METODE STATISTIKA
ii
6 SEBARAN PELUANG TEORITIS ................................................................................ 42
6.1 Sebaran Binom ................................................................................................. 42
6.2 Sebaran Hipergeometrik ................................................................................ 44
6.3 Sebaran Poisson ............................................................................................... 46
6.4 Sebaran Seragam ............................................................................................. 47
6.5 Sebaran Normal ............................................................................................... 48
6.6 Latihan Soal ...................................................................................................... 51
7 SEBARAN PERCONTOHAN ....................................................................................... 54
7.1 Contoh Acak...................................................................................................... 54
7.2 Teori Pengambilan Contoh............................................................................. 54
7.3 Sebaran Contoh dari Rataan (Mean) ............................................................ 55
7.4 Sebaran contoh dari (n-1)S2/ 2 .................................................................. 56
7.5 Sebaran t-student............................................................................................ 56
7.6 Sebaran F .......................................................................................................... 57
7.7 Sebaran Contoh Bagi Beda Dua Nilaitengah ............................................... 57
7.8 Latihan Soal ...................................................................................................... 58
8 PENDUGAAN PARAMETER ....................................................................................... 59
8.1 Penduga Paramater......................................................................................... 59
8.2 Pendugaan Nilai tengah.................................................................................. 60
8.3 Pendugaan Beda Dua Nilai Tengah Populasi ............................................... 61
8.4 Pendugaan Proporsi......................................................................................... 63
8.5 Pendugaan Beda Dua Proporsi....................................................................... 64
8.6 Latihan Soal ...................................................................................................... 65
9 PENGUJIAN HIPOTESIS............................................................................................ 67
9.1 Hipotesis Statistik............................................................................................ 67
9.2 Pengujian Hipotesis......................................................................................... 68
Keadaan yang sesungguhnya .................................................................................... 68
9.3 Uji Satu Arah Dan Dua Arah ........................................................................... 71
9.4 Uji Rataan Populasi ......................................................................................... 72
9.5 Latihan Soal ...................................................................................................... 77
10 ANALISIS REGRESI DAN KORELASI...................................................................... 78
10.1 Regresi Linear Sederhana ........................................................................... 78
10.2 Pendugaan Koefisien Regresi ..................................................................... 79
10.3Pengujian Hipotesis Bagi Koefisien Regresi ............................................ 80
10.4Peramalan / Pendugaan Bagi Y ................................................................. 82
10.5 Kesesuaian Model......................................................................................... 83
10.6 Korelasi .......................................................................................................... 84
10.7 Latihan Soal .................................................................................................. 89
DAFTAR PUSTAKA ........................................................................................................... 90
iii
1 PENDAHULUAN
Gambaran penarikan kesimpulan dari data dengan menggunakan analisis statistika secara
ringkas disajikan pada bagan berikut ini:
2
Tidak ada alasan tertentu kategori mana yang disebut di awal dan mana yang di
akhir.
2. Peubah Ordinal, yaitu jenis peubah yang pengkategoriannya bisa diurutkan
berdasarkan kriteria tertentu yang bermakna. Yang termasuk dalam jenis peubah ini,
misalnya :
- pendidikan : SD, SMP, SMA, Diploma, S1, S2, S3. Urutan tersebut merupakan
urutan pendidikan rendah ke tinggi.
- tingkat kesetujuan : sangat tidak setuju, tidak setuju, netral, setuju, sangat
setuju. Urutan tersebut dari tingkat yang paling tidak setuju hingga setuju.
3
Atau kalau misalnya yang diukur adalah diameter ujung bolpoin pada suatu pemeriksaan
pengendalian mutu produk (diukur dalam mm). Kemudian dikategorikan seperti berikut :
4. Data
Data adalah semua bentuk keterangan yang berhubungan dengan variabel tertentu yang
dicatat dari objek yang sedang menjadi perhatian. Dilihat dari rentang waktu
pengumpulannya, data dapat dibedakan ke dalam tiga kelompok, yaitu data runtun waktu,
data cross section, dan data panel. Data runtun waktu adalah hasil pengukuran pada satu
atau lebih variabel yang pengamatannya dilakukan secara teratur sepanjang periode tertentu.
Data cross section adalah data yang tersusun dari satu atau lebih variabel yang dikumpulkan
dari banyak objek pada satu masa tertentu. Sedangkan data panel adalah data yang tersusun
dari satu atau lebih variabel yang berasal dari banyak objek yang dicatat secara teratur
sepanjang periode tertentu.
4
Industri: perencanaan desain produk yang bisa diterima pasar, pemilihan bahan baku yang
sesuai
Sosial: penentuan faktor-faktor demografi yang mempengaruhi keberhasilan pembangunan,
penentuan strategi penyuluhan, penentuan strategi peningkatan motivasi
Ekonomi: hubungan antar peubah ekonomi, pemodelan ekonometrika
Percepatan penerapan statistika menjadi semakin berkembang secara luas dengan
adanya kemajuan di bidang komputer dan tekhnologi software. Dengan adanya komputer
penghitungan statistik menjadi semakin cepat, teliti, dan akurat, sehingga peranan statistika
menjadi semakin berkembang di berbagai bidang kehidupan terutama dalam analisis data dan
keperluan perencanaan. Beberapa contoh paket program statistika antara lain:
SAS (Statistics Analysis System)
SPSS (Statistics Program Science For Social)
MINITAB
2. Data apa kiranya akan dicatat seorang kepala desa untuk mengukur:
a. produktivitas lahan sawah di desanya
b. tingkat penghasilan penduduk di desanya
c. potensi tenaga kerja di desanya
d. keberadaan kepala keluarga di desanya
e. kemajuan pelayanan kesehatan ibu dan anak di desanya
3. Seorang petugas keamanan jalan raya lintas cepat mencatat setiap peristiwa kecelakaan lalu
lintas yang terjadi di jalan raya itu. Yang dicatat adalah:
a. jenis kendaraan bermotor yang mengalami kecelakaan
b. warna kendaraan bermotor itu
c. umur pengemudi
d. panjang batas tapak mengerem di jalan raya sebelum kendaraan tersebut bertabrakan
e. ruas jalan tempat kecelakaan itu terjadi
f. Jalur alan tempat kecelakaan terjadi
manakah dari data yang dicatat tersebut menghasilkan:
(i) data numerik
(ii) data kategorik berskala nominal
(iii) data kategorik berskala ordinal
5
2 PENYAJIAN DATA
2.1 Pendahuluan
Data yang telah dikumpulkan, baik dari populasi maupun dari sampel, perlu ditata atau
diorganisir, diolah dan disajikan secara sistematis dan rapi sehingga mudah dan cepat dipahami
dan dimengerti.
Teknik penyajian data umumnya disesuaikan dengan jenis peubah yang akan disajikan.
Namun secara garis besar ada dua cara penyajian data, yaitu tabel dan grafik/gambar. Ada
beberapa bentuk tabel yang biasanya digunakan, seperti tabel frekuensi. Sedangkan beberapa
bentuk gambar, seperti diagram batang, diagram lingkaran, diagram dahan daun, histogram,
diagram kotak garis dan scater plot. Penggunaan beberapa teknik penyajian data tersebut
disesuaikan dengan tipe peubahnya.
6
Dari peubah-peubah yang diamati, yang termasuk peubah kategorik adalah jenis kelamin, agama
dan pendidikan. Penyajian data dari ketiga peubah tersebut dapat dilakukan dengan:
1. Tabel frekuensi
Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori-kategori data.
Tabel frekuensi merupakan gambaran frekuensi atau banyaknya objek menurut kategori yang
ada. Selain menyajikan frekuensi data, untuk memudahkan interpretasi biasanya dalam tabel
juga disajikan persentase dari masing-masing kategori yang merupakan rasio dari frekuensi
masing-masing kategori terhadap total objek yang ada. Ada tiga jenis tabel frekuensi
berdasarkan banyaknya peubah yang terdapat pada tabel, yaitu tabel satu arah, dua arah dan
multi arah.
a. tabel satu arah yaitu tabel yang hanya terdiri dari satu kategori atau peubah
misalnya akan disajikan tabel banyaknya anggota koperasi menurut jenis kelamin, maka tabel
yang diperoleh adalah:
Jenis Kelamin Frekuensi Persentase
Perempuan 9 0.45
Laki-laki 11 0.55
Total 20 1
Dari tabel di atas kita dapat mengetahui bahwa anggota koperasi sebagian besar adalah
laki-laki.
b. tabel dua arah, yaitu tabel yang terdiri dari dua kategori atau dua peubah
misalnya akan disajikan tabel banyaknya anggota koperasi menurut jenis kelamin dan
tingkat pendidikan, maka tabel yang diperoleh adalah:
7
2. Gambar
Penyajian data dengan gambar/grafik adakalanya lebih efektif dalam menyajikan
informasi/karakteristik suatu data. Pesan visual yang diberikan oleh gambar selain lebih
menarik untuk dilihat juga lebih memudahkan dalam melakukan pembandingan.
Gambar/grafik yang biasanya digunakan untuk data dengan peubah kategorik adalah:
a. diagram batang. Diagram ini berupa batang-batang yang menggambarkan nilai dari
masing-masing kategori. Untuk membuat diagram batang, data yang diambil biasanya
diambil setelah dalam bentuk tabel frekuensi atau tabel kontingensi. Pada contoh di atas,
jika frekuensi jenis kelamin anggota koperasi disajikan dalam bentuk grafik akan berupa:
12
10
8
Frekuensi
6
4
2
0
Perempuan Laki-laki
Jenis Kelamin
Sedangkan jika frekuensi jenis kelamin dan tingkat pendidikan dari anggota koperasi
disajikan dalam bentuk grafik akan berupa:
5
4
Frekuensi
3
2
1
0
perempuan Laki-laki
Jenis Kelamin
Pendidikan:
0 1 2 3 4
b. Diagram lingkaran. Diagram ini berupa lingkaran yang terbagi-bagi dalam beberapa
bagian. Masing-masing bagian merupakan representasi dari berbagai kategori, dan luas
dari bagian itu berdasarkan persentase masing-masing kategori. Jika frekuensi anggota
8
koperasi menurut jenis kelamin disajikan dalam bentuk diagram lingkaran, maka langkah-
langkah pembuatannya adalah:
- hitung luas masing-masing kategori:
o o
Perempuan = 360 x 45% = 162
Laki-laki = 360o x 55% = 198o
- gambarkan masing-masing kategori berdasarkan besar luasannya
Stem-and-leaf of Tinggi N = 20
Leaf Unit = 1.0
1 14 9
2 15 4
4 15 59
10 16 012234
10 16 556789
4 17 002
1 17 5
9
Sedangkan untuk peubah berat badan adalah:
Stem-and-leaf of Berat N = 20
Leaf Unit = 1.0
1 4 6
2 4 8
6 5 0011
9 5 333
10 5 5
10 5 67
8 5 889
5 6 01
3 6 3
2 6 5
1 6
1 6 9
10
3. Histogram
Histogram merupakan grafik dari tabel distribusi frekuensi. Histogram digambarkan pada
sistem salib sumbu X-Y. Kelas-kelas selang diletakkan pada sumbu X, sedangkan frekuensi
kelas diletakkan pada sumbu Y. Misalkan tabel frekuensi tinggi badan dibuat dalam bentuk
histogram, akan diperoleh gambar seperti berikut ini.
Berdasarkan histogram yang terbentuk, dapat diketahui bentuk sebaran dari data tinggi
badan. Bentuk histogram ini dapat mengalami perubahan tergantung banyaknya kelas dan
lebar selang. Dengan adanya komputer, berbagai histogram dengan lebar selang yang
berbeda-beda dapat dibuat. Dari berbagai hasil itu kemudian dapat dipilih histogram yang
memberikan gambaran yang diinginkan.
Selain menggunakan data dari tabel distribusi frekuensi, histogram juga dapat dibuat
berdasarkan tabel distribusi frekuensi relatif. Bentuk histogramnya sama, yang berbeda hanya
skala pada sumbu Y.
4. Scatter Plot
Plot ini merupakan grafik yang digunakan untuk melihat hubungan antara dua buah peubah
numerik. Misalkan kita ingin tahu hubungan antara tinggi badan dengan berat badan. Grafik
yang diperoleh mungkin akan berupa grafik sebagai berikut :
11
80
70
Berat badan 60
(kg)
50
40
30
20
10
0
145 150 155 160 165 170 175 180
1. a. Mengapa data perlu disajikan dengan menggunakan tabel dan grafik, jelaskan!
b. Dalam hal tertentu mengapa penyajian data dengan grafik lebih baik daripada dengan
tabel ?
2. a. sebutkan beberapa cara penyajian data dengan tabel
b. sebutkan beberapa cara penyajian data dengan grafik
3. buatlah disain tabel :
a. tabel satu arah mengenai data pendidikan yaitu jumlah mahasiswa menurut fakultas .
b. tabel dua arah mengenai data pembelian barang yaitu banyaknya barang yang dibeli oleh
perusahaan menurut jenis barang dan harga.
c. Tabel tiga arah mengenai data investasi menurut negara asal, lokasi usaha dan jenis
usaha.
4. Buatlah contoh grafik garis, batang, dan lingkaran untuk menggambarkan suatu karakteristik
data tertentu.
12
3 UKURAN PEMUSATAN DAN PENYEBARAN DATA
3.1 Pendahuluan
Pada setiap upaya pengumpulan data untuk menjawab suatu masalah, selalu diperoleh
hasil pengukuran atau pencacahan berupa angka-angka yang cukup banyak. Oleh karena itu setiap
kegiatan pengumpulan data diikuti oleh suatu kegiatan meringkas data sehingga mendapatkan
bentuk yang lebih mudah dipahami. Peringkasan data dimaksudkan untuk mencari sesederhana
mungkin informasi dari data yang dikumpulkannya tapi memiliki pengertian yang dapat
menjelaskan data secara keseluruhan. Untuk keperluan ini dalam statistika dikenal istilah ukuran
pemusatan dan ukuran penyebaran.
bahwa data memiliki satu (mungkin lebih) titik dimana dia memusat atau terkumpul.
Ukuran-ukuran pemusatan yang sering digunakan antara lain modus, median, kuartil,
desil, persentil, rata-rata (aritmatic mean), geometric mean, dan harmonic mean.
Modus
Suatu nilai data yang paling sering terjadi atau yang mempunyai frekuensi paling tinggi.
Suatu kumpulan data mungkin saja mempunyai modus lebih dari satu buah.
Contoh 3.1
Berikut ini adalah data sampel rata-rata pendapatan 25 rumah tangga desa A per bulan (dalam
juta rupiah).
1.5 0.9 0.5 1.3 1.0 1.2 1.5 1.4 1.7 1.8 1.2 1.0 1.9
2.0 2.0 2.4 3.0 2.2 1.5 1.6 1.6 1.5 1.0 0.8 1.5
Median
Median adalah suatu nilai data yang membagi dua sama banyak kumpulan data yang
telah diurutkan. Apabila banyaknya data ganjil, median adalah data yang tepat ditengah-
tengah, sedangkan bila banyaknya data genap, median adalah rata-rata dua data yang ada
ditengah.
Langkah-langkah yang dapat digunakan untuk mencari nilai median cara sebagai berikut:
Urutkan data amatan mulai amatan terkecil sampai data amatan terbesar
13
Posisi median (nmed) = (n+1)/2
Jika posisi median bernilai bulat maka median adalah X [(n+1)/2] sedangkan jika bernilai
pecahan maka median adalah rata-rata dari X [n/2] dan X[n/2+1]
Contoh 3.2
Berdasarkan data pada contoh 3.1, maka nilai mediannya dapat dihitung dengan tahapan:
1. urutkan data menggunakan diagram dahan daun:
Stem-and-leaf of C1 N = 25
Leaf Unit = 0.10
1 0 5
1 0
3 0 89
6 1 000
9 1 223
(6) 1 455555
10 1 667
7 189
5 200
3 2 2
2 2 4
1 2
1 2
1 3 0
Kuartil
Kuartil adalah nilai-nilai yang menyekat gugus data menjadi empat kelompok data yang
masing-masing terdiri dari 25% amatan. Nilai-nilai yang menyekat data menjadi empat kelompok
data tersebut dikenal dengan sebutan kuartil 1 (Q1), kuartil 2 (Q2) dan kuartil 3 (Q3).
