com
2 ❍ BAB 14ANALISIS DATA KATEGORI
15
Statistik Nonparametrik
TUJUAN UMUM
Dalam Bab 8-10, kami menyajikan teknik statistik untuk
membandingkan dua populasi dengan membandingkan
masing-masing parameter populasinya (biasanya rata-rata
populasinya). Teknik pada Bab 8 dan 9 dapat diterapkan pada
data yang setidaknya bersifat kuantitatif, dan teknik pada Bab
10 dapat diterapkan pada data yang memiliki distribusi
normal. Tujuan bab ini adalah menyajikan beberapa uji
statistik untuk membandingkan populasi untuk banyak jenis
data yang tidak memenuhi asumsi yang ditentukan dalam Bab
8-10. © Don Carstens/Merek X/CORBIS
INDEKS BAB
● Si FriedmanFr-tes (15.7)
● Kruskal–WallisH-tes (15.6)
Bagaimana Tingkat
Kolesterol Anda?
● Tes parametrik versus nonparametrik (15.1)
● Koefisien korelasi peringkat (15,8) Berapa kadar kolesterol Anda? Banyak dari
● Tes tanda untuk percobaan berpasangan (15.3) kita menjadi lebih sadar akan kesehatan
● Tes jumlah peringkat Wilcoxon: Sampel acak dalam beberapa tahun terakhir ketika kita
independen (15.2) membaca label nutrisi pada produk makanan
● Tes peringkat bertanda Wilcoxon untuk eksperimen yang kita beli dan memilih makanan yang
berpasangan (15.5)
rendah lemak dan kolesterol serta tinggi serat.
Studi kasus di akhir bab ini melibatkan
percobaan uji rasa untuk membandingkan tiga
jenis pengganti telur, dengan menggunakan
teknik nonparametrik.
629
630 ❍ BAB 15STATISTIK NONPARAMETRIK
PENGANTAR
15.1
Beberapa eksperimen menghasilkan respons yang dapat diurutkan atau diberi
peringkat, tetapi nilai sebenarnya dari respons tidak dapat diukur secara numerik
kecuali dengan skala arbitrer yang mungkin Anda buat. Mungkin Anda hanya dapat
mengetahui apakah satu pengamatan lebih besar dari yang lain. Mungkin Anda dapat
memeringkat seluruh rangkaian pengamatan tanpa benar-benar mengetahui nilai
numerik yang tepat dari pengukuran tersebut. Berikut beberapa contohnya:
• Kemampuan penjualan dari empat perwakilan penjualan diberi peringkat dari yang terbaik
hingga yang terburuk.
• Karakteristik yang dapat dimakan dan rasa dari lima merek dedak kismis
dinilai pada skala 1 sampai 5.
• Lima desain mobil diberi peringkat dari yang paling menarik hingga yang paling tidak
menarik.
Bagaimana Anda bisa menganalisis jenis data ini? Metode statistik sampel kecil yang
Ketika ukuran
sampelkecil dan
disajikan dalam Bab 10-13 hanya valid jika populasi sampel normal atau kira-kira
populasi aslinya normal. Data yang terdiri dari peringkat atau skala arbitrer dari 1 sampai 5 tidak
tidaknormal, memenuhi asumsi normalitas, bahkan sampai tingkat yang wajar. Dalam beberapa
gunakan teknik aplikasi, teknik tersebut valid jika sampel diambil secara acak dari populasi yang
nonparametrik.
variansnya sama.
Ketika data tampaknya tidak memenuhi asumsi ini dan yang serupa, metode
analisis alternatif dapat digunakan—metode statistik nonparametrik. Metode
nonparametrik umumnya menentukan hipotesis dalam hal distribusi populasi
daripada parameter seperti rata-rata dan standar deviasi. Asumsi parametrik sering
diganti dengan asumsi yang lebih umum tentang distribusi populasi, dan peringkat
pengamatan sering digunakan sebagai pengganti pengukuran sebenarnya.
Penelitian telah menunjukkan bahwa uji statistik nonparametrik hampir mampu
mendeteksi perbedaan di antara populasi sebagai metode parametrik dari bab-bab
sebelumnya ketika normalitas dan asumsi lainnya terpenuhi. Mereka mungkin, dan
seringkali, lebih kuat dalam mendeteksi perbedaan populasi ketika asumsi ini tidak
terpenuhi. Untuk alasan ini, beberapa ahli statistik menganjurkan penggunaan
prosedur nonparametrik dalam preferensi untuk rekan parametrik mereka.
Kami akan menyajikan metode nonparametrik yang sesuai untuk membandingkan
dua atau lebih populasi menggunakan sampel independen atau berpasangan. Kami
juga akan menyajikan ukuran asosiasi yang berguna dalam menentukan apakah satu
variabel meningkat dengan peningkatan lainnya atau apakah satu variabel menurun
dengan peningkatan lainnya.
15.2
UJI JUMLAH PERINGKAT WILCOXON:
SAMPEL RANDOM INDEPENDEN
Dalam membandingkan rata-rata dua populasi berdasarkan sampel independen,
statistik terpenting adalah perbedaan rata-rata sampel. Jika Anda tidak yakin bahwa
asumsi yang diperlukan untuk uji-t dua sampel terpenuhi, salah satu alternatifnya
adalah mengganti nilai pengamatan dengan peringkatnya dan melanjutkan seolah-
olah peringkat tersebut adalah pengamatan yang sebenarnya. Dua tes nonparametrik
yang berbeda menggunakan statistik uji berdasarkan peringkat sampel ini:
• Tes jumlah peringkat Wilcoxon
• Tes U Mann-Whitney
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 631
Mereka setara karena mereka menggunakan informasi sampel yang sama. Prosedur
yang akan kami sajikan adalah uji jumlah peringkat Wilcoxon, yang diusulkan oleh
Frank Wilcoxon, yang didasarkan pada jumlah peringkat sampel yang memiliki
ukuran sampel yang lebih kecil.
Asumsikan bahwa Anda memiliki n1 pengamatan dari populasi 1 dan n2
pengamatan dari populasi 2. Hipotesis nol yang akan diuji adalah bahwa dua
distribusi populasi identik versus hipotesis alternatif bahwa distribusi populasi
berbeda. Ini adalah kemungkinan untuk dua populasi:
• Jika H0 benar dan pengamatan berasal dari populasi yang sama atau identik,
maka pengamatan dari kedua sampel harus dicampur secara acak ketika
diurutkan dari kecil ke besar. Jumlah peringkat pengamatan dari sampel 1
harus serupa dengan jumlah peringkat dari sampel 2.
• Sebaliknya, jika pengamatan dari populasi 1 cenderung lebih kecil daripada
pengamatan dari populasi 2, maka pengamatan ini akan memiliki peringkat
yang lebih kecil karena sebagian besar pengamatan ini akan lebih kecil
daripada pengamatan dari populasi 2. Jumlah peringkat dari pengamatan ini
akan menjadi "kecil".
• Jika pengamatan dari populasi 1 cenderung lebih besar dari populasi 2,
pengamatan ini akan diberi peringkat yang lebih besar. Jumlah peringkat
pengamatan ini cenderung "besar".
Membiarkan
T1 = Jumlah peringkat untuk sampel pertama
T*11=12n (n + n + 1) — T 1
T*1 adalah nilai jumlah rangking untuk n jika
1 pengamatan telah diurutkan dari
besar ke kecil.(Ini bukan jumlah peringkat untuk sampel kedua.) Bergantung
pada sifat hipotesis alternatif, salah satu dari dua nilai ini akan dipilih sebagai uji
statistik, T.
Tabel 7 dalam Lampiran I dapat digunakan untuk menemukan nilai kritis untuk uji
statistik untuk empat nilai uji satu sisi yang berbeda dengan a = 0,05, 0,025, 0,01, dan
0,005. Untuk menggunakan Tabel 7 untuk uji dua sisi, nilai a digandakan—yaitu, a =
0,10, 0,05, 0,02, dan 0,01. Entri yang diajukan memberikan nilai a sehingga P(T ≤ a)
≤ a. Untuk melihat bagaimana menemukan nilai kritis untuk uji jumlah peringkat
Wilcoxon, misalkan n1 = 8 dan n2 = 10 untuk uji satu arah dengan a = 0,05. Anda
dapat menggunakan Tabel 7(a), yang sebagian direproduksi pada Tabel 15.2.
Perhatikan bahwa tabel dibuat dengan mengasumsikan bahwa n1 ≤ n2. Karena alasan
inilah kami menunjuk populasi dengan ukuran sampel yang lebih kecil sebagai
populasi 1. Nilai n1 ditunjukkan di bagian atas tabel, dan nilai n2 ditunjukkan di sisi
kiri bawah. Entri—a = 56, diarsir—adalah nilai kritis untuk penolakan H0. Hipotesis
nol persamaan dua distribusi harus ditolak jika nilai yang diamati dari statistik uji T
kurang dari atau sama dengan 56.
Biarkan n1 menunjukkan yang lebih kecil dari dua ukuran sampel. Sampel ini
berasal dari populasi 1. Hipotesis yang akan diuji adalah
H0 : Distribusi untuk populasi 1 dan 2 identik versus salah satu dari tiga
hipotesis alternatif:
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 633
5. H0 ditolak jika statistik uji yang diamati kurang dari atau sama dengan nilai
kritis yang ditemukan menggunakan Tabel 7 pada Lampiran I.
Untuk uji dua sisi, statistik uji adalah T = 10, semakin kecil T1 = 34 dan T * = 110.
Untuk uji dua sisi ini dengan a = 0,05, Anda dapat menggunakan Tabel 7(b) di
Lampiran I dengan n1 = 4 dan n2 = 6. Nilai kritis T sehingga P(T ≤ a) ≤ a/2 = 0,025
adalah 12, dan Anda harus menolak hipotesis nol jika nilai T yang diamati adalah 12
atau kurang. Karena nilai yang diamati dari uji statistik—T = 10—kurang dari 12,
Anda dapat menolak hipotesis distribusi yang sama dari frekuensi kepakan sayap
pada tingkat signifikansi 5%.
Cetakan MINITAB dari uji jumlah peringkat Wilcoxon (disebut Mann–Whitney
oleh MINITAB) untuk data ini diberikan pada Gambar 15.1. Anda akan menemukan
petunjuk untuk menghasilkan output ini di bagian “MINITAB Saya” di akhir bab ini.
Perhatikan bahwa jumlah peringkat dari sampel pertama diberikan sebagai W = 34,0,
yang sesuai dengan perhitungan kami. Dengan nilai p yang dilaporkan sebesar 0,0142
dihitung dengan MINITAB, Anda dapat menolak hipotesis nol pada tingkat 5%.
GAMBAR 15.1
●
Uji Mann-Whitney dan CI: Spesies 1, Spesies 2
Hasil cetakuntuk Contoh
15.1 N median
Spesies 1 4 207.50
Spesies 2 6 180.00
Perkiraan Normal
untuk Tes Jumlah Peringkat Wilcoxon
Tabel 7 pada Lampiran I memuat nilai kritis untuk ukuran sampel n1 ≤ n2 = 3, 4, . . . .
n1(n1 + n2 + 1) n1n2(n1 + n2 + 1)
m T = ——
2
dan s T= ——
2 12
†
Beberapa peneliti menunjukkan bahwa pendekatan normal cukup untuk sampel sekecil n1 = n2 = 4.
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 635
Distribusi dari
T—mT
z= ——
st
kira-kira normal dengan mean 0 dan standar deviasi 1 untuk nilai n1 dan n2
sekecil 10.
Jika Anda mencoba pendekatan ini untuk Contoh 15.1, Anda mendapatkan
n1(n1 + n2 + 1) 4(4 + 6 + 1)
mT = —— = —— = 22
2 2
dan
n1n2(n1 + n2 + 1) 4(6)(4 + 6 + 1)
s2 T = —— = —— = 22
12 12
Nilai p untuk tes ini adalah 2P(T ≥ 34). Jika Anda menggunakan koreksi 0,5 untuk
kontinuitas dalam menghitung nilai z karena n1 dan n2 keduanya kecil,† Anda punya
T—mT (34 — 0,5) — 22
z = —— = —— = 2,45
sT √¯22
Nilai p untuk tes ini adalah
2P(T ≥ 34) ≈ 2P(z ≥ 2.45) = 2(.0071) = .0142
nilai yang dilaporkan pada cetakan MINITAB pada Gambar 15.1.
jenis kertas versus hipotesis alternatif bahwa kertas yang diberi perlakuan cenderung
lebih kuat (yaitu, distribusi pengukuran kekuatannya digeser ke kanan dari distribusi
yang sesuai untuk kertas yang tidak diberi perlakuan).
LarutanKarena ukuran sampelnya sama, Anda bebas untuk memutuskan yang mana
dari kedua sampel tersebut yang harus menjadi sampel 1. Memilih perlakuan standar
sebagai sampel pertama, Anda dapat mengurutkan 20 pengukuran kekuatan,1 dan nilai
T1 dan T* ditampilkan di bagian bawah tabel. Karena Anda ingin mendeteksi
pergeseran dalam pengukuran standar (1) ke kiri pengukuran (2) yang diberi
perlakuan, Anda melakukan uji arah kiri:
H0 : Tidak ada perbedaan dalam distribusi kekuatan
Hsebuah : Distribusi standar terletak di sebelah kiri distribusi yang diperlakukan
dan gunakan T = T1 sebagai statistik uji, mencari nilai T yang sangat kecil.
Untuk menemukan nilai kritis untuk uji satu sisi dengan a = 0,05, indeks Tabel
7(a) pada Lampiran I dengan n1 = n2 = 10. Dengan menggunakan entri tabel, Anda
dapat menolak H0 ketika T ≤ 82. Karena yang diamati nilai statistik uji adalah T =
85,5, Anda tidak dapat menolak H0. Tidak ada cukup bukti untuk menyimpulkan
bahwa kertas kraft yang dirawat lebih kuat dari kertas standar.
Untuk menggunakan perkiraan normal distribusi T, Anda dapat menghitung
n1(n1 + n2 + 1) 10(21)
mT = —— = —— = 105
2 2
dan
n1n2(n1 + n2 + 1) 10(10)(21)
s2T = —— = —— = 175
12 12
dengan sT = √¯175 = 13,23. Kemudian
T—mT 85,5 — 105
z = —— = —— = —1,47
st 13.23
Nilai p satu sisi yang sesuai dengan z = —1,47 adalah
p-nilai = P(z ≤ —1.47) = .5 — .4292 = .0708
yang lebih besar dari a = 0,05. Kesimpulannya sama. Anda tidak dapat menyimpulkan
bahwa kertas kraft yang dirawat lebih kuat dari kertas standar.
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 637
15.2LATIHAN
a. Nyatakan hipotesis nol dan alternatif yang 2. Sampel gabungan diberi peringkat dan T1 = 252.
akan diuji. Gunakan pendekatan sampel besar untuk uji jumlah
b. Beri peringkat sampel gabungan dari yang terkecil peringkat Wilcoxon untuk menentukan apakah ada
hingga yang terbesar.
1 Hitung T1 dan T*.
perbedaan -
c. Berapakah daerah penolakan untuk a = 0,05?
d. Apakah data memberikan bukti yang cukup untuk
menunjukkan bahwa populasi 1 bergeser ke kiri
populasi 2?
15.4Sampel acak independen dengan ukuran n1 = 20
dan n2 = 25 diambil dari populasi tidak normal 1 dan
638 ❍ BAB 15STATISTIK NONPARAMETRIK
diingat adalah sama untuk kedua kelompok ini. setelah 5 menit. Namun, kali ini orang berusia 65-70
20-an364871 12 78 tahun diberi ampakine CX-516 dosis ringan. Apakah
65–70-an104125 02 23
data memberikan bukti yang cukup untuk
menyimpulkan bahwa obat ini meningkatkan daya
15.7 Alzheimer, lanjutLihat Latihan ingat pada pria berusia 65-70 tahun dibandingkan
15.6. Misalkan dua kelompok lagi yang masing- dengan pria berusia 20 tahun? Gunakan tingkat yang
masing terdiri dari 10 pria diuji jumlah suku kata sesuai a.
yang tidak masuk akal yang dapat mereka ingat
ence dalam dua distribusi populasi. Hitung 20-an 11 7 6 8 6 9 2 10 3 6
p-nilai untuk ujian. 65–70- 1 9 6 8 7 8 5 7 10 3
an
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 639
Satu masalah yang mungkin terjadi ketika Anda melakukan tes tanda adalah
bahwa pengukuran yang diasosiasikan dengan satu atau lebih pasangan mungkin
sama dan menghasilkan pengamatan yang terikat. Ketika ini terjadi, hapus pasangan
yang terikat dan kurangi n, jumlah total pasangan. Contoh berikut akan membantu
Anda memahami bagaimana tes tanda dibuat dan digunakan.
CONTOH 15.3
Jumlah sekering listrik yang rusak yang diproduksi oleh dua jalur produksi, A dan B,
dicatat setiap hari selama 10 hari, dengan hasil yang ditunjukkan pada Tabel 15.6.
Variabel respon, jumlah sekering yang rusak, memiliki distribusi binomial yang tepat
dengan sejumlah besar sekering yang diproduksi per hari. Meskipun variabel ini akan
memiliki
640 ❍ BAB 15STATISTIK NONPARAMETRIK
kira-kira distribusi normal, pengawas pabrik akan lebih memilih uji statistik yang
cepat dan mudah untuk menentukan apakah satu lini produksi cenderung
menghasilkan lebih banyak cacat daripada yang lain. Gunakan uji tanda untuk
menguji hipotesis yang sesuai.
TABEL 15.6 ● Sekring Rusak Dari Dua Lini Produksi
Hari Jalur A Jalur Tanda Perbedaan
B
1 170 201 —
2 164 179 —
3 140 159 —
4 184 195 —
5 174 177 —
6 142 170 —
7 191 183 +
8 169 179 —
9 161 170 —
10 200 212 —
Nilai p yang cukup kecil = 0,022 memungkinkan Anda untuk menolak H0 pada
tingkat 5%. Ada bukti signifikan yang menunjukkan bahwa jumlah sekering yang
rusak tidak sama untuk kedua lini produksi; pada kenyataannya, lini B menghasilkan
lebih banyak barang cacat daripada lini A. Dalam contoh ini, uji tanda adalah alat
kasar yang mudah dihitung untuk mendeteksi lini produksi yang rusak dan bekerja
dengan sangat baik untuk mendeteksi perbedaan yang signifikan hanya dengan
menggunakan sejumlah minimum informasi.
dimana x adalah jumlah hari dimana jumlah kecelakaan pada shift malam melebihi
jumlah kecelakaan pada shift siang. Kemudian untuk a = 0,05, Anda dapat menolak
hipotesis nol jika z ≥ 1,96 atau z ≤ —1,96. Mengganti ke dalam rumus untuk z, Anda
mendapatkan
z x— .5n 63 — (.5)(100) 13
= —— = —— = —— = 2,60
.5√¯n .5√1¯00 5
Karena nilai z yang dihitung melebihi za/2 = 1,96, Anda dapat menolak hipotesis nol.
Data memberikan bukti yang cukup untuk menunjukkan perbedaan dalam distribusi
tingkat kecelakaan untuk shift siang versus shift malam.
Kapan sebaiknya uji tanda lebih diutamakan daripada uji-t berpasangan? Jika
hanya arah perbedaan pengukuran yang diberikan, maka hanya uji tanda yang dapat
digunakan. Di sisi lain, ketika data bersifat kuantitatif dan memenuhi asumsi
normalitas dan varians konstan, uji-t berpasangan harus digunakan. Plot probabilitas
normal dapat digunakan untuk menilai normalitas, sedangkan plot residu (di - d¯)
dapat mengungkapkan penyimpangan besar yang mungkin mengindikasikan varians
yang bervariasi dari satu pasangan ke pasangan lainnya. Ketika ada keraguan tentang
validitas asumsi, ahli statistik sering merekomendasikan agar kedua tes dilakukan.
Jika kedua pengujian mencapai kesimpulan yang sama, maka hasil pengujian
parametrik dapat dianggap valid.
642 ❍ BAB 15STATISTIK NONPARAMETRIK
15.3LATIHAN
TEKNIK DASAR dari yang lain; yaitu, P(xA > xB) G 1/2. Tes dengan
15.13 Misalkan Anda ingin menggunakan uji menggunakan nilai mendekati 0,05. Temukan nilai
tanda untuk menguji Ha : p > .5 untuk percobaan p untuk tes dan interpretasikan nilainya.
beda berpasangan dengan n = 25 pasang. b.Latihan 10.45 menggunakan statistik t untuk
a. Nyatakan situasi praktis yang menentukan hipotesis menguji hipotesis nol bahwa tidak ada perbedaan
alternatif yang diberikan. rata-rata penilaian properti antara penilai A dan B.
b. Gunakan Tabel 1 di Lampiran I untuk mencari nilai Periksa jawaban (di bagian jawaban) untuk Latihan
a 10.45 dan bandingkan dengan jawaban Anda pada
(a < 0,15) tersedia untuk pengujian. bagian
sebuah. Apakah hasil tes setuju? Jelaskan
15.14 Ulangi instruksi Latihan 15.13 untuk
mengapa jawabannya (atau tidak) konsisten.
Hsebuah : hal G .5.
15.18 Memasak GourmetDua ahli kuliner, A
15.15 Ulangi instruksi Latihan 15.13 dan EX1518 dan B, diberi nilai 22 kali makan dalam skala 1
15,14 untuk n = 10, 15, dan 20. sampai 10. Data ditampilkan dalam tabel. Apakah data
15.16 Eksperimen perbedaan berpasangan memberikan bukti yang cukup untuk menunjukkan
adalahEX1516 dilakukan untuk membandingkan bahwa salah satu penikmat makanan cenderung
dua populasi. Data ditampilkan dalam tabel. Gunakan memberikan penilaian yang lebih tinggi daripada yang
uji tanda untuk menentukan lain? Uji dengan menggunakan uji tanda dengan nilai
Mak SEB B Maka SE B
menambang apakah distribusi populasi berbeda. mendekati
ana UAH
0,05. nan BU
Berp n AH
asan 1 6 8 12 8 5
gan
Populasi 1 2 3 4 5 6 7
1 8.9 8.1 9.3 7.7 10.4 8.3 7.4 4 8 7 15 6 8
2 8.8 7.4 9.0 7.8 9.9 8.1 6.9 5 2 3 16 9 10
17 9 8
sebuah.Nyatakan hipotesis nol dan alternatif itu 6 7 4 18 4 6
7 9 9
untuk
uji. 8 7 8 19 4 3
b.Tentukan daerah penolakan yang sesuai dengan 9 2 5 20 5 4
menunjukkan bahwa salah satu penilai cenderung lebih
sebuah≈.01. 10 4 3 21 3 2
c.Hitung nilai yang diamati dari statistik uji. konservatif secara konsisten
d.Apakah data menyajikan bukti yang cukup untuk
menunjukkan bahwa populasi 1 dan 2 berbeda?
APLIKASI
15.17Nilai propertiDalam Latihan 10.45,
EX1517 Anda membandingkan penilaian properti dari
dua penilai pajak, A dan B. Penilaian mereka untuk
delapan properti ditunjukkan pada tabel:
Properti Asesor A Asesor B
1 76.3 75.1
2 88.4 86.8
3 80.2 77.3
4 94.7 90.6
5 68.7 69.1
6 82.8 81.0
7 76.1 75.3
8 79.0 79.1
jarak tembak tidak menyebabkan peningkatan kadar penyakit tertentu dikumpulkan dari sepuluh rumah sakit.
timbal dalam darah, maka p, probabilitas bahwa kadar Jumlah pasien yang diobati dengan obat bervariasi
timbal dalam darah seseorang meningkat, kurang dari
dari satu rumah sakit ke rumah sakit lainnya. Anda
atau sama dengan 0,5. Namun, jika penggunaan
ingin mengetahui apakah data menunjukkan bukti
lapangan tembak dalam ruangan menyebabkan
yang cukup untuk menunjukkan tingkat pemulihan
peningkatan kadar timbal dalam darah seseorang,
yang lebih tinggi untuk salah satu dari dua obat
maka p > 0,5. Gunakan uji tanda untuk menentukan
tersebut.
apakah penggunaan lapangan tembak di dalam
ruangan memiliki efek meningkatkan kadar timbal a. Tes menggunakan tes tanda. Pilih wilayah
dalam darah seseorang dengan a = 0,05. (PETUNJUK: penolakan Anda sehingga mendekati 0,05.
Perkiraan normal terhadap probabilitas binomial b. Mengapa mungkin tidak tepat untuk menggunakan Student's
cukup akurat untuk n = 17.) t-tes dalam menganalisis data?
15.20 Tarif Pemulihan Perhatian data klinis
EX1520 ning efektivitas dua obat dalam mengobati
Obat A Obat B
Nomor Nomor Persentase Nomor Nomor Persentase
RSUD di Grup Pulih Pulih RSUD di Grup Pulih Pulih
1 84 63 75.0 1 96 82 85.4
2 63 44 69.8 2 83 69 83.1
3 56 48 85.7 3 91 73 80.2
4 77 57 74.0 4 47 35 74.5
5 29 20 69.0 5 60 42 70.0
6 48 40 83.3 6 27 22 81.5
7 61 42 68.9 7 69 52 75.4
8 45 35 77.8 8 72 57 79.2
9 79 57 72.2 9 89 76 85.4
10 62 48 77.4 10 46 37 80.4
Untuk uji dua sisi, gunakan yang lebih kecil dari dua besaran T ini sebagai statistik
uji untuk menguji hipotesis nol bahwa dua histogram frekuensi relatif populasi adalah
identik. Semakin kecil nilai T, semakin besar bobot bukti yang mendukung penolakan
hipotesis nol. Oleh karena itu, Anda akan menolak hipotesis nol jika T kurang dari
atau sama dengan suatu nilai—katakanlah, T0.
