CRITICAL BOOK REVIEW

“ STATISTIKA: TEORI DAN APLIKASI“

DISUSUN UNTUK MEMENUHI TUGAS MATA KULIAH STATISTIK MULTIVARIAT

DOSEN PENGAMPU : ZULKARNAIN SIREGAR, ST., MM.,

DISUSUN OLEH: KELOMPOK 4

ANGGOTA:

Aprina Septauli Manurung : 7213210027

Eliata Simandalahi : 7213210012
Rindy Endry Yani : 7211210007
Ulima Nanda Maskuri : 7213510047

KELAS B MANAJEMEN 2021

PROGRAM STUDI S1 MANAJEMEN

FAKULTAS EKONOMI

UNIVERSITAS NEGERI MEDAN

2022
 KATA PENGANTAR

Puji dan syukur kami ucapkan atas kehadirat Tuhan Yang Maha Esa yang telah
memberikan segala nikmat dan karunianya sehingga kami bisa menyelesaikan tugas ini
dengan baik dan tepat waktu.

Adapun tujuan utama kami menulis tugas ini adalah untuk memenuhi tugas dari dosen
pengampu saya “ZULKARNAIN SIREGAR, ST., MM.” dalam mata kuliah “Statistik
Multivariat”. Terimakasih kepada dosen pembimbing dan rekan-rekan yang telah
membantu kami dalam menyelesaikan tugas ini.

Jika dalam penulisan makalah ini terdapat kesalahan dan kekurangan maka kepada
pembaca kami selaku penulis memohon maaf yang sebesar-besarnya. Oleh karena itu,
kami menerima segala saran dan kritik dari pembaca demi kesempurnaan tugas
ini.Semoga makalah ini membawa manfaat bagi pembaca dan bagi penulis sendiri
khususnya.

Medan, 19 November 2022

Kelompok 4

i
 DAFTAR ISI

KATA PENGANTAR ----------------------------------------------------------------------------- i

DAFTAR ISI----------------------------------------------------------------------------------------- ii

BAB I PENDAHULUAN--------------------------------------------------------------------------

A. LATAR BELAKANG CBR------------------------------------------------------------- 1

B. TUJUAN PENULISAN CBR ----------------------------------------------------------- 1
C. MANFAAT CBR-------------------------------------------------------------------------- 1

BAB II IDENTITAS BUKU----------------------------------------------------------------------

A. INFORMASI BIBLIOGRAPHY------------------------------------------------------- 2
B. ISI/RINGKASAN BUKU----------------------------------------------------------------

BAB 1 (Variabel Acak Dan Nilai Harapan)--------------------------------------------- 2-5

BAB 2 (Distribusi Teoritis)---------------------------------------------------------------- 5-6
BAB 3 (Penarikan Sampel Dan Pendugaan)-------------------------------------------- 7-8
BAB 4 (Pengujian Hipotesis)--------------------------------------------------------------9-10
BAB 5 (Regresi Sederhana)---------------------------------------------------------------11-13
BAB 7 (Metode Statistik Nonparametrik)----------------------------------------------13-16
BAB 8 (Contoh Penggunaan Spss )------------------------------------------------------16-17
BAB III PEMBAHASAN-------------------------------------------------------------------------

A. KELEBIHAN/KEUNGGULAN BUKU----------------------------------------------- 18
B. KEKURANGAN/KELEMAHAN BUKU--------------------------------------------- 18

BAB IV PENUTUP --------------------------------------------------------------------------------

A. KESIMPULAN --------------------------------------------------------------------------- 19
B. SARAN -------------------------------------------------------------------------------------- 19

DAFTAR PUSTAKA------------------------------------------------------------------------------

ii
 BAB I
PENDAHULUAN

A. LATAR BELAKANG CBR

Mata kuliah statistika bagi mahasiswa sangat diperlukan terutama ketika seorang
mahasiswa harus mengumpulkan, mengolah, menganalisis dan menginterprestasikan data
untuk pembuatan skripsi, thesis atau disertasi. Dalam hal ini pengetahuan statistik dipakai
dalam menyusun metodologi penelitian.

Sebagai suatu ilmu, kedudukan statistika merupakan salah satu cabang dari ilmu
matematika terapan. Oleh karena itu untuk memahami statistika pada tingkat yang tinggi,
terebih dahulu diperlukan pemahaman ilmu matematika. Dinegara maju seperti Amerika,
Eropa dan Jepang, ilmu statistika berkembang dengan pesat sejalan dengan
berkembangnya ilmu ekonomi dan teknik. Bahkan kemajuan suatu negara sangat
ditentukan oleh sejauh mana negara itu menerapkan ilmu statistika dalam memecahkan
masalah-masalah pembangunan dan perencanaan pemerintahannya. Jepang sebagai salah
satu negara maju, konon telah berhasil memadukan ilmu statistika dengan ilmu ekonomi,
desain produk, psikologi dan sosiologi masyarakat. Sejauh itu ilmu statistika digunakan
pula untuk memprediksi dan menganalisis perilaku konsumen, sehingga Jepang mampu
menguasai perekonomian dunia sampai saat ini.

Populasi adalah keseluruhan pengamatan atau obyek yang menjadi perhatian sedangkan
Sample adalah bagian dari populasi yang menjadi perhatian. Populasi dan sample masing-
masing mempunyai karakteristik yang dapat diukur atau dihitung. Karakteristik untuk
populasi disebut parameter dan untuk sample disebut statistik

B. TUJUAN PENULISAN CBR

1. Menambah wawasan dalam mengkaji buku
2. Dapat menemukan kelemahan dan kelebihan buku
3. Mampu menemukan ide pokok dalam setiap bab yang dikaji

C. MANFAAT CBR
1. Agar kita tahu kelebihan dan kekurangan buku
2. Agar kita dapat menambah wawasan yang diperoleh dari buku
3. Agar kita dapat meningkatkan keterampilan dalam memahami isi buku

1
 BAB II
IDENTITAS BUKU

A. INFORMASI BIBLIOGRAPHY
Judul buku : Statistik Teori dan Aplikasi Edisi 8 Jilid 2
Penulis : J. Supranto, M.A
Penerbit : Erlangga
Tahun terbit : 2016
Tebal buku : 484 halaman
ISSBN : 007-310-002-0
Percetakan : PT. Gelora Aksara Pratama

B. ISI/RINGKASAN BUKU
BAB 1 (VARIABEL ACAK DAN NILAI HARAPAN)
 Variabel acak
Variabel acak dapat didefinisikan sebagai deskripsi numerik dari hasil percobaan.
Variabel acak biasanya menghubungkan nilai-nilai numerik dengan setiap kemungkinan
hasil percobaan. Karena nilai-nilai numerik tersebut dapat bersifat diskri (hasil
hitungan) dan bersifat kontinu (hasil pengukuran) maka variabel acak dapat
dikelompokkan menjadi variabel acak diskrit (merupakan bilangan bulat, tidak bisa
Statistik Teori dan Aplikasi Variabel Acakpecahan) dan variabel acak kontinu (bisa
pecahan).
 Variabel Acak Diskrit
Variabel acak diskrit hanya dapat mengambil nilai-nilai tertentu yang terpisah, yang
umumnya dihasilkan dari penghitungan suatu objek. Jika ada 100 karyawan, maka
penghitungan orang yang tidak masuk kerja pada hari Senin dapat mengambil nilai-nilai
0, 1, 2, 3, 100. Tabel di bawah memperlihatkan beberapa contoh variabel diskrit.

