Soal 1

Berapa modus dari data berikut!

3, 5, 5, 5, 5, 6, 6, 8, 8, 10

Jawab

Berdasarkan data tersebut, dapat disimpulkan bahwa modusnya adalah 5, karena angka 5 muncul
paling banyak yaitu 4 kali.

Soal 2

Diketahui nilai UTS pelajaran matematika untuk 10 siswa adalah sebagai berikut:

70, 50, 60, 40, 70, 80, 95, 70, 50, 80

Berapa modusnya?

Jawab

Modus nilai UTS pelajaran matematika tersebut adalah 70, karena muncul paling banyak yaitu 3
kali.

Soal 3

Diketahui data dari nilai ujian periklanan kelas Selasa pagi ruangan R.506 di Fakultas Ilmu
Komunikasi tahun 2008 yang diikuti oleh 65 mahasiswa adalah sebagai berikut:

Interval kelas (25-34), frekuensi (6)

Interval kelas (35-44), frekuensi (8)

Interval kelas (45-54), frekuensi (11)

Interval kelas (55-64), frekuensi (14)

Interval kelas (65-74), frekuensi (12)

Interval kelas (75-84), frekuensi (8)

Interval kelas (85-94), frekuensi (6)

Total = 65

Berapakah modus dari data di atas?

Jawab

F = 14, karena merupakan nilai frekuensi paling tinggi.

L0 = 50-0,5 = 54,5

C = 64-55 = 9

B1 = 14-11 = 3
B2 = 14-12 = 2

Modus = L0 + c (b1/b1 + b2)

= 54,5 + 9 x (3/3 + 2)

= 54,5 + 5,4

= 59,9

Jadi, modus dari nilai ujian periklanan di atas adalah 59,9.

Soal 4

Diketahui data sebagai berikut : 7, 8, 8, 9, 7, 6, 5, 8. Nilai rata-rata dari data tersebut adalah ....

Jawaban:

Nilai rata-rata adalah hasil kali jumlah data dengan banyak data.

x = 7 + 8 + 8 + 9 + 7 + 6 + 5 + 8/ 8

x = 58/8

x = 7,25

Soal 5

Jangkauan dari data 6, 4, 7, 5, 8, 7, 8, 6, 8, 5, 10, 6 adalah:

Jawaban:

Jangkauan = nilai terbesar – nilai terkecil

Jangkauan = 10 – 4 = 6

Soal 6

Diketahui data: 2 3,5 5 7 7,5

Rataan simpangan data diatas adalah:

Jawaban:

→ x̄ = 2 + 3,5 + 5 + 7 + 7,5 / 5 = 5

→ SR = |2 – 5| + |3,5 – 5| + |5 – 5| + |7 – 5| + |7,5 – 5| / 5

→ SR = 3 + 1,5 + 0 + 2 + 2,5 / 5 = 1,8

Soal 7

Median data : 5, 6, 6, 8, 7, 6, 8, 7, 6, 9 adalah …

Jawaban:
Artikel ini telah tayang di https://www.sonora.id dengan judul "20 Contoh Soal Statistika
Matematika Lengkap dengan Jawabannya".

Klik untuk baca: https://www.sonora.id/read/423740423/20-contoh-soal-statistika-matematika-

lengkap-dengan-jawabannya

Urutan data : 5, 6, 6, 6, 6, 7, 7, 8, 8, 9

Med = 6 + 7/2

Med = 13/2

Med = 6,5

Soal 8

Nilai rata-rata mata pelajaran fisika dari 10 murid laki-laki adalah 7.50, sedangkan nilai rata-rata
dari 5 murid perempuan adalah 7.00. Jika nilai murid laki-laki dan perempuan digabungkan,
maka nilai rata-ratanya menjadi ...

