan dalam populasi, suka atau
tidak suka pada suatu poling, dll. Sebelum statistika mampu berfungsi sebagai bahasa
komunikasi yang baik, ia harus diberi masukan terlebih dahulu berupa data mentah hasil
observasi atau hasil penelitian (Suwarno, 2005:1).
Statistika dan Statistik
Statistika (statistics) adalah ilmu yang terdiri dari teori dan metode yang merupakan cabang
dari matematika terapan dan membicarakan tentang : bagaimana mengumpulkan data,
bagaimana meringkas data, mengolah dan menyajikan data, bagaimana menarik kesimpulan
dari hasil analisis, bagaimana menentukan keputusan dalam batas-batas resiko tertentu
berdasarkan strategi yang ada. (Sudjana, 2004:3) Sedangkan Wikipedia (2010) menyatakan
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda
dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang
statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data.
Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan
data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika
mengasumsikan teori probabilitas. Beberapa istilah statistika antara
lain: populasi, sampel, unit sampel, dan probabilitas.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam
(misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi),
maupun di bidang bisnis, ekonomi, dan industri. Statistika juga digunakan
dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk merupakan salah satu
prosedur yang paling dikenal. Aplikasi statistika lainnya yang sekarang popular adalah
prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan umum),
serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count. Di bidang komputasi,
statistika dapat pula diterapkan dalam pengenalan pola maupun kecerdasan buatan
[Date]
Konsep dasar (Wikipedia, 2010)
4
5
Dalam mengaplikasikan statistika terhadap permasalahan sains, industri, atau sosial,

pertama-tama dimulai dari mempelajari populasi. Makna populasi dalam statistika dapat
berarti populasi benda hidup, benda mati, ataupun benda abstrak. Populasi juga dapat berupa
pengukuran sebuah proses dalam waktu yang berbeda-beda, yakni dikenal dengan
istilah deret waktu.
Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus. Sebuah
sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk itu, dalam statistika seringkali
dilakukan pengambilan sampel (sampling), yakni sebagian kecil dari populasi, yang dapat
mewakili seluruh populasi. Analisis data dari sampel nantinya digunakan untuk
menggeneralisasi seluruh populasi.
Jika sampel yang diambil cukup representatif, inferensial (pengambilan keputusan) dan
simpulan yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi secara
keseluruhan. Metode statistika tentang bagaimana cara mengambil sampel yang tepat
dinamakan teknik sampling.
Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya hal terlihat
banyak digunakannya uji statistika yang mengambil dasar pada sebaran peluang.
Sedangkanmatematika statistika merupakan cabang dari matematika terapan yang
menggunakan teori probabilitas dan analisis matematika untuk mendapatkan dasar-dasar
teori statistika.
Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika
deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians
dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data
mentah lebih mudah “dibaca” dan lebih bermakna. Sedangkan statistika inferensial lebih dari
itu, misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan, atau
membuat model regresi.
 Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan

dideskripsikan) atau disimpulkan, baik secara numerik (misalnya menghitung rata-rata
dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik), untuk
mendapatkan gambaran sekilas mengenai data tersebut, sehingga lebih mudah dibaca dan
bermakna.
 Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis,
melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi), membuat
permodelan hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.
Dalam perkembangannya untuk menyelesaikan suatu masalah dapat digunakan beber-

apa pendekatan antara lain statistika dalam arti sempit dan statistika dalam arti luas
(Sutrisno, 2004:221).
Statistika dalam arti sempit (Statistika Deskriptif) ialah statistika yang mendeskripsikan atau
[Date]
menggambarkan tentang data yang disajikan dalam bentuk tabel, diagram, pengukuran
tendensi sentral (rata-rata hitung, rata-rata ukur, dan rata-rata harmonik), pengukuran
5
6
penempatan (median, kuartil, desil, dan persentil), pengukuran penyimpangan (range,

rentangan antar kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku,
varians, koefisien varians, dan angka baku), angka indeks serta mencari kuatnya hubungan
dua variabel, melakukan peramalan (prediksi) dengan menggunakan analisis regresi linear,
membuat perbandingan (komparatif). Tetapi dalam analisis korelasi, regresi maupun
komparatif tidak perlu menggunakan uji signifikansi karena tidak bertujuan untuk membuat
generalisasi (sifat umum).
Statistika dalam arti luas (Statistika Inferensial/Statistika Induktif/Statistika Probabilitas)

yaitu suatu alat pengumpulan data, pengolahan data, menarik kesimpulan, membuat tindakan
berdasarkan analisis data yang dikumpulkan atau statistika yang digunakan menganalisis
data sampel dan hasilnya dimanfaatkan (generalisasi) untuk populasi.
Statistik berasal dari kata state (Yunani) yang mengandung pengertian sebagai rekapitulasi
dari fakta yang berbentuk angka-angka disusun dalam bentuk tabel dan diagram yang
mendeskripsikan suatu permasalahan. Adapun jenis tabel yang sering digunakan diantaranya,
yaitu : tabel biasa, tabel kontingensi, dan tabel distribusi frekuensi. Sedangkan jenis diagram
yang sering digunakan meliputi diagram batang ( bar chart), diagram garis atau grafik (line
chart), diagram lingkaran (pie chart), dan diagram peta (area chart).
Pengertian Data
Datum adalah informasi tentang suatu masalah atau keadaan .
Data adalah sekumpulan informasi yang dapat menggambarkan suatu keadaan (kumpulan
dari datum-datum) .
Data statistik dapat diperoleh dengan cara-cara berikut.
a. Survei, yaitu suatu daftar pertanyaan dengan pilihan jawaban yang telah ditentukan
atau terbuka yang diberikan kepada responden (objek yang diteliti).
b. Review, yaitu mengambil data dari literatur lain yang sudah terbit. Misalnya,
mengambil data dari laporan tahunan Jasa Marga untuk mengetahui banyak
kecelakaan yang terjadi di jalan tol.
c. Observasi, yaitu mengambil data dari pengamatan atau penelitian langsung. Misalnya,
mencatat tinggi pertumbuhan kecambah yang disimpan dalam toples dalam waktu tiga
hari.
Macam-Macam Data
Data dapat dikelompokkan menjadi 2 (dua) menurut jenisnya diantaranya sebagai berikut.
a. Data Kuantitatif adalah data yang dapat dinyatakan dengan bilangan. Data kuantitatif
dibagi menjadi 2 (dua), yaitu :
1. Data Diskrit/ data cacahan adalah data yang didapat dari hasil menghitung.
Contoh : banyaknya mahasiswa SPB adalah 600 orang, terdiri dari 300 orang dari
divisi Akomodasi, dan 300 orang dari divisi Pelayaran.
2. Data Kontinu/ data ukuran/ data timbangan adalah data yang diperoleh dari hasil
[Date]
mengukur/ menimbang dengan alat ukur valid.

Contoh : berat badan, takaran saji, dll
6
7
b. Data Kualitatif adalah data yang tidak dapat dinyatakan dengan bilangan (menyatakan
mutu atau kualitas).
Contoh : data jenis kelamin, data kegemaran mahasiswa, dll.
Data yang baru dikumpulkan dan belum diolah disebut data mentah. Metode pengumpulan
data ada 2 (dua), sebagai berikut.
a. Metode Sampling adalah pengumpulan data dengan meneliti sebagian anggota
populasi
b. Metode Sensus adalah pengumpulan data dengan meneliti semua anggota populasi
Syarat-Syarat Data yang Baik

Berikut adalah syarat-syarat data yang baik.
a. Objektif, artinya data yang digunakan haruslah data yang menggambarkan keadaan
yang sebenar-benarnya.
b. Relevan, artinya data yang digunakan harus ada hubungannya dengan permasalahan
yang sedang diteliti.
c. Terkini (up to date), artinya data yang digunakan harus data yang terkini atau yang
sesuai zaman.
d. Terpercaya, artinya data tersebut harus diperoleh dari sumber yang dapat dipercaya.
Populasi dan Sampel

Population/ Populasi adalah keseluruhan objek yang akan diteliti (diamati). Populasi
merupakan totalit-as semua nilai yang mungkin hasil menghitung atau mengukur, kuantitatif
maupun kualitatif mengenai karakteristik tertentu dari semua anggota kumpulan yang
lengkap dan jelas yang ingin dipelajari sifat-sifatnya.
Sample/ Sampel (contoh) adalah sebagian yang diambil dari populasi. Pengambilan sampel
harus dapat mewakili (representatif) bagi populasi itu sendiri. Contoh akan diadakan
penelitian tentang pengaruh pemakaian pupuk urea pada tanaman padi di wilayah kecamatan
yang terdiri atas 15 buah desa dan sebagai lahan penelitian tadi Pak Camat menunjuk 4 desa.
Populasinya adalah seluruh desa (15 desa) di kecamatan itu dan sebagai sampelnya adalah 4
desa.
Landasan Kerja Statistik
Ada tiga jenis landasan kerja statistik, menurut Sutrisno Hadi (2004:222-223), yaitu :
a. Variasi, didasarkan atas kenyataan bahwa seorang peneliti atau penyelidik selalu
menghadapi persoalan dan gejala yang bermacam-macam (variasi) baik dalam bentuk
tingkatan dan jenisnya.
b. Reduksi, hanya sebagian dari seluruh kejadian yang hendak diteliti (penelitian
sampling)
c. Generalisasi, sekalipun penelitian dilakukan terhadap sebagian dan seluruh kejadian
yang hendak diteliti, namun kesimpulan dari penelitian ini akan diperuntukkan bagi
keseluruhan kejadian atau gejala yang hendak diambil.
[Date]
7
8
Karakteristik Pokok Statistik

Ada beberapa karakteristik atau ciri-ciri pokok statistik sebagai berikut :
a. Statistik bekerja dengan angka. Angka-angka ini dalam statistik mempunyai 2 (dua)
pengertian, yaitu :
1. Angka statistik sebagai jumlah atau frekuensi dan angka statistik sebagai nilai atau
harga. Pengertian ini mengandung arti bahwa data statistik adalah data kuantitatif.
Contoh : jumlah pegawai Pemda Kota Denpasar, jumlah dosen SPB/STPBI, dll.
2. Angka statistik sebagai nilai mempunyai arti data kualitatif yang diwujudkan dalam
angka. Contoh : nilai kepribadian, nilai kecerdasan mahasiswa, metode mengajar
dosen, kualitas sekolah, dll.
b. Statistik bersifat objektif. Statistik bekerja dengan angka sehingga mempunyai sifat
objektif artinya angka statistik dapat digunakan sebagai alat pencari fakta, pengungkap
kenyataan yang ada dan memberikan keterangan yang benar, kemudian menentukan
kebijakan sesuai fakta dan temuannya diungkapkan apa adanya.
c. Statistik bersifat universal (umum). Statistik tidak hanya digunakan dalam salah satu
disiplin ilmu saja, tetapi dapat digunakan secara umum dalam berbagai bentuk disiplin
ilmu pengetahuan dengan penuh keyakinan.
Manfaat dan Kegunaan Statistika
Statistika dapat digunakan sebagai alat, meliputi :

a. Komunikasi ialah sebagai penghubung beberapa pihak yang menghasilkan data
statistik atau berupa analisis statistik sehingga beberapa pihak tersebut akan dapat
mengambil keputusan melalui informasi tersebut.
b. Deskripsi yaitu penyajian data dan mengilustrasikan data, misalnya mengukur hasil
produksi, laporan hasil liputan berita, indeks harga konsumen, laporan keuangan,
tingkat inflasi, jumlah penduduk, hasil pendapatan dan pengeluaran negara dan lain
sebagainya.
c. Regresi yaitu meramalkan pengaruh data yang satu dengan data lainnya dan untuk
mengantisipasi gejala-gejala yang akan datang.
d. Korelasi yaitu untuk mencari kuat atau besarnya hubungan data dalam suatu
penelitian.
e. Komparasi yaitu membandingkan data dua kelompok atau lebih.
Catatan :
Penggunaan statistika atau prosedur statistika harus didasarkan pada :

1. Sifat data yang tersedia
2. Masalah yang dihadapi
Variabel
[Date]
Variabel adalah karakteristik yang dapat diamati dari sesuatu (objek), dan mampu
memberikan bermacam-macam nilai atau kategori atau lebih dikenal dengan data mentah
8
9
untuk statistika. (Suwarno, 2005: 1-2). Maksudnya jika apa yang kita amati berubah-ubah
dari waktu ke waktu hingga menimbulkan perbedaan antara subjek yang satu dengan subjek
yang lainnya, maka objek-objek tersebut kita nyatakan bervariasi, dalam istilah statistika
variasi dari objek-objek ini dikatakan sebagai variabel.
Contoh : berat adalah variasi, sebab semua objek beratnya tidak sama dan suatu objek dapat
saja beratnya berubah-ubah dari waktu ke waktu, selain itu contoh lainnya umur, nilai
kemampuan belajar, jenis kelamin, kepercayaan.
Ciri-Ciri Variabel :
a. Ciri-ciri suatu objek (orang atau benda)
b. Dapat diamati
c. Berbeda dari satu observasi ke observasi lainnya
Skala
Apabila data dari suatu variabel akan dipergunakan dalam analisis statistika maka data
itu harus tersusun dengan cara yang sistematis (teratur). Kita perlu mendefinisikan setiap
variabel secara operasional, artinya harus mampu menjelaskan dengan langkah-langkah yang
perlu sesuai dengan kemungkinan-kemungkinan untuk mengubah nilai-nilai yang terkandung
di dalamnya.
Definisi seperti itu memerlukan gambaran yang jelas dari ciri-ciri atau sifat-sifat yang
akan diamati dan memerlukan spesifikasi dari kategori yang variasinya perlu dicatat. Para
ahli statistika menyebut prosedur pendefinisian variabel secara operasional tersebut dengan
istilah scaling dan hasilnya disebut scale atau skala.
Contoh dapat diambil pada variabel kelas sosial yang sering dipakai oleh para peneliti
ilmu-ilmu sosial (termasuk pendidikan) kadang-kadang diskalakan menjadi kaya-sedang-
miskin.
Tipe pengukuran (Wikipedia, 2010)
Ada empat tipe skala pengukuran yang digunakan di dalam statistika, yaitu nominal, ordinal,
interval, dan rasio. Keempat skala pengukuran tersebut memiliki tingkat penggunaan yang
berbeda dalam pengolahan statistiknya.
 Skala nominal hanya bisa membedakan sesuatu yang bersifat kualitatif atau kategoris,
misalnya jenis kelamin, agama, dan warna kulit.
 Skala ordinal selain membedakan sesuatu juga menunjukkan tingkatan, misalnya
pendidikan dan tingkat kepuasan pengguna.
 Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol mutlak sehingga
titik nol dapat digeser sesuka orang yang mengukur, misalnya tahun dan suhu dalam
Celcius.
 Skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak dan tidak dapat
digeser sesukanya, misalnya adalah suhu dalam Kelvin, panjang, dan massa.
[Date]
Masalah Yang Dihadapi
9
10
Terdapat ratusan teknik statistika yang tersedia bagi para peneliti. Dari sekian banyak,
mungkin hanya puluhan saja diantaranya yang dipergunakan secara teratur. Meskipun
demikian, yang sedikit jumlahnya itu sering menimbulkan persoalan (membingungkan).
Untuk menghindari kebingungan tersebut, setiap pengguna sebaiknya memahami terlebih
dahulu cara-cara penggunaannya secara baik.
Secara sederhana statistika yang sering dipergunakan dalam ilmu-ilmu sosial berkisar
pada :
a. Meringkas hasil observasi variabel univariate (tunggal).
b. Menggambarkan hubungan relasi atau asosiasi.
c. Membuat keputusan (inference).
Perhatikan kasus berikut :
Kasus 1. Tahun ini jumlah mahasiswa dalam kelasku tidak terlalu banyak, tetapi
ruangannya semakin bersih dan terang benderang .
Disini, peneliti ingin menggambarkan beberapa variabel sekaligus, mahasiswanya,
ruangannya dan penerangannya. Tetapi gambaran tersebut jika dilihat dari kata-
katanya terasa terlalu panjang, dan masih dapat diringkas misalnya,
Tahun ini suasana kelas baik ungkapan ini boleh dibilang adalah bahasa umum.
Sebenarnya dapat juga digunakan bahasa statistika yaitu,
Jumlah mahasiswa di kelasku tahun ini 15 orang, ruang kelasnya bersih sekali, dan
lampu penerangannya 1000 watt. dari ungkapan tersebut dapat dirasakan segalanya
serba akurat.
Kasus 2. Tahun ini jumlah kecelakaan lalu lintas di kota Bandung sangat tinggi . Dapat
lebih akurat jika dikatakan . Tahun ini angka rata-rata kecelakaan lalu lintas di kota
Bandung 10 kali lipat dibandingkan dengan tahun-tahun sebelumnya
Pengambilan Keputusan
Pengambilan keputusan dilakukan setelah dilakukan terhadap beberapa kejadian/

observasi. Pengambilan keputusan didasarkan pada pandangan umum (generalisasi). Jadi
tidak sembarangan seorang peneliti mengambil keputusan, melainnkan didasarkan pada hasil
generalisasi.
Metode Statistika
Dua jenis penelitian: eksperimen dan survai

Terdapat dua jenis utama penelitian: eksperimen dan survei. Keduanya sama-sama
mendalami pengaruh perubahan pada peubah penjelas dan perilaku peubah respon akibat
perubahan itu. Beda keduanya terletak pada bagaimana kajiannya dilakukan.
Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi perlakuan
terhadap sistem, dan kemudian melakukan pengukuran (lagi) dengan cara yang sama
terhadap sistem yang telah diperlakukan untuk mengetahui apakah perlakuan mengubah
[Date]
nilai pengukuran. Bisa juga perlakuan diberikan secara simultan dan pengaruhnya diukur
10
11
dalam waktu yang bersamaan pula. Metode statistika yang berkaitan dengan pelaksanaan
suatu eksperimen dipelajari dalam rancangan percobaan (desain eksperimen).
Dalam survey, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji. Data
dikumpulkan dan hubungan (korelasi) antara berbagai peubah diselidiki untuk memberi
gambaran terhadap objek penelitian. Teknik-teknik survai dipelajari dalam metode survei.
Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik, ilmu
pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen.
Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan
dengan perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi, kedokteran
masyarakat, dan industri.
Teknik-teknik statistika
Beberapa pengujian dan prosedur yang banyak digunakan dalam penelitian antara lain:
 Analisis regresi dan korelasi

 Analisis varians (ANOVA)
 khi-kuadrat
 Uji t-Student
Statistika Terapan
Bebebarapa ilmu pengetahuan menggunakan statistika terapan sehingga mereka memiliki
terminologi yang khusus. Disiplin ilmu tersebut antara lain:
 Aktuaria (penerapan statistika dalam bidang asuransi)

 Biostatistika atau biometrika (penerapan statistika dalam ilmu biologi)
 Statistika bisnis
 Ekonometrika
 Psikometrika
 Statistika sosial
 Statistika teknik atau teknometrika
 Fisika statistik
 Demografi
 Eksplorasi data (pengenalan pola)
 Literasi statistik
 Analisis proses dan kemometrika (untuk analisis data kimia analis dan teknik kimia)
Statistika memberikan alat analisis data bagi berbagai bidang ilmu. Kegunaannya bermacam-
macam: mempelajari keragaman akibat pengukuran, mengendalikan proses, merumuskan
informasi dari data, dan membantu pengambilan keputusan berdasarkan data. Statistika,
karena sifatnya yang objektif, sering kali merupakan satu-satunya alat yang bisa diandalkan
untuk keperluan-keperluan di atas.
[Date]
Latihan Evaluasi :
11
12
1. Apa yang dimaksud dengan statistika deskriptif dan statistika induktif ?

Jawab :
2. Berikan contoh data kontinu!
Jawab :
3. Jelaskan apa yang dimaksud dengan sampel dan populasi serta berikan masing-masing
satu contohnya!
Jawab :
4. Sebutkan beberapa syarat data yang baik!
Jawab :
5. Uraikan pengertian data harus representatif!
Jawab :
Selamat Mengerjakan
BAB 2
Penyajian Data Dalam Bentuk Diagram
Standar Kompetensi : Mahasiswa menjelaskan tentang penyajian data dalam statistika

Kompetensi Dasar : 1) Penyajian data dalam bentuk diagram
2) Penyajian data dalam bentuk tabel
Refferensi :
Bandung : Alfabeta.
1. Diagram Batang Daun (Stem and leaf)

Diagram batang daun terdiri atas dua bagian, yaitu bagian batang dan bagian daun.
Bagian batang pada umumnya memuat satu angka dan bagian daun memuat satu angka
atau lebih. Misalnya, 56 dapat dipisahkan menjadi lima pada bagian batang dan enam
pada bagian daun.
[Date]
Langkah-langkah yang diperlukan untuk membuat diagram batang daun sebagai berikut.
12
13
a. Tuliskan bagian batang secara berurut, paling besar diatas sampai paling kecil diba-
wah.
b. Tuliskan bagian daun dari setiap ukuran (bilangan) pada batang yang bersesuaian.
c. Urutkan daun pada setiap batang dari yang kecil di sebelah kiri sampai yang paling
besar di sebelah kanan.
[Date]
13
14
Contoh :
Buatlah diagram batang daun berdasarkan data berikut,
32 75 39 46 56 63 89 38 92 58 54
44 69 93 64 51 81 64 88 45 41 69
56 60 74 72 48 78 78 77 57 74
64 72 84 75 86 52 66 49 87 37
Jawab :
Pertama-tama dibuat diagram batang daun di sebelah kiri dengan menggunakan langkah
a) dan b). kemudian membuat diagram batang daun di sebalah kanan dengan
menggunakan langkah c).
Batang Daun Batang Daun

9 2 3 9 2 3
8 9 1 8 4 6 7 8 1 4 6 7 8 9
7 5 4 2 8 8 7 4 2 7 2 2 4 4 5 7 8 8
6 3 9 4 4 9 0 4 6 6 0 3 4 4 4 6 9 9
5 6 8 4 1 6 7 2 5 1 2 4 6 6 7 8
4 6 4 5 1 8 9 4 1 4 5 6 8 9
3 2 9 8 7 3 2 7 8 9
2. Diagram Kotak Garis

Diagram kotak garis menampilkan statistik lima serangkai, yaitu data terkecil, data
terbesar, kuartil bawah (Q1), kuartil tengah (Q2), dan kuartil atas (Q3).
Langkah-langkah yang digunakan untuk membuat diagram kotak garis sebagai berikut.
a. Urutkan data dari nilai terkecil sampai nilai terbesar, dengan
menggunakan diagram batang daun.
b. Tentukan ukuran terkecil dan ukuran terbesar.
c. Tentukan nilai kuartil ke-1(Q1), kuartil ke-2 (Q2), dan kuartil ke-3 (Q3).
d. Buatlah diagram kotak garis dengan cara membuat kotak persegi
panjang, lebar paling kiri pada persegi panjang menandakan nilai (Q 1) dan lebar
persegi panjang paling kanan menandakan letak nilai (Q3).
[Date]
14
15
Contoh :
Gambarkanlah diagram kotak garis untuk data berikut.
50 31 63 43 84 55 71 49 74 76
70 52 42 90 60 57 77 62 58 68
62 62 85 65 50 61 32 66 87 78
71 40 54 45 69 72 53 78 78 35
73 50 48 64 72 56 77 56 46 98
Jawab :
Pertama-tama kita akan mengurutkan angka-angka tersebut dari angka terkecil hingga
angka terbesar (untuk mempermudah kita saja), sehingga diperoleh data urutan sebagai
berikut, 50
31 32 35 40 42 43 45 46 48 49
50 50 50 52 53 54 55 56 56 57
58 60 61 62 62 62 63 64 65 66
68 69 70 71 71 72 72 73 74 76
77 77 78 78 78 84 85 87 90 98
Berdasarkan tabel diatas, didapatkan :
 Nilai terkecil adalah 31
 Nilai terbesar adalah 98
Letak Kuartil ke-1 = jadi data, Q1 ada
pada urutan ke-12,75 atau antara suku ke 12 dan ke 13.
 Nilai Q1 = suku ke 12 +1/4(suku ke 13-suku ke 12) = 50 + ¼(50-50)=
50 + ¼(0)= 50 + 0=50 . Sehingga kita dapatkan Q1 = 50
Letak Kuartil ke-2 = atau letak Q2 antara
suku ke 25 dan suku ke 26. Jadi nilai Q2 = suku kke 25 +1/2(suku ke 26-suku ke
25)= 62 +1/2(62-62)= 62 + ½ (0)= 62 jadi kita dapatkan Q2 = 62
Letak Kuartil ke-3 = jadi data, Q3 ada
pada antara suku ke 38 dan ke 39. kita dapatkan Q3 = suku ke 38+3/4(suku ke 39-
suku ke 38) = 73+0,75(74-73) = 73+0,75 = 73,75
Dengan demikian diagram garisnya dapat dilihat pada gambar berikut,
Q1  50 Q2  62 Q3  73
       
30 40 50 60 70 80 90 100
3. Diagram Lambang
Figure 1 (Piktogram)
Diagram lambang menggunakan lambang tertentu untuk menyatakan keterangan yang
bersesuaian. Setiap satu lambang menyatakan satu kuantitas tertentu.
[Date]
Contoh :
15
16
Produksi kopi (dalam ton) negara A disajikan dalam tabel berikut.