2
 Variabel acak kontinu
Jika kita mengukur sesuatu seperti lebar ruangan, tinggi badan, atau berat badan
seseorang. maka variabel yang dihasilkan adalah variabel acak kontinu. Hasil
pengukuran tersebut mungkin akan berbeda-beda tergantung pada siapa yang
melakukan pengukuran dan tingkat ketelitian yang digunakan. Karena nilai hasil
pengukuran tidak bisa setepat hasil penghitungan, maka nilai hasil pengukuran bisa
bervariasi dalam suatu selang nilai tertentu. Misalnya, jarak antara Bogor ke Jakarta
dapat sejauh 80 km, 80,5 km, 80,55 km dan seterusnya tergantung pada ketelitian alat
ukur atau si pengukur. Tabel di bawah ini memberikan beberapa contoh variabel
kontinu dari suatu percobaan.
 Distribusi Probabilitas Variabel Acak Diskrit
Distribusi probabilitas variabel acak menggambarkan bagaimana suatu probabilitas
didistribusikan terhadap nilai-nilai dari variabel acak tersebut. Untuk variabel diskrit X,
distribusi probabilitas didefinisikan dengan fungsi probabilitas dan dinotasikan sebagai
p(x) = P(X = x) = probabilitas bahwa variabel X (huruf besar) mengambil nilai x (huruf
kecil).
Fungsi probabilitas p(x) menyatakan probabilitas untuk setiap nilai variabel acak X.
Sebagai gambaran atau ilustrasi dari variabel acak diskrit dan distribusi probabilitasnya,
perhatikan hasil pengamatan (dapat juga disebut percobaan) dari penjualan mobil
selama 300 hari pada PT. Indah Caraka Motor, Jakarta. Data yang dicatat adalah jumlah
mobil yang terjual dalam sehari. Hasil pengamatan dimuat dalam tabel berikut.
Jumlah mobil yang terjual sehari menurut jumlah hari selama 300 hari
Jumlah mobil terjual dalam sehari Jumlah hari
0 54
1 117
2 72
3 42
4 12
5 3
Total 300
Jika X menyatakan jumlah mobil yang terjual dalam sehari, maka p(0) menyatakan
probabilitas 0 mobil terjual per hari, p(1) menyatakan probabilitas 1 mobil terjual per
hari dan seterusnya. Berdasarkan informasi yang diperoleh dari tabel di atas, bahwa 54
hari dari 300 hari 0 mobil terjual, maka kita nyatakan nilai 54/300 0,18 sebagai
probabilitas bahwa 0 mobil terjual dalam sehari; 117/300 = 0,39 sebagai probabilitas
bahwa 1 mobil terjual dalam sehari dan seterusnya.

3
 Fungsi Probabilitas Kumulatif Variabel Acak Diskrit
Fungsi probabilitas kumulatif digunakan untuk menyatakan jumlah dari seluruh nilai
fungsi probabilitas yang lebih kecil atau sama dengan suatu nilai yang ditetapkan.
Perhatikan Tabel 1.4, misalnya kita ingin menghitung berapa probabilitas bahwa mobil
terjual dalam sehari kurang dari atau sama dengan 3. Oleh karena itu, kita dapat
menjumlahkan probabilitas dari nilai-nilai x = 0,x1, x2, dan x = 3. Jadi, P(x ≤ 3) p(0) +
p(1) + p(2)+ p(3) 0,18 + 0,39+ 0,24 0,14 = 0,95
 Distribusi Probabilitas Variabel Acak Kontinu
Distribusi probabilitas variabel acak kontinu dinyatakan dengan fungsi f(x) dan serin
disebut sebagai fungsi kepadatan (density function) atau fungsi kepadatan probabilit dan
bukan fungsi probabilitas. Nilai Ax) bisa lebih besar dari 1.
 Fungsi Probabilitas Kumulatif Variabel Acak Kontinu
Pada variabel acak diskrit, fungsi probabilitas kumulatif dihitung dengan cara
penjumlahan. Pada variabel acak kontinu, probabilitas kumulatif dicari dengan integral.
Rumusnya adalah sebagai berikut.
Fungsi Probabilitas Kumulatif Variabel Acak Kontinu
F(x) = P(X ≤ x) = S__ Ax)dx
Nilai-nilai x dalam rumus ini harus kontinu atau dalam suatu interval.
 Fungsi Probabilitas Bersama (Joint Probability)
Pada subbab sebelumnya, pembahasan kita mengenai variabel acak dan distribusi
probabilitasnya telah dibatasi hanya untuk ruang sampel berdimensi satu, dalam arti
bahwa hasil-hasil yang diperoleh dari suatu percobaan merupakan nilai-nilai yang dapat
diambil oleh suatu peubah (variabel) acak. Dalam prakteknya, banyak kondisi yang
menghendaki kita mencatat sekaligus nilai-nilai beberapa variabel acak. Misalnya
perhitungan keuntungan yang diperoleh oleh suatu perusahaan melibatkan analisis
terhadap total penjualan (X,) dan total biaya (X) yang dikeluarkan oleh perusahaan itu.
Pengukuran tingkat produktivitas per pekerja melibatkan variabel total barang yang
diproduksi, total pekerja, tingkat kerusakan produk dan sebagainya.
Bila X dan Y adalah dua variabel acak diskrit, distribusi probabilitas bersamanya dapat
dinyatakan sebagai sebuah fungsi fx, y) bagi sembarang nilai (x, y) yang dapat diambil
oleh variabel acak X dan Y. Sehingga dalam kasus variabel acak diskrit,
fx, y) = P(X = x, Y = y)
 Variabel Diskrit
Dua buah dadu dilemparkan secara bersama-sama. Kemungkinan mata dadu yang
muncul (hasil/outcome) dari lemparan pertama adalah X 1, 2, 3, 4, 5, 6, sedangkan
kemungkinan hasil dari lemparan kedua adalah Y= 1, 2, 3, 4, 5, 6. Variabel X dan
Yterjadi bersama-sama. Misalkan pada suatu lemparan didapat (2, 4), ini berarti masing-
masing adu menghasil- kan mata 2 dan 4 dalam satu kali lemparan.