Untuk mendeteksi alternatif satu sisi, bahwa distribusi 1 digeser ke kanan
distribusi 2, gunakan jumlah pangkat T — dari perbedaan negatif dan tolak hipotesis
nol untuk nilai kecil dari T ——katakanlah, T — ≤ T0. Jika Anda ingin mendeteksi
pergeseran distribusi 2 ke kanan distribusi 1, gunakan jumlah peringkat T + dari
perbedaan positif sebagai uji statistik dan tolak hipotesis nol untuk nilai kecil T +
katakanlah, T + ≤ T0.
Probabilitas bahwa T kurang dari atau sama dengan beberapa nilai T0 telah
dihitung untuk kombinasi ukuran sampel dan nilai T0. Probabilitas ini, diberikan pada
Tabel 8 pada Lampiran I, dapat digunakan untuk menemukan daerah penolakan untuk
uji T.
Versi singkat dari Tabel 8 ditunjukkan pada Tabel 15.7. Di bagian atas tabel Anda
melihat jumlah perbedaan (jumlah pasangan) n. Nilai a untuk uji satu sisi muncul di
kolom pertama tabel. Kolom kedua memberikan nilai a untuk uji dua sisi. Entri tabel
adalah nilai kritis dari T. Anda akan ingat bahwa nilai kritis dari uji statistik adalah
nilai yang menempatkan batas daerah penolakan.
Misalnya, Anda memiliki n = 7 pasangan dan Anda sedang melakukan uji dua sisi
dari hipotesis nol bahwa dua distribusi frekuensi relatif populasi adalah identik.
Memeriksa n = 7 kolom Tabel 15.7 dan menggunakan baris kedua (sesuai dengan a =
0,05 untuk uji dua sisi), Anda melihat entri 2 (berarsir). Nilai ini adalah T0, nilai
kritis dari T. Seperti disebutkan sebelumnya, semakin kecil nilai T, semakin besar
bukti untuk menolak hipotesis nol. Oleh karena itu, Anda akan menolak hipotesis nol
untuk semua nilai T yang kurang dari atau sama dengan 2. Daerah penolakan untuk
uji peringkat bertanda Wilcoxon untuk percobaan berpasangan selalu dalam bentuk:
Tolak H0 jika T ≤ T0, dengan T0 adalah nilai kritis T. Daerah penolakan ditunjukkan
secara simbolis pada Gambar 15.2.
Versi Singkat Tabel 8 di Lampiran I;
TABEL 15.7 ● Nilai Kritis dariT
Berat Dua Sisi n=5 n=6 n=7 n=8 n=9 n=10 n=11
sebelah
sebuah=.0 sebuah=.1 1 2 4 6 8 11 14
50 0
sebuah=.0 sebuah=.0 1 2 4 6 8 11
25 5
sebuah=.0 sebuah=.0 0 2 3 5 7
10 2
sebuah=.0 sebuah=.0 0 2 3 5
05 1
Berat sebelah Dua Sisi n=12 n=13 n=14 n=15 n=16 n=17
sebuah=.050 sebuah=.1 17 21 26 30 36 41
0
GAMBAR 15.2 ●
Daerah penolakan untuk
0 12 T0 T
Uji peringkat bertanda
Wilcoxon untuk percobaan Wilayah
berpasangan (tolak H0 jika penolakan
T≤T0)
15.5 UJI PERANGKAT BERTANDA WILCOXON UNTUK EKSPERIMEN BERPASANGAN
❍ 647
CONTOH 15.5
Eksperimen dilakukan untuk membandingkan kepadatan kue yang dibuat dari dua
campuran kue yang berbeda, A dan B. Enam loyang kue menerima adonan A, dan
enam menerima adonan B. Mengharapkan variasi suhu oven, pelaku eksperimen
menempatkan A dan a kue B berdampingan di enam lokasi berbeda di dalam oven.
Uji hipotesis tidak ada perbedaan distribusi populasi kepadatan kue untuk dua adonan
kue yang berbeda.
LarutanData (kepadatan dalam ons per inci kubik) dan perbedaan kepadatan untuk
enam pasang kue diberikan pada Tabel 15.8. Boxplot perbedaan pada Gambar 15.3
menunjukkan skewing yang cukup kuat dan perbedaan yang sangat besar di bagian
kanan, yang menunjukkan bahwa data mungkin tidak memenuhi asumsi normalitas.
Sampel perbedaan terlalu kecil untuk membuat keputusan yang valid tentang
normalitas dan varian konstan. Dalam situasi ini, tes peringkat bertanda Wilcoxon
mungkin merupakan tes yang bijaksana untuk digunakan.
Seperti uji nonparametrik lainnya, hipotesis nol yang akan diuji adalah bahwa dua
distribusi frekuensi populasi dari kepadatan kue adalah identik. Hipotesis alternatif,
yang menyiratkan uji dua sisi, adalah bahwa distribusinya berbeda. Karena jumlah
datanya kecil, Anda dapat melakukan pengujian dengan menggunakan a = 0,10. Dari
Tabel 8 pada Lampiran I, nilai kritis T untuk uji dua sisi, a = 0,10, adalah T0 = 2.
Oleh karena itu, Anda dapat menolak H0 jika T ≤ 2.
†
Untuk mendeteksi pergeseran distribusi2 di sebelah kanan distribusi 1, gunakan pangkat jumlah T + selisih
positif sebagai statistik uji dan tolak H0 jika T + ≤ T0.
648 ❍ BAB 15STATISTIK NONPARAMETRIK
GAMBAR 15.3 ●
Plot kotak perbedaan untuk
Contoh 15.5
Selisih (x1 — x2) dihitung dan diberi peringkat berdasarkan nilai absolutnya pada
Tabel 15.8. Jumlah rank positif adalah T + = 2, dan jumlah rank negatif adalah T — =
19. Statistik uji adalah yang lebih kecil dari dua jumlah rank ini, atau T = 2. Karena T
= 2 termasuk dalam daerah penolakan, Anda dapat menolak H0 dan menyimpulkan
bahwa dua distribusi frekuensi populasi kepadatan kue berbeda.
Cetakan MINITAB dari tes peringkat bertanda Wilcoxon untuk data ini diberikan
pada Gambar 15.4. Anda akan menemukan petunjuk untuk menghasilkan output ini
di bagian "MINITAB Saya" di akhir bab ini. Anda dapat melihat bahwa nilai statistik
uji sesuai dengan perhitungan lainnya, dan nilai p menunjukkan bahwa Anda dapat
menolak H0 pada tingkat signifikansi 10%.
GAMBAR 15.4
●
Tes Peringkat Bertanda Wilcoxon: Perbedaan
MINITABhasil cetak
Contoh 15.5 Uji median = 0,000000 versus median bukan = 0,000000
N Statisti Diperkirakan
N untu k P median
k Wilcoxon
Tes
Perbedaan 6 6 2.0 0,093 -0,01100
15.5LATIHAN
TEKNIK DASAR
15.21 Misalkan Anda ingin mendeteksi perbedaan 15.22 Lihat Latihan 15.21. Misalkan Anda hanya
lokasi dari dua distribusi populasi berdasarkan ingin mendeteksi pergeseran distribusi 1 ke kanan
eksperimen beda-berpasangan yang terdiri dari n = 30 distribusi 2.
pasang.
a. Berikan hipotesis nol dan alternatif untuk uji
a. Berikan hipotesis nol dan alternatif untuk uji peringkat bertanda Wilcoxon.
peringkat bertanda Wilcoxon. b. Berikan statistik uji.
b. Berikan statistik uji. c. Berikan daerah penolakan untuk pengujian untuk a = 0,05.
c. Berikan daerah penolakan untuk pengujian untuk a d. Jika T+ = 249, apa kesimpulan Anda? [CATATAN:
= 0,05. T+ + T — = n(n + 1)/2.]
d. Jika T+ = 249, apa kesimpulan Anda? [CATATAN:
T+ + T — = n(n + 1)/2.]
650 ❍ BAB 15STATISTIK NONPARAMETRIK
Bulan SEBUAH B
1 3 7
2 14 12
3 7 9
4 10 15
5 9 12
6 6 6
7 13 12
15.5 UJI PERANGKAT BERTANDA WILCOXON UNTUK EKSPERIMEN BERPASANGAN
EX1530 diminta untuk melakukan tugas ❍ 651
perakitan puzzle sederhana dalam kondisi
normal dan dalam kondisi stres. Selama
masa stres, kejutan ringan diberikan kepada
subjek 3 menit setelah dimulainya
eksperimen dan setiap 30 detik sesudahnya
hingga tugas selesai. Pembacaan tekanan
darah dilakukan pada kedua kondisi
tersebut. Data dalam tabel adalah
pembacaan tertinggi selama percobaan.
Apakah data menyajikan bukti yang cukup
untuk menunjukkan pembacaan tekanan
darah yang lebih tinggi dalam kondisi
stres?
Analisis data menggunakan uji peringkat
bertanda Wilcoxon untuk eksperimen
berpasangan.
652 ❍ BAB 15STATISTIK NONPARAMETRIK
15.31 Ingat Gambar dan KataSebuah c. Bandingkan hasil pengujian pada bagian b.
EX1531 psy-kelas chology melakukan percobaan Apakah kesimpulannya sama? Jika tidak,
untuk mengapa tidak?
tentukan apakah skor ingatan di mana instruksi untuk
membentuk gambar dari 25 kata diberikan berbeda dari
skor ingatan awal yang tidak diberikan instruksi
pencitraan. Dua puluh siswa berpartisipasi dalam
percobaan dengan hasil yang tercantum dalam tabel.
Dengan Tanpa Dengan Tanpa
Siswa Pencitra Pencitraa Siswa Pencitra Pencitra
an n an an
1 20 5 11 17 8
2 24 9 12 20 16
3 20 5 13 20 10
4 18 9 14 16 12
5 22 6 15 24 7
6 19 11 16 22 9
7 20 8 17 25 21
8 19 11 18 21 14
9 17 7 19 19 12
10 21 9 20 23 13
yang sebanding dengan S ni(¯Ti — ¯T )2, jumlah simpangan pangkat dua pangkat
rata-rata rata-rata ¯T = n(n + 1)/2n = (n + 1)/2. Semakin besar perbedaan lokasi di
antara k distribusi populasi, semakin besar nilai statistik H. Dengan demikian, Anda
dapat menolak hipotesis nol bahwa k distribusi populasi identik untuk nilai H yang
besar.
Seberapa besar besar? Dapat ditunjukkan (bukti dihilangkan) bahwa ketika ukuran
sampel sedang hingga besar katakanlah, setiap ukuran sampel sama dengan lima atau
lebih besar dan ketika H0 benar, statistik H akan memiliki kira-kira distribusi chi-
kuadrat dengan (k — 1) derajat kebebasan. Oleh karena itu, untuk nilai a tertentu,
Anda dapat menolak H0 s ketika statistik H melebihi x 2 (lihat Gambar 15.5).
e
GAMBAR 15.5
f(H
●
Perkiraan distribusi
dari statistik H ketika H0 Distribusi chi-kuadrat
adalah benar
0 H
Wilayah penolakan
CONTOH 15.6
Data pada Tabel 15.9 dikumpulkan dengan menggunakan rancangan acak lengkap.
Itu adalah nilai tes prestasi untuk empat kelompok siswa yang berbeda, masing-
masing kelompok diajar dengan teknik mengajar yang berbeda. Tujuan dari
percobaan ini adalah untuk menguji hipotesis tidak ada perbedaan dalam distribusi
populasi skor tes prestasi versus alternatif yang lokasinya berbeda; yaitu, setidaknya
salah satu distribusi bergeser di atas yang lain. Lakukan pengujian menggunakan uji-
H Kruskal–Wallis dengan a = 0,05.
TABEL 15.9 ● Skor Tes (dan Peringkat) dari Empat Teknik Pengajaran
1 2 3 4
65 (3) 75 (9) 59 (1) 94 (23)
87 (19) 69 (5.5) 78 (11) 89 (21)
73 (8) 83 (17.5) 67 (4) 80 (14)
79 (12.5) 81 (15.5) 62 (2) 88 (20)
81 (15.5) 72 (7) 83 (17.5)
69 (5.5) 79 (12.5) 76 (10)
90(22)
Jumlah Peringkat T1 T2 =89 T3 =45.5 T4 =78
=63.5
LarutanSebelum Anda melakukan analisis nonparametrik pada data ini, Anda dapat
menggunakan analisis varians satu arah untuk menyediakan dua plot pada Gambar
15.6. Tampak bahwa teknik 4 memiliki varian yang lebih kecil daripada tiga teknik
lainnya dan terdapat penyimpangan yang jelas di ujung kanan plot probabilitas
normal. Penyimpangan ini dapat dianggap kecil dan analisis parametrik atau
nonparametrik dapat digunakan.
652 ❍ BAB 15STATISTIK NONPARAMETRIK
GAMBAR 15.6 ●
Plot probabilitas normal Plot Probabilitas Normal dari Residual
dan plot residual (respons adalah
Skor)
99
mengikuti analisis varians
satu arah untuk Contoh 95
90
15.6
80
70
60
Persen
50
40
30
20
10
5
1
—20 —10 0 10 20
Sisa
10
0
Sisa
—5
—
10
70 75 80 85 90
Nilai Pas
(89) (45.5) —
= —— 12
23(24) —— 6 [
(63.5)2
—— + 2—— +2 —— +
7 6
(78)2 3(24)
]
4
= 79,775102 — 72 =
7,775102
Daerah penolakan untuk statistik H untuk a = 0,05 mencakup nilai H ≥ x 2 , di mana
2 .05
.05
x didasarkan pada (k — 1) = (4 — 1) = 3 df. Nilai x2 diberikan pada Tabel 5 di
Lampiran I adalah x 2.05 = 7,81473. Nilai statistik H yang diamati, H = 7,775102,
tidak jatuh ke daerah penolakan untuk pengujian. Oleh karena itu, tidak cukup bukti
untuk menunjukkan perbedaan dalam distribusi nilai tes prestasi untuk keempat
teknik pengajaran tersebut.
15.6 UJI-H KRUSKAL–WALLIS UNTUK DESAIN ACAK SEPENUHNYA ❍ 653
Cetakan MINITAB dari uji-H Kruskal–Wallis untuk data ini diberikan pada
Gambar 15.7. Perhatikan bahwa nilai-p, 0,051, hanya sedikit lebih besar dari tingkat
5% yang diperlukan untuk menyatakan signifikansi statistik.
GAMBAR 15.7
●
Tes Kruskal-Wallis: Skor versusTeknik
MINITABcetakan untuk
uji Kruskal–Wallis untuk Tes Kruskal-Wallis pada Skor
Contoh 15.6
Teknik N median Peringkat Z
rata-rata
1 6 76.00 10.6 -0,60
2 7 79.00 12.7 0,33
3 6 71.50 7.6 -1,86
4 4 88.50 19.5 2.43
Keseluruha 23 12.0
n
H = 7,78 DF = 3 P = 0,051
H = 7,79 DF = 3 P = 0,051 (disesuaikan dengan ikatan)
CONTOH 15.7
Bandingkan hasil analisis uji-F varians dan uji-H Kruskal–Wallis untuk pengujian
perbedaan distribusi nilai tes prestasi untuk keempat teknik pengajaran pada Contoh
15.6.
LarutanCetakan MINITAB untuk analisis varians satu arah untuk data pada Tabel
15.9 diberikan pada Gambar 15.8. Analisis varians menunjukkan bahwa uji-F untuk
menguji perbedaan rata-rata keempat teknik tersebut signifikan pada tingkat
tingkat 0,028. Uji-H Kruskal–Wallis tidak mendeteksi pergeseran distribusi populasi
pada tingkat signifikansi 0,05. Meskipun kesimpulan ini tampaknya berjauhan, hasil
tes tidak berbeda jauh. Nilai-p = 0,028 sesuai dengan F = 3,77, dengan df1 = 3 dan
df2 = 19, sedikit kurang dari 0,05, berbeda dengan nilai-p = 0,051 untuk H = 7,78, df
= 3, yaitu sedikit lebih besar dari 0,05. Seseorang yang melihat nilai p untuk kedua
tes tersebut akan melihat sedikit perbedaan dalam hasil tes F dan H. Namun, jika
Anda mengikuti pilihan a = 0,05, Anda tidak dapat menolak H0 dengan
menggunakan uji-H.
GAMBAR 15.8
●
ANOVA satu arah: Skor versus Teknik
MINITABhasil cetak Contoh 15.7
Sumber DF SS NONA F P
Teknik 3 712.6 237.5 3.77 0,028
Kesalahan 19 1196.6 63.0
Total 22 1909.2
12 T2
3. Uji statistik: H = —— S ——i — 3(n + 1)
n(n + 1)ni (lanjutan)
654 ❍ BAB 15STATISTIK NONPARAMETRIK
Uji-H Kruskal-Wallis adalah alternatif yang berharga untuk analisis varians satu
arah ketika normalitas dan kesamaan asumsi varians dilanggar. Sekali lagi, plot
probabilitas normal residu dan plot residu per kelompok perlakuan sangat membantu
dalam menentukan apakah asumsi ini telah dilanggar. Ingatlah bahwa plot
probabilitas normal akan tampak sebagai garis lurus dengan kemiringan positif; plot
sisa per kelompok perlakuan harus menunjukkan penyebaran yang sama di atas dan
di bawah garis 0.
15.6LATIHAN
TEKNIK DASAR
15.32 Tiga perlakuan dibandingkan 15.33 Empat perlakuan dibandingkan menggunakan
menggunakan
EX1532 desain acak lengkap. Datanya adalah EX1533 desain acak lengkap. Datanya adalah
ditampilkan dalam tabel. ditampilkan di sini:
Perlakuan
Perlakuan
1 2
1 2 3
3
4
26 27 25
124 147 141 117
29 31 24
167 121 144 128
23 30 27
135 136 139 102
24 28 22
160 114 162 119
28 29 24
159 129 155 128
26 32 20
144 117 150 123
30 21
133 109
33
Apakah data memberikan bukti yang cukup untuk Apakah data memberikan bukti yang cukup untuk
menunjukkan perbedaan lokasi untuk setidaknya dua menunjukkan perbedaan lokasi untuk setidaknya dua
distribusi populasi? Uji menggunakan statistik distribusi populasi? Uji menggunakan statistik
Kruskal–Wallis H dengan a = 0,05. Kruskal–Wallis H dengan a = 0,05.
15.6 UJI-H KRUSKAL–WALLIS UNTUK DESAIN ACAK SEPENUHNYA ❍ 655
CONTOH 15.8
Misalkan Anda ingin membandingkan waktu reaksi orang yang terpapar enam
rangsangan berbeda. Pengukuran waktu reaksi diperoleh dengan mengarahkan
seseorang pada suatu rangsangan dan kemudian mengukur waktu sampai orang
tersebut menunjukkan beberapa reaksi tertentu. Tujuan percobaan adalah untuk
menentukan apakah ada perbedaan waktu reaksi untuk rangsangan yang digunakan
dalam percobaan. Untuk menghilangkan variasi waktu reaksi orang-ke-orang, empat
orang berpartisipasi dalam percobaan dan waktu reaksi setiap orang (dalam detik)
diukur untuk masing-masing dari enam rangsangan. Data diberikan pada Tabel 15.10
(peringkat pengamatan ditunjukkan dalam tanda kurung). Gunakan Friedman Fr-test
untuk menentukan apakah data menyajikan bukti yang cukup untuk menunjukkan
perbedaan dalam distribusi waktu reaksi untuk enam rangsangan. Uji menggunakan a
= 0,05.
LarutanPada Gambar 15.9, plot residual untuk masing-masing dari enam rangsangan
mengungkapkan bahwa rangsangan 1, 4, dan 5 memiliki variasi yang agak lebih kecil
daripada rangsangan lainnya. Selain itu, plot probabilitas normal dari residu
mengungkapkan perubahan kemiringan garis mengikuti tiga residu pertama, serta
kelengkungan di bagian atas plot. Tampaknya analisis nonparametrik sesuai untuk
data ini.
15.7 FRIEDMAN Fr-TEST UNTUK DESAIN BLOK ACAK ❍ 657
GAMBAR 15.9 ●
Sebuah plot perawatan ver- Residu versus Stimulus
(tanggapanwaktu
residu sus dan normalplot nya)
probabilitas residu untuk
0,10
Contoh 15.8
0,05
0,00
Sisa
0,05
—
0,10
—
0,15
1 2 3 4 5 6
—
0,20 Rangsan
gan
95
90
80
70
60
Persen
50
40
30
20
10
5
1
— — 0,0 0,1 0,2
0,2 0,1 Sisa
Tabel 15.10 menunjukkan peringkat (dalam tanda kurung) pengamatan dalam setiap
blok dan jumlah peringkat untuk masing-masing dari enam stimulus (perlakuan).
Nilai statistik Fr untuk data ini adalah
12 2
F r = ——S Ti— 3b(k + 1)
bk(k + 1)
12
=—— 2
[(11) + + + ∙∙∙ + (9,5)2] — 3(4)(7)
(4)(6)(7) (23)2 (19)2
= 100,75 — 84 = 16,75
Karena jumlah k = 6 dari perlakuan melebihi lima, distribusi sampling Fr dapat
didekati dengan distribusi chi-kuadrat dengan (k — 1) = (6 — 1) = 5 df. Oleh karena
itu, untuk a = 0,05, Anda dapat menolak H0 jika
Fr>x2
.05 di mana x2.05 = 11,0705
658 ❍ BAB 15STATISTIK NONPARAMETRIK
Daerah penolakan ini ditunjukkan pada Gambar 15.10. Karena diamati nilai Fr = 16,75
melebihi x2
.05= 11,0705, jatuh di daerah penolakan. Oleh karena itu, Anda dapat menolak H0
dan menyimpulkan bahwa distribusi waktu reaksi berbeda di lokasi untuk setidaknya
dua rangsangan. Hasil cetakan MINITAB dari Friedman Fr-test untuk data diberikan
pada Gambar 15.11.
GAMBAR ●
15.10 f(Fr
Penolakanwilayah
untuk Contoh 15.8
=
0,05
0 = 11,0705 Fr
.05
Wilayah Diamatinilai Fr
penolaka
n
GAMBAR
●
15.11 Tes Friedman: Waktu versus Stimulus diblokir oleh Subjek
MINITABhasil cetak S = 16,75 DF = 5 P = 0,005
Contoh 15.8 S = 17,37 DF = 5 P = 0,004 (disesuaikan dengan seri)
CONTOH 15.9
Temukan perkiraan nilai-p untuk pengujian dalam Contoh 15.8.
Larutan Konsultasi Tabel 5 dalam Lampiran I dengan 5 df, Anda menemukan bahwa diamati
nilai Fr = 16,75 melebihi nilai tabel x 2 .005 = 16,7496. Oleh karena itu, p-nilai adalah
sangat dekat, tetapi sedikit kurang dari, 0,005.
di mana
b= Jumlah blok
k= Jumlah perlakuan
Ti= Jumlah ranking untuk perlakuan i, i = 1, 2, . . . , k
4. Daerah penolakan: Fr > x 2, dimana x 2 didasarkan pada (k — 1) df
sebuah sebuah
15.7LATIHAN
TEKNIK DASAR
15.38 Rancangan acak kelompok digunakan a. Gunakan Friedman Fr-test untuk mendeteksi perbedaan
untuk
EX1538 membandingkan tiga perlakuan dalam lokasi di antara empat distribusi perlakuan. Uji
enam blok. menggunakan a = 0,05.
Perlakuan
Memblokir 1 2 3 b. Temukan perkiraan nilai-p untuk tes di bagian a.
1 3.2 3.1 2.4 c. Lakukan analisis varians dan berikan tabel
2 2.8 3.0 1.7
3 4.5 5.0 3.9
ANOVA untuk analisisnya.
4 2.5 2.7 2.6 d. Berikan nilai statistik F untuk menguji
5 3.7 4.1 3.5 persamaan rata-rata empat perlakuan.
6 2.4 2.4 2.0
e. Berikan perkiraan nilai p untuk statistik F di
a. Gunakan uji Friedman Fr untuk mendeteksi bagian d.
perbedaan lokasi di antara ketiga distribusi
f. Bandingkan nilai-p untuk tes di bagian a dan d,
perlakuan. Uji menggunakan a = 0,05.
dan jelaskan implikasi praktis dari perbandingan
b. Temukan perkiraan nilai-p untuk tes di bagian a. tersebut.
c. Lakukan analisis varians dan berikan tabel
ANOVA untuk analisisnya.
d. Berikan nilai statistik F untuk menguji
APLIKASI
persamaan rata-rata tiga perlakuan.
e. Berikan perkiraan nilai p untuk statistik F di 15.40 Harga SupermarketDalam perbandingan-
bagian d. EX1540 Dari harga barang di lima supermarket, enam
barang dipilih secara acak dan harga masing-masing
f. Bandingkan nilai-p untuk tes di bagian a dan d,
dicatat untuk masing-masing dari lima supermarket.
dan jelaskan implikasi praktis dari perbandingan
Tujuan dari penelitian ini adalah untuk melihat apakah
tersebut.
data menunjukkan adanya perbedaan tingkat harga di
15.39 Rancangan acak kelompok digunakan antara kelima supermarket tersebut. Harga tercantum
untuk dalam tabel.
EX1539 membandingkan empat perlakuan dalam delapan blok.
Kash Winn- Maka
Perlakuan Barang n'Karr Publix Dixie Albertsons nan 4
y Kura
Memblokir 1 2 3 4 ng
1 89 81 84 85 Colgat
pasta gigi .33
1.28 .34
1.49 .69
1.44 .59
1.37 .58
1.28
2 93 86 86 88 milik
Campbell
3 91 85 87 86 Sup daging 1.05 1.19 1.23 1.19 1.10
4 85 79 80 82 Hancur
5 90 84 85 85 nanas .83 .95 .95 .87 .84
6 86 78 83 84 milik Mueller
660 ❍ BAB 15STATISTIK NONPARAMETRIK
7 87 80 83 82 spageti .68 .79 .83 .69 .69
8 93 86 88 90 saus tomat Heinz 1.41 1.69 1.79 1.65 1.49
15.7 FRIEDMAN Fr-TEST UNTUK DESAIN BLOK ACAK ❍ 661
Dua variabel yang menarik adalah peringkat dan skor tes. Yang pertama sudah
dalam bentuk rangking, dan nilai ujian dapat dirangking dengan cara yang sama,
seperti yang ditunjukkan pada Tabel 15.12. Peringkat untuk pengamatan yang terikat
diperoleh dengan merata-ratakan peringkat yang akan dimiliki oleh pengamatan yang
diikat jika tidak ada hubungan yang diamati. Koefisien korelasi peringkat Spearman
rs dihitung dengan menggunakan peringkat pengukuran berpasangan pada dua
variabel x dan y dalam rumus untuk r (lihat Bab 12).