Kuartil 1 (Q1) adalah nilai data yang menyekat kumpulan data yang telah diurutkan
sehingga banyaknya data yang lebih kecil dari Q1 adalah 25 % dan yang lebih besar dari Q1 adalah
75 %.
Kuartil 2 (Q2) sama dengan median yang merupakan nilai pembatas 50% data disebelah
kiri Q2 dan 50% data disebelah kanan Q2.
Kuartil 3 (Q3) adalah nilai data yang menyekat kumpulan data yang telah diurutkan
sehingga banyaknya data yang lebih kecil dari Q3 adalah 75 % dan yang lebih besar dari Q3 adalah
25 %.
Langkah-langkah perhitungan yang dapat digunakan sebagai pedoman dalam menentukan nilai-
nilai kuartil adalah sebagai berikut:
Urutkan data mulai data amatan terkecil sampai data amatan yang terbesar
Hitung posisi kuartil 2 (nq2), caranya sama dengan perhitungan posisi median, n q2 = (n+1)/2
14
Jika posisi kuartil 2 bernilai bulat maka kuartil 2 adalah X [(n+1)/2] sedangkan jika bernilai
pecahan maka kuartil 2 adalah rata-rata dari X [n/2] dan X[n/2+1]
Hitung posisi kuartil 1 dan 3 dengan menggunakan rumus berikut:
*
nq1 = (posisi kuartil 2 terpangkas +1) / 2 = (n q2 + 1) = nq3
Penetapan nilai kuartil 1 dan kuartil 3 prinsipnya sama dengan penentuan kuartil 2. Nilai
kuartil 1 posisi dihitung mulai pengamatan terkecil sedangkan nilai kuartil 3 dihitung dari
pengamatan terbesar.
Contoh 3.3
Berdasarkan data pada contoh 3.1, maka nilai kuartilnya dapat dihitung dengan tahapan:
1. urutkan data
0.5 0.8 0.9 1 1 1 1.2 1.2 1.3 1.4 1.5 1.5 1.5
1.5 1.5 1.6 1.6 1.7 1.8 1.9 2 2 2.2 2.4 3
2. hitung q2:
a. nq2 = (n+1)/2 = 26/2 = 13
b. q2 = X[13] = 1.5
3. hitung q1:
a. nq1 = (nq2* +1)/2 = (13+1)/2 = 7
b. q1 = X[7] = 1.2
4. hitung q3:
a. nq3 = (n+1) – nq1 = (25+1) – 7 =19
b. q3 = X[19] = 1.8
Selain dengan cara seperti di atas, untuk mencari nilai kuartil dapat juga dilakukan dengan cara
interpolasi, yaitu dengan tahapan sebagai berikut:
1. urutkan data
Contoh 3.4
Misalkan untuk menentukan nilai kuartil pada contoh 3.3 digunakan cara interpolasi, maka
hasilnya adalah:
1. posisi kuartil:
15
a. nq1= (n+1)/4 = 26/4 = 6.5
2. nilai kuartil:
b. q2 = x[13] = 1.5
Desil
Desil adalah nilai-nilai yang membagi segugus pengamatan menjadi 10 bagian yang sama. Nilai-
nilai pembaginya ada 9, dilambangkan dengan D1, D2, …, D9, mempunyai sifat bahwa 10% data
jatuh di bawah D1, 20% jatuh di bawah D2, …, dan 90% jatuh di bawah D9.
Dengan cara interpolasi seperti dalam penentuan kuartil, maka tahapan dalam menentukan desil
adalah:
1. urutkan data
Contoh 3.5
Berdasarkan data pada contoh 3.1, maka nilai desil ke-3 dapat dihitung dengan tahapan:
1. urutkan data (hasil seperti contoh 3.3)
3. nilai d3:
Persentil
Persentil adalah nilai-nilai yang membagi segugus pengamatan menjadi 100 bagian yang sama.
Nilai-nilai pembaginya ada 99, dilambangkan dengan P1, P2, …, P99, bersifat bahwa 1% dari
seluruh data terletak di bawah P1, 2% terletak di bawah P2, …, dan 99% terletak di bawah P99.
16
Dengan cara interpolasi seperti dalam penentuan desil, maka tahapan dalam menentukan
persentil adalah:
1. urutkan data
Contoh 3.6
Nilai persentil 10 dan 90 Dari data pada contoh 3.1, dapat dicari dengan tahapan perhitungan
sebagai berikut:
1. urutkan data (hasil seperti contoh 3.3)
2. posisi persentil:
3. nilai persentil:
Rata-rata
Rata-rata sering juga disebut dengan nilai tengah. Nilai ini merupakan ukuran pemusatan data
yang menimbang data menjadi dua kelompok data yang memiliki massa yang sama. Dengan kata
lain nilai tengah merupakan titik keseimbangan massa dari segugus data. Apabila x 1, x2,
...,xN adalah anggota suatu populasi terhingga berukuran N, maka nilai tengah populasinya
adalah:
N
1
N Xi
i1
sedangkan jika x1, x2, ...,xn adalah anggota suatu contoh berukuran n, maka nilai tengah contoh
tersebut adalah:
n
1
x n Xi
i 1
17
Contoh 3.7
Berdasarkan data pada contoh 3.1, maka nilai rata-ratanya adalah:
1 n 1 38
x Xi (1.5 0.9 ... 1.5) 1 .52
n i1 25 25
Rata-rata terpangkas
Karena dalam menentukan nilai rata-rata suatu data mempertimbangkan seluruh nilai
pengamatan, maka sifat nilai rata-rata tidak “kekar” (unrobust) artinya nilai rata-rata
terpengaruh oleh nilai ekstrim. Jika ada nilai ekstrim besar, maka rata-rata akan bergeser ke
kanan (ke nilai besar). Sebaliknya jika ana nilai yang ekstrim kecil, rata-rata akan bergeser ke kiri
9 ke nilai kecil). Dengan demikian diperlukan kehati-hatian dalam menggunakan rata-rata.
Untuk mengatasi keberadaan data ekstrim sering disarankan untuk menggunakan rata-rata
terpangkas (trimmed mean). Misalkan rata-rata terpangkas 5%, artinya kita menghitung rata-rata
setelah membuang 5% data terkecil dan 5% data terbesar.
Contoh 3.8
Berdasarkan data pada contoh 3.1, jika akan dihitung rata-rata terpangkas 5%, maka
tahapannya adalah:
1. urutkan data
0.5 0.8 0.9 1 1 1 1.2 1.2 1.3 1.4 1.5 1.5 1.5
* 1 1 34.5
*
n
Wilayah (Range)
Ukuran penyebaran data yang paling sederhana adalah mencari selisih pengamatan terkecil
dengan pengamatan terbesar.
w=x max
-x
min
18
Ukuran ini cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai
pengamatannya menyebar merata. Tetapi ukuran ini akan menjadi tidak relevan jika nilai
pengamatan maksimum dan minimum merupakan data-data ekstrem.
Contoh 3.9
Berdasarkan data pada contoh 3.1, wilayah dari data tersebut adalah: W=3.0 – 0.5 = 2.5
selisih antara kuartil 3 (Q3) dengan kuartil 1 (Q1), atau dapat dirumuskan sebagai berikut:
Jak = Q3 -Q1
Contoh 3.10
Jangkauan antarkuartil dari data pada soal 3.1 adalah: JAK=q 3 – q1 = 1.8 – 1.2 = 0.6
Ragam (Variance)
Ukuran penyebaran data yang paling sering digunakan adalah ragam. Ragam merupakan ukuran
penyebaran data yang mengukur rata-rata jarak kuadrat semua titik pengamatan terhadap titik
pusat (rataan). Apabila x1, x2, ...,xN adalah anggota suatu populasi terhingga berukuran N, maka
ragam populasinya adalah:
N
2 1 2
(Xi )
N
dan apabila x1, x2, ...,xn adalah anggota suatu contoh berukuran n, maka ragam contoh tersebut
adalah:
n
1
s2 ( X i x )2
n-1 i 1
Bentuk rumus di atas dapat diuraikan menjadi lebih sederhana untuk memudahkan perhitungan yaitu:
n n n 2
2
xi n (x )2 nx i2 xi
2 i 1 i 1 i 1
s
n 1 n ( n 1)
Akar dari ragam dikenal dengan simpangan baku yang dinotasikan dengan , sedangkan simpangan
baku contoh dilambangkan dengan s.
19
Contoh 3.11
Ragam dari data pada soal 3.1 adalah:
n n 2
nxi2 x
i
25(1.52 0.9 2 ... 1.52 ) 38 2 25(25
2 i 1 i 1
s
1)
n(n 1)
25(64 .94 ) 1444 0.299
600
Sedangkan simpangan bakunya adalah:
s s2 0.299 0.547
Koefisien keragaman
Ukuran penyebaran data seperti jangkauan, ragam, simpangan baku, dan jangkauan antar kuartil
merupakan keragaman mutlak. Ukuran keragaman ini tidak dapat dipakai untuk membandingkan
penyebaran dua kelompok data atau lebih. Untuk tujuan tersebut, ukuran keragaman yang
dipakai merupakan keragaman relatif. Salah satu ukuran keragaman relatif yang sangat terkenal
adalah koefisien keragaman (KK) yang dirumuskan sebagai berikut :
S
KK 100%
x
Contoh 3.12
Koefisien keragaman dari data pada contoh 3.1 adalah:
KK = (0.547/1.52) x 100% = 35.97%
Perlu diketahui bahwa sebagian besar data (sekitar 70%) berada pada kisaran xs . Gabungan
informasi dari kedua nilai tersebut akan lebih berguna dalam menyajikan informasi mengenai
data dibandingkan hanya nilai rata-rata saja.
Perhatikan hasil ringkasan terhadap data pendapatan rumah tangga (juta rupiah per bulan) dari
dua desa berikut ini:
Desa rata-rata (x ) simpangan baku (s)
A 1.5 0.547
B 1.4 0.214
Jika kita hanya menyajikan nilai rata-rata saja dari kedua desa, maka dapat dinyatakan bahwa
rumah tangga di kedua desa memiliki pendapatan yang relatif sama. Penjelasan yang lebih
banyak akan diperoleh jika kita melihat nilai simpangan bakunya. Desa A memiliki simpangan
baku yang lebih besar daripada desa B. Artinya pendapatan rumah tangga di desa A lebih
heterogen dibanding di desa B.
20
3.4 Kemiringan distribusi data
Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. Salah satu cara
yang dipakai untuk menghitung derajat kemiringan distribusi data adalah rumus pearson, yaitu :
x mod atau 3(x med )
s s
dengan : derajat kemiringan pearson
x : rata-rata hitung
mod : modus
s : standar deviasi
med : median
Jika :
0 distribusidata simetris
0 distribusidata miring/menjulur ke kiri
0 distribusidata miring/menjulur ke kanan
Semakin besar nilai | | maka distribusi data akan semakin miring artinya semakin tidak simetris.
Contoh 3.13
Berdasarkan data pada contoh 3.1, derajat kemiringan dari distribusi datanya adalah:
21
JAK 1
2
(q 3 q)1
k p 90 p p 90 p
10 10
dengan k : derajat kurtosis
q : kuartil 1
1
q : kuartil 3
3
Contoh 3.14
Derajat keruncingan distribusi dari data pada contoh 3.1 adalah:
1
2
(q 3 q)
1
1
2
(1.85 1.1) 0.75
k p 90 p 2.28 0.86 1.42 0.528
10
Karena nilai k > 0.263, maka distribusi datanya leptokurtis yaitu data yang memiliki puncak
relatif tinggi.
22
Bagan kotak garis dapat digambarkan sebagai berikut:
+
BB2 BB1 Q1 Q2 Q3 BA1 BA2
Contoh 3.15
Bentuk diagram kotak garis dari data pada contoh 3.1 dapat dibuat dengan tahapan sebagai
berikut:
a. batas bawah: BB1 = q1 – 3/2(q3-q1) = 1.1 – 3/2(1.85 – 1.1) = -0.025, untuk BB2 tidak perlu
dihitung karena sudah tidak ada nilai pengamatan yang kurang dari nilai BB1.
3. grafiknya adalah:
23
3.7 Latihan Soal
1. Berikut ini adalah 40 data nilai MK. Metode Statistika I, program studi D3 Statistika semester
1:
40 21 54 26 98 74 54 35 46 65
54 23 47 85 75 78 65 34 23 20
56 55 40 41 75 65 26 63 51 50
74 25 45 54 65 35 35 36 39 46
a. Buatlah diagram daun untuk data di atas, bagaimana pola sebaran datanya?
b. Tentukan nilai rata-rata dan ragam dari data di atas
c. Tentukan nilai kuartil dan jangkauan antar kuartilnya
d. Buatlah tabel distribusi frekuensi kemudian buat histogramnya.
e. Buatlah diagram kotak garisnya. Apakah ada data ekstrim?
2. Pemerintah ingin mengevaluasi besarnya subsidi minyak yang akan disalurkan kepada
masyarakat pedesaan dan perkotaan. Untuk mengevaluasi besarnya subsidi yang disalurkan,
pemerintah melimpahkan tugas ini kepada suatu lembaga riset. Penelitian dilakukan pada 10
desa/kelurahan yang berstatus pedesaan dan 15 desa/kelurahan yang berstatus perkotaan.
Data konsumsi minyak tanah (liter) per kapita diperoleh sebagai berikut:
Pedesaan:
0.20 0.16 0.17 0.15 0.11 0.13 0.14 0.15 0.17 0.28
Perkotaan:
0.10 0.26 0.27 0.15 0.18 0.19 0.15 0.19 0.21 0.25 0.18 0.15 0.16 0.21 0.33
24
4 KONSEP DASAR PELUANG
4.1 Pendahuluan
Statistika adalah ilmu pengetahuan tentang pengumpulan dan analisis data dengan tujuan untuk
menarik kesimpulan/inferensia mengenai populasi. Bila data telah terkumpul, kita dapat
menggunakan inferensia statistika untuk memilih di antara berbagai model alternatif yang
tersedia. Proses penarikan inferensia ini sangat bergantung pada teori peluang.
Bila statistika pada hakekatnya merupakan suatu penalaran induktif (yaitu dari hal khusus/sampel
yang diketahui ke hal umum/populasi yang tidak diketahui), maka teori peluang bekerja dalam
arah sebaliknya, yaitu bersifat deduktif (dari hal umum/populasi yang diketahui ke hal
khusus/sampel yang tidak diketahui).
Teori peluang memberi kerangka dan model-model bagi statistika. Model pada hakekatnya adalah
suatu mekanisme acak dan teori peluang mempelajari model ini untuk mengetahui
konsekuensinya. Model-model ini didasar kepada asumsi tertentu. Statistika memilih satu atau
lebih model untuk menganalisis data/sampel yang diambil dari populasi dengan cara tertentu
(acak). Bila model sesuai terhadap data, maka model dapat digunakan untuk menganalisis data.
Bila model tidak sesuai, maka harus dicari model lain yang sesuai.
Perhatikan sebuah percobaan acak sederhana berupa pelemparan sebuah dadu bersisi enam yang
seimbang. Hasil yang mungkin diperoleh dari percobaan ini ialah munculnya sisi 1, 2, 3, 4, 5, atau
6. Percobaan ini termasuk acak karena kita tidak bisa memastikan sisi apa yang akan
25
muncul. Dengan menggunakan konsep himpunan, suatu himpunan/gugus yang memuat semua
hasil yang berbeda, yang mungkin terjadi dari suatu percobaan dinamakan ruang sampel (sample
space). Sedangkan unsur-unsur dari suatu ruang sampel disebut titik sampel.