4
  Perhitungan Fungsi Probabilitas Marjinal
CONTOH 1.5
Misalkan kotak berisi 4 kartu bernomor 1, 2, 3, dan 4. Permasalahannya sama dengan
Contoh 1.4, akan tetapi apabila kartu bernomor 3 yang terpilih maka pengambilan kedua
tidak dilakukan.
X = nomor kartu pada pengambilan pertama, Y = nomor kartu pada pengambilan
kedua,0 jika tidak mengambil kartu.
Carilah: p(x, y), p(x), dan q(y)
Penyelesaian:
X = 1, 2, 3, 4 dan p(1) = p(2) = p(3) = p(4) =
p(x) = P(X = x)
p(x, y) = P(X = x, Y = y)
p(x, y)= p(x) pix/y)
Y = 0, 1, 2, 3, 4
 Nilai harapan dan Varians dari Variabel Acak Diskrit
Rata-rata (u) dari distribusi probabilitas adalah nilai harapan (expected value)
bervariabel acaknya. Nilai harapan variabel acak diskrit adalah rata-rata tertimbang
terhadap seluruh kemungkinan hasil di mana penimbangnya adalah nilai probabilitas
yang dihubungkan dengan setiap hasil (outcome). Nilai harapan diperoleh dengan
menyatakan setiap kemungkinan hasil deg probabilitasnya P(X) dan kemudian
menjumlahkan hasil perkalian tersebut.

BAB 2 (DISTRIBUSI TEORITIS)

 Distribusi Binomial
Seorang petugas pengendalian mutu ingin menghitung probabilitas untuk
mendapatkan 4 bola lampu yang rusak dari sampel acak sebanyak 20 bola lampu,
apabila diketahui bahwa 10% dari bola lampu tersebut rusak. Nilai probabilitas ini dapat
diperoleh dari tabel Binomial yang dibuat berdasarkan distribusi Binomial. Seorang ahli
farmasi ingin menguji efektivitas suatu jenis obat dalam mencegahjenis penyakit
tertentu, sehingga dilakukan pengobatan terhadap 100 pasien. Hasileksperimen ini dapat
dianalisis dengan menggunakan distribusi Binomial.
 Distribusi Poisson
Kita dapat menghitung distribusi probabilitas binomial untuk percobaan dengan
probabilitas sukses (p) kurang dari 0,05. Namun, perhitungan tersebut akan sangat tidak
efektif dan akurat (khususnya untuk nilai n yang sangat besar, misalnya 100 atau lebih).
5
Semakin kecil probabilitas sukses, distribusi probabilitasnya akan semakin melenceng.
Oleh sebab itu, dikembangkan satu bentuk distribusi binomial yang mampu
mengalkulasikan distribusi probabilitas dengan kemungkinan sukses (p) sangat kecil
dan jumlah eksperimen (n) sangat besar, yang disebut distribusi Poisson.
 Distribusi Normal
Di antara sekian banyak distribusi, barangkali distribusi normal merupakan distribusi
yang secara luas banyak digunakan dalam berbagai penerapan. Distribusi normal
merupakan distribusi kontinu yang mensyaratkan variabel yang diukur harus kontinu,
misalnya tinggi badan, berat badan, skor IQ, jumlah curah hujan, isi botol Coca-cola,
hasil ujian, dan sebagainya.
 Kurva Normal
Suatu variabel acak kontinu X, yang memiliki distribusi berbentuk lonceng seperti
yang diperlihatkan dalam Peraga 2-2, disebut variabel acak normal. Persamaan
matematika bagi distribusi probabilitas acak normal tergantung pada dua parameter,
yaitu u dan o atau nilai tengah dan deviasi standar atau simpangan bakunya.
 Distribusi Normal Baku (Standar)
Setiap kurva normal, bentuk dan sebaran distribusinya sangat tergantung pada nilai
dan a. Perhatikan Peraga 2-7, luas daerah pada rentang x, dan x, berbeda antara kurva I
dan kurva II. Hal ini membuktikan bahwa luas daerah di bawah kurva sangat
dipengaruhi oleh nilai u dan o Adalah satu hal yang sia-sia untuk membuat tabel yang
berbeda pada setiap kurva normal dengan u dan a berbeda. Oleh karena itu,
dikembangkan suatu cara untuk mentransformasikan setiap hasil pengamatan yang
berasal dari sembarang variabel acak normal x menjadi variabel acak normal z dengan µ
= 0 dan o= 1.
 Distribusi Kai-Kuadrat
Distribusi kai-kuadrat sangat berguna sebagai kriteria untuk pengujian hipotesis
mengenai varians dan juga untuk uji ketepatan penerapan suatu fungsi (test of goodness
of fit) apabila digunakan untuk data hasil observasi atau data empiris. Dengan demikian,
kita dapat menentukan apakah distribusi pendugaan berdasarkan sampel hampir sama
atau mendekati distribusi teoretis, sehingga kita dapat menyimpulkan bahwa populasi
dari mana sampel itu kita pilih mempunyai distribusi yang kita maksud (misalnya, suatu
populasi mempunyai distribusi Binomial, Poisson, atau Normal).
 Distribusi t
Distribusi selain digunakan untuk menguji suatu hipotesis juga digunakan untuk
membuat pendugaan interval (interval estimate). Biasanya, distribusi t digunakan untuk
menguji hipotesis mengenai nilai parameter, maksimal 2 populasi (jika lebih dari 2
harus digunakan F), dan dari sampel yang kecil (small sample size), misalnya n < 100,
bahkan sering kali s 30. Untuk n yang cukup besar (n 2100, atau mungkin cukup n>30)
dapat digunakan distribusi normal. Maksudnya tabel normal dapat digunakan sebagai
pengganti tabel t.

6
BAB 3 (PENARIKAN SAMPEL DAN PENDUGAAN)
 Penarikan Sampel Acak Sederhana
Beberapa metode dapat digunakan untuk memilih sebuah sampel dari sebuah
populasi. Salah satu metode yang paling umum adalah penarikan sampel acak sederhana
(simple random sampling). Definisi dari penarikan sampel acak sederhana dan proses
pemilihan sampelnya bergantung pada apakah populasinya terbatas (finite population)
atau tak terbatas (infinite population). Contoh dari populasi terbatas adalah seluruh
mahasiswa di Jakarta tahun 2013,seluruh karyawan Bank Indonesia tahun 2013, seluruh
kendaraan milik Pertamina.seluruh petak sawah di Kecamatan Cibadak, Sukabumi, atau
seluruh petani KabupatenKarawang. Populasi terbatas dapat dihitung mulai dari 1, 2,...,
N. Sedangkan populasitak terbatas biasanya dihubungkan dengan suatu proses.
Misalnya, proses produksi dariwaktu ke waktu (hari ke hari, bulan ke bulan, tahun ke
tahun), proses penjualan, prosespelemparan mata uang logam, dan sebagainya.
Suatu populasi dianggap tidak terbatas apabila proses yang terjadi dapat dilakukan
secara terus-menerus sampai proses itu dihentikan. Dalam hal ini, N tak terbatas
nilainya. Sebagian dari proses ini lalu dianggap sebagai sampel acak (random).
Misalnya, produksi barang A selama 10 tahun (X. X Xo): harga beras selama 12 bulan
(Xq, Xz... X: dan lain sebagainya.
 Cara Menggunakan Tabel Bilangan Acak
Di dalam Tabel Bilangan Acak (lihat Lampiran VII), terdapat bilangan-bilangan yang
dapat digunakan untuk memilih sampel acak. Angka-angka pada tabel ini dihasilkan
dari satu proses pengacakan (dalam hal ini, oleh komputer). Setiap digit dari angka-
angka tersebut mempunyai probabilitas yang sama, baik angka 0, 1, 2,... 9.
Misalkan 1000 orang karyawan dari suatu perusahaan akan diselidiki untuk
mengetahui berapa persen yang puas dengan gaji yang diterima. Untuk itu, 100
karyawan dipilih secara acak. Perhatikan potongan Tabel Angka Acak pada Tabel 3.1.
Untuk mulai memilih karyawan secara acak, pilihlah salah satu angka sebagai titik awal.
Misalkan pada saat itu jarum jam menunjukkan pukul 04.15. Kita bisa saja mengambil
ini sebagai inisiatif untuk memulai pemilihan. Lihat kolom ke 4, dan telusurilah sampai
bertemu dengan angka yang ada pada baris ke 15. Angka yang tertera adalah 78351.
Karena hanya ada 1000 karyawan, ambillah tiga digit pertama, yaitu 783 sebagai nomor
karyawan yang pertama terpilih. Kita juga bisa melanjutkan penelusuran ke mana saja.
Misalkan kita bergerak ke bawah, maka karyawan kedua yang terpilih adalah yang
bernomor 280 (tiga digit pertama dari 28042). Demikian seterusnya. Angka yang dipilih
tidak boleh melebihijumlah populasi, dan apabila memilih angka yang sama, kita boleh
melewatkannya saja.
 Penarikan Sampel dari Populasi Tak Terbatas
Dalam beberapa situasi, populasi bisa tak terbatas atau sangat besar di mana untuk
keperluan praktis perlu diperlakukan sebagai populasi tak terbatas. Dalam praktik,
populasi yang diteliti dikatakan tak terbatas bila melibatkan sebuah proses yang terus