Tahun 1970 1980 1990 2000
Produksi 17,1 23,2 32,4 39,8
Berikut diagram lambang dari data tersebut,
1970 ** ** ** *
1980 ** ** ** ** *
1990 ** ** ** ** ** ** *
2000 ** ** ** ** ** ** ** *
Keterangan, ** = 5 ton.
4. Diagram Batang (Bar chart)

Diagram batang merupakan suatu diagram yang berbentuk panjang yang dilengkapi
dengan skala sehingga ukuran terlihat dengan jelas pada diagram.
Contoh :
Data jenis kendaraan Diagram batang dari data disamping sebagai berikut,
Jenis kendaraan Frekuensi frekuensi
Bus kota 10
Sepeda motor 16
Sepeda 20 20
Mobil pribadi 12 15
Keterangan, 10
jenis
A = Bus kota 5 kendaraan
B = Sepeda motor
A B C D
C = Sepeda
D = Mobil pribadi
5. Diagram Garis
Diagram garis umumnya digunakan untuk menyajikan data yang diperoleh dari waktu ke
waktu secara teratur dalam jangka waktu tertentu.
Contoh :
Data suhu ruangan Berikut diagram garis dari data di samping
Waktu Suhu (oC)
Suhu ( oC )
06.00 16
08.00 17 20 
10.00 18 19 
12.00 20 18 
14.00 19 17  
16.00 17 16 
18.00 15 15 
[Date]
Waktu
06.00 08.00 10.00 12.00 14.00 16.00 18.00
16
17
6. Diagram Lingkaran (Pie Chart)

Pada diagram lingkaran, keseluruhan data digambarkan dengan daerah lingkaran, seda-
ngkan bagian dari data digambarkan dengan menggunakan juring atau sektor.
Contoh :
Data pekerjaan penduduk desa Ubud tahun 2001
No Jenis Pekerjaan Frekuensi
1. Wiraswasta 200
2. Pegawai Negeri 100
3. Petani 70
4. TNI/POLRI 30
Jumlah 400
Diagram lingkaran dari informasi di atas sebagai berikut,
wiraswasta
180o
ABRI pegawai
27 o negeri
petani o
90
63o
diagram lingkarannya tampak pada gambar disamping,
7. Histogram dan Poligon Frekuensi

Histogram menggambarkan frekuensi-frekuensi dalam kelas-kelas dalam bentuk batang-
batang (persegi panjang) yang saling berimpitan. Titik-titik tengah ujung batang (persegi
panjang) dihubungkan, diperoleh poligon frekuensi.
Contoh :
Diberikan data hasil ujian statistika mahasiswa sebagai berikut,
Nilai 41-50 51-60 61-70 71-80 81-90 91-100 Jumlah
Frekuensi 6 14 8 5 5 2 40
Berikut gambar histogram dan poligon frekuensi dari data diatas,
frekuensi
14
15 histogram
10 8
poligon
[Date]
6
5 5
5 2
nilai
45,555,5 65,575,5 85,595,5
17
18
8. Ogive
Grafik ogive dibuat dari daftar sebaran “frekuensi kumulatif kurang dari” dan “ frekuensi
kumulatif lebih dari”.
Contoh :
Perhatikan daftar distribusi frekuensi berikut.
Berat Frekuensi Untuk membuat ogive dari data di samping, diperlukan bantuan
40-44 4 berikut.
45-49 6 Berat(Tepi Bawah) Fkum < Fkum ≥
50-54 10 39,5 0 50
55-59 20 44,5 4 46
60-64 7 49,5 10 40
54,5 20 30
65-69 3
59,5 40 10
Jumlah 50 64,5 47 3
69,5 50 0
Berdasarkan tabel di atas, dapat dibuat grafik ogive sebagai berikut.

 Frekuensi kumulatif “kurang dari” pada distribusi frekuensi berat badan
50 siswa.
frekuensi
50 

40 
30
20 

10 
 berat
0 39,5 44,5 49,5 54,5 59,5 64,5 69,5
 Frekuensi kumulatif “lebih dari” pada distribusi frekuensi berat badan 50
siswa.

frekuensi
50 

40 
30 
20
[Date]
10 

 berat
0 39,5 44,5 49,5 54,5 59,5 64,5 69,5
18
19
Latihan Evaluasi
1. Buatlah histogram dan poligon frekuensi dari data berikut!
Berat Badan 50 Mahasiswa (dalam kg)
Berat Badan 40-44 45-49 50-54 55-59 60-64 65-69 Jumlah
Frekuensi 4 6 10 20 7 3 50
Jawab :
2. Buatlah diagram lambang (piktogram) tentang banyaknya komputer yang terjual di
sebuah toko komputer selama 4 bulan pertama pada tahun 2008 sebagai berikut!
Bulan Januari Pebruari Maret April
Banyaknya penjualan 20 25 35 40
Jawab :
3. Banyaknya sapi yang dipotong dari tahun 2003 sampai tahun 2006 di kota Bandung,
sebagai berikut!
Tahun 2003 2004 2005 2006
Banyaknya 70.753 68.424 70.005 77.712
Dari data diatas, buatlah diagram batangnya
Jawab :
4. Dari hasil pendapatan di suatu kelurahan terdapat 240 orang siswa dengan data sebagai
berikut.
Pendidikan SD SMP SMA Perguruan Tinggi
Frekuensi 100 70 50 20
Buatlah diagram lingkarannya!
Jawab :
5. Data berat badan (dalam kg) dari 40 orang mahasiswa adalah sebagai berikut.
62 78 70 58 65 54 69 71 67 74
64 65 59 68 70 66 80 54 62 83
77 51 72 79 66 83 63 67 61 71
64 59 76 67 59 64 70 73 67 56
Buatlah diagram batang daunnya!
Jawab :
Selamat Mengerjakan
Penyajian Data Dalam Bentuk Tabel
1. Macam-macam Tabel
Didasarkan atas pengukuran datanya, tabel dapat dibedakan atas beberapa jenis, yaitu
[Date]
tabel frekuensi, tabel klasifikasi, tabel kontingensi, dan tabel korelasi.
19
20
a. Tabel Frekuensi
Tabel frekuensi adalah tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.
Contoh :
Hasil Ujian Tengah Semester Ganjil_Mata Kuliah Statistika
Nilai 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 Jml
Jumlah
3 5 6 8 12 15 10 7 4 70
Siswa
b. Tabel Klasifikasi
Tabel klasifikasi adalah tabel yang menunjukkan atau memuat pengelompokan data.
Tabel klasifikasi dapat berupa tabel klasifikasi tunggal dan ganda.
Contoh :
Tabel klasifikasi tunggal
Jumlah Kambing di Kota Y Tahun
Tabel Klasifikasi Ganda
2008 Menurut Jenisnya
Sapi Perah di Kota Y Tahun 2008 Menurut Jenis
Jenis Jumlah (ekor) Sapi dan Pengusaha
Jantan 57 Jenis Sapi Pengusaha
Jumlah
Betina 345 Perah A B C
Jumlah 402 Fries Holland 508 198 225 85
Jersey 150 45 30 75
Ayrshire 125 30 25 70
Jumlah 783 273 280 230
c. Tabel Kontingensi
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuai dengan
rinciannya. Apabila bagian baris tabel berisikan baris dan bagian kolom tabel
berisikan kolom, maka didapatkan tabel kontingensi berukuran .
Contoh :
Luas Areal yang Telah Terbit Izin Lokasinya di Kota Bandung
Berdasarkan Jenis Kegiatan Tahun 2004-2008
Tahun Industri Perumahan Jasa Jumlah
2004 567.620 2.170.000 229.584 2.976.204
2005 245.018 106.000 170.123 522.141
2006 381.627 178.100 269.372 829.099
2007 380.500 179.300 269.512 829.312
2008 - 211.866 800.000 1.011.866
d. Tabel Korelasi
[Date]
Tabel korelasi adalah tabel yang menunjukkan atau memuat adanya korelasi
(hubungan) antara data yang disajikan.
20
21
Contoh :
Hasil Ujian Statistika dan Pengantar Ilmu Lingkungan di Suatu Sekolah
Nilai Nilai Pengantar Ilmu Lingkungan
Statistika 40-49 50-59 60-69 70-79 80-89 90-99
90-99 2 4 4
80-89 1 4 6 5
70-79 5 10 8 1
60-69 1 4 9 5 2
50-59 3 6 6 2
40-49 3 5 4
e. Tabel Distribusi Frekuensi

Tabel distribusi frekuensi adalah statistika untuk menyusun data dengan cara memb-
agi nilai observasi kedalam kelas-kelas dengan interval tertentu.
Berikut langkah-langkah membuat tabel distribusi frekuensi.

Misalkan diberikan data sebagai berikut,
58 53 56 64 50 50 55 57 56 56
71 72 50 77 83 80 88 43 60 68
70 71 60 55 42 58 83 92 95 47
51 82 70 57 67 82 55 69 72 65
1. Daerah Jangkauan
Jangkauan data (range) adalah selisih nilai terbesar (maksimum) dengan nilai
terkecil (minimum).
Jangkauan diformulasikan dengan :
Jangkauan dari data diatas adalah :
2. Banyaknya Kelas
Untuk menetapkan banyaknya kelas, digunakan aturan H.A Sturges, yaitu
Dengan, = banyaknya kelas, dan = banyaknya data (frekuensi)

Banyaknya kelas dari data diatas adalah :
= 1+ 3,3 log (40) = 6,286 = 6 (dibulatkan)

3. Panjang kelas(Interval Kelas)
Interval kelas atau panjang kelas adalah jangkauan data dibagi banyaknya kelas
atau dirumuskan dengan :
[Date]
21
22
Dengan, = panjang kelas, = jangkauan data, dan = banyaknya kelas.

Sehingga, panjang kelas dari data diatas adalah :
P = 53/6 = 8,8 = 9
Berarti data tersebut dapat dikelompokkan menjadi 6 kelas dengan panjang kelas
9 dan batas bawah kelas pertama 42. Sehingga tabel distribusi frekuensi dari data
diatas didapatkan
Nilai Frekuensi
42-50 6
51-59 12
60-68 6
69-77 8
78-86 5
87-95 3
Jumlah 40
`
4. Batas Kelas dan Tepi Kelas
Batas kelas interval kelas adalah nilai-nilai ujung yang terdapat pada suatu
interval kelas.
Batas bawah kelas : nilai ujung bawah pada suatu interval kelas.
Batas atas kelas : nilai ujung atas pada suatu interval kelas.
Dari tabel distribusi diatas didapatkan
Batas bawah kelas : 42, 51, 60, 69, 78dan 87
Batas atas kelas : 50, 59,68, 77, 86, dan 95
Adapun rumus tepi kelas sebagai berikut,
Tepi bawah kelas : batas bawah kelas – 0,5
Tepi atas kelas : batas atas kelas + 0,5
Dari tabel distribusi diatas didapatkan
Tepi bawah kelas : 41,5; 50,5; 59,5; 68,5 77,5; dan 86,5
Tepi atas kelas : 50,5; 59,5; 68,5; 77,5; 86,5; dan 95,5
5. Titik Tengah Kelas
Titik tengah kelas atau nilai tengah kelas adalah nilai yang terletak di tengah-
tengah kelas, yang dianggap mewakili suatu interval kelas tertentu. Titik tengah
kelas dari data tersebut adalah : 46, 55, 64, 73, 82 dan 91
Contoh cara mencari nilai tengah kelas,
Ambil tepi bawah kelas dan tepi atas kelas berturut-turut 41,5 dan 50,5; dengan
demikian
dari( Bb + Ba)/2= (42+50)/2 = 46 dst
Pada KI 1: Bb =42, Ba = 50 sehingga Titik tengah kelas = X = (42 + 50)/2 =46  Titik tengah KI 1
Utk KI ke 2 dst tinggal KI 1 + lebar kelas =9  Titik tengah KI 2 = 55, KI3 = 64 dst
[Date]
6. Frekuensi Kumulatif dan Frekuensi Relatif
22
23
Frekuensi Kumulatif
Distribusi frekuensi kumulatif adalah sebuah distribusi yang menyatakan freku-
ensi total yang ada dibawah batas bawah atau frekuensi total yang ada diatas
bawah suatu kelas. Distribusi kumulatif yang ada di bawah batas bawah disebut
frekuensi kumulatif kurang dari, dan yang ada diatas atau sama dengan batas
bawah disebut frekuensi kumulatif lebih dari atau sama dengan.
Contoh :
Diberikan tabel distribusi frekuensi sebagai berikut.
Kelas Frekuensi
52-58 2
59-65 15
66-72 12
73-79 28
80-86 10
87-93 8
94-100 5
Jumlah 80
Jawab :
Frekuensi Kumulatif “kurang dari”
Kelas Frekuensi Kumulatif

< 52 0
< 59 2
< 66 17
< 73 29
< 80 57
< 87 67
< 94 75
< 101 80
Frekuensi Kumulatif “lebih dari atau sama dengan”
Kelas Frekuensi Kumulatif

52 80
59 78
66 63
73 51
80 23
87 13
94 5
[Date]
101 0
23
24
Frekuensi Relatif
Frekuensi relatif adalah perbandingan antara frekuensi setiap kelas dengan
jumlah frekuensi seluruhnya yang dinyatakan dalam persen.
Contoh :
Kelas Frekuensi Frekuensi Relatif (%)
52-58 2 2,50
59-65 15 18,75
66-72 12 15,00
73-79 28 35,00
80-86 10 12,50
87-93 8 10,60
94-100 5 6,25
Jumlah 80 100
Latihan Evaluasi
1. Diberikan data tingkat kecerdasan IQ dari 50 anak, sebagai berikut

88 80 95 92 94 98 93 94 104 102
106 101 108 103 107 108 104 102 119 110
111 113 116 111 113 114 116 119 110 115
119 116 128 122 124 129 126 127 125 123
124 138 131 137 135 136 138 134 149 146
Tentukan :
a. Jangkauan data
b. Banyak kelas
c. Interval kelas
d. Tabel distribusi frekuensi
e. Batas kelas
f. Buat grafik histogram dan polygon
Jawab :
2. Dari tabel di bawah, tentukanlah :
Nilai 20-29 30-39 40-49 50-59 60-69 70-79 80-89
Frekuensi 7 18 29 45 31 12 8
a. Batas bawah kelas pada setiap kelas interval
b. Batas atas kelas pada setiap kelas interval
c. Tepi bawah kelas pada setiap kelas interval
d. Tepi atas kelas pada setiap kelas interval
e. Titik tengah kelas pada setiap kelas interval
Jawab :
[Date]
Selamat Mengerjakan
24
25
Standar Kompetensi : Mahasiswa mampu menjelaskan tentang ukuran pemusatan data

(Statistika Deskriptif Bagian 1)
Kompetensi Dasar : 1) Mean (Rata-Rata Hitung)
2) Median (Me/Nilai Tengah)
3) Modus
4) Rata-Rata Harmonis
5) Rata-Rata Geometris
Refferensi :
Bandung : Alfabeta.
BAB 3
Ukuran Pemusatan Data (Tendensi Central of Datas) adalah nilai tunggal dari data yang dapat
memberikan gambaran yang lebih jelas dan singkat tentang disekitar mana data tersebut
memusat, serta dianggap mewakili seluruh data.
Mean (Rata-Rata Hitung)
1. Rata-rata hitung data tunggal

Berikut formula untuk rata-rata hitung,
Contoh :
Tentukan rataan hitung dari data : 1, 5, 10, 25, 40, 50, 61, 75, 75.
Jawab :
[Date]
dan
25
26
Jadi, rataan hitung dari data tersebut adalah 38.

2. Rata-rata hitung data berkelompok
Formula untuk rata-rata hitung data kelompok,
Contoh :
Tentukan rata-rata hitung dari data berikut,
Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
Frekuensi 2 6 7 20 8 4 3 50
Jawab :
Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
Nilai tengah (xi) 55 62 69 76 83 90 97
Frekuensi (fi) 2 6 7 20 8 4 3 50
Fi.xi 110 372 483 1.520 664 360 291 3.800
Jadi, rata-rata hitungnya adalah 76.
Median (Me/Nilai Tengah)
Median adalah nilai tengah dari kumpulan data yang telah diurutkan dari yang terkecil ke
data terbesar.
1. Median data tunggal

Formula :
Artinya median terletak pada (baca : nomor Me) setelah data diurutkan dari yang
terkecil ke data terbesar.
Contoh :
Nilai Statistika dari 20 orang mahasiswa adalah :
65 70 84 32 78 56 47 85 76 99
80 82 67 65 82 68 84 98 85 72
Carilah median dari data tersebut!
Jawab :
[Date]
Setelah data diurutkan, selanjutnya didapatkan data urutan sebagai berikut.

32 47 56 65 65 67 68 72 76 78
26
27
79 80 82 82 84 84 85 85 98 99
terletak pada data nomor ke-10,5; yaitu berada diantara data 78 dan 79, maka
Jadi, median data tersebut adalah 78,5.
2. Median data kelompok

Untuk menentukan letak median pada data berkelompok digunakan rumus Nme pada suku
ke ½(n)
Untuk menghitung median dari data yang telah dikelompokkan,

dipergunakan rumus :
Dengan :
= Tepi bawah kelas median
= Panjang kelas
= Banyak data
= Frekuensi kumulatif sebelum kelas median
= Frekuensi kelas median
Contoh :
Berat badan dari 65 orang tampak seperti tabel berikut. Carilah median dari data
dibawah
Berat Badan (kg) Frekuensi Fk <
50-59 8
60-69 10
70-79 16
80-89 14
90-99 10
100-109 5
110-119 2
Jumlah 65
Langkah-langkah,
Berat Badan (kg) Frekuensi Fk <
50-59 8 8 F b
60-69 10 18
70-79 16 34
80-89 14 48
[Date]
90-99 10 58
100-109 5 63
27
28
110-119 2 65
Jumlah 65
Letak md pada suku = berarti median ada pada nomor 32,5 yaitu interval ke-
3 yaitu Interval (70-79)Tb = 69,5 =b
akibatnya , dan ; = 10
Dengan demikian,
= 69,5 + 10 (65/2-18)/16
= 69,5 +145/16 = 69,5 + 9,006 = 78,506
Modus
Modus adalah data yang paling sering muncul atau memiliki frekuensi terbesar.
1. Modus data tunggal

Contoh :
Carilah modus dari kumpulan nilai berikut.
3, 4, 6, 5, 4, 1, 3, 3, 2, 7, 4
Jawab :
1 2 3 4 5 6 7
1 1 3 2 2 1 1
Tampak bahwa modusnya ialah 3, sebab 3 adalah nilai yang paling sering muncul
dibandingkan dengan nilai yang lain.
2. Modus data kelompok

Untuk menghitung modus dari data yang telah dikelompokkan, digunakan rumus sebagai
berikut.
Dengan :
= Modus
= Tepi bawah kelas modus
= Panjang kelas
= Frekuensi kelas modus dikurangi frekuensi kelas sebelumnya
= Frekuensi kelas modus dikurangi frekuensi kelas berikutnya
[Date]
Contoh :
28
29
Tinggi kecerdasan IQ dari 50 anak tampak seperti pada tabel berikut.

Daftar Distribusi IQ Anak
IQ 80-89 90-99 100-109 110-119 120-129 130-139 140-149 Jumlah
Frekuensi 2 6 10 14 9 7 2 50
Carilah modus dari data diatas!
Jawab :
Terlihat bahwa modus terletak pada kelas ke-4 (110-119), sehingga :
Sehingga,
Secara empiris hub antara Mean median dan Modus adalah: Mo = 3 Md-2 Mean
Rata-Rata Harmonis (H)
1. Rata-rata harmonis data tunggal

Rata-rata harmonis dari data tunggal dirumuskan sebagai berikut.
Contoh :
Carilah rata-rata harmonis dari bilangan-bilangan : 1, 1, 2, 2, 4, 4
2. Rata-rata harmonis data kelompok

Rumus untuk mencari rata-rata harmonis dari data yang telah dikelompokkan adalah :
[Date]
Contoh :
29
30
Diketahui data sebagai berikut.

Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
2 6 7 20 8 4 3 50
Tentukan rata-rata harmonisnya!
Jawab :
Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
55 62 69 76 83 90 97
2 6 7 20 8 4 3 50
0,0364 0,0968 0,1014 0,2631 0,0964 0,0444 0,0309 0,6694
Jadi, rata-rata harmonisnya adalah 74,69
Rata-Rata Geometris(G)
1. Rata-rata geometris dari data tunggal

Rata-rata geometris atau rata-rata ukur dari sekumpulan adalah akar
pangkat dari perkalian angka-angka tersebut, dinyatakan dengan rumus :
Contoh :
Tentukan rataan geometris dari : 1, 1, 2, 2, 4, 4  banyak data =n= 6
Jawab :
Jadi, rataan geometris dari data yang dikelompokkan adalah 2.
2. Rata-rata geometris dari data kelompok

Rumus untuk menentukan rata-rata geometris dari data kelompok adalah.
Contoh :
Diberikan data distribusi sebagai berikut,
Kelas 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
55 62 69 76 83 90 97
2 6 7 20 8 4 3 50
[Date]
1,7403 1,7924 1,8388 1,8088 1,9190 1,9542 1,9868

3,4806 10,7544 12,8716 37,6160 15,3520 7,8668 5,9601 93,8515
30
31
Jawab :
= 75,335=75,34
Jadi, rata-rata geometrisnya adalah 75,34
Latihan Evaluasi
1. Diberikan data pada tabel distribusi frekuensi berikut,

Interval f
145-149 4
150-154 9
155-159 21
160-164 40
165-169 18
170-174 8
Jumlah 100
Tentukan :
a. Mean
b. Median
c. Modus
d. Rata-rata harmonis
e. Rata-rata geometris
Jawab :
[Date]
Selamat Mengerjakan
31
32
Standar Kompetensi : Mahasiswa mampu menjelaskan tentang ukuran penyebaran data

(Statistika Deskriptif Bagian 2)
Kompetensi Dasar : 1) Jangkauan (Range)
2) Simpangan rata-rata (variansi/ragam)
3) Simpangan baku (standar deviasi/simpangan standar)
4) Nilai standar
5) Kuartil
6) Desil
7) Persentil
8) Koefisien variansi
9) Ukuran kemiringan dan keruncingan kurva
Refferensi :
Bandung : Alfabeta.
BAB 4
Definisi dan Kegunaan Ukuran Penyebaran Data
Ukuran penyebaran (variansi) adalah suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan nilai pusatnya.
Beberapa kegunaan ukuran penyebaran data antara lain :
a. Untuk menentukan apakah suatu nilai rata-rata dapat mewakili suatu rangkaian data
atau tidak,
b. Untuk mengadakan perbandingan terhadap variabilitas data, misalnya : upah kerja,
suhu udara, nilai saham, dan sebagainya, serta
c. Dapat membantu penggunaan ukuran statistika, misalnya : dalam membandingkan
antara ukuran sampel terhadap ukuran populasi.
Ukuran penyebaran yang akan dibahas pada bagian ini, yaitu : daerah jangkauan, simpangan
rata-rata, simpangan standar, nilai standar, jangkauan semi interkuartil, jangkauan persentil,
dan koefisien variansi.
[Date]
Jangkauan
32
33
Jangkauan atau range merupakan ukuran penyebaran yang paling sederhana. Range
didefinisikan sebagai selisih antara nilai maksimum dan nilai minimum yang terdapat dalam
data. Range dinotasikan dengan :
Simpangan Rata-Rata (SR/MD=Mean Deviasi)
Simpangan rata-rata adalah suatu simpangan nilai unit observasi terhadap data.
a. Simpangan rata-rata data tunggal
Dirumuskan dengan,
Dimana,
: simpangan rata-rata
: data ke-i
: eks bar (rata-rata data)
: banyak data
Contoh :
Hitunglah simpangan rata-rata dari data tunggal berikut,
2, 3, 6, 8, 11
Jawab :
b. Simpangan rata-rata data berkelompok

Rumus simpangan rata-rata dari data berkelompok adalah,
Contoh :
Tentukan simpangan rata-rata dari data berikut,
Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah
2 6 7 20 8 4 3 50
Jawab :
[Date]
Nilai 52-58 59-65 66-72 73-79 80-86 87-93 94-100 Jumlah

55 62 69 76 83 90 97
33
34
2 6 7 20 8 4 3 50
110 372 483 1.520 664 360 291 3.800
21 14 7 0 7 14 21
42 84 49 0 56 56 63 350
= 350/50
=7
Jadi, simpangan rata-rata data diatas adalah 7,00
Simpangan Baku (Standar Deviasi/ Simpangan Standar)

Notasi untuk sampel: s, sedang utk populasi notasi σ
Simpangan standar suatu rangkaian data adalah akar pangkat dua dari kuadrat terhadap
mean. Dengan kata lain, simpangan standar adalah akar pangkat dua dari variansi.
1. Simpangan baku untuk data tunggal
Berikut rumus simpangan baku untuk data tunggal.