Jawaban:

Diketahui:

Jumlah murid laki-laki (nL) = 10 orang

Jumlah murid perempuan (np) = 5 orang

Nilai rata-rata laki-laki (xL) = 7,50

Nilai rata-rata perempuan (xp) = 7,00

Maka, Nilai rata-rata gabungan:

xg = nL (xL) + np (xp) / nL + np

xg = 10(7,50) + 5(7,00) / 10 + 5

xg = 75 + 35 / 15

xg = 110/15

xg = 7,33

Soal 9

Diketahui tinggi badan 5 orang anak sebagai berikut (data dalam satuan cm).

140 145 143 150 147

Berapakah rata-rata tinggi badan mereka?

Jawab

Urutan data dari soal adalah:

140 143 145 147 150

Nilai rata-rata dari data di atas adalah:

= 140 + 143 + 145 + 147 + 150 / 5

= 725 / 5

= 145 cm

Soal 10

Nilai rata-rata ujian Matematika di kelas X-A adalah 65. Jika nilai rata-rata untuk murid laki-laki
adalah 63 dan nilai rata-rata untuk murid perempuan adalah 70, maka perbandingan banyak
murid laki-laki dan murid perempuan di kelas itu adalah :

Jawaban:

Dari soal diketahui :

1) Jumlah murid kelompok pertama : nL = 14 orang

2) Jumlah murid kelompok kedua : nP = 1 orang

3) Nilai rata-rata murid laki-laki : xL = 63

4) Nilai rata-rata murid laki-laki : xL = 70

5) Nilai rata-rata gabungan : xg = 65

Perbandingan jumlah laki-laki dan perempuan:

⇒nL = nP

xL - xg xg - xP

⇒ nL = nP

70 - 65 = 65 - 63

⇒ nL/nP = 5/2

⇒ nL : nP = 5 : 2

Soal 11

Nilai rata-rata ulangan matematika 10 siswa adalah 55. Jika digabung lagi dengan 5 siswa lain,
nilai rata-ratanya menjadi 53. Nilai rata-rata dari 5 siswa tersebut adalah …

Jawaban:

53 = 10 . 55 + 5 . x̄

10 + 5

53 = 550 + 5 . x̄
15

53 . 15 = 550 + 5x̄

795 = 550 + 5x̄

5x̄ = 795 – 550 = 245

x̄ = 245/5 = 49

Soal 12

Nilai rata-rata ulangan matematika 15 siswa adalah 7,0. Jika nilai ulangan matematika Andri
dimasukkan dalam kelompok tersebut, nilai rata-ratanya menjadi 7,125. Nilai ulangan Andri
adalah …

Jawaban:

Jumlah nilai = 7 . 15 = 105

→ x̄ = Jumlah nilai/ banyak siswa

→ 7,125 = 105 + nilai Andri/ 15 + 1

→ 7,125 . 16 = 105 + nilai Andri

→ 114 = 105 + nilai Andri

→ Nilai Andri = 114 – 105 = 9

Soal 13

Diketahui data sebagai berikut.

53 55 40 45 30 30 53 55

54 53 45 53 45 55 53 54

56 57 43 63 65 40 54 55

Modus data tersebut adalah …

Jawaban:

Modus = nilai yang paling sering muncul. Pada data diatas, nilai yang paling sering muncul = 53
(muncul 5 kali).

Soal 14

Simpangan kuartil dari 7, 4, 5, 6, 7, 4, 5, 7, 8, 9, 6 adalah …

Jawaban:

Q1 = 5

Q2 = 6
Q3 = 7

Simpangan kuartil = 1/2 (Q3 – Q1)

Simpangan kuartil = 1/2 (7 – 5) = 1/2 x 2 = 1

Soal 15

Dalam suatu kelas terdapat siswa sebanyak 21 orang. Nilai rata-ratanya 6, jika siswa yang paling
rendah nilainya tidak diikutsertakan, maka nilai rata-ratanya menjadi 6,2. Nilai yang terendah
tersebut adalah?

Jawaban:

Nilai rata-rata 21 orang = 21 x 6 = 126

Nilai rata-rata 20 orang = 20 x 6,2 = 124

Nilai anak yang terendah = 126 – 124 = 2

Soal 16

Rata-rata sekelompok bilangan adalah 40. Ada bilangan yang sebenarnya 60, tetapi terbaca 30.
Setelah dihitung kembali ternyata rata-rata yang benar adalah 41. Banyak bilangan dalam
kelompok itu adalah?