CONTOH 15.10
Hitung rs untuk data pada Tabel 15.12.
Larutan Selisih dan kuadrat selisih antara kedua peringkat disajikan pada Tabel
15.13. Mengganti nilai ke dalam rumus untuk rs, Anda punya
6Sd2
rs = 1 —--saya
n(n2 — 1)
6(144)
= 1 — —— = —.714
8(64 — 1)
Koefisien korelasi rank Spearman dapat digunakan sebagai uji statistik untuk
menguji hipotesis tidak adanya hubungan antara dua populasi. Anda dapat berasumsi
bahwa n pasang pengamatan (xi, yi) telah dipilih secara acak dan, oleh karena itu,
tidak ada hubungan antara populasi yang menyiratkan penempatan acak n peringkat
dalam setiap sampel. Setiap tugas acak (untuk dua sampel) mewakili peristiwa
sederhana yang terkait dengan eksperimen, dan nilai rs dapat dihitung untuk masing-
masingnya. Dengan demikian, adalah mungkin untuk menghitung probabilitas bahwa
rs mengasumsikan nilai absolut yang besar semata-mata karena kebetulan dan dengan
demikian menunjukkan hubungan antara populasi ketika tidak ada. Daerah penolakan
untuk uji dua sisi ditunjukkan pada Gambar 15.12. Jika hipotesis alternatif adalah
bahwa korelasi antara x dan y adalah negatif, Anda akan menolak H0 untuk nilai
negatif rs yang mendekati —1 (di bagian bawah Gambar 15.12). Demikian pula, jika
hipotesis alternatif adalah bahwa korelasi antara x dan y adalah positif,
Anda akan menolak H0 untuk nilai rs positif yang besar (di ujung atas Gambar 15.12).
GAMBAR 15.12 ●
Daerah penolakan untuk dua –1
uji berekordari nol hipo- -r0 0 r0 1
tesis tidak ada hubungan,
Wilayah Wilayah
menggunakan uji korelasi penolak penolaka
peringkat Spearman an n
rs= Koefisien korelasi peringkat Spearman
Nilai kritis rs diberikan pada Tabel 9 pada Lampiran I. Versi singkat ditunjukkan
pada Tabel 15.14. Di bagian atas Tabel 15.14 (dan Tabel 9 dalam Lampiran I) adalah
nilai tercatat dari a yang mungkin ingin Anda gunakan untuk uji satu sisi hipotesis nol
yang tidak ada hubungan antara x dan y. Jumlah pasangan peringkat n muncul di sisi
kiri tabel. Entri tabel memberikan nilai kritis r0 untuk uji satu sisi. Jadi, P(rs ≥ r0) = a.
15.8 KOEFISIEN KORELASI PERINGKAT ❍ 663
Untuk melakukan uji dua sisi, Anda menolak hipotesis nol jika rs ≥ r0 atau rs ≤ —
r0. Nilai a untuk tes adalah dua kali lipat dari nilai yang ditampilkan di bagian atas
tabel. Misalnya, jika n = 8 dan Anda memilih kolom 0,025, Anda akan menolak H0
jika rs ≥ ,738 atau rs ≤ —.738. Nilai a untuk tes ini adalah 2(0,025) = 0,05.
CONTOH 15.11
Uji hipotesis tidak adanya hubungan antara populasi untuk Contoh 15.10.
Larutan Nilai kritis rs untuk uji satu arah dengan a = 0,05 dan n = 8 adalah
.643. Anda mungkin berasumsi bahwa korelasi antara peringkat juri dan nilai ujian
guru tidak mungkin positif. (Peringkat rendah berarti pengajaran yang baik dan harus
dikaitkan dengan skor ujian yang tinggi jika hakim dan tes tersebut mengukur
kemampuan mengajar.) Hipotesis alternatifnya adalah bahwa koefisien korelasi
peringkat populasi rs kurang dari 0, dan Anda peduli dengan satu -uji statistik
berekor. Jadi, a untuk pengujian adalah nilai tabulasi untuk 0,05, dan Anda dapat
menolak hipotesis nol jika rs ≤ —0,643. Nilai statistik uji yang dihitung, rs = -.714,
lebih kecil dari nilai kritis untuk a = .05. Oleh karena itu, hipotesis nol ditolak pada
tingkat signifikansi a = 0,05. Tampaknya memang ada kesepakatan antara peringkat
juri dan nilai ujian. Namun, perlu dicatat bahwa kesepakatan ini bisa ada ketika tidak
memberikan tolok ukur yang memadai untuk mengukur kemampuan mengajar.
Misalnya, asosiasi bisa ada jika hakim dan mereka yang membangun pemeriksaan
guru memiliki konsep yang benar-benar salah, tetapi mirip dengan karakteristik
pengajaran yang baik.
Apa sebenarnya yang diukur rs? Koefisien korelasi Spearman mendeteksi tidak
hanya hubungan linier antara dua variabel tetapi juga hubungan monoton lainnya
(baik y meningkat ketika x meningkat atau y menurun ketika x meningkat). Sebagai
contoh, jika Anda menghitung rs untuk dua set data pada Tabel 15.15, keduanya akan
menghasilkan nilai rs = 1 karena peringkat yang diberikan untuk x dan y dalam kedua
kasus sama untuk semua pasangan (x, y). Penting untuk diingat bahwa nilai
signifikan rs menunjukkan hubungan antara x dan y yang meningkat atau menurun,
tetapi belum tentu linier.
15.8LATIHAN
TEKNIK DASAR
15.43 Berikan wilayah penolakan untuk tes untuk 15.45 Berikan wilayah penolakan untuk tes untuk
mendeteksi korelasi peringkat positif jika jumlah mendeteksi korelasi peringkat jika jumlah pasangan
pasangan peringkat adalah 16 dan Anda memiliki peringkat adalah 25 dan Anda memiliki nilai-a ini:
nilai-a ini: sebuah.sebuah= 0,05 b.sebuah= 0,01
sebuah.sebuah= 0,05 b.sebuah= 0,01
15.46 Pengamatan berpasangan berikut
15.44 Berikan wilayah penolakan untuk tes untuk diperoleh pada dua variabel x dan y:
mendeteksi korelasi peringkat negatif jika jumlah
x 1.2 .8 2.1 3.5 2.7 1.5
pasangan peringkat adalah 12 dan Anda memiliki
nilai-a ini: y 1.0 1.3 .1 —.8 —.2 .6
RINGKASAN
15.9
Uji nonparametrik yang disajikan dalam bab ini hanyalah beberapa dari sekian
banyak uji nonparametrik yang tersedia bagi para peneliti. Tes yang disajikan di sini
adalah tes yang tabel nilai kritisnya sudah tersedia.
Metode statistik nonparametrik sangat berguna ketika pengamatan dapat diurutkan
tetapi tidak dapat ditempatkan secara tepat pada skala pengukuran. Selain itu, metode
nonparametrik adalah satu-satunya metode yang dapat digunakan ketika desain
pengambilan sampel telah dipatuhi dengan benar, tetapi data tidak atau tidak dapat
diasumsikan mengikuti satu atau lebih asumsi distribusi yang ditentukan.
Kami telah menyajikan beragam teknik nonparametrik yang dapat digunakan
ketika data tidak terdistribusi secara normal atau asumsi lain yang diperlukan tidak
terpenuhi. Prosedur satu sampel tersedia dalam literatur; namun, kami berkonsentrasi
pada analisis dua atau lebih sampel yang telah dipilih dengan benar menggunakan
pengambilan sampel acak dan independen seperti yang dipersyaratkan oleh desain
yang terlibat. Analog nonparametrik dari prosedur parametrik yang disajikan dalam
Bab 10-14 sangat mudah dan cukup sederhana untuk diimplementasikan:
• Uji jumlah peringkat Wilcoxon adalah analog nonparametrik dari dua sampel
t-uji.
668 ❍ BAB 15STATISTIK NONPARAMETRIK
• Uji
tan
da
da
n
uji
per
ing
kat
ber
tan
da
Wi
lco
xo
n
ad
ala
h
an
alo
g
no
np
ara
me
tri
k
dar
i
uji
-t
sa
mp
el
ber
pa
sa
ng
an.
TINJAUAN BAB ❍ 667
Ini dan lebih banyak lagi prosedur nonparametrik tersedia sebagai alternatif dari
uji parametrik yang disajikan sebelumnya. Penting untuk diingat bahwa ketika asumsi
yang diperlukan dari populasi sampel dilonggarkan, kemampuan kita untuk
mendeteksi perbedaan signifikan dalam satu atau lebih karakteristik populasi
menurun.
TINJAUAN BABW
—
[
n
(
n
+
1
)
/
4
]
z=
———
√
¯
[
n
(
n
+
¯
1
)
(
2
n
¯
+
1
)
]
/
¯
2
4
668 ❍ BAB 15STATISTIK NONPARAMETRIK
V. Kruskal–WallisH-Uji:Rancangan
3. Untuk ukuran blok lima atau lebih besar,
Acak Lengkap
daerah penolakan untuk Fr didasarkan pada
1. Bersama-sama peringkat n pengamatan dalam distribusi chi-kuadrat dengan (k - 1) derajat
sampel k. Hitung jumlah pangkat, Ti = jumlah kebebasan.
pangkat sampel i, dan uji statistik
VII. Koefisien Korelasi Peringkat
Spearman
12 T 2
Prosedur Nonparametrik
Banyak prosedur nonparametrik tersedia dalam paket MINITAB, termasuk kebanyakantes
yang dibahas dalam bab ini. Semua kotak Dialog sudah tidak asing lagi bagi Anda
sekarang, dan kami akan membahas tes dalam urutan yang disajikan di bab ini.
Untuk menerapkan uji jumlah peringkat Wilcoxon untuk dua sampel acak
independen, masukkan dua set data sampel ke dalam dua kolom (katakanlah, C1 dan
C2) dari lembar kerja MINITAB. Kotak Dialog pada Gambar 15.13 dihasilkan
menggunakan Stat → Nonparamet-
rics→ Mann-Whitney. Pilih C1 dan C2 untuk Sampel Pertama dan Kedua, dan
menunjukkan koefisien kepercayaan yang sesuai (untuk interval kepercayaan) dan alternatif
hipotesis asli. Mengklik OK akan menghasilkan output pada Gambar 15.1.
Tes tanda dan uji peringkat bertanda Wilcoxon untuk sampel berpasangan
dilakukan dengan cara yang persis sama, dengan perubahan hanya pada perintah
terakhir dari urutan. Bahkan kotak Dialognya identik! Masukkan data ke dalam dua
kolom lembar kerja MINITAB (kami menggunakan data campuran kue di Bagian
15.5). Sebelum Anda dapat menerapkan
salah satu tes, Anda harus membuat kolom selisih menggunakan Calc → Calculator,
seperti yang ditunjukkan pada Gambar 15.14. Gunakan Stat → Nonparametrik → 1-
Sample Sign atau Stat → Nonparametrics → 1-Sample Wilcoxon untuk
MINITA SAYA❍669
menghasilkan kotak Dialog yang sesuai
670 ❍ BAB 15STATISTIK NONPARAMETRIK
GAMBAR 15.13 ●
GAMBAR 15.14 ●
ditunjukkan pada Gambar 15.15. Ingatlah bahwa median adalah nilai suatu variabel
sehingga 50% nilainya lebih kecil dan 50% lebih besar. Oleh karena itu, jika dua
distribusi populasi adalah sama, median perbedaannya adalah 0. Hal ini setara dengan
hipotesis nol
H0 : P(selisih positif) = P(selisih negatif) = .5
MINITA SAYA❍671
GAMBAR 15.15 ●
digunakan untuk uji tanda. Pilih kolom selisih untuk kotak Variabel, dan pilih uji
median sama dengan 0 dengan alternatif yang sesuai. Klik OK untuk mendapatkan
hasil cetak untuk salah satu dari dua pengujian. Cetakan jendela Sesi untuk uji tanda,
ditunjukkan pada Gambar 15.16, menunjukkan perbedaan yang tidak signifikan
dalam distribusi densitas untuk dua adonan kue. Perhatikan bahwa nilai p (0,2188)
tidak sama dengan nilai p untuk uji peringkat bertanda Wilcoxon (0,093 dari Gambar
15.4). Namun, jika Anda menguji pada tingkat 5%, kedua pengujian menghasilkan
perbedaan yang tidak signifikan.
GAMBAR 15.16 ●
GAMBAR 15.17 ●
Latihan Tambahan
15.55 Waktu ResponsEksperimen dulu
a. Gunakan uji tanda untuk menentukan apakah cukup
EX1555 dilakukan untuk membandingkan waktu bukti ada untuk menunjukkan perbedaan rata-rata
respon untuk
dua rangsangan yang berbeda. Untuk menghilangkan waktu respon untuk dua rangsangan. Gunakan
variabilitas alami orang-ke-orang dalam tanggapan, daerah penolakan yang a ≤ 0,05.
kedua rangsangan disajikan kepada masing-masing b. Uji hipotesis tidak ada perbedaan waktu
dari sembilan subjek, sehingga memungkinkan analisis respons rata-rata menggunakan uji-t Student.
perbedaan antara rangsangan dalam setiap orang.
Tabel mencantumkan waktu respons (dalam detik). 15.56 Waktu Respons, lanjutanLihat Latihan-hal
15.55. Uji hipotesis bahwa tidak ada perbedaan dalam
Subjek Stimulus 1 Rangsangan 2 distribusi waktu respons untuk dua rangsangan, dengan
1 9.4 10.3
2 7.8 8.9 menggunakan uji peringkat bertanda Wilcoxon.
3 5.6 4.1 Gunakan daerah penolakan dimana a sedekat mungkin
4 12.1 14.7
5 6.9 8.7
dengan a yang dicapai pada Latihan 15.55, bagian a.
6 4.2 7.1 15.57 Kembar identikUntuk membandingkan dua
7 8.8 11.3
EX1557 sekolah menengah pertama, A dan B, di bidang akademik
8 7.7 5.2
9 6.4 7.8 efektivitas, percobaan dirancang membutuhkan
672 ❍ BAB 15STATISTIK NONPARAMETRIK
pekerjaan menggunakan wawancara dan tes prestasi Siswa Matematika Siswa Matematika Seni
psikologis. Wawancara yang dilakukan di kantor pusat 1 22
Seni 53 9 62 55
perusahaan jauh lebih mahal daripada tes yang bisa 2 37 68 10 65 74
dilakukan di kampus. Akibatnya, kantor personalia 3 36 42 11 66 68
4 38 49 12 56 64
tertarik untuk menentukan apakah skor tes berkorelasi 5 42 51 13 66 67
dengan peringkat wawancara dan apakah tes dapat 6 58 65 14 67 73
menggantikan wawancara. Idenya bukan untuk 7 58 51 15 62 65
menghilangkan wawancara tetapi untuk 8 60 71
mengurangi jumlah mereka. Untuk menentukan
15.66 Matematika dan Seni, lanjutLihat Latihan
apakah ukuran berkorelasi, 10 prospek diberi
15.65. Hitung koefisien korelasi peringkat Spearman untuk
peringkat selama wawancara dan diuji. Skor
data ini dan uji H0 : tidak ada hubungan antara pasangan
berpasangan adalah seperti yang tercantum di sini:
peringkat pada tingkat signifikansi 10%.
Subjek Peringkat Wawancara Skor Tes 15.67 Hasil GandumLatihan 11.68 menyajikan
1 8 74 analisis varians hasil dari lima varietas gandum yang
2 5 81 berbeda, diamati pada satu petak masing-masing di
3 10 66 enam lokasi yang berbeda (lihat kumpulan data
4 3 83 EX1168). Data dari rancangan acak kelompok ini
5 6 66
6 1 94
tercantum di sini:
7 4 96
Lokasi
8 7 70
Varietas 1 2 3 4 5 6
9 9 61 SEBUA 35.3 31.0 32.7 36.8 37.2 33.1
H
10 2 86 B 30.7 32.2 31.4 31.7 35.0 32.7
C 38.2 33.4 33.6 37.1 37.3 38.2
Hitung koefisien korelasi peringkat Spearman rs. D 34.9 36.1 35.2 38.3 40.2 36.0
Peringkat 1 diberikan kepada kandidat yang dinilai sebagai e 32.4 28.9 29.2 30.7 33.9 32.1
terbaik.
a. Gunakan uji nonparametrik yang sesuai untuk
15.63Wawancara, lanjutanLihat Latihan menentukan apakah data memberikan bukti yang
15.62. Apakah data menyajikan bukti yang cukup cukup untuk menunjukkan perbedaan hasil panen
untuk menunjukkan bahwa korelasi antara peringkat untuk lima varietas gandum yang berbeda. Uji
wawancara dan skor tes kurang dari nol? Jika bukti menggunakan a = 0,05.
ini memang ada, dapatkah Anda mengatakan bahwa b. Latihan 11.68 menampilkan cetakan komputer
tes dapat digunakan untuk mengurangi jumlah dari analisis varians untuk membandingkan hasil
wawancara? rata-rata lima varietas gandum. Bagaimana hasil
analisis variansi uji F dibandingkan dengan uji
15.64 Eksperimen Asosiasi KataSebuah
pada bagian a? Menjelaskan.
perbandingananak waktu reaksi untuk dua rangsangan
yang berbeda dalam percobaan asosiasi kata psikologis 15.68 Belajar MenjualDalam Latihan 11.61, Anda
menghasilkan hasil yang menyertai ketika diterapkan membandingkan jumlah penjualan per peserta
pada sampel acak dari 16 orang: pelatihan setelah menyelesaikan salah satu dari empat
program pelatihan penjualan yang berbeda (lihat
Rangsangan Waktu Reaksi (detik) kumpulan data EX1161). Enam orang peserta
1 1 3 2 1 2 1 3 2 menyelesaikan program pelatihan 1, delapan orang
2 4 2 3 3 1 2 3 3 menyelesaikan program 2, dan seterusnya. Jumlah
penjualan per peserta pelatihan ditunjukkan pada tabel.
Apakah data menyajikan bukti yang cukup untuk
menunjukkan perbedaan waktu reaksi rata-rata untuk Program pelatihan
dua rangsangan? Gunakan tes nonparametrik yang 1 2 3 4
sesuai dan jelaskan kesimpulan Anda.
78 99 74 81
15.65 Matematika dan SeniTabel 84 86 87 63
memberikan 86 90 80 71
92 93 83 65
EX1565 skor dari sekelompok 15 siswa dalam matematika 69 94 78 86
dan seni. Gunakan uji peringkat bertanda Wilcoxon 73 85 79
untuk menentukan apakah nilai median bagi para siswa 97 73
91 70
LATIHAN TAMBAHAN ❍ 675
ini berbeda secara signifikan untuk kedua mata
pelajaran tersebut.
676 ❍ BAB 15STATISTIK NONPARAMETRIK
a. Apakah data menyajikan bukti yang cukup untuk akumulasi logam berat pada tanaman yang ditanam
menunjukkan bahwa distribusi jumlah penjualan pada tanah yang diubah dengan lumpur dan apakah
per peserta pelatihan berbeda dari satu program terdapat akumulasi logam berat pada serangga
pelatihan ke program pelatihan lainnya? Uji pemakan tanaman tersebut.7 Data dalam tabel adalah
menggunakan uji nonparametrik yang sesuai. konsentrasi kadmium (dalam mg/kg) pada tanaman
b. Bagaimana perbandingan hasil uji bagian a dengan yang tumbuh di bawah enam tingkat penerapan
hasil analisis varians F-test pada Latihan 11.61? lumpur yang berbeda untuk tiga panen yang berbeda.
Tingkat aplikasi adalah perawatan. Tiga panen
15.69 Polusi dari Pabrik KimiaDi Ekser-cise
mewakili blok waktu dalam desain dua arah.
11.66, Anda melakukan analisis varians untuk
membandingkan tingkat rata-rata efluen dalam air di Memanen
empat pabrik industri yang berbeda (lihat kumpulan
Kecepat 1 2 3
data EX1166). Lima sampel limbah cair diambil pada an
keluaran masing-masing empat pabrik industri. Data Kontrol 162.1 153.7 200.4
ditampilkan dalam tabel. 1 199.8 199.6 278.2
Tanaman Polusi Efluen (lb/gal limbah) 2 220.0 210.7 294.8
3 194.4 179.0 341.1
SEBUA 1.65 1.72 1,50 1.37 1.60 4 204.3 203.7 330.2
H 5 218.9 236.1 344.2
B 1.70 1.85 1.46 2.05 1.80
C 1.40 1.75 1.38 1.65 1.55 a. Berdasarkan plot probabilitas normal MINITAB dan
D 2.10 1.95 1.65 1.88 2.00 plot residual versus rate, apakah Anda bersedia
a. Apakah data menyajikan bukti yang cukup untuk berasumsi bahwa asumsi normalitas dan varians
menunjukkan perbedaan tingkat polutan untuk konstan terpenuhi?
empat pabrik industri yang berbeda? Uji dengan
menggunakan uji nonparametrik yang sesuai. MINITABplot sisa untuk Latihan 15.71
b. Temukan perkiraan nilai p untuk tes dan Residu versus Tarif
interpretasikan nilainya. (responsnya adalah
Kadmium)
40
c. Bandingkan hasil pengujian pada bagian a dengan
analisis uji variansi pada Latihan 11.66. Apakah 30
10
15.70 Penelitian AIDSPara ilmuwan telah
Sisa
0
menunjukkan bahwa vaksin yang baru dikembangkan
dapat melindungi monyet rhesus dari infeksi virus —10
dengan vaksin simian immunodeficiency virus (SIV). Plot Probabilitas Normal dari Residual
Satu minggu setelah vaksinasi terakhir, setiap kera (responsnya adalah
Kadmium)
99
menerima suntikan SIV hidup. Dua dari enam monyet
yang divaksinasi tidak menunjukkan bukti infeksi SIV 95
90
selama satu setengah tahun setelah penyuntikan SIV.6 80
Ilmuwan mampu mengisolasi virus SIV dari empat 70
60
monyet yang divaksinasi lainnya, meskipun hewan ini
Persen
50
40
tidak menunjukkan tanda-tanda. dari penyakit. Apakah 30
20
informasi ini mengandung bukti yang cukup untuk 10
menunjukkan bahwa vaksin tersebut efektif dalam 5
0
.86 .65 .55 .58
.69 1.13 .40 .16
—25
.72 .65 .22 .07
—50 1.18 .50 .09 .36
0 1 2 3 4 5 .45 1.04 .16 .20
Kece 1.41 .41 .26 .15
pata
n
a. Gunakan uji jumlah peringkat Wilcoxon untuk
menentukan apakah ada perbedaan persentase
kontaminan untuk kedua pemasok. Gunakan a =
0,05.
Plot Probabilitas Normal dari Residual b. Gunakan perkiraan sampel besar untuk uji jumlah
(responsnya adalah Kadmium)
peringkat Wilcoxon untuk menentukan apakah ada
Persen
99
1. Jenis desain apa yang digunakan dalam percobaan uji rasa ini?
2. Apakah data memenuhi asumsi yang diperlukan untuk analisis varians
parametrik? Menjelaskan.
3. Gunakan teknik nonparametrik yang sesuai untuk menentukan apakah ada
perbedaan yang signifikan antara skor rata-rata untuk ketiga merek pengganti
telur.