S =√Σ(xi – xbar)2/(n-1) Variansi =S2 =Σ(xi-xbar)2/(n-1)
Dengan,
S2 : variansi
S : simpangan standar
: nilai data ke-i
: nilai rata-rata
: banyak data
Contoh :
Hasil penjualan kendaraan bermotor pada sebuah agen selama 7 bulan terakhir
sebagai berikut : 3, 5, 5, 6, 7, 8, 8. Hitunglah simpangan standarnya
Jawab :
Xbar = (3+5+5+6+7+8+8)/(7)= 42/7 =6

Untuk mencari simpangan standarnya, dapat dibuat tabel sebagai berikut.
3 -3 9
5 -1 1
5 -1 1 Variansinya adalah :
6 -0 0 Variansi =S2 =Σ(xi-xbar)2/(n-1)
7 1 1 = 20/(7-1) = 20/6=3,33
8 2 4 Simpangan standar :
[Date]
S=√3,33 =1,825 =1,83

8 2 4
Jadi, simpangan standarnya adalah 1,83
34
35
Σ 20
2. Simpangan baku untuk data kelompok

Adapun rumus untuk simpangan baku data kelompok adalah,
S2 = (nΣfx2 – (Σfx)2)/(n(n-1)) =varians

Contoh : tentukan simpangan baku dari data berikut,
Nilai 60-64 65-69 70-74 75-79 80-84
Frekuensi 5 8 4 2 1
Jawab :
Nilai 60-64 65-69 70-74 75-79 80-84 Jumlah (
62 67 72 77 82
5 8 4 2 1 20
310 536 288 154 82 1.370
3.844 4.489 5.184 5.929 6.724
19.220 35.912 20.736 11.858 6.724 94.450
Nilai Standar ( notasi z)
Nilai standar (angka baku) adalah perubahan yang digunakan untuk membandingkan dua
buah keadaan atau lebih. Nilai standar dirumuskan dengan :
Dimana,
: nilai mentah
: nilai rata-rata
: simpangan standar
Contoh :
Seorang mahasiswa mendapat nilai 84 pada ujian house keeping dan mendapat nilai 90 pada
ujian front office. Rataan kelas untuk house keeping adalah 76 dengan deviasi baku 10 dan
rataan kelas untuk front office adalah 82 dengan deviasi baku 16. Dalam mata kuliah apa
mahasiswa tersebut lebih menguasai ?
Jawab :
[Date]
Bilangan baku untuk house keeping adalah,
35
36
Bilangan baku untuk front office adalah,
Karena nilai z house keeping> z front office

berarti bahwa mahasiswa tersebut lebih menguasai house keeping dari pada front office.
Latihan Evaluasi
1. Diberikan data sebagai berikut,

Nilai f
46-48 3
49-51 6
52-54 10
55-57 11
58-60 6
61-63 4
Jumlah 40
Tentukan :
a. Simpangan rata-rata
b. Simpangan baku
2. Diberikan 11 skor mahasiswa dalam mata kuliah statistika dasar
Kode Mahasiswa Skor (x)

A 7
B 13
C 4
D 25
E 21
F 7
G 16
H 5
I 14
J 12
K 19
Carilah bilangan terstandar dari skor-skor tersebut,
Selamat Mengerjakan
[Date]
36
37
Kuartil
Kuartil adalah nilai yang membagi data yang telah diurutkan menjadi empat bagian yang
sama banyaknya.
1. Kuartil untuk data tunggal
Letak kuartil untuk data tunggal adalah :
Contoh :
Diberikan data : 7, 6, 4, 5, 6, 7, 6, 8, 4, 7, 8, 5 tentukan dan
Jawab :
Data diurutkan, sehingga didapatkan : 4, 4, 5, 5, 6, 6, 6, 7, 7, 7, 8, 8
jadi, data ke-3 + (data ke-4 data ke-3) = 5 +
jadi, data ke-6 + (data ke-7 data ke-6) =
jadi, data ke-9 + (data ke-10 data ke-9) =

2. Kuartil data kelompok
Letak Q1 pada suku ke n/4
Letak Q2 pada suku ke 2/4 (n) = 1/2n
Letak Q3 pada suku ke ¾ (n)
Untuk kuartil data kelompok, digunakan rumus,
Dengan,
: tepi bawah kelas dan 3
: panjang kelas
[Date]
: jumlah frekuensi sebelum kelas

: frekuensi kelas
37
38
: jumlah data
Contoh :
Diketahui data berikut,
Nilai 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79
Frekuensi 7 10 7 20 21 16 11 8
Frekum 7 17 24 44 65 81 92 100
Tentukan : dan
Jawab :
Letak Q1 pada suku ke ¼ (n) = ¼ (100) = suku ke 25
dikelas ke-4 (55-59)
Letak Q2 pada suku ke 2/4 (n) = 2/4 (100) = suku ke 50
Letak Q3 pada suku ke ¾ (n) = ¾(100) = soku ke 75
3. Jangkauan semi interkuartil (simpangan kuartil)

Simpangan kuartil adalah setengah dari jangkauan antarkuartil atau dirumuskan :
Contoh :
Tentukan jangkauan semi interkuartil dari data diatas
Desil
Desil adalah nilai yang membagi data menjadi sepuluh bagian yang sama setelah data
diurutkan.
a. Desil untuk data tunggal
Letak desil untuk data tunggal adalah,
[Date]
Contoh :
Tentukan dan dari data : 6, 5, 3, 4, 7, 9, 5, 7, 8, 9, 10, 6
38
39
Jawab :
Data diurutkan menjadi : 3, 4, 5, 5, 6, 6, 7, 7, 8, 9, 9, 10
Letak
data ke-5 + 0,2(data ke-6 data ke-5) = 6
Letak
= data ke-9 + 0,1(data ke-10 data ke-9) = 8 + 0,1(9 – 8) = 8,1
Letak
= data ke-11 + 0,7(data ke-12 data ke-11) = 9 + 0,7(10 – 9) = 9,7
b. Desil untuk data kelompok

Desil untuk data kelompok dirumuskan :
Dengan,
: desil ke- ( = 1, 2, 3, …, 9)
: tepi bawah kelas desil
: jumlah data
: jumlah frekuensi sebelum kelas desil
: frekuensi kelas desil
: panjang kelas
Contoh :
Diberikan data berkelompok berikut.
Nilai 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79
Frekuensi 7 10 7 20 21 16 11 8
Tentukan dan
Jawab :
Letak terletak di kelas ke-4 (55-59)
Letak terletak di kelas ke-6 (65-69)
Persentil
Persentil adalah nilai-nilai yang membagi data menjadi 100 bagian yang sama setelah data
diurutkan.
[Date]
1. Persentil untuk data tunggal

Letak persentil untuk data tunggal,
39
40
Contoh :
Tentukan dan dari data : 7, 8, 10, 5, 4, 5, 8, 9, 6, 7
Jawab :
Data diurutkan : 4, 5, 5, 6, 7, 7, 8, 8, 9, 10
Letak
data ke-1 + 0,65(data ke-2 data ke-1)
4 + 0,65(5 – 4) = 4,65
Letak
data ke-9 + 0,9(data ke-10 data ke-9)
9 + 0,9(10 – 1) = 9,9
2. Persentil untuk data kelompok

Besarnya persentil untuk data kelompok dirumuskan :
Dengan,
: persentil kelas- : banyaknya data
: tepi bawah kelas : jumlah frekuensi sebelum kelas
: panjang kelas : frekuensi kelas persentil
Contoh :
Perhatikan kembali data contoh soal kuartil untuk data kelompok
Tentukan dan .
Nilai 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79
Frekuensi 7 10 7 20 21 16 11 8
Jawab :
Letak yaitu terletak dikelas ke-2 (45-49)
Letak yaitu terletak dikelas ke-7 (70-74)
3. Jangkauan persentil
Jangkauan persentil suatu data dinyatakan,
[Date]
Contoh :
40
41
Pada data diatas, jangkauan persentil datanya adalah.
Koefisien Variansi (KV)
Koefisien variansi ( ) adalah perbandingan antara simpangan baku dengan harga rata-rata
yang dinyatakan dalam persen atau dirumuskan :
Contoh :
Suatu data yang mempunyai rataan = 13, dan deviasi standarnya = 6,87. Tentukan koefisien
variansinya.
Jawab :
Sekelompok data yang mempunyai KV yang lebih kecil, maka kelompok data tersebut lebih
homogen dibandingkan dengan kelompok data lain yang mempunyai KV lebih besar
Latihan Evaluasi
1. Diketahui dua kelompok data sebagai berikut,
Carilah dan , dan manakah dari kelompok data X dan Y yang lebih homogen?
Jawab :
2. Diberikan tabel distribusi sebagai berikut,
Diketahui bahwa tabel ini memberikan informasi besarnya volume pembelian yang
dilakukan oleh para pelanggan sebuah toko di Sukabumi.
Volume Pembelian Frekuensi
(dalam ribuan Rp)
1–5 1
6 – 10 7
11 – 15 12
16 – 20 20
21 – 25 24
26 – 30 16
31 – 35 11
36 – 40 6
41 – 45 3
[Date]
Hitunglah :
a.
41
42
b. Jangkauan semi interkuartil, dan

c. Jangkauan persentil
Jawab :
Selamat Mengerjakan
Ukuran Kemiringan dan Keruncingan Kurva
1. Koefisien kemiringan kurva
Berikut beberapa gambar mengenai macam-macam kemiringan kurva.
x  Me  Mo Me Mo
x x
Mo Me
kurva simetris kurva kurva

condong ke condong ke
kanan kiri
Ukuran kemirinan adalah ukuran yang menunjukkan miring atau tidaknya suatu
distribusi. Hal ini dapat dilihat dari koefisien kemiringan kurva yang ditunjukkan sebagai
berikut,
a. Koefisien kemiringan pertama dari Karl Pearson dirumuskan :
b. Koefisien kemiringan kedua dari Karl Pearson dirumuskan :
Dengan, , masing-masing adalah modus dan median

Contoh :
Dari suatu sebaran data diketahui nilai rata-ratanya = 45,2,
tentukan koefisien kemiringannya.
Jawab :
(positif)
Karena positif, berarti sebaran datanya miring ke kanan.
2. Ukuran keruncingan kurva

Dilihat dari keruncingannya, kurva distribusi frekuensi dapat digolongkan menjadi 3
(tiga) golongan, yaitu : kurva leptokurtik, kurva mesokurtik, dan kurva platikurtik.
[Date]
42
43
1) 2) 3)
kurva kurva kurva

leptokurtik mesokurtik platikurtik
Untuk mengetahui jenis keruncingan kurva, digunakan koefisien kurtosis, yaitu :
a. Untuk data tunggal
b. Untuk data berkelompok
Dengan,
: koefisien kurtosis : frekuensi kelas ke-
: nilai data ke- : banyak data
: nilai rata-rata : simpangan baku
Berikut kategori jenis kurva berdasarkan koefisien kurtosisnya,

a. , kurvanya runcing (leptokurtik)
b. , kurvanya berdistribusi normal (mesokurtik)
c. , kurvanya agak datar (platikurtik)
Latihan Evaluasi
1. Diberikan tabel distribusi sebagai berikut,
Diketahui bahwa tabel ini memberikan informasi besarnya volume pembelian yang
dilakukan oleh para pelanggan sebuah toko di Sukabumi.
Volume Pembelian Frekuensi
(dalam ribuan Rp)
1–5 1
6 – 10 7
11 – 15 12
[Date]
16 – 20 20
21 – 25 24
43
44
26 – 30 16
31 – 35 11
36 – 40 6
41 – 45 3
Hitunglah :
a. Volume pembelian rata-rata
b. Simpangan standarnya
c.
d. jenis kurvanya
Jawab :
Selamat Mengerjakan
Standar Kompetensi : Mahasiswa mampu memecahkan masalah berkaitan dengan konsep

peluang (probabilitas).
Kompetensi Dasar : 1) Kaidah pencacahan
2) Permutasi
3) Kombinasi
4) Peluang suatu kejadian
5) kejadian majemuk
Refferensi :
Bandung : Alfabeta.
BAB 5
Skala Pengukuran
Standar Kompetensi : Mahasiswa mampu memahami skala pengukuran dan modelnya

Kompetensi Dasar : 1) Jenis skala pengukuran dan bentuk data
2) Model skala pengukuran skala sikap
Refferensi :
[Date]
a) Cooper, Donald R. & William C. Emory. 1997. Metode Penelitian Bisnis. Edisi Bahasa
Indonesia. Jakarta: Erlangga.
44
45
b) Gay, L.R. 1983, Educational Research Competencies for Analysis & Application. 2 nd
Edition. Ohio: A Bell & Howell Company.
c) Riduwan, & Akdon. 2009. Rumus dan Data dalam Analisis Statistika. Bandung :
Alfabeta.
d) Suwarno, Bambang. 2005. Pengantar Aplikasi Statistika dalam Penelitian Pendidikan.
Bandung: PPs Universitas Pendidikan Indonesia
Jenis skala pengukuran dan bentuk data
Dalam menyusun instrumen penelitian harus mengetahui dan paham tentang jenis
skala pengukuran yang digunakan dan tipe-tipe skala pengukuran agar instrumen bisa diukur
sesuai apa yang hendak diukur dan bisa dipercaya serta reliabel (konsisten) terhadap
permasalahan instrumen penelitian.
Maksud dari skala pengukuran ini untuk mengklasifikasikan variabel yang akan diukur
supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah penelitian
selanjutnya. Jenis-jenis skala pengukuran ada empat, yaitu : skala nominal, skala ordinal, skala
interval, dan skala ratio.
1. Skala Nominal
Skala nominal adalah skala yang paling sederhana disusun menurut jenis (kategorinya)
atau fungsi bilangannya hanya sebagai simbol untuk membedakan sebuah karakteristik
dengan karakteristik lainnya. Adapun ciri-ciri skala nominal antara lain : hasil penghitun-
gan dan tidak dijumpai bilangan pecahan, angka yang tertera hanya label saja, tidak
mempunyai urutan (ranking), tidak mempunyai ukuran baru, dan tidak mempunyai nol
mutlak. Tes statistik yang digunakan adalah statistik non parametrik.
Contoh data nominal sebenarnya :

a. Jenis kulit : hitam(1), kuning(2), putih(3). Angka (1),(2), dan (3) hanya sebagai label
saja.
b. Suku daerah : jawa(1), madura(2), bugis(3), sunda(4), batak(5), dan minang(6).
c. Partai yang mendapat kursi di DPR dalam pemilu tahun 2004 : partai demokrat(1),
partai PDIP(2), partai GOLKAR(3), partai bulan bintang(4).
Contoh data nominal tidak sebenarnya :

a. SD(1), SMP(2), SMA(3), dan PT(4).
b. Tahun produksi kendaraan bermotor : 2001(1), 2002(2), 2003(3), 2004(4).
c. Laki-laki(1), perempuan(2).
d. Pekerja(1), pengangguran(2), dan lain-lain.
2. Skala Ordinal
Skala ordinal adalah skala yang didasarkan pada ranking diurutkan dari jenjang yang
[Date]
lebih tinggi sampai jenjang terendah atau sebaliknya. Analisis statistik yang digunakan
adalah statistik non parametrik.
45
46
Contoh :
a. Mengukur tingkat produktivitas kerja
Nilai : I II III IV
Angka :100 80 75 50
b. Mengukur gaji pegawai

Eselon: I II III IV
Gaji (jt): 1 0,75 0,5 0,25

c. Mengukur rangking kelas : I, II, III
d. Mengukur kejuaraan misalnya juara liga indonesia jarum tahun 2005 : persija
jakarta(1), persipura papua(2), PSIS semarang(3), dan PMSM medan.
e. Keteladanan : tingkat(1), tingkat(2), tingkat(3), tingkat(4).
f. Kepangkatan militer : jendrat(4), letnan jendral(3), mayor jendral(2), dan brigadir
jendral(1).
g. Status sosial : kaya(1), sederhana(2), dan miskin(3)
Langkah-langkah pengerjaan apabila terjadi sama nilainya dalam data skala ordinal :
1. Urutkan data dari yang terendah sampai yang tertinggi atau sebaliknya.
2. Berilah angka 1 (tertinggi) dan 4 (terendah)
Contoh :
Dalam proses mengajar di UPI, didapat data berjenjang yaitu :
IPK : 3,8 3,2 3,2 3,0
Ranking semula : (1) (2) (3) (4)
Maka ranking menjadi :
a. IPK 3,8 sebagai ranking (1)
b. IPK 3,2 sebagai ranking (2,5) dengan cara : ½ (2 + 3) = 2,5
c. IPK 3,0 sebagai ranking (4)
3. Skala Interval
Skala interval adalah skala yang menunjukkan jarak antara satu data dengan data yang
lain dan memiliki bobot yang sama. Analisis statistik yang digunakan adalah uji statistik
parametrik.
Contoh :
a. Skor ujian perguruan tinggi : A, B, C, D, dan E
b. Skor IQ
c. Waktu : menit, jam, hari, minggu, bulan, dan tahun.
d. Temperatur atau suhu.
e. Mengurutkan : kualitas pelayanan, keadaan persepsi pegawai dan sikap pimpinan.
Sangat puas (5)
[Date]
Puas (4)
Cukup puas (3)
46
47
Kurang puas (2)

Tidak puas (1)
Sangat tinggi/sangat penting (5)

Tinggi/penting (4)
Cukup tinggi/cukup penting (3)
Rendah/kurang penting (2)
Rendah sekali/tidak penting (1)
Sangat baik (5)

Baik (4)
Sedang (3)
Buruk (2)
Buruk sekali (1)
f. Memperlihatkan jarak (interval)
Standar nilai mahasiswa untuk mencapai IP :
Huruf : A = 4; B = 3; D = 2; dan E = 0
Nilai intervalnya :
a. A dengan B 4 – 3 = 1
b. B dengan D 3 – 1 = 2
c. A dengan D 4 – 1 = 3 dan seterusnya
Nilai interval A dengan D, interval D dengan C adalah :
= (A – C) + (C – D) = (4 – 2) + (2 – 1) = 3
4. Skala Ratio
Skala ratio adalah skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai
jarak yang sama. Misalnya umur manusia dan ukuran timbangan keduanya tidak memiliki
angka nol negatif. Artinya seseorang tidak dapat berumur di bawah nol tahun dan
seseorang harus memiliki timbangan di atas nol pula. Kalau data interval kita dapat
mengatakan bahwa orang yang berumur 50 tahun adalah umurnya dua kali dari pemuda
yang berumur 25 tahun, demikian pula seseorang yang berumur 20 tahun adalah
setengah dari umur 40 tahun. Contoh yang lain adalah berat badan, tinggi pohon, tinggi
badan manusia, jarak, panjang barang, nilai ujian dan sebagainya. Analisis statistik yang
cocok adalah tes statistik parametrik
Model Skala Pengukuran
Selain keempat jenis skala pengukuran tersebut, ternyata skala interval yang sering
digunakan untuk mengukur gejala dalam penelitian sosial. Para ahli sosiologi membedakan
dua tipe skala pengukuran menurut gejala sosial yang diukur, yaitu :
1. Skala pengukuran untuk mengukur perilaku susila dan kepribadian. Termasuk tipe ini
adalah : skala sikap, skala moral, test karakter, skala partisipasi sosial.
[Date]
2. Skala pengukuran untuk mengukur berbagai aspek budaya lain dan lingkungan sosial.
Termasuk tipe ini adalah : skala mengukur status sosial ekonomi, lembaga-lembaga
47
48
swadaya masyarakat (sosial), kemasyarakatan, kondisi rumah tangga, dan lain

sebagainya.
Skala Sikap
Dari model atau tipe skala pengukuran tersebut, maka dalam pembahasan ini hanya dibahas
skala untuk pengukuran sikap. Perkembangan ilmu sosiologi dan psikologi, maka instrumen
penelitian akan lebih menekankan pada pengukuran sikap, yang menggunakan skala sikap.
Bentuk-bentuk skala sikap yang perlu diketahui dalam melakukan penelitian, diantaranya :
(1) skala likert, (2) skala guttman, (3) skala simantict defferensial, (4) skala rating, dan (5) skala
thurstone.
1. Skala Likert
Skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau
sekelompok tentang kejadian atau gejala sosial. Dalam penelitian gejala sosial ini telah
ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut sebagai variabel
penelitian.
Dengan menggunakan skala likert, maka variabel akan diukur dijabarkan menjadi
dimensi, dimensi dijabarkan menjadi sub variabel kemudian sub variabel dijabarkan lagi
menjadi indikator-indikator yang dapat di ukur. Akhirnya indikator-indikator yang
terukur ini dapat dijadikan titik tolak untuk membuat item instrumen yang berupa
pertanyaan atau pernyataan yang perlu dijawab oleh responden. Setiap jawaban
dihubungkan dengan bentuk pertanyaan atau dukungan sikap yang diungkapkan dengan
kata-kata sebagai berikut :
Pernyataan Positif Pernyataan Negatif

Sangat setuju (SS) = (5) Sangat setuju (SS) = (1)
Setuju (S) = (4) Setuju (S) = (2)
Netral (N) = (3) Netral (N) = (3)
Tidak setuju (TS) = (2) Tidak setuju (TS) = (4)
Sangat tidak setuju (STS) = (1) Sangat tidak setuju (STS) = (5)
Sangat puas (5) Sangat baik (5) Sangat tinggi/Sangat penting (5)
Puas (4) Baik (4) Tinggi/Penting (4)
Cukup puas (3) Sedang (3) Cukup tinggi/Cukup penting (3)
Kurang puas (2) Buruk (2) Rendah/Kurang penting (2)
Tidak puas (1) Buruk sekali (1) Rendah sekali/Tidak penting (1)
Contoh praktis : pernyataan bentuk cheklist

Berilah jawaban pernyataan dengan tanda pada kolom yang tersedia sesuai dengan
pendapat saudara.
[Date]
No Pernyataan Alternatif Jawaban
48
49
(5) (4) (3) (2) (1)

SS S N TS STS
1 Pedoman pembuatan struktur organisasi dewan sekolah
telah disosialisasikan.
2 Dinas pendidikan telah memiliki data sejumlah sekolah
yang telah memiliki struktur organisasi dewan sekolah.
Keterangan :
Sangat setuju (SS) = (5)
Setuju (S) = (4)
Netral (N) = (3)
Tidak setuju (TS) = (2)
Sangat tidak setuju (STS) = (1)
Dalam hubungan teknik pengumpulan data angket, instrumen tersebut disebarkan

kepada 70 responden, kemudian direkapitulasi. Dari data 70 responden, misalnya :
Menjawab (5) = 2 orang
Cara menghitung skor dalam penelitian :