Ruang sampel dapat dipandang sebagai himpunan semesta bagi permasalahan yang dihadapi.
Ruang sampel dilambangkan dengan S. Dengan demikian, ruang sampel dari percobaan di atas
ialah S={1, 2, 3, 4, 5, 6}.
Ruang kejadian adalah himpunan bagian (anak gugus) dari ruang sampel, yang memiliki
karakteristik tertentu. Ada dua jenis kejadian, yaitu kejadian dasar dan kejadian majemuk.
Kejadian dasar hanya terdiri dari satu unsur, sedangkan kejadian majemuk minimal terdiri dari
satu unsur. Dengan demikian, suatu kejadian dasar juga merupakan kejadian majemuk. Suatu
kejadian dinotasikan dengan huruf kapital (A, B, ..., dan seterusnya).
Sebagai contoh, kejadian terambilnya kartu hati dari seperangkat (52 helai) kartu bridge dapat
dinyatakan sebagai A = {hati} yang merupakan himpunan bagian dari ruang contoh S={hati, sekop,
klaver, wajik}. Jadi A adalah kejadian sederhana. Kejadian B yaitu terambilnya kartu merh
merupakan kejadian majemuk, karena B = {hati wajik} = {hati, wajik}. Perhatikan bahwa
gabungan atau paduan beberapa kejadian sederhana menghasilkan kejadian majemuk yang tetap
menjadi himpunan bagian ruang contohnya.
Suatu kejadian mungkin saja berbentuk himpunan bagian yang meliputi seluruh ruang contoh S.
demikian juga sebaliknya, suatu kejadian dapat berbentuk himpunan bagian dari S yang tidak
mengandung satu pun anggota yang disebut dengan ruang nol atau himpunan kosong dan biasanya
dilambangkan dengan . Sebagai contoh, bila A menyatakan kejadian menemukan suatu organisme
mikroskopis dengan mata telanjang dalam suatu percobaan biologi maka A =
.
Suatu keuntungan dari penggunaan notasi himpunan bagi kejadian adalah kita dapat melakukan
operasi himpunan terhadap kejadian. Beberapa operasi himpunan yang dapat dilakukan untuk
kejadian:
Komplemen suatu kejadian A terhadap S adalah himpunan semua unsur S yang tidak termasuk A,
c
biasanya dinotasikan dengan lambang A .
26
Contoh 4.1
Ruang contoh melempar sebuah dadu : S={1,2,3,4,5,6}
c
Jika A = {1,3,5}, maka A = {2,4,6}
Irisan dua kejadian A dan B adalah kejadian yang unsurnya termasuk dalam A dan B,
dinotasikan dengan lambang A B.
Contoh:
Ruang contoh melempar sebuah dadu : S={1,2,3,4,5,6}
Jika A = {1,2,3} dan B = {2,4,6}, maka A B = {2}
Gabungan dua kejadian A dan B adalah kejadian yang mengandung semua unsur yang termasuk A
Kejadian A dan B dikatakan saling terpisah (mutually exclusive) bila A dan B tidak memiliki
unsur persekutuan (bila A B= )
Contoh 4.3
Ruang contoh melempar sebuah dadu : S={1,2,3,4,5,6}
Jika A = {1,3,5} dan B = {2,4,6}, maka A dan B saling terpisah, karena A B = .
Kejadian A dan B dikatakan saling bebas bila A dan B tidak saling mempengaruhi.
Contoh 4.4
Pada pelemparan dua uang logam, kejadian munculnya sisi muka dari uang logam
pertama dan uang logam kedua saling bebas
Berdasarkan banyaknya unsur suatu ruang sampel, ruang sampel dapat dibedakan menjadi dua
jenis yaitu ruang sampel diskret dan ruang sampel kontinu. Suatu ruang sampel dikatakan diskret
jika banyaknya unsur dari ruang sampel tersebut berhingga atau tidak berhingga
27
terhitung (countable). Sedangkan ruang sampel dikatakan kontinu jika ruang sampel memuat
semua bilangan dalam suatu interval tertentu.
Jika ruang contoh suatu percobaan terdiri atas kejadian dasar yang diskret terhingga, ada tiga
kaidah dasar cara menghitung banyaknya ukuran ruang contoh, yaitu:
1. pengisian tempat yang tersedia
ada dua kaidah yang dapat digunakan untuk pengisian tempat yang tersedia, yaitu kaidah
penggandaan dan kaidah penjumlahan. Pada kaidah penggandaan, misalnya n 1 adalah
banyaknya cara mengisi tempat pertama, n 2 adalah banyaknya cara mengisi tempat kedua
setelah tempat pertama terisi dan n k adalah banyaknya cara mengisi tempat ke-k setelah (k-
1) tempat-tempat sebelumnya terisi, maka banyaknya cara mengisi k tempat yang tersedia
adalah:
n1.n2. ... .nk
Contoh 4.5
Pada sebuah dealer motor tersedia 4 merk sepeda motor. Masing-masing merk menyediakan 3
jenis kapasitas silinder. Masing-masing sepeda motor dikeluarkan dengan 2 macam warna.
Jika seorang pengojek hendak membeli sepeda motor baru, berapa macam pilihan yang dapat
dilakukan olehnya?
Pikiran pengojek sewaktu memilih merk bercabang empat, sewaktu memilih kapasitas silinder
bercabang tiga dan sewaktu memilih warna bercabang dua. Jadi, pilihannya ada
4 x 3 x 2 = 24 macam
Kaidah penjumlahan digunakan jika dalam mengisi tempat kedua setelah tempat pertama
terisi tidak dapat dilakukan menggunakan benda-benda yang digunakan sebagai pilihan untuk
mengisi tempat pertama. Jadi, misalnya n 1 adalah banyaknya cara mengisi tempat pertama,
n2 adalah banyaknya cara mengisi tempat kedua dan n k adalah banyaknya cara mengisi
tempat ke-k, maka banyaknya cara mengisi k tempat yang tersedia adalah:
n1 + n2 + ... + nk
Contoh 4.6
Dari Jakarta kita dapat pergi ke Bogor menggunakan kendaraan bermotor melalui (1) Parung,
(2) jalan lama Cibinong, atau (3) jalan tol Jagorawi. Dari Bogor kita dapat ke Bandung melalui
(1) Sukabumi atau (2) Cianjur. Dari Jakarta kita juga dapat ke Bandung melalui (1) jalan tol
Cikampek atau (2) jalan lama Bekasi lewat Purwakarta. Hanya ada satu jalan raya dari
Purwakarta menuju Bandung. Ada berapa pilihan untuk pergi ke Bandung dari Jakarta?
28
Jika melalui Bogor ada 3x2 pilihan dan jika melalui Purwakarta ada 2x1 pilihan. Jadi,
banyaknya pilihan ada 3x2 + 2x1 = 8 macam
2. permutasi
Pemilihan benda-benda dari suatu gugus benda-benda S = {e1, e2, …, en} dapat dilakukan
dengan permutasi. Permutasi merupakan kejadian dimana susunan objek yang terpilih
diperhatikan. Misalkan memilih orang untuk membentuk kepengurusan suatu organisasi, dimana
jika Si A terpilih menempati posisi ketua berbeda maknanya dengan Si A terpilih menempati posisi
wakil ketua.
Contoh 4.8
Banyaknya permutasi yang berbeda yang dapat disusun dari huruf-huruf dalam kata “LATIH”
adalah 5! = 120
Banyaknya permutasi n benda berlainan jika diambil r benda sekaligus (r<n) adalah:
n!
P
n r (nr)!
Contoh 4.9
Dari 5 orang kandidat akan dibentuk susunan pengurus (Ketua, Wakil, Bendahara)
5
N(S) = P 3 = 5!/(5-3)! = 60
Contoh 4.10
Dalam suatu ruangan diskusi dengan bentuk meja melingkar, akan berlangsung diskusi yang akan
diikuti 6 peserta. Banyaknya cara keenam orang tersebut duduk pada 6 kursi yang disusun
melingkar adalah (6 – 1)! = 5! = 120 cara.
Banyaknya permutasi yang berlainan dari n benda jika n1 diantaranya berjenis pertama, n2
berjenis kedua, …, nk berjenis ke k adalah:
n!
n1!n2 ! nk !
29
Contoh 4.11
Banyaknya permutasi yang berbeda yang dapat disusun dari huruf-huruf dalam kata “CACAH”
adalah 5!/(2!2!1!) = 30
Banyaknya cara menyekat suatu himpunan n benda dalam r sel, masing-masing berisi n 1 unsur
dalam sel pertama, n2 dalam sel kedua, …, adalah:
n n!
,
n , n 2, , n n !n 2! n !
1 r 1 r
dengan n1+n2+…+nr = n
Contoh 4.12
Ada suatu kelas yang terdiri atas 12 orang. Banyaknya cara untuk membagi kelas tersebut dalam
tiga kelompok yang terdiri atas 5, 4, dan 3 orang adalah 12!/(5!4!3!)=27720
cara
3. kombinasi
S = {e1, e2,
Selain permutasi, Pemilihan benda-benda dari suatu gugus benda-benda
…, en} juga dapat dilakukan dengan cara kombinasi . Kombinasi merupakan kejadian dimana
susunan objek yang terpilih tidak diperhatikan. Misalkan memilih sejumlah orang untuk
menempati suatu sejumlah kursi tempat duduk, dimana susunan tempat duduk tidak menjadi
perhatian. Kombinasi tingkat r dari n unsur/objek dapat dirumuskan sebagai berikut:
Contoh 4.13
Dari 5 orang akan dibentuk tim cepat tepat yang beranggotakan 3 orang.
5
N(S) = C 3 = 5!/(5-3)!3! = 10
30
2. peluang suatu kejadian dapat dihitung berdasarkan kepada frekuensi relatif yang
teramati dari serangkaian percobaan;
3. peluang suatu kejadian ditentukan secara subyektif berdasarkan pandangan pribadi.
Berdasarkan aksioma (3), misalnya, kita dapat menentukan peluang suatu kejadian sebagai
jumlah peluang masing-masing titik sampel yang menjadi anggota kejadian tersebut. Beberapa
sifat peluang:
1. untuk sembarang dua kejadian A dan B yang merupakan himpunan bagian S, maka
peluang paduan dua kejadian tersebut adalah:
P(A B)= P(A) + P(B) – P(A B)
2. untuk sembarang dua kejadian A dan B yang merupakan himpunan bagian S berlaku:
c
P(B) = P(B A) + P(B A )
3. untuk setiap kejadian A berlaku:
c
P(A) = 1 - P(A )
4. Jika A dan B saling bebas, maka P(A B) = P(A) + P(B)
5. Jika A1, A2, ..., An saling bebas, maka
P(A1 A2 ... An)= P(A1) + P(A2) + ... + P(An)
Contoh 4.14
Jika sebuah dadu seimbang digulirkan, maka ruang contohnya adalah S={1, 2, 3, 4, 5, 6}. Jika
A adalah kejadian munculnya dadu yang bersisi genap, maka P(A)=P{2, 4, 6} = ½. Bila ada
informasi tambahan bahwa sisi yang muncul lebih besar dari 3, maka ruang sampelnya adalah
S*={4, 5, 6}, sehingga peluang memperoleh sisi genap dengan adanya informasi ini adalah
P(A)=P{4, 6} = 2/3.
31
Dari teladan di atas terlihat bahwa informasi tambahan berakibat ruang contohnya
menyempit dari S={1, 2, 3, 4, 5, 6} menjadi S*={4, 5, 6}, dan pada gilirannya akan mengubah
nilai peluang.
Permasalahan peluang seperti tersebut di atas disebut peluang bersyarat. Jika A dan B dua
kejadian, peluang bersyarat bagi A setelah B dilambangkan oleh P (A|B) didefinisikan sebagai
P( A B)
P( A | B) , asalkan P(B) 0
P(B)
Dari definisi di atas, kita memperoleh kaidah penggandaan berikut, yang penting untuk
menentukan peluang irisan dua atau lebih kejadian.
P(A B) = P(A)P(B|A)
P(A B C) = P(A)P(B|A)P(C|(A B))
Contoh 4.15
Dalam sebuah kotak berisi 2 bola merah dan 3 bola biru. Jika diambil dua buah bola tanpa
pemulihan. Tentukanlah:
a. peluang kedua bola yang terambil berwarna merah!
b. Peluang terambilnya bola merah pada pengambilan pertama dan biru pada
pengambilan kedua!
Jawab
Karena bola hanya dibedakan menurut warna, maka sebagai ruang sampelnya adalah:
S={M1M2, M1B2, B1M2, B1B2}, dengan M1M2 artinya terambilnya bola merah pada pengambilan
pertama dan merah pada pengambilan kedua.
Dengan demikian,
a. P(M1M2) = P(M1)P(M2|M1) =(2/5)(1/4) = 2/20
b. P(M1B2) = P(M1)P(B2|M1) =(2/5)(3/4) = 6/20
Penerapan penting dari peluang bersyarat adalah pada masalah kebebasan antar dua kejadian. Di
dalam bahasa sehari-hari, dua kejadian dikatakan bebas bila kejadian yang satu tidak ada
kaitannya dengan kejadian yang lain. Namun, secara tepat dalam pengertian statistik, pengertian
kebebasan antar dua kejadian adalah:
1. dua kejadian A dan B dikatakan bebas (stokastik) bila P(A|B) = P(A)
2. berdasarkan kaidah penggandaan untuk irisan dua atau lebih kejadian, dua kejadian A
dan B dikatakan bebas bila P(A B) = P(A)P(B)
32
4.7 Kaidah Bayes
Penerapan menarik lainnnya dari peluang bersyarat adalah apa yang disebut peluang pasterior;
hal ini diberikan oleh Kaidah Bayes. Pada teladan di atas, dengan mudah kita dapat menjawab
pertanyaan berapa peluang terambilnya bola biru pada ambilan kedua, bila pada ambilan
pertama terambil bola merah?
Karena pada ambilan pertama diperoleh merah, maka di dalam kotak masih ada 1 merah dan 3
biru, sehingga peluang terambilnya bola biru pada ambilan kedua bila pada ambilan pertama
terambil bola merah adalah ¾. Sekarang pertanyaannya dibalik. Bila pada ambilan kedua
terambil bola biru, berapa peluang pada ambilan pertama terambil bola merah, P(M1|B2)?
Menurut rumus peluang bersyarat,
P( M B )
P(M1 | B2 ) 1 2
P(B2 )
Akan tetapi,
P(M1 B2) = P(M1)P(B2|M1)
Dan
P(B2) = P(M1 B2) + P(B1 B2)
= P(M1)P(B2|M1) + P(B1)P(B2|B1)
Sehingga
P(M1 | B2 ) P(M1 )P(B2 | M 1 )
Contoh di atas mengilustrasikan teorema berikut yang dikenal sebagai Kaidah Bayes:
Bila kejadian-kejadian B1, B2, ..., Bk merupakan sekatan dari ruang sampel S dengan P(B i) 0 untuk
i = 1, 2, ..., k, maka untuk sembarang kejadian A yang bersifat P(A) 0,
33
4.8 Latihan Soal
1. Suatu kesebelasan sepak bola memiliki:
a. kaus oblong biru, kuning, merah dan hijau
b. celana pendek putih dan hitam
c. kaus kaki putih, hitam dan hijau
Berapa macam kombinasi warna seragam kesebelasan yang dapat disusun?
2. Ada berapa banyak cara 6 orang dapat didudukkan pada sebuah sofa jika yang tersedia hanya
4 tempat duduk?
3. Ada berapa banyak cara 7 buku dapat disusun pada rak jika:
a. sembarang susunan dimungkinkan
b. 3 buku tertentu harus selalu berdiri berdampingan
c. 2 buku tertentu harus menempati ujung-ujung?
4. Dari 4 apel merah, 5 hijau, dan 6 kuning, berapa banyak kemungkinan pilihan yang terdiri
atas 9 apel bila setiap warna harus diambil 3?