Halaman ini sengaja dikosongkan
Lampiran I
Tabel
ISI
679
680 ❍ LAMPIRAN ITABEL
p(x)
0 k x
n=2
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .980 .902 .810 .640 .490 .360 .250 .160 .090 .040 .010 .002 .000 0
1 1.000 .998 .990 .960 .910 .840 .750 .640 .510 .360 .190 .098 .020 1
2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 2
n=3
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .970 .857 .729 .512 .343 .216 .125 .064 .027 .008 .001 .000 .000 0
1 1.000 .993 .972 .896 .784 .648 .500 .352 .216 .104 .028 .007 .000 1
2 1.000 1.000 .999 .992 .973 .936 .875 .784 .657 .488 .271 .143 .030 2
3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 3
n=4
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .961 .815 .656 .410 .240 .130 .062 .026 .008 .002 .000 .000 .000 0
1 .999 .986 .948 .819 .652 .475 .312 .179 .084 .027 .004 .000 .000 1
2 1.000 1.000 .996 .973 .916 .821 .688 .525 .348 .181 .052 .014 .001 2
3 1.000 1.000 1.000 .998 .992 .974 .938 .870 .760 .590 .344 .185 .039 3
4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 4
LAMPIRAN ITABEL ❍ 681
MEJA1(lanjutan)
n=5
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .951 .774 .590 .328 .168 .078 .031 .010 .002 .000 .000 .000 .000 0
1 .999 .977 .919 .737 .528 .337 .188 .087 .031 .007 .000 .000 .000 1
2 1.000 .999 .991 .942 .837 .683 .500 .317 .163 .058 .009 .001 .000 2
3 1.000 1.000 1.000 .993 .969 .913 .812 .663 .472 .263 0,081 .023 .001 3
4 1.000 1.000 1.000 1.000 .998 .990 .969 .922 .832 .672 .410 .226 0,049 4
5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 5
n=6
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .941 .735 .531 .262 .118 .047 .016 .004 .001 .000 .000 .000 .000 0
1 .999 .967 .886 .655 .420 .233 .109 .041 .011 .002 .000 .000 .000 1
2 1.000 .998 .984 .901 .744 .544 .344 .179 .070 .017 .001 .000 .000 2
3 1.000 1.000 .999 .983 .930 .821 .656 .456 .256 .099 .016 .002 .000 3
4 1.000 1.000 1.000 .998 .989 .959 .891 .767 .580 .345 .114 .033 .001 4
5 1.000 1.000 1.000 1.000 .999 .996 .984 .953 .882 .738 .469 .265 0,059 5
6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 6
n=7
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .932 .698 .478 .210 0,082 .028 .008 .002 .000 .000 .000 .000 .000 0
1 .998 .956 .850 .577 .329 .159 .062 .019 .004 .000 .000 .000 .000 1
2 1.000 .996 .974 .852 .647 .420 .227 .096 .029 .005 .000 .000 .000 2
3 1.000 1.000 .997 .967 .874 .710 .500 .290 .126 .033 .003 .000 .000 3
4 1.000 1.000 1.000 .995 .971 .904 .773 .580 .353 .148 .026 .004 .000 4
5 1.000 1.000 1.000 1.000 .996 .981 .938 .841 .671 .423 .150 .044 .002 5
6 1.000 1.000 1.000 1.000 1.000 .998 .992 .972 .918 .790 .522 .302 .068 6
7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 7
n=8
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .923 .663 .430 .168 .058 .017 .004 .001 .000 .000 .000 .000 .000 0
1 .997 .943 .813 .503 .255 .106 .035 .009 .001 .000 .000 .000 .000 1
2 1.000 .994 .962 .797 .552 .315 .145 .050 .011 .001 .000 .000 .000 2
3 1.000 1.000 .995 .944 .806 .594 .363 .174 .058 .010 .000 .000 .000 3
4 1.000 1.000 1.000 .990 .942 .826 .637 .406 .194 .056 .005 .000 .000 4
5 1.000 1.000 1.000 .999 .989 .950 .855 .685 .448 .203 .038 .006 .000 5
6 1.000 1.000 1.000 1.000 .999 .991 .965 .894 .745 .497 .187 .057 .003 6
7 1.000 1.000 1.000 1.000 1.000 .999 .996 .983 .942 .832 .570 .337 .077 7
8 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 8
682 ❍ LAMPIRAN ITABEL
MEJA1(lanjutan)
n=9
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .914 .630 .387 .134 .040 .010 .002 .000 .000 .000 .000 .000 .000 0
1 .997 .929 .775 .436 .196 0,071 .020 .004 .000 .000 .000 .000 .000 1
2 1.000 .992 .947 .738 .463 .232 .090 .025 .004 .000 .000 .000 .000 2
3 1.000 .999 .992 .914 .730 .483 .254 .099 .025 .003 .000 .000 .000 3
4 1.000 1.000 .999 .980 .901 .733 .500 .267 .099 .020 .001 .000 .000 4
5 1.000 1.000 1.000 .997 .975 .901 .746 .517 .270 .086 .008 .001 .000 5
6 1.000 1.000 1.000 1.000 .996 .975 .910 .768 .537 .262 .053 .008 .000 6
7 1.000 1.000 1.000 1.000 1.000 .996 .980 .929 .804 .564 .225 0,071 .003 7
8 1.000 1.000 1.000 1.000 1.000 1.000 .998 .990 .960 .866 .613 .370 .086 8
9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 9
n=10
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .904 .599 .349 .107 .028 .006 .001 .000 .000 .000 .000 .000 .000 0
1 .996 .914 .736 .376 .149 .046 .011 .002 .000 .000 .000 .000 .000 1
2 1.000 .988 .930 .678 .383 .167 .055 .012 .002 .000 .000 .000 .000 2
3 1.000 .999 .987 .879 .650 .382 .172 .055 .011 .001 .000 .000 .000 3
4 1.000 1.000 .998 .967 .850 .633 .377 .166 .047 .006 .000 .000 .000 4
5 1.000 1.000 1.000 .994 .953 .834 .623 .367 .150 .033 .002 .000 .000 5
6 1.000 1.000 1.000 .999 .989 .945 .828 .618 .350 .121 .013 .001 .000 6
7 1.000 1.000 1.000 1.000 .998 .988 .945 .833 .617 .322 .070 .012 .000 7
8 1.000 1.000 1.000 1.000 1.000 .998 .989 .954 .851 .624 .264 .086 .004 8
9 1.000 1.000 1.000 1.000 1.000 1.000 .999 .994 .972 .893 .651 .401 .096 9
10 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 10
n=11
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .895 .569 .314 .086 .020 .004 .000 .000 .000 .000 .000 .000 .000 0
1 .995 .898 .697 .322 .113 .030 .006 .001 .000 .000 .000 .000 .000 1
2 1.000 .985 .910 .617 .313 .119 .033 .006 .001 .000 .000 .000 .000 2
3 1.000 .998 .981 .839 .570 .296 .113 .029 .004 .000 .000 .000 .000 3
4 1.000 1.000 .997 .950 .790 .533 .274 .099 .022 .002 .000 .000 .000 4
5 1.000 1.000 1.000 .988 .922 .754 .500 .246 .078 .012 .000 .000 .000 5
6 1.000 1.000 1.000 .998 .978 .901 .726 .467 .210 .050 .003 .000 .000 6
7 1.000 1.000 1.000 1.000 .996 .971 .887 .704 .430 .161 .019 .002 .000 7
8 1.000 1.000 1.000 1.000 .999 .994 .967 .881 .687 .383 .090 .015 .000 8
9 1.000 1.000 1.000 1.000 1.000 .999 .994 .970 .887 .678 .303 .102 .005 9
10 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .980 .914 .686 .431 .105 10
11 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 11
LAMPIRAN ITABEL ❍ 683
MEJA1(lanjutan)
n=12
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .886 .540 .282 .069 .014 .002 .000 .000 .000 .000 .000 .000 .000 0
1 .994 .882 .659 .275 .085 .020 .003 .000 .000 .000 .000 .000 .000 1
2 1.000 .980 .889 .558 .253 .083 .019 .003 .000 .000 .000 .000 .000 2
3 1.000 .998 .974 .795 .493 .225 .073 .015 .002 .000 .000 .000 .000 3
4 1.000 1.000 .996 .927 .724 .438 .194 .057 .009 .001 .000 .000 .000 4
5 1.000 1.000 .999 .981 .882 .665 .387 .158 .039 .004 .000 .000 .000 5
6 1.000 1.000 1.000 .996 .961 .842 .613 .335 .118 .019 .001 .000 .000 6
7 1.000 1.000 1.000 .999 .991 .943 .806 .562 .276 .073 .004 .000 .000 7
8 1.000 1.000 1.000 1.000 .998 .985 .927 .775 .507 .205 .026 .002 .000 8
9 1.000 1.000 1.000 1.000 1.000 .997 .981 .917 .747 .442 .111 .020 .000 9
10 1.000 1.000 1.000 1.000 1.000 1.000 .997 .980 .915 .725 .341 .118 .006 10
11 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .986 .931 .718 .460 .114 11
12 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 12
n=15
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .860 .463 .206 .035 .005 .000 .000 .000 .000 .000 .000 .000 .000 0
1 .990 .829 .549 .167 .035 .005 .000 .000 .000 .000 .000 .000 .000 1
2 1.000 .964 .816 .398 .127 .027 .004 .000 .000 .000 .000 .000 .000 2
3 1.000 .995 .944 .648 .297 0,091 .018 .002 .000 .000 .000 .000 .000 3
4 1.000 .999 .987 .836 .515 .217 0,059 .009 .001 .000 .000 .000 .000 4
5 1.000 1.000 .998 .939 .722 .403 .151 .034 .004 .000 .000 .000 .000 5
6 1.000 1.000 1.000 .982 .869 .610 .304 .095 .015 .001 .000 .000 .000 6
7 1.000 1.000 1.000 .996 .950 .787 .500 .213 .050 .004 .000 .000 .000 7
8 1.000 1.000 1.000 .999 .985 .905 .696 .390 .131 .018 .000 .000 .000 8
9 1.000 1.000 1.000 1.000 .996 .966 .849 .597 .278 .061 .002 .000 .000 9
10 1.000 1.000 1.000 1.000 .999 .991 .941 .783 .485 .164 .013 .001 .000 10
11 1.000 1.000 1.000 1.000 1.000 .998 .982 .909 .703 .352 .056 .005 .000 11
12 1.000 1.000 1.000 1.000 1.000 1.000 .996 .973 .873 .602 .184 .036 .000 12
13 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .995 .965 .833 .451 .171 .010 13
14 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .995 .965 .794 .537 .140 14
15 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 15
684 ❍ LAMPIRAN ITABEL
MEJA1(lanjutan)
n=20
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .818 .358 .122 .012 .001 .000 .000 .000 .000 .000 .000 .000 .000 0
1 .983 .736 .392 .069 .008 .001 .000 .000 .000 .000 .000 .000 .000 1
2 .999 .925 .677 .206 .035 .004 .000 .000 .000 .000 .000 .000 .000 2
3 1.000 .984 .867 .411 .107 .016 .001 .000 .000 .000 .000 .000 .000 3
4 1.000 .997 .957 .630 .238 0,051 .006 .000 .000 .000 .000 .000 .000 4
5 1.000 1.000 .989 .804 .416 .126 .021 .002 .000 .000 .000 .000 .000 5
6 1.000 1.000 .998 .913 .608 .250 .058 .006 .000 .000 .000 .000 .000 6
7 1.000 1.000 1.000 .968 .772 .416 .132 .021 .001 .000 .000 .000 .000 7
8 1.000 1.000 1.000 .990 .887 .596 .252 .057 .005 .000 .000 .000 .000 8
9 1.000 1.000 1.000 .997 .952 .755 .412 .128 .017 .001 .000 .000 .000 9
10 1.000 1.000 1.000 .999 .983 .872 .588 .245 .048 .003 .000 .000 .000 10
11 1.000 1.000 1.000 1.000 .995 .943 .748 .404 .113 .010 .000 .000 .000 11
12 1.000 1.000 1.000 1.000 .999 .979 .868 .584 .228 .032 .000 .000 .000 12
13 1.000 1.000 1.000 1.000 1.000 .994 .942 .750 .392 .087 .002 .000 .000 13
14 1.000 1.000 1.000 1.000 1.000 .998 .979 .874 .584 .196 .011 .000 .000 14
15 1.000 1.000 1.000 1.000 1.000 1.000 .994 .949 .762 .370 .043 .003 .000 15
16 1.000 1.000 1.000 1.000 1.000 1.000 .999 .984 .893 .589 .133 .016 .000 16
17 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .965 .794 .323 .075 .001 17
18 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .999 .992 .931 .608 .264 .017 18
19 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .999 .988 .878 .642 .182 19
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 20
LAMPIRAN ITABEL ❍ 685
MEJA1(lanjutan)
n=25
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .778 .277 0,07 .004 .000 .000 .000 .000 .000 .000 .000 .000 .000 0
2
1 .974 .642 .271 .027 .002 .000 .000 .000 .000 .000 .000 .000 .000 1
2 .998 .873 .537 .098 .009 .000 .000 .000 .000 .000 .000 .000 .000 2
3 1.000 .966 .764 .234 .033 .002 .000 .000 .000 .000 .000 .000 .000 3
4 1.000 .993 .902 .421 .090 .009 .000 .000 .000 .000 .000 .000 .000 4
5 1.000 .999 .967 .617 .193 .029 .002 .000 .000 .000 .000 .000 .000 5
6 1.000 1.000 .991 .780 .341 .074 .007 .000 .000 .000 .000 .000 .000 6
7 1.000 1.000 .998 .891 .512 .154 .022 .001 .000 .000 .000 .000 .000 7
8 1.000 1.000 1.000 .953 .677 .274 .054 .004 .000 .000 .000 .000 .000 8
9 1.000 1.000 1.000 .983 .811 .425 .115 .013 .000 .000 .000 .000 .000 9
10 1.000 1.000 1.000 .994 .902 .586 .212 .034 .002 .000 .000 .000 .000 10
11 1.000 1.000 1.000 .998 .956 .732 .345 .078 .006 .000 .000 .000 .000 11
12 1.000 1.000 1.000 1.000 .983 .846 .500 .154 .017 .000 .000 .000 .000 12
13 1.000 1.000 1.000 1.000 .994 .922 .655 .268 .044 .002 .000 .000 .000 13
14 1.000 1.000 1.000 1.000 .998 .966 .788 .414 .098 .006 .000 .000 .000 14
15 1.000 1.000 1.000 1.000 1.000 .987 .885 .575 .189 .017 .000 .000 .000 15
16 1.000 1.000 1.000 1.000 1.000 .996 .946 .726 .323 .047 .000 .000 .000 16
17 1.000 1.000 1.000 1.000 1.000 .999 .978 .846 .488 .109 .002 .000 .000 17
18 1.000 1.000 1.000 1.000 1.000 1.000 .993 .926 .659 .220 .009 .000 .000 18
19 1.000 1.000 1.000 1.000 1.000 1.000 .998 .971 .807 .383 .033 .001 .000 19
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .991 .910 .579 .098 .007 .000 20
21 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .967 .766 .236 .034 .000 21
22 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .991 .902 .463 .127 .002 22
23 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .973 .729 .358 .026 23
24 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .928 .723 .222 24
25 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 25
686 ❍ LAMPIRAN ITABEL
k .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0 1.5
0 .905 .819 .741 .670 .607 .549 .497 .449 .407 .368 .223
1 .995 .982 .963 .938 .910 .878 .844 .809 .772 .736 .558
2 1.000 .999 .996 .992 .986 .977 .966 .953 .937 .920 .809
3 1.000 1.000 .999 .998 .997 .994 .991 .987 .981 .934
4 1.000 1.000 1.000 .999 .999 .998 .996 .981
5 1.000 1.000 1.000 .999 .996
6 1.000 .999
7 1.000
k 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
0 .135 0,082 .055 .033 .018 .011 .007 .004 .003 .002 .001
1 .406 .287 .199 .136 .092 .061 .040 .027 .017 .011 .007
2 .677 .544 .423 .321 .238 .174 .125 .088 .062 .043 .030
3 .857 .758 .647 .537 .433 .342 .265 .202 .151 .112 0,082
4 .947 .891 .815 .725 .629 .532 .440 .358 .285 .224 .173
5 .983 .958 .916 .858 .785 .703 .616 .529 .446 .369 .301
6 .995 .986 .966 .935 .889 .831 .762 .686 .606 .563 .450
7 .999 .996 .988 .973 .949 .913 .867 .809 .744 .673 .599
8 1.000 .999 .996 .990 .979 .960 .932 .894 .847 .792 .729
9 1.000 .999 .997 .992 .983 .968 .946 .916 .877 .830
10 1.000 .999 .997 .993 .986 .975 .957 .933 .901
11 1.000 .999 .998 .995 .989 .980 .966 .947
12 1.000 .999 .998 .996 .991 .984 .973
13 1.000 .999 .998 .996 .993 .987
14 1.000 .999 .999 .997 .994
15 1.000 .999 .999 .998
16 1.000 1.000 .999
17 1.000
LAMPIRAN ITABEL ❍ 687
MEJA1(lanjutan)
Daer
ah
0 z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
—3.4 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
—3.3 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
—3.2 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
—3.1 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
—3.0 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010
—2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
—2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
—2.7 .0035 .0034 .0033 .0032 .0031 .0030 0,0029 .0028 .0027 .0026
—2.6 .0047 .0045 .0044 .0043 0,0041 .0040 .0039 .0038 .0037 .0036
—2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 0,0049 .0048
—2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
—2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
—2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
—2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
—2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
—1.9 .0287 0,0281 0,0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
—1.8 .0359 .0351 .0344 .0336 0,0329 .0322 .0314 .0307 .0301 0,0294
—1.7 0,0446 .0436 0,0427 .0418 0,0409 0,0401 .0392 .0384 0,0375 .0367
—1.6 0,0548 .0537 0,0526 0,0516 0,0505 0,0495 .0485 0,0475 .0465 0,0455
—1.5 .0668 .0655 .0643 .0630 .0618 .0606 0,0594 0,0582 0,0571 0,0559
—1.4 .0808 0,0793 .0778 .0764 0,0749 .0735 0,0722 .0708 .0694 .0681
—1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
—1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
—1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
—1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
—0,9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
—0,8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
—0,7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
—0,6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
—0,5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
—0,4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
—0,3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
—0,2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
—0,1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
—0,0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
LAMPIRAN ITABEL ❍ 689
MEJA1(lanjutan)
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0,0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0,1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
0,2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0,3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0,4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0,5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0,6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0,7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
0,8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0,9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.1 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.2 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.3 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
3.4 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9998
Halaman ini sengaja dikosongkan
LAMPIRAN ITABEL ❍ 691
s
e
tsebuah
b
u
a
h
MEJA4
df t.100 t.050 t.025 t.010 t.005 df
Nilai Kritis
darit 1 3.078 6.314 12.706 31.821 63.657 1
2 1.886 2.920 4.303 6.965 9.925 2
3 1.638 2.353 3.182 4.541 5.841 3
4 1.533 2.132 2.776 3.747 4.604 4
5 1.476 2.015 2.571 3.365 4.032 5
6 1.440 1.943 2.447 3.143 3.707 6
7 1.415 1.895 2.365 2.998 3.499 7
8 1.397 1.860 2.306 2.896 3.355 8
9 1.383 1.833 2.262 2.821 3.250 9
10 1.372 1.812 2.228 2.764 3.169 10
11 1.363 1.796 2.201 2.718 3.106 11
12 1.356 1.782 2.179 2.681 3.055 12
13 1.350 1.771 2.160 2.650 3.012 13
14 1.345 1.761 2.145 2.624 2.977 14
15 1.341 1.753 2.131 2.602 2.947 15
16 1.337 1.746 2.120 2.583 2.921 16
17 1.333 1.740 2.110 2.567 2.898 17
18 1.330 1.734 2.101 2.552 2.878 18
19 1.328 1.729 2.093 2.539 2.861 19
20 1.325 1.725 2.086 2.528 2.845 20
21 1.323 1.721 2.080 2.518 2.831 21
22 1.321 1.717 2.074 2.508 2.819 22
23 1.319 1.714 2.069 2.500 2.807 23
24 1.318 1.711 2.064 2.492 2.797 24
25 1.316 1.708 2.060 2.485 2.787 25
26 1.315 1.706 2.056 2.479 2.779 26
27 1.314 1.703 2.052 2.473 2.771 27
28 1.313 1.701 2.048 2.467 2.763 28
29 1.311 1.699 2.045 2.462 2.756 29
∞ 1.282 1.645 1.960 2.326 2.576 ∞
s
0 2 e
sebuah
b
u
a
MEJA5 h
Nilai Kritis df 2
x.995 2
x.990 2
x.975 2
x.950 2
x.900
Chi-Square 1 .0000393 .0001571 .0009821 .0039321 .0157908
2 .0100251 .0201007 .0506356 .102587 .210720
3 .0717212 .114832 .215795 .351846 .584375
4 .206990 .297110 .484419 .710721 1,063623
SOURCE:Dari “Tabel Poin Persentase darix2-Distribusi,"Tabel Biometrika untuk Statistikcia,Vol. 1, edisi ke-3.
(1966). Direproduksi atas izin dariBiometrikaPengawas.
LAMPIRAN ITABEL ❍ 693
MEJA5
.100
(lanjutan) x2 2
x.050 2
x.025 2
x.010 2
x.005 df
2.70554 3.84146 5.02389 6.63490 7.87944 1
4.60517 5.99147 7.37776 9.21034 10.5966 2
6.25139 7.81473 9.34840 11.3449 12.8381 3
7.77944 9.48773 11.1433 13.2767 14.8602 4
s
MEJA6Persentase Poin dariFDistribusi e
b
u
a
h
0 Fsebuah
df1
df2 sebuah 1 2 3 4 5 6 7 8 9
1 .100 39.86 49,50 53.59 55.83 57.24 58.20 58.91 59.44 59.86
.050 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5
.025 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 963.3
.010 4052 4999.5 5403 5625 5764 5859 5928 5982 6022
.005 16211 20000 21615 22500 23056 23437 23715 23925 24091
2 .100 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38
.050 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38
.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39
.010 98,50 99.00 99.17 99,25 99.30 99.33 99.36 99.37 99.39
.005 198.5 199.0 199.2 199.2 199.3 199.3 199.4 199.4 199.4
3 .100 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24
.050 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81
.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47
.010 34.12 30.82 29.46 28.71 28.24 27.91 27.64 27.49 27.35
.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88
4 .100 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94
.050 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00
.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90
.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14
5 .100 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32
.050 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77
.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68
.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16
.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77
6 .100 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96
.050 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10
.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52
.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98
.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39
7 .100 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72
.050 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68
.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82
.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72
.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51
8 .100 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56
.050 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39
.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36
.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91
.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34
9 .100 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44
.050 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18
.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03
.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35
.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54
SOURCE: Sebagian dari “Tabel Titik Persentase Distribusi Beta (F) Terbalik,”biometrik,Vol. 33 (1943) oleh M. Merrington dan CM Thompson dan
dari Tabel 18 dariTabel Biometrika untuk Ahli Statistik,Vol. 1, Cambridge University Press, 1954, diedit oleh ESPearson dan HO Hartley.
Direproduksi dengan izin dari penulis, editor, danBiometrikaPengawas.