Jumlah skor untuk 2 orang menjawab (5) : = 10
Jumlah skor untuk 8 orang menjawab (4) : 8 4 = 32
Jumlah = 157
Jumlah skor ideal untuk item 1 no.1 (skor tertinggi) = 5 70 = 350 (SS)
Jumlah skor terendah = 1 70 = 70 (STS)
Berdasarkan data (item no.1) yang diperoleh dari 70 responden, maka sosialisasi
pedoman pembuatan struktur organisasi dewan sekolah terletak pada daerah netral.
Secara kontinum dapat dilihat sebagai berikut :
0 70 140 157 210 280 350
STS TS N S SS
Jadi, berdasarkan data (item no.1) yang diperoleh dari 70 responden, maka sosialisasi
pedoman pembuatan struktur organisasi dewan sekolah, yaitu 157/350 100% =
44,86% tergolong cukup. Persentase kelompok responden untuk item no.1 dapat dilihat
sebagai berikut :
[Date]
0 20% 40% 44,86% 60% 80% 100%
sangat lemah lemah cukup kuat sangat kuat
49
50
Keterangan : kriteria interpretasi skor

Angka 0% - 20% = sangat lemah
Angka 21% - 40% = lemah
Angka 41% - 60% = cukup
Angka 61% - 80% = kuat
Angka 81% - 100% = sangat kuat
Apabila didasarkan pada kelompok responden, maka dapat diketahui bahwa :
2 orang menyatakan sangat setuju (SS) = 2/70 100% = 2,86%
8 orang menyatakan sangat tidak setuju (S) = 8/70 100% = 11,43%
15 orang menyatakan sangat tidak setuju (N) = 15/70 100% = 21,43%
25 orang menyatakan sangat tidak setuju (TS) = 25/70 100% = 35,71%
20 orang menyatakan sangat tidak setuju (STS) = 20/70 100% = 28,57%
Contoh : pernyataan bentuk pilihan ganda,

Lingkari pilihan yang tersedia menurut pendapat anda.
1. Pelibatan masyarakat bukan hanya memotivasi, tetapi aktif dalam
menghimpun dana, tenaga, dan materi guna menunjang mutu pendidikan.
a. Sangat setuju
b. Setuju
c. Netral
d. Tidak setuju
e. Sangat tidak setuju
2. Masyarakat melakukan fungsi kontrol dalam pelaksanaan
pendidikan.
a. Sangat setuju
b. Setuju
c. Netral
d. Tidak setuju
3. Masyarakat bersikap proaktif dalam pengembangan pendidikan.
a. Sangat setuju
b. Setuju
c. Netral
d. Tidak setuju
2. Skala Guttman
Skala guttman merupakan skala kumulatif. Jika seseorang menyisakan pertanyaan yang
berbobot lebih berat, ia akan mengiyakan pertanyaan yang kurang berbobot lainnya.
Skala guttman mengukur suatu dimensi saja dari suatu variabel yang multidimensi. Skala
[Date]
guttman disebut juga skala scalogram yang sangat baik untuk meyakinkan peneliti tentang
kesatuan dimensi dan sikap atau sifat yang diteliti, yang sering disebut dengan attribut
50
51
universal. Pada skala guttman terdapat beberapa pertanyaan yang diurutkan secara
hierarkis untuk melihat sikap tertentu seseorang. Jika seseorang menyatakan tidak
terdapat pernyataan sikap tertentu dari sederetan pernyataan itu, ia akan menyatakan
lebih dari tidak terdapat pernyataan berikutnya.
Jadi, skala guttman adalah skala yang digunakan untuk jawaban yang bersifat jelas (tegas)
dan konsisten. Misalnya : yakin-tidak yakin, ya-tidak, benar-salah, positif-negatif, pernah-
belum pernah, setuju-tidak setuju, dan sebagainya. Data yang diperoleh dapat berupa
data interval atau ratio dikotomi (dua alternatif yang berbeda). Perbedaan dari skala
likert dengan guttman adalah kalau skala likert terdapat jarak (interval) : (5), (4), dan
seterusnya yaitu dari sangat benar (SB) hingga sangat tidak benar (STB), sedangkan pada
skala guttman hanya ada dua interval yaitu : benar (B) dan salah (S).
Penelitian menggunakan skala guttman apabila ingin mendapatkan jawaban jelas (tegas)
dan konsisten terhadap suatu permasalahan yang ditanyakan.
Contoh :
a. Yakin atau tidakkah anda, pergantian mentri kabinet indonesia bersatu akan dapat
mengatasi persoalan bangsa :
1) Yakin
2) Tidak yakin
b. Apakah pendapat saudara, jika presiden SBY turun dari kepresidenan?
1) Setuju
2) Tidak setuju
c. Pernahkah pimpinan saudara mengajak rembug bersama?
1) Pernah
2) Tidak pernah
Skala guttman disamping dapat dibuat bentuk pilihan ganda dan bisa juga dibuat dalam
bentuk checlist. Jawaban responden dapat berupa skor tertinggi bernilai (1) dan skor
terendah (0). Misalnya untuk menjawab benar (1) dan salah (0). Analisis dilakukan
seperti pada skala likert.
Contoh :
a. Saudara punya orang tua?
1) Ya (1)
2) Tidak (0)
b. Saudara sudah menikah?
1) Sudah (1)
2) Belum (0)
c. Anda memiliki kartu NPWP?
1) Punya (1)
2) Tidak (0)
3. Skala Diferensial Semantik

[Date]
Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian

karakteristik bipolar (dua kutub), seperti panas-dingin; populer-tidak populer; baik-tidak
51
52
baik dan sebagainya. Karakteristik bipolar tersebut mempunyai tiga dimensi dasar sikap
seseorang terhadap objek, yaitu :
a. Potensi, yaitu kekuatan atau atraksi fisik suatu objek.
b. Evaluasi, yaitu hal-hal yang menguntungkan atau tidak menguntungkan suatu objek.
c. Aktivitas, yaitu tingkatan gerakan suatu objek
Selain itu pada skala perbedaan simantik, responden diminta untuk menjawab atau
memberikan penilaian terhadap suatu konsep atau objek tertentu. Misalnya kinerja
pegawai, peran pimpinan, gaya kepemimpinan, prosedur kerja, produktivitas kerja,
aktivitas guru dikelas, kontrol dan dukungan orang tua terhadap anaknya, dan sebagainya
skala ini menunjukkan suatu keadaan yang saling bertentangan, misalnya ketat-longgar,
sering dilakukan-tidak pernah dilakukan, lemah-kuat, positif-negatif, buruk-baik,
mendidik-menekan, buruk-baik, aktif-pasif, besar-kecil dan sebagainya.
Contoh : berikanlah tanda pada skala yang paling cocok dengan anda :
1) Kontrol orang tua terhadap hubungan seksual diluar nikah :
Ketat 5 4 3 2 1 Longgar
Sering dilakukan 5 4 3 2 1 Tidak pernah dilakukan
Lemah 5 4 3 2 1 Kuat
Positif 5 4 3 2 1 Negatif
Buruk 5 4 3 2 1 Baik
Mendidik 5 4 3 2 1 Menekan
Aktif 5 4 3 2 1 Pasif
2) Dukungan orang tua terhadap hubungan seksual di luar nikah :
Besar 5 4 3 2 1 Kecil
Selalu dilakukan 5 4 3 2 1 Tidak pernah dilakukan
Kuat 5 4 3 2 1 Lemah
Positif 5 4 3 2 1 Negatif
Terus-menerus 5 4 3 2 1 Kadang-kadang
Baik 5 4 3 2 1 Buruk
Aktif 5 4 3 2 1 Pasif
4. Rating Skala
Berdasarkan ke-3 skala pengukuran, yaitu : skala likert, skala guttman, dan skala
perbedaan semantik, data yang diperoleh adalah data kualitatif yang dikuantitatifkan.
Sedangkan skala rating yaitu data mentah yang didapat berupa angka kemudian
ditafsirkan dalam pengertian kualitatif. Responden menjawab, misalnya : ketat-longgar,
sering dilakukan-tidak pernah dilakukan, lemah-kuat, positif-negatif, buruk-baik,
mendidik-menekan, aktif-pasif, benar-kecil, ini semua adalah contoh data kualitatif.
[Date]
Dalam model skala rating responden tidak akan menjawab dari data kualitatif yang sudah
tersedia tersebut, tetapi menjawab salah satu dari jawaban kuantitatif yang telah tersedia.
52
53
Dengan demikian skala rating lebih fleksibel, tidak terbatas untuk pengukuran sikap saja,
tetapi untuk mengukur persepsi responden terhadap gejala atau fenomena lainnya
misalnya skala untuk mengukur status sosial ekonomi, iptek, instansi, kinerja dosen,
kegiatan proses belajar mengajar, produktifitas kerja, motivasi pegawai, dan lainnya.
Pembuatan dan penyusunan instrumen dengan menggunakan skala rating yang

terpenting harus dapat mengartikan atau menafsirkan setiap skor yang diberikan dalam
alternatif jawaban pada setiap item instrumen. Misalnya nanda memilih jawaban 4,
huzaifa memilih jawaban 4, fazrul memilih juga jawaban 4. Namun persepsi mereka
memilih angka 4 tentu berbeda. Walaupun sama-sama memilih angka 4.
Contoh :
Penelitian ingin mengetahui seberapa harmoniskah hubungan suami istri untuk
menciptakan keluarga sejahtera. Berikanlah tanda lingkaran (O) pada angka yang sudah
disediakan :
Pernyataan Tentang Interval Jawaban
No.
Menciptakan SB B CB KB STB
Item
Keluarga Sejahtera (5) (4) (3) (2) (1)
1 Masalah agama (5) (4) (3) (2) (1)
2 Manajemen pendidikan anak (5) (4) (3) (2) (1)
3 Pengaturan keuangan keluarga (5) (4) (3) (2) (1)
4 Perwujudan kasih sayang (5) (4) (3) (2) (1)
5 Masalah rekreasi (5) (4) (3) (2) (1)
6 Memilih sahabat-sahabat (5) (4) (3) (2) (1)
7 Aturan rumah tangga (5) (4) (3) (2) (1)
8 Adat kebiasaan (5) (4) (3) (2) (1)
9 Pandangan hidup (5) (4) (3) (2) (1)
10 Cara bergaul dengan keluarga saudara (5) (4) (3) (2) (1)
11 Pekerjaan istri (5) (4) (3) (2) (1)
12 Keintiman hubungan suami istri (5) (4) (3) (2) (1)
13 Pemeliharaan anak (5) (4) (3) (2) (1)
14 Pembagian tugas rumah tangga (5) (4) (3) (2) (1)
Instrumen tersebut apabila dijadikan angket kemudian disebarkan kepada 25 responden,

sebelum dianalisis, maka dapat ditabulasikan (rekapitulasi data) sebagai berikut :
Jumlah skor kriterium (apabila setiap item mendapat skor tertinggi) yaitu;
= (skor tertinggi tiap item = 5) (jumlah item = 14) (jumlah responden = 25) adalah
1750.
Rekapitulasi jawaban 25 responden tentang menciptakan keluarga sejahtera

No Jawaban responden untuk item no ke …
Jumlah
[Date]
responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 5 5 2 5 3 3 5 2 5 2 5 5 5 3 55
53
54
2 5 4 4 4 4 4 5 5 5 5 5 4 4 4 62
3 5 3 3 3 3 4 4 4 5 5 5 5 5 5 59
Dst… Dst…
23 5 5 5 5 5 4 4 5 5 5 5 5 5 5 68
24 5 3 3 3 3 5 5 5 5 5 5 5 5 5 62
25 4 4 4 4 4 4 5 5 5 5 5 3 3 5 60
Jumlah skor hasil pengumpulan data 1400
Jika jumlah skor hasil pengumpulan data = 1400. Dengan demikian keharmonisan
hubungan suami istri untuk menciptakan keluarga sejahtera, menurut persepsi 25
responden, yaitu :
Dari kriterium yang ditetapkan. Apabila diinterpretasikan nilai 80% terletak pada daerah
kuat. Sedangkan nilai 1400 termasuk dalam kategori interval baik. Secara kontinum dapat
dibuat kategori sebagai berikut.
0 20% 40% 60% 80% 100%
sangat lemah lemah cukup kuat kuat sangat kuat
0 350 700 1050 1400 1750
SKB KB CB B SB
5. Skala Thurstone
Skala thurstone meminta responden untuk memilih pertanyaan yang ia setujui dari
beberapa pernyataan yang menyajikan pandangan yang berbeda-beda. Pada umumnya
setiap item mempunyai asosiasi nilai antara 1 sampai dengan 10, tetapi nilai-nilainya
tidak diketahui oleh responden. Pemberian nilai ini berdasarkan jumlah tertentu
pernyataan yang dipilih oleh responden mengenai angket tersebut.
Perbedaan antara skala thurstone dan skala likert adalah pada skala thurstone interval
yang panjangnya sama memiliki intensitas kekuatan yang sama, sedangkan pada skala
likert tidak perlu sama.
Contoh :
Merekrut calon dosen STPBI. Tolong pilihlah 5 dari 10 pernyataan yang sesuai dengan
persepsi saudara :
1. Saya memilih pekerjaan sebagai dosen karena pekerjaan yang mulia dan terhormat
untuk mengembangkan ilmu pengetahuan.
2. Bila saya seorang mahasiswa STPBI, saya akan mengusulkan agar mahasiswa STPBI
[Date]
memakai simbul-simbul tertentu yang dapat dibanggakan.
54
55
3. Saya merasa tersanjung bila saya lebih memiliki kemampuan dalam mengajarkan
sesuatu dari pada menguasai bidang studi saja.
4. Apa yang bisa dibanggakan oleh seorang dosen; bila gaji hanya paspasan, berangkat
mengajar jalan kaki, dikampus sering berhadapan tugas kerjaan dengan masalah yang
rumit dan mahasiswa yang bandel, dll.
5. Senangnya menjadi dosen apabila berhasil mendemontrasikan pelajaran kepada
mahasiswa yang menghadapi kesulitan di laboratorium.
6. Sebagai dosen, saya bangga karena dosenlah sebagai pewaris ilmuwan yang
mengajarkan para mahasiswa untuk dipersiapkan menjadi manusia yang tangguh,
berkualitas, kreatif dan profesional untuk mengisi pembangunan bangsa.
7. Semestinya gaji dosen lebih besar dari pada gaji pegawai lainnya.
8. Apakah perlu dosen berbangga diri atas keberhasilan mahasiswa karena dosen sendiri
sering tidak pernah merasa diawasi oleh dekannya.
9. Sebaiknya dosen membimbing saya dengan sepenuh hati memberikan keilmuannya,
karena jika saya menjadi dosen pembimbing nanti akan mewarisi ilmunya dan bisa
dikembangkan sesuai dengan tuntutan zaman.
10. Jika saya mahasiswa STPBI, saya akan menyembunyikan identitas saya.
Berdasarkan pernyataan item diatas, dapat dianalisis dengan cara sebagai berikut,
Peneliti memberikan kunci jawaban dan penilaian yang akurat

No. item 1 2 3 4 5 6 7 8 9 10
Pernyataan
Nilai 10 7 6 2 8 9 4 3 5 1
Nilai tertinggi : 6 + 7 + 8 + 9 + 10 = 40 40 : 5 = 8
Nilai terendah : 1 + 2 + 3 + 4 + 5 = 15 15 : 5 = 3
[Date]
55
56
BAB 6
6.1 Kaidah Pencacahan
Kaidah pencacahan merupakan bagian dasar dari teori peluang

1. Aturan penjumlahan (addisi)
Jika ada benda di himpunan pertama, benda di himpunan kedua dan kedua
himpunan tidak beririsan, maka jumlah total anggota di kedua himpunan adalah .
Contoh :
Seorang pengusaha akan membeli sebuah mobil pada sebuah dealer. Dealer tersebut
tersedia 5 jenis merek toyota, 2 jenis merek honda, dan 4 jenis merek susuki. Dengan
demikian, pengusaha tersebut mempunyai pilihan sebanyak 5 + 2 + 4 = 11 jenis mobil.
2. Aturan perkalian (Multiplikasi)
Jika suatu proses terdiri atas tahap, tahap pertama dapat dilakukan dengan cara,
tahap kedua dengan cara, tahap ketiga dengan cara, dan seterusnya sampai tahap
ke- dapat dilakukan dalam cara, maka proses itu dapat dilakukan keselurusannya
dalam : cara.
Contoh :
Misalkan ada tujuh buah angka yaitu 2, 3, 4, 5, 6, 7, dan 9. Tentukan banyaknya bilangan
yang dapat dibuat dari angka yang terdiri atas :
a. 2 angka dan boleh ada angka yang sama
b. 2 angka tetapi tidak mempunyai angka yang sama
Jawab :
a. Kemungkinan angka puluhan adalah salah satu dari 7 angka yang diketahui. Demikian
pula untuk angka satuannya, juga ada 7. Jika kita isikan kedalam sebuah kotak
perkalian, maka jumlah kemungkinannya adalah : 7 x 7 = 49 cara, adapun bilangan-
bilangan tersebut adalah : 22, 23,24, 25, 26, 27, 29, 32, 33, 34, 35, 36, 37, 39, 42, 43,
44, 45, 46, 47, 49, 52, 53, 54, 55, 56, 57, 59, 62, 63, 64, 65, 66, 67, 69, 72, 73, 74, 75, 76,
77, 79, 92, 93, 94, 95, 96, 97, dan 99.
b. Kemungkinan angka puluhan adalah salah satu dari 7 angka yang diketahui. Setelah
satu angka dipakai untuk puluhan, kemungkinan angka satuannya ada 6. Jadi, jumlah
kemungkinannya ialah : 7 x 6 = 42 cara, bilangan-bilangan itu adalah sama dengan
bilangan-bilangan pada jawaban no.a, kecuali : 22, 33, 44, 55, 66, 77, dan 99. Atau 49 –
7 = 42 cara
3. Definisi dan notasi faktorial

[Date]
Secara umum, definisi notasi adalah,
56
57
Dan,
Contoh :
Tentukan nilai dari,
Jawab :
CONTOH 1:
Dua buah uang logam dilemparkan. Tentukan yang dimaksud dengan percobaan, ruang
sampel, dan titik sampelnya ! Serta berikan contoh tentang kejadian !
Jawab :
Percobaan : pelemparan dua buah uang logam
Ruang sampel :
S = {AA, AG, GA, GG}
Terdapat empat titik sampel, yaitu : AA, AG, GA, GG
Kejadian :
D = paling sedikit satu gambar muncul
D = {AG, GA, GG}.
Latihan Evaluasi
1. Sekelompok wisatawan akan melakukan perjalanan dan wisata, tersedia tiga kota
tujuan, yaitu A, B, dan C. Jasa angkutan yang dapat dipergunakan oleh para wisatawan
tersebut yaitu kereta api, bus, dan pesawat terbang. Berapa cara berbeda yang dapat
dilakukan oleh para wisatawan dalam perjalanan wisata itu?
Jawab :
2. Sebuah rumah makan menyediakan menu makanan pagi yang terdiri atas nasi, telur,
kerupuk, dan minuman. Nasi terdiri atas nasi putih, nasi kuning, dan nasi goreng. Telur
terdiri atas telur dadar, telur ceplok, dan telur asin. Kerupuk terdiri atas, emping,
kerupuk ikan, dan kerupuk udang. Minuman terdiri dari air putih, kopi, air susu, kopi
susu, air the. Berapa banyak susunan menu makanan pagi yang bisa dihidangkan?
Jawab :
Selamat Mengerjakan
6.2 Permutasi
[Date]
1. Definisi permutasi
57
58
Permutasi adalah suatu susunan yang berbeda dapat dibentuk dari suatu kumpulan objek
yang diambil sebagian atau seluruhnya dengan memperhatikan urutannya. Banyaknya
susunan berbeda dari objek yang disusun permutasi objek dengan adalah,
2. Permutasi dengan beberapa unsur yang sama

Jika adalah banyaknya permutasi dari unsur yang memuat unsur (objek) sama,
unsur sama, unsur sama, dan seterusnya, maka :
Asalkan
3. Permutasi siklik
Secara umum, permutasi siklik dirumuskan dengan
Beberapa contoh permutasi:

CONTOH 1:
Berapa banyak susunan berbeda huruf-huruf A, B, C bisa dibentuk, bila masing-masing huruf
hanya boleh digunakan sekali ?
a. Bila diambil dua huruf dari tiga huruf tsb., maka berapa susunan huruf berbeda yang
mungkin dibentuk ?
Jawab :
a. (3) (2) (1) = 6 cara.
b. (3) (2) = 6 cara.
CONTOH 2 :
a. Tersedia empat angka : 1, 2, 3, 4. Berapa bilangan yang dapat dibuat dari semua angka
tersebut ?
b. Bila diambil dua angka dari empat angka, maka berapakah susunan angka berbeda yang
mungkin dibentuk ?
Jawab :
a. (4) (3) (2) (1) = 4 ! = 24 bilangan.
b. 4P2 = (4!) / ((4-2)!) = 12 susunan angka.
CONTOH 3 :
Berapa macam permutasi yang berlainankah yang dapat disusun dari kata ‘matematika’ ?
Jawab : nPx1,x2,..xn = 10! = 453600 macam

2! 2! 2! 1! 1! 1! 1!
[Date]
Latihan Evaluasi
58
59
1. Dalam suatu rapat disediakan 8 kursi peserta rapat, tetapi yang hadir hanya 4 peserta.
Berapa cara mereka untuk mengambil tempat duduk?
Jawab :
2. Dalam suatu ruang ujian terdapat 5 buah kursi, sedangkan pada suatu waktu terdapat 9
orang siswa yang akan mengambil ujian. Dalam berapa cara pengaturan tempat duduk
tersebut, jika :
a. Salah seorang duduk dikursi tertentu, dan
b. Dua orang tidak boleh duduk di kursi.
Jawab :
3. Diketahui suatu pertemuan dihadiri 15 orang undangan. Jika mereka saling berjabat
tangan, berapa banyaknya jabat tangan yang terjadi pada pertemuan itu?
Jawab :
Selamat Mengerjakan
6.3 Kombinasi
Kombinasi adalah susunan beberapa unsur yang diambil dari sebagian atau semua unsur
suatu himpunan tanpa memperhatikan urutannya. Banyaknya kombinasi dari unsur diambil
unsur dengan adalah :
Contoh :
Diketahui 10 orang mahasiswa akan dipilih 4 orang mahasiswa calon ketua senat mahasiswa,
tentukan :
a. Cara pemilihan yang dapat dilakukan
b. Cara pemilihan dapat dilakukan, jika salah seorang selalu terpilih
Jawab :
a. Banyak cara melakukan pemilihan :
b. Salah seorang pasti terpilih, artinya kita hanya tinggal memilih 3 orang dari 9 orang
sehingga,
CONTOH :
Dalam berapa cara 2 pertanyaan dalam soal ujian dapat dipilih, dari 3 pertanyaan yang
disediakan ?
Jawab :
Banyaknya cara memilih 2 dari 3 soal ujian
[Date]
59
60
 3 3!
C 2    
 2  2! (3  2)!
3
Latihan Evaluasi
1. Lima tim bola voli yaitu A, B, C, D, dan E bertanding setengah kompetisi. Berapa banyak
pertandingan yang mungkin muncul, jika 2 tim yang berlainan dianggap satu kali
bertanding?
Jawab :
2. Seorang tukang foto akan mengambil gambar dari 15 mahasiswa terbaik dari suatu
perguruan tinggi dengan cara menempatkan para mahasiswa tersebut duduk pada kursi
yang berdampingan,
a. Jika tersedia 3 kursi, dengan berapa cara tukang foto itu dapat menempatkan siswa
duduk pada kursi yang tersedia.
b. Berapa cara dapat dilakukan jika tersedia 4 kursi.
Jawab :
3. Tersedia 12 mahasiswa akan dikirim menjadi duta pariwisata, namun banyak mahasiswa
yang akan terpilih hanya 5 orang. Tentukan banyaknya cara memilih mahasiswa tersebut,
jika ada satu selain hanya akan menjadi duta pariwisata.
Jawab :
Selamat Mengerjakan
[Date]
60
61
BAB 7. TEORI PELUANG

