MAKALAH

STATISTIKA DASAR

“Penyajian Data, Distribusi Normal, Uji Hipotesis dan

Uji Proporsi”

Dosen Pengampu :Sitti Masyita Meliyana R., S.Pd, M.Si

NAMA : MUH FARHAN ALFARABI

NIM : 230105501002

KELAS : PENDIDIKAN KIMIA B

PROGRAM STUDI PENDIDIKAN KIMIA

JURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MAKASSAR
20
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah memberikan karunia dan
rahmat- Nya sehingga kami dapat menuntaskan tugas makalah Pedidikan
Pancasila yang berjudul " Penyajian Data, Distribusi Normal, Uji Hipotesis dan
Uji Proporsi " ini tepat pada waktunya.

Semoga dengan membaca makalah ini, para pembaca dapat memahami

secara mendalam tentang asas-asas pendidikan dan juga dapat menerapkannya
dalam kehidupan sehari-hari.

Kami mengucapkan terimakasih banyak kepada Sitti Masyita Meliyana R.,

S.Pd, M.Si selaku dosen mata kuliah Pendidikan Pancasila yang telah
memberikan tugas ini kepada kami sehingga hal tersebut dapat menunjang untuk
mempelajari semua hal tentang fungsi dan tujuan, klasifikasi,dan penerapan asas-
asas pendidikan dalam kehidupan sehari-hari.

Kami juga mengucapkan terimakasih kepada semua pihak yang turut

membantu kami dalam menyelesaikan makalah ini Kami menyadari makalah yang
kami buat ini masih memiliki banyak kekurangan Oleh karena itu kami
membutuhkan kritik dan saran yang membangun untuk memperbaiki kekurangan
yang ada.

Makassar, 23 November 2023

Penulis
 DAFTAR ISI

DAFTAR ISI........................................................................................................i

KATA PENGANTAR.........................................................................................ii

BAB I PENDAHULUAN...................................................................................1

A. LATAR BELAKANG MASALAH........................................................1

B. RUMUSAN MASALAH.......................................................................3
C. TUJUAN ...............................................................................................3
D. MANFAAT.............................................................................................3

BAB II TINJAUAN PUSTAKA........................................................................5

A. KONSEP ...............................................................................................6
B. KONSEP................................................................................................7

BAB III PEMBAHASAN ..................................................................................8

A. KESIMPULAN......................................................................................8
B. SARAN.................................................................................................10