LAMPIRAN ITABEL ❍ 695
MEJA6(lanjutan)
df1
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
10 .100 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35
.050 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02
.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78
.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94
.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97
11 .100 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27
.050 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90
.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59
.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63
.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54
12 .100 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21
.050 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80
.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44
.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39
.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20
13 .100 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16
.050 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71
.025 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31
.010 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19
.005 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94
14 .100 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12
.050 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65
.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21
.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03
.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72
15 .100 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09
.050 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59
.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12
.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89
.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54
16 .100 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06
.050 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54
.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05
.010 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78
.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38
17 .100 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03
.050 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49
.025 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98
.010 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68
.005 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25
18 .100 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00
.050 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46
.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93
.010 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60
.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14
19 .100 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98
.050 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42
.025 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88
.010 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52
.005 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04
20 .100 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96
.050 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39
.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84
.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46
.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96
LAMPIRAN ITABEL ❍ 697
MEJA6(lanjutan)
df1
2.32 2.28 2.24 2.20 2.18 2.16 2.13 2.11 2.08 2.06 .100 10
2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.54 .050
3.72 3.62 3.52 3.42 3.37 3.31 3.26 3.20 3.14 3.08 .025
4.85 4.71 4.56 4.41 4.33 4.25 4.17 4.08 4.00 3.91 .010
5.85 5.66 5.47 5.27 5.17 5.07 4.97 4.86 4.75 4.64 .005
2.25 2.21 2.17 2.12 2.10 2.08 2.05 2.03 2.00 1.97 .100 11
2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.40 .050
3.53 3.43 3.33 3.23 3.17 3.12 3.06 3.00 2.94 2.88 .025
4.54 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.69 3.60 .010
5.42 5.24 5.05 4.86 4.76 4.65 4.55 4.44 4.34 4.23 .005
2.19 2.15 2.10 2.06 2.04 2.01 1.99 1.96 1.93 1.90 .100 12
2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.30 .050
3.37 3.28 3.18 3.07 3.02 2.96 2.91 2.85 2.79 2.72 .025
4.30 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.45 3.36 .010
5.09 4.91 4.72 4.53 4.43 4.33 4.23 4.12 4.01 3.90 .005
2.14 2.10 2.05 2.01 1.98 1.96 1.93 1.90 1.88 1.85 .100 13
2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.21 .050
3.25 3.15 3.05 2.95 2.89 2.84 2.78 2.72 2.66 2.60 .025
4.10 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.25 3.17 .010
4.82 4.64 4.46 4.27 4.17 4.07 3.97 3.87 3.76 3.65 .005
2.10 2.05 2.01 1.96 1.94 1.91 1.89 1.86 1.83 1.80 .100 14
2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.13 .050
3.15 3.05 2.95 2.84 2.79 2.73 2.67 2.61 2.55 2.49 .025
3.94 3.80 3.66 3.51 3.43 3.35 3.27 3.18 3.09 3.00 .010
4.60 4.43 4.25 4.06 3.96 3.86 3.76 3.66 3.55 3.44 .005
2.06 2.02 1.97 1.92 1.90 1.87 1.85 1.82 1.79 1.76 .100 15
2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.07 .050
3.06 2.96 2.86 2.76 2.70 2.64 2.59 2.52 2.46 2.40 .025
3.80 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.96 2.87 .010
4.42 4.25 4.07 3.88 3.79 3.69 3.58 3.48 3.37 3.26 .005
2.03 1.99 1.94 1.89 1.87 1.84 1.81 1.78 1.75 1.72 .100 16
2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.01 .050
2.99 2.89 2.79 2.68 2.63 2.57 2.51 2.45 2.38 2.32 .025
3.69 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.84 2.75 .010
4.27 4.10 3.92 3.73 3.64 3.54 3.44 3.33 3.22 3.11 .005
2.00 1.96 1.91 1.86 1.84 1.81 1.78 1.75 1.72 1.69 .100 17
2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96 .050
2.92 2.82 2.72 2.62 2.56 2.50 2.44 2.38 2.32 2.25 .025
3.59 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.75 2.65 .010
4.14 3.97 3.79 3.61 3.51 3.41 3.31 3.21 3.10 2.98 .005
1.98 1.93 1.89 1.84 1.81 1.78 1.75 1.72 1.69 1.66 .100 18
2.41 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.97 1.92 .050
2.87 2.77 2.67 2.56 2.50 2.44 2.38 2.32 2.26 2.19 .025
3.51 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.66 2.57 .010
4.03 3.86 3.68 3.50 3.40 3.30 3.20 3.10 2.99 2.87 .005
1.96 1.91 1.86 1.81 1.79 1.76 1.73 1.70 1.67 1.63 .100 19
2.38 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.93 1.88 .050
2.82 2.72 2.62 2.51 2.45 2.39 2.33 2.27 2.20 2.13 .025
3.43 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.58 2.49 .010
3.93 3.76 3.59 3.40 3.31 3.21 3.11 3.00 2.89 2.78 .005
1.94 1.89 1.84 1.79 1.77 1.74 1.71 1.68 1.64 1.61 .100 20
2.35 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.90 1.84 .050
2.77 2.68 2.57 2.46 2.41 2.35 2.29 2.22 2.16 2.09 .025
3.37 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.52 2.42 .010
3.85 3.68 3.50 3.32 3.22 3.12 3.02 2.92 2.81 2.69 .005
698 ❍ LAMPIRAN ITABEL
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
21 .100 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95
.050 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37
.025 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80
.010 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40
.005 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88
22 .100 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93
.050 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34
.025 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76
.010 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35
.005 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81
23 .100 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92
.050 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32
.025 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73
.010 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30
.005 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75
24 .100 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91
.050 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30
.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70
.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26
.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69
25 .100 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89
.050 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28
.025 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68
.010 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22
.005 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64
26 .100 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88
.050 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27
.025 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65
.010 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18
.005 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60
27 .100 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87
.050 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25
.025 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63
.010 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15
.005 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56
28 .100 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87
.050 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24
.025 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61
.010 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12
.005 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52
29 .100 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86
.050 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22
.025 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59
.010 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09
.005 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48
30 .100 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85
.050 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21
.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57
.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07
.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45
LAMPIRAN ITABEL ❍ 699
MEJA6(lanjutan)
df1
1.92 1.87 1.83 1.78 1.75 1.72 1.69 1.66 1.62 1.59 .100 21
2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.87 1.81 .050
2.73 2.64 2.53 2.42 2.37 2.31 2.25 2.18 2.11 2.04 .025
3.31 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.46 2.36 .010
3.77 3.60 3.43 3.24 3.15 3.05 2.95 2.84 2.73 2.61 .005
1.90 1.86 1.81 1.76 1.73 1.70 1.67 1.64 1.60 1.57 .100 22
2.30 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.84 1.78 .050
2.70 2.60 2.50 2.39 2.33 2.27 2.21 2.14 2.08 2.00 .025
3.26 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.40 2.31 .010
3.70 3.54 3.36 3.18 3.08 2.98 2.88 2.77 2.66 2.55 .005
1.89 1.84 1.80 1.74 1.72 1.69 1.66 1.62 1.59 1.55 .100 23
2.27 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.81 1.76 .050
2.67 2.57 2.47 2.36 2.30 2.24 2.18 2.11 2.04 1.97 .025
3.21 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.35 2.26 .010
3.64 3.47 3.30 3.12 3.02 2.92 2.82 2.71 2.60 2.48 .005
1.88 1.83 1.78 1.73 1.70 1.67 1.64 1.61 1.57 1.53 .100 24
2.25 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.79 1.73 .050
2.64 2.54 2.44 2.33 2.27 2.21 2.15 2.08 2.01 1.94 .025
3.17 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.31 2.21 .010
3.59 3.42 3.25 3.06 2.97 2.87 2.77 2.66 2.55 2.43 .005
1.87 1.82 1.77 1.72 1.69 1.66 1.63 1.59 1.56 1.52 .100 25
2.24 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.77 1.71 .050
2.61 2.51 2.41 2.30 2.24 2.18 2.12 2.05 1.98 1.91 .025
3.13 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.27 2.17 .010
3.54 3.37 3.20 3.01 2.92 2.82 2.72 2.61 2.50 2.38 .005
1.86 1.81 1.76 1.71 1.68 1.65 1.61 1.58 1.54 1,50 .100 26
2.22 2.15 2.07 1.99 1.95 1.90 1.85 1.80 1.75 1.69 .050
2.59 2.49 2.39 2.28 2.22 2.16 2.09 2.03 1.95 1.88 .025
3.09 2.96 2.81 2.66 2.58 2.50 2.42 2.33 2.23 2.13 .010
3.49 3.33 3.15 2.97 2.87 2.77 2.67 2.56 2.45 2.33 .005
1.85 1.80 1.75 1.70 1.67 1.64 1.60 1.57 1.53 1.49 .100 27
2.20 2.13 2.06 1.97 1.93 1.88 1.84 1.79 1.73 1.67 .050
2.57 2.47 2.36 2.25 2.19 2.13 2.07 2.00 1.93 1.85 .025
3.06 2.93 2.78 2.63 2.55 2.47 2.38 2.29 2.20 2.10 .010
3.45 3.28 3.11 2.93 2.83 2.73 2.63 2.52 2.41 2.29 .005
1.84 1.79 1.74 1.69 1.66 1.63 1.59 1.56 1.52 1.48 .100 28
2.19 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65 .050
2.55 2.45 2.34 2.23 2.17 2.11 2.05 1.98 1.91 1.83 .025
3.03 2.90 2.75 2.60 2.52 2.44 2.35 2.26 2.17 2.06 .010
3.41 3.25 3.07 2.89 2.79 2.69 2.59 2.48 2.37 2.25 .005
1.83 1.78 1.73 1.68 1.65 1.62 1.58 1.55 1.51 1.47 .100 29
2.18 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64 .050
2.53 2.43 2.32 2.21 2.15 2.09 2.03 1.96 1.89 1.81 .025
3.00 2.87 2.73 2.57 2.49 2.41 2.33 2.23 2.14 2.03 .010
3.38 3.21 3.04 2.86 2.76 2.66 2.56 2.45 2.33 2.21 .005
1.82 1.77 1.72 1.67 1.64 1.61 1.57 1.54 1,50 1.46 .100 30
2.16 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62 .050
2.51 2.41 2.31 2.20 2.14 2.07 2.01 1.94 1.87 1.79 .025
2.98 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.11 2.01 .010
3.34 3.18 3.01 2.82 2.73 2.63 2.52 2.42 2.30 2.18 .005
700 ❍ LAMPIRAN ITABEL
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
40 .100 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79
.050 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12
.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45
.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89
.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22
60 .100 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74
.050 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04
.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33
.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72
.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01
120 .100 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68
.050 3.92 3.07 2.68 2.45 2.29 2.17 2.09 2.02 1.96
.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22
.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56
.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81
∞ .100 2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63
.050 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.63
.025 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11
.010 6.63 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41
.005 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62
LAMPIRAN ITABEL ❍ 701
MEJA6(lanjutan)
df1
1.76 1.71 1.66 1.61 1.57 1.54 1.51 1.47 1.42 1.38 .100 40
2.08 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51 .050
2.39 2.29 2.18 2.07 2.01 1.94 1.88 1.80 1.72 1.64 .025
2.80 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.92 1.80 .010
3.12 2.95 2.78 2.60 2.50 2.40 2.30 2.18 2.06 1.93 .005
1.71 1.66 1.60 1.54 1.51 1.48 1.44 1.40 1.35 1.29 .100 60
1.99 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39 .050
2.27 2.17 2.06 1.94 1.88 1.82 1.74 1.67 1.58 1.48 .025
2.63 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.73 1.60 .010
2.90 2.74 2.57 2.39 2.29 2.19 2.08 1.96 1.83 1.69 .005
1.65 1.60 1.55 1.48 1.45 1.41 1.37 1.32 1.26 1.19 .100 120
1.91 1.83 1.75 1.66 1.61 1.55 1,50 1.43 1.35 1.25 .050
2.16 2.05 1.94 1.82 1.76 1.69 1.61 1.53 1.43 1.31 .025
2.47 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.53 1.38 .010
2.71 2.54 2.37 2.19 2.09 1.98 1.87 1.75 1.61 1.43 .005
1.60 1.55 1.49 1.42 1.38 1.34 1.30 1.24 1.17 1.00 .100 ∞
1.83 1.75 1.67 1.57 1.52 1.46 1.39 1.32 1.22 1.00 .050
2.05 1.94 1.83 1.71 1.64 1.57 1.48 1.39 1.27 1.00 .025
2.32 2.18 2.04 1.88 1.79 1.70 1.59 1.47 1.32 1.00 .010
2.52 2.36 2.19 2.00 1.90 1.79 1.67 1.53 1.36 1.00 .005
702 ❍ LAMPIRAN ITABEL
3 — 6
4 — 6 11
5 3 7 12 19
6 3 8 13 20 28
7 3 8 14 21 29 39
8 4 9 15 23 31 41 51
9 4 10 16 24 33 43 54 66
10 4 10 17 26 35 45 56 69 82
11 4 11 18 27 37 47 59 72 86 100
12 5 11 19 28 38 49 62 75 89 104 120
13 5 12 20 30 40 52 64 78 92 108 125 142
14 6 13 21 31 42 54 67 81 96 112 129 147 166
15 6 13 22 33 44 56 69 84 99 116 133 152 171 192
TABEL 7(b)
2.5 % Ekor- n1
KiriNilai Kritis
n2 2 3 4 5 6 7 8 9 10 11 12 13 14 15
4 — — 10
5 — 6 11 17
6 — 7 12 18 26
7 — 7 13 20 27 36
8 3 8 14 21 29 38 49
9 3 8 14 22 31 40 51 62
10 3 9 15 23 32 42 53 65 78
11 3 9 16 24 34 44 55 68 81 96
12 4 10 17 26 35 46 58 71 84 99 115
13 4 10 18 27 37 48 60 73 88 103 119 136
14 4 11 19 28 38 50 62 76 91 106 123 141 160
15 4 11 20 29 40 52 65 79 94 110 127 145 164 184
SOURCE:Data dari “Tabel Tambahan Nilai Kritis untuk Statistik Dua Sampel Mann-Whitney (Wilcoxon)” oleh
Roy C. Milton, hlm. 925–934 dalamJurnal Asosiasi Statistik Amerika,Volume 59, No. 307, September 1964.
Dicetak ulang dengan izin dariJurnal Statistik AmerikaAsosiasi.Hak Cipta 1964 oleh Asosiasi Statistik
Amerika. Seluruh hak cipta.
LAMPIRAN ITABEL ❍ 703
TABEL 7(c)
1% Ekor-Kiri n1
Nilai Kritis n2 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3 — —
4 — — —
5 — — 10 16
6 — — 11 17 24
7 — 6 11 18 25 34
8 — 6 12 19 27 35 45
9 — 7 13 20 28 37 47 59
10 — 7 13 21 29 39 49 61 74
11 — 7 14 22 30 40 51 63 77 91
12 — 8 15 23 32 42 53 66 79 94 109
13 3 8 15 24 33 44 56 68 82 97 113 130
14 3 8 16 25 34 45 58 71 85 100 116 134 152
15 3 9 17 26 36 47 60 73 88 103 120 138 156 176
TABEL 7(d)
0,5%Nilai Kritis Ekor Kiri n1
n2 3 4 5 6 7 8 9 10 11 12 13 14 15
3 —
4 — —
5 — — 15
6 — 10 16 23
7 — 10 16 24 32
8 — 11 17 25 34 42
9 6 11 18 26 35 45 56
10 6 12 19 27 37 47 58 71
11 6 12 20 28 38 49 61 73 87
12 7 13 21 30 40 51 63 76 90 105
13 7 13 22 31 41 53 65 79 93 109 125
14 7 14 22 32 43 54 67 81 96 112 129 147
15 8 15 23 33 44 56 69 84 99 115 133 151 171
704 ❍ LAMPIRAN ITABEL
MEJA10Angka Acak
Kolom
Garis 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 10480 15011 01536 02011 81647 91646 69179 14194 62590 36207 20969 99570 91291 90700
2 22368 46573 25595 85393 30995 89198 27982 53402 93965 34095 52666 19174 39615 99505
3 24130 48360 22527 97265 76393 64809 15179 24830 49340 32081 30680 19655 63348 58629
4 42167 93093 06243 61680 07856 16376 39440 53537 71341 57004 00849 74917 97758 16379
5 37570 39975 81837 16656 06121 91782 60468 81305 49684 60672 14110 06927 01263 54613
6 77921 06907 11008 42751 27756 53498 18602 70659 90655 15053 21916 81825 44394 42880
7 99562 72905 56420 69994 98872 31016 71194 18738 44013 48840 63213 21069 10634 12952
8 96301 91977 05463 07972 18876 20922 94595 56869 69014 60045 18425 84903 42508 32307
9 89579 14342 63661 10281 17453 18103 57740 84378 25331 12566 58678 44947 05585 56941
10 84575 36857 53342 53988 53060 59533 38867 62300 08158 17983 16439 11458 18593 64952
11 28918 69578 88231 33276 70997 79936 56865 05859 90106 31595 01547 85590 91610 78188
12 63553 40961 48235 03427 49626 69445 18663 72695 52180 20847 12234 90511 33703 90322
13 09429 93969 52636 92737 88974 33488 36320 17617 30015 08272 84115 27156 30613 74952
14 10365 61129 87529 85689 48237 52267 67689 93394 01511 26358 85104 20285 29975 89868
15 07119 97336 71048 08178 77233 13916 47564 81056 97735 85977 29372 74461 28551 90707
16 51085 12765 51821 51259 77452 16308 60756 92144 49442 53900 70960 63990 75601 40719
17 02368 21382 52404 60268 89368 19885 55322 44819 01188 65255 64835 44919 05944 55157
18 01011 54092 33362 94904 31273 04146 18594 29852 71585 85030 51132 01915 92747 64951
19 52162 53916 46369 58586 23216 14513 83149 98736 23495 64350 94738 17752 35156 35749
20 07056 97628 33787 09998 42698 06691 76988 13602 51851 46104 88916 19509 25625 58104
21 48663 91245 85828 14346 09172 30168 90229 04734 59193 22178 30421 61666 99904 32812
22 54164 58492 22421 74103 47070 25306 76468 26384 58151 06646 21524 15227 96909 44592
23 32639 32363 05597 24200 13363 38005 94342 28728 35806 06912 17012 64161 18296 22851
24 29334 27001 87637 87308 58731 00256 45834 15398 46557 41135 10367 07684 36188 18510
25 02488 33062 28834 07351 19731 92420 60952 61280 50001 67658 32586 86679 50720 94953
26 81525 72295 04839 96423 24878 82651 66566 14778 76797 14780 13300 87074 79666 95725
27 29676 20591 68086 26432 46901 20849 89768 81536 86645 12659 92259 57102 80428 25280
28 00742 57392 39064 66432 84673 40027 32832 61362 98947 96067 64760 64585 96096 98253
29 05366 04213 25669 26422 44407 44048 37937 63904 45766 66134 75470 66520 34693 90449
30 91921 26418 64117 94305 26766 25940 39972 22209 71500 64568 91402 42416 07844 69618
31 00582 04711 87917 77341 42206 35126 74087 99547 81817 42607 43808 76655 62028 76630
32 00725 69884 62797 56170 86324 88072 76222 36086 84637 93161 76038 65855 77919 88006
33 69011 65795 95876 55293 18988 27354 26575 08625 40801 59920 29841 80150 12777 48501
34 25976 57948 29888 88604 67917 48708 18912 82271 65424 69774 33611 54262 85963 03547
35 09763 83473 73577 12908 30883 18317 28290 35797 05998 41688 34952 37888 38917 88050
36 91567 42595 27958 30134 04024 86385 29880 99730 55536 84855 29080 09250 79656 73211
37 17955 56349 90999 49127 20044 59931 06115 20542 18059 02008 73708 83517 36103 42791
38 46503 18584 18845 49618 02304 51038 20655 58727 28168 15475 56942 53389 20562 87338
39 92157 89634 94824 78171 84610 82834 09922 25417 44137 48413 25555 21246 35509 20468
40 14577 62765 35605 81263 39667 47358 56873 56307 61607 49518 89656 20103 77490 18062
41 98427 07523 33362 64270 01638 92477 66969 98420 04880 45585 46565 04102 46880 45709
42 34914 63976 88720 82765 34476 17032 87589 40836 32427 70002 70663 88863 77775 69348
43 70060 28277 39475 46473 23219 53416 94970 25832 69975 94884 19661 72828 00102 66794
44 53976 54914 06990 67245 68350 82948 11398 42878 80287 88267 47363 46634 06541 97809
45 76072 29515 40980 07391 58745 25774 22987 80059 39911 96189 41151 14222 60697 59583
46 90725 52210 83974 29992 65831 38857 50490 83765 55657 14361 31720 57375 56228 41546
47 64364 67412 33339 31926 14883 24413 59744 92351 97473 89286 35931 04110 23726 51900
48 08962 00358 31662 25388 61642 34072 81249 35648 56891 69352 48373 45578 78547 81788
49 95012 68379 93526 70765 10592 04542 76463 54328 02349 17247 28865 14777 62730 92277
50 15664 10493 20492 38391 91132 21999 59516 81652 27195 48223 46751 22923 32261 85653
SOURCE:DariHandbook of Tables for Probability and Statistics,Edisi ke-2, diedit oleh William H. Beyer (CRC Press). Digunakan dengan izin
dariWilliam H. Beyer.
LAMPIRAN ITABEL ❍ 707
MEJA10(lanjutan)
Kolom
Garis 1 2 3 4 5 6 7 8 9 10 11 12 13 14
51 16408 81899 04153 53381 79401 21438 83035 92350 36693 31238 59649 91754 72772 02338
52 18629 81953 05520 91962 04739 13092 97662 24822 94730 06496 35090 04822 86774 98289
53 73115 35101 47498 87637 99016 71060 88824 71013 18735 20286 23153 72924 35165 43040
54 57491 16703 23167 49323 45021 33132 12544 41035 80780 45393 44812 12515 98931 91202
55 30405 83946 23792 14422 15059 45799 22716 19792 09983 74353 68668 30429 70735 25499
56 16631 35006 85900 98275 32388 52390 16815 69298 82732 38480 73817 32523 41961 44437
57 96773 20206 42559 78985 05300 22164 24369 54224 35033 19687 11052 91491 60383 19746
58 38935 64202 14349 82674 66523 44133 00697 35552 35970 19124 63318 29686 03387 59846
59 31624 76384 17403 53363 44167 64486 64758 75366 76554 31601 12614 33072 60332 92325
60 78919 19474 23632 27889 47914 02584 37680 20801 72152 39339 34806 08930 85001 87820
61 03931 33309 57047 74211 63445 17361 62825 39908 05607 91284 68833 25570 38818 46920
62 74426 33278 43972 10119 89917 15665 52872 73823 73144 88662 88970 74492 51805 99378
63 09066 00903 20795 95452 92648 45454 09552 88815 16553 51125 79375 97596 16296 66092
64 42238 12426 87025 14267 20979 04508 64535 31355 86064 29472 47689 05974 52468 16834
65 16153 08002 26504 41744 81959 65642 74240 56302 00033 67107 77510 70625 28725 34191
66 21457 40742 29820 96783 29400 21840 15035 34537 33310 06116 95240 15957 16572 06004
67 21581 57802 02050 89728 17937 37621 47075 42080 97403 48626 68995 43805 33386 21597
68 55612 78095 83197 33732 05810 24813 86902 60397 16489 03264 88525 42786 05269 92532
69 44657 66999 99324 51281 84463 60563 79312 93454 68876 25471 93911 25650 12682 73572
70 91340 84979 46949 81973 37949 61023 43997 15263 80644 43942 89203 71795 99533 50501
71 91227 21199 31935 27022 84067 05462 35216 14486 29891 68607 41867 14951 91696 85065
72 50001 38140 66321 19924 72163 09538 12151 06878 91903 18749 34405 56087 82790 70925
73 65390 05224 72958 28609 81406 39147 25549 48542 42627 45233 57202 94617 23772 07896
74 27504 96131 83944 41575 10573 08619 64482 73923 36152 05184 94142 25299 84387 34925
75 37169 94851 39117 89632 00959 16487 65536 49071 39782 17095 02330 74301 00275 48280
76 11508 70225 51111 38351 19444 66499 71945 05422 13442 78675 84081 66938 93654 59894
77 37449 30362 06694 54690 04052 53115 62757 95348 78662 11163 81651 50245 34971 52924
78 46515 70331 85922 38329 57015 15765 97161 17869 45349 61796 66345 81073 49106 79860
79 30986 81223 42416 58353 21532 30502 32305 86482 05174 07901 54339 58861 74818 46942
80 63798 64995 46583 09785 44160 78128 83991 42865 92520 83531 80377 35909 81250 54238
81 82486 84846 99254 67632 43218 50076 21361 64816 51202 88124 41870 52689 51275 83556
82 21885 32906 92431 09060 64297 51674 64126 62570 26123 05155 59194 52799 28225 85762
83 60336 98782 07408 53458 13564 59089 26445 29789 85205 41001 12535 12133 14645 23541
84 43937 46891 24010 25560 86355 33941 25786 54990 71899 15475 95434 98227 21824 19585
85 97656 63175 89303 16275 07100 92063 21942 18611 47348 20203 18534 03862 78095 50136
86 03299 01221 05418 38982 55758 92237 26759 86367 21216 98442 08303 56613 91511 75928
87 79626 06486 03574 17668 07785 76020 79924 25651 83325 88428 85076 72811 22717 50585
88 85636 68335 47539 03129 65651 11977 02510 26113 99447 68645 34327 15152 55230 93448
89 18039 14367 61337 06177 12143 46609 32989 74014 64708 00533 35398 58408 13261 47908
90 08362 15656 60627 36478 65648 16764 53412 09013 07832 41574 17639 82163 60859 75567
91 79556 29068 04142 16268 15387 12856 66227 38358 22478 73373 88732 09443 82558 05250
92 92608 82674 27072 32534 17075 27698 98204 63863 11951 34648 88022 56148 34925 57031
93 23982 25835 40055 67006 12293 02753 14827 23235 35071 99704 37543 11601 35503 85171
94 09915 96306 05908 97901 28395 14186 00821 80703 70426 75647 76310 88717 37890 40129
95 59037 33300 26695 62247 69927 76123 50842 43834 86654 70959 79725 93872 28117 19233
96 42488 78077 69882 61657 34136 79180 97526 43092 04098 73571 80799 76536 71255 64239
97 46764 86273 63003 93017 31204 36692 40202 35275 57306 55543 53203 18098 47625 88684
98 03237 45430 55417 63282 90816 17349 88298 90183 36600 78406 06216 95787 42579 90730
99 86591 81482 52667 61582 14972 90053 89534 76036 49199 43716 97548 04379 46370 28672
100 38534 01715 94964 87288 65680 43772 39560 12918 86737 62738 19636 51132 25739 56947
708 ❍ LAMPIRAN ITABEL
TABEL 11(a)
Persentase k
Poin dari df 2 3 4 5 6 7 8 9 10 11
Terpelajar
Jarak, 1 17.97 26.98 32.82 37.08 40.41 43.12 45.40 47.36 49.07 50.59
q.05(k,df); 2 6.08 8.33 9.80 10.88 11.74 12.44 13.03 13.54 13.99 14.39
Atas 5% 3 4.50 5.91 6.82 7.50 8.04 8.48 8.85 9.18 9.46 9.72
Poin 4 3.93 5.04 5.76 6.29 6.71 7.05 7.35 7.60 7.83 8.03
5 3.64 4.60 5.22 5.67 6.03 6.33 6.58 6.80 6.99 7.17
6 3.46 4.34 4.90 5.30 5.63 5.90 6.12 6.32 6.49 6.65
7 3.34 4.16 4.68 5.06 5.36 5.61 5.82 6.00 6.16 6.30
8 3.26 4.04 4.53 4.89 5.17 5.40 5.60 5.77 5.92 6.05
9 3.20 3.95 4.41 4.76 5.02 5.24 5.43 5.59 5.74 5.87
10 3.15 3.88 4.33 4.65 4.91 5.12 5.30 5.46 5.60 5.72
11 3.11 3.82 4.26 4.57 4.82 5.03 5.20 5.35 5.49 5.61
12 3.08 3.77 4.20 4.51 4.75 4.95 5.12 5.27 5.39 5.51
13 3.06 3.73 4.15 4.45 4.69 4.88 5.05 5.19 5.32 5.43
14 3.03 3.70 4.11 4.41 4.64 4.83 4.99 5.13 5.25 5.36
15 3.01 3.67 4.08 4.37 4.60 4.78 4.94 5.08 5.20 5.31
16 3.00 3.65 4.05 4.33 4.56 4.74 4.90 5.03 5.15 5.26
17 2.98 3.63 4.02 4.30 4.52 4.70 4.86 4.99 5.11 5.21
18 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 5.07 5.17
19 2.96 3.59 3.98 4.25 4.47 4.65 4.79 4.92 5.04 5.14
20 2.95 3.58 3.96 4.23 4.45 4.62 4.77 4.90 5.01 5.11
24 2.92 3.53 3.90 4.17 4.37 4.54 4.68 4.81 4.92 5.01
30 2.89 3.49 3.85 4.10 4.30 4.46 4.60 4.72 4.82 4.92
40 2.86 3.44 3.79 4.04 4.23 4.39 4.52 4.63 4.73 4.82
60 2.83 3.40 3.74 3.98 4.16 4.31 4.44 4.55 4.65 4.73
120 2.80 3.36 3.68 3.92 4.10 4.24 4.36 4.47 4.56 4.64
∞ 2.77 3.31 3.63 3.86 4.03 4.17 4.29 4.39 4.47 4.55
LAMPIRAN ITABEL ❍ 709
TABEL 11(a)
(lanjutan) k
12 13 14 15 16 17 18 19 20 df
SOURCE:DariTabel Biometrika untuk Ahli Statistik,Vol. 1, edisi ke-3, diedit oleh ES Pearson dan HO Hartley
(Cambridge University Press, 1966). Direproduksi atas izin dariBiometrikaPengawas.