Untuk mengetahui karakteristik suatu populasi sering dilakukan dengan menganalisis
hanya sebagian data saja (atau sering disebut dengan sampel). Berdasarkan informasi yang
terkandung dalam sampel, dilakukan pengambilan kesimpulan terhadap populasinya. Dasar
logika dari proses pengambilan kesimpulan tentang suatu populasi dengan menganalisis data
sampel adalah probabilitas. Oleh karena itu, pemahaman tentang teori probabilitas sangat
diperlukan dan bersifat mendasar.
Kata “probabilitas” atau “peluang” adalah kata yang biasa dipakai dalam kehidupan
sehari-hari. Suatu peristiwa yang mempunyai probabilitas untuk terjadi mengandung arti
bahwa ada harapan peristiwa itu akan terjadi. Jika ada kepastian bahwa suatu peristiwa akan
terjadi, maka peluang terjadinya peristiwa itu adalah 1. Jika tidak ada peluang sama sekali
bahwa suatu peristiwa akan terjadi, maka peluangnya adalah 0.
Konsep probabilitas berhubungan dengan pengertian eksperimen atau percobaan yang
menghasilkan “hasil” yang tidak pasti. Artinya, eksperimen yang diulang-ulang dalam kondisi
yang sama akan memberikan “hasil” yang dapat berbeda-beda. Beberapa contoh eksperimen
statistik adalah sebagai berikut :
- Percobaan : pengukuran waktu reaksi kimia
Hasil : lama reaksi,
- Percobaan : pengamatan sekumpulan hasil produksi
Hasil : banyaknya produk cacat dalam kumpulan produk itu.
Beberapa definisi
 Ruang sampel (sample space) :
Himpunan semua hasil yang mungkin dari suatu percobaan.
 Titik sampel :
Setiap unsur / elemen / anggota dari ruang sampel.
 Kejadian :
Hasil dari suatu percobaan yang mempunyai sifat tertentu.
Himpunan bagian dari ruang sampel.
1. Percobaan dan ruang sampel

Percobaan adalah tindakan yang menghasilkan suatu kejadian. Himpunan yang memuat
semua hasil percobaan yang mungkin terjadi dalam percobaan disebut ruang sampel
(dilambangkan dengan ). Adapun anggota dari ruang sampel disebut titik sampel
(dilambangkan dengan sembarang notasi katakan saja ).
Contoh :
Perhatikan sebuah percobaan (eksperimen) terhadap pelambungan sebuah dadu. Jika
kita pandang dadu tersebut, maka kemungkinan mata dadu yang muncul adalah
munculnya angka 1, 2, 3, 4, 5, atau 6. Keenam kemungkinan ini selanjutnya kita sebut
dengan ruang sampel yang lebih sering ditulis . Perhatikan bahwa
[Date]
baik angka 1, 2, 3, 4, 5, maupun angka 6 selanjutnya dikatakan dengan titik sampel.
61
62
Untuk lebih jelasnya, kita misalnya mencari titik sampel dari munculnya bilangan genap
pada pelemparan dadu tersebut, dengan demikian jika kita sebut titik sampel yang
mewakili bilangan genap, maka .
2. Kejadian dan peluang suatu kejadian

Kejadian adalah himpunan bagian suatu ruang sampel . Kejadian dilambangkan dengan
huruf besar (capital case), misalnya A, B, X, Y, atau semacamnya. Seperti hanya pada
notasi himpunan, banyaknya anggota suatu ruang sampel disajikan dengan .
Pada ruang sampel yang berhingga, banyaknya semua kejadian pada adalah .
Jika suatu kejadian (tidak harus dinotasikan dengan ) yang bersesuaian dengan suatu
eksperimen dengan ruang sampel berhingga yang setiap titik sampelnya
berkemungkinan sama untuk terjadi (muncul), maka peluang kejadian , disajikan
dengan , yang didefinisikan sebagai berikut
Contoh :
Kita perhatikan contoh sebelumnya pada pelambungan sebuah dadu, kita telah sepakat
mengatakan bahwa , akibatnya , dan sebagai kejadian muncul
angka genap , akibatnya . Misalkan kita diminta mencari peluang
munculnya angka genap pada pelemparan sebuah dadu, sehingga dengan mudah dapat
kita tuliskan, adalah peluang muncul angka genap pada pelemparan sebuah dadu
dengan
3. Kisaran nilai peluang

a. Jika kejadian dalam ruang sampel seluruhnya terjadi (selalu terjadi), artinya
sehingga
Peristiwa ini disebut kepastian.

b. Jika kejadian dalam ruang sampel tidak pernah terjadi, artinya , sehingga
Peristiwa ini disebut kemustahilan.

Dengan demikian dapat kita tuliskan kisaran nilai peluang sebagai berikut
Namun, pada umumnya bagi seorang peneliti nilai peluang akan memberikan arti
secara statistik untuk , sebab jika atau 1 maka penelitian
tersebut tidak perlu untuk dilakukan, karena sudah pasti diketahui hasilnya.
[Date]
4. Frekuensi harapan suatu kejadian
62
63
Frekuensi harapan suatu peristiwa pada suatu percobaan yang dilakukan kali adalah
hasil kali peluang kejadian atau dengan banyaknya percobaan atau dirumuskan :
Frekuensi harapan
Contoh :
Dua keping uang logam dilambungkan sekaligus, sebanyak 100 kali. Tentukan frekuensi
harapan keduanya muncul gambar!
Jawab :
Percobaan melambungkan dua mata uang sekaligus, maka
kejadian muncul dua gambar = , karena percobaan dilakukan
sebanyak 100 kali, akibatnya .
Jadi, frekuensi harapan munculnya dua gambar {GG} adalah
Kejadian Majemuk
1. Peluang komplemen suatu kejadian

Jika pada himpunan semesta terdapat himpunan , maka komplemen dari (ditulis )
adalah anggota tetapi bukan anggota . Pada bagian depan telah dijelaskan bahwa
peluang kejadian , yang ditulis , memiliki kisaran . Jika semua titik
sampel merupakan kejadian atau kepastian maka , sehingga :
atau
2. Peluang gabungan dua kejadian yang tidak lepas

Peluang gabungan dua kejadian yang tidak lepas adalah peluang suatu kejadian yang
tidak saling mempengaruhi, namun kejadiannya terjadi pada satu kesatuan (tempat yang
sama). Bentuk peluangnya dituliskan dengan,
Untuk lebih jelasnya perhatikan contoh berikut,

Contoh :
Sebuah dadu bersisi 6 dilempar satu kali. Tentukan peluang kejadian muncul mata genap
atau mata prima.
Jawab :
Kejadian muncul mata genap = {2, 4, 6} = (genap) = 3

Kejadian muncul mata prima = {2, 3, 5} = (prima) = 3
Kejadian muncul mata genap prima = {2} = (prima genap) = 1
Perhatikan bahwa kedua kejadian baik munculnya mata genap maupun mata prima
terjadi pada satu buah dadu, (kejadian terjadi pada satu tempat)
3. Peluang kejadian saling lepas
[Date]
Peluang kejadian saling lepas berlaku :
63
64
Contoh :
Sebuah dadu dilempar satu kali, tentukan peluang munculnya mata genap atau mata
prima ganjil.
Jawab :
Ruang sampel = = {1, 2, 3, 4, 5, 6}
Banyaknya anggota ruang sampel = =6
Muncul mata genap = {2, 4, 6} = =3
Muncul mata prima ganjil = {3, 5} = =2
Jadi, peluang muncul mata genap atau prima ganjil adalah
4. Peluang kejadian saling bebas

Peluang kejadian saling bebas memiliki ciri khas bahwa kejadian yang terjadi ada pada
dua tempat yang berbeda, dan antara kejadian-kejadian tersebut dipisahkan dengan kata
“dan”. Dua kejadian dan disebut saling bebas jika :
Contoh :
Pada pelemparan dua buah dadu, ditentukan kejadian dan sebagai berikut.
adalah kejadian munculnya mata 4 pada dadu pertama.
adalah kejadian munculnya mata 6 pada dadu kedua.
Apakah dan saling bebas ?
Jawab :
Tampak bahwa , sehingga kejadian dan

adalah dua kejadian yang saling bebas.
5. Frekuensi relatif
Frekuensi relatif didefinisikan sebagai,
Frekuensi relatif (nisbi) munculnya kejadian dituliskan,
Contoh :
Pada percobaan melempar undi atau mengetos mata uang logam sebanyak 100 kali,
[Date]
ternyata muncul permukaan gambar sebanyak 42 kali. Berapa frekuensi relatif?

Jawab :
64
65
Frekuensi relatif muncul gambar

6. Kejadian yang saling asing
Kejadian dan didalam disebut saling asing (saling lepas) jika dipenuhi
Contoh :
Pada pelambungan sebuah dadu, adalah kejadian muncul mata genap, adalah peluang
muncul mata ganjil, dan adalah kejadian muncul mata prima. dan adalah dua
kejadian yang saling asing, tetapi dan bukan dua kejadian yang saling asing.
7. Peluang bersyarat
Jika dan adalah dua kejadian didalam ruang sampel dan , maka peluang
bersyarat kejadian jika diketahui kejadian , yang disajikan dengan ,
didefinisikan sebagai berikut.
Atau,
Contoh :
Misalkan dari 900 orang yang disurvei diperoleh data berikut
Banyaknya Orang yang Bekerja Ditinjau dari Jenis Kelamin
Bekerja (B) Menganggur (M)
Laki-laki (L) 460 40
Wanita (W) 140 260
Jumlah 600 300
Seorang dipanggil secara acak (random). Jika yang terpanggil diketahui telah bekerja,
berapa peluangnya bahwa yang terpanggil tersebut seorang laki-laki?
Jawab :
Cara pertama
Peluang yang terpanggil adalah laki-laki, jika diketahui bahwa dia sudah bekerja ditulis
. Berdasarkan permasalahan yang dipersoalkan, kita akan mereduksi ruang sampel
yang dibicarakan dari 900 orang (yang disurvei) ke 600 orang (yang berstatus bekerja),
sehingga peluang yang ditanyakan adalah,
Cara kedua
Cara kedua adalah dengan menggunakan definisi peluang bersyarat. Berarti harus dicari
dulu dan , tetapi dengan menggunakan ruang sampel keseluruhan (yang
beranggotakan 900 orang).
P(LᴒB) = n (LᴒB)/n(S) = 460/900 = 23/45
[Date]
65
66
KAIDAH BAYES
Misalkan kejadian B1, B2, …, Bk merupakan suatu partisi dari ruang sampel S dengan P(B i)  0
untuk i = 1, 2, …, k. Misalkan A suatu kejadian sebarang dalam S dengan P(A)  0, maka :
P(Br  A) P(Br )P(A | Br )

P(Br | A)  k
 k
 P( B
i 1
i  A)  P(B )P(A | B )
i 1
i i
untuk r = 1, 2, …, k.
BUKTI :
Menurut definisi probabilitas bersyarat :
P( B r  A)
P( B r | A) 
P( A)
selanjutnya,
P( B r  A )
P( B r | A )  k
 P( B
i 1
i  A)
sehingga diperoleh :
P(Br )P(A | Br )
P(Br | A)  k
.
 P( B ) P( A | B )
i 1
i i
CONTOH 18 :
Kembali ke contoh sebelumnya (CONTOH 17), apabila seseorang merencanakan masuk

menjadi anggota koperasi tersebut, tetapi menundanya beberapa minggu dan kemudian
mengetahui bahwa iuran telah naik, berapakah probabilitas Pak Cokro terpilih menjadi ketua
Jawab :
Dengan menggunakan Kaidah Bayes, diperoleh bahwa :
P( B 3 ) P( A | B 3 )
P( B 3 | A) 
P ( B 1 ) P ( A | B1 )  P ( B 2 ) P ( A | B 2 )  P ( B 3 ) P ( A | B 3 )
Selanjutnya, masukkan probabilitas yang telah dihitung pada contoh sebelumnya,

sehingga diperoleh :
[Date]
66
67
0,08 8
P( B 3 | A)   .
0,24  0,05  0,08 37
Berdasarkan kenyataan bahwa iuran telah naik, maka hasil ini menunjukkan bahwa
kemungkinan besar bukan Pak Cokro yang sekarang menjadi ketua koperasi tersebut.
8. Beberapa contoh penggunaan teori peluang
Kasus 1
Pada penerbangan sebuah pesawat terbang, peluang bahwa sebuah pesawat tinggal
landas tepat waktu ialah 0,83. Peluang bahwa pesawat datang tepat waktu ialah 0,92 dan
peluang bahwa pesawat tinggal landas dan datang tepat pada waktunya ialah 0,78. Caril-
lah peluang dari,
a. Datang tepat waktu, jika diketahui pesawat tinggal landas tepat waktu, dan
b. Tinggal landas tepat waktu, jika diketahui bahwa pesawat datang tepat waktu.
Jawab :
Misalnya adalah peristiwa pesawat tinggal landas tepat waktu dan adalah peristiwa
pesawat datang tepat waktu.
a. Peluang bahwa pesawat datang tepat waktu, jika ia tinggal landas tepat waktu adalah :
b. Peluang bahwa pesawat tinggal landas tepat waktu, jika ia datang tepat waktu adalah :
Kasus 2
Sekeping uang logam setimbang dilemparkan dua kali. Berapakah probabilitasnya sekurang-
kurangnya sisi gambar muncul sekali ?
Jawab :
Ruang sampel percobaan ini adalah :
S = {AA, AG, GA, GG}
Bila D menyatakan kejadian bahwa sekurang-kurangnya sisi gambar muncul sekali, maka
D = {GA, AG, GG}
P(D) = ¼ + ¼ + ¼ = ¾
 Bila suatu percobaan mempunyai N hasil percobaan yang berbeda, dan masing-masing
mempunyai kemungkinan sama untuk terjadi, dan bila tepat n di antara hasil percobaan
itu menyusun kejadian A, maka probabilitas kejadian A adalah :
P(A) = n/N
[Date]
Kasus 3
67
68
Sekantung obat berisi 6 vitamin rasa jeruk, 4 rasa anggur, dan 3 rasa strawberi. Bila seseorang
mengambil satu obat secara acak, carilah probabilitasnya mendapat :
a. Satu rasa jeruk
b. Satu rasa anggur atau strawberi.
Jawab :
Misalkan J, A, dan S masing-masing menyatakan kejadian bahwa yang terpilih adalah rasa
teruk, anggur dan strawberi. Jumlah tablet 13, semuanya terpilih dengan probabilitas
yang sama.
a. Karena 6 dari 13 tablet dengan rasa jeruk, maka probabilitas kejadian J, satu rasa j
eruk terpilih secara acak
P(J) = 6/13
b. Karena 7 dari 13 tablet dengan rasa anggur atau strawberi, maka
P(A  B) = 7/13
Kasus 4 :
Peluang seorang mahasiswa lulus matematika 2/3 dan peluangnya lulus statistika 4/9. Bila
peluang lulus kedua mata kuliah ¼, berapakah peluangnya lulus paling sedikit satu mata
kuliah ?
Jawab :
Bila M menyatakan kejadian ‘lulus Matematika’ dan S ‘lulus statistika’ maka
P(M  S) = P(M) + P(S) – P(M  S)
= 2/3 + 4/9 – ¼ =31/36
Kasus 5 :
Berapakah probabilitas mendapat 7 atau 11 bila dua dadu dilemparkan ?
Jawab :
Misalkan A kejadian jumlah 7 muncul, dan B kejadian jumlah 11 muncul. Jumlah 7 dapat
muncul dalam 6 dari 36 titik sampel dan jumlah 11 dalam 2 titik sampel. Karena semua
titik berkemungkinan sama maka P(A) = 6/36 = 1/6. dan P(b) = 2/36 = 1/18. Kejadian
A dan B saling terpisah karena jumlah 7 dan 11 tidak mungkin terjadi pada lemparan
yang sama, sehingga
P(A  B) = P(A) + P(B)
= 1/6 + 1/18 = 2/9
Kasus 6. Probabilitas bersyarat :
1. Probabilitas suatu penerbangan yang telah terjadual teratur berangkat tepat waktu P(B)
= 0,83; probabilitas sampai tepat waktu P(S) = 0,82; dan probabilitas berangkat dan
sampai tepat waktu P(B  S) = 0,78. Carilah probabilitas bahwa pesawat :
a. sampai tepat waktu apabila diketahui berangkat tepat waktu,
b. berangkat tepat waktu jika diketahui sampai tepat waktu.
Jawab :
[Date]
68
69
a. Probabilitas pesawat sampai tepat waktu jika diketahui berangkat tepat waktu adalah
:
P(B  S) 0,78
P(S | B)    0,94.
P(B) 0,83
b. Probabilitas pesawat berangkat tepat waktu apabila diketahui sampai tepat waktu
adalah :
P(B  S) 0,78
P(B | S)    0,95.
P(S) 0,82
Kasus 7 Kejadian bebas :
Misalkan diberikan suatu percobaan yang berkaitan dengan pengambilan 2 kartu yang
diambil berturutan dari sekotak kartu dengan pengembalian. Kejadian ditentukan sebagai :
A = kartu pertama yang terambil as,
B = kartu kedua sebuah skop (spade).
Karena kartu pertama dikembalikan, ruang sampel untuk kedua pengambilan terdiri dari 52
kartu, berisi 4 as dan 13 skop. Jadi
13 1
P(B | A)   ,
52 4
dan
13 1
P(B)   .
52 4
Jadi, P(B|A) = P(B). Apabila hal ini benar, maka kejadian A dan B dikatakan bebas
(independent).
Definisi 3 :
Bila dalam suatu percobaan A dan B dapat terjadi sekaligus, maka :

P(A  B) = P(A) P(BA)
P(A  B) = P(B) P(AB)
CONTOH 14:
Suatu kantong berisi 4 bola merah dan 3 bola hitam, dan kantong kedua berisi 3 bola merah
dan 5 bola hitam. Satu bola diambil dari kantong pertama dan dimasukkan tanpa melihatnya
ke kantong kedua. Berapakah probabilitas apabila sekarang diambil bola hitam dari kantong
kedua ?
[Date]
Jawab :
69
70
 3  6 
H PH1  H 2     
 7  9 
Kantong 2 6/9
H 3M, 6H
M
 3  3 
PH 1  M 2     
Kantong 1 3/7  7  9 
3/9
4M, 3H
 4  5 
H PM 1  H 2     
M  7  9 
Kantong 2 5/9
4/7
4M, 5H
M
 4  4 
PM 1  M 2     
 7  9 
4/9
Misalkan H1, H2, dan M1 masing-masing menyatakan mengambil 1 bola hitam dari
kantong 1, 1 bola hitam dari kantong 2, dan 1 bola merah dari kantong 1. Ingin diketahui
gabungan dari kejadian mutually exclusive H1  H2 dan M1  H2. Berbagai kemungkinan
dan probabilitasnya diperlihatkan pada Gambar di atas
Selanjutnya,
PH 1  H 2  atau M 1  H 2   PH 1  H 2   PM 1  H 2 

 PH 1 PH 2 | H 1   PM 1 PH 2 | M 1 
 3  6   4  5 
       
 7  9   7  9 
38
 .
63
Definisi 4 :
Bila 2 kejadian A dan B bebas, maka :

P(A  B) = P(A) P(B)
Kasus 8 Kejadian bebas :
Suatu kota kecil mempunyai sebuah mobil pemadam kebakaran dan sebuah ambulans untuk
keadaan darurat. Probabilitas mobil pemadam kebakaran siap setiap waktu diperlukan
adalah 0,98; probabilitas mobil ambulans siap setiap waktu dipanggil adalah 0,92. Jika dalam
kejadian ada kecelakaan karena kebakaran gedung, maka carilah probabilitas keduanya siap.
Jawab :
[Date]
Misalkan A dan B masing-masing menyatakan Kejadian mobil pemadam kebakaran dan

ambulans siap. Oleh karena itu,
70
71
P(A B) = P(A) P(B) = (0,98)(0,92) = 0,9016.
Definisi 5 :
Bila dalam suatu percobaan kejadian-kejadian A1, A2, …, Ak dapat terjadi, maka :
P(A1A2 …Ak) = P(A1).P(A2A1).P(A3 A1A2).
P(Ak A1A2 … Ak-1)
CONTOH 16 :
Tiga kartu diambil satu persatu tanpa pengembalian dari sekotak kartu (yang berisi 52 kartu).
Carilah probabilitas bahwa kejadian A1  A2  A3 terjadi, apabila A1 kejadian bahwa kartu
pertama as berwarna merah, A2 kejadian bahwa kartu kedua 10 atau jack, dan A3 kejadian
bahwa kartu ketiga lebih besar dari 3 tetapi lebih kecil dari 7.
Jawab :
Diketahui bahwa :
A1 : kartu pertama as berwarna merah,
A2 : kartu kedua 10 atau jack,
A3 : kartu ketiga lebih besar dari 3 tetapi lebih kecil dari 7.
Selanjutnya,
2
P(A 1 ) 
52
8
P(A 2 | A 1 ) 
51
12
P(A 3 | A1  A 2 ) 
50
sehingga diperoleh bahwa :
P(A1  A 2  A3 )  PA1 PA 2 | A1 PA3 | A1  A 2 

 2  8  12 
    
 52  51  50 
8
 .
[Date]
5525
71
72
Definisi 5 :
Bila A1, A2, …, Ak saling bebas, maka :

P(A1A2 …Ak) = P(A1).P(A2).P(A3) … P(Ak)
Teorema :
Bila kejadian B1, B2, …, Bk merupakan partisi dari ruang sampel S dengan P(B i)  0 untuk i
= 1, 2, …, k, maka untuk setiap kejadian A anggota S :
k k
P(A)   P(B i  A)   P(B i )P(A | B i )
i 1 i 1
atau
P(A) = P(B1)P(AB1) + P(B2)P(AB2) +… + P(Bk)P(ABk)
BUKTI :
Perhatikan diagram Venn pada Gambar di bawah ini. Terlihat bahwa kejadian A
merupakan gabungan dari sejumlah kejadian yang mutually exclusive B1  A, B2  A,
…, Bk  A, yaitu :
A = (B1  A)  (B2  A)  …  (Bk  A).
B2 B3
B1
A B4
Bk
Dengan menggunakan pernyataan yang mengatakan bahwa :
Apabila E1, E2,…, Ek kejadian yang disjoint, maka P(E1  E2  …  Ek) = P(E1) +
P(E2) + … + P(Ek).
serta
Apabila kejadian E1 dan E2 dapat terjadi pada suatu percobaan, maka P(E 1  E2) =
[Date]
P(E1)P(E2| E1).
72
73
Sehingga diperoleh :
P(A) = P[(B1  A)  (B2  A)  … (Bk  A)]
= P(B1  A) + P(B2  A) + … + P(Bk  A)
k k
=  P( B
i 1
i  A)   P(B i )P(A | B i ).
i 1
CONTOH 17 :
Tiga anggota koperasi dicalonkan menjadi ketua. Probabilitas Pak Ali terpilih adalah 0,3;
probabilitas Pak Badu terpilih adalah 0,5; sedangkan probabilitas Pak Cokro adalah 0,2.
Apabila Pak Ali terpilih, maka probabilitas kenaikan iuran koperasi adalah 0,8. Apabila Pak
Badu atau Pak Cokro yang terpilih, maka probabilitas kenaikan iuran adalah masing-masing
0,1 dan 0,4. Berapakah probabilitas iuran akan naik ?
Jawab :
Perhatikan kejadian sebagai berikut.
A = Orang yang terpilih menaikkan iuran
B1 = Pak Ali yang terpilih
B2 = Pak Badu yang terpilih
B3 = Pak Cokro yang terpilih.
Berdasarkan teorema jumlah probabilitas, maka diperoleh :
P(A) = P(B1)P(A|B1)+ P(B2)P(A|B2)+ P(B3)P(A|B3)
Dengan melihat diagram pohon pada Gambar di bawah ini, terlihat bahwa ketiga cabang
mempunyai probabilitas
P(B1)P(A|B1) = (0,3)(0,8) = 0,24
P(B2)P(A|B2) = (0,5)(0,1) = 0,05
P(B3)P(A|B3) = (0,2)(0,4) = 0,08.