5. Agen penjual komputer ECS Pentium IV mempunyai stock barang sebanyak 5 buah, dua
diantaranya dalam kondisi rusak. Seorang mahasiswa membeli tiga buah komputer, hitunglah:
atas 2 sarjana ekonomi dan 3 sarjana tehnik. Ada berapa banyak tim itu dapat dibentuk jika:
8. Dua kartu diambil secara acak (satu-satu) dari sekumpulan 52 kartu Bridge yang dikocok
dengna baik. Tentukan probabilitas untuk memperoleh 2 kartu as jika :
a. pengambilan kartu pertama dikembalikan
34
b. pengambilan kartu kedua tidak dikembalikan
9. Satu kantong berisi 5 bola putih dan 3 bola merah. Satu kantong yang lain lagi berisi 4 bola 4
bola putih dan 5 bola merah. Jika dari setiap kantong diambil sebuah bola, tentukan peluang
kejadian terambilnya :
a. dua bola itu putih
b. keduanya merah
c. satu putih dan satu merah
10. Dalam suatu penelitian menunjukkan bahwa setiap 100 produk yang dihasilkan suatu pabrik
pada siang hari (S) 2 diantaranya cacat (C), dan setiap 100 produk yang dihasilkan pada
malam hari (M) 5 diantaranya cacat. Selama 24 jam kerja, 100 produk dihasilkan pada siang
hari, dan 60 produk dihasilkan pada malam hari. Dengan rumus bayes, hitunglah peluang
bahwa suatu produk cacat yang dipilih secara acak dari 160 ptoduk yang dihasilkan selama
24 jam :
a. diproduksi pada malam hari
b. diproduksi pada siang hari
11. Sejumlah kelereng berwarna dimasukkan ke dalam tiga kotak yang tidak dapat dibedakan
sebagai berikut :
Warna Kotak 2 Kotak 1 Kotak 3
Merah 2 4 3
Putih 3 1 4
Biru 5 3 3
Sebuah kotak diambil secara acak dan kemudian dari kotak yang terpilih tersebut diambil
secara acak sebuah kelereng
a. hitung peluang terambilnya kelereng putih
b. bila diketahui kelerengnya putih, berapa peluang bahwa kelereng itu berasal dari kotak 2
35
5 KONSEP DASAR PEUBAH ACAK
36
Contoh 5.1
Pada pelemparan tiga uang logam, bila X menyatakan banyaknya muncul sisi angka, tentukan :
a. nilai-nilai peubah acak X
b. Sebaran peluang X
Penyelesaian :
Pelemparan tiga uang logam mempunyai ruang contoh :
S={(AAA), (AAG),(AGA),(GAA),(GGA),(GAG),(AGG),(GGG)}
a. Karena X menyatakan banyaknya muncul sisi angka, pada S, maka nilai-nilai dari X adalah :
X={0, 1, 2, 3}
X=0, artinya tidak ada sisi angka yang muncul
X=1, artinya ada satu sisi angka yang muncul
X=2, artinya ada dua sisi angka yang muncul
X=3, artinya ketiganya muncul sisi angka
b. Peluang dari nilai-nilai X adalah :
P(X=0)=P(GGG)=1/8 P(X=1)=P(GGA)+P(GAG)
+P(AGG)=1/8+1/8+1/8=3/8 P(X=2)=P(AAG)+P(AGA)
+P(GAA)=1/8+1/8+1/8=3/8 P(X=3)=P(AAA)=1/8
Sehingga sebaran peluang X adalah :
X=x 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8
x 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8
Perhatikan bahwa nilai-nilai X mencakup semua kemungkinan sehingga total peluangnya sama
dengan 1
Seringkali, suatu peluang peubah acak dinyatakan dalam sebuah rumus, yang merupakan
fungsi nilai-nilai x. Biasanya dilambangkan dengan f(x), g(x), r(x) dan sebagainya.
37
Himpunan semua pasangan berurutan (x,f(x)) disebut fungsi peluang atau sebaran peluang bagi
peubah acak X.
Sifat-sifat peubah acak diskret :
a. f(x)=P(X=x)
b. f(x) 0
c. f (x) 1
x
b. f(x) 0
c. f (x)dx 1
38
5.4 Nilai Harapan Peubah Acak
Nilai harapan dari peubah acak adalah pemusatan dari nilai peubah acak jika percobaannya
dilakukan secara berulang-ulang sampai tak berhingga kali.
Ε(X )
xi f (xi )dx, jika X p.a kontinu
Contoh 5.2
Jika diketahui distribusi peluang dari peubah acak X sebagai berikut:
Contoh 5.3
Ruang contoh untuk percobaan dua buah uang logam adalah
S = {GG, GA, AG, AA}
Karena keempat titik contoh berpeluang sama untuk terjadi, peluang-peluang tersebut dapat
dipandang sebagai frekuensi relatif bagi kejadian-kejadian itu dalam jangka panjang. Sehingga
jika seseorang melemparkan dua uang logam yang setimbang berulang-ulang kali, maka rata-rata
ia akan memperoleh 1 sisi gambar perlemparan adalah 1, yang didapat dari
X X1 X2 ……. Xn
P(X=x) F(x1) F(x2) ……. F(xn)
39
Maka nilai tengah atau nilai harapan peubah acak g(X) adalah
n
aX b a x b ab
b. Nilai harapan jumlah atau selisih dua atau lebih peubah acak sama dengan jumlah atau
selisih nilai harapan masing-masing peubah.
X Y X Y dan X Y X Y
c. Nilai harapan hasilkali dua atau lebih peubah acak yang bebas satu sama lain sama
dengan hasilkali nilai harapan masing-masing peubah acak. Jadi jika X dan Y bebas, maka
XYXY
f. Ragam jumlah atau selisih dua atau lebih peubah acak yang bebas sama dengan jumlah
ragam masing-masing peubah acak. Jadi bila X dan Y bebas, maka
2 2 2 2 2 2
dan
X Y X Y X Y X Y
40
5.7 Latihan Soal
1. Dalam suatu gudang terdapat 7 pesawat televisi. Dua diantaranya rusak. Sebuah hotel
membeli secara acak 3 dari ketujuh televisi tersebut. Bila X menyatakan banyaknya
televisi yang rusak yang terbeli oleh hotel tersebut, tentukanlah :
a. Peluang semua tv yang terbeli tidak ada yang rusak.
b. Peluang ada satu tv yang rusak
c. Tentukanlah nilai X
d. Carilah fungsi sebaran peluang X
e. Hitunglah nilai tengah dan ragam X.
2. Suatu peubah acak diskret X mempunyai sebaran peluang
3 1 x 3 3 x
peluang 0.7. Tentukan nilai harapan penerimaan orang ini dari stock tersebut.
6. Misalkan X menyatakan hasil bila sebuah dadu setimbang dilemparkan. Tentukan
, bila g( X ) 3X 2 4
g(X)
X 2 3 4 5 6
P(X=x) 0.01 0.25 0.4 0.3 0.04
Hitunglah ragam X
41
6 SEBARAN PELUANG TEORITIS
Secara garis besar, sebaran peluang teoritis dapat dibedakan atas sebaran diskret dan
sebaran kontinu. Sebaran diskret adalah fungsi peluang dari peubah-peubah acak diskret, seperti
Bernoulli, Binomial, Hipergeometrik, Poisson, dan lain-lain. Sedangkan sebaran kontinu adalah
fungsi peluang peubah-peubah acak kontinu, antar lain Seragam , Normal, dan lain-lain.
Berikut ini akan diuraikan beberapa jenis sebaran peluang diskret dan sebaran peluang
kontinu.
42
3. karena pembagian kelompok pada (2) saling terpisah, maka peluang x sukses diperoleh dari
n
hasil penggandaan dengan pxqn-x.
x
2
Nilai tengah dan ragam bagi sebaran binom b(x;n,p) adalah np dan npq
Untuk memperoleh nilai peluang binomial kumulatif dapat menggunakan tabel sebaran binomial.
Contoh 6.1
Dari hasil kajian akademik diperoleh bahwa peluang dosen hadir dalam kegiatan belajar mengajar
sebesar 90%. Jika proses belajar mengajar per semester dilakukan sebanyak 14 kali, hitunglah :
43
b. Jika dosen tidak hadir sekali, maka ada 14 kemungkinan dosen tersebut tidak hadir dari 14
pertemuan. Dengan demikian peluangnya :
14 0.9
14 1 14(0.1)(0.254) 0.356
0.1 1
1
c. Karena sudah ditentukan bahwa dosen tidak hadir pada pertemuan ke 14, maka peluangnya
:
1 14 1
0.1 0.9 (0.1)(0.254) 0.0254
d. Karena sudah ditentukan bahwa dosen hanya hadir pada pertemuan pertama, maka
peluangnya :
1 14 1 13 14
0.9 0.1 (0.9)(1 ) 9 0
Contoh 6.2
Seorang penjual mengatakan bahwa 25% dari seluruh dagangannya rusak akibat truk yang
membawa barang itu mengalami kecelakaan. Jika seseorang membeli barang dagangan itu
sebanyak 10 buah, tentukan :
a. peluang orang itu akan mendapat 5 barang yang rusak
b. peluang orang tersebut memperoleh minimal 3 tetapi kurang dari 7 barang yang rusak
c. rata-rata dan simpangan baku barang yang rusak
penyelesaian
Misalkan X = banyaknya barang yang rusak
p = 0.25, n = 10
a. P(X =5) =P(X 5) – P(X 4) = 0.9803 – 0.9219 = 0.0584
b. P(3 X<7)=P(3 X 6) = P(X 6) – P(X 2) =0.9991-0.6778 = 0.3213
c. µ = n.p = 10x0.25 = 25,= n.p.(1-p) = 10x0.25x0.75 = 1.875
44
Bila dalam populasi N benda, k benda diantaranya diberi label sukses dan N-k benda lainnya
diberi label gagal maka sebaran peluang bagi peubah acak hipergeometrik X, yang menyatakan
banyaknya kesuksesan dalam contoh acak berukuran n, adalah
k N k
x n x
h(x; N , n, k ) , untuk x = 0,1,2,…..,k
N
n
Nilaitengah dan ragam bagi sebaran hipergeometrik h(x;N,n,k) adalah
nk dan 2
N n.n. k k
1
N N 1 N N
Contoh 6.3
Dalam suatu kantong terdapat 10 bola merah dan 5 bola putih. Bila diambil 3 bola secara acak,
tentukan peluang untuk memperoleh 0, 1, 2, dan 3 bola merah!
Penyelesaian :
Misalkan :
N1 : banyaknya bola merah =10
N2 : banyaknya bola putih=5
N : banyaknya bola = N1 + N2 = 10+5=15
n: banyaknya sampel yang diambil
X: banyaknya bola merah yang diperoleh
10
Kombinasi bola merah yang diperoleh adalah
k
5
Kombinasi bola putih yang diperoleh adalah 3 k
P( X k ) k 3
k , k=0, 1, 2, 3
15
Dengan demikian :
45
10 5 10 5
0 3
10 1 2
100
P(X 0) , P(X 1)
15 455 15 455
3 3
10 5 10 5
2 1
225 3 0
120
P(X 2) , P(X 3)
15 455 15 455
3 3
Perhatikan bahwa P(X=0)+ P(X=1)+ P(X=2)+ P(X=3)=1
Sebaran peluang bagi peubah acak poisson X, yang menyatakan banyaknya hasil percobaan
yang terjadi selama suatu selang waktu atau daerah tertentu adalah
x
p(x; ) e
, untuk x = 1, 2, …..
x!
sedangkan dalam hal ini adalah rata-rata hasil percobaan yang terjadi selama selang waktu atau
dalam daerah yang dinyatakan, dan e = 2.71828….
Sebaran poisson cocok digunakan untuk n besar dan p kecil sekali, sedangkan binom cocok untuk
n kecil dan p besar.
2
np dan np
Contoh 6.4
Bila variabel acak X mempunyai sebaran binom denagn n=100, p=0.005, hitunglah P(X=15)!
Jawab :
f(x)=P(X=x)= 100 , x= 0, 1, 2, ……, 100
0.005 x 0.995 100 x
x
maka :
f(15)=P(X=15)= 100 0.995 85
0.005 15
15
46
Peluang ini sulit dihitung karena n=100 adalah besar dan p=0.005 adalah kecil. Oleh karena itu
kita pakai pendekatan sebaran poisson, yaitu :
np =100(0.005)=0.5
e x
p(x; ) ,
e 0.5 0.5 x
p( X x) , x= 0, 1, 2, ……, 100
x!
Maka
0.5 15
p( X 15) e 0.5 0.00000
15!
Sebaran peluang seragam adalah suatu bentuk sebaran peluang dimana untuk setiap titik
pengamatan pada suatu selang nilai tertentu mempunyai peluang yang sama.
Sebaran peluang seragam untuk data diskrit dapat dituliskan sebagai berikut:
P(X=x) = 1/n : x = 1, 2, ..., n
sedangkan sebaran peluang seragam untuk data kontinu dituliskan sebagai berikut:
f (x) 1 ;a x b
b a
Nilai harapan peubah acak X adalah:
b b
1 1 1 b
1 (b a) 2
1
2
E( X )xf (x)dxx dx x (b a)
a a (b a) (b a) 2 a
2 (b a) 2
V(X) (b a) (b a) (b a) (b a)
3 (b a) a 2 3 2 12
47
6.5 Sebaran Normal
Suatu peubah acak kontinu X yang memiliki sebaran berbentuk genta disebut peubah acak
normal. Bila X adalah suatu peubah acak normal dengan nilaitengah dan ragam 2
, maka
persamaan kurva normalnya adalah
1 1x2
2
n(x; , ) e , untuk - < x <
2
sedangkan dalam hal ini = 3.14159…. dan e = 2.71828….
Bila nilai-nilai dan diketahui, maka kurva normal itu telah tertentu dengan pasti. Misalkan
bila = 50 dan =5, maka ordinal-ordinat n(x;50,5) dengan mudah dapat dihitung untuk berbagai
nilai x, dan kemudian kurvanya dapat digambar.
Sifat-sifat kurva normal :
a. Modusnya hanya satu dan terletak di x =
b. Kurvanya simetris/setangkup terhadap garis tegak x =
c. Grafik selalu berada di atas sumbu x atau f(x)>0
d. Kurvanya mendekati sumbu x secara asimtotik dalam dua arah, jika semakin menjauhi
nilaitengahnya
e. Luas daerah di bawah kurva dan di atas sumbu x sama dengan 1
Kurva sembarang sebaran peluang kontinu atau fungsi kepekatan dibuat sedemikian rupa
sehingga luas daerah di bawah kurva yang dibatasi oleh x = x1 dan x = x2 sama dengan peluang
bahwa peubah acak X mengambil nilai antara x = x1 dan x = x2. Untuk menghitung nilai peluang
sebaran normal, dari kalkulus integral sangatlah rumit. Sehingga untuk menghindari hal itu
digunakan table kenormalan atau table normal baku, yaitu dengan mentransformasikan setiap
pengamatan dari peubah acak normal X menjadi suatu nilai peubah acak normal Z dengan
nilaitengah nol dan ragam satu. Transformasi normal baku atau transformasi Z yang dimaksud
adalah
Z X
E(Z)
1
E(X )
1
( ) 0
48
Z
22
X
2
X 1 X2 2 1
2 2
Sehingga sebaran normal baku adalah sebaran peubah acak normal dengan nilaitengah nol dan
simpangan baku 1.
Bila X berada di antara x = x1 dan x = x2 maka peubah acak Z akan berada di antara nilai-nilai
padanannya.
Z1 X1 , dan Z2 X2
Karena semua nilai X yang jatuh antara x1 dan x2 mempunyai nilai z padanannya antara z1 dan
z2, maka luas daerah di bawah kurva X sama dengan luas daerah di bawah kurva Z. Dengan
demikian
P(x1<X<x2) = P(z1<Z<z2)
b
b
1 1 x2
P(a x b) f (x)dx e 2
dx
a
a
2
z2 z2 1 1z 2
1 2
P(z Z z ) f (z)dz e2 dz
z1 z1 2
Contoh 6.5
Untuk sebaran normal dengan = 50 dan = 10, hitunglah peluang bahawa X mengambil
sebuah nilai antara 45 dan 62.