BAB IV PENUTUP ...........................................................................................10

 BAB I

PENDAHULUAN

A.Latar Belakang

Dalam statistika, data adalah kebutuhan paling dasar. Hal ini secara tidak
langsung dijelaskan dalam definisi dari statistika, yaitu ilmu yang mempelajari
tentang pengumpulan data, mengolah, menyajikan, menganalisis/interpretasi data,
dan menarik kesimpulan berdasarkan data (Kadir, 2015). Dengan adanya data-
data, banyak informasi statistik yang bisa diperoleh. Contohnya kumpulan data
dari kelahiran/kematian suatu penduduk, persentase kelulusan Ujian Nasional
(UN) di
suatu sekolah, dan sebagainya. Hampir di setiap aspek kehidupan dijumpai hal-hal
yang berhubungan dengan statistika sehingga tidak heran bahwa statistika
diajarkan di sekolah dari pendidikan dasar hingga perguruan tinggi.
Dalam pendidikan matematika, pendidikan statistik merupakan komponen
yang penting (Metz, 2010). Statistik tidak hanya digunakan pada bidang
matematika saja, melainkan juga bidang lainnya untuk melihat situasi yang terjadi
saat ini dan membuat keputusan yang benar dalam adaptasinya untuk
perkembangan serta perubahan di dunia (Koparan, 2015). Hal ini juga didukung
oleh Kadir (2015) bahwa statistika memiliki peranan yang penting dalam
aplikasinya untuk mengembangkan ilmu pengetahuan di berbagai bidang
keilmuan seperti pendidikan, psikologi, ekonomi, dan sebagainya. Beberapa
pendapat tersebut menunjukkan bahwa penerapan statistika dapat kita rasakan
dalam kehidupan sehari-hari. Hal-hal terkait statistika sering dijumpai di koran,
majalah, televisi, artikel dan media lainnya baik itu berbentuk kalimat, esai, tabel,
diagram,grafik dan sajian data lainnya. Tampilan data tersebut dapat memberikan
banyak informasi kepada pembacanya, sehingga seseorang membutuhkan
kemampuan tertentu untuk memahami maksud dari informasi yang ada.
Kemampuan yang dimaksud adalah melek statistik atau biasa disebut dengan
literasi statistic (statistical literacy).
Dalam kehidupan sehari-hari, masyarakat sering menemui berbagai jenis
informasi statistik yang menuntut masyarakat untuk berliterasi. Jika pengetahuan
statistik tidak dimiliki, ini dapat menyulitkan masyarakat untuk memahami
informasi. Garfield dan Ben-Zvi (2008) menyatakan bahwa literasi statistik
sebagai kemampuan utama yang harus dimiliki oleh masyarakat yang syarat akan
informasi dan sering juga diharapkan sebagai hasil dari sekolah sebagai
komponen berhitung dan keaksaraan (literacy) orang dewasa. Hafiyusholeh
(2015) mengemukakan bahwa kemampuan literasi statistik ini memudahkan siswa
untuk membuat keputusan-keputusan yang muncul di sekitar kehidupan. Apabila
dari sekolah sudah ditanamkan pengetahuan statistik kepada siswa, ini akan
memudahkan mereka saat menemui kasus-kasus yang membutuhkan pemahaman
dan pengetahuan statistik
untuk mengambil suatu keputusan.Dalam makalah ini kita akan membahas
mengenai tentang seluk beluk dalam statitika,

B. Rumusan Masalah
1. Apa yang dimaksud dengan penyajian data ?
2. Apa yang dimaksud dengan distribusi normal ?
3. Apa yang dimaksud uji hipotesis ?
4. Apa yang dimaksud uji proporsi ?
C. Tujuan
1. Untuk mengetahui lebih dalam mengenai penyajian data
2. Untuk mengetahui lebih dalam mengenai distribusi normal
3. Untuk mengetahui lebih dalam mengenai uji hipotesis
4. Untuk mengetahui lebih dalam mengenai uji proporsi
 BAB II
PEMBAHASAN