710 ❍ LAMPIRAN ITABEL
TABEL 11(b)
Persentase k
Poin dari df 2 3 4 5 6 7 8 9 10 11
Terpelajar
Jarak, 1 90.03 135.0 164.3 185.6 202.2 215.8 227.2 237.0 245.6 253.2
q.01(k, df); 2 14.04 19.02 22.29 24.72 26.63 28.20 29.53 30.68 31.69 32.59
Atas 1% 3 8.26 10.62 12.17 13.33 14.24 15.00 15.64 16.20 16.69 17.13
Poin 4 6.51 8.12 9.17 9.96 10.58 11.10 11.55 11.93 12.27 12.57
5 5.70 6.98 7.80 8.42 8.91 9.32 9.67 9.97 10.24 10.48
6 5.24 6.33 7.03 7.56 7.97 8.32 8.61 8.87 9.10 9.30
7 4.95 5.92 6.54 7.01 7.37 7.68 7.94 8.17 8.37 8.55
8 4.75 5.64 6.20 6.62 6.96 7.24 7.47 7.68 7.86 8.03
9 4.60 5.43 5.96 6.35 6.66 6.91 7.13 7.33 7.49 7.65
10 4.48 5.27 5.77 6.14 6.43 6.67 6.87 7.05 7.21 7.36
11 4.39 5.15 5.62 5.97 6.25 6.48 6.67 6.84 6.99 7.13
12 4.32 5.05 5.50 5.84 6.10 6.32 6.51 6.67 6.81 6.94
13 4.26 4.96 5.40 5.73 5.98 6.19 6.37 6.53 6.67 6.79
14 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54 6.66
15 4.17 4.84 5.25 5.56 5.80 5.99 6.16 6.31 6.44 6.55
16 4.13 4.79 5.19 5.49 5.72 5.92 6.08 6.22 6.35 6.46
17 4.10 4.74 5.14 5.43 5.66 5.85 6.01 6.15 6.27 6.38
18 4.07 4.70 5.09 5.38 5.60 5.79 5.94 6.08 6.20 6.31
19 4.05 4.67 5.05 5.33 5.55 5.73 5.89 6.02 6.14 6.25
20 4.02 4.64 5.02 5.29 5.51 5.69 5.84 5.97 6.09 6.19
24 3.96 4.55 4.91 5.17 5.37 5.54 5.69 5.81 5.92 6.02
30 3.89 4.45 4.80 5.05 5.24 5.40 5.54 5.65 5.76 5.85
40 3.82 4.37 4.70 4.93 5.11 5.26 5.39 5.50 5.60 5.69
60 3.76 4.28 4.59 4.82 4.99 5.13 5.25 5.36 5.45 5.53
120 3.70 4.20 4.50 4.71 4.87 5.01 5.12 5.21 5.30 5.37
∞ 3.64 4.12 4.40 4.60 4.76 4.88 4.99 5.08 5.16 5.23
LAMPIRAN ITABEL ❍ 711
TABEL 11(b)
(lanjutan) k
12 13 14 15 16 17 18 19 20 df
SOURCE:DariTabel Biometrika untuk Ahli Statistik,Vol. 1, edisi ke-3, diedit oleh ES Pearson dan HO Hartley
(Cambridge University Press, 1966). Direproduksi atas izin dariBiometrikaPengawas.
Sumber data
pengantar
1. Sheldon Gawiser, Tiffany Turner, dan Costas Panagopoulos, “Jajak Pendapat: GOP Tampaknya
Akan Mempertahankan Kontrol Senat,” MSNBC
News,http://www.msnbc.com/ID/15547023/page/2/5 Nov 2006/, 5 November 2006.
2. berita rubah,http://www.foxnews.com/story/0,2933,102511,00.html,10 Februari 2004.
3. “Berita Panas: 98,6 Tidak Normal,” The Press-Enterprise (Riverside, CA), 23 September 1992.
Bab 1
1. “Gedung Putih 2008: Pemilihan Umum,” FOX News/Opinion Dynamics Poll,http://www
.pollingreport.com/2008.htm#misc,16–18 Mei 2006.
2. “Menjalankan Negara? Kebanyakan Remaja Akan Lulus,
”http://abcnews.go.com/images/pdf/ 943a1TeensandthePresidency.pdf,22 Januari
2004.
3. “Who They Are,” Time, 5 Januari 2004, hlm. 98–99.
4. “Kembali Bekerja,”http://www.usatoday.com/snapshot/news/ 2001-07-
17-backtowork.htm,2 Oktober 2001.
5. William A. McGeveran, Jr., Ed., The World Almanac and Book of Facts 2007 (New
York: WRC Media, Inc.), 2007.
6. Diadaptasi dari Arlene Eisenberg, Heidi Murkoff, dan Sandee Hathaway. Apa yang
Diharapkan Tahun Pertama (New York: Workman Publishing), 2003.
7. “Laporan ke Komunitas,” Kantor Pendidikan Wilayah Riverside, 16 Februari 2004, hal. 3.
8. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education), 2006.
9. “Aktual Box Office AS,”http://www.radiofree.com/mov-tops.shtml,13 Agustus 2006.
10. Robert P. Wilder, D. Brennan, dan DE Schotte, “Ukuran Standar untuk Resep Latihan untuk
Lari Aqua,” American Journal of Sports Medicine 21, no. 1 (1993):45.
11. http://www.kentuckyderby.info/kentuckyderby-history2006.php.
12. Robyn Greenspan, “Rumah Adalah Tempat Jaringan
Berada,”http://www.clickz.com/stats/
big_picture/applications/article.php/1301_3073431,5 September 2003.
13. “Perang Melawan Terorisme,”http://www.pollingreport.com/terror.htm,14 Agustus 2006.
14. luka bakar enid,“Populasi Internet Seluler
Tumbuh,”http://www.clickz.com/showPage. html?halaman=3623146,14 Agustus
2006.
15. Iklan Asuransi GEICO, Waktu, 10 November 2003.
16. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
17. Mike Schwartz dan Mark Kendall, “The Great Calorie Debate,” The Press-Enterprise
(Riverside, CA), 10 Februari 2004, hal. E1.
18. Lawrence E. Levine dan Victorina Wasmuth, “Laptop, Teknologi, dan Aljabar 1: Studi
Kasus Eksperimen,” Guru Matematika 97, no. 2 (Februari 2004):I36.
19. A. Azzalini dan AW Bowman, “A Look at Some Data on the Old Faithful Geyser,” Applied
Statistics (1990):57.
SUMBER DATA ❍ 713
Bab 2
1. http://interactive.web.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoResults, 5
November 2006.
2. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education, Inc.), 2006.
3. “Birth Order and the Baby Boom,” American Demographics (Trend Cop), Maret 1997, hal. 10.
4. “Tuna Goes Upscale,” Consumer Reports, Juni 2001, hal. 19.
5. http://www/starbucks.com/retail/locator/default.aspx,15 Agustus 2006.
6. “TV LCD,”http://www.consumerreports.org/cro/electronics-computers/tvs/lcd-tvs/
laporan/pemilih-produk/index.htm,22 Agustus 2006.
7. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
8. A. Azzalini dan AW Bowman, “A Look at Some Data on the Old Faithful Geyser,” Applied
Statistics (1990):57.
9. http://sports.espn.go.com/nfl/players/,2 Januari 2007.
10. DG Altman, dan JM Bland. “Data Waktu untuk Bertahan Hidup,” BMJ (British Medical
Journal) 317:468–469 (15 Agustus
1998),http://bmj.bmjjournals.com/cgi/content/full/317/7156/4687.
11. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
12. “Four People Movers,” Consumer Reports, Juli 1997, hal. 57.
13. “Kegiatan Berkemah Favorit,”http://www.usatoday.com/snapshot/news/2001-05-22-
berkemah.htm,26 September 2001 (Sumber: Wirthlin Worldwide untuk Coleman
Company).
14. www.mlb.com,16 Agustus 2006.
15. “Bekerja di Penjualan,”http://www.usatoday.com/news/snapshot.htm?section=S&label=
2006-08-16-nlhits,15 Agustus 2006.
16. “Jam Kerja per Minggu,”http://www.usatoday.com/news/snapshot.htm?section=
S&label=2006-08-16-nlhits,15 Agustus 2006.
17. “Penyihir Gaji,”http://swz.salary.com/salarywizard/layout.htmls/swzl_compresult_
nasional_ED03000133.html,16 Agustus 2006.
18. William A. McGeveran Jr., Ed., The World Almanac and Book of Facts 2007 (New York:
WRC Media, Inc.), 2007, danhttp://sports.espn.go.com/mlb/stats/batting?league=al.
bagian 3
1. Diadaptasi darihttp://nces.ed.gov/programs/digest/d05/tables/dt05_240.asp.
2. Diadaptasi dari Michael J. Weiss, “The New Summer Break,” American Demographics,
Agustus 2001, hal. 55.
3. www.bls.gov/data/home.htm,19 Juni 2007.
4. William A. McGeveran Jr., Ed., The World Almanac and Book of Facts 2007 (New York:
WRC Media, Inc.), 2007.
5. Gregory K. Torrey, SF Vasa, JW Maag, dan JJ Kramer, "Intervensi Keterampilan Sosial di
Seluruh Pengaturan Sekolah: Tinjauan Studi Kasus Siswa dengan Disabilitas Ringan,"
Psikologi di Sekolah 29 (Juli 1992):248.
714 ❍ SUMBER DATA
6. Mark Rechtin, "Bos Menempatkan 'Buzz' di Daftar Tugas Pemimpin Mewah AS," Berita Otomotif,
26 Januari 2004, hal. 4; dan Buku Data Pasar Berita Otomotif 2006, 22 Mei 2006, hal. 25.
7. “TV LCD,”http://www.consumerreports.org/cro/electronics-computers/tvs/lcd-tvs/
laporan/pemilih-produk/index.htm,22 Agustus 2006.
8. Stellan Ohlsson, “Kurva Pembelajaran untuk Menulis Buku: Bukti dari Profesor Asimov,”
Ilmu Psikologi3, tidak. 6 (1992):380–382.
9. “The Armed Forces: Who Are They,” Time, 29 Desember 2003 sampai 5 Januari 2004, hal. 98.
10. http://www.ew.com/ew/chart/movie/0,6115,_1 ,00.html,22 Agustus 2006.
11. http://sports.espn.go.com/nfl/players/profil?statsId=1025, 2 Januari 2007.
12. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
13. Robyn Greenspan, “Rumah Adalah Tempat Jaringan
Berada,”http://www.clickz.com/stats/ big_
picture/applications/article.php/1301_3073431,5 September 2003.
14. Bettye Wells Miller, “Faith Shows Ballot Clout,” The Press-Enterprise (Riverside, CA)
1 Maret 2004, hlm. A7.
15. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education, Inc.), 2006.
16. “Peringkat: Telepon Tanpa Kabel,”www.consumerreports.org/cro/electronics-computers/
telepon nirkabel/laporan,26 Oktober 2006.
17. “Dishwashers,” Consumer Reports, September 2007.
Bab 4
1. C. Salmon, JP Cartron, dan P. Rouger, Kelompok Darah Manusia (New York: Masson
Publishing, 1984).
2. Tabel diadaptasi darihttp://www.pollingreport.com/science.htm#Stem,30 Oktober 2006.
3. Bruce E. Morgan dan Michael A. Oberlander, “An Examination of Injuries in Major League
Soccer,” The American Journal of Sports Medicine, 29(4), 2001, hlm. 426–429.
4. http://sports.espn.go.com/nba/players,5 November 2006.
5. Data diadaptasi dari “Demo Memo,” American Demographics, Mei 1997, hal. 32; dan The
World Almanac and Book of Facts, 2004, hlm. 377.
6. “Kopi Istirahat Setiap Hari,”www.usataoday.com/news/snapshot.htm?section=L&label=
26-10-2006-sel,26 Oktober 2006.
7. Diadaptasi dari David L. Wheeler, “Lebih Banyak Peran Sosial Berarti Lebih Sedikit
Pilek,” Kronik Pendidikan Tinggi XLIII, no. 44 (11 Juli 1997):A13.
8. Andrew S. Levy, MJ Wetzler, M. Lewars, dan W. Laughlin, “Cedera Lutut pada Pemain
Rugby Perguruan Tinggi Wanita,” The American Journal of Sports Medicine 25, no. 3
(1997):360.
9. PD Franklin, RA Lemon, dan HS Barden, “Akurasi Pencitraan Menisci pada
In-Office, Dedicated, Magnetic Resonance Imaging Extremity System,”The American Journal
of Sports Medicine 25, no. 3 (1997):382.
10. Michael Crichton, Kongo (New York: Knopf, 1980).
Bab 5
1. http://www.collegeboard.com/student/testing/sat/scores/understanding/average.html,Hak
Cipta ©collegeboard.com, Inc., 2006.
2. "Siapa yang membaca Harry Potter,"http://usatoday.com/snapshot/life/2001-06-11-potter.htm.
Sumber:Tren Buku Ipsos-NPD, 9 Oktober 2001.
3. “Bagaimana nyeri punggung membatasi
olahraga?”http://www.usatoday.com/news/snapshot.htm?section= L&label=2006-10-27-
cuci.
4. http://hsus.org/pets/issues_affecting_our_pets/pet_overpopulation_and_
kepemilikan_statistik/us_pet_ownership_statistics.html,26 Oktober 2006.
5. http://healthlink.mcw.edu/article/1031002172.html.
6. http://cnn.com/2006/HEALTH/10/26/tainted.spinach.ap/index.html.
SUMBER DATA ❍ 715
Bab 6
1. http://en.wikipedia.org/wiki/List_of_U.S._Presidents_by_height_order.
2. Diadaptasi dari AM Goodman dan AR Ennos, “The Response of Field-Grown Sunflower and
Jagung to Mechanical Support,” Annals of Botany 79 (1997):703.
3. John Fetto, “Shop Around the Clock,” American Demographics, September 2003, hal. 18.
4. "Ensiklopedia Medis: Denyut Nadi," Medline Plus: Informasi Kesehatan Tepercaya untuk Anda,http://www
.nlm.nih.gov/medlineplus/ency/article/003399.htm#Normal%20Values,2 April 2004.
5. “Seberapa sering kita membuat film di
rumah,”http://usatoday.com/news/snapshot.htm, 2 November 2006.
6. Laporan Tahunan PepsiCo,http://www.pepsico.com/PEP_Investors/AnnualReports/05/
Pepsi2005Annual.pdf.
7. Sonja Steptoe, “Siap, Bersiap, Santai!” Waktu, 27 Oktober 2003, hal. 38.
8. Philip A. Altman dan DS Dittmer, The Biology Data Book, 2nd ed., Vol I. (Bethesda, MD:
Federation of American Societies for Experimental Biology, 1964), hal. 137.
9. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
10. “Seberapa sopan pengguna ponsel?”http://usatoday/com/news/snapshot.htm?section=
L&label=27-10-2006.
11. Situs web Pusat Statistik Pendidikan Nasional,http://nces.ed.gov/
program/digest/d05/tables/dt05_240.asp.
12. Daniel Seligman, “Keeping Up,” Fortune, 27 Juli 1981.
Bab 7
1. “Produk Sampingan Air Klorin, Terkait Kanker Tikus,” The Press-Enterprise (Riverside,
CA), 18 Juni 1997, hlm. A-6.
2. Chris Gilberg, JL Cos, H. Kashima, dan K. Eberle, “Bias Survei: Kapan Masalah
Ras Pewawancara?” Chance, Musim Gugur 1996, hal. 23.
3. Chery Smith dan Stefanie Fila, “Perbandingan Kuesioner Frekuensi Makanan Blok Anak-anak
dengan Recall 24-Jam di Pemuda Penduduk Asli Amerika Perkotaan,” American Journal of
Human Biology, 18:706–709 (2006).
4. “Obat Baru Sedikit Lebih Baik Daripada Aspirin,” The Press-Enterprise (Riverside, CA), 14
November 1996, hal. A-14.
5. "Penjelajahan Luar Angkasa," CNN/USA Today/Gallup
Poll,http://www.pollingreport.com/ science.htm#Space,5 April 2004.
6. “TANYA AMERIKA: Survei Kebijakan Nasional 2003,” Distrik Kongres #44, 23 Juni 2003.
7. Pusat Nasional untuksitus web Statistik Pendidikan,http://www.nces.ed.gov/programs/digest/
d05/tables/dt05_236.asp.
716 ❍ SUMBER DATA
8. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
9. Nicola Maffulli, V. Testa, G. Capasso, dan A. Sullo, “Calcific InsertionalTendinopati Achilles,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari2004):174.
10. "Berat yang ingin kita turunkan (dalam pound),"http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-08-permen.
11. http://www.usatoday.com/news/snapshot.htm?section= N&label=2006-11-08-permen.
12. http://www1.mms.com/us/about/products/milkchocolate/,27 November 2006.
13. Judy Holland, “'Cheeseburger Bill' on the Menu,” The Press-Enterprise (Riverside, CA),
9 Maret 2004, hal. E1.
14. Adam Fernandez, “Nuts About You,” Demografi Amerika 26, no. 1 (Februari 2004):14.
15. PC Karalekas, Jr., CR Ryan, dan FB Taylor, “Pengendalian Timbal, Tembaga, dan
Korosi Pipa Besi di Boston,” American Water Works Journal, Februari 1983.
16. Berita Sains136 (19 Agustus 1989):124.
17. http://www.pollingreport.com/abortion.htm,8 Nopember 2006.
18. Catherine M. Santaniello dan RE Koning, “Apakah Lobak Benar-benar Alelopati Terhadap Selada?”
Guru Biologi Amerika58, tidak. 2 (Februari 1996):102.
19. http://www.gallup.com/poll/indicators/indairlines.asp#RelatedAnalyses.Berita Jajak Pendapat
GallupLayanan, 16 Oktober 2001.
20. J. Hackl, Jurnal Teknologi Kualitas, April 1991.
21. Daniel Seligman, “The Road to Monte Carlo,” Fortune, 15 April 1985.
Bab 8
1. Diadaptasi dari “Kutub Beruang,"
http://en.wikipedia.org/wiki/Polar_Bear#Size_and_weight, 9 November 2006.
2. Berita Sains136 (19 Agustus 1989):124.
3. Polling Dinamika Opini/Berita FOX,http://www.pollingreport.com/
imigrasi.htm,11–12 Juli 2006.
4. Diadaptasi dari “Suite Dreams,” Consumer Reports, Juli 2001, hal. 12–16.
5. "Eksplorasi Luar Angkasa," Jajak Pendapat Associated
Press,http://www.pollingreport.com/ science.htm#Space,5 April 2004.
6. “Bottom Line—Tuning In,” The Press Enterprise, 28 Juli 2006, hlm. E2.
7. Newsweek Poll dilakukan oleh Princeton Survey Research Associates International. 26–27
Oktober 2006,http://www.pollingreport.com/abortion.htm,8 Nopember 2006.
8. Alison Stein Wellner, “Penyembuhan Baru untuk Shoppus Interuptus,” Direktori Alat Pemasaran, 2002.
9. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
10. Christopher Reynolds, “Mengayunkan Suara,” Demografi Amerika 26, no. 1,
(Februari 2004):48.
11. William Leonard, Barbara Speziale, dan John Pernick, “Penilaian Kinerja Kurikulum
Biologi Sekolah Menengah Berbasis Standar,” Guru Biologi Amerika 63, no. 5
(2001):310–316.
12. http://pewresearch.org/obdeckID=86,Pusat Penelitian Pew, 9 November 2006.
13. Mark Gillespie, "Penggemar Bisbol Sangat Menginginkan Pengujian Steroid Wajib,"
Layanan Berita Gallup,http://gallup.com/content/print.aspx?ci=11245,14 Februari 2004.
14. David L. Wheeler, “Lebih Banyak Peran Sosial Berarti Lebih Sedikit Pilek,” Kronik Pendidikan Tinggi
XLIII, no. 44 (11 Juli 1997):A13.
15. “Generasi Berikutnya: Sebuah Cuplikan,”www.pewtrusts.org/ideas,9 November 2006 dan
“The American Freshman: Norma Nasional untuk Musim Gugur
2005,”http://www.gseis.ucla.edu/heri/ PDF/ResearchBrief05.pdf,9 November 2006.
SUMBER DATA ❍ 717
16. Reed Abelson, “Survei Wall St. Menemukan Wanita Berkecil Hati,” The New York Times di
Web,http://www.nytimes.com,26 Juli 2001.
17. Shannon Dortch, “American Weighs In,” American Demographics, Juni 1997, hal. 39.
18. Diadaptasi dari AM Goodman dan AR Ennos, “The Responses of Field-Grown Sunflower and
Jagung to Mechanical Support,” Annals of Botany 79 (1997):703.
19. “Apakah Amerika Siap untuk Presiden Wanita,” CBS News/New York Times
Poll,http://www. cbsnews.com/stories/2006/02/03/opinion/polls/main1281319.shtml,5 Februari
2006.
20. G. Wayne Marino, “Faktor Mekanik Terpilih Terkait dengan Percepatan dalam Seluncur Es,”
Penelitian Kuartalan untuk Latihan dan Olahraga54, tidak. 3 (1983).
21. “Upah per jam untuk pekerja sekolah,”http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-10-gas.
22. http://cbsnews.com/stories/2005/11/20/opinion/polls/printaale1060315.shtml, 10
November 2005.
Bab 9
1. Jan Pergl, Irena Perglova, Petr Pysek, dan Hansjörg Dietz, “Struktur Umur Populasi dan
Perilaku Reproduksi Monokarpis Abadi Heraculaneum Mantegazzianum (Apiaceae)
dalam Rentang Distribusi Asli dan Terinvasinya,” American Journal of Botany, 93(7):
1018– 1028, (2006).
2. “America by the Numbers,” Time, 30 Oktober 2006, hlm. 43–55.
3. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
4. “Berita Panas: 98,6 Tidak Normal,” The Press-Enterprise (Riverside, CA), 23 September 1992.
5. Nicola Maffulli, V. Testa, G. Capasso, dan A. Sullo, “Calcific InsertionalTendinopati Achilles,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari2004):174.
6. Diadaptasi dari “Suite Dreams,” Consumer Reports, Juli 2001, hlm. 12–16.
7. Lance Wallace dan Terrence Slonecker, "Konsentrasi Udara Sekitar dari Mangan Halus
(PM 2.5) di Taman Nasional AS dan di Kota California dan Kanada: Kemungkinan
Dampak Menambahkan MMT ke Bensin Tanpa Timbal," Jurnal Asosiasi Pengelolaan Air
dan Limbah 47 ( Juni 1997):642–651.
8. Dianne Hales, “Kita Mengubah Cara Kita Makan,” PARADE, 12 November 2006, hlm. 4–5.
9. “Melihat Dunia Melalui Lensa Berwarna,” Washington Post, 16 Maret 1993, hal. 5.
10. “Amerika Berdasarkan Angka: Bagaimana Kami Memilih . . . ,” Waktu, 30 Oktober 2006, hal. 46.
11. http://hsus.org/pets/issues_affecting_our_pets/pet_overpopulation_and_
kepemilikan_.. .10/26/2006.
12. Diadaptasi dari Pamela Paul, “Coming Soon: More Ads Tailored to Your Tastes,”
American Demographics, Agustus 2001, hlm. 28.
13. Denise Grady, "Studi Menemukan Bahaya Alzheimer dalam Terapi Hormon," The Press-Enterprise
(Riverside, CA), 28 Mei 2003.
14. Wanita Sehat Jantungsitus web,http://www.hearthealthywomen.org/patients/medications/
obat_pengencer darah aspirin_6.html.
15. Jonathan W. Jantz, CD Blosser, dan LA Fruechting, “A Motor Milestone Change Noted with a
Change in Sleep Position,” Archives of Pediatric Adolescent Medicine 151 (Juni 1997):565.
16. “Generasi Berikutnya: Sebuah Cuplikan,”www.pewtrusts.org/ideas,9 November 2006; dan
"The American Freshman: Norma Nasional untuk Musim Gugur
2005,"http://www.gseis.ucla.edu/heri/PDFs/ ResearchBrief05.PDF,9 November 2006.
17. Loren Hill, Bassmaster, September/Oktober 1980.
18. Joe Sylvester, "Jaksa Wilayah: Jangan Menilai Kami dari Statistik," Item Harian
(Sunbury, PA), 17 Agustus 1997, hal. A-1.
19. Charles Dickey, “A Strategy for Big Bucks,” Field and Stream, Oktober 1990.
20. Berita Sains136 (19 Agustus 1989):124.
718 ❍ SUMBER DATA
21. Jeeseung Choi, Janet Meininger, dan Robert E. Roberts, “Perbedaan Etnis dalam Tekanan
Mental Remaja, Stres Sosial, dan Sumber Daya,” Adolescence, Vol. 41, tidak. 162, Musim
Panas 2006, hlm. 263–278.
22. http://www.infoplease.com/ipa/A0883611.html.
23. Lev Grossman, “Mengapa Konspirasi 9/11 Tidak Akan Berlalu,” Time, 11 September 2006, hal. 46.
24. Cadonna Peyton, “Pupils Build English Skills,” The Press-Enterprise (Riverside, CA),
19 Maret 2004, hlm. B-1.
25. Kurt Grote, TL Lincoln, dan JG Gamble, “Cedera Adduktor Pinggul pada Perenang Kompetitif,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari 2004):104.
26. “Upah per jam untuk pekerja sekolah,”http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-10-gas.
27. Joel B. Greenhouse dan Samuel W. Greenhouse, “Sebuah Aspirin Sehari . . . ?”
Peluang: Arah Baru untuk Statistik dan Komputasi 1, no. 4 (1988):24–31.
Bab 10
1. “Pricing of Tuna,” Consumer Reports, Juni 2001.
2. WB Jeffries, HK Voris, dan CM Yang, “Diversity ad Distribution of the Pedunculate
Barnacles Octolasmis Grey, 1825 Epizoic on the Scyllarid Lobster Thenus orientalis (Lund,
1793),” Crustaceana 46, no. 3 (1984).
3. Pemain ESPN NFLIndeks.http://sports.espn.go.com/nfl/players,2 Januari 2007.
4. Wendy K. Baell dan EH Wertheim, “Predictors of Outcome in the Treatment of Bulimia
Nervosa,” British Journal of Clinical Psychology 31 (1992):330–332.
5. "Data Jantung LA." Diadaptasi dari data yang ditemukan dihttp://www-
unix.oit.umass.edu/~statdata/ statdata/data/laheart.dat.