Jawab :
Diketahui
x1 = 45 dan x2 = 62
= 50 dan = 10
Ditanyakan P(45<X<62) = …….?
Nilai X harus ditransformasi ke nilai Z, yaitu
Z1 X1 dan Z2 X2
49
Contoh 6.6
Untuk sebaran normal dengan = 300 dan = 50, hitunglah peluang peubah acak X mengambil
nilai yang lebih besar dari 362.
Jawab :
Diketahui
= 300 dan = 50
Ditanyakan P(X>362) = …..?
X
Z
362 300
Z = 1.24
50
P(X>362) = P(Z>1.24)
= 1 – P(Z<1.24)
= 1 – 0.8925
= 0.1075
Contoh 6.7
Suatu penelitian yang dilakukan oleh seorang mahasiswa menyebutkan bahwa secara rata-rata
seorang pengunjung mengeluarkan uang belanja di suatu pusat perbelanjaan adalah Rp
247.000,00 dengan simpangan baku Rp 84.600,00. Jika diasumsikan sebaran normal, berapakah :
50
z x1 z 200 247 0.56
1 1 84,6
z2 x2 z2 400 247 1,81
84,6
P(200 X 400) = P(-0,56 Z 1,81) = P(Z 1,81) – P(Z -0,56) = 0.9649 – 0.2877 = 0.6722
Contoh 6.7
Nilai ujian statistika sebagian besar mahasiswa mempunyai sebaran normal dengan rata-rata =34
dan simpangan baku =4. Jika X menyatakan nilai-nilai mahasiswa tersebut, berapakah batas nilai
Xo agar 10% dari kelompok nilai terendah berada di bawah Xo ?
Penyelesaian :
Diketahui = 34 dan =4
Z X Z X 34
4
X 34 Xo 34
P(X Xo)=0.1P 0.1P(Z Zo) = 0.1
4 4
Dari tabel sebaran normal kumulatif diperoleh Zo=-1.282
Maka
Xo=34+(-1.282)4=28.87
Jadi batas atas nilai untuk 10% kelompok mahasiswa yang mendapat nilai terendah adalah 28.87
1. Peluang seseorang sembuh dari suatu penyakit darah adalah 0.4. Bila 15 orang diketahui
menderita penyakit ini, berapa peluang bahwa
a. sekurang-kurangnya 10 orang dapat sembuh
b. ada 3 sampai 8 orang yang sembuh
c. 5 orang yang sembuh
2. Pupuk urea yang ditawarkan kepada petani ada dua jenis yaitu urea tablet dan urea
biasa. Dari hasil survey diketahui 3/5 petani menggunakan pupuk urea tablet dan 2/5
petani menggunakan pupuk urea biasa. Jika empat petani dikunjungi ke lapangan,
hitunglah :
51
a. peluang tidak ada petani yang menggunakan pupuk urea tablet.
b. peluang tiga petani menggunakan pupuk urea tablet.
c. paling banyak dua petani menggunakan urea tablet.
4. Bila 5 kartu diambil secara acak dari seperangkat kartu brigde, berapa peluang diperoleh
3 kartu hati
5. Putri hendak menanami halaman depan dan samping rumahnya dengan tanaman bunga.
Dari sebuah kotak yang berisi 3 umbi tulip, 4 umbi daffodil, dan 3 umbi hyacinth, ia
mengambil 5 umbi secara acak untuk ditanam di halaman depan dan 5 umbi sisanya di
halaman samping. Berapa peluang ketika musim bunga tiba di halaman depan berbunga
tulip, 2 daffodil dan 2 hyacinth
6. Misalkan bahwa secara rata-rata 1 orang di antara 1000 orang adalah pecandu alcohol.
Hitung peluang bahawa dalam suatu contoh acak 8000 orang terdapat kurang dari 7
pecandu alcohol.
Hitunglah peluang bahwa salad yang disediakan mengandung lebih dari 5 macam sayuran
8. Misalkan secara rata-rata 1 di antara 1000 orang membuat kesalahan angka dalam
melaporkan pajak pendapatannya. Bila 10000 formulir diambil secara acak dan diperiksa,
berapa peluang ada 6, 7, atau 8 formulir yang mengandung kesalahan
9. Pada ujian statistika, nilai rata-ratanya adalah 74 dan simpangan bakunya 7. Bila 12%
diantara peserta ujian akan diberi nilai A, dan nilai itu mengikuti sebaran normal,
berapakah batas terendah bagi A dan batas nilai tertinggi bagi nilai B
10. Rata-rata tinggi anjing pudel jenis tertentu adalah 30 cm, dan simpangan bakunya 4.1
cm. Berapa persentase banyaknya anjing pudel jenis tersebut yang tingginya lebih dari 35
cm, bila tinggi menyebar normal dan dapat diukur sampai ketelitian berapapun.
52
c. nilai terendah B bila 10% mendapat nilai B, dan 25% mendapat nilai C
12. Di suatu daerah diketahui 10% penduduknya tergolong kaya. Suatu sampel acak terdiri
dari 400 penduduk telah diambil. Tentukan peluang :
a. paling banyak 30 orang yang tergolong kaya
b. antara 30 sampai 50 orang yang tergolong kaya
c. 55 orang atau lebih yang tergolong kaya
13. Krisis moneter menyebabkan tingkat penjualan rumah mengalami penurunan. Dari seluruh
developer di Kota tertentu diketahui tingkat penjualan rata-rata 1 milyar dengan
simpangan baku 0.2 milyar. Jika diasumsikan tingkat penjualan menyebar normal :
53
7 SEBARAN PERCONTOHAN
Hasil suatu percobaan statistika dapat dicatat dalam bentuk numerik ataupun huruf. Bila
sepasang dadu dilantumkan dan jumlah mata dadu yang terjadi merupakan hal yang ingin
diselidiki, sehingga hasilnya dicatat dalam bentuk numerik.
Suatu POPULASI terdiri atas keseluruhan pengamatan yang menjadi pusat perhatian.
Banyaknya pengamatan dalam populasi dinamakan UKURAN populasi. Tiap pengamatan dalam
populasi merupakan satu nilai dari suatu peubah acak (X) dengan suatu sebaran peluang f(x). Oleh
karena itu, sering kita mendengar tentang istilah populasi binomial, populasi normal, atau secara
umum disebut sebagai populasi f(x). Istilah tersebut sebenarnya mengacu pada harga peubah acak
X yang memiliki sebaran binomial, normal atau sebaran peluang f(x).
Hal pokok yang menjadi pusat perhatian seorang statistikawan adalah menarik
kesimpulan tentang parameter populasi yang tidak diketahui. Pada populasi normal, misalnya,
2
parameter µ dan mungkin tidak diketahui dan hendaknya ditaksir berdasarkan keterangan yang
diperoleh dari contoh yang mewakili suatu populasi. Contoh yang mewakili suatu populasi disebut
contoh acak, apabila setiap anggota populasi mempunyai peluang yang sama untuk dipilih sebagai
contoh. Dengan demikian dasar teori pengambilan contoh perlu dipelajari dengan baik.
Misalkanlah x1, x2, x3, ...., xn merupakan n peubah acak bebas yang masing-masing memiliki
sebaran peluang f(x). Gugus x 1, x2, x3, ..., xn didefinisikan sebagai contoh acak berukuran n dari
populasi f(x) dan sebaran peluang gabungannya ditulis sebagai:
f(x1,x2,x3,...,xn) = f(x1)f(x2)f(x3)...f(xn).
54
7.3 Sebaran Contoh dari Rataan (Mean)
Sebaran contoh yang penting untuk dibahas adalah rataan ( x ). Misalkan contoh acak
berukuran n pengamatan diambil dari populasi normal dengan rataan µ dan simpangan baku ( ).
Tiap pengamatan xi, i=1,2,...,n adalah contoh acak yang memiliki sebaran normal yang sama
dengan populasi yang menjadi pusat pengambilan contoh.
Rataan contoh mengikuti sebaran normal dengan rataan dan ragam adalah sebagai
berikut:
E(x)
2
x var(x)2 / n
Teorema Limit Pusat:
Jika contoh acak diambil dari populasi sembarang dengan rataan µ dan simpangan baku ,
maka sebaran dari rataan ( x ) dapat dihampiri normal jika n cukup besar, dengan rataan
µ dan galat baku / n. Dengan kata lain,
x
Z ~ N (0,1)
Pertanyaan yang sering muncul akibat teorema di atas adalah seberapa banyak n yang
harus diambil dan berapa batasan n yang dapat dikatakan cukup besar ? Untuk menjawab
pertanyaan ini tentunya diperlukan hampiran n yang cukup baik. Berdasarkan pengalaman
diketahui bahwa jika n>30 maka sudah cukup digunakan sebagai pendekatan teorema limit pusat.
Untuk data pengamatan yang mengikuti sebaran Binomial juga dapat dihampiri dengan
sebaran normal dan tidak bertentangan dengan teorema limit pusat. Untuk memahami
permasalahan ini, kita kembalikan lagi pada sebaran Bernoulli:
55
Z p p ~ N (0,1)
p(1 p) / n
(n 1) S 2
2
2 ~
db n 1
2 2
dengan demikian diperoleh bahwa (n-1)S / menyebar khi-kuadrat dengan derajat bebas n-1.
Teorema berikut tidak ditunjukkan dengan bukti yang lengkap.
Teorema :
2 2
Bila S ragam contoh acak berukuran n diambil dari populasi normal dengan ragam ,
maka peubah acak,
2 2
= (n-1)S / 2
t x
s/ n
dimana nilai ini adalah peubah acak yang menyebar t-student dengan derajat bebas n-1.
56
7.6 Sebaran F
Salah satu sebaran yang terpenting dalam statistika terapan adalah sebaran F. Statistik
F didefinisikan sebagai nisbah dua peubah acak khi-kuadrat yang saling bebas, masing-masing
dibagi dengan derajat bebasnya. Misal peubah acak U dan V menyebar khi-kuadrat dengan derajat
bebas v1 dan v2 dimana U>V maka sebaran F dapat ditulis sebagai berikut:
F = (U/v1) / (V/v2),
Teorema :
2 2
Bila S1 dan S2 adalah ragam contoh acak berukuran n1 dan n2 yang diambil dari populasi
2 2 2 2
normal masing-masing dengan 1 dan 2 , bila S1 S2 maka,
F {(n1 1)S1 2 / 2
1 } / v1
{(n2 1)S2 2 / 2
2 } / v2
1 2
1 2
X1 X2 X1 X 2
n1 n2
Dengan demikian
z (x 1
x 2) (1 2 ) merupakan nilai normal baku Z
2 2
( /n) ( /n2 )
1 1 2
Bila dua peubah acak X dan Y bebas dan masing-masing menyebar normal dengan
nilaitengah x dan y dan ragam2 dan 2
maka beda X-Y menyebar normal dengan
x y
nilaitengah X Y x y dan ragam 2 2 2
.
X Y X Y
57
7.8 Latihan Soal
1. Sejenis tambang dibuat dengan kekuatan regangan rata-rata 70 kg dan simpangan
f. P( t0.005 T t0.01 )
g. P( (Tt0.025 )
4. Diberikan sebuah contoh acak berukuran 24 yang ditarik dari suatu populasi normal,
tentukan k bila
a. P(-2.069<T<k) = 0.965
b. P(k<T<2.807) = 0.095
c. P(-k<T<k) = 0.9
5. Sebuah perusahaan menyatakan bahwa rokok yang diproduksinya mempunyai kandungan
nikotin rata-rata sebesra 1.83 mg perbatang. Bila diambil contoh acak 8 batang rokok
jenis tersebut, dengan kandungan nikotin 2.0, 1.7, 2.1, 1.9, 2.2, 2.1, 2.0, dan 1.6 mg,
apakah Anda setuju dengan pernyataan perusahaan tersebut ?
58
8 PENDUGAAN PARAMETER
contoh, diantaranya nilai tengah contoh ( x ), ragam populasi (s 2), proporsi populasi (p) dan lain-
lain.
ˆ
Untuk memperoleh gambaran yang baik mengenai populasi, maka statistik yang dipakai
untuk menduga parameter haruslah merupakan penduga yang baik, yaitu penduga yang
mempunyai tiga ciri :
ˆ ˆ ˆ
a. merupakan penduga tak bias dari , yaitu E( ) = , artinya harapan penduga , sama
dengan .
ˆ
b. merupakan penduga yang efisien, artinya bila ada lebih dari satu penduga, maka penduga
yang efisien adalah penduga yang mempunyai variansi paling kecil
ˆ
c. merupakan penduga yang konsisten, artinya bila sampel yang diambil makin besar, maka
nilai ˆ akan semakin mendekati nilai .
ˆ ˆ
Sebuah nilai bagi suatu statistikdisebut suatu nilai dugaan bagi parameter
populasi. Misalnya nilai x bagi statistik X , yang dihitung dari suatu contoh berukuran n,
x
merupakan nilai dugaan bagi parameter populasi . Begitu pula pˆ n merupakan suatu nilai
ˆ ˆ
dari sampel yang diambil dari populasi tersebut, maka statistik disebut pendugaan titik.
Contoh :
a. x merupakan penduga titik bagi parameter populasi .
x
c. pˆ n merupakan penduga titik bagi proporsi sebenarnya p
59
b. Pendugaan selang
Suatu dugaan selang bagi parameter populasi adalah suatu selang yang berbentuk
ˆ ˆ ˆ dan ˆ ˆ
1 2 , dengan 1 2 bergantung pada nilai statistik untuk suatu contoh
ˆ
tertentu dan juga pada sebaran penarikan contoh bagi.
ˆ ˆ
Bila P( 1 2 ) = 1 - , untuk 0< <1, maka kita mempunyai peluang 1- untuk
memperoleh suatu contoh acak yang menghasilkan suatu selang yang mengandung . Selang
ˆ ˆ
1 2 , yang dihitung dari contoh yang terpilih, disebut selang kepercayaan (1-)100%, nilai
1- , disebut koefisien kepercayaan atau derajat kepercayaan , dan kedua
ˆ ˆ
titik ujungnya, 1 dan 2 , masing-masing disebut batas kepercayaan sebelah atas dan
sebelah bawah.
xz xz ,
/2 /2
n n
sedangkan z / 2 adalah nilai z yang luas daerah di sebelah kanan di bawah kurva normal baku
adalah /2.
Galat baku pendugaan , bila x digunakan untuk menduga , kita percaya (1- )100%,
bahwa galatnya tidak melebihi z . Ukuran Contoh bagi pendugaan , bila x digunakan
/2
n
untuk menduga , kita boleh percaya (1- )100%, bahwa galatnya tidak melebihi suatu niali
z /2
2
xt s xt s ,
/2 /2
n n
sedangkan t / 2 adalah nilai t dengan v = n – 1 derajat bebas yang di sebelah kanannya
terdapat daerah seluas /2.
60
Contoh 8.1
Dari data contoh berukuran 15 diperoleh nilai tengah contoh dan ragam contoh sebagai
berikut:
x = 10.366
2
s = 1.946
Penduga bagi parameter nilai tengah populasi adalah sebagai berikut:
x 10.366
sx s2 / n 1.395/ 15 .....
Sedangkan penduga selang untuk nilai tengah populasi dengan tingkat kepercayaan 95 % adalah:
x – t(0.025;db=14) s/ n x + t(0.025;db=14) s/ n
10.366 – 2.145 x 1.395/ 15 10.366 + 2.145x 1.395/ 15
10.366 – 0.773 10.366 + 0.773
9.593 11.139
x x ) z 2 2
x x ) z 2 2
( 2 /2
1 2
< 1 2 < ( 2 /2
1 2
,
1 1
n1 n2 n1 n2
sedangkan dalam hal ini z adalah nilai peubah normal baku z yang luas daerah di sebelah
/2
2 2
dan n2 yang diambil dari dua populasi yang hampir normal dengan ragam sama 1 2 yang tidak
(x x 2) t / 2 sp 1 1< 1 2
< (x x 2) t / 2 s p 1 1,
1 1
n1 n2 n1 n2
sedangkan dalam hal ini sp adalah nilai dugaan gabungan bagi simpangan baku populasi, dan t /2
adalah nilai t dengan v = n1+n2-2 derajat bebas yang luas daerah di sebelah kanannya
sebesar /2.