A. Penyajian Data
Penyajian data adalah bentuk pengemasan suatu data secara visual
sedemikian sehingga data lebih mudah dipahami. Tanpa ada penyajian yang tepat,
sorang peneliti akan kesulitan untuk menganalisis hasil akhir penelitian. Penyajian
data bisa dilakukan dalam bentuk tabel, diagram, maupun grafik. Pemilihan
bentuk penyajian ini disesuaikan dengan jenis datanya, ya. Misalnya, diagram atau
grafik sesuai untuk data kuantitatif.
1. Macam Macam Penyajian Data
a. Distribusi Frekuensi
Distribusi frekuensi merupakan penyusunan suatu data dimulai dari
yang terkecil sampai yang terbesar dan membaginya dalam beberapa kelas
atau disusun berdasarkan kelompok-kelompok atau kategori tertentu
Adapun macam macam dari distribusi frekuensi adalah sebagai berikut:
1. Distribusi Biasa
Dalam distribusi frekuensi biasa, data dikelompokkan ke dalam kategori
atau interval yang disebut kelas data. Teknik ini digunakan untuk
merangkum dan menunjukkan pola atau sebaran data dalam tabel atau
grafik.Distribusi frekuensi biasa memberikan gambaran visual yang jelas
tentang sebaran nilai-nilai data dan memungkinkan kita untuk
mengidentifikasi pola atau karakteristik khusus dari data tersebut, seperti
nilai yang sering muncul (mode), rentang nilai (range), atau ukuran
pemusatan data seperti rata-rata (mean) dan median. Dalam analisis data,
distribusi frekuensi biasa sangat bermanfaat karena memudahkan
pemahaman data secara keseluruhan dan membantu pengambilan
keputusan berdasarkan data yang dihasilkan.
2. Distribusi Kumulatif
Distribusi Frekuensi Kumulatif adalah konsep statistik yang
dikenal untuk menyajikan data dalam bentuk tabel atau grafik yang
menunjukkan akumulasi frekuensi data dalam interval tertentu.
Dalam distribusi frekuensi kumulatif, jumlah atau persentase data
yang kurang dari atau sama dengan batas tertentu dari interval kategori
yang telah ditentukan sebelumnya. Ini membantu memahami sebaran data
secara lebih luas daripada hanya melihat distribusi frekuensi biasa.
Persentase, seperti median (persentil ke-50) dan kuartil (persentil
ke-25 dan ke-75), yang merupakan titik penting dalam data, dapat dengan
mudah diidentifikasi dengan melihat distribusi kumulatif. Dalam analisis
statistik, distribusi frekuensi kumulatif sering digunakan untuk
menunjukkan sejauh mana data berkonsentrasi pada nilai-nilai tertentu dan
untuk menemukan outlier atau nilai-nilai ekstrim.
3. Distribusi Frekuensi Relatif
Distribusi Frekuensi Relatif digunakan untuk merangkum data,
menghitung proporsi atau persentase relatif dari setiap interval atau
kategori dalam distribusi frekuensi. Distribusi frekuensi relatif menghitung
frekuensi relatif, yaitu bagian dari total data yang masuk ke dalam setiap
kelas, bukan hanya jumlah frekuensi absolut dalam setiap kelas data.
Perbandingan proporsi data dalam berbagai kelas atau interval
dapat dengan mudah dilakukan dengan distribusi frekuensi relatif; ini
seringkali lebih informatif untuk analisis daripada hanya melihat frekuensi
absolut.
Selain itu, distribusi frekuensi relatif berguna untuk menunjukkan
distribusi data dalam bentuk persentase, yang memudahkan pemahaman
tentang sebaran relatif dari nilai-nilai data dalam setiap kategori atau
interval. Hal ini sangat bermanfaat dalam statistik karena memungkinkan
untuk membandingkan distribusi data antara kelompok atau populasi yang
berbeda dengan berbagai ukuran, yang memungkinkan perbandingan yang
lebih objektif dalam analisis data.
b. Penyajian Data Dalam Bentuk Tabel
Tabel adalah penyajian data dalam bentuk kolom guna mempermudah
pengklasifikasian data atau pengelompokan data. Data dalam tabel dapat
berupa tabel numeric (angka) dan tabel tally atau turus. Langkah-langkah
menyajikan data dalam bentuk tabel adalah sebagai berikut :
Kelompokkan data secara berurutan, mulai dari data terkecil sampai data
terbesar atau sebaliknya.Masukkan data tersebut secara berurutan ke
dalam tabel.Tuliskan judul tabel di bagian atas tabel dengan
menggunakan huruf kapital.
Contoh soal : Berikut merupakan data tinggi siswa (dalam cm) kela IV
SD Gemar Belajar.
125 125 125 130 130 130 130 135 135 140
140 140 140 140 140 145 145 145 145 145
Sajikanlah data tersebut dalam bentuk tabel
Penyelesaian Langkah 1 : Angka 125 muncul 3 kali, artinya banyak siswa
yang tingginya 125 ada 3 anak. Angka 130 muncul 4 kali artinya banyak
siswa yang tingginya 130 ada 4 anak Angka 135 muncul 2 kali artinya
banyak siswa yang tingginya 135 ada 2 anak Angka 140 muncul 6 kali
artinya banyak siswa yang tingginya 140 ada 6 anak Angka 145 muncul 5
kali artinya banyak siswa yang tingginya 145 ada 5 anak Langkah 2 :
Data yang sudah dikelompokkan tersebut, kemudian di masukan ke
dalam tabel.
c. Penyajian Data Dalam Bentuk Diagram
Diagram adalah penyajian data dalam bentuk diagram batang, diagram
garis atau diagram lingkaran. Data dalam tabel tersebut dapat ditunjukan
dengan angka skala, persentase maupun derajat. Diagram batang, adalah
representasi grafis dari data menggunakan sejumlah persegi panjang
dengan lebar yang sama. Persegi panjang dalam diagram batang dapat
digambarkan dengan bentuk vertikal maupun horizontal. Grafik batang
juga sering disebut dengan kolom grafik. Berikut merupakan langkah-
langkah untuk menyajikan data dalam bentuk diagram batang :
Ubah data dalam bentuk tabel
Buatlah garis tegak lurus, garis mendatar menyatakan jenis data dan garis
tegak menyatakan banyak data
Buatlah skala pada garis mendatar dan garis tegak dan batang sesuai data.
Contoh soal : Perhatikan data penjualan sepeda motor di PT Gemar
berbagi dalam enam bulan terakhir!
Januari = 35 unit April = 50 unit Februari = 40 unit Mei = 40 unit
Maret = 45 unit Juni = 55 unit
Penyelesaian : Sumbu mendatar menyatakan bulan penjualan dan sumbu
tegak menyatakan jumlah penjualan. Berikut adalah bentuk diagram
batang dari kata pada tebal.
 grafis dari data menggunakan titik-titik koordinat yang
dihubungkan dengan garis. Diagram garis dapat dibedakan menjadi dua
yaitu diagram garis tungga untuk satu kelompok data dan diagram garis
majemuk untuk lebih dari satu kelompok data. Adapun contohnya seperti
dibawah ini :