[Date]
73
74
B1 P(A|B1)=0,8 A
P(B1)=0,3
P(B2)=0,5 P(A|B2)=0,1 A
B2
P(B3)=0,2
B3 P(A|B3)=0,4 A
Jadi P(A) = 0,24 + 0,05 + 0,08 = 0,37.
Latihan Evaluasi
1. Tiga orang anggota suatu yayasan, yaitu pak naya, pak suta, dan pak dadap telah dinomin-
asikan untuk memimpin yayasan pada kurun waktu 5 tahun mendatang. Peluang pak
naya terpilih adalah 0,5. Peluang pak suta terpilih adalah 0,3 dan peluang pak dadap
terpilih adalah 0,2. Jika pak naya yang terpilih, maka peluang ia menaikkan iuran anggota
ialah 0,8. Jika pak suta atau pak dadap yang terpilih, maka peluang ia menaikkan iuran
anggota ialah 0,1 atau 0,4 berturut-turut. Berapa peluang bahwa akan ada kenaikan
setelah pemilihan selesai?
Jawab :
2. Dari 48 mahasiswa pada suatu kelas, diketahui 32 mahasiswa menyukai sepak bola, 20
mahasiswa menyukai bulu tangkis, dan 12 mahasiswa menyukai kedua-duanya. Jika
seorang mahasiswa dipilih secara acak, tentukan peluang yang terpilih mahasiswa yang
menyukai sepak bola atau bulu tangkis?
Jawab :
Selamat Mengerjakan
SOAL-SOAL LATIHAN :
1. Misalkan tiga produk diambil secara acak dari proses produksi di pabrik, kemudian
setiap produk diperiksa dan digolongkan sebagai cacat (C) dan tidak cacat (B). Tentukan
yang dimaksud dengan percobaan, ruang sampel, dan titik sampelnya ! Beri contoh
kejadian !
[Date]
74
75
2. Dalam kedokteran dikenal 8 golongan darah, yaitu AB+, AB-, A+, A-, B+, B-, O+, O-; selain
itu tekanan darah dikelompokkan atas rendah, normal, dan tinggi. Berdasarkan kedua
hal itu ada berapa cara seorang pasien dapat dikelompokkan ?
3. Dalam berapa cara kata “statitika’ dapat dipermutasikan ?
4. Sebuah panitia 3 orang hendak dibentuk dari sejumlah 20 orang. Berapa banyak panitia
yang dapat dibentuk ?
5. Terdapat 20 nomor lotere. Ada berapa cara berbeda, bila 2 nomor diambil untuk hadiah
pertama dan kedua ?
6. Sebuah sampel harus terdiri dari 5 orang responden. Jika responden tersebut harus
dipilih dari suatu populasi yang terdiri dari 6 pria dan 3 wanita, dalam berapa cara
sampel diatas dapat dipilih jika harus memiliki komposisi paling sedikit 3 orang
responden pria ?
7. Satu tas berisi 2 botol (kecil) aspirin dan 3 botol obat masuk angin. Tas kedua berisi 3
botol aspirin, 2 botol masuk angin dan 1 botol obat rematik. Bila 1 botol diambil secara
acak dari setiap tas, carilah probailitas bahwa :
a. kedua botol berisi obat masuk angin
b. tidak ada botol yang berisi obat masuk angin
c. kedua botol berisi obat yang berlainan.
8. Dari 500 mahasiswa tingkat pertama suatu universitas, ternyata 210 mengambil mata
kuliah Matematika, 258 mengambil Statistika, 216 mengambil Fisika, 122 mengambil
Matematika dan Statistika, 83 mengambil Statistika dan Fisika, 97 mengambil
Matematika dan Fisika, dan 52 mengambil ketiga mata kuliah. Bila seorang mahasiswa
dipilih secara acak di universitas tersebut, berapa probabilitas bahwa mahasiswa itu
a. mengambil Matematika tapi tidak Statistika
b. mengambil Fisika dan Statistika, tapi tidak Matematika
c. mengambil Statistika atau Fisika.
9. Dalam suatu kotak terdapat 6 obat yang berwarna putih dan 4 obat yang berwarna
kuning. Apabila dari kotak tersebut diambil satu per satu secara acak sebanyak 3,
hitunglah probailitas mendapatkan semuanya berwarna putih, bila dilakukan dengan :
b. dengan pengembalian
c. tanpa pengembalian.
10. Peluang Tom masih hidup dalam 20 tahun mendatang adalah 0,7 dan peluang Nancy
masih hidup dalam 20 tahun mendatang adalah 0,9. Berapakah peluang bahwa
keduanya akan meninggal dalam 20 tahun mendatang ?
[Date]
75
76
11. Dalam suatu penelitian untuk mengetahui pengaruh hipertensi pada kebiasaan
merokok, dikumpulkan data yang menyangkut 180 orang.
Bukan Perokok Perokok

perokok sedang berat
Hipertensi 21 36 30
Tidak hipertensi 48 26 19
Bila seseorang diambil secara acak dari kelompok ini, carilah peluang bahwa orang itu
a. menderita hipertensi, bila diketahui dia perokok berat.
b. bukan perokok, bila diketahui dia tidak menderita hipertensi.
12. Peluang seorang dokter dengan tepat mendiagnosis sejenis penyakit tertentu 0,7. Bila
diketahui dokter tadi salah mendiagnosis, peluang pasien akan menuntut ke pengadilan
0,9. Berapakah peluang dokter tersebut salah mendiagnosis dan pasien menuntutnya ?
13. Di suatu daerah, dari pengalaman lalu diketahui bahwa peluang orang dewasa yang
berumur di atas 40 tahun menderita kanker adalah 0,02. Peluang seorang dokter
mendiagnosis penderita kanker secara tepat sebagai penderita adalah 0,78, dan peluang
mendiagnosis bukan penderita kanker secara salah sebagai penderita adalah 0,06.
a. Tentukan peluang bahwa hasil diagnosis bagi seseorang mengatakan bahwa ia
menderita kanker.
b. Tentukan berapa peluang seorang yang didiagnosa terserang kanker memang
terserang kanker.
BAB 8. VARIABEL ACAK DAN FUNGSI DISTRIBUSI PROBABILITAS

Variabel acak (random variable):
variabel yang nilainya ditentukan oleh hasil sebuah eksperimen. Yaitu, variabel acak
merepresentasikan hasil yang tidak pasti..
Variabel acak diskrit:
variabel acak yang nilainya dapat dicacah (dihitung).
Contoh:
- Jumlah pembeli yang memasuki sebuah toko.
- Jumlah televisi yang terjual pada periode tertentu.
[Date]
Variabel acak kontinu:

Variabel acak yang nilainya tidak dapat dicacah.
76
77
Contoh:
- Perpanjangan pegas jika ditarik.
- Berat segenggam strawberry.
Distribusi probabilitas dari variabel acak diskrit adalah tabel, grafik, atau rumus yang
menyatakan probabilitas setiap nilai yang mungkin dimiliki variabel acak.
Contoh:
Ada sebuah kuis dengan tiga pertanyaan dengan kemungkinan jawaban benar/salah.
Ruang sampel kuis ini terdiri dari hasil
BBB BBS BSB SBB
BSS SBS SSB SSS
dengan B= benar dan S = salah.
Karena probabilitas B dan S masing-masing 1/2, maka
P(BBB) = (1/2)(1/2)(1/2) = 1/8
demikian juga dengan kombinasi lainnya.
Jika x menyatakan jumlah jawaban yang benar, maka didapat nilai p(x):
p(0) = 1/8=P(B=0)=P(SSS)
p(1) = 3/8=P(B=1)=P(BSS)+P(SBS)+P(SSB)
p(2) = 3/8=P(B=2)= P(BBS)+P(BSB)+P(SBB)
p(3) = 1/8=P(B=3)=P(BBB)
Distribusi probabilitas diskrit p(x) harus sedemikian sehingga
1. p(x)  0 untuk setiap nilai x
2. p(x) = 1
Mean atau Nilai Ekspektasi dari variabel acak diskrit x adalah
x = xp(x)
Varians dari variabel acak diskrit x adalah
x2 = (x-x)2p(x)
Standard deviasi dari x adalah akar kuadrat positif dari varians x. Yaitu,
x = x2
A. VARIABEL ACAK DISKRIT
1. Variabel Acak Binomial
Contoh:
Dilakukan survey terhadap pengunjung mal, dan ditemukan bahwa 40% dari
melakukan transaksi pembelian. Berapa probabilitas bahwa 2 dari 3 pengunjung akan
melakukan pembelian?
Eksperimen ini memiliki karakteristik:
[Date]
77
78
1. Eksperimen ini terdiri dari tiga rangkaian percobaan yang identik, di mana
setiap percobaan berupa keputusan pengunjung untuk membeli/tidak.
2. Ada dua hasil yang mungkin dari tiap percobaan: pengunjung membeli (disebut
sukses, dinyatakan dengan S), atau tidak membeli (disebut gagal, dinyatakan
dengan G).
3. Karena 40 persen dari seluruh pengunjung melakukan pembelian, adalah
masuk akal jika ditentukan bahwa P(S), probabilitas pengunjung membeli,
adalah 0.4 dan konstan untuk semua pengunjung. Hal ini berarti bahwa P(G),
probabilitas pengunjung tidak membeli, adalah 0.6 dan konstan untuk semua
pengunjung.
4. Kita anggap para pengunjung membuat keputusan yang independen. Yaitu,
hasil tiga percobaan independen satu sama lain.
Ruang sampel eksperimen:
SSS SSG SGS SGG
GGG GGS GSG GSS
Dua dari tiga pengunjung melakukan pembelian pada hasil SSG, SGS, atau GSS. Karena
setiap keputusan independen, kita dapat mengalikan probabilitas S dan G untuk
mencari probabilitas setiap hasil di atas:
P(SSG) = P(S)P(S)P(G) = (0.4)(0.4)(0.6) = (0.4)2(0.6)
P(SGS) = P(S)P(G)P(S) = (0.4)(0.6)(0.4) = (0.4)2(0.6)
P(GSS) = P(G)P(S)P(S) = (0.6)(0.4)(0.4) = (0.4)2(0.6)
Probabilitas 2 dari 3 pengunjung melakukan pembelian adalah:
P(SSG) + P(SGS) + P(GSS) = (0.4)2(0.6) + (0.4)2(0.6) + (0.4)2(0.6)

= 3(0.4)2(0.6)
= 0.288
Dari ekspresi 3(0.4) (0.6) dinyatakan bahwa:
2
Secara umum:
Probabilitas terjadinya x sukses dari n percobaan adalah:
jumlah cara terjadinya x
sukses dari n  pxqn-x
percobaan
[Date]
Jumlah cara terjadinya x sukses di antara n percobaan sama dengan= C x n =
78
79
n!
x!(n-x)!
di mana n! disebut “n faktorial” dan dihitung sebagai
n! = n(n-1)(n-2)(1) dengan 0!=1.
1) Distribusi Binomial
Eksperimen binomial memiliki karakteristik:
1. Eksperimen terdiridari n percobaan yang identik.

2. Setiap percobaan berakhir dengan sukses atau gagal.
3. Probabilitas sukses dari setiap percobaan adalah p dan tetap konstan dari satu
percobaan ke yang lainnya. Hal ini menunjukkan bahwa probabilitas kegagalan, q, dari
setiap percobaan adalah 1-p dan tetap konstan dari satu percobaan ke yang lainnya.
4. Percobaan-percobaan tersebut adalah independen (yaitu, hasilnya tidak bergantung
satu dengan yang lain).
Jika didefinisikan variabel acak (random variable):
x= jumlah total kesuksesan pada n percobaan pada eksperimen binomial.
maka x dinamakan variabel acak binomial, dan probabilitas mendapatkan x sukses di antara n
percobaan adalah
p(x) = n! pxqn-x
x!(n-x)!
Mean, Varians, dan Standard Deviasi dari Variabel Acak Binomial
Jika x adalah variabel acak binomial, maka
x = np x2 = npq x = (npq)
2. Variabel Acak Poisson
Variabel ini merupakan variabel acak diskrit yang mendeskripsikan jumlah terjadinya
suatu event pada interval waktu atau ruang tertentu.
Contoh:
- jumlah pelanggan pada kasir pasar swalayan selama satu jam.
- jumlah noda kotor yang ditemukan pada satu meter persegi bungkus plastik.
2) Distribusi Poisson
[Date]
79
80
Diperhitungkan jumlah berapa kali suatu event terjadi pada suatu interval waktu atau
ruang, dan anggap bahwa:
1. Probabilitas terjadinya suatu event sama untuk dua interval dengan rentang
yang sama.
2. Terjadi atau tidaknya event tersebut pada suatu interval independen dengan
terjadi atau tidaknya event itu pada interval yang lain.
Probabilitas event tersebut akan terjadi x kali pada suatu interval tertentu adalah
e -  x
p(x) = ----------
x!
Di mana  adalah mean dari jumlah terjadinya event itu pada interval tertentu, dan e =
bil alam= bil Napier =2.71828... yang merupakan basis dari logaritma Napierian.
Variabel acak Poisson bisa bernilai 0, 1, 1, 3, ... dan seterusnya.
Mean, Varians, dan Standard Deviasi dari Variabel Acak Poisson
Jika x adalah variabel acak Poisson,  adalah jumlah rata-rata terjadinya event pada interval
waktu atau ruang tertentu, maka
x =  x2 =  x = ()
3) Variabel Acak Geometrik
Jumlah kegagalan sebelum sukses yang pertama pada serangkaian percobaan

Bernoulli (1 = sukses; 0 = gagal) yang independen dengan probabilitas p untuk sukses
pada setiap percobaan.
Distribusi geometrik adalah analog diskrit dari distribusi eksponensial.
Distribusi ini merupakan kasus khusus dari distribusi binomial negatif.
Mean = (1-p)/p
Varians = (1-p)/p2
4) Variabel Acak Binomial Negatif
Jumlah kegagalan sebelm sukses ke-s pada serangkaian percobaan Bernoulli (1 =

sukses; 0 = gagal) yang independen dengan probabilitas p untuk sukses pada setiap
percobaan.
Mean = (s(1-p))/p
Varians = (s(1-p))/p2
B. VARIABEL ACAK KONTINU

[Date]
1. Variabel Acak Terdistribusi Seragam
80
81
Grafik distribusi seragam (uniform)
f(x) =
d-c
0 c d
Persamaan yang mendeskripsikan distribusi seragam adalah

f(x) = 1/(d-c) untuk c  x  d
= 0 untuk yang lainnya.
Mean dan varians untuk semua nilai variabel acak x yang terdistribusi seragam:
x = (c+d)/2 dan x = (d-c)/12
2. Variabel Acak Normal
Grafik distribusi normal
f(x)
Area ini = .5 Area ini = .5
0 
Kurva normal simetris di sekitar , dan luas total di bawah kurva sama dengan 1.
Distribusi probabilitas normal didefinisikan oleh persamaan
f(x) = e-½((x-)/) untuk semua x
(2)
[Date]
 dan  adalah mean dan standard deviasi populasi semua nilai variabel acak x.
81
82
 = 3.14159... dan e = 2.71828...
Distribusi Normal Standard
Jika variabel acak x (atau populasi semua nilai x yang ter-observasi) terdistribusi
normal dengan mean  dan standard deviasi , maka variabel acak
z = (x-)/
(atau, populasi semua nilai z yang ter-observasi) terdistribusi normal dengan mean nol
dan standard deviasi satu. Distribusi (atau kurva) normal dengan mean nol dan
standard deviasi satu ini disebut distribusi (atau kurva) normal standard.
3. Variabel Acak Eksponensial
Grafik distribusi eksponensial
f(x) = e-x
Misalkan berapa kali suatu event tertentu terjadi pada interval waktu atau ruang
tertentu memiliki distribusi Poisson. Dapat dibuktikan bahwa waktu atau ruang di
antara terjadinya event yang berurutan memiliki distribusi eksponensial.
Persamaan yang mendeskripsikan distribusi eksponensial adalah
f(x) = e-x untuk x  0
= 0 untuk yang lainnya.
Mean dan standard deviasi dari populasi semua nilai variabel acak x yang memiliki
distribusi eksponensial adalah
x = 1/ dan x = 1/
BAB 9 DISTRIBUSI NORMAL

[Date]
Tujuan Instruksional Khusus :

1. menjelaskan pengertian dan rumus distribusi normal
82
83
2. mejelaskan kasus yang termasuk dalam distribusi normal

3. menjelaskan cara menghitung nilai probabilitas dari suatu contoh kasus yang
berdistribusi normal
4. menjelaskan cara membaca table normal
5. menjelaskan beda dan hubungan antara distribusi poisson, binomial dan distribusi
normal
Pokok Bahasan : Distribusi Teoritis
Deskripsi Singkat :
Bab ini memberi penjelasan tentang distribusi diskrit dan kontinu
Bahan Bacaan :
1. Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah, Penerbit
Gunadarma, Jakarta, 1994
2. Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma, Jakarta, 1994
3. Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall, New Jersey,
1991
4. Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT Gramedia Jakarta, 1992
A. Distribusi Peluang Kontinyu
1. Distribusi Normal
 Nilai Peluang peubah acak dalamDistribusi Peluang Normal dinyatakan dalam luas dari di
bawah kurva berbentuk genta\lonceng (bell shaped curve).
 Kurva maupun persamaan Normal melibatkan nilai x,  dan .
 Keseluruhan kurva akan bernilai 1, ini mengambarkan sifat peluang yang tidak pernah
negatif dan maksimal bernilai satu
Perhatikan gambar di bawah ini:
Gambar1. Kurva Distribusi Normal

[Date]
 x
83
84
Definisi Distribusi Peluang Normal
1 x 2
1  (
2 
)
e
n(x; , ) =
2 2
untuk nilai x : - < x <  e = 2.71828.....  = 3.14159...
 : rata-rata populasi
 : simpangan baku populasi
² : ragam populasi
 Untuk memudahkan penyelesaian soal-soal peluang Normal, telah disediakan tabel nilai z
(Statistika2, hal 175)
Perhatikan dalam tabel tersebut :
1. Nilai yang dicantumkan adalah nilai z
x
z

2. Luas kurva yang dicantumkan dalam tabel = 0.50 (setengah bagian kurva normal)
0 z
[Date]
84
85
3. Nilai z yang dimasukkan dalam tabel ini adalah luas dari sumbu 0 sampai dengan nilai
z
Dalam soal-soal peluang Normal tanda = .  dan  diabaikan, jadi hanya ada tanda < dan >
Cara membaca Tabel Nilai z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0
0.1
0.2
::
1.0
1.1
1.2 0.3944
3.4
Nilai 0.3944 adalah untuk luas atau peluang 0 < z < 1.25 yang digambarkan sebagai berikut
0 1.25
[Date]
Gambar 2. Peluang 0 < z < 1.25
85
86
Dari Gambar 2 dapat kita ketahui bahwa P(z >1.25 ) = 0.5 - 0.3944 = 0.1056
0 1.25
Gambar 3. Peluang (z>1.25)
P(z < 1.25) = 0.5 + 0.3944 = 0.8944
0 1,25
Gambar 4. Peluang z<1,25
Luas daerah untuk z negatif dicari dengan cara yang sama, perhatikan contoh berikut :
P(-1.25 < z <0) = 0.3944
-1,25 0
Gambar 5. Peluang (-1.25 < z < 0)

[Date]
86
87
P(z >-1.25) = 0.5 + 0.3944 = 0.8944
-1,25 0
Gambar 6. g (z>-1.25)
z < -1.25) = 0.5 - 0.3944 = 0.1056
-1,25 0
Gambar . Peluang Z<-1,25
Jika ingin dicari peluang diantara suatu nilai z z1 < z < z2, perhatikan contoh berikut :
P(-1.25<z<1.25) = 0.3944 + 0.3944 = 0.788
-1.25 0 1.25
Gambar 8. Peluang (-1.25<z<1.25)
P(-1.30 < z < -1.25) = 0.4032 - 0.3944 = 0.0088

[Date]
87
88
-1.30 -1.25 0
Gambar 9. Peluang(-1.30<x<1.25)
Peluang (1.25 < z < 1.35) = 0.4115 - 0.3944 = 0.0171
0 1,25 1,35
Gambar 10. Peluang (1,25<z<1,35)
 Untuk memastikan pembacaan peluang normal, gambarkan daerah yang ditanyakan!
Contoh 11 :
Rata-rata upah seorang buruh = $ 8.00 perjam dengan simpangan baku = $ 0.60, jika
terdapat 1 000 orang buruh, hitunglah :
a. banyak buruh yang menerima upah/jam kurang dari $ 7.80
b. banyak buruh yang menerima upah/jam lebih dari $ 8.30
c. .banyak buruh yang menerima upah/jam antara $ 7.80 sampai 8.30
 = 8.00  = 0.60
a. x < 7.80
x 7.80  8.00

z   0.33
[Date]
 0.60
88
89
P(x < 7.80) = P(z < -0.33) = 0.5 - 0.1293 = 0.3707 (Gambarkan!)
Jadi banyak buruh yang menerima upah/jam kurang dari $ 7.80 = 0.3707 x
1 000 or = 370.7 orang = 371 orang
b. x > 8.30
x 8.30  8.00

z   0.50.
 0.60
P(x > 8.30) = P(z > 0.50) = 0.5 - 0.1915 = 0.3085 (Gambarkan!)
Banyak buruh yang menerima upah/jam lebih dari $ 8.30 = 0.3085 x 1 000
= 308.5 = 309 orang
c. 7.80 < x < 8.30
z1 = -0.33 z2 = 0.50
P(7.80 < x < 8.30) = P(-0.33 < z < 0.50) = 0.1915 + 0.1293 = 0.3208 (Gambarkan)
Banyak buruh yang menerima upah/jam dari $ 7.80 sampai $ 8.30
= 0.3208 x 1 000
= 320.8 = 321 orang
 Pendekatan untuk peluang Binomial

p bernilai sangat kecil dan n relatif besar dan
a) JIKA rata-rata ()  20 MAKA lakukan pendekatan dengan distribusi POISSON dengan
=np
b) JIKA rata-rata () > 20 MAKA lakukan pendekatan dengan distribusi NORMAL dengan
=np
 2  n  p  q  Varians
  n pq
Contoh 12 :
[Date]
Dari 200 soal pilihan berganda, yang jawabannya terdiri dari lima pilihan (a, b, c,d dan e),
berapa peluang anda akan menjawab BENAR lebih dari 50 soal?
89
90
n = 200 p = 1/5 = 0.20
q = 1 - 0.20 = 0.80
Kerjakan dengan distribusi POISSON
P(x >50, p = 0.20)  = n  p = 200  0.20 = 40
Poisson (x > 50;  = 40 ),  = 40 dalam TABEL POISSON menggunakan RUMUS., terlalu

rumit!
KERJAKAN dengan = distribusi NORMAL
P (x > 50, p = 0.20)  = n  p = 200  0.20 = 40
 2  n  p  q = 200  0.20 0.80 = 32
  n  p  q = 32
P(x > 50 , p = 0.20)  P (z > ?)
50  40 10
z=   17677
.  177
.
32 5.6568...
P (z > 1.77) = 0.5 - 0.4616 = 0.0384 = 3.84 %
[Date]
90
91
BAB . 10. STATISTIK INFERENSIAL

(Rancangan Sampling dan Uji Perbedaan Rerata dengan Uji-t)
Kompetensi Dasar
Mahasiswa memahami tentang uji perbedaan mean atau nilai rerata hitung pada
sampel berkorelasi dan sampel independen antar dua kelompok atau lebih dengan teknik uji-
t, serta mampu menggunakannya untuk menganalisis data kuantitatif.
Indikator pencapaian
Mahasiswa dapat:
a. menjelaskan rancangan sampling, populasi dan sampel penelitian,

b. menjelaskan manfaat uji perbedaan mean (rerata) pada sampel berkorelasi dan
sampel independen,
c. menjelaskan manfaat analisis varians satu jalur dan dua jalur,
d. merumuskan hipotesis statistic,
e. menguji hipotesis deskriptif (satu sampel),
f. menguji hipotesis komparatif,
g. menguji hipotesis hubungan,
h. menerapkan teknik uji-t untuk menguji hipotesis penelitian,
i. menerapkan teknik analisis varians untuk menguji hipotesis penelitian,
j. menafsirkan dan menyimpulkan hasil uji hipotesis.
Uraian Materi
A. Rancangan Sampling
Dalam merencanakan penelitian, sampling merupakan salah satu faktor penting

karena beberapa alasan berikut. (1) Pada umumnya penelitian dilakukan terhadap satu
sampel dan tidak dilakukan terhadap seluruh populasi. (2) Hasil penelitian terhadap sampel
tersebut akan deigeneralisasikan terhadap populasi dari mana sampel penelitiaqn diambil.
Jika sampel tidak dapat mewakili seluruh populasi, maka akan terjadi kesalahan dalam
generalisasi. (3) Rancangan sampling akan menentukan rancangan penelitian (research
design) dan juga rancangan analisisnya (design of analysis).
1. Populasi dan Sampel