Jawaban:

Banyak bilangan = n

Jumlah total bilangan = 40 x n = 40n

Selisih kesalahan baca = 60 – 30 = 30

Jumlah nilai yang sebenarnya = 40n + 30

Rata-rata yang sebenarnya = (40n+30)/n

41 = (40n+30)/n

41n = 40n + 30 n = 30

Jadi, banyaknya bilangan ada 30.

Soal 17

Nilai rata-rata sekelompok siswa yang berjumlah 40 orang adalah 62. Jika salah seorang siswa
dari kelompok itu memperoleh nilai 23 dan tidak dimasukan dalam perhitungan rata-rata
tersebut, maka nilai rata-rata ujian menjadi?

Jawaban:

X = Jumlah nilai/ Banyak siswa

Jumlah nilai = X. banyak siswa

Jumlah nilai = 62. 40 = 2.480

Jumlah nilai setelah dikurang 23 = 2.480-23 = 2.457

X = 2.457/39 = 63

Soal 18

Nilai rata-rata dari 14 murid untuk ujian kimia adalah 66,25 sebelum ditambah dengan nilai
Andi. Setelah nilai ujian Andi keluar, ternyata nilai rata-ratanya menjadi 65,50. Nilai ujian Andi
adalah ...

Jawaban:

Dari soal diketahui:

1) Jumlah murid kelompok pertama : n1 = 14 orang

2) Jumlah murid kelompok kedua : n2 = 1 orang

3) Nilai rata-rata pertama : x1 = 66,25

4) Nilai rata-rata gabungan : xg = 65,50

Nilai Andi sama dengan nilai rata-rata kelompok kedua sebab pada kelompok kedua hanya ada
satu murid yaitu Andi. Dengan demikian, nilai Andi dapat dihitung dengan rumus rata-rata
gabungan:

⇒ xg = n1.x1 + n2.x2

n1 + n2

⇒ 65,50 = 14(66,25) + 1 .x2

14 + 1

⇒ 65,50 = 927,5 + x2

15

⇒ 65,50 x 15 = 927,5 + x2

⇒ 982,5 = 927,5 + x2

⇒ x2 = 982,5 - 927,5

⇒ x2 = 55

⇒ Nilai Andi = x2 = 55

Soal 19

Hitunglah rata-rata hitung dari data nilai harian matematika 7 siswa berikut
77,76,77,75,78,79,74

Jawaban:
X= 77+76+77+75+78+79+74 : 7

X= 536 : 7

X= 76,57

Jadi rata-rata nya adalah 76,57

Soal 20

Berikut ini adalah tabel data usia siswa kelas 12, kemudian tentukan rata-rata hitungnya dan
inilah contoh soal statistika SMA.

Nama Usia

Dhony 17

Budi 18

Ria 18

Tata 18

Purnomo 16

Maria 17

Jawaban:

x = 17 + 18 + 18 + 18 + 16 + 176

x = 1046

x = 17,3.

Jenis data statistik banyak sekali digunakan untuk analisis time series adalah cara khusus untuk
menganalisis urutan titik data yang dikumpulkan selama interval waktu tertentu. Dalam analisis
time series, analis merekam titik data pada interval yang konsisten selama periode waktu tertentu
daripada hanya merekam titik data secara intermiten atau acak. Namun, jenis analisis ini bukan
hanya tindakan mengumpulkan data dari waktu ke waktu. Apa yang membedakan data time
series dari data lain adalah bahwa analisis dapat menunjukkan bagaimana variabel berubah dari
waktu ke waktu.