diagram lingkaran adalah representasi grafis dari data

menggunakan sebuah lingkaran yang dibagi menjadi beberapa juring
lingkaran dengan sudut pusat juring menggambarkan besar data yang
diwakili setelah dibagi jumlah seluruh data dan dilakukan dengan 360ᵒ.
Penyajian data dalam diagram lingkaran terbagi atas beberapa juring yang
dinyatakan dalam bentuk % atau besar sudut. Jika dalam bentuk persen
maka satu lingkaran penuh adalah 100%. Jika dinyatakan dalam sudut
maka satu lingkaran penuh adalah 360ᵒ.

Diagram lingkaran dalam Diagram lingkaran dalam

bentuk sudut bentuk Persen

histogram adalah tampilan grafis dari tabulasi frekuensi yang

digambarkan dengan grafis batangan sebagai manifestasi data binning.
Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-
masing deret kategori yang berdampingan dengan interval yang tidak
tumpang tindih contohnya seperti.
Pertanyaan: Tabel berikut menunjukkan masa pakai 400 lampu neon.
Gambarkan histogram untuk data di bawah ini.
 Diagram batang daun (steam and leaf diagram) menyajikan penyebaran
dari suatu data sehingga secara keseluruhan data individu-individu dapat
terlihat apakah ada kecenderungan data tersebut menyebar atau memusat
pada suatu nilai tertentu, atau nilai manakah yang paling sering muncul
dan yang jarang muncul. Data kuantitatif (berbentuk angka) akan
disajikan dengan menggunakan diagram batang daun serta ditata menjadi
dua bagian. Angka pertama ditempatkan pada bagian diagram yang
disebut batang, dan angka kedua dan seterusnya (kalau ada) ditempatkan
pada bagian yang disebut daun. Jadi, suatu data yang merupakan suatu
bilangan, misalnya 95, akan dipisahkan sebagai 9 dan 5, sedangkan 256
akan dipisahkan sebagai 2 dan 56 atau 25 dan 6. Untuk lebih memahami
diagram batang daun, perhatikan contoh berikut.
Nilai ulangan umum fisika dari 36 siswa adalah sebagai berikut.
Jika datai ini tidak disusun dalam suatu diagram maka tidak segera terlihat
kecenderungan penyebarannya. Gambar berikut ini menyajikan diagram batang
daun untuk data yang tersedia.

Diagram titik secara visual mengelompokkan jumlah titik data dalam

kumpulan data berdasarkan nilai setiap titik. Ini memberikan gambaran
visual tentang distribusi data, mirip dengan histogram atau fungsi
distribusi probabilitas. Plot titik memungkinkan analisis visual cepat
terhadap data untuk mendeteksi kecenderungan sentral, penyebaran,
kemiringan, dan modalitas data