61
(n 1)s 2 (n
2
s 2p 1)s 2
1 1 2
n1 n2 2
Contoh 8.2
Dua buah perusahaan yang saling bersaing dalam industri kertas karton saling mengklaim bahwa
produknya yang lebih baik, dalam artian lebih kuat menahan beban. Untuk mengetahui produk
mana yang sebenarnya lebih baik, dilakukan pengambilan data masing-masing sebanyak 10
lembar, dan diukur berapa beban yang mampu ditanggung tanpa merusak karton. Datanya
adalah :
Perusahaan A 30 35 50 45 60 25 45 45 50 40
Perusahaan B 50 60 55 40 65 60 65 65 50 55
10 n(n 1) 10(9)
b. Buatlah selang kepercayaan 90% bagi selisih rataan perusahaan B dengan perusahaan A,
dengan mengasumsikan ragam kedua populasi sama.
Jawab
(x x1 ) t ( ( x2 x1 ) t
(
2 ,db)
s p (1/ n2 ) (1/ n1 )21 2,db) s p (1/ n2 ) (1/ n1 )
2
(56,5 42,5) t(0,05;18) 9,32 1/10 1/10 2 1 (56,5 42,5) t(0,05;18) 9,32 1/10 1/10
14 1,734(4,17) 2 1 14 1,734(4,17)
6,77 2 1 21,23
n1 n2 2 18
2 2
Bila x1 dan s1 , dan x2 dan s2 masing-masing adalah nilaitengah dan ragam contoh acak
bebas berukuran kecil n1 dan n2 yang diambil dari dua populasi yang mendekati normal dengan
2 2
ragam tidak sama 1 2 yang tidak diketahui nilainya, maka selang kepercayaan (1-)100%, bagi 1 2
adalah :
62
x x ) t s2 s2 x x ) t s2 s2
( 2 /2
1 2
< 1 2 < ( 2 /2
1 2
,
1 1
n1 n2 n1 n2
sedangkan dalam hal ini t /2 adalah nilai t dengan derajat bebas
v (s 2 / n s 2 / n )2
2
1 1 2
Contoh 8.3
Jika pada contoh 8.2 ingin diduga selang kepercayaan 90% bagi selisih rataan perusahaan B
dengan perusahaan A, dengan mengasumsikan ragam kedua populasi berbeda, maka dugaan
selangnya adalah:
(x 2 x) t ( ,db)
(s 2 / n ) (s 2
2
/n) 2 1
( x 2
x ) t( ,db)
(s 2 / n 2 ) (s 2 / n )
1 2 1 1 1 2 1 1
2
2
(56,5 42,5) t(0,05;17) 66,94 /10 106,94 /10 2 1 (56,5 42,5) t(0,05;17 ) 66,94 /10 106,94 /10
14 1,74(4,17)21 14 1,74(4,17)
6,742121,26
(s 2 / n )2 /(n 1) (s 2
2
/ n ) 2 /(n 2 1) 2
(10.34 /10) 2 / 9 (8.18 2
/10) 2 / 9
1 1 1 2
8.4 Pendugaan Proporsi
Bila pˆ adalah proporsi keberhasilan dalam suatu contoh acak berukuran n, dan qˆ =1-
pˆ , maka selang kepercayaan (1- )100%, bagi parameter binom p adalah :
pˆ z /2 pˆqˆ <p< pˆ z /2
pˆqˆ ,
n n
sedangkan dalam hal ini z / 2 adalah nilai peubah normal baku z yang luas daerah di sebelah
kanannya sebesar /2.
Bila pˆ digunakan sebagai nilai dugaan titik bagi p, maka kita dapat percaya (1- )100%,
pˆqˆ
bahwa galatnya tidak lebih besar dari z /2
63
Bila pˆ digunakan untuk menduga p, maka kita dapat percaya (1- )100%, bahwa
galatnya tidak melebihi suatu besaran tertentu e bila ukuran contohnya diambil sebesar
n z 2 pˆqˆ
/2
e2
Contoh 8.4
Suatu perusahaan mempunyai 1250 karyawan. Pihak manajemen ingin mengetahui besarnya
proporsi yang merasa kurang puas dengan jaminan sosial yang mereka terima. Untuk maksud itu
diambil sampel sebanyak 100 orang dan dari hasil wawancara ternyata ada 10 orang yang
menyatakan kurang puas dengan jaminan sosial yang diterimanya.
a. Bila manajer perusahaan itu dalam memperkirakan menggunakan interval kepercayaan 99%,
maka dugalah interval proporsi karyawan di perusahaan tersebut yang kurang puas dengan
jaminan sosial yang mereka terima.
Jawab :
pˆ x / n 10 /100 0,1
n z2
/2
2,565 2
1827,56 1828
4g 2 4(0,03)2
Bila pˆ1 dan pˆ2 masing-masing adalah proporsi keberhasilan dalam suatu contoh acak
berukuran n1 dan n2, serta qˆ1 =1- pˆ1 dan qˆ2 =1- pˆ2 , maka selang kepercayaan (1- )100%, bagi
( pˆ pˆ 2
) z /2 pˆ1qˆ1 pˆ2 qˆ2 <p1-p2< ( pˆ pˆ
2
) z /2 pˆ1qˆ1 pˆ2 qˆ2
1 1
n1 n2 n1 n2
sedangkan dalam hal ini z adalah nilai peubah normal baku z yang luas daerah di sebelah
/2
kanannya sebesar /2.
64
8.6 Latihan Soal
4. Pada tahap pemasaran perumahan baru, sebuah developer akan memperoleh imagenya
melalui perbaikan sarana umum yang ada di perumahan yang lama (seperti perbaikan jalan,
taman, dst). Dari sampel 50 yang diambil secara acak sebelum ada perbaikan sarana umu
diketahui ada 10 responden yang mempunyai image kurang baik terhadap developer tersebut.
Setelah dilakukan perbaikan sarana umum, ternyata masih terdapat 7 dari 48 responden yang
mempunyai image kurang baik terhadap developer. Dengan tingkat kepercayaan 95%, buatlah
pendugaan proporsi untuk image developer sebelum dan setelah perbaikan sarana umum. Dari
pendugaan tersebut, apakah bisa dikatakan ada peningkatan image bagi developer
65
filter dan 18 di antara 150 perokok lebih menyukai kretek. Buatlah interval kepercayaan 95%
untuk perbedaan persentase penjualan dua jenis rokok tersebut. Simpulkan apakah selisih
sebesar 8% yang dinyatakan pimpinan perusahaan tersebut bisa diterima ?
7. Suatu sampel acak sebanyak 8 batang rokok merk tertentu mempunyai rata-rata kadar nikotin
3.5 mg dan simpangan baku 1 mg. Buatlah interval kepercayaan 99% untuk rata-rata nikotin
yang sesungguhnya rokok merk itu, bilamana diasumsikan kadar nikotin tersebut menyebar
normal
8. Dari sampel acak 12 mahasiswi suatu perguruan tinggi, diperoleh bahawa rata-rata uang saku
bulanannya adalah Rp 500.000,00 denag simpangan baku Rp 50.000,00. Bila diasumsikan uang
saku menyebar normal, buatlah selang kepercayaan 90% untuk rata-rata uang saku mahasiswi
tersebut.
9. Data berikut menunjukkan masa putar (dalam puluhan menit) film yang diproduksi dua
perusahaan
Perusahaan A 11 9 10 7 15 12 8 10 13 14
Perusahaan B 10 9 12 9 8 7 9 6 8 15
Buatlah interval kepercayaan 95% untuk beda rata-rata masa putar film yang diprodukasi oleh
dua perusahaan tersebut, jika di asumsikan masa putar film mempunyai sebaran normal
dengan ragam tidak sama.
66
9 PENGUJIAN HIPOTESIS
Langkah-langkah atau prosedur yang dilakukan dengan tujuan untuk memutuskan apakah
kita menerima atau menolak hipotesis mengenai parameter populasi disebut pengujian hipotesis.
Jadi pada pengujian hipotesis kita ingin mengetahui atau menguji apakah parameter satu
populasi, yaitu sama dengan nilai tertentu yaitu 0 atau tidak. Kalau kita mempunyai dua populasi
masing-masing dengan parameter 1 dan 2, kita ingin menguji apakah 1 = 2, dan sebagainya.
Untuk suatu hipotesis yang dibuat, hanya dua kemungkinan yang akan kita putuskan,
yaitu kita akan menolak hipotesis atau kita akan menerima hipotesis, setelah kita manghitung
statistik dari sampel. Menolak hipotesis artinya kita menyimpulkan bahwa hipotesis tidak benar,
sedangkan menerima hipotesis artinya tidak cukup informasi/bukti dari sampel untuk
menyimpulkan bahwa hipotesis harus kita tolak. Artinya walaupun hipotesis itu kita terima, tidak
berarti bahwa hipotesis itu benar. Sehingga dalam membuat rumusan pengujian hipotesis,
hendaknya selalu membuat pernyataan hipotesis yang diharapkan akan diputuskan untuk ditolak.
Hipotesis yang dirumuskan dengan harapan untuk ditolak disebut hipotesis nol yang ditulis H 0.
Penolakan hipotesis nol akan menjurus pada penerimaan hipotesis alternatif atau hipotesis
Contoh 9.1
1. Pengujian hipotesis bahwa suatu jenis obat baru lebih efektif untuk menurunkan berat
badan. Maka rumusan hipotesisnya adalah :
H0 : obat baru = obat lama
H1 : obat baru lebih baik dari obat lama
2. Pengujian hipotesis bahwa teknologi baru dapat meningkatkan kualitas buah-buahan.
H0 : teknologi baru = teknologi lama
H1 : teknologi baru teknologi lama
67
3. Seorang dokter menyatakan bahwa, lebih dari 60% pasien yang menderita sakit paru-
paru di suatu rumah sakit adalah karena merokok.
H0 : p = 0.6
H1 : p 0.6
dengan H 0 . Ini menyatakan bahwa setiap hipotesis yang ingin diuji dinyatakan dengan H0.
tandingan yang dilambangkan dengan H1 . Suatu H0 mengenai suatu parameter populasi akan
selalu dinyatakan sedemikian rupa sehingga parameter tersebut nilainya tertentu (satu nilai),
sedangkan H1 memungkinkan beberapa nilai.
Ada beberapa dasar yang dapat digunakan untuk merumuskan hipotesis, antara lain (1)
berdasarkan pengetahuan yang diperoleh dari teori, (2) berdasarkan hasil penelitian terdahulu,
(3) berdasarkan pengalaman, atau (4) berdasarkan ketajaman berpikir.
Seperti telah dijelaskan sebelumnya bahwa kebenaran atau ketidakbenaran suatu
hipotesis tidak pernah diketahui secara pasti. Dengan adanya faktor ketidakpastian ini
mengakibatkan timbulnya suatu resiko/kesalahan yang harus ditanggung oleh pembuat keputusan
itu sendiri. Dalam pengujian hipotesis dikenal dua jenis kesalahan, yaitu kesalahan jenis I (galat
I) dan kesalahan jenis II (galat II). Galat I adalah kesalahan akibat menolak hipotesis nol, padahal
hipotesis nol benar. Sedangkan galat II adalah kesalahan akibat menerima hipotesis nol padahal
hipotesis nol tersebut salah.
Peluang melakukan galat I disebut taraf nyata uji dilambangkan dengan , sedangkan
peluang melakukan galat II dilambangkan dengan .
Hubungan antara hipotesis nol, keputusan, jenis kesalahan, dan peluang melakukan jenis
kesalahan secara ringkas disajikan pada tabel berikut.
68
Oleh karena menyatakan peluang menolak H 0 yang benar, maka kita mengharapkan nilai
sekecil mungkin. Sebab tidaklah pantas sesuatu yang sesungguhnya benar kita tolak. Demikian
juga dengan yang menyatakan peluang menerima H 0 yang salah, kita mengharapkan nilainya juga
sekecil mungkin, karena tidak pantas juga sesuatu yang salah kita terima. Namun dalam
kenyataannya memperkecil atau membuat dan sekecil mungkin secara sekaligus tidaklah
mungkin, karena ternyata ada hubungan antara dengan , yaitu memperkecil nilai akan
mengakibatkan membesarnya nilai , demikian juga sebaliknya. Usaha untuk memperkecil nilai
dan dapat dilakukan dengan memperbesar ukuran contoh.
Dalam praktek pengujian hipotesis, nilai yang sering digunakan adalah 0,05 dan 0,01. Jika
yang digunakan adalah 0,05, dapat diartikan bahwa kira-kira sebanyak 5 dari setiap 100 kasus
bahwa kita akan menolak Ho yang benar. Dengan kata lain, ada keyakinan 95% bahwa kita telah
mebuat keputusan atau kesimpulan yang benar.
Untuk setiap pengujian dengan memakai nilai tertentu, kita dapat menghitung nilai .
Ternyata bahwa nilai ini tergantung pada nilai parameter populasi, yaitu , sehingga dapat
dinyatakan sebagai suatu fungsi, yaitu ( ), yang disebut fungsi ciri operasi (CO). Nilai K
= 1 - disebut kuasa uji. Kuasa uji adalah peluang menolak Ho bilai suatu tandingan tertentu
benar. Jika K( ) = 1 - ( ), maka K( ) disebut fungsi kuasa.
Beberapa sifat penting dalam pengujian hipotesis :
- Galat I dan galat II saling berhubungan. Menurunnya peluang yang satu akan menaikkan
peluang yang lain.
- Ukuran wilayah kritik, yang berarti juga peluang melakukan galat jenis I, selalu dapat
diperkecil dengan mengubah nilai kritiknya.
- Peningkatan ukuran contoh n akan memperkecil dan secara bersama-sama.
- Bila hipotesis nolnya salah, nilai akan sangat besar bila nilai parameternya dekat dengan
nilai yang dihipotesiskan. Semakin besar jarak antara nilai yang sesungguhnya dengan nilai
yang dihipotesiskan, maka semakin kecil nilai .
Contoh 9.2
Suatu jenis deterjen baru diduga dapat mencuci bersih 70% dari bercak pada pakaian. Untuk
menguji dugaan ini, deterjen ini digunakan pada 12 bercak yang dipilih secara acak. Bila kurang
dari 11 bercak yang hilang maka dugaan kemampuan deterjen tersebut dalam mencuci 70% dari
bercak pakaian diterima.
a. hitunglah galat I dengan menganggap bahwa p = 0,7
b. hitunglah galat II jika ternyata p = 0,9
Jawab
Hipotesis : Ho : p = 0,7 vs H1 : p > 0,7
69
X = banyaknya bercak pakaian yang berhasil dicuci
Nilai kritis : 11
a. P(galat I ) P( X 11 | p 0,7)
12 10
b(x;12,0.7) 1b(x;12,0.7) 1 0.915 0.085
x 11 x 0
10
b. P(galat II ) P( X 11 | p 0,9) b(x;12,0.9) 0.341
x 0
Contoh 9.3
Suatu contoh acak 400 pemilih di suatu kota ditanya apakah mereka mendukung kenaikan 4% tarip
listrik untuk penerangan jalan yang amat diperlukan. Bila lebih dari 220 tapi kurang dari 260
pemilih yang mendukung kenaikan tarip maka disimpulkan bahwa 60% pemilih mendukung.
a. cari peluang melakukan galat I bila 60% pemilih yang mendukung kenaikan tarif.
b. Berapa peluang melakukan galat II dalam prosedur pengujian ini bila sesungguhnya hanya 48%
dari pemilih yang mendukung kenaikan tarif listrik ?
a. menghitung
= np = 400(0.6) = 240
= (npq) = {400(0.6)(0.4)} = 9.80
nilai kritis menjadi : 220.5 < X < 259.5
P(galat I ) P( X 220 | p 0.6) P( X 260 | p 0.6)
P(X 219.5 | 240) P( X 260.5 | 240)
P( X219.5 240) P( X 260.5 240)
9.80 9.80
P(Z2.09) P(Z 2.09) 2P(Z2.09) 2(0.0183) 0.0366
b. menghitung
= np = 400(0.48) = 192
= (npq) = {400(0.48)(0.52)} = 9.99
P( galat II ) P(220 X 260 | p 0.48) P(220.5 X 259.5 | 192)
70
H1: 0
disebut uji satu-arah. Wilayah kritik bagi bagi hipotesis alternatif > 0 terletak seluruhnya di ekor
kanan sebaran tersebut, sedangkan wilayah kritik bagi hipotesis alternatif < 0 terletak seluruhnya
di ekor kiri. Dalam pengertian ini, tanda ketaksamaan menunjuk ke arah wilayah kritiknya.