6. Jan D. Lindhe, “Penilaian Klinis Agen Antiplak,” Ringkasan Pendidikan Berkelanjutan
dalam Kedokteran Gigi, Tambahan 5 (1984).
7. Susan J. Beckham, WA Grana, P. Buckley, JE Breasile, dan PL Claypool, “Perbandingan
Tekanan Kompartemen Anterior pada Pelari Kompetitif dan Pengendara Sepeda,” American
Journal of Sports Medicine 21, no. 1 (1992):36.
8. Michael A. Brehm, JS Buguliskis, DK Hawkins, ES Lee, D. Sabapathi, dan RA Smith,
“Menentukan Perbedaan Khasiat Dua Disinfektan Menggunakan uji-t,” Guru Biologi
Amerika 58, no. 2 (Februari 1996):111.
9. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
10. “Asuransi Mobil 2006–2007,” Departemen Asuransi California,http://interaktif.
web.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoSearch,28 November 2006.
11. Collegeboard SAT: 2006 College Bound Seniors, Total Laporan Profil Grup,http://www.
collegeboard.com/prod_downloads/about/news_info/cbsenior/yr2006/national-report.pdf.
12. Carlos E. Macellari, "Revisi Serpulid dari Genus Rotularia (Annelida) di Pulau Seymour
(Semenanjung Antartika) dan Nilainya dalam Stratigrafi," Jurnal Paleontologi 58, no. 4
(1984).
13. TM Casey, ML May, dan KR Morgan, "Energetika Penerbangan Lebah Euglossine dalam
Hubungannya dengan Morfologi dan Frekuensi Stroke Sayap," Jurnal Biologi Eksperimental
116 (1985).
14. Karl J. Niklas dan TG Owens, “Modifikasi Fisiologis dan Morfologis Plantago Major
(Plantaginaceae) dalam Menanggapi Kondisi Cahaya,” American Journal of Botany 76, no. 3
(1989):370–382.
15. Laporan konsumensitus web,http://www.consumerreports.org/cro/cars/past-road-test/
index.htm.
16. “KFC: Terlalu Menjilat Jari?” Good Housekeeping Tes Produk Konsumen Saavy,
http://magazines.ivillege.com/goodhousekeeping/print/0,446041,00.html,11 Maret 2004.
17. John Fetto, “Berbelanja Sepanjang Jam,” Demografi Amerika 25, no. 7 (September 2003):18.
SUMBER DATA ❍ 719
18. Diadaptasi dari Donald L. Barlett dan James B. Steele, “Mengapa Kita Membayar Begitu Banyak untuk
Narkoba,”
Waktu,2 Februari 2004, hal. 44.
19. Charles S. Catlin, “Pekan Kerja Empat Hari Meningkatkan Lingkungan,” Kesehatan Lingkungan,
Maret 1997, hal. 12.
Bab 11
1. “Pricing of Tuna,” Consumer Reports, Juni 2001.
2. “Asuransi Mobil 2006–2007,” Departemen Asuransi California,http://interaktif.web
.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoSearch,28 November 2006.
3. “Makanan WinCo: Bandingkan dan Hemat,” 12880 Day St., Moreno Valley, CA, dikirim
melalui pengiriman massal 4–6 Oktober 2006.
4. HF Barsam dan ZM Simutis, “Grafis Berbasis Komputer untuk Pelatihan Visualisasi Medan,”
Faktor Manusia, no. 26, 1984. Hak Cipta 1984 oleh Human Factors Society, Inc. Direproduksi
dengan izin.
5. “How Fares Differ by Airport and Airline,” Consumer Reports, Juli 1997, hal. 24.
6. Perusahaan Pers(Riverside, CA), 11 Februari 1993.
7. Russell R. Pate, Chia-Yih Wang, Marsha Dowda, Stephen W. Farrell, dan Jennifer R. O'Neill,
“Tingkat Kebugaran Kardiorespirasi Di Antara Pemuda AS Usia 12 hingga 19 Tahun,” Arsip
Kedokteran Remaja Anak, Vol. 160, Oktober 2006, hlm. 1005–1011.
8. “Rata-rata Gaji Pria dan Wanita Fakultas Menurut Kategori, Afiliasi, dan Peringkat
Akademik, 2005–2006, Akademik, Maret–April 2006, Vol. 92, tidak. 2, hal. 38. Hak Cipta
© Asosiasi Profesor Universitas Amerika.
9. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
10. Harry R. Weber, “Apakah Perbaikan Sudah Masuk?” ItuTekan-Perusahaan(Riverside, CA), 19 Februari 2004,
hal. G-1.
11. Robert McGarvey, “A Fine Mess,” Avenues, Juli/Agustus 1994, hlm. 19–25.
Bab 12
1. Stellan Ohlsson, “Kurva Pembelajaran untuk Menulis Buku: Bukti dari Profesor Asimov,”
Ilmu Psikologi3, tidak. 6 (1992):380–382.
2. Daniel C. Harris, Analisis Kimia Kuantitatif, edisi ke-3. (Jakarta: Freeman, 1991).
3. “2001 Academic Performance Index (API) Report,” The Press-Enterprise (Riverside, CA),
16 Oktober 2001, hal. A8.
4. Diadaptasi dari J. Zhou dan S. Smith, “Pengukuran Konsentrasi Ozon di Udara Sekitar
Menggunakan Monitor Pasif Jenis Lencana,” Jurnal Asosiasi Pengelolaan Air & Limbah 47
(Juni 1997):697.
5. “Tarif Pulang Pergi pada Rute Paling Populer di Amerika,” Consumer Reports, Juli 1997, hal. 25.
6. Lawrence E. Levine dan Victorina Wasmuth, “Laptop, Teknologi, dan Aljabar 1: Studi
Kasus Eksperimen,” Guru Matematika 97, no. 2 (Februari 2004):136.
7. “TV LCD,”http://www.consumerreports.org/cro/electronics-computers/tvs/lcd-tvs/
laporan/pemilih-produk/index.htm,22 Agustus 2006.
8. “#12, Tom Brady,”http://sports.espn.go.com/nfl/players/profil?statsId=5228,3 Januari 2007.
9. WB Jeffries, HK Voris, dan CM Yang, “Diversity and Distribution of the Pedunculat
Barnacles Octolasmis Grey, 1825 Epizoic on the Scyllarid Lobster, Thenus orientalis (Lund,
1793),” Crustaceana 46, no. 3 (1984).
10. Gregory K. Torrey, SF Vasa, JW Maag, dan JJ Kramer, "Intervensi Ketrampilan Sosial di
Seluruh Pengaturan Sekolah: Peninjauan Kajian Siswa Penyandang Disabilitas Ringan,"
Psikologi di Sekolah 29 (Juli 1992):248.
11. G. Wayne Marino, “Faktor Mekanik Terpilih Terkait dengan Percepatan dalam Seluncur Es,”
Penelitian Kuartalan untuk Latihan dan Olahraga54, tidak. 3 (1983).
12. AJ Ellis, “Sistem Panas Bumi,” Ilmuwan Amerika, September/Oktober 1975.
720 ❍ SUMBER DATA
13. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
14. http://sports.espn.go.com/mlb/teams,12 Desember 2006.
15. David R. McAllister et al., “Perbandingan Teknik Pencitraan Praoperasi untuk Memprediksi
Panjang Cangkok Tendon Patela sebelum Rekonstruksi Ligamen Cruciate,” The American
Journal of Sports Medicine, 20(4):461–465.
16. Henry Gleitman, Psikologi Dasar, edisi ke-4. (Jakarta: Norton, 1996).
17. http://www.ew.com/ew/chart/movie/0,6115,_1 ,00.html,22 Agustus 2006.
18. Mark Rechtin, "Bos Menempatkan 'Buzz' di Daftar Tugas Pemimpin Mewah AS," Berita Otomotif,
26 Januari 2004, hal. 4, dan 22 Mei 2006.
19. “Rincian Minuman dan Makanan
Starbucks,”http://www.starbucks.com/retail/nutrition_info.asp, 4 Mei 2004.
20. “Rating: Walking Shoes,” Consumer Reports, Oktober 2006, hal. 52.
21. Berita Otomotif: Buku Data Pasar 1997,28 Mei 1997, 2001 Buku Data Pasar (online),
www.automotivenews.com/datacenter.cms,20 September 2001; Data Pasar 2003Buku,
26 Mei 2003, Buku Data Pasar 2005, 23 Mei 2005, dan Buku Data Pasar 2006, 22 Mei 2006.
Bab 13
1. WS Bagus, “Produktivitas dalam Perdagangan Eceran Kelontong,” Jurnal Ritel 60, no. 3 (1984).
2. “Burgers from the Garden,” Consumer Reports, Juli 1997, hal. 36.
3. Diadaptasi dari J. Zhou dan S. Smith, “Pengukuran Konsentrasi Ozon di Udara Sekitar
Menggunakan Monitor Pasif Jenis Lencana,” Jurnal Asosiasi Pengelolaan Air & Limbah
(Juni 1997):697.
4. Diadaptasi darihttp://blog.qumana.com/blog/_archives/2006/7/12/2108371.html,7 Nopember
2006.
5. “2001 Academic Performance Index (API) report,” The Press-Enterprise (Riverside, CA),
16 Oktober 2001, hal. A8.
6. R. Blair dan R. Miser, “Biotin Bioavailabilitas dari Suplemen Protein dan Biji-bijian Sereal
untuk Menumbuhkan Ayam Broiler,” International Journal of Vitamin and Nutrition Research
59 (1989):55–58.
7. “Tarif Pulang Pergi pada Rute Paling Populer di Amerika,” Consumer Reports, Juli 1997, hal. 25.
8. “Ban: Performer Musiman,” Consumer Reports, November 2006, hlm. 52–54
9. “Tuna Goes Upscale,” Consumer Reports, Juni 2001, hal. 19.
10. Berita Otomotif: Buku Data Pasar 1997,28 Mei 1997, hal. 50; Buku Data Pasar 2001
(online),www.automews.com/datacenter.cms,20 September 2001; dan Buku Data Pasar
2003, 26 Mei 2003, hal. 40, Buku Data Pasar 2006, 22 Mei 2006, hal. 25.
Bab 14
1. Daniel Q. Haney, “Mondays May Be Hazardous,” The Press-Enterprise (Riverside, CA),
17 November 1992, hal. A16.
2. “Warna Apa yang Ada di Tas Anda?”http://us.mms.com/us/about/products/milkchocolate/, 4
Januari 2007.
3. “Warna Apa yang Ada di Tas Anda?”http://us.mms.com/us/about/products/peanut/, 4
Januari 2007.
4. http://www.pollingreport.com/health3.htm,Polling ABC News/Washington Post, 6–9 April 2006.
5. Diadaptasi dari Linda Schmittroth, ed., Statistical Record of Women Worldwide (Detroit
dan London: Gale Research, 1991).
6. “Menunggu resep (waktu rata-rata dalam menit),” Diadaptasi darihttp://www.USATODAY
.com/snapshot/life/2001-06-10-drugwait.htm, 26 September 2001.
7. Diadaptasi dari Dana Blanton, “Poll: Paling Percaya 'Menutupi' Fakta Pembunuhan JFK,”
http://www.foxnews.com/story/0,2933,102511,00.html, 10 Februari 2004.
SUMBER DATA ❍ 721
Bab 15
1. TM Casey, ML May, dan KR Morgan, "Energetika Penerbangan Lebah Euglossine dalam
Hubungannya dengan Morfologi dan Frekuensi Stroke Sayap," Jurnal Biologi Eksperimental
116 (1985).
2. “Pengujian Alzheimer untuk Obat Memori Baru,” The Press-Enterprise (Riverside,
CA), 18 November 1997, hal. A-4.
3. Berita Sains136 (Agustus 1989):126.
4. D. Matsui et al., “Penilaian Palatabilitas Antibiotik Tahan-Laktamase pada Anak-
Anak,” Arsip Kedokteran Remaja Anak 151 (1997):559–601.
5. Scott K. Powers dan MB Walker, “Karakteristik Fisiologis dan AnatomiPemain Tenis Junior
Wanita Berprestasi,” Research Quarterly for Exercise and Sport 53, no. 2 (1983).
6. Berita Sains,1989, hal. 116.
7. G. Merrington, L. Winder, dan I. Green, “Penyerapan Cadmium dan Seng oleh Birdcherry Oat
Aphid Rhopalosiphum Padi (Homoptera:Aphididae) Memberi Makan pada Gandum yang
Ditumbuhkan di Tanah Pertanian Limbah Lumpur yang Diubah,” Pencemaran Lingkungan 96,
no. 1 (1997):111–114.
8. Karola Sakekel, "Kisaran Pengganti Telur dalam Kualitas," San Francisco Chronicle, 10
Februari 1993, hal. 8.
Jawaban untuk Latihan
yang Dipilih
Bab 1 1.33b.Batang Daun Umur N = 37 Satuan
Daun = 1,0
1.1sebuah.siswa b. ujian c. pasien 2 4 69
d.tanaman e. mobil 3 5 3
7 5 6678
1.3sebuah.diskrit b. c.terus menerus kontinu 13 6 003344
d.diskrit (6) 6 567778
1,5 sebuah.kendaraan b. jenis (kualitatif); 18 7 0111234
11 7 7889
membuat (kualitatif); carpool (kualitatif); 7 8 013
jarak (kontinu kuantitatif); usia (kontinu 4 8 58
kuantitatif) c. multivariasi 2 9 00
1.7Populasi adalah kumpulan preferensi pemilih relatif simetris c.Kennedy, Garfield,
untuk semua pemilih di negara bagian. dan Lincoln dibunuh.
Preferensi pemilih dapat berubah seiring waktu. 1.35b.0,05
1.9 sebuah.skor pada tes membaca; kuantitatif 1.37sebuah.jumlah tempat pembuangan limbah berbahaya
b.siswa c. kumpulan skor untuk semua (diskrit) b.miring ke kanan c.ukuran
siswa tunarungu yang secara hipotetis negara; jumlah kegiatan industri
mungkin mengikuti tes 1.39sebuah.miring b.simetris c.simetris
1.11 sebuah.sepasang jeans b. negara bagian di d.simetris e.miring f.miring
mana jeans diproduksi; kualitatif e. 8/25 1.41sebuah.kontinu b.kontinu c.diskrit
f.Californiag. Ketiga negara bagian tersebut d.diskrit e.diskrit
menghasilkan jeans dengan jumlah yang
kira-kira sama. 1.437 8 9
1.13 sebuah.Tidak; tambahkan kategori yang
8 0 17
disebut "Lainnya" 9 0 1244566688
1.15sebuah.Tidak b.tidak terlalu 10 1 79
c.diagram batang 11 2
1.17Jawaban akan bervariasi. 1.45c.miring ke kanan
1.19sebuah.delapan sampai sepuluh interval kelas 1.49sebuah.Tidak b.berbentuk gundukan kasar
c.43/50 d.33/50 e.Ya 1.51sebuah.miring ke kanan c.Ya; negara bagian besar
1.21b..30 c..70 d..30 1,53 sebuah.Suara rakyat miring ke kanan; persen
e.relatif simetris; Tidak suara relatif simetris. b.Ya c.Setelah
1.25b.berpusat di 75; dua puncak (bimodal) ukuran negara bagian dihilangkan, setiap
c.Skor dibagi menjadi dua kelompok sesuai negara bagian akan diukur dengan dasar yang
dengan kemampuan siswa. sama.
1.27sebuah.diagram lingkaran, diagram batang 1.55d.Jawaban akan bervariasi.
1.29c.diagram Pareto 1.57sebuah.Tidak
1.31sebuah.miring ke kanan; beberapa outlier
JAWABAN LATIHAN TERPILIH ❍ 723
2.49sebuah. Variabel Minimum Q1 Median Q3 2.77 sebuah.Setidaknya 3/4 memiliki antara 145
Maksimum
dan 205 guru.b..16
Favre 5.00 19.25 22.00 24.75 31.00
Manning 14.00 20.25 23.50 26.75 32.00
bagian 3
3.3 sebuah.diagram lingkaran komparatif;
bagan batang berdampingan atau
bertumpuk c.Proporsi yang
dibelanjakan di keempat kategori secara
substansial berbeda untuk pria dan wanita.
3,5 sebuah.Populasi:tanggapan terhadap
pertanyaan waktu luang untuk semua orang
tua dan anak-anak di Amerika Serikat.
Contoh: tanggapan untuk 398 orang dalam
survei. b.data bivariat, mengukur
hubungan (kualitatif) dan respon (kualitatif)
c.jumlah orang yang
termasuk dalam kategori opini-hubungan
itu
e. bagan batang bertumpuk atau berdampingan
3.9
x y xy Menghitu Kovarian
ng:
1 6 6 n=3
(Sx)(Si)
Sxy — —— n
—2 seksi=—— =
3 2 6 sx=1 n—1
2 4 8 sy=2 Koefisien
sx Korelasi
r = —y =—1
Sx=6 Sy=12 Sxy=20 —
sxsy
Bab 4
4.1sebuah.{1, 2, 3, 4, 5, 6} c.1/6
e.P(A) = 1/6; P(B) = 1/2; P(C) = 2/3;
P(D) = 1/6; P(E) = 1/2; P(F) = 0
4.3P(E1) = 0,45; P(E2) = 0,15; P(Ei) = 0,05 untuk
saya= 3, 4, . . . , 10
4.5sebuah.{NDQ, NDH, NQH, DQH} b.3/4
c.3/4
4.9sebuah..58 b..14 c..46
4.11 sebuah.secara acak memilih tiga orang
dan mencatat jenis kelamin mereka b.
{FFF, FMM, MFM, MMF, MFF, FMF,
FFM, MMM}
c.1/8 d.3/8 e.1/8
4.13sebuah.peringkat A, B, C
b.{ABC, ACB, BAC, BCA, CAB, CBA}
d.1/3, 1/3
4.15sebuah..467 b..513 c..533
JAWABAN LATIHAN TERPILIH ❍ 727
4.75sebuah..6585 b..3415 c.kiri
4.19 sebuah.60 b.3.628.800
c.720 d.20
4.21 6720
4.23 216
4.25 120
4.27 720
4.29 sebuah.140.608 b.132.600
c..00037
d..943
4.31 sebuah.2.598.960 b.4
c..000001539
4.33 5.720645×(1012)
4.35 sebuah.49 b.1/49 c.2/7
4.37 1/56
4!(3!)4
4.39——
12!
4.41
Kondisi untuk
P(S P(B) AcaraSEBUAHda P(SEBU P(SEBU P(SE
EB nB AH∩B) AHASB) BUAH
UA |B)
H)
.3 .4 Saling eksklusif 0 .7 0
.3 .4 Mandiri .12 .58 .3
.1 .5 Mandiri .05 .55 .1
.2 .5 Saling eksklusif 0 .7 0
4.43sebuah.3/5 b.4/5
4.45sebuah.1 b.1/5 c.1/5
4.47sebuah.1 b.1 c.1/3 d.0 e.1/3
f.0 g.0 h.1 saya.5/6
4.49sebuah..08 b..52
4.51sebuah..3 b.Tidak c.Ya
4.53sebuah.tidak, karena P(A
∩ B) G 0
b.tidak, karena P(A) GP(A|B)
4.55sebuah..14 b..56 c..30
4.59sebuah.P(A) = 0,9918; P(B) =
0,0082
b.P(A) = 0,9836; P(B) = 0,0164
4.61.05
4.63sebuah..99 b..01
4.65sebuah.154/256 b.155/256 c.88/256
d.88/154 e.44/67 f.23/35
g.12/101 h.189/256
4.67sebuah..64 b..4982 c..011236
4.69sebuah..23 b..6087; .3913
4.71.38
4.73.012
728 ❍ JAWABAN LATIHAN TERPILIH
4.77.3130
4.137sebuah.p(2) = p(12) = 1/36, p(3) = p(11) = 2/36,
4.79sebuah.P(D) = 0,10; P(DC) = 0,90; P(N | DC) p(4) = p(10) = 3/36, p(5) = p(9) = 4/36,
= 0,94; p(6) = p(8) = 5/36, p(7) = 6/36
P(N | D) = 0,20 b..023 c..023
4.139sebuah.p(0) = 0,5, p(1) = 0,5
d..056 e..20 f.negatif palsu
4.81sebuah.kontinu b.kontinu
c.diskrit d.diskrit e.kontinu Bab 5
4.83sebuah..2c.m= 1,9;s = 1,29;s= 1,136
2
5.1
d..3 e..9 k 0 1 2 3 4 5 6 7 8
4.851.5 P(x≤k) .000 .001 .011 .058 .194 .448 .745 .942 1.000
4.87sebuah.{S, FS, FFS, FFFS} Daftar Nilai Masalah TulisTulis ulang
b.p(1) = p(2) = p(3) = p(4) = 1/4 darix TemukanKemungkinanKemungkina
4.89sebuah.p(0) = 3/10; p(1) = 6/10; p(2) = 1/10 nKemungkinan
3 atau 0, 1, 2,
4.91sebuah..1; 0,09; 0,081 b.p(x) = (.9)x kurang 3
3, 4, 5, 6, 7, P(x≤3)bukan
8 diperlukan.058
1—P(x≤2) .989
3 atau P(x≥3)
—1(.1)
lebih 4, 5, 6, P(x>3) 1—P(x≤3) .942
4.93sebuah.4.0656 b.4.125 c.3.3186 Lebih dari 7, 8
3 0, 1, P(x<3) P(x≤2) .01
4.95$1500
Lebih 2 1
4.97sebuah..28 b..18 c.m= 1,32;s= 1,199 sedikitdari 3, 4, P(3≤x≤5) P(x≤5)— .43
d..94 3 5 P(x≤2) 7
Antara 3
4.99$20.500 dan 5 3 P(x=3) P(x≤3)— .04
4.1010,0713 (inklusif) P(x≤2) 7
Tepat 3
4.103P(A) = 1/2; P(B) = 2/3; P(A ∩ B) = 1/3;
P(AUB) = 5/6; P(C) = 1/6; P(A ∩ C) = 0; 5.3bukan binomial; uji coba tergantung; p bervariasi
P(AUC) = 2/3
dari percobaan ke percobaan.
4.1052/7
5.5sebuah..2965 b..8145 c..1172
4.107p(0) = 0,0256; p(1) = 0,1536; p(2) = 0,3456; d..3670
p(3) = 0,3456; p(4) = 0,1296; .4752
5.7sebuah..097 b..329 c..671 d.2.1
4.109sebuah..4565 b..2530 c..3889 e.1.212
4.1113/10; 6/10 5.9p(0) = 0,000; p(1) = 0,002; p(2) = 0,015;
4.113sebuah..73 b..27 p(3) = 0,082; p(4) = 0,246; p(5) = 0,393;
4.115.999999 p(6) = 0,262
4.1178 5.11sebuah..251 b..618 c..367 d..633
e.4 f.1.549
4.119sebuah..3582 b..4883 c..4467
5.13sebuah..901 b..015 c..002 d..998
4.121 a.1/8 b.1/64 c.Belum tentu;
mereka bisa belajar bersama, dan 5.15sebuah..748 b..610 c..367 d..966
seterusnya. e..656
4.123sebuah.5/6 b.25/36 c.11/36 5.17sebuah.1; .99 b.90; 3 c.30; 4.58
4.125sebuah..8 b..64 c..36 d.70; 4.58 e.50; 5
5.19sebuah..9568 b..957 c..9569
4.127.0256; .1296
d.m= 2;s= 1,342 e..7455; .9569; .9977
4.129.2; .1 f.Ya; Ya
4.131sebuah..5182 b..1136 c..7091 5.21Tidak; variabelnya bukan jumlah keberhasilan
d..3906 npercobaan. Sebaliknya, jumlah percobaan n adalah
4.133sebuah..0625 b..25 variabel.
4.135sebuah.
x012 5.23sebuah.1.000 b..997 c..086
p(x)6/158/151/15 5.25sebuah..098 b..991 c..098 d..138
b.m= 2/3;s = 16/45
2 e..430 f..902
JAWABAN LATIHAN TERPILIH ❍ 729
5.37
k 012345678910
P(x≤k) .055 .199 .423 .647 .815 .916 .966 .988 .996 .999
1.000
Cantumkan Tulis Tulis ulang Temukan
Masalah Nilai darix Probabilitasn Probabilitas Probabilitas
ya nya
3 atau kurang 0, 1, 2, 3 P(x≤3) tidak .647
dibutuhkan
3 atau lebih 3, 4, 5, . . . P(x≥3) 1—P(x≤2) .577
Lebih dari 3 4, 5, 6, . . . P(x>3) 1—P(x≤3) .353
Kurang dari 3 0, 1, 2 P(x<3) P(x≤2) .423
Antara 3 3, 4, 5 P(3≤x≤5) P(x≤5)— .493
dan 5 P(x≤2)
(inklusif)
Tepat 3 3 P(x=3) P(x≤3)— .224
P(x≤2)
Bab 6
6.1
Tulis ulang
Tulis Probabilitas Temukan
Interval Probabilitasnya (jika perlu) Probabilitas
nya
Kurang dari—2 P(z<—2) tidak dibutuhkan .0228
Lebih P(z>1.16) 1—P(z≤1.16) .1230
besardibandingk
1.645 an
1.16
Lebih besar dari P(z>1.645) 1—P(z≤1.645) 0,0500
Bab 7
7.11/500
7.11 sebuah. sampel kenyamanan c.Ya,
tetapi hanya jika siswa berperilaku seperti
sampel acak dari populasi umum pemuda
penduduk asli Amerika.
7.13 sebuah.pertanyaan pertama b. Persen
disukaiprogram menurun, mungkin karena
kata-kata "menghabiskan miliaran dolar"
dalam pertanyaan.
7.15normal; 53; 3
7.17normal; 100; 3.16
7.19 sebuah.m = 10; s/√¯n = 0,5
b. m = 5; s/√¯n = .2
c.m = 120; s/√¯n = 0,3536
7.21c.berbentuk gundukan kasar
7.23sebuah.1 b..707 c..500 d..333
e..250 f..200 g..100
7.25sebuah.106; 2.4 b.0,0475 c..9050
7.27b.sejumlah besar replikasi
7.31sebuah.1890; 69.282 b.0,0559
7.33sebuah.≈ 0 b. Ya; nilai ¯x = 98,25
hampir 5 standar deviasi di bawah rata-rata
yang diasumsikan, m = 98,6.