Contohnya seperti berikut

 Diagram kotak garis atau boxplot adalah metode grafis untuk
menggambarkan kumpulan data numerik berdasarkan nilai
kuartilnya.Diagram kotak garis bersifat nonparametrik, artinya diagram
ini menampilkan variasi sampel populasi statistik tanpa membuat asumsi
apa pun tentang distribusi statistik yang mendasarinya. Jarak antara
bagian-bagian kotak yang berbeda menunjukkan derajat dispersi
(sebaran), kemiringan, dan pencilan dari data tersebut. Diagram kotak
garis dapat digambarkan secara horizontal maupun vertikal

B. Distribusi Normal
Distribusi normal sebagai salah satu jenis distribusi variabel acak kontinu.
Pada distribusi normal sendiri terdapat kurva berbentuk lonceng atau grafik.
Distribusi normal juga dapat berfungsi sebagai distribusi Gauss. Persamaan
distribusi normal diantaranya sebagai fungsi densitas. Distribusi normal dengan
fungsi probabilitas ini kemudian akan menunjukkan variabel atau penyebaran
distribusi. Fungsi ini nantinya juga akan dibuktikan oleh suatu grafik simetris atau
bell curve.Adapun rumus umum distribusi normal adalah sebgai berikut

( )
2
−1 x−μ
1 2 σ
f ( x , μ ,σ )= e
√2 πσ

Sementara penanda distribusi merata, kurva ini juga akan memuncak pada
bagian tengah hingga melandai di kedua sisinya dengan persamaan nilai yang
sifatnya setara. Teori distribusi ini juga dikenal dengan istilah Gaussian
Distribution atau distribusi gauss. Istilah yang mengacu kepada Carl Friedrich
Gauss atau seorang Matematikawan Jerman yang mengembangkan sebuah teori
distribusi dengan fungsi eksponensial dua parameter pada periode 1794-1809.
Meski begitu pada teori awal cikal-bakal yang mulai dikembangkan oleh
Abraham de Moivre pada tahun 1733. Setelah mengetahui parameter teori
distribusi normal sebagai karakteristik utamanya kemudian dapat disimpulkan
teori ini juga memiliki posisi penting dalam konsep statistika peluang.
Penerapannya juga dianggap penting karena Mampu meningkatkan objektivitas
penilaian. Hal ini juga akan sangat membantu dalam menempatkan anggota-
anggota yang paling tepat dalam suatu kelompok tertentu, misalnya ketika
mengelompokkan pegawai atau mengevaluasi nilai siswa.
Dalam satu kriteria yang sama juga menghindari terjadinya penilaian yang
condong atau biasa di satu kategori saja. Dengan distribusi yang berpusat dan
simetris pada nilai rata-rata seluruh data di suatu populasi, penilaian yang berat
sebelah atau tidak seimbang kemudian akan dapat dihindarkan. Juga membantu
dalam menentukan tingkat normalitas dan kecenderungan sentral. Dalam
statistika, sendiri khususnya statistika peluang, normalitas suatu data menjadi hal
penting yang tidak boleh diabaikan. Melalui teori yang diterapkan oleh distribusi
Gauss, tingkat normalitas data atau kecenderungan sentral juga dapat ditentukan
secara lebih mudah. Saat menunjukkan suatu nilai penyebaran data, distribusi
normal juga memiliki sejumlah karakteristik utama, berikut diantaranya:
 Teori distribusi dengan nilai mean, median, dan modus yang sama. Karenanya
distribusi ini sering juga disebut sebagai unimodal. Kurva distribusi ini juga
dapat bersifat simetris dengan bentuk lonceng atau bell curve.
 Titik puncak kurva diantaranya adalah pada nilai rata-rata. Nilai ini sendiri
berada tepat di tengah kurva, sementara pada data distribusi terletak di sekitar
garis lurus yang ditarik ke bawah dari titik tengah tersebut.
 Mean atau nilai rata-rata dengan nilai standar deviasi ini kemudian akan
menentukan lokasi dan bentuk distribusi.
 Jumlah luas daerah di bawah kurva normal sendiri bernilai 1, yaitu
diantaranya ½ di sisi kanan dan ½ di sisi kiri. Hal ini juga berlaku untuk
seluruh distribusi probabilitas kontinu.
 Dalam kurva distribusi, dapat disimpulkan juga jika setengah data populasi
kemudian akan memiliki nilai yang kurang dari angka rata-rata, sementara
sebagian lagi memiliki nilai yang jauh lebih besar.
 Masing-masing dari ekor kurva di kedua sisi ini kemudian memanjang tak
berbatas. Dalam beberapa kasus penghitungan distribusi, ekor kurva bahkan
bisa memotong sumbu horizontal.
• Sekitar 68% data berada dalam rentang μ ± σ
• Sekitar 95% data berada dalam rentang μ ± 2σ
• Sekitar 99% data berada dalam rentang μ ±3 σ
1. Distribusi Normal Baku
Bentuk khusus dari distribusi normal dengan rata-rata ( μ=0 ) dan
simpangan baku ( σ =1 )
−1 2
1 2
( z)
f ( x , 0 ,1 )= e
√2 π
x −μ
Z=
σ
π=3.14159 … e=2.71828
2. Luas Area Bawah Kurva
Untuk mempermudah menghitung peluang X~Normal ( μ , σ ) dapat
ditransformasi menjadi Z~Normal ( 0 , 1 )