Ho :o
H1 : o
disebut uji dua arah, karena wilayah kritiknya dipisah menjadi dua bagian yang ditempatkan di
masing-masing ekor sebaran statistik ujinya. Hipotesis alternatif 0 menyatakan bahwa < 0 atau > 0.
Hipotesis nol, H0, akan selalu dituliskan dengan tanda kesamaan sehingga menspesifikasi
suatu nilai tunggal. Dengan cara demikian, peluang melakukan galat I dapat dikendalikan. Apakah
kita harus menggunakan uji satu-arah atau dua-arah, bergantung pada kesimpulan yang akan
ditarik bila H0 ditolak. Sebagai contoh, sebuah peusahaan rokok menyatakan bahwa kadar nikotin
rata-rata rokok yang diproduksinya tidak melebihi 2,5 miligram. Pernyataan dari perusahaan
tersebut dapat ditolak jika rata-rata ( ) lebih besar dari 2,5 miligram dan dapat diterima jika
lebih kecil atau sama dengan 2,5 miligram. Dengan demikian kita akan menguji
H0: =2,5
H1: >2,5
Meskipun kita menuliskan hipotesis nol-nya dengan tanda sama dengan, namun itu harus dipahami
sebagai mencakup semua nilai yang tidak dicakup oleh hipotesis alternatifnya. Akibatnya,
menerima H0 tidak boleh diimplikasikan bahwa tepat sama dengan 2,5 miligram, namun harus
diartikan bahwa kita tidak mempunyai bukti yang cukup untuk mendukung H 1.
Beberapa langkah yang perlu diperhatikan dalam pengujian hipotesis:
a. Hipotesis sederhana
Hipotesis nol dan hipotesis alternatif sudah ditentukan pada nilai tertentu
H0:=0 vs H1:=1
2 2 2 2
H0: = 0 vs H0: = 1
H0:P=P0 vs H0:P=P1
71
b. Hipotesis majemuk
Hipotesis nol dan hipotesis alternatif dinyatakan dalam interval nilai tertentu
H0:=0 vs H1:0
2. Deskripsikan data sampel yang diperoleh (hitung rataan, ragam, standard error dll)
H0: = 0 maka ˆ x maka statistik ujinya bisa t-student atau normal baku (z)
th x 0
atau zh x 0
s/ n / n
5. Tarik kesimpulan
s/ n
|zh | > z( /2)(tabel)
b. Contoh besar atau ragam
pop diketahui
x
zh 0
/ n
72
2 H0 :0 vs Sda th < -t( ; db=n-1)(tabel)
H1 : < 0 zh < -z( )(tabel)
t (tabel)
3 H0 :0 vs Sda th > ( ; db=n-1)
H1 : > 0 zh > z( )(tabel)
Contoh 9.4
Pemerintah berencana untuk melaksanakan sebuah program peningkatan mutu siswa. Dari sebuah
sekolah diketahui bahwa sebelum dilaksanakan program tersebut, rata-rata nilainya adalah 7,1.
Untuk melaksanakan program tersebut, sebanyak 40 siswa secara acak dipilih dari sekolah
tersebut. Data baru yang diperoleh memiliki rata-rata 7,3 dengan simpangan baku 0,15.
Berhasilkah program tersebut (gunakan alpha 5%) ?
Jawab
Karena yang ingin diketahui apakah ada peningkatan mutu pendidikan setelah diadakan
program tersebut, maka :
- hipotesisnya : H0 : = 7.1 vs H1 : > 7.1.
- titik kritis : Z0,05 = 1,645 (digunakan uji Z karena n relatif besar , n = 40)
Contoh 9.5
Batasan yang ditentukan oleh pemerintah terhadap emisi gas CO kendaraan bermotor adalah 50
ppm. Sebuah perusahaan baru yang sedang mengajukan ijin pemasaran mobil, diperiksa oleh
petugas pemerintah untuk menentukan apakah layak perusahan tersebut diberikan ijin. Sebanyak
20 mobil diambil secara acak dan diuji emisi CO-nya. Dari data yang didapatkan, rata-ratanya
adalah 55 dan ragamnya 4.2. dengan menggunakan taraf nyata 5%, layakkan perusahaan tersebut
mendapat ijin ?
Jawab
- Hipotesis H0 : = 50 vs H1 : > 50
- titik kritis : t(0,05;19) = 1,729
73
Contoh 9.6
Seorang pelamar untuk jabatan salesmen menyatakan bahwa dia sanggup melakukan penjualan
minimal 7 unit barang sehari. Untuk membuktikan hal itu, manajer personalia memberikan waktu
selama 12 hari. Hasil penjualan selama tes tersebut adalah sebagai berikut : 4, 5, 8, 3, 6, 4, 4, 8,
7, 3, 4, 5. Ujilah apakah pernyataan orang tersebut didukung oleh data (gunakan alpha 10%).
Jawab
Untuk menguji pernyataan salesman bahwa dia sanggup menjual minimal 7 unit barang sehari
, maka : Hipotesis H0 : >= 7 vs H1 : < 7
- titik kritis 10% : t(0,10;11) = 1,363, gunakan titik kritis –1,363
- x x 45...5 5,08 ;
i
n 12
s 2
xi 2
n( x (42 52 ... 52 ) 12(5,08)2 3,174
)2
n 1 11
- Stat. Uji : t x0 5,08 7 3,73
sx 1,78 / 12
- Karena thitung < -1,363 maka tolak H0, artinya rata-rata penjualan barang oleh salesmen
tersebut tidak lebih dari 7 unit barang per hari tetapi kurang dari 7 unit.
Untuk menguji perbedaan dua nilai tengah populasi dapat dibedakan menjadi dua kasus yaitu
kasus saling bebas dan kasus berpasangan.
22
s( x 1
x2
)
db ;
dimana: efektif 1 2
s 1 1 ;1222
g
s 2
n1 n2
x1 x
s 2
s2
1 2
;1222
n n
1 2 |zh | > z( /2)(tabel)
b. Contoh besar atau ragam pop
diketahui
(x x )
zh 1 2 0
( x1 x2 )
74
2 H0: 1-20 Sda th < -t( ; db)(tabel)
vs
H1: 1- 2< 0 zh < -z( )(tabel)
t
3 H0: 1-20 Sda h > t( ; db)(tabel)
vs
H1: 1- 2> 0 zh > z( )(tabel)
Sedangkan berikut ini adalah uji hipotesis untuk dua contoh yang berpasangan
th d 0
s/ n
d. Contoh besar atau ragam |zh | > z( /2)(tabel)
pop diketahui
zh d 0
/ n
2 H0 : D0 vs Sda th < -t( ; db=n-1)(tabel)
H1: D< 0 zh < -z( )(tabel)
t (tabel)
3 H0 : D0 vs Sda th > ( ; db=n-1)
H1: D> 0 zh > z( )(tabel)
Kedua kasus tersebut dibedakan oleh metode pengambilan contohnya. Dua contoh dikatakan
saling bebas jika pemilihan unit-unit contoh pertama tidak tergantung pada bagaimana unit-unit
contoh kedua dipilih dan sebaliknya. Sedangkan dua contoh dikatakan berpasangan jika
pengambilan unit-unit contoh pertama memperhatikan bagaimana unit-unit contoh kedua dipilih.
Keterkaitan kedua contoh pada kasus berpasangan ditentukan oleh suatu peubah kontrol ( control
variable) misal lokasi, kemiringan lahan, tingkat pendidikan, kondisi sosial ekonomi dan lain-lain.
Contoh 9.7
Dua jenis program manajemen pemasaran diterapkan pada sebuah perusahaan retail untuk
mengkaji program mana yang lebih efisien meningkatkan penjualan mingguan. Kedua program
tersebut dievaluasi dengan cara mencatat penjualan selama 9 minggu. Program pertama mampu
memberikan rata-rata nilai penjualan mingguan sebesar 230 juta dengan simpangan baku 10 juta,
sedangkan program kedua rata-ratanya 210 juta dengan simpangan baku 9 juta.
75
Jika diasumsikan kedua kondisi sama, ujilah apakah kedua program memberikan hasil yang
berbeda ? (gunakan 5%)
Jawab
Untuk mengkaji program mana yang lebih efisien,
Hipotesisnya : H0 : 1 - 2 = 0 vs H1 : 1 - 2 0
- titik kritis untuk = 5% : t(0,025;16) = 2,120 (ingat : kondisi sama ragam sama, sehingga db = n1+n2-2)
ragam gabungan : s 2p (n 1
1)s 2 (n
1
2 1)s 2 2
8(100) 8(81)
-
16 90,5
n1 n2 2
- t (x x 2 ) d0 230 210 0 4,46
1
Stat. Uji :
Contoh 9.8
Seorang mahasiswa Budidaya Pertanian ingin membandingkan produksi dari dua varietas kacang
tanah. Kemudian kedua varietas kacang tanah tersebut ditanam pada delapan lokasi yang berbeda
tetapi setiap varietas ada pada setiap lokasi. Data produksi (ton perhektar) kedua varietas tersebut
diperoleh sebagai berikut :
Varietas\lokasi 1 2 3 4 5 6 7 8
Var 1 6.25 5.30 7.10 6.45 6.00 4.83 5.40 6.80
Var 2 5.50 5.80 6.00 7.50 6.25 4.85 5.00 6.50
ujilah apakah kedua varietas memberikan hasil yang berbeda, jika berbeda mana yang
menurut anda lebih baik? (gunakan 5%)
Jawab
Kasus di atas termasuk kasus pengamatan berpasangan, sehingga perlu dicari beda dari
varietas 1 dan varietas 2, yaitu
di : 0.75, -0.5, 1.1, -1.05, -0.25, -0.02, 0.4, 0.3
- Hipotesis H0 : d = 0 vs H1 : d 0
- titik kritis : t(0,025;7) = 2,365
- nilai statistik :
d d
i0.75 ( 0.5) ... 0.3 0.091
n8
2 2 2 2
sd di n(d ) 3.4379 8(0.091) 0.482sd 0.694
n 1 7
-Stat. Uji : td d 0.091 0 0.371
sd / n 0.694 / 8
- Karena thitung < 2,365 maka terima H0, artinya belum cukup bukti untuk menyimpulkan
bahwa kedua varietas kacang tanah tersebut memberikan hasil produksi yang berbeda.
76
9.5 Latihan Soal
1. Jelaskan istilah berikut :
a. hipotesis b. hipotesis statistik c. pengujian hipotesis statistik
d. hipotesis nol e. hipotesis alternatif f. kesalahan jenis I
g. kesalahan jenis II h. taraf signikansi i. uji satu arah
j. uji dua arah k. niali kritis l. nilai kritis
m. satistik uji n. statistik hitung
2. Suatu perusahaan memproduksi lampu listrik yang umurnay mendekati sebaran normal dengan
nilai rata-rata 80 jam dan simpangan baku 40 jam. Dengan menggunakan sampel acak
sebanyak 30 lampu ternyata rata-rata umur lampu hanya 775 jam. Ujilah hipotesis bahwa =
800 dan lawan alternatifnya 800 jam, denagn memakai taraf signifansi = 0.01
77
10 ANALISIS REGRESI DAN KORELASI
Dalam penelitian ada kalanya dilakukan pengamatan terhadap lebih dari satu ciri
terhadap tiap-tiap anggota contoh. Hubungan antara ciri-ciri yang diamati itu sering menarik
perhatian, sehingga timbullah masalah korelasi dan regresi.
Pada masalah korelasi dibicarakan keeratan hubungan antara dua ciri atau lebih,
sedangkan pada masalah regresi kita menduga bentuk hubungan antara ciri-ciri tersebut.
Yi = + Xi ……………(1)
dengan :
Xi = peubah bebas
Dalam praktek, seringkali kita tidak dapat mengamati seluruh anggota populasi, sehingga
hanya mengamati n buah contoh acak dan diperoleh pengamatan berukuran n serta dapat
dilambangkan dengan {(xi, yi), I = 1, 2, …, n}.
Persamaan yang kita peroleh adalah dugaan dari persamaan (1) dan dapat dituliskan :
ˆ
Yi a bX i ……..(2)
78
Untuk peubah bebas xi, nilai pengamatan yi tidak akan selalu tepat berada pada garis
persamaan (1) untuk garis regresi populasi atau pada persamaan (2) untuk garis regresi contoh.
Dengan demikian akan terdapat simpangan sebesar i untuk populasi atau ei untuk contoh,
sehingga diperoleh persamaan :
Untuk melihat pola hubungan antara X dan Y pertama-tama kita plotkan nilai pengamatan
(xi, yi) pada bidang kuadran dua. Jika hasil plot menunjukkan pola titik-titik yang menyerupai
garis lurus, maka penggunaan regresi linear sederhana untuk melihat pola hubungan antara kedua
peubah tersebut sudah tepat.
ˆ a bX i
Yi = + Xi + i dan Yi
Sehingga diperoleh dugaan galat sebesar :
ˆ n
2
ei ˆi Yi Yi dan misalkan qei
i 1
maka untuk mendapatkan penduga kuadrat terkecil dari parameter regresi adalah dengan
meminimumkan nilai q, nilai q ini disebut juga JKG. Dengan menggunakan bantuan pelajaran
kalkulus maka nilai dugaan parameter regresi dapat diperoleh sebagai berikut :
n n n n
besaran nilai a dan b dapat diinterpretasikan sebagai berikut : pada saat x bernilai nol maka
besarny nilai dugaan y adalah sebesar a, sedangkan nilai b menunjukkan besarnya perubahan nilai
y jika terjadi perubahan pada nilai x satu-satuan.
79
10.3 Pengujian Hipotesis Bagi Koefisien Regresi
Seperti halnya dalam pendugaan nilai tengah, maka penilaian tentang tingkat keyakinan
terhadap hasil dugaan b memerlukan informasi tentang ragam dari b, atau lebih tepatnya adalah
informasi tentang pola sebaran b. Untuk dapat mengetahui informasi ini, kita terlebih dahulu
membuat beberapa asumsi mengenai model regresi.
Berdasarkan persamaan (3), beberapa asumsi yang harus dipenuhi yaitu i adalah bebas
2 2
terhadap sesamanya dan menyebar normal dengan nilai tengah nol dan ragam [ i (0, )].
Berdasarkan model (3) di atas, dengan konstanta dan sebagai parameter regresi dan x i bukan
sebuah peubah acak, maka y i adalah suatu peubah acak yang menyebar normal dengan E(y i) = + xi
2
dan Var(yi) = untuk semua i.