Dengan kata lain, waktu adalah variabel penting karena menunjukkan bagaimana data
menyesuaikan selama titik data serta hasil akhir. Ini menyediakan sumber informasi tambahan
dan urutan ketergantungan antar data. Analisis time series biasanya membutuhkan sejumlah
besar titik data untuk memastikan konsistensi dan keandalan. Kumpulan data yang ekstensif
memastikan sahabat data memiliki ukuran sampel yang representatif dan analisis itu dapat
memotong data yang bising. Ini juga memastikan bahwa tren atau pola apa pun yang ditemukan
bukanlah outlier dan dapat menjelaskan varians musiman. Selain itu, data time series dapat
digunakan untuk peramalan”memprediksi data masa depan berdasarkan data historis.

Analisis time series membantu organisasi memahami penyebab yang mendasari tren atau pola
sistemik dari waktu ke waktu. Menggunakan visualisasi data, pengguna bisnis dapat melihat tren
musiman dan menggali lebih dalam mengapa tren ini terjadi. Dengan platform analitik modern,
visualisasi ini dapat melampaui grafik garis. Ketika organisasi menganalisis data dalam interval
yang konsisten, mereka juga dapat menggunakan peramalan time series untuk memprediksi
kemungkinan kejadian di masa depan. Peramalan time series adalah bagian dari analitik
prediktif.
Ini dapat menunjukkan kemungkinan perubahan dalam data, seperti perilaku musiman atau
siklus, yang memberikan pemahaman yang lebih baik tentang variabel data dan membantu
memperkirakan dengan lebih baik. Misalnya, Sekolah Umum Des Moines menganalisis data
prestasi siswa selama lima tahun untuk mengidentifikasi siswa yang berisiko dan melacak
kemajuan dari waktu ke waktu. Teknologi saat ini memungkinkan kami mengumpulkan
sejumlah besar data setiap hari dan lebih mudah dari sebelumnya untuk mengumpulkan data
yang cukup konsisten untuk analisis komprehensif.

1. Kapan Analisis Time Series Digunakan dan Kapan Tidak

Analisis time series bukanlah studi baru, meskipun teknologi membuatnya lebih mudah untuk
diakses. Banyak dari teks yang direkomendasikan yang mengajarkan teori dan praktik dasar
subjek telah ada selama beberapa dekade. Dan metode itu sendiri bahkan lebih tua dari itu. Kami
telah menggunakan analisis time series selama ribuan tahun, sepanjang perjalanan kembali ke
studi kuno tentang pergerakan dan navigasi planet. Analisis time series digunakan untuk data
non-stasioner”hal-hal yang terus berfluktuasi dari waktu ke waktu atau dipengaruhi oleh waktu.
Industri seperti keuangan, ritel, dan ekonomi sering menggunakan analisis time series karena
mata uang dan penjualan selalu berubah. Analisis pasar saham adalah contoh yang sangat baik
dari analisis time series dalam tindakan, terutama dengan algoritme perdagangan otomatis.
Demikian juga, analisis time series sangat ideal untuk meramalkan perubahan cuaca, membantu
ahli meteorologi memprediksi semuanya, mulai dari laporan cuaca besok hingga tahun-tahun
mendatang perubahan iklim.

2. Klasifikasi dan Pertimbangan

Sementara data time series adalah data yang dikumpulkan dari waktu ke waktu, ada berbagai
jenis data yang menjelaskan bagaimana dan kapan data tersebut direkam. Sebagai contoh:

 Data time series adalah data yang direkam selama interval waktu yang konsisten.
 Data cross-sectional terdiri dari beberapa variabel yang dicatat pada waktu yang
bersamaan.
  Pooled data adalah kombinasi dari kedua data time series dan data cross-sectional.

Selanjutnya, data time series dapat diklasifikasikan ke dalam dua kategori utama:
 Data time series stok berarti mengukur atribut pada titik waktu tertentu, seperti snapshot
statis dari informasi apa adanya.
 Aliran data time series berarti mengukur aktivitas atribut selama periode tertentu, yang
umumnya merupakan bagian dari keseluruhan total dan merupakan sebagian dari hasil.