7
menerus sehingga pencatatan atau penghitungan setiap elemen dalam populasi menjadi
tidak mungkin dilakukan. Dalam pengambilan sampel dari populasi tak terbatas, kita
harus menggunakan definisi baru dari sampel acak sederhana. Dan karena elemen-
elemen dalam populasi tidak dapat diberi nomor, kita harus menggunakan proses yang
berbeda dalam pemilihan elemen-elemen sampelnya. Jadi, dalam kasus populasi tak
terbatas, kita tidak bisa menggunakan tabel angka random.
Definisi sampel acak sederhana dari populasi tak terbatas adalah sebagai
berikut:Sampel Acak Sederhana (Populasi Tak Terbatas) Sebuah sampel acak sederhana
dari populasi tak terbatas adalah sampel yang dipilih sedemikian rupa sehingga kondisi
berikut terpenuhi.
1. Setiap elemen yang terpilih berasal dari populasi yang sama.
2. Setiap elemen dipilih secara independen.

 Distribusi Penarikan Sampel X

Kita telah mendefinisikan variabel acak sebagai deskripsi angka angka had dari
sebuah eksperinien. Jika kita anggap bahwa pemilihan sampel acak sederhana sebagai
suat eksperimen, maka rata-rata sampel X merupakan deskripsi numerik dari hasil
percobaan Dari contoh penarikan sampel yang telah dijelaskan di atas, kita tahu bahwa
ada lebih dan satu kemungkinan hasil. Pada contoh di atas untuk populasi berukuran N-
5 dan sampet yang berukuran 3 diambil dari populasi tersebut, maka terdapat kombinasi
nilai-nil dalam sampel sebanyak ,C,-10 macam kombinasi. Dari setiap kombinasi ini
dapat dican nilai rata-ratanya (). Jadi dalam hal ini rata-rata sampel, X, merupakan
variabel ack Karena terdapat beberapa nilai x yang diperoleh dari 10 kemungkinan
sampetmaka rata-rata dari seluruh kemungkinan nilai X juga mempunyai varians dan
distribusi.
 Taksiran/Pendugaan Interval
Dalam praktiknya, pendugaan tunggal yang terdiri dari satu angka tidak memberikan
gambaran mengenai berapa jarak/selisih nilai penduga tersebut terhadap nilai
sebenarnya. Kecuali jika diberikan besarnya kesalahan yang mungkin terjadi. Misalnya,
apabila sampel suatu perusahaan diselidiki dan memberikan nilai penduga modal (X)
sebesar Rp100 juta, berapa nilai rata-rata modal sebenarnya (= u)? Kita tahu bahwa -μ-
(t-kesalahan). Itulah sebabnya sering digunakan pendugaan interval (selang), yaitu suatu
pendugaan berupa interval yang dibatasi oleh dua nilai, yang disebut nilai batas bawah
dan nilai batas atas. Misalnya, dengan tingkat keyakinan 95% rata-rata modal akan
terletak dalam interval antara Rp95 juta - Rp105 juta. Kita mengharapkan bahwa nilai
rata-rata modal sebenarnya akan terletak di dalam interval tersebut. Interval yang
demikian itu disebut interval keyakinan atau selang keyakinan (confidence interval).
 Pendugaan Interval untuk Proporsi (Persentase]
Persentase proporsi x 100% Perkiraan proporsi ini sangat penting, misalnya dalam
penelitian pendapat umum untuk mengetahui berapa % yang setuju dengan calon
presiden, dalam pemasaran berapa % dari ibu rumah tangga yang akan membeli mesin
8
 jahit "Singer: berapa & barang produksi yang rusak: berapa % penduduk sesuatu daerah
yang masih buta huruf, berapa % karyawan suatu perusahaan yang lesu, berapa %
nasabah suatu bank yang tidak puas dengan layanan bank tersebut; berapa % petani
peminjam kredit Bimas yang tidak bisa mengembalikan kredit tersebut: berapa %
proyek yang tidak selesai pada waktunya, dan lain sebagainya.

BAB 4 (PENGUJIAN HIPOTESIS)