Nilai a dan b merupakan dugaan bagi parameter dan . Dengan pengambilan contoh acak
berulangkali dapat diperoleh nilai dugaan yang berbeda bagi dan . Nilai-nilai dugan tersebut
dapat dipandang sebagai nilai-nilai peubah acak A dan B. nilai-nilai A dan B tersebut tergantung
Penduga koefisien b adalah kombinasi linear dari peubah acak yi, yaitu berupa
(xi x )( yi y) n n
i 1
b n x w i ( yi y )wi yi w1 y 1 w2 y2wn yn
x
i
2 i 1 i 1
i1
n n
(xi x )
dengan wi n x ; dan karena w
i 0, makawi y 0
i
x
i 1 2 i 1 i 1
n n n n n n
E(b) E( w i yi ) wi E( yi ) wi ( xi ) wi w i xi wi x i
i 1 i 1 i 1 i 1 i 1 i 1
n n n
wx w x wi (xi x) 1
sehinggawi xi i i i
i 1 i 1 i 1 i 1
80
Ragam dari b adalah
n
n n n
(xi x )2 2
i 1
Var(b) Var( wi yi )wi2Var( yi )2wi2 2
n 2 n 2
i 1 i 1 i 1
(x
i x )2 (xi x)
i 1 i 1
2
2 (x )2 2
2
1 ( x )2
Var(a) Var( y bx ) Var( y) (x ) Var(b) n n 2 n n 2
(xix ) (xi x )
i 1 i 1
karena Y1, Y2, …, Yn bebas dan menyebar normal, maka A dan b juga menyebar normal dengan
nilai tengah dan ragam seperti di atas.
2
Karena ragam dari A dan B mengandung parameter yang umumnya nilainya tidak
2
diketahui, maka perlu dilakukan pendugaan untuk nilai tersebut. Parameter merupakan ragam
galat pada model yang menggambarkan keragaman acak dari keragaman galat percobaan di
2 2
sekitar garis regresi. Penduga tak bias bagi adalah s , yaitu
n
JKG b J
2
s2 ei 2 J yy bJ xy J yy
i 1 xx
n 2 n 2 n 2 n 2
dengan :
n n n 2 n n
n 2
x yi
i
xi yi
i 1 i 1
J xy( xi x )( y i y )xi y i n
i 1 i 1
Untuk menguji hipotesis apakah intersep bernilai tertentu (miaslnya k) dapat diuji dengan
menggunakan statistik uji t, di mana hipotesisnya dapat dituliskan sebagai berikut :
H0 : = k lawan H1 : k
81
t a k a k
hitung
Var(a) sa
nilai statistik uji ini mengikuti sebaran t-student dengan derajat bebas n-2. Jika | t-hitung| > t( /2,
db=n-2) atau jika peluang nyata lebih kecil dari nilai taraf nyata yang ditetapkan maka hipotesis nol
ditolak.
dari selang kepercayaan ini dapat kita lihat kisaran nilai intersep yang dapat diyakini dengan
tingkat keyakinan sebesar (1 - )100%.
Untuk melihat apakah peubah X berpengaruh terhadap peubah Y juga dapat diuji dengan
menggunakan uji t-student. Misalkan ingin diuji apakah perubahan setiap X satu-satuan akan
mengakibatkan Y akan berubah sebesar k satuan, naka hipotesis dari pertanyaan ini dapat
dituliskan sebagai berikut :
H0 : =k
H1 : k
t b k b k
hitung
Var(b) sb
nilai statistik uji ini mengikuti sebaran t-student dengan derajat bebas n-2. Jika | t-hitung| > t( /2,
db=n-2) atau jika peluang nyata lebih kecil dari nilai taraf nyata yang ditetapkan maka hipotesis nol
ditolak.
b -t s b+t
/2, (n-2) b /2, (n-2)
s
b
82
Persamaan Yi = a + bXi dapat digunakan untuk menduga y dari beberapa nilai y pada nilai
x tertentu dan dapat pula digunakan untuk menduga nilai tunggal y 0 bila x = x0. Bila y0 = a + bx0
maka y0 akan menyebar normal dengan nilai tengah y0 sama dengan y pada x = x0 dan
n
2 1 (x0 x) 2 2 1 (x 2
i
yˆ0 2 , dengan sx x)
n (n
1)sx n 1i 1
2 2 2 2.
Penduga bagi yˆ0 adalah s yˆ0 . Untuk memperoleh nilai dugaan ini diduga dengan s
Adapun selang kepercayaan (1 - )100% bagi y untuk x = x0 adalah :
yˆ 0
t / 2,(n 2)
s 2 y
yˆ 0 t / 2,(n 2)
s2
yˆ0 yˆ0
Untuk mendapatkan selang kepercayaan bagi sembarang nilai tunggal y0 dari peubah Y0, maka
kita perlu menduga ragam selisih antara nilai yˆ0 yang diperoleh dari garis regresi bila
pengambilan contohnya dilakukan berulang-ulang pada x=x0 dengan y0 yang sesungguhnya.
Kita dapat memandang yˆ0 y0 sebagai nilai peubah acak ˆ Y0 , yang sebaran penarikan
Y0
contohnya menyebar normal dengan nilai tengah dan ragam sebagai berikut :
yˆ0 y0 ˆ 2
1 (x0 x )2
2
1
E(Y0 Y0 )0 dan yˆ0 y0
n 2
(n 1)sx
Penduga bagi 2 2 2
adalah diduga
yˆ0 y0 s yˆ0 y0 . Agar nilai dugaan ragam ini diperoleh, maka
2
dengan ragam contoh (s ).
Selang kepercayaan (1- )100% bagi nilai tunggal y 0 bila x=x0 adalah
yˆ 0
t / 2,(n 2)
s2 y 0 yˆ 0
t / 2,(n 2)
s2
yˆ0 y0 yˆ0 y0
2
1. koefisien determinasi (R ) yaitu suatu ukuran yang digunakan untuk melihat kemampuan
2
model dalam menerangkan keragaman nilai peubah Y. Kisaran nilai R mulai dari 0 sampai
2
100%. Semakin besar nilai R berarti model semakin mampu menerangkan perilaku
peubah Y. Sebagai contoh, ingin diketahui pola hubungan antara biaya iklan yang
dikeluarkan oleh suatu perusahaan dengan banyaknya produknya yang
83
2
terjual, diperoleh nilai R sebesar 80%, ini berarti bahwa model regresi yang kita peroleh
menunjukkan bahwa 80% keragaman dari produk yang terjual sudah dapat diterangkan
oleh faktor biaya iklan yang dikeluarkan, sedangkan 20% lainnya keragaman dari produk
2
yang terjual dipengaruhi oleh faktor lain. Adapun rumus untuk menghitung R adalah
JKG b2s
R2 1 2
x
JKT s y2
2. Kuadrat tengah galat (KTG). Semakin kecil nilai KTG maka model regresi yang diperoleh
akan lebih baik dalam menggambarkan pola hubunagn antara peubah bebas dan peubah
tak bebas. Namun penggunaan KTG sering kali menemui masalah yaitu seberapa besar
nilai KTG agar model dikategorikan sebagai model yang baik. Permasalahan ini timbul
karena mengingat KTG tidak memiliki batasan yang jelas. Tetapi jika terdapat beberapa
model yang dibangun, maka penggunaan KTG sebagai alat untuk memilih model terbaik
akan cukup efektif.
3. membuat plot antara nilai sisaan, e i, dengan xi atau dengan yˆi . Perilaku ei yang
dianggap layak akan terlihat apabila nilai-nilai tersebut membentuk suatu pita yang
mendatar di sekitar garis e = 0. Jika tebaran nilai-nilainya berbentuk corong dapat
memberi petunjuk adanya keheterogenan ragam dan jika tebaran nilainya melengkung
menunjukkan kekurangtepatan dari model regresinya. Berdasarkan plot sisaan kita juga
dapat mendeteksi kemungkinan adanya pencilan dengan memeriksa apakah ada nilai/titik
yang memencil atau jauh dari nilai-nilai sisaan yang lain.
10.6 Korelasi
Ukuran korelasi linear antara dua peubah yang paling banyak digunakan adalah koefisien
korelasi contoh (r). Koefisien korelasi ini menggambarkan tingkat keeratan hubungan linear
antara dua peubah atau lebih. Besaran dari r tidak menggambarkan hubungan sebab akibat antar
dua peubah atau lebih tetapi semata-mata menggambarkan keterkaitan linear antar peubah. Nilai
dari r berkisar antara –1 sampai 1 (-1 r 1). Nilai r yang mendekati 1 atau –1 menunjukkan semakin
erat hubungan linear antara kedua peubah tersebut. Sedangkan nilai r yang mendekati atau sama
dengan nol menggambarkan tidak ada hubungan linear antara kedua peubah tersebut, tetapi
mungkin saja mempunyai hubungan yang tidak linear.
xy xy
J J sx2 s y2 sy
xx yy
84
dengan sxy J xy /(n 1), sx2 J xx /(n 1), s 2y J yy /(n 1)
Koefisien korelasi contoh, r, merupakan sebuah nilai yang dihitung dari n pengamatan
contoh. Contoh acak berukuran n yang lain tetapi diambil dari populasi yang sama biasanya akan
menghasilkan nilai r yang berbeda. Dengan demikian kita dapat memandang r sebagai suatu nilai
dugaan bagi koefisien korelasi linear populasi, . Bila r dekat dengan nol, kita cenderung
menyimpulkan = 0. Tetapi jika nilai r mendekati –1 atau 1 disarankan agar kita menyimpulkan 0.
Masalahnya sekarang adalah bagaimana mendapatkan suatu uji yang akan mengatakan kepada
kita kapan suatu nilai r berada cukup jauh dari suatu nilai tertentu 0, agar kita mempunyai cukup
alasan untuk menolak hipotesis nol bahwa = 0 dan menerima alternatifnya. Hipotesis
1 1 r ln
2 1 r
yang merupakan suatu nilai peubah acak yang menyebar menghapiri normal dengan nilai tengah
(0,5)ln[(1+ )/(1- )] dan ragam 1/(n-3). Jadi statistik ujinya adalah menghitung
n 31 1 r 1 1 0 n 3 (1 r)(1 0 )
Z
hitung ln ln ln
2 2 1 r 2 1 0 2 (1 r)(1 )
0
jika taraf nyata yang digunakan sebesar , maka keputusan akan menolak H0 jika:
1. sebagai arah hubungan antara dua ukuran yang berarti mereka cenderung untuk
meningkat atau menurun bersama-sama (berhubungan secara positif), yang satu
meningkat yang lain menurun (berhubungan secara negatif), atau pergerakan mereka
terpisah (tidak berkorelasi).
2. sebagai suatu kekuatan asosiasi yang berarti bahwa jika nilai absolut korelasi bergerak
menjauhi nol maka dua ukuran berasosiasi semakin kuat.
85
Contoh
Sebuah penelitian dilakukan oleh seorang pengusaha untuk menentukan hubungan antara biaya
pemasangan iklan per minggu dan hasil penjualan produknya (dalam jutaan rupiah). Data yang
diperoleh adalah sebagai berikut :
Biaya iklan 6 2 1 2 1 7 6 3 5 4 2 8 4 3 5
Penjualan 57 40 33 37 34 58 54 43 49 49 38 62 47 45 51
a. Tentukan persamaan garis regresinya
b. Benarkah pernyataan pengusaha mengatakan bahwa dengan peningkatan biaya/
iklan per juta akan meningkatkan penjualan sebesar 5 juta rupiah ?
c. Dugalah besarnya penjualan mingguan bila pengeluaran untuk biaya iklan sebesar
4,5 juta !
d. Buatlah selang kepercayaan 95% bagi penjualan mingguan rata-rata jika biaya
iklannya sebesar 2,5 juta !
e. Buatlah selang kepercayaan 90% bagi nilai dugaan penjualan mingguan bila biaya
iklan yang dikeluarkan sebesar 3 juta.
f. Bagaimana kesesuaian model regresi yang anda peroleh ?
g. Hitunglah koefisien korelasinya.
Jawab:
2 2
No. Biaya Penjualan x y xy
iklan (x) (y)
1 6 57 36 3249 342
2 2 40 4 1600 80
3 1 33 1 1089 33
4 2 37 4 1369 74
5 1 34 1 1156 34
6 7 58 49 3364 406
7 6 54 36 2916 324
8 3 43 9 1849 129
9 5 49 25 2401 245
10 4 49 16 2401 196
11 2 38 4 1444 76
12 8 62 64 3844 496
13 4 47 16 2209 188
14 3 45 9 2025 135
15 5 51 25 2601 255
59 697 299 33517 3013
86
a.
n n n
b nx y x y 15(3013) 59(697) 4072
i i i i
i 1 i 1 i 1
2 4,06
n n 15(299) (59)2 1004
x
n xi2 i
i 1 i 1
n n 15 15
Interpretasi :
Jika tidak ada biaya yang dikeluarkan untuk iklan, maka rata-rata hasil penjualan
produk perminggu mencapai 30,5 juta rupiah.
Jika biaya untuk iklan mengalami kenaikan satu juta, maka hasil penjualan akan
mengalami perubahan sebesar 4,06 juta rupiah.
b. pengujian
Hipotesis :
H0 : = 5 vs H1 : ≠5
Nilai = 5%, t(0,025,13) = 2,160
t b 0 b 5 2
hitung dimana s b n
sb sb ( xi x )
2
i1
2 n n n n 2
2
2 J yy b J xx y xi
0,18
karena |thitung| > 2,160 maka tolak H 0, artinya tidak benar pernyataan pengusaha yang
mengatakan bahwa dengan peningkatan biaya/ iklan per juta akan meningkatkan penjualan
sebesar 5 juta rupiah.
c.
Penjualan = 30.5 + 4.06 Biaya iklan
= 30.5 + 4.06(4.5)
= 48.77
87
d. alpha 5%
untuk x = 2.5, maka y = 30.5 + 4.06(2.5) = 40.65
yˆ 0
t / 2,(n 2)
s2 y
yˆ 0
t / 2,(n 2)
s2
yˆ0 yˆ0
2
1 (x 0 x )2 2
1 (2.5 3.93) 2
dengan s yˆ0 J s
2.04 0.20
n xx 15 66.93
SK5%:
40.65 -2.16(0.2) ≤ y ≤ 40.65 + 2.16(0.2)
40.22 ≤ y ≤ 41.08
e. alpha 10%
yˆ0 y0 yˆ0 y0
2
1 (x 0 x )2 2
1 (3 3.93)2
dengan
syˆ 0 y0
1
n J
s 1 15 66.93 2.04 2.20
xx
SK 10% :
42.68 -1.771(0.2) ≤ y0 ≤ 42.68 + 1.771(0.2)
42.33 ≤ y ≤ 43.03
f. Kesesuaian model
uji apakah biaya iklan berpengaruh nyata
Keakuratan model :
JKG b2s2 b 2 J xx (4,06) 2 (66,93)
R2 1 x
x100% 97,66%
JKT s y2
J 1129,73
yy
g. Koefisien Korelasi
r R2 0,977 0,99
88
10.7 Latihan Soal
Berikut ini disajikan data mengenai laju pertumbuhan sektor ekonomi dan sektor industri (dalam %)
dari tahun 1994 sampai dengan tahun 2003.
Tahun
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Laju pertumbuhan 2 4 7 3 6 5 6 8 7 7
sektor ekonomi
Laju pertumbuhan 1 2 12 5 9 11 12 14 13 10
sektor industri
a. Menurut Anda, manakah yang tepat sebagai variabel X dan variabel Y ? Jelaskan alasannya !
b. Buatlah plot dari data di atas ! Bagaimana pola penyebarannya (linear atau tidak) ?
c. Dugalah persamaan regresi linear sederhana y = a + bx. Interpretasikan model dugaan yang
Anda peroleh.
d. Ujilah pada taraf nyata 5% apakah laju pertumbuhan sektor industri berpengaruh positif
terhadap laju pertumbuhan sektor ekonomi ?
e. Dugalah nilai koefisien korelasi antara kedua variabel tersebut !
f. Apakah antara kedua variabel tersebut mempunyai hubungan yang positif ? uji pada taraf
nyata 1%.
g. Hitunglah koefisien determinannya! Apakah model regresi yang Anda peroleh pada point (c )
cukup akurat ? Jelaskan !
89
DAFTAR PUSTAKA
90