Contoh :
Bila diberikan sebuah sebaran normal dengan μ=40 dan σ =6 .
a. Luas area di bawah 32
x −μ 32−40
Z= = =−1.33
σ 6
P ( X <32 )=P ( Z ←1.33 )
P ( X <32 )=0.0918
 b. Luas area di atas 27
x −μ 27−40
Z= = =−2.17
σ 6
P ( X >27 )=1−P ( X <27 )
P ( X <32 )=1−P ( Z ←2.17 )
P ( X <32 )=1−0.0150
P ( X <32 )=0.985

c. Luas area antara 42 dan 51

x −μ 42−40
Z= = =0.33
σ 6
x −μ 51−40
Z= = =1.83
σ 6
P ( 42< X< 51 )=P ( 0.33< Z< 1.83 )
P ( 42< X< 51 )=P ( Z <1.83 ) −P ( Z <0.33 )
P ( 42< X< 51 )=0.9664−0.6293
P ( 42< X< 51 )=0.3371

3. Pemeriksaan distribusi normal secara grafik

a. Histogram

Digunakan untuk melihat

distribusi dari data, di
antaranya:

• Melihat ukuran
pemusatan data dan
ukuran penyebaran

• Melihat bentuk
sebaran data

• Melihat adanya data

outlier

• Mendeteksi ada
 b. Diagram garis kotak

Digunakan untuk melihat

distribusi dari data, di
antaranya:

 Melihat ukuran pemusatan

data dan ukuran penyebaran
 Melihat bentuk sebaran data
 Melihat adanya data outlier
 Sebagai alat pembandingan
sebaran dua kelompok data
atau lebih

Berikut adalah data sampel dari 20 manik-manik yang diukur panjangnya (cm).

1. Hitung kuartil bawah, kuartil tengah (median) dan kuartil atas.

𝑸_𝟏=𝟎.𝟔𝟎𝟔
𝑸_𝟐=𝟎.𝟔𝟒𝟏
 𝑸_𝟑=𝟎.𝟔𝟖𝟓𝟓
2. Hitung jangkauan antar kuartil.
𝑰𝑸𝑹=𝑸_𝟑−𝑸_𝟏=𝟎.𝟔𝟖𝟓𝟓−𝟎.𝟔𝟎𝟔=𝟎.𝟎𝟕𝟗𝟓
3. Hitung pagar dalam atas dan pagar dalam bawah.
𝑷𝑫𝑨=𝑸_𝟑+𝟏.𝟓 𝑰𝑸𝑹
=𝟎.𝟔𝟖𝟏+𝟏.𝟓(𝟎.𝟎𝟕𝟗𝟓)=𝟎.𝟖𝟎𝟎𝟐𝟓
𝑷𝑫𝑩=𝑸_𝟏−𝟏.𝟓 𝑰𝑸𝑹
=𝟎.𝟔𝟎𝟔−𝟏.𝟓(𝟎.𝟎𝟕𝟗𝟓)=𝟎.𝟒𝟖𝟔𝟕𝟓