 Definisi Hipotesis
Hipotesis pada dasarnya merupakan suatu proposisi atau anggapan yang mungkin
benar, dan sering digunakan sebagai dasar pembuatan keputusan/pemecahan persoalan
ataupun untuk dasar penelitian lebih lanjut. Anggapan/asumsi dari suatu hipotesis juga
merupakan data, namun karena adanya kemungkinan kesalahan, maka apabila akan
digunakan sebagai dasar pembuatan keputusan harus diuji terlebih dahulu dengan
menggunakan data hasil observasi. Sebagai contoh:
1. Karena pemerintah melalui BULOG menganggap bahwa beras cukup, maka
diputuskan untuk tidak mengimpor beras.
2. Karena seorang pimpinan bank beranggapan/berpendapat bahwa penurunan suku
bunga deposito tidak mempengaruhi jumlah tabungan deposito, maka diputuskan
untuk menurunkan suku bunga deposito.
3. Karena pemerintah melalui Departemen Pertambangan berpendapat bahwa
kenaikan harga minyak tidak mempengaruhi harga makanan, maka diputuskanuntuk
menaikkan harga minyak.
Pengujian hipotesis statistik ialah prosedur yang memungkinkan keputusan dapat
dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis yang sedang
dipersoalkan/diuji. Untuk menguji hipotesis, digunakan data yang dikumpulkan dari
sampel, sehingga merupakan data perkiraan (estimate). Itulah sebabnya, keputusan yang
dibuat dalam menolak/tidak menolak hipotesis mengandung ketidakpastian
(uncertainty), maksudnya keputusan bisa benar dan bisa juga salah. Adanya unsur
ketidakpastian menyebabkan risiko bagi pembuatan keputusan. Besar/kecilnya risiko
dinyatakan dalam nilai probabilitas. Pengujian hipotesis erat kaitannya dengan
pembuatan keputusan.
 Jenis Kesalahan (Type of Error)
Ada dua jenis kesalahan yang bisa terjadi di dalam pengujian hipotesis. Kesalahan itu
bisa terjadi karena kita menolak hipotesis nol padahal hipotesis nol itu benar atau kita
menerima hipotesis nol padahal hipotesis nol itu salah. Kesalahan yang disebabkan
karena kita menolak hipotesis nol padahal hipotesis nol itu benar, disebut kesalahan
jenis I atau Type 1 Error. Sebaliknya kesalahan yang disebabkan karena kita menerima
hipotesis nol padahal hipotesis itu salah disebut kesalahan jenis II atau Type II Error
Misalnya, apabila hipotesis nol itu benar diberi simbol H, dan kalau hipotesis alternatif
benar diberi simbol H.

9
 Perumusan Hipotesis
Hipotesis yang berupa anggapan/pendapat dapat didasarkan atas: teorib) pengalaman
(pengalaman sendiri atau pengalaman orang lain) d ketajaman berpikir orang yang
cerdas sering mempunyai pendapat tentang pemecahan suatu persoalanHipotesis yang
akan diuji diberi simbol H, (hipotesis nol) dan langsung disertai dengan H, Chipotesis
alternatif). H, akan secara otomatis diterima, apabila H, ditolak. Cara merumuskan H,
den H, tergantung pada jenis parameter yang akan diuji dan jenis data yang tersedia
(informasi yang dimiliki oleh peneliti).
 Pengujian Hipotesis Tentang Rata-rata
Sering kali seorang pembuat keputusan mempunyal pendapat mengenai nilai rata-rata
Misalnya, seorang pejabat bank berpendapat bahwa rata-rata modal perusahaan nasional
pada suatu periode sebesar Rp 300 miliar; seorang pejabat dari Departemen Tenaga
Kerja berpendapat bahwa rata-rata gaji per bulan karyawan dari perusahaan feks sebesar
Rp 100.000; seorang pemilik pabrik bola lampu beranggapan bahwa bola lampu buatan
pabriknya bisa menyala (tetap hidup) rata-rata 1.000 jam: sedangkan pemilik pabrik
rokok berpendapat bahwa setiap batang rokok buatan pabriknya mengandung nikotin
secara rata-rata 2 mg dan lain sebagainya.
 Pengujian Hipotesis Tentang Proporsi
Pengujian Hipotesis Tentang Satu ProporsiDalam praktek, yang harus diuji sering
kali berupa pendapat tentang proporsi (persentase). Misalnya, persentase barang yang
rusak = 10%; nasabah yang tidak puas = 25%; penduduk suatu daerah yang masih buta
huruf 15%; penduduk suatu kota yang tidak setuju KB 20%; karyawan yang tidak
bergairah = 5%; mahasiswa FE-Atmajaya yang belum membayar uang kuliah 30%; dan
lain sebagainya.
 Pengujian Ketidaktergantungan dan Ketepatan Suatu Fungsi
Sering kali ada pendapat yang mengatakan bahwa kategori/klasifikasi/pengelompoka
suatu hasil observasi dari suatu populasi, tidak tergantung pada kategori populasi lai
atau dapat dikatakan bebas. Pengujian semacam ini disebut "tests of independency Cara-
cara pengujiannya sama seperti menguji beberapa proporsi (misalnya r> 2) dan beberapa
populasi (misalnya k> 2), yaitu menggunakan "r by k contingency table" seper di atas,
dengan sebagai kriteria pengujian. Seperti kita ketahui, di dalam prakteknya proporsi
sering digunakan untuk memperkirakan probabilitas.
 Pengujian Tentang Ketepatan/Kecocokan suatu Fungsi
Setiap variabel dapat mempunyai bentuk fungsi (misalnya variabel X mempunyai
fungsiBinomial, Poisson, Normal, dan lain sebagainya). Dengan mengetahui bentuk
fungsi suatu variabel ini, manfaatnya adalah sebagai berikut:
a) Dapat memperkirakan/meramalkan nilai fungsi tersebut, apabila nilai X sudah
diketahui.
b) Dapat menghitung nilai probabilitas terjadinya X.

10
  Pengujian Hipotesis Tentang Varians
Sering kali dalam praktik, pengetahuan tentang varians yang dipergunaan sebagai
ukuran variasi dari suatu kumpulan nilai hasil observasi, sangat penting untuk diketahui
Ingat, bahwa akar dari varians merupakan simpangan baku (standard deviation).
Sebagai ilustrasi. Departemen Tenaga Kerja ingin mengetahui tentang variasi upah
buruh: pemerintah melalui BAPPENAS, ingin mengetahui variasi dari pendapatan
penduduk sebagai akibat dari proses pembangunan; pemilik suatu bank ingin
mengetahui variasi pengeluaran kredit dari bulan ke bulan: pemilik perusahaan ingin
mengetahui variasi hasil penjualan dari tahun ke tahun, dan lain sebagainya. Pengujian
hipotesis tentangvarians, pada dasarnya sama seperti pengujian hipotesis tentang rata-
rata dan proporsi.

BAB 5 (REGRESI SEDERHANA)