[Date]
91
92
Populasi adalah himpunan dari unsur-unsur yang sejenis. Unsur-unsur sejenis tersebut
bisa berupa manusia, hewan, tumbuh-tumbuhan, benda-benda, zat cair, peristiwa, dan
sejenisnya. Besarnya populasi bisa terbatas dan bisa tidak terbatas. Populasi dari mana
sampel penelitian diambil, disebut populasi induk. Melalui te3knik pengambilan sampel yang
reliabel, kesimpulan penelitian dapat digeeralisasikan. Ada kesalahan generalisasi yang perlu
dipertimbangkan, karena besar-kecilnya kesalahan generalisasi tergantung pada: (1)
besarnya sampel penelitian, (2) teknik sampling yang digunakan, (3) kecermatan
memasukkan ciri-ciri populasi dalam sampling, (4) cara-cara pengambilan data, dan (5)
rancangan analisis datanya.
Sampel penelitiaqn adalah bagian dari populasi. Tingkat representatifitas sampel

terhadap populasinya akan menentukan kecermatan generalisasi hasil penelitian. Hal ini
tergantung pada: (1) besarnya sampel, (2) teknik samplingnya, (3)homogenitas populasi, dan
(4) kecermatan memasukkan ciri-ciri populasi dalam sampling. Ada beberapa aspek yang
perlu dipertimbangan, antara lain sebagai berikut. (1) Makin besar sampel yang diambil, akan
makin tinggi tingkat representatifitas sampelnya (jika populasinya tidak homogen secara
sempurna), (2) makin tingkat acak (random) dalam sampling, akan makin tinggi pula tingkat
representatifitas sampelnya, (3) makin homogen keadaan populasi, makin tinggi tingkat
representatifitas sampelnya, (4) makin lengkap ciri-ciri populasi dimasukkan dalam sampling,
akan makin tinggi tingkat representatifitas sampelnya.
Dalam suatu penelitian, angka rata-rata sampel disebut rata-rata statistik, sedangkan
rata-rata populasi disebut rata-rata parameter. Ciri kuantitatif yang diperoleh dri sampel
disebut statistik, sedangkan ciri kuantitatif yang diperoleh dari populasi disebut parameter.
2. Salah Baku Estimasi
Rata-rata hitung suatu sampel merupakan salah satu angka statistik. Distibusi freluensi
suatu angka statistik disebut distribusi sampling statistik. Simpangan baku distribusi
sampling suatu statistik disebut salah baku estimasi (standard error of the statistics). Untuk
distribusi sampling angka rata-rata, simpangan bakunya akan merupakan simpangan baku
angka rata-rata (standard error of the means). Secara matematik dapat dihitung dengan

 X 
2

rumus berikut. SB X   X     : n

 n  
[Date]
(ini rumus untuk sampel besar)
92
93
Keterangan: SB X = bilangan salah baku angka rata-rata
X = statistic rata-rata
N = banyaknya sampel
Jika sampelnya kecil, maka bilangan salah bakunya hanya ditaksir dari rumus berikut.
SB
SB X  ,
n 1
dimana SB X = salah baku estimasi angka rata-rata
SB = simpangan baku skor variable
n = besarnya sampel
Salah baku estimasi ini merupakan alat estimasi yang baik jika distribusi sampling statisknya
berada distribusi normal. Distribusi suatu statistic akan mendekatai normal, jika sampel
penelitiannya cukup besar dan tidak kurang dari 30 sampel, dan sampel-sampel tersebut
diambil secara acak (random).
3. Uji Hipotesis
Hipotesis dapat didefinisikan sebagai pernyataan mengenai keadaan populasi yang

akan diuji kebenarannya berdasarkan data yang akan dikumpulkan dari sampel penelitian.
Dari segi konstruksinya, hipotesis merupakan jawaban teoretik dan dianggap paling tinggi
tingkat kebenarannya terhadap permasalahan atau pertanyaan penelitian. Jawaban teoretik
ini perlu diuji kebenarannya secara empiris melalui data penelitian. Oleh karena itu, dalam
menguji hipotesis dengan statistic, harus terlebih dahulu dikemukakan/dirumuskan hipotesis
statistiknya, yang dinyatakan dalam hipotesis nul (H 0) dan hipotesis tandingan (H1). Uji
hipotesis ini menggunakan aturan keputusan untuk “menerima” atau “menolak” hipotesis
yang diajukan, dengan menyatakan taraf signifikansi yang digunakan. Taraf signifikansi
dinyatakan dalam persen (%). Persentase itu menunjukkan besarnya kemungkinan
[Date]
kekeliruan dalam kesimpulan yang menolak hipotesis nul dibawah pengandaian hipotesis nul
itu benar. Taraf kekeliruan tersebut sering disebut kesalahan tipe I atau taraf kesalahan alfa
93
94
(α). Jika peneliti menentukan taraf signifikansi 5%, maka berarti peneliti bersedia menerima
kemungkinan kesalahan menolak hipotesis nul yang yang benar sebanyak-banyak 5%.
Komplemen dari taraf signifikansi adalah taraf kepercayaan. Untuk taraf signifikasi 5%, taraf
kepercayaannya sebesar 95%.
Kemungkinan sebaliknya dari menolak hipotesis nul yang benar, adalah menerima
hipotesis nul yang salah. Kemungkinan kesalahan ini disebut kesalahan tipe II atau kesalahan
beta (β). Hubungan antara kesalahan tipe I dan tipe II dapat digambarkan sebagai berikut.
Hipotesis
Keputusan H0 benar H0 salah
H1 salah H1 benar
Menolak H0 Kesalahan Tidak ada
Tipe I (α) kesalahan
Menerima H1
Menerima H0 Tidak ada Kesalahan
Kesalahan Tipe II (β)
Menolak H1
B. Hipotesis Penelitian dan Hipotesis Statistik
Rancangan sampling akan menentukan rancangan penelitian dan rancangan analisis

datanya. Rancangan-rancangan penelitian yang akan diuraikan dalam kajian ini, pada awalnya
dikembangkan untuk penelitian eksperimen. Penelitian-penelitian bukan eksperimen
mengambil manfaat dari metodologi penelitian eksperimen. Sebagian besar penelitian
merupakan penelitian perbandingan (komparatif). Penelitian seperti ini akan melibatkan
paling sedikit dua kelompok sampel, atau kalau menggunakan satu kelompok sampel, maka
[Date]
sampel itu diukur secara berulang. Pengukuran berulang tersebut bisa dilakukan dua kali, tiga
kali, dan seterusnya.
94
95
Ada beberapa bentuk rumusan hipotesis, yaitu sebagai berikut.
1. Hipotesis Komparatif, yaitu hipotesis yang membandingkan dua rerata atau lebih.
2. Hipotesis Hubungan, yaitu hipotesis yang menghubungkan satu atau lebih variabel
bebas dengan variable terikat.
3. Hipotesis direksional, yaitu hipotesis yang menyatakan bahwa rerata hitung yang satu
lebih besar dari rerata hitung dua, atau sebaliknya.
4. Hipotesis non direksional, yaitu hipotesis yang menyatakan adanya perbedaan antara
dua rerata hitung.
Jika akan menguji hipotesis penelitian dengan analisis statistik, maka hipotesis
penelitian harus diubah menjadi hipotesis statistik, dalam bentuk hipotesis nul dan hipotesis
satu (hipotesis tandingan). Bentuk hipotesis statistik dapat dilihat pada analisis data lebih
lanjut.
C. Pengujian Hipotesis Komparatif Dua Sampel (berkorelasi dan independent) dengan Statistik
Parametrik ( dengan uji – t )
1. Uji Perbedaan Mean (Uji t / Student’s Dua Pihak/ Dua Ekor ) untuk Sampel
Berkorelasi (Matching)
Untuk menguji perbedaan nilai rata-rata hitung antar dua kelompok sampel yang berkorelasi
dan sampel independen, digunakan uji-t dua pihak (dua ekor). Uji-t atau t-test
(Student’s), untuk sampel berkorelasi digunakan rumus berikut.
X1  X 2
t
s1
2
s
2
 s  s 
 2  2r  1  2 
n1 n2  n  n 
 1  2 
Keterangan:
X 1 = Rata-rata sampel 1
X 2 = Rata-rata sampel 2
S1 = simpangan baku sampel 1
S2 = simpangan baku sampel 2

[Date]
S12 = varians sampel 1
95
96
S22 = varians sampel 2
r = korelasi antara dua sampel
Contoh penerapan uji-t untuk sampel berkorelasi
Tabel 9.1. Skor rasa masakan sebelum dan sesudah menggunakan bumbu masak “Pasti Enak”
No. Sampel Rasa masakan
Sebelum (X1) Sesudah (X2)
1 7 8
2 6 7
3 6 7
4 7 8
5 5 5
6 5 6
7 6 7
8 4 5
9 6 7
10 6 8
11 7 8
12 7 9
13 5 6
14 6 7
15 6 7
16 7 8
17 7 9
18 5 6
19 6 7
[Date]
20 7 8
96
97
21 7 8
22 6 7
23 6 5
24 5 6
25 5 5
ΣX 150 174
Rata-rata 6 6,96
SD 0,866 1,207
Varians 0,75 1,46
Hipotesis Penelitian:
H0: Tidak terdapat perbedaan skor rasa masakan sebelum menggunakan bumbu masak
“pasti enak” .
Ha: Terdapat perbedaan skor rasa masakan sebelum menggunakan bumbu masak “pasti
enak”
Hipotesis penelitian tersebut, kemudian diubah menjadi hipotesis statistik sebagai berikut.
H0: µ1 = µ2
H1 : µ1 ≠ µ2
Ubah tabel 9.1 menjadi tabel 9.2

Tabel 9.2. Skor rasa masakan sebelum dan sesudah menggunakan bumbu masak “Pasti Enak”
Sampel X Y X2 Y2 XY
1 7 8 49 64 56
2 6 7 36 49 42
3 6 7 36 49 42
4 7 8 49 64 56
5 5 5 25 25 25
6 5 6 25 36 30
7 6 7 36 49 42
8 4 5 16 25 20
[Date]
9 6 7 36 49 42
97
98
10 6 8 36 64 48
11 7 8 49 64 56
12 7 9 49 81 63
13 5 6 25 36 30
14 6 7 36 49 42
15 6 7 36 49 42
16 7 8 49 64 56
17 7 9 49 81 63
18 5 6 25 36 30
19 6 7 36 49 42
20 7 8 49 64 56
21 7 8 49 64 56
22 6 7 36 49 42
23 6 5 36 25 30
24 5 6 25 36 30
25 5 5 25 25 25
Jumlah (∑) 150 174 918 1246 1066
Langkah-langkah yang ditempuh untuk menyelesaikan uji-t untuk sampel berkorelasi

adalah sebagai berikut.
(1) Hitung nilai rerata dengan rumus: M  X 

X
n
(2) Hitung Standar Deviasi untuk sampel kecil dengan rumus:
s
x 2

(X  X ) 2

n  X 2  ( X ) 2
(n  1) (n  1) n(n  1)
(3) Hitung varians dengan rumus:
s 2

x 2

(X  X ) 2
1

  X 
2
( X ) 2 
 n X  ( X )

2 2
(n  1) (n  1) n
 (n  1) 
 n(n  1)
[Date]
(4) Hitung korelasi antara variabel X dan Y dengan rumus product moment berikut.
98
99
N  XY   X  Y 
Korelasi rxy 
N  X 2

  X  N  Y 2   Y 
2 2

Masukkan ke dalam rumus berikut.
N  XY   X  Y 
Korelasi : rxy 
N  X 2

  X  N  Y 2   Y 
2 2

25 *1066  150 *174
rxy 
25 * 918  150 25 *1246  174 
2 2
= 0,877
Masukan ke dalam rumus t :
X1  X 2 6  6,96
t  
2 2
 s  s  0,75 1,46  0,866  1,207 
s1 s
 2  2r  1  2    2 * 0,877  
n1 n2  n  n  25 25  25  25 
 1  2 
0,96
 7,805
0,123
Harga t hitung, dibandingkan dengan harga t pada table dengan db = n1 + n2 – 2 = 50-

2 = 48. Harga t table untuk db 48 dan dengan taraf signifikansi 5% (α = 0,05) adalah 2,021.
Dengan demikian, harga t hitung lebih besar daripada harga t table, sehingga H0 ditolak dan
H1 diterima. Ini berarti, terdapat perbedaan yang signifikan skor rasa masakan sebelum
diberi bumbu masak dan sesudah diberi bumbu masak “Pasti enak “
Kesimpulan: pemberian bumbu masak “Pasti enak” berpengaruh terhadap

peningkatan rasa masakan
Rumus korelasi Produk Moment dapat diselesaikan dengan dengan skor deviasi
sebagai berikut:
rxy 
 xy
N SDx SDy 
2. Uji Perbedaan Mean (Uji t / Student’s Dua Pihak/ Dua Ekor ) untuk Sampel
Independen
[Date]
99
100
X1  X 2
Rumus: t  rumus (separated varians)
2 2
s1 s
 2
n1 n2
atau
X1  X 2
t  rumus (polled varians) ;
n1  1s1 2  n2  1s 2 2  1 1 

n1  n2  2  n  n
 1  2 
(1) Jika anggota sampel n1 = n2 dan varians homogen, maka dapat digunakan
rumus t-test, baik untuk separated maupun polled varians, db (n1+n2) -2
(2) Jika n1 ≠ n2 , varians homogen dapat digunakan t-test dengan polled varians,
dengan derajat kebebasan (n1+n2)-2
(3) Jika n1 = n2 dan tidak homogen, dapat digunakan salah satu rumus
di atas; dengan db = n1– 1 atau n2– 1 (bukan n1 + n2 – 2).
(4) Jika n1 ≠ n2 dan tidak homogen, digunakan rumus separated varians,
harga t pengganti t table dihitung selisih dari harga t table; dengan
db = (n1– 1) dan db = (n2– 1), dibagi dua, kemudian ditambah dengan
dengan harga t yang terkecil (Sugiyono, 2002)
Contoh penerapan rumus.
Suatu penelitian bermaksud untuk mengetahui pengaruh lokasi hotel terhadap lama
tainggal tamu. Penelitian dilakukan terhadap 22 orang tamu yang menginap di hotel bintang 3
di Sanur dan 18 orang tamu yang menginap di hotel bintang 3 di Kuta terhadap lama ttinggal
tamu. Data yang di ukur adalah lama tinggal tamu (hari)
Tabel 9.3. Data Lama Tinggal Tamu di hotel Bintang 3 di Sanur dan di Kuta
No. resp. Sanur Kuta

[Date]
1 6 2
100
101
2 3 1
3 5 3
4 2 1
5 5 3
6 1 2
7 2 2
8 3 1
9 1 3
10 3 1
11 2 1
12 4 1
13 3 3
14 4 2
15 2 1
16 3 2
17 1 2
18 5 1
19 1 -
20 3 -
21 1 -
22 4 -
n1 = 22 n2 = 18
X1 = 2,91 X 2 = 1,78
s1 = 1,51 s2 = 0,81
s12 = 2,28 s22 = 0,65

[Date]
101
102
Rerata, Standar Deviasi, dan Varians telah dihitung dengan bantuan kalkulator, dan
diperoleh statistic seperti pada table di atas. Salah satu persyaratan yang harus dipenuhi
dalam menggunakan uji-t adalah bahwa varians dalam kelompok harus homogen. Untuk itu,
dilakukan uji Fisher (F) sebagai berikut.
H0: varians homogen
H1: varians tidak homogen
Varianster besar
Rumus uji F =
Varianster kecil
2,28
F= = 3,508; lihat table F dengan db pembilang 22-1 = 21 dan db penyebut 18-1 = 17.
0,65
Dengan taraf signifikansi 5% (α =0,05), ternyata harga F table = 2,22 (harga antara
pembilang 20 dan 24). Dengan demikian, harga F hitung = 3,508 > dari F table = 2,22); ini
berarti H0 ditolak dan H1 diterima; jadi varians tidak homogen.
Hipotesis Penelitian:
H0: tidak terdapat perbedaan lama tinggal tamu di hotel bintang 3 di Sanur dan Kuta
H1: terdapat perbedaan lama tinggal tamu di hotel bintang 3 di Sanur dan Kuta
Hipotesis statistik:
H0: µ1 = µ2
H1 : µ1 ≠ µ2
X1  X 2 2,91  1,78
Rumus: t  t = 3,020
2 2
s1 s 2,28 0,65
 2 
n1 n2 22 18
Kemudian, t table db1 = n1– 1 dan dan db2 = n2 – 1 sehingga db total = n1 + n2-2 =
22+18-2=38 . T tabel utk db = 38, dengan sign =0,05/2 = 0,025 adalah: 2,0244  lihat pada
lampiran A di bagian belakang buku ini
[Date]
Ternyata t hitung = 3,020 > 2,0244, sehingga H0 ditolak dan H1 diterima.
102
103
Kesimpulan: terdapat perbedaan yang signifikan (sign <0,025) lama tinggal tamu di hotel
bintang 3 di Sanur dengan di Kuta.
Rata-rata lama tinggal tamu di hotel bintang 3 di Sanur 2,91 hari>rata-rata lama tinggal tamu
di hotel bintang 3 di Kuta = 1,78 hari dan perbedaan lama tinggal adalah signifikan. Dengan
kata lain Ho: ditolak dan Ha(H1) = diterima
Tinjauan Pustaka
Koyan, 2012. Statistik. Teknik analisis data kuantitatif. Universitas Pendidikan Ganesha Press
[Date]
103
104
BAB 11. CHI SQUARE (χ2)
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif
non parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah
nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi
square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah). Berikut akan
kita bahas tentang rumus chi squareS
Syarat Uji Chi Square
Uji chi square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui
syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada
beberapa syarat di mana chi square dapat digunakan yaitu:
1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)
sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Jenis Uji Chi Square
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka
rumus yang digunakan adalah “koreksi yates”. Untuk rumus koreksi yates, sudah kami bahas dalam
artikel sebelumnya yang berjudul “Koreksi Yates“.
Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu
ada cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus “Fisher
Exact Test”.
Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang
digunakan adalah “Pearson Chi-Square”.
Rumus Pearson Chi Square
Rumus Chi Square Tersebut adalah:

[Date]
104
105
Rumus Uji Chi Square
Untuk memahami apa itu “cell”, lihat tabel 11.1 di bawah ini
Tabel 11.1 Tabel Kontingensi Tingkat Pendidikan dan Jenis Pekerjaan
Tabel Kontingensi Chi Square
Tabel di atas, terdiri dari 6 cell, yaitu cell a, b, c, d, e dan f.
Sebagai contoh kita gunakan penelitian dengan judul “Perbedaan Pekerjaan Berdasarkan
Pendidikan”.
Maka kita coba gunakan data sebagai berikut:
[Date]
105
106
Contoh Tabulasi Untuk Uji Chi Square
Dari data di atas, kita kelompokkan ke dalam tabel kontingensi. Karena variabel pendidikan
memiliki 3 kategori dan variabel pekerjaan memiliki 2 kategori, maka tabel kontingensi yang
dipakai adalah tabel 3 x 2. Maka akan kita lihat hasilnya sebagai berikut:
Contoh Tabel Kontingensi Chi-Square
Membuat Frekuensi Obyektif (F0) dengan Rumus Chi Square
Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi kenyataan, sebagai
berikut:
[Date]
106
107
Hitung F0 Uji Chi-Square
1) Membuat Frekuensi Harapan (Fh/Fe= Frekuensi ekspektasi)
Langkah berikutnya kita hitung nilai frekuensi harapan per cell, rumus menghitung frekuensi
harapan adalah sebagai berikut:
Fh= (Jumlah Baris/Jumlah Semua) x Jumlah Kolom
1. Fh cell a = (20/60) x 26 = 8,667

2. Fh cell b = (20/60) x 34 = 11,333
3. Fh cell c = (24/60) x 26 = 10,400
4. Fh cell d = (24/60) x 34 = 13,600
5. Fh cell e = (16/60) x 26 = 6,933
6. Fh cell f = (16/60) x 34 = 9,067
Maka kita masukkan ke dalam tabel sebagai berikut:
2) Membuat Kuadrat (Frekuensi Kenyataan -Frek. Harapan)  (Fo-Fh)2
Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi
Harapan per cell.
1. Fh cell a = (11 – 8,667)2 = 5,444

2. Fh cell b = (9 – 11,333)2 = 5,444
[Date]
3. Fh cell c = (8 – 10,400)2 = 5,760

4. Fh cell d = (16 – 13,600)2 = 5,760
107
108
5. Fh cell e = (7 – 6,933)2 = 0,004

6. Fh cell f = (9 – 9,067)2 = 0,004
Lihat hasilya pada tabel di bawah ini:
3) Hitung Nilai Chi Square  (Fo-Fh)2/Fh
Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per cell kemudian dibagi
frekuensi harapannya:
1. Fh cell a = 5,444/8,667 = 0,628

2. Fh cell b = 5,444/11,333 = 0,480
3. Fh cell c = 5,760/10,400 = 0,554
4. Fh cell d = 5,760/13,600 = 0,424
5. Fh cell e = 0,004/6,933 = 0,001
6. Fh cell f = 0,004/9,067 = 0,000
Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square hitung. Lihat Tabel di
bawah ini:
4) Hasil Akhir Tabel Hitung Chi-Square

Maka Nilai Chi-Square Hitung adalah sebesar: 2,087.
5) Menguji Chi square hitung dengan Chi Square Tabel
Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada
derajat kebebasan atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu.
Apabila chi-square hitung >= chi-square tabel, maka perbedaan bersifat signifikan, artinya
[Date]
H0 ditolak atau H1 diterima.

DF pada contoh di atas adalah 2. Di dapat dari rumus -> DF = (r – 1) x (c-1)
108
109
di mana: r = baris. c = kolom.