4. Identifikasi data outlier.

data < PDB (0.48675) Outlier Bawah

data > PDA (0.80025) Outlier Atas

0.844 dan 0.933

5. Gambar kotak dengan batas Q3dan Q1 .

0.844 0.933

Q2=0.641
min=0.553 0.749

Q1=0.606 Q3=0.681

c. Q-Q plot ( Quantile-Quantile Plot ) adalah metode visual untuk

menguji normalitas data dengan membandingkan distribusi
data dengan membandingkan distribusi data dengan
distribusi normal yang diharapkan.
4. Pemeriksaan Seccara Numerik
a. Skewnes
Derajat kemencengan suatu distribusi data
n

1
∑ ( xi −x )
3

i =1
Sk =
n s3

 Sk ≈ 0 , data cenderungberdistribusi normal .

 Sk <0 ,data menceng ke kiri .
 Sk >0 ,data menceng ke kanan .
b. Kurtosis
Derajat keruncingan suatu distribusi data.
n

1
∑ ( xi −x )
4

i=1
K=
n s4
  k > 3 , datamemiliki kurva runcing(leptokurtik ).
 k ≈ 3 , data cenderungnormal (mesokurtik ).
 k < 3 , datamemiliki kurva datar (platikurtik ).

C. UJI HIPOTESIS
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari
analisa data. Dalam statistik sebuah hasil dapat dikatakan signifikan secara
statistik jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor yang
kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
Dalam pengujian hipotesis, diperlukan untuk membuat dua pernyataan
hipotesis yaitu:
1. Hipotesis nol ( h0 )
Hipotesis nol (null hypothesis) merupakan suatu hipotesis yang akan
diuji nantinya akan diterima atau ditolak tergantung pada hasil eksperimen
atau analisis dari sampel yang telah diambil. H0 biasanya mengandung
masalah ynag akan diuji kebenarannya.
Ciri ciri Ho sebagai berikut.
a. Hipotesis yang menyatakan tidak ada perbedaan antara ukuran sampel dan
populasi.
b. Hipotesis yang menyatakan tidak ada perbedaan suatu kejadian antara satu
kelompok dengan kelompok lainnya.
c. Hipotesis yang menyatakan tidak ada hubungan antara variabel yang satu
dengan variabel lainnya.
d. Dinotasikan dengan H 0
e. Umumnya mempunyai tanda =
2. Hipotesis alternative (Ha) atau (H1)
Hipotesis alternatif (alternative hypothesis) merupakan hipotesis
tandingan atau alternatif apabila hipotesis nol ditolak.
a. Hipotesis yang menyatakan ada perbedaan antara ukuran sampel dan
populasi.
b. Hipotesis yang menyatakan ada perbedaan suatu kejadian antara satu
kelompok dengan kelompok lainnya.
 c. Hipotesis yang menyatakan ada hubungan antara variabel yang satu
dengan variabel lainnya.
d. Dinotasikan dengan H a atau H 1
e. Umumnya mempunyai tanda ≠ , >, <
f. Komplemen dari Hipotesis Nol.
1. Galat
Galat adalah Kesalahan, error, residu, sisaan.Galat dibagi menjadi 2 yaitu :
a. α galat tipe satu Menolak H 0 padahal sesungguhnya H 0 benar. Artinya
homenyimpulkan adanya perbedaan padahal sesungguhnya tidak ada
perbedaan.
Galat tipe satu terjadi apabila :
1. Peluang galat tipe I adalah α (Tingkat signifikansi / Taraf nyata /
Significance level)
2. α yang sering digunakan adalah 1 % , 5 % , 10 %
3. Peluang tidak melakukan galat tipe I adalah 1−α (Tingkat
kepercayaan / Confidence level)
b. galat tipe dua Menerima H 0 padahal sesungguhnya H 0 salah. Artinya

menyimpulkan tidak adanya perbedaan padahal sesungguhnya ada

perbedaan.
Galat tipe dua terjadi apabila:
1. Peluang galat tipe II adalah 𝛽
2. Peluang tidak melakukan galat tipe II adalah 1−𝛽 (Tingkat
kekuatan uji / The power of test)