 Hubungan Linear Antara Dua Variabel
Salah satu tujuan analisis data ialah untuk memperkirakan/memperhitungkan
besarnya elek atau pengaruh kuantitatif dari perubahan suatu kejadian terhadap kejadian
lainnya. Setiap kebijakan (policy), baik dari pejabat pemerintah maupun swasta, selalu
dimaksudkan untuk mengadakan perubahan (change) sesuai dengan keinginan/harapan.
Sebagai contoh, misalnya pemerintah menambah jumlah pupuk agar produksi padi
meningkat, pemerintah mengurangi impor tekstil supaya penjualan tekstil P.N. Sandang
meningkat, pemerintah menaikkan gaji pegawai negeri agar prestasi kerja mereka
meningkat, pemerintah memperbanyak akseptor agar tingkat kelahiran menurun,
perusahaan meningkatkan biaya iklan agar hasil penjualan meningkat, seseorang
mengurangi berat badan agar tekanan darahnya menurun, dan lain sebagainya.
 Model Regresi Linear Sederhana
Adalah tidak mungkin untuk memperkirakan hubungan antara dua variabel tanpa
membuat asumsi terlebih dahulu mengenai bentuk hubungan yang dinyatakan dalam
fungsi tertentu. Dalam beberapa hal, kita bisa mengecek asumsi tersebut setelah
hubunga diperkirakan Fungsi linear, selain mudah interpretasinya, juga dapat digunakan
sebagi pendekatan (approximation) atas hubungan yang bukan linear (non linear).
Fungu linear, mempunyal bentuk persamaan sebagai berikut: Y=A+BXdi mana A dan B
adalah konstanta atau parameter, yang membedakan harus diestima Fungsi linear YA
BX ini apabila digambarkan.
 Pengujian Hipotesis dan Pendugaan Interval Parameter A dan B
Dalam praktek untuk keperluan pembuatan keputusan, sering kali ada pendapat
yaperlu diuji, misalnya tidak ada pengaruh dari X terhadap Y (X dan Y bisa saja
mewakili berbagai variabel, misalnya X = bunga deposito, Y= tabungan deposito; X =
tarif pajak, Fa penerimaan pajak; X = harga minyak, Y= harga bahan makanan: X=
biaya promosi penjualan, Y hasil penjualan; X = nilai ujian matematik, Y = nilai ujian
11
 statistik). Kalau pendapat itu benar, yaitu X tidak mempengaruhi Y, maka B = 0, kalau
ada pengaruh negatif, B< 0, dan kalau pengaruhnya positif, B> 0. Pendapat itu juga
benar, kalau p = ap <0 atau p>0 (p = rho = koefisien korelasi akan dibahas dalam
subbab berikut). badi pengujian hipotesis tentang B (= koefisien regresi) sama dengan
pengujian tentang ( koefisien korelasi).
 Pendugaan dan Pengujian Hipotesis Tentang Koefisien relasi
Ahli ekonomi atau ahli-ahli bidang lainnya sering menggunakan analisis korelasi
untuk mengetahui erat-tidaknya hubungan antarvariabel. Apabila ternyata hasil analisis
menunjukkan hubungan yang cukup erat, maka analisis dilanjutkan ke analisis regresi
sebagai alat meramalkan (forecasting) yang sangat berguna untuk perencanaan. Analisis
korelasi yang mencakup dua variabel X dan Y disebut analisis korelasi linear sederhana
ample linear correlation), sedangkan yang mencakup lebih dari dua variabel disebut
analisis korelasi linear berganda (multiple linear correlation.

 Ramalan Tunggal dan Interval dengan Menggunakan Regresi Linear

Sederhana
Dalam praktik, kita sering meramalkan nilai rata-rata Y untuk nilai X tertent
katakanlah XX, Misalnya, Y= hasil penjualan dan X = biaya pemasangan iklan ata Y =
konsumsi dan X = pendapatan; atau Y = produksi padi dan X = pupuk; dan l
sebagainya. Ramalan demikian bisa berupa ramalan tunggal (point forecast) ataup
ramalan interval (interval forecast). Dalam Subbab Model Regresi linear Sederhana
telah ditunjukkan bahwa Y = a + bx, merupakan penduga dari E (Y/X). Untuk X =
X➡Y=a+6X Kita akan mencari nilai rata-rata (= nilai yang diharapkan dari varianY)
dan akan menunjukkan bagaimana Y dapat dipergunakan untuk membuat
ramalanRamalan tunggal rata-rata Y atau individu Y untuk X = X.

BAB 6 (REGRESI BERGANDA)

 Hubungan Linear Lebih Dari Dua Variabel
Untuk memperkirakan/meramalkan nilai variabel Y. akan lebih baik apabila kita ikut
memperhitungkan variabel-variabel lain yang ikut mempengaruhi Y. Dengan demikian,
kita mempunyai hubungan antara satu variabel tidak bebas (dependent variable) Y
dengan beberapa variabel lain yang bebas (independent variable) X., X....Xy Misalnya
Y = hasil penjualan, akan dipengaruhi oleh daya beli (X), harga (X).impor (X), dan lain
sebagainya: Y = produksi padi, akan dipengaruhi oleh X₁ = bibit, X, pupuk, X, = curah
hujan. X, = luas sawah, dan lain sebagainya. Untuk meramalkan Y, apabila semua nilai
variabel bebas diketahui, maka kita dapat mempergunakan persamaan regresi linear
berganda. Hubungan Y dan X1, X2, Xk.
 Pendugaan atau Ramalan dengan Menggunakan Regresi Linear
Berganda Apabila persamaan garis regresi linier berganda sudah diestimasi, maka
persamaan tersebut dapat digunakan untuk membuat pendugaan/ramalan nilai Y,
12
 apabila nilai beberapa variabel bebas X. X., X, sudah diketahui. Keuntungan persamaan
regresi linear berganda untuk memperkirakan/meramalkan ialah bahwa kita dapat
mengetahui besarnya pengaruh secara kuantitatif dari setiap variabel bebas, kalau
pengaruh variabel lainnya dianggap konstan. Misalnya, apabila y b+ bx, bx, di mana X,
biaya pemasangan iklan, dan X, pendapatan rata- = rata; Y hasil penjualan; b, b,
pengaruh X, terhadap Y, kalau X, konstan: by pengaruh X, terhadap Y, apabila X,
konstan. Atau dapat juga X, = banyaknyapupuk yang digunakan, X, luas sawah, X,
curah hujan dan Y= produksi padi,dengan persamaan regresi berganda:
Ybo+ bx, b₂X+ byxy di mana. b,
b, pengaruh X, terhadap Y,
kalau X, dan X, konstandanbb, pengaruh X, terhadap Y,
kalau X, dan X, konstan bb,12 pengaruh X, terhadap Y, kalau X, dan X, konstan
Statistik d durbin-watson
 Durbin dan Watson
Sudah membuat tabel yang disebut Statistik d Durbin-Watson pada tingkat nyata 5%
dan 1%. Tabel ini memuat nilai batas atas (upper bound), d dan nilai batas bawah (lower
bound) d,, untuk berbagai nilai n (= besarnya sampel) dan k (banyaknya variabel bebas:
X. X.. X, X₁). Untuk tingkat nyata 1% dan 5% dari d, dan d untuk k = 1, 2,..., 5, dan
berbagainilai berkisar antara 15 dan 100, dapat dilihat dalam Tabel Statistik d Durbin-
Watson(Lampiran VIII). Untuk menguji hipotesis:Ho: tak ada korelasi serial
(otokorelasi) yang positif, H: ada korelasi serial (otokorelasi) yang positif.