Pada contoh di atas, baris ada 3 dan kolom ada 2, sehingga DF = (2 – 1) x (3 -1) = 2.
Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai
chi-square tabel sebesar = 5,991.
Karena 2,087 < 5,991 maka perbedaan tidak signifikan, artinya H0 diterima atau H1 ditolak.
Catatan: Tabel C Square dapat dilihat pada Lampiran A buku ini
Referensi:
Statiskian. 2020. Analisis chi square. Terdapat pada:

https://www.statistikian.com/2012/11/rumus-chi-square.html. Diakses tanggal 2/1/2020
https://www.statistikian.com/2012/11/rumus-chi-square.html
[Date]
109
110
BAB 12. KORELASI PPM (Pearson Product Moment)

Analisis korelasi banyak jenisnya, ada sembilan jenis korelasi yaitu : Korelasi
pearson Product Moment (r) ; Korelasi Ration ( y); Korelasi Spearman Rank atau Rhi ( r s
atau p); Korelasi Berserial (rb); Korelasi Korelasi Poin Berserial (rpb); Korelasi Phi (0);
Korelasi Tetrachoric (rt); Korelasi Kontigency (C); Korelasi Kendall’s Tau (8), Bagaimana
cara menggunakannya ? tergantung pada jenis data yang dihubungkan.
Berdasarkan sembilan teknik analisis korelasi tersebut, maka dipilih dan dibahas
ialah Korelasi Pearson Product Moment (r) karena sangat populer dan sering dipakai oleh
mahasiswa dan peneliti. Korelasi ini dikemukakan oleh Karl Pearson tahun 1900.
Kegunaannya untuk mengetahui derajat hubungan dan kontribusi variabel bebas
(independen) dengan variabel terikat (dependent).
Teknik analisis Korelasi PPM termasuk teknik statistik para metrik yang
menggunakan interval dan ratio dengan persyaratan tertentu. Misalnya: data dipilih
secara acak (random); datanya berdistribusi normal; data yang dihubungkan berpola
linier; dan data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek
yang sama. Kalau salah satu tidak terpunuhi persaratan tersebut analisis korelasi tidak
dapat dilakukan. Rumus yang digunakan Korelasi PPM adalah:
n XY  ( X )( Y )
rxy 
{n X 2  ( X ) 2 }{n Y 2  ( Y ) 2 }
Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-1<
r < + 1). Apabilah nilai r = -1 artinya korelasinya negatif sempurna; r = 0 artinya tidak
ada korelasi dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan
dikonsultasikan dengan tabel interpretasi nilai r sebagai berikut.
Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien Tingkat Hubungan
0,80 – 1,000 Sangat Kuat
0,60 – 0,799 Kuat
0,40 – 0.599 Cukup Kuat
0,20 – 0,399 Rendah

[Date]
0,00 – 0,199 Sangat Rendah
110
111
Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap Y dapat

ditentukan dengan rumus koefisien diterminan sebagai berikut.
KP = r2 x 100%
keterangan: KP = Nilai Koefisien Diterminan
r = Nilai Koefisien Korelasi
Cara Pengujian signifikansi koefisien Product Moment Pearson
Pengujian lanjutan yaitu uji signifikansi yang berfungsi apabila peneliti ingin mencari
makna hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut diuji dengan uji
Signifikansi dengan rumus :
1) Cara tidak langsung  yaitu dengan mengkonversi nilai r ke dalam nilai t dan dicari
signifikansi nilai t tersebut dengan tabel t. Bila nilai t sig maka nilai r juga signifikan
r n2
t 
hitung
1 r2
keterangan: thitung = Nilai t
r = Nilai Koefisien korelasi
n = Jumlah Sampel
[Date]
Tabel t dapat dilihat pada Lampiran A pada akhir buku ini
111
112
2) Cara langsung Dengan tabel R

Langkah langkahnya:
a. Perlu ditentukan derajat bebas yaitu: Db (derajat bebas/degrees of freedom) yaitu: db

= N-2, dimana N= banyaknya pasangan data (pasangan X dan Y)
b. Tentukan taraf signifikansi yang digunakan, biasa digunakan taraf signifikansi =0,05
c. Tentukan unji yang digunakan : Uji 2 ekor atau uji 1 ekor, Bila taraf sig = 0,05 untuk uji
1 ekor, untuk uji 2 ekor =α/2 = 0,05/2 = 0,025
d. Pada uji 1 ekor: Bila r hit > r tabel dengan db = n-2, dengan sig=0,05  korelasi
nyata, Ho ditolak, Ha diterima. Ssbaliknya bila r hit < r tabel db=n-2, sig =0,05) 
korelasi non sig, Ho diterima, Ha diterima. Tapi bila uji 2 ekor maka taraf sig yang
digunakan= 0,05/2=0,025 atau 0,005 (utk α =0,01/2)
e.
Catatan
Tabel dapat dilihat pada Lampiran A bagian akhir buku ini
Contoh : ”Hubungan Tingkat hunian kamar (dalam %) dengan Pendapatan Kamar (dalam
ribuan $)
Tingkat hunian (X) : 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85
Pendapatan kamar(Y) : 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475;dan 480.
Pertanyaan ;
a. Berapakah besar hubungan tingkat hunian dengan pendapatan kamar?

b. Berapakah besar sumbangan (kontribusi) tingkat hunian dengan penda?patan kamar
c. Buktikan apakah ada hubungan yang signifikan tingkat hunian dengan pendapatan
kamar?
Langkah-langkah pengerjaan:
Langkah 1.
Membuat Ha dan Ho dalam bentuk kalimat :

[Date]
Ha : ada hubungan yang signifikan tingkat hunian dengan pendapatan kamar.
112
113
Ho : Tidak ada hubungan yang signifikan tingkat hunian dengan pendapatan kamar.
Langkah 2.
Membuat Ha dan Ho dalam bentuk statistik;
Ha : r ≠ 0
Ho : r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung Korelasi PPM:
No X Y X2 Y2 XY
1. 60 450 3600 202500 27000
2. 70 475 4900 225625 33250
3. 75 450 5625 202500 33750
4. 65 470 4225 220900 30550
5. 70 475 4900 225625 33250
6. 60 455 3600 207025 27300
7. 80 475 6400 225625 38000
8. 75 470 5625 220900 35250
9. 85 485 7225 235225 41225
10. 90 480 8100 230400 43200
11. 70 475 4900 225625 33250
12. 85 480 7225 230400 40800
Statistik X Y X2 Y2 XY
Jumlah (∑) 885 5640 66325 2652350 416825
Langkah 4.
Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan rumus ;
[Date]
113
114
n XY  ( X )( Y )
rxy 
{n X 2  ( X ) 2 }{n Y 2  ( Y ) 2 }
12(416.825)  (885).(5.460)
rxy 
{12.(66.325)  (885) 2 }.{12.(2.652.350)  (5.640) 2 }
10500 10.500
rxy    0,684
133.463.835.000 15354,32
Langkah 5.
Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y dengan rumus :
KP = r2 x 100% = 0,6842 x 100% = 46,79 %.
Artinya tingkat hunian kamar memberikan konstribusi terhadap pendapatan

kamar sebesar 46,79% dan sisanya 53,21% ditentukan oleh variabel lain.
Langkah 6.
Menguji signifikan dengan rumus thitung :
r n2 0,684 12  2 2,15

t     3,329
hitung 1  0,684 2 0,88
1 r2
Kaidah pengujian :
Jika thitung ≥ ttabel, maka tolak Ho artinya signifikan dan
thitung ≤ ttabel, terima Ho artinya tidak signifikan.
Berdasarkan perhitungan di atas , α = 0,05 dan n = 12, uji dua pihak;
dk = n - 2 = 12 – 2 = 10 sehingga diperoleh ttabel = 0,576
Ternyata thitung lebih besar dari ttabel, atau 0,684>0,576 maka Ho ditolak, artinya
ada hubungan yang signifikan motivasi dengan kinerja dosen.
[Date]
Dengan Tabel r:
114
115
Db = N-2 = 12 – 2 = 10
α = 0,05 uji 2 pihak α = 0.05/2 = 0,025
Kaidah pengujia:
Jika: r hit≥ r tabel , Ho ditolak, Ha diterima
R hit < r tabel, Ho diterima, Ha ditolak
Dari perhitungan tersebut ternyata db-=derajat bebas = N-2 = 12 – 2 = 10
R hit = 0,684, sedangkan r tabel, db =10 dengan α=0,05/2 = 0,025 sebesar 0,576
Karena r hit =0,684 > r tabel =0,576  berarti ada korelasi yang signifikan antara X
dengan Y atau ada korelasi yang signifikan antra Tingkat hunian (X) dengan pendapatan
Kamar (Y)
Langkah 7.
Membuat kesimpulan
1. Berapakah besar hubungan tingkat hunian kamar dengan pendapatan kamar ? r xy

sebesar 0,465  ada korelasi yang nyata antara tingkat hunian dengan pendapatan
kamar
2. Berapakah besar sumbangan (konstribusi) tingkat hunian terhadap pendapatan
kamar?
KP = r2 x 100% = 0,6842 x 100% = 46,79%. Artinya tingkat hunian (X) memberikan
konstribusi terhadap pendapatan kamar (Y) sebesar 46,79% dan sisanya 53,21%
ditentukan oleh variable lain yang tidak diteliti
3. Buktikan apakah ada hubungan yang signifikan tingkat hunian dengan penadapatan
kamar ? terbukti bahwa ada hubungan yang signifikan tingkat hunian i dengan
pendapatan kamar.
Ternyata rhitung = 0,6845≥ r table = 0,576 atau 0,684>0,576, maka Ho ditolak, artinya
ada hubungan yang signifikan tingkat hunian kamar dengan Pendapatan Kamar.
KESIMPULAN
[Date]
Analisis Korelasi Pearson Product Moment (PPM) suatu analisis yang digunakan
untuk mengetahui derajat hubungan dan kontribusi variabel bebas (independent) dengan
115
116
variabel terikat (dependent). Teknik analisis Korelasi PPM tremasuk teknik statistik
parametric yang menggunakan data interval dan ratio dengan persyaratan tertentu.
Misalnya : data dipilih secara acak (random) ; datanya berdistribusi normal; data yang
dihubungkan berpola linier ; dan data yang dihubungkan menpunyai pasangan yang sama
sesuai dengann subjek yang sama. Kalau salah satu tidak terpenuhi persyaratan tersebut
analisis korelasi tidak dapat dilakukan.
[Date]
116
117
BAB 13 . REGRESI LINIER SEDERHANA
ANALISIS REGRESI SEDERHANA

Analisis regresi pada umumnya digunakan untuk keperluan uji hipotesis yang berkaitan
dengan prediksi dan eksplanasi. Contoh pemakaian analisis regresi untuk keperluan prediksi adalah
penggunaan skor biaya pemasaran bagian marketing hotel untuk untuk
memprediksikan/meramalkan banyaknya tamu yang menginap di suatu hotel. Sedangkan
pemakaian analisis regresi untuk keperluan eksplanasi adalah untuk mengungkapkan faktor-faktor
yang menentukan suatu fenomena. Misalnya, untuk mengungkapkan faktor-faktor yang
mempengaruhi banyaknya tamu yang menginap . Permasalahan yang pertama tentang prediksi dan
permasalahan yang kedua tentang eksplanasi, keduanya bisa diselesaikan dengan teknik analisis
regresi. Pada dasarnya teknik ini berusaha menganalisis peranan setiap ubahan (prediktor) dalam
menentukan besarnya varians dari suatu ubahan yang ada pada fenomena yang diteliti (ubahan
kriterium).
Seperti pada teknik korelasi, teknik analisis regresi menggunakan asumsi adanya hubungan
yang linier atau berupa garis lurus antara variabel prediktor dengan variabel kriterium. Teknik
analisis regresi yang menggunakan asumsi hubungan linier disebut regresi linier. Adapun bentuk
umum persamaan garis regresi Y atas X, dimana X adalah ubahan prediktor adalah :
Y’ = a + b X → regresi sederhana dengan sebuah ubahan X
Y’ = a + b1.X1 + b2.X2 + ………….+bn.Xn
Pada prinsipnya teknik analisis regresi ini adalah menentukan suatu garis lurus (garis
regresi/garis prediksi) yang paling tepat diantara penyebaran titik-titik ploting (scatter-plot). Garis
regresi yang tepat ini harus memenuhi syarat sebagai berikut:
1. Berupa garis lurus atau memenuhi persamaan linier
2. Jumlah kuadrat penyimpangan skor pengamatan dan skor yang diramalkan adalah minimum
» = minimum (metode least square).
[Date]
117
118
Y= a + bx
a = intersep/ konstanta
= harga Y bila X = 0
b = Slope/ koef. arah = tg arah
Berdasarkan konsep kuadrat terkecil (least square) inilah, maka koefisien a dan b dapat dihitung.
Rumus :
→ b=
Contoh :
Akan diteliti mengenai pengaruh motivasi karyawan hotel (X) terhadap kinerja karyawan
(Y) pada sekelompok karyawan yang terdiri dari 30 orang. Dari tiap-tiap karyawan yang diteliti
tersebut dicatat tentang dua karakteristik, yaitu skor motivasi (X) dan skor kinerja (Y). Adapun
datanya disajikan dalam tabel berikut.( data fiktif berupa skor data interval)
Resp. X Y XY
1 34 32 1156 1024 1088
2 38 36 1444 1296 1368
3 34 31 1156 961 1054
4 40 38 1600 1444 1520
5 30 29
6 40 35 dst dst Dst
7 40 33
8 34 30
9 35 32
10 39 36
11 33 31
12 32 31
13 42 36
[Date]
14 40 37
15 42 35
118
119
16 42 38
17 41 37
18 32 30
19 34 30
20 36 30
21 37 33
22 36 32
23 37 34
24 39 35
25 40 36
26 33 32
27 34 32
28 36 34
29 37 32
30 38 34
n= 30 1105 1001 41.029 33.599 37.094
Berdasarkan data-data diatas, maka koefisien a dan b dapat dihitung sebagai berikut:
atau b=
= 0,68
Dengan demikian, persamaan garis regresinya adalah :
 Kinerja Karyawan = 8,24 + 0,68 motivasi
Dalam hal ini, Y diganti (Y topi)  untuk membedakan antara Y ramalan (yang bentuk
dasarnya : Y = α +β.X) dengan Y hasil pengamatan ( .
UJI KELINIERAN DAN KEBERARTIAN REGRESI
Sebelum digunakan untuk membuat kesimpulan, maka regresi yang diperoleh harus diuji
dulu yang berkaitan dengan : (1) kelinieran bentuk regresi (uji linieritas hubungan) ; dan (2)
[Date]
keberartian regresi (koefisien regresi). Pemeriksaan kelinieran bentuk regresi dilakukan melalui
pengujian hipotesis bahwa : regresi linier melawan hipotesis tandingan. bahwa : regresi non linier.
119
120
Sementara itu, uji keberartian regresi diperiksa melalui pengujian hipotesis bahwa koefisien-
koefisien regresi atau koefisien arh b samadengan nol (tidak berarti) melawan hipotesis tandingan
bahwa koefisien arah regresi atau b tidak sama dengan nol.
H0 : Pop. b = 0  H0 : β = 0  tidak berarti
H0 : Pop. b ≠ 0  H0 : β ≠ 0  berarti
Untuk uji kelinieran diperlukan adanya beberapa pengulangan atau kelompok data x. Tiap
kelompok terdiri atas beberapa data x yang berharga sama, sementara harga-harga Y pasangannya
tetap seperti pasangan data semula.
Dengan pengelompokan data x yang berharga sama tersebut, akan diperoleh bahwa pada
kelompok pertama, ada n, buah data x yang masing-masing harganya sama yaitu x1 berpasangan
dengan Y yang umumnya harganya berbeda-beda. Pada kelompok dua, ada n2 buah data x yang
masing-masing harganya sma yaitu x2 berpasangan dengan Y yang harganya berbeda-beda dan
begitu seterusnya. Seluruhnya ada k buah kelompok yang dalam tiap kelompoknya harga-harga x
nya sama besar. Berdasarkan data dimuka, maka pengelompokkan harga-harga x yang sama
tersebut dapat dilihat pada table berikut:
X Kelompok Ni Y
30 1 1 29
32 2 2 31
32 30
33 3 2 31
33 32
34 4 5 32
34 31
34 30
34 30
34 32
35 5 1 32
36 6 3 30
36 32
36 34
37 7 3 33
37 34
37 32
38 8 2 36
38 34
39 9 2 36
39 35
40 10 5 38
[Date]
40 35
40 33
120
121
40 37
40 36
41 11 1 37
42 12 3 36
42 35
42 38
Berdasarkan data pengelompokan harga-harga yang telah disajikan pada table diatas, maka
uji kelinieran dan keberartian regresi dapat dilakukan terlebih dahulu menghitung jumlah kuadrat
(jk) untuk berbagai sumber variasi. Sumber variasi tersebut adalah total atau jk (T), regresi (a),
regresi (bIa), sisa atau resida, tuna cocok dan galat atau kekeliruan (error). Jk untuk berbagai
sumber variasi tersebut berturut-turut diberi symbol dengan jk (T), jk (a), jk (bIa), jk (s) atau jk res,
jk (TC) dan jk (G) atau jk (E), dan dapat dihitung dengan rumus-rumus sebagai berikut :
Dalam persamaan umum dipersatukan manjadi Jk total 
Jk (s) =
Jk (G) = JK (E) =
Jk (TC) = Jk (s) – Jk (G) =
Setiap sumber variasi tersebut memiliki derajat kebebasan atau dk, yang besarnya berturut-
turut n untuk total, 1 untuk regresi (a), 1 untuk regresi (bIa), (n-2) untukn sisa/ residu, (k-2) untuk
tuna cocok dan (n-k) untuk galat/ error. Selanjutnya dapat ditentukan harga rerata jumlah kuadrat
atau Rjk untuk masing-masing sumber variasi yakni dengan cara membagi jk oleh dk-nya masing-
masing.
Sementara itu, Rjk (bIa) sering pula dilambangkan dengan reg ( Varians regresi), dan Rjk
(s) atau Rjk (res) sering dilambanngkan oleh sis atau res. Demikian pula Rjk (TC) juga dapat
[Date]
dilambangkan dengan TC dan Rjk (G) atau Rjk (E) sering dilambangkan dengan G atau E.
121
122
Semua besaran yang diperoleh selanjutnya disusun dalam daftar analisis varians (ANAVA) untuk
regresi linier sederhana (Tabel Rangkuman Regresi).
Besaran-besaran yang ada dalam dftar anava tersebut, khususnya pada kolom Rjk,
digunakan untuk menguji hipotesis :
1. Koefisien arah regresi tidak berarti melawan hipotesis tandingan bahwa koefisien arah
regresi berarti H0 : Pop bi = 0 VS Ha : Pop bi.
2. Bentuk regresi linier, melawan hipotesis tandingan bahwa bentuk regresi non linier.
Kedua hipotesis diatas diuji dengan menggunakan statistic F yang dibentuk oleh
perbandingan dua Rjk.
Untuk menguji hipotesis (1) dipakai statistic F= reg / res dan selanjutnya digunakan
table distribusi F dengan dk pembilang 1 dan dk penyebut (n-2).
Kriteria:
Tolak hipotesis bahwa koefisien arah regresi tidak berarti (H0:Pop b =0) jika Fh = reg/
res ≥ .
Untuk menguji hipotesis (z) dipakai statistik F= TC / E yang selanjutnya dignakan tabel
distribusi F dengan dk pembilang (k-2) dan dk penyebut (n-k).
Kriteria:
Tolak hipotesis bahwa bentuk regresi linier, jika F = TC / E ≥ F (1-α) (k-2 ; n-k).
Dalam hal lainya, hipotesis-hipotesis yang disebutkan diatas diterima.
Tabel Anava Regresi linier sederhana
Sumber Variasi Dk Jk Rjk F

Total N -
Regresi (a) 1 Jk (a) Jk (a)
Regresi (bIa) 1 Jk (bIa)
-
Residu / sisa n-2 Jk res
Tuna cocok k-2 Jk (TC)

[Date]
122
123
Galat /Error n-k Jk (E)
Berdasarkan rumus-rumus diatas, maka berdasarkan data yang telah disajikan dimuka
selanjutnya akan diuji apakah persamaan garis regresi tersebut memiliki bentuk
linier dan koefisien arah regresi yang berarti ataukah tidak.
Jk (a) = = 33.400,03
Jk (bIa) = b.
= 0,68 = 151,75
Jk (G) = Jk (E) =
Berdasarkan pengelompokan harga x yang sama, ternyata ada 12 kelompok (k=12) dengan
n1=1, n2=2, n3=2,…….,n12=3. Maka Jk (G) atau Jk (E) dapat dihitung sebagai berikut :
Jk (G) = Jk (E) = +
Jk (G) = Jk (E) = 37,67
Jk (TC) = - Jk (E) = 47,22 – 37,67  Jk (TC) = 9,55
 Selanjutnya harga-harga tersebut diatas dimasukkan dalam tabel anava sebagai berikut :
Anava untuk regresi linier
Sumber Variasi dk Jk Rjk F

Total 30 33,599
Regresi (a) 1 33,400,03 - -
Regresi (bIa) 1 151,75 151,75 89,79
Residu / sisa 28 47,22 1,69
Tuna cocok 10 9,55 0,96 0,45
[Date]
Galat /Error 18 37,67 2,09
123
124
Misalkan ditentukan α= 0,05
untuk menguji hipotesis (1), maka harga F tabel =4,20
Ternyata bahwa : F tabel = < Fhitung
Sehingga : H0 : Pop b = 0  ditolak
Kesimpulan : Koefisien arah regresi berarti (Fh > F tab).
Untuk menguji hipotesis (2), maka harga F tabel
= 2,43
Ternyata F hitung <  H0 : diterima
Kesimpulan : Kita terima bahwa bentuk regresi adalah linier.
KETELITIAN PREDIKSI :
Kesalahan prediksi dapat dinyatakan dengan simppangan baku dari Y untuk harga x
tertentu. Jadi, regresi yang diperoleh berdasarkan data pengamatan adalah merupakan
taksiran terhadap regresi Y=α + βx dalam populasi, dimana n buah pasangan data yang dipakai
untuk menentukan telah diambil. Dalam menaksir Y sebenarnya (dalam populasi)
berdasarkan regresi akan kita temui suatu penyimpangan (Error). Perbedaan ini
merupakan galas (error)cyang apabila dihitung Jk-nya kemudian dibagi dengan dk yaitu (n-2), maka
akan diperoleh varians galas (error) taksiran Y untuk x tertentu, yang dilambangkan dengan ,
dan dapat dihitung dengan rumus sebagai berikut :
 Jk residu
Varians ini merupakan taksiran untuk varians dalam populasi dengan model
regresi Y= α + βx.
Asumsi :
1. Besarnya varians (Varians Y) untuk tiap kelompok harga x tertentu adalah sama
besar.
[Date]
 Variansnya homogen (disebut : homoscedasticity)
124
125
2. Distribusi Y untuk tiap kelompok harga x tertentu adalah normal, dengan rata-rata (α+βx).
 Pengujian dua asumsi ini dapat dilakukan dengan menggunakan scatter plot (scatter
diagram).
 Selanjutnya dengan adanya taksiran simpangan baku Y ini, berdasarkan regresi ,
akan dapat dihitung pula varians untuk konstanta a yaitu dan varians untuk koefisien
arah regresi b, yaitu Sb. Adapun rumusnya sebagai berikut :
adalah rata-rata X untuk semua pengamatan
Referensi:
UNY. 2020. Analisis Regresi Sederhana. Terdapat pada: http://staffnew.uny.ac.id/upload
/131569339/pendidikan/ANALISIS+REGRESI+SEDERHANA.docx. Diakses 4/1/2020
[Date]
125
126
[Date]
126

01 Hand Out - Statistika - SPB - Ekha - Revisi 14 Januari 2020

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

01 Hand Out - Statistika - SPB - Ekha - Revisi 14 Januari 2020

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Dr. Ir. Deden Ismail, M.Si

Statistika Dasar_Semester ganjil

Beberapa kontributor statistika

Statistika dan Statistik

Konsep dasar (Wikipedia, 2010)

Dalam mengaplikasikan statistika terhadap permasalahan sains, industri, atau sosial,

 Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan

Dalam perkembangannya untuk menyelesaikan suatu masalah dapat digunakan beber-

penempatan (median, kuartil, desil, dan persentil), pengukuran penyimpangan (range,

Statistika dalam arti luas (Statistika Inferensial/Statistika Induktif/Statistika Probabilitas)

mengukur/ menimbang dengan alat ukur valid.

Syarat-Syarat Data yang Baik

Populasi dan Sampel

Landasan Kerja Statistik

Karakteristik Pokok Statistik

Manfaat dan Kegunaan Statistika

Statistika dapat digunakan sebagai alat, meliputi :

Penggunaan statistika atau prosedur statistika harus didasarkan pada :

Masalah Yang Dihadapi

Pengambilan keputusan dilakukan setelah dilakukan terhadap beberapa kejadian/

Dua jenis penelitian: eksperimen dan survai

 Analisis regresi dan korelasi

 Aktuaria (penerapan statistika dalam bidang asuransi)

1. Apa yang dimaksud dengan statistika deskriptif dan statistika induktif ?

Statistika Dasar_Semester ganjil

Penyajian Data Dalam Bentuk Diagram

Standar Kompetensi : Mahasiswa menjelaskan tentang penyajian data dalam statistika

1. Diagram Batang Daun (Stem and leaf)

Batang Daun Batang Daun

2. Diagram Kotak Garis

Produksi kopi (dalam ton) negara A disajikan dalam tabel berikut.

4. Diagram Batang (Bar chart)

6. Diagram Lingkaran (Pie Chart)

diagram lingkarannya tampak pada gambar disamping,

7. Histogram dan Poligon Frekuensi

Berdasarkan tabel di atas, dapat dibuat grafik ogive sebagai berikut.

Penyajian Data Dalam Bentuk Tabel

tabel frekuensi, tabel klasifikasi, tabel kontingensi, dan tabel korelasi.

e. Tabel Distribusi Frekuensi

Berikut langkah-langkah membuat tabel distribusi frekuensi.

Jangkauan dari data diatas adalah :

Dengan, = banyaknya kelas, dan = banyaknya data (frekuensi)

= 1+ 3,3 log (40) = 6,286 = 6 (dibulatkan)

Dengan, = panjang kelas, = jangkauan data, dan = banyaknya kelas.

6. Frekuensi Kumulatif dan Frekuensi Relatif

Kelas Frekuensi Kumulatif

Frekuensi Kumulatif “lebih dari atau sama dengan”

Kelas Frekuensi Kumulatif

1. Diberikan data tingkat kecerdasan IQ dari 50 anak, sebagai berikut

Statistika Dasar_Semester ganjil

Standar Kompetensi : Mahasiswa mampu menjelaskan tentang ukuran pemusatan data

Mean (Rata-Rata Hitung)

1. Rata-rata hitung data tunggal

Jadi, rataan hitung dari data tersebut adalah 38.

Jadi, rata-rata hitungnya adalah 76.

Median (Me/Nilai Tengah)

1. Median data tunggal

Setelah data diurutkan, selanjutnya didapatkan data urutan sebagai berikut.

Jadi, median data tersebut adalah 78,5.

2. Median data kelompok

Untuk menghitung median dari data yang telah dikelompokkan,