Keputusan Populasi
Ho benar Ho salah
Menerima Ho Benar Galat Tipe II
1−α β
Menolak Ho Galat Tipe I Benar
α 1−β
2. Uji Hipotesis 2 Arah
Suatu uji hipotesis yang hipotesis alternatifnya bersifat dua arah.dan
mempunyai rumus
H 1: μs ≠ μp
H1: μ ≠ 2

3. Uji Hipotesis 1 Arah

Suatu uji hipotesis yang hipotesis alternatifnya bersifat satu arah dan
mempunyai rumus
H 1: μs> μp
H 1 : μ <2

𝑯_𝟏 :𝝁<𝝁_𝟎 𝑯_𝟏 :𝝁>𝝁_𝟎

4. Uji Nilai Tengah

Uji nilai tengah adalah jenis pengujian statistika untuk mengetahui apakah ada
perbedaan dari nilai yang diperkirakan dengan nilai hasil perhitungan statistika. Nilai
perkiraan ini bermacam-macam asalnya, ada yang kita tentukan sendiri, berdasarkan
isu, nilai persyaratan, dll.
STATISTIK UJI NILAI TENGAH

α Zα Zα/ 2
10 % 1.282 1.645
5% 1.645 1.96
2% 2.054 2.326
1% 2.326 2.576

Contoh uji nilai tengah

1. Pelatih tim Hockey ingin mengetahui apakah rata-rata kecepatan skating
timnya berbeda dari rata-rata kecepatan tim profesional yaitu 12 detik.
Diketahui pada tim tersebut terdapat 16 pemain Hockey dengan rata-rata
kecepatan 10 detik dan simpangan baku 1.7889 detik
Jawab
a. Susun hipotesis Ho
H 0 : μ=12
 b. Susun Hipotesis H 1
H 1 : μ ≠ 12

c. Tentukan α
α =5 %=0.05

d. Tentukan Wilayah Kritik

v=n−1=16−1=15 t (0.025 ;15)=2. 131

−2.131 2.131

Tolak H 0 jika t ←2.131 atau t >2.131

e. Tentukan keputusan
Karena −4.472←2.131 , maka tolak H 0.
Artinya pada taraf nyata 5%:
• Rata-rata kecepatan tim Hockey tidak sama dengan 12
• Rata-rata kecepatan tim Hockey berbeda signifikan dibanding
tim professional

D. UJI PROPORSI
Uji hipotesis proporsi adalah pengujian hipotesis mengenai
proporsi/perbandingan suatu populasi yang didasarkan atas informasi
sampelnya.Uji proporsi terbagi menjadi 2 yaitu :
a. Proporsi populasai adalah Persentase individu atau objek dari suatu populasi
yang masuk dalam kategori tertentu dengan rumus umum
X
p=
N

b. Proporsi sampel adalah persentase dari sampel populasi

x
^p=
n
1. Langkah langkah dalam membuat hipotesis proposi
a. Susun hipotesis
b. Tentukan taraf signifikan
c. Tentukan wilayah kritik
d. Hitung statistik uji
e. Ambil keputusan

Contoh uji proporsi satu populasi

Diduga sekurang-kurangnya 60% penduduk di suatu daerah mendukung
perkara aneksasi oleh sebuah kota tetangga yang berdekatan. Kesimpulan apa yang
Anda tarik bila hanya 110 di antara 200 orang yang diambil secara acak mendukung
perkara tersebut? Gunakan taraf nyata 5%.
Jawab
a. Susun hipotesis Ho
H 0 : p=60 %=0.6

b. Susun Hipotesis H 1
H 1 : p> 0.6
c. Tentukan α
α =5 %=0.05
d. Tentukan Wilayah Kritik

Tolak H 0 jika z >1.645

e. tentukan statistic uji
x 110
^p= = =0.55
n 200
^p− p0
z=
√ p ( 1−p ) /n
0 0

0.55−0.6
z=
√ 0.6 ( 1−0.6 ) /200
z=−1.443

f. Pengambilan keputusan
Karena −1.443<1.645, maka gagal tolak 𝐻_0.Artinya pada taraf
nyata 5%, belum cukup bukti untuk mengatakan bahwa sekurang-
kurangnya 60% penduduk di daerah tersebut mendukung perkara
aneksasi.
Contoh uji proporsi 2 populasi