BAB 7 (METODE STATISTIK NONPARAMETRIK)

 Metode statistik parametrik
Seperti statistik uji t atau F. digunakan apabila penelit mengetahui fakta yang pasti
mengenai populasi atau sekelompok data dari mana sampel diambil Pada dasarnya,
peneliti harus bekerja dengan data yang telah diambil secara independen dan tanpa bias
dari sekelompok item. Data tersebut haruslah berasal dari populasi yang terdistribusi
secara normal dan mempunyai varians yang sama, dan haru diukur setidaknya pada
tingkat interval.
Metode statistik nonparametrik, seperti statistik uji U Mann-Whitney atau analisis
varians Kruskal-Wallis, dipakai apabila peneliti tidak mengetahui karakteristik
kelompok item yang menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap
data yang diukur dengan skala ordinal dan, dalam kasus tertentu, dengan skala nominal.
Pengajias nonparametrik sangat bermanfaat apabila sampelnya kecil dan lebih mudah
dihitung daripada metode parametrik. Metode nonparametrik juga digunakan secara luas
guna menganalisis data di bidang ilmu sosial (sosiologi, psikologi, manajemen,
pemasaran, dan sebagainya.
 Tinjauan Sepintas
13
 Topik statistik nonparametrik ini tidak dapat diliput secara keseluruhan karena)
keterbatasan halaman buku ini. Oleh karena itu, kita akan membahas statistik uji U
Mann-Whitney yang disebut pada awal pembahasan, kemudian dilanjutkan dengan
prosedur Kruskal-Wallis. Dengan demikian, demi keteraturan penyajian, metode
nonparametrik yang akan dibahas secara panjang lebar dalam bab ini ialah (1) uji tanda
(2) uji peringkat bertanda Wilcoxon, (3) uji Mann-Whitney, Friedman dan Kruskal-
Wallis (4) uji deret untuk melihat keacakan, dan (5) koefisien korelasi peringkat
Spearman Meskipun hampir seluruh metode ini dapat dibahas dalam konteks, situasi
dengan sampel besar maupun sampel kecil, namun kita akan membatasi perhatian
terutama pada kasus dengan sampel kecil.Jadi, setelah mempelajari bab ini Anda
diharapkan mampu:
a) Mengidentifikasi situasi yang memerlukan penggunaan metode nonparametric
Tertentu:
b) Menerapkan prosedur uji tanda baik untuk sampel besar maupun sampel kecil.
c) Menerapkan uji peringkat bertanda Wilcoxon untuk sampel kecil.
d) Menggunakan uji Mann-Whitney untuk menentukan apakah dua sampel acak kec
yang independen diambil dari populasi yang identik.
e) Menentukan apakah terdapat keacakan (atau apakah ada pola yang mendasar dalam
urutan data sampel yang kecil dengan menggunakan prosedur uji deretuntuk
melihat keacakan.
f) Menghitung koefisien korelasi peringkat Spearman dan kemudian menge
signifikansinys.

 Uji Tanda (Sign-Test)

Apabila Anda telah menetapkan pasangan ukuran ordinal yang diambil dari subjek
yang sama atau subjek yang dicocokkan, dan apabila Anda hanya tertank pada adanya
perbedaan nyata atau tidak tanpa memperhatikan perbedaan tersebut, maka prosedur uji
tanda harus digunakan. Prosedur njt tanda didasarkan pada tanda negatif at positif dari
perbedaan antara pasangan data ordinal. Pada hakikatnya, pengujian ini hanya
memperhatikan arah perbedaan dan bukan besarnya perbedaan ini.
 Prosedur Uji Tanda dengan Sampel Kecil
Mari kita ambil satu contoh. Texas Fried Chicken telah mengembangkan sebuah
resep baruuntuk adonan tepung ayamnya dan departemen pemasaran hanya ingin
melihat apakah resep baru tersebut lebih enak daripada resep sebelumnya. Pada tahap
pengembangan produk baru ini, departemen tersebut tidak tertarik pada tingkat rasa atau
kenikmatan Sepuluh orang konsumen dipilih secara acak diminta untuk menguji rasa.
Setiap konsumen mencicipi dulu sepotong daging ayam yang disajikan dengan resep
lama dan memberikan nilai rasa mulai dari 1 sampai 10, di mana 1 berarti sangat tidak
enak dan 10 berarti sangat enak. Kemudian konsumen tersebut mencicipi sepotong
daging ayam yang digoreng dengan resep baru dan memberi nilai mulai dari 1 sampai
10. Kemudian data tersebut dikumpulkan.
 Uji Peringkat Bertanda Wilcoxon

14
 Jika prosedur uji tanda hanya berfokus pada anak perbedaan di dalam pasangan data
maka prosedur uji peringkat bertanda Wilcoxon (nama ini diberikan menurut nama
Frank Wilcoxon, ahli statistic yang pertama kali memperkenalkannya pada dasawara
1940-an) digunakan jika besaran maupun arah perbedaannya relevan untuk menentukan
apakah terdapat perbedaan yang sesungguhnya antara pasangan data yang diambil dari
satu sampel atau dua sampel yang saling terkait. Apabila kita ingin memasukkan
besarnya perbedaan selain arah perbedaan ke dalam proses pengambilan keputusan kita,
maka prosedur uji peringkat bertanda Wilcoxon harus digunakan.
 Prosedur Uji Peringkat Bertanda Wilcoxon
Mari kita gunakan kembali contoh Texas Fried Chicken. Anggaplah bahwa
manajemen perusahaan tersebut ingin mengambil keputusan mengenai adonan resep
baru yang tidak hanya didasarkan pada berapa banyak orang menganggap bahwa resep
baru tersebut memperbaiki rasa tetapi juga pada besarnya perbaikan rasa dari resep baru
itu. Dalam hal ini, prosedur uji peringkat bertanda Wilcoxon dapat digunakan, dan data
untuk analisis diambil dari Tabel 7.1 dan disajikan Kembali.
Langkah-langkah yang harus kita lakukan adalah:
a) Menyatakan Hipotesis dan a.
b) Menentukan besar dan tanda perbedaan antara pasangan data
c) Menyusun peringkat tanpa memperhatikan tanda
d) Pemberian tanda atas peringkat yang telah diterapkan
e) Menjumlahkan peringkat
f) Penarik kesimpulan statistic tentang hipotesis nol.

 Pengujian Mann-Whitney
Dengan prosedur uji tanda dan prosedur uji peringkat bertanda Wilcoxon, pasangan
data yang diambil dari satu sampel atau dua sampel yang saling terkait dapat dianalisis
guna melihat perbedaan yang signifikan. Dalam situasi di mana kita ingin menguji
hipotesis nol yang menyatakan bahwa tidak ada perbedaan yang sesungguhnya antara
kedua kelompok data dan di mana data tersebut diambil dari dua sampel yang tidak
saling terkait, kita dapat melakukan pengujian Mann-Whitney. Pengujian ini sering
disebut sebagai pengujian U, karena untuk menguji hipotesis nol, kasus dihitung angka
statistik yang disebut U.
 Prosedur Pengujian Mann-Whitney
Asumsikan bahwa kepala biro alumni suatu BBA-MBA School sedang menghimpun
data biografis mengenai alumni yang tamat 10 tahun lalu. Setelah menerima hasil survei
melalui surat, kepala biro tersebut ingin mengetahui apakah mereka yang berkonsentrasi
di manajemen pemasaran berpenghasilan lebih besar daripada mereka yang
berkonsentrasi di bidang manajemen keuangan. Tabel 7.3 memperlihatkan data gaji
yang telah diterima kepala biro tersebut dari 8 (n, = 8) alumni yang berkonsentrasi di
bidang manajemen pemasaran dan 12 (n,= 12) alumni yang berkonsentrasi di bidang
manajemen keuangan.