7.35normal; .7; .0648
JAWABAN LATIHAN TERPILIH ❍ 733
7.37sebuah.p= 0,3; SE = 0,0458 b.p= 0,1; 8.11pˆ = 0,728; margin kesalahan (MOE) = 0,029
SE= 0,015 c.p= 0,6; SE = 0,0310
8.13 x¯ = 39,8; MOE = 4,768
7.39sebuah..7019 b..5125
8.15 x¯ = 7,2%; MOE = 0,776
7.41sebuah..0099 b..03
e..0458 f..03
c..0458
g..0099
d..05 8.17 sebuah.pˆ = 0,51; MOE = 0,0327
√ ¯—
b. .5(.5)
1.96 —
900
8.19sebuah.Tidak b.Tidak ada apa-apa;
7.43sebuah.Ya; p = 0,19; SE = 0,03923b..0630
Tidak
c. .0604 d.Nilainya tidak biasa karena pˆ
8.21 Estimasi titik adalah x¯ = 19,3 dengan
= 0,30 terletak 2,80 standar deviasi di atas margin of error = 1,86.
rata-rata p = 0,19.
8.23sebuah.(.797, .883) b.(21.469, 22.331)
7.45 suatu.mendekati normal dengan rata-rata c.Interval dibangun dengan cara ini melampirkan
0,13 dan standar deviasi 0,0453 b..9382 nilai sebenarnya m 90% dari waktu dalam
c.≈ 0 d.0,04 hingga 0,22 pengambilan sampel berulang.
7.47 sebuah.mendekati normal dengan rata- 8.25(.846, .908)
rata 0,75 dan standar deviasi 0,0306 8.27sebuah.3.92 b.2.772 c.1.96
b.0,0516 8.29sebuah.3.29 b.5.16 c.Lebar bertambah.
c.0,69 hingga 0,81
8.31(3.496, 3.904); contoh acak
7.49sebuah.LCL = 150,13; UCL = 161,67
8.33 sebuah.(.932, 1.088) c.Tidak; m = 1 adalah
7.51sebuah.LCL = 0; UCL = 0,090 nilai yang mungkin untuk rata-rata populasi
7.53sebuah.LCL = 8598,7; UCL = 12.905,3
8.35 suatu.(.106, .166) b.Tingkatkan ukuran
7.55LCL = 0,078; UCL = 0,316 sampel dan/atau kurangi tingkat kepercayaan.
7.57LCL = 0,0155; UCL = 0,0357 8.37 sebuah.98,085 < m < 98,415 b.Tidak;
7.59berarti terlalu besar pada jam 2, 3, dan 4 mungkin nilai 98,6 bukanlah suhu tubuh rata-
7.63sebuah.≈ 12.5 b..9986 c.Mereka rata yang sebenarnya untuk orang sehat.
mungkinbenar. 8.39sebuah.(4.61, 5.99) b.Ya
7.65c.Tidak 8.41(15.463, 36.937)
7.71 sebuah.sampel klaster b.Sampel 8.43sebuah.(17.676, 19.324) b.(15.710, 17.290)
sistematik 1-dalam-10 c.sampel bertingkat c.(.858, 3.142) d.Ya
d. Sampel sistematik 1-dalam-10 e.sampel 8.45 sebuah.x¯1 — ¯x2 = 2617; MOE = 902.08 b. Ya
acak sederhana 8.47sebuah.(3.333, 16.667) b.(—22.040, —7.960)
7.73sebuah.131.2; 3.677 b.Ya c..1515 c.Tidak d.Ya; Ya
7.75sebuah.LCL = 0; UCL = 0,0848 b.pˆ > .0848 8.49 sebuah.(—.528, — .032); ya, karena m1 — m2
7.77Ya = 0 adalahtidak dalam selang waktu.
7.81 sebuah.mendekati normal dengan rata-rata 8.51 sebuah.(—.203, —.117) b.sampel acak
288 dan standar deviasi 0,9798 b..0207 dan independen dari distribusi binomial
c..0071 8.53sebuah.(—.221, .149) b.Tidak
7.83UCL = 0,2273; LCL = —.0273 8.55sebuah.(—.118, —.002)b.Ya, sejak
7.85sebuah.3.5; 1.208 p1 — p2 = 0 tidak ada dalam interval.
7.87sebuah.3.5; .854 8.57sebuah.(.095, .445) b.Ya
7.89sebuah..4938 b..0062 c..0000 8.59(.061, .259)
8.61sebuah.(—.082, .022) b.Tidak, sejak
p1 — p2 pq
= 0 ada di .5(.5)
dalam interval.
8.38sebuah..16 b..339 c..438
Bab
0
1.96
√¯ ; 1.96
√¯
——
; 385;
——
8.5sebuah..55 b..175 c..055 8.63 n n
10 97
kuantitatif; satu; 1,96——;
4
√¯n
8.7sebuah..17 b..098 c.0,049 d..031
sebuah.m<76,63 b.m<1,89
9
734 ❍ JAWABAN LATIHAN TERPILIH
11.31(—3.833, —.767)
b.Tidak. F = 1,47; nilai-p = 0,248. c.Tidak
11.33sebuah.Ya; F = 19,19 b.Ya; F = 135,75 F= 3,46; nilai-p = 0,087. d.Ya
c.¯x1 x¯3 x¯4 x¯2 d. (—5.332, — F= 117,49; nilai-p = 0,000.
e.Ya 2.668) 11.57perbedaan nyata antar perlakuan A
11.35sebuah.7 b.7 c.5 e.Ya; F = 9,68 dan C, B dan C, C dan E dan D dan E
f.Ya; F = 8,59 11.59 suatu.perbedaan yang signifikan dalam cara pengobatan;
11.37 F= 27,78 b.v Tukey = 0,190
ANOVA dua arah: y versus Blok, Bahan Kimia c.Ya; F = 6,59
Analisis Varians untuk y 11.61
Sumber DF SS NONA F P
Blok 2 7.1717 3.5858 40.21 0.000 ANOVA satu arah: Penjualan versus Program
Bahan 3 5.2000 1,7333 19.44 0,002 Analisis Varians untuk Penjualan
kimia Sumber DF SS NONA F
Kesalahan 6 0,5350 0,0892 PProgram 3 1385,8 461,9
Total 11 12.9067 9,84 0,000
Kesalah 23 1079.4 46.9
11.39sebuah.Ya; F = 10,06 b.Ya; F = 10,88 an
c.ay= 4,35 d.(1.12, 5.88) Total 26 2465.2
Analisis Varians
NONA F Sumber DF SS
16,21 0,007 Regresi 1 18422
1137 Kesalahan Sisa 6 6820
Total 7 25242
12.65sebuah.Tidak; t = 2.066 dengan p-value > .05
b.r2 = 0,299
12.67Tidak; varians tidak konstan untuk semua x.
12.69sebuah.hubungan positif yang kuat
b.r2 = 0,778; 77,8%
c.yˆ = —14,150 + 21,430x; ya, t = 5,30
d.Ya
12.71di ujung-ujung daerah percobaan
12.73sebuah.yˆ = 20,47 — ,758x
b.
Sumber DF SS NONA F
1 287,28 287,28 493,40
0.000
Kesalahan Sisa 8 4.66 0,58
Total 9 291.94
c.Tolak H0, t = —22.21 d.(—.86, —.66)
e.(9.296, 10.420) f.r2 = 0,984
12.77sebuah.y-intersep = 3; kemiringan = —0,5
Bab 13
13.1b.garis sejajar
13.3sebuah.ya, F = 57,44 dengan p-value <.005
b.R2 = 0,94
13.5sebuah.kuadrat b.R2= 0,815; kecocokan yang relatif baik
c.ya, F = 37,37 dengan p-value = 0,000
742 ❍ JAWABAN LATIHAN TERPILIH
b.Hasilnya sama.
15.69sebuah.Tolak H0; H = 9,08.
b.0,025 < nilai p < 0,05 c.Hasilnya
sama.
15.71 suatu.Tidak b.perbedaan
yang signifikan antara tanggapan
terhadap tiga tingkat penerapan; Fr =
10.33 dengan p-value = .006
15.73T= 19. T.05 = 21 (T.01 = 18.) Tolak H0.
15.75z= 1,18 < z,05 = 1,645; pencahayaan tidak efektif
15.77H= 7,43 df = 3 nilai p = 0,059;
tidak ada perbedaan yang
signifikan
15.79sebuah.rs= 0,738. b.p-nilai = .025 < .05;
ya, korelasi positif
746 ❍ JAWABAN LATIHAN TERPILIH
Indeks
Efisiensi, relatif,644
Elemen sampel,3
Aturan Empiris
perhitungan s
dan,70 penjelasan
tentang,67–69
variabel acak normal dan,224,229
penggunaan,68–70,193
z-skor
dan,76
Kesalahan
estimasi,302
margin dari,302
sisa,511,523
contoh,305
Tipe I,347,356–357
Tipe II,356,357
Istilah kesalahan,
tergantung,523 Perkiraan.
Lihat juga Sampel besar
kesala
han
estimasi,
302
penjelasan tentang,298–299
selang,300,307–315
titik,299–305
inferensi sampel kecil
dan,391 penggunaan garis
pas untuk,527–531
penggunaan model regresi
untuk,559
740 ❍INDEKS
Sampel keputusan,258
Kendall r,660
Kruskal-Wallis H-test untuk
desain acak lengkap,650–
654
Notasi
bersebelahan,98–100 Ramalan
faktorial,139
menggunakan MINITAB,38–40 penggunaan garis pas
untuk ukuran variabilitas,62
Pesawat,553 untuk,527–531 penggunaan
Hipotesis nol
Plot residual versus fit,523,558 model regresi untuk,559 Nilai
analisis varian dan,454,470
Estimasi poin,299 dari,520
penjelasan tentang,344–345
Penjelasan estimasi persamaan prediksi,503
penolakan,347,353,357,645
titik,299 Interval prediksi,529
penggunaan,349,350,373,393
sampel besar,325–326 Variabel prediktor
Jumlah derajatkebebasan (df )
parameter populasi,302–303 penjelasan tentang,504,552
terkait dengan s2,388
penggunaan,300–305 dalam model regresi,566–571
Angka, acak,256
Penjelasan estimator Prinsip kuadrat terkecil,506–507
Langkah-langkah
titik,299,315 Probabilitas sebelumnya,160
numerik
distribusi sampel,301 Model probabilistik, linier sederhana,503–
perhitungan s dan,70–71
variabilitas,303 506 Probabilitas
dari pusat,53–57
Pendekatan Poisson, untuk Aturan Bayes dan,158–
penjelasan tentang,53
ringkasan lima nomor dan plot kotak distribusi binomial,201– 161 binomium,201
202,237 bersyarat,149–151,159–160
dan,80–83
MINITAB dan,88–89 probabilitas aturan menghitung dan137–
untuk data bivariat kuantitatif,105–108 Poisson,237Poissondistribusi 142 binomial kumulatif,188–
kedudukan relatif,75–80 kemungkinan 189 hubungan peristiwa
penjelasan tentang,197–202 dan144–148
standar deviasi dan,66–70
rumus untuk,198 peristiwa dan ruang sampel dan,128–
variabilitas,60–65
grafik dari,200 131 untuk variabel acak normal
studi observasi,256,448 MINITAB,202,209–211 umum,
sampel acak sistematis 1-in-k,258 variabel acak Poisson,197–198 229–232
Batas kepercayaan satu sisi,328–329 jajak pendapat,1–3 kemerdekaan dan,149–154
Model regresi polinomial,560–562 hukum jumlah,159
Uji hipotesis satu sisi,345,347,
349,401 Metode gabungan,403,405,406 Aturan Perkalian dan,149–152,154,159
klasifikasi satu arah,450.Lihat juga Uji t gabungan,410 Poisson,198–202
Koefisien korelasi populasi,536 belakang,160,161
Desain acak lengkap
Pemesanan,139 Kependudukan berarti sebelumnya,160
Penyimpangan memperkirakan perbedaan antara dua,318– hubungan antara statistik dan,128 rata-
pemeriksaan,22,24 321 perkiraan,303,304,318–321 rata sampel,268
isolasi dari,80–82 penjelasan tentang,54,166 acara sederhana,131–134
median dan,56 Ftes untuk membandingkan,455 tak bersyarat,159,603
z-skor dan,76 interval kepercayaan sampel besar untuk serikat pekerja dan
Keluaran,6 untuk,310–311 komplemen,146–148 fungsi kepadatan
uji sampel besar tentang,347–360 probabilitas,192,221,222 Distribusi
Perbandingan berpasangan uji sampel besar untuk perbedaan probabilitas
menjalankan program komputer,465 antara,363–366 binomium,184–193,237–243
peringkat,462–465 chi-kuadrat,418–420
Metode Tukey untuk,463,464,484
kesimpulan sampel kecil kontinu,220–222
Eksperimen beda berpasangan,640
Uji perbedaan berpasangan,410–414,639 tentang,391–392 untuk variabel acak kontinu,220–223
Dipasangkan kesimpulan sampel kecil untuk untuk variabel acak diskrit,164–170
perbedaan antara dua,399–406 penjelasan tentang,163–164,221
t,414,641
penggunaan,55 grafik dari,168
Parameter
Model populasi,503–506 hipergeometris,205–207
penjelasan tentang,53,255
Koefisien korelasi peringkat populasi,664 MINITAB dan,173–175
kesimpulan tentang,298–299
menguji hipotesis tentang populasi,344 Populasi normal,68,223–232
membandingkan multinomial,610–612 Poisson,197–202
nilai-nilai,255
penjelasan tentang, 3,8 persyaratan untuk diskrit,164–165
Bagan Pareto,13
hipotetis,257 histogram probabilitas,165
Penjelasan koefisien regresi
identifikasi,4 tabel probabilitas,131,148,159
parsial,553,554,556
normal,266 Maksud proses,281–
pengujian signifikansi,557
miring,266 283 Proporsi
Lereng sebagian,553,556
simetris,266 dari cacat,283–285
pbagan,283–285
Deviasi standar populasi,167,223 memperkirakan perbedaan antara
Pearson, Karl,595
Varian populasi dua binomial,324–326
Koefisien korelasi sampel momen produk
membandingkan dua,424–430 perkiraan,303
Pearson,533–534
perkiraan,64 Sampel,275–279
Statistik chi-kuadrat Pearson. Lihat statistik
penjelasan tentang,62 ppersentil ke-,76
Chi-kuadrat
rumus untuk,167 p-nilai
Persentase,11
pengujian hipotesis,420–421 perhitungan,351–355,395
Persentil,76,77
kesimpulan tentang,417–423 penjelasan tentang,345,346
Permutasi
kesimpulan tentang,417–423 tes hipotesis dan,365,378,394,422
menghitung aturan untuk,140,141
Probabilitas posterior,160,161
penjelasan
Kekuatan model kuadrat,559–562
tentang,139 Diagram
uji statistik,357–360,643 Variabel kualitatif
lingkaran
uji-z,360 penjelasan tentang,10–11,163
penjelasan tentang,12,13
kurva daya,357 grafik untuk,98–100
untuk data kuantitatif,17–19
peramal,566–571 tabel
statistik untuk,11–12
INDEKS❍745
Variabilitas
penaksir,301–303
ukuran dari,60–65
aturan untuk
menjelaskan,67
Variabel
kontinu,10,11,17
acak terus menerus,163,170,220–223
bergantung,108
diskrit,10,11,17
contoh,567
penjelasan tentang,8–9,163
mandiri,108
peramal,552
kualitatif,10,11,98–100,163,566–571
kuantitatif,10,11,17,102–104,566–571
acak,163–170
tanggapan,552
jenis dari,10–11
Perbedaan. Lihat juga Analisis
varians(ANOVA)
perhitungan,63
umum,449
penjelasan
tentang,62
untuk data
berkelompok,7
4
MINITAB,534
notasi untuk,62
populasi,62,64,167,417–430
Sampel,6
2,64
diagram
Venn
acara di,146,147
penjelasan tentang,130
Rata-rata tertimbang,400
Wilcoxon,
Frank,631,644 Tes
jumlah peringkat
Wilcoxon
penjelasan tentang,630–634
perkiraan normal untuk,634–
636 penggunaan,637
Nilai kritis uji peringkat
bertanda Wilcoxon
dari T untuk,704
perkiraan normal untuk,647–
648 untuk percobaan
berpasangan,644–647
Bias kata-kata, dalam survei sampel,257
x–bagan,282–283
y-mencegat,108,109,530
INDEKS❍749
Kredit
Halaman ini merupakan perpanjangan dari halaman hak cipta. Kami telah melakukan
segala upaya untuk melacakkepemilikan semua materi berhak cipta dan untuk
mendapatkan izin dari pemegang hak cipta. Jika ada pertanyaan yang muncul mengenai
penggunaan materi apa pun, kami akan dengan senang hati melakukan koreksi yang
diperlukan di cetakan mendatang. Terima kasih kepada penulis, penerbit, dan agen
berikut atas izin untuk menggunakan materi yang ditunjukkan.
Bab 8. 297:© Associated Press; 306, Latihan 8.14: Dicetak ulang dengan izin dari
Science News, majalah berita mingguan Science, hak cipta 1989 oleh Science Services,
Inc.; 322, Latihan 8.43: Dari “Penilaian Kinerja Kurikulum Biologi SMA Berbasis
Standar” oleh W. Leonard, B. Speziale dan J. Pernick dalam The American Biology
Teacher 2001, 63(5); 310–316. Dicetak ulang dengan izin dari Asosiasi Guru Biologi
Nasional; 323, Latihan 8.46: Dari “Penilaian Kinerja Kurikulum Biologi SMA Berbasis
Standar” oleh W. Leonard, B. Speziale dan J. Pernick dalam The American Biology
Teacher 2001, 63(5); 310–316. Dicetak ulang dengan izin dari Asosiasi Guru Biologi
Nasional; 338, Latihan 8.101: Dari jajak pendapat CBS/New York Times, “Is America
Ready For A Woman President?”, 5 Februari 2006. Hak Cipta © 2006 CBS Broadcasting
Inc. Seluruh hak cipta. Digunakan atas izin CBS News.
Bab 9. 343:© Scott Olson/Getty Images.
Bab 10. 386:© CORBIS SYGMA; 397, Latihan 10.6: Dari “Pricing of Tuna,” Hak Cipta
2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-1057, sebuah organisasi
nirlaba. Dicetak ulang dengan izin dari Consumer Reports® edisi Juni 2001 hanya untuk
tujuan pendidikan. Tidak ada penggunaan komersial atau reproduksi yang
diizinkan.www.ConsumerReports.org®;446:Dari “Pekan Kerja Empat Hari
Meningkatkan Lingkungan” oleh CS Catlin dalam Kesehatan Lingkungan, Vol. 59, No. 7,
Maret 1997. Hak Cipta 1997 Perhimpunan Kesehatan Lingkungan Nasional. Dicetak
ulang dengan izin.
Bab 11. 447:© James Leynse/CORBIS; 462, Latihan 11.16: Dari “Pricing of Tuna,” Hak
Cipta 2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-1057, sebuah
organisasi nirlaba. Dicetak ulang dengan izin dari Consumer Reports® edisi Juni 2001
hanya untuk tujuan pendidikan. Tidak ada penggunaan komersial atau reproduksi yang
diizinkan.www.ConsumerReports.org®.
Bab 12. 502:© Justin Sullivan/Getty Images; 549, Latihan 12.80: Dari
“Ratings: Walking Shoes,” Hak Cipta 2006 oleh Consumers Union of US, Inc.,
Yonkers, NY 10703-1057, sebuah organisasi nirlaba. Dicetak ulang dengan izin dari
Consumer Reports® edisi Oktober 2006 hanya untuk tujuan pendidikan. Tidak ada
penggunaan komersial atau reproduksi yang diizinkan.www.ConsumerReports.org®.
Bab 13. 551:© Will & Deni McIntyre/CORBIS; 590, Latihan 13.33: Dari “Tuna Goes
Upscale,” Hak Cipta 2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-
1057, sebuah organisasi nirlaba. Dicetak ulang dengan izin dari Consumer Reports®
edisi Juni 2001 hanya untuk tujuan pendidikan. Tidak ada penggunaan komersial atau
reproduksi yang diizinkan.www.ConsumerReports.org®.
Bab 14. 594:© Dave Bartruff/CORBIS; 601, Latihan 14.13, 14.14: M&M's® dan M®
adalah merek dagang terdaftar yang dimiliki oleh Mars, Incorporated dan afiliasinya.
Merek dagang ini digunakan dengan izin. Mars, Incorporated tidak terkait dengan
Cengage Learning Market Group di seluruh dunia. © Mars, Inc. 2008.
Bab 15. 629:© Don Carstens/Merek X/CORBIS; 677: Dari “Kisaran Pengganti Telur
dalam Kualitas” oleh K. Sakekel dalam The San Francisco Chronicle, 10 Februari 1993,
hal. 8. Hak Cipta © 1993 San Francisco Chronicle.
Lampiran. 691:Dari “Tabel Poin Persentase Distribusi-t,” Biometrika 32 (1941):300.
Direproduksi atas izin Pengawas Biometrika; 692: Dari “Tabel Poin Persentase
Distribusi x2,” Tabel Biometrika untuk Ahli Statistik, Vol. 1, edisi ke-3. (1966).
Direproduksi atas izin Pengawas Biometrika; 694: Sebagian dari “Tabel Poin Persentase
Distribusi Beta (F) Terbalik,” Biometrika, Vol. 33 (1943) oleh M. Merrington dan CM
Thompson dan dari Tabel 18 Biometrika Tables for Statisticians, Vol. 1, Cambridge
University Press, 1954, diedit oleh ES Pearson dan
746❍KREDIT
HO Hartley. Direproduksi dengan izin dari penulis, editor, dan Wali Biometrika; 702,
Tabel 7(a) dan 7(b): Data dari “Tabel Tambahan Nilai Kritis untuk Statistik Dua
Sampel Mann-Whitney (Wilcoxon)” oleh Roy C. Milton,
hlm. 925–934, dalam Journal of American Statistical Association, Vol. 59, No. 307,
September 1964. Dicetak ulang dengan izin dari Journal of American Statistical
Association. Hak Cipta 1964 oleh Asosiasi Statistik Amerika. Seluruh hak cipta; 704:
Dari “Beberapa Prosedur Statistik Perkiraan Cepat” (1964) 28, oleh F. Wilcoxon dan RA
Wilcox. Direproduksi dengan izin dari Lederle Laboratories, sebuah divisi dari American
Cyanamid Company; 705: Dari “Distribution of Sums of Squares of Rank Differences
for Small Samples” oleh EG Olds, Annals of Mathematical Statistics 9 (1938).
Direproduksi dengan izin dari editor, Annals of Mathematical Statistics; 706: Dari
Handbook of Tables for Probability and Statistics, edisi ke-2, diedit oleh William H.
Beyer (CRC Press). Digunakan atas izin William H. Beyer.
Jawaban untuk Latihan Pelatih MyPersonal
Bab 1 SEBUAH. B.
0 0 hingga <15
15 sampai
<30
90 12.86 15 0 0 hingga
<1,0
1,0 hingga
<2,0
500 500 hingga
Bab 2 SEBUAH.
Himpunan data Diurutkan n Posisi Q1 Posisi Q3 Kuartil Bawah, Q1 Kuartil Atas, Q3
2, 5, 7, 1, 1, 2, 8 1, 1, 2, 2, 5, 7, 8 7 2 6 1 7
5, 0, 1, 3, 1, 5, 5, 2, 4, 4, 1 0, 1, 1, 1, 2, 3, 4, 4, 5, 5, 5 11 3 tanggal 9 1 5
B.
Kumpulan Data Posisi Q1 Nilai Berdekatan Q1 Posisi Q3 Nilai Berdekatan Q3
yang Diurutkan
0, 1, 4, 4, 5, 9 1.75 0 dan 1 0+0,75(1)=.75 5.25 5 dan 9 5+.25(4)=6
0, 1, 3, 3, 4, 7, 7, 8 2.25 1 dan 3 1+.25(2)=1.5 6.75 7 dan 7 7+0,75(0)=7
1, 1, 2, 5, 6, 6, 7, 9, 9 2.5 1 dan 2 1+0,5(1)=1.5 7.5 7 dan 9 7+0,5(2)=8
bagian 3 SEBUAH.
x y xy Menghitun Kovarian
g:
0 1 0 n=3 ——(Sx)(Si)
Sxy — n
seksi=—— =1
n—1
2 5 10 sx=2
4 2 8 sy=2.082 Koefisien Korelasi
sx
r = —y = .240
Sx=6 Sy=8 Sxy=18 —
sx sy
B.
Dari Bagian A Dari Bagian A Menghitu Lereng y-Mencegat
ng:
Sx=6 sx=2 x¯=2 sy
b=r
()
——
sx
= .25 sebuah=y¯—
Sy=8 sy=2.082 y¯=2.667 bx¯=2.167
r=.240 Garis Regresi: y=2.167+.25x
Bab 4
P(A) P(B) Kondisi untuk Peristiwa A dan B P(A∩B) P(AASB) P(A|B)
.3 .4 Saling eksklusif 0 .7 0
.3 .4 Mandiri .12 .58 .3
.1 .5 Saling eksklusif dan bergantung 0 .6 0
.2 .5 Mandiri .10 .6 .2
Bab 8
Jenis 1 atau MOE Menyelesaikan Ukuran
2 sampel
pq .4(.6)
1.96 √¯——n 1.96 √¯——
n
≤ .1
n≥93
1,96 6 ≤1
Kuantitatif Satu —— n≥139
s 2 √n¯
√¯s 2
36 3 6 n1 ≥70
¯—— + ——
2
1 n√¯
1.96 —— + —— ≤2
n ¯ n2 ≥70
n n