15
  Runs Test untuk Melihat Keacakan
Seorang investor ingin mengetahui apakah kenaikan dan penurunan yang terjadi
akhir- akhir ini pada data harian Dow Jones Industrial Average (DILA) benar-benar
bersifat acak atau apakah ada keteraturan atau pola pada perubahan tersebut yang
mungkin mempengaruhi portofolionya. Untuk itu, investor tersebut dapat melakukan
runs test (uji deret) untuk melihat keacakan. Tujuan uji deret adalah untuk menentukan
apakah keacakan akan terjadi atau apakah terdapat suatu pola yang mendasari urutan
data sampel. Pengujian tersebut didasarkan pada jumlah deret dari hasil yang identik
pada data berurut. Misalnya, apabila investor tadi melihat bahwa dalam 15 hari kerja
berturut-turut angka DJIA menunjukkan rangkaian dari 15 rangkaian yang berkaitan, dia
mungkin akan menyimpulkan adanya pola dalam perilaku pada modal (bursa saham).
Sayangnya, dalam kenyataan, proses pengambilan keputusan tidak selalu segamblang
itu. Oleh karena itu, runs test merupakan prosedur pengujian hipotesis lain yang
dirancang untuk membantu para pengambil keputusan.
 Koefisien Korelasi Peringkat Spearman
Koefisien korelasi peringkat Spearman, r, adalah ukuran erat-tidaknya kaitan antara
dua variabel ordinal: artinya, r, merupakan ukuran atas kadar/derajat hubungan antara
data yang telah disusun menurut peringkat (ranked data). Koefisien korelasi (r) dihitung
dengan menggunakan nilai aktual dari X dan Y, sedangkan koefisien Spearman yang
akan kita bicarakan berikut ini menggunakan nilai peringkat untuk X dan Y. dan bukan
nilai aktual.
 Prosedur Penghitungan Koefisien Korelasi Peringkat Spearman
Sebuah perusahaan asuransi di Jakarta telah menyelenggarakan kursus penyegaran
penjualan yang dimaksudkan untuk meningkatkan prestasi para wiraniaganya. Beberapa
kelas telah menyelesaikan kursus tersebut. Dalam memperkirakan nilai program
tersebut, manajer pelatihan penjualan ingin menentukan apakah ada hubungan antara
prestasi dalam program dengan prestasi dalam menghasilkan penjualan tahunan setelah
menjalani kursus. Tabel 7.4 menunjukkan data yang dikumpulkan oleh manajer
pelatihan penjualan dari 11 (n=11) lulusan program.

BAB 8 (CONTOH PENGGUNAAN SPSS )

 Pendahuluan
Metode ini adalah analisis untuk pembuktian empiris dari hipotesis yang
dikemukakan Hipotesis adalah pendapat yang harus diuji kebenarannya secara empiris.
Langkah-langkah pengujian hipotesis:
a) Pernyataan hipotesis null (H) dan hipotesis alternatif (H)
b) Memilih tingkat nyata
c) Mengidentifikasi uji statistik
d) Merumuskan pembuatan keputusan
e) Mengambil keputusan Menerima H
16
 f) Menolak H

 Penentuan Tingkat Nyata (Significant Level)

Penentuan tingkat nyata, yang dinyatakan dengan simbol a adalah menentukan
peluang untuk menolak Ho, padahal H, itu benar. Suatu peluang berada pada kisaran 0
dan 1. Jika 0 dinyatakan tidak mungkin terjadi sedangkan 1 dinyatakan pasti terjadi. Jika
kita mengatakan bahwa peluang untuk menolak Ho padahal H, itu benar adalah 5%
maka nilai a = 0,05.
 Besarnya Nilai
Penentuan nilai a belum ada patokan, tetapi umumnya untuk disiplin ilmu
yangmenentukan tingkat ketelitian tinggi menggunakan tingkat a= 0,01 sedangkan
disiplinilmu yang tidak menuntut tingkat ketelitian tinggi menggunakan a = 0,05.
 Pengujian Hipotesis dengan Menggunakan SPSS
Buka software SPSS, masuk ke menu Data Editor, kemudian masukkan data yang
ada pada tabel di atas, kemudian masuk ke Variable View pada tab bawah untuk
mengganti nama variabel (var0001 diganti menjadi penjual dan var0002 diganti menjadi
variabel kelompok).

 Analisis Regresi
Untuk menganalisis peranan antarvariabel Hipotesis: Terdapat pengaruh positif input
produksi terhadap produksi Ho: Tidak terdapat pengaruh positif input produksi terhadap
produksi H: Terdapat pengaruh positif input produksi terhadap produksiHo: ditolak jika
hitung > tabel; a = 0,05
 Regresi Berganda
Hipotesis: Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan. H:
Tidak Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan. H.
Terdapat pengaruh positif biaya iklan dan promosi terhadap penjualan.
Hy ditolak jika2-alfa=0,10 (-10%)a/20,10/20,05

17
 BAB III
PEMBAHASAN

A. KELEBIHAN/KEUNGGULAN BUKU
1. Didalam buku penulis lebih bervariasi terhadap soal – soal yang disediakannya seperti
pilihan berganda, soal esai, dan soal studi kasus.
2. Bab 1 didalam buku menjelaskan materi mengenai pembagian statistika, jenis – jenis
statistika, dan jenis – jenis skala pengukuran
3. Setiap materi slalu dilengkapi dengan gambar, tabel atau diagram pada materi yang
bersangkutan.
4. Materi dijelaskan dalam bahasa yang singkat
5. Cakupan materi lebih luas dan jelas

B. KEKURANGAN/KELEMAHAN BUKU
1. Dalam buku ini memiliki kelemahan yaitu terdapat pada bahasa yang digunakan masih
ada terdapat bahasa yang sulit untuk dimengerti pembaca
2. Didalam buku tidak begitu banyak contoh dan penyelesaiannya
3. Bab 3 didalam buku tidak terdapat materi yang menjelaskan mengenai cara
pengambilan sampel dan beberapa jenis sampling acak.

18
 BAB IV
PENUTUP

A. KESIMPULAN
Dari kritik buku Statistik ini, diharapkan pembaca/mahasiswa bisa melakukan
sebuah penelitian dalam berbagai bidang pada umumnya, dan dalam bidang manajemen
pada kususnya dengan menggunakan teknik analisis statistic parametric melalui
pengoperasian SPSS, bisa melakukan pengolahan data dan penyajian data yang mudah
dibaca sebagai bahan pengambilan keputusan dalam manajemen, mampu melakukan
sebuah penghitungan terhadap indeks perubahan, serta sebuah pengambilan keputusan
terhadap masa yang akan datang melalui sebuah peramalan dan deret berkala.

B. SARAN
Hasil dari pengamatan dan pengkritikan kami atas buku ini ialah buku ini memiliki
kelebihan dan kekurangannya. Oleh karena itu, buku ini dirancang sesuai kebutuhan para
pembaca dalam memahami teori ataupun pengaplikasian Statistik.

DAFTAR PUSTAKA
BUKU
J.Supranto, 2016, “Statistik Teori & Aplikasi”. Jakarta Agustus 2016, ERLANGGA

19