Dalam data time series, variasi dapat terjadi secara sporadis di seluruh data:
 Analisis fungsional dapat memilih pola dan hubungan dalam data untuk mengidentifikasi
peristiwa penting.
 Analisis tren berarti menentukan pergerakan yang konsisten ke arah tertentu. Ada dua
jenis tren: deterministik, di mana kita dapat menemukan penyebab yang mendasarinya,
dan stokastik, yang acak dan tidak dapat dijelaskan.
 Variasi musiman menggambarkan peristiwa yang terjadi pada interval tertentu dan
teratur selama setahun. Ketergantungan serial terjadi ketika titik data yang berdekatan
dalam waktu cenderung terkait.
 Analisis time series dan model peramalan harus menentukan jenis data yang relevan
untuk menjawab pertanyaan bisnis. Setelah analis memilih data relevan yang ingin
mereka analisis, mereka memilih jenis analisis dan teknik apa yang paling sesuai.

3. Jenis Analisis Time Series

Bahkan dalam analisis time series, ada berbagai jenis dan model analisis yang akan mencapai
hasil yang berbeda.
 Klasifikasi: Mengidentifikasi dan menetapkan kategori ke data.
 Curve fitting: Memplot data sepanjang kurva untuk mempelajari hubungan variabel
dalam data.
 Analisis deskriptif: Mengidentifikasi pola dalam data time series, seperti tren, siklus, atau
variasi musiman.
 Analisis eksplanatif: Upaya untuk memahami data dan hubungan di dalamnya, serta
sebab dan akibat.
 Analisis eksplorasi: Menyoroti karakteristik utama data time series, biasanya dalam
format visual.
 Peramalan: Memprediksi data masa depan. Tipe ini didasarkan pada tren historis. Ini
menggunakan data historis sebagai model untuk data masa depan, memprediksi skenario
yang bisa terjadi di sepanjang titik plot masa depan.
 Analisis intervensi: Mempelajari bagaimana suatu peristiwa dapat mengubah data.
 Segmentasi: Membagi data menjadi segmen-segmen untuk memperlihatkan properti
yang mendasari informasi sumber.

4. Teknik dan Alat Utama Untuk Analisis Time Series

Karena jenis dan modelnya banyak, metode untuk mempelajari data juga beragam. Berikut
adalah tiga yang paling umum.
 Model ARIMA Box-Jenkins: Model univariat ini digunakan untuk lebih memahami
variabel tunggal yang bergantung pada waktu, seperti suhu dari waktu ke waktu, dan
untuk memprediksi titik data variabel di masa mendatang. Model-model ini bekerja
dengan asumsi bahwa datanya stasioner. Analis harus memperhitungkan dan menghapus
sebanyak mungkin perbedaan dan musim di titik data sebelumnya. Untungnya, model
 ARIMA mencakup istilah untuk memperhitungkan rata-rata bergerak, operator
perbedaan musiman, dan istilah autoregresif dalam model.
 Model Multivariat Box-Jenkins: Model multivariat digunakan untuk menganalisis lebih
dari satu variabel tergantung waktu, seperti suhu dan kelembaban, dari waktu ke waktu.
 Metode Holt-Winters: Metode Holt-Winters adalah teknik penghalusan
eksponensial. Ini dirancang untuk memprediksi hasil, asalkan titik data mencakup
musiman.

Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari
percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil
bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebabkan
oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.[1]
Uji hipotesis kadang disebut juga "konfirmasi analisis data". Keputusan dari uji hipotesis hampir
selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah pengujian untuk menjawab pertanyaan
yang mengasumsikan hipotesis nol adalah benar.[2]
Daerah kritis (bahasa Inggris: critical region) dari uji hipotesis adalah serangkaian hasil yang bisa
menolak hipotesis nol, untuk menerima hipotesis alternatif. Daerah kritis ini biasanya disimbolkan
dengan huruf C.
 Definisi istilah[sunting | sunting sumber]
Definisi berikut diambil dari buku karangan Lehmann dan Romano:[3]
Hipotesis statistik
Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi (bukan sampel).
Statistik
Angka yang dihitung dari sekumpulan sampel.
Hipotesis nol (H0)
Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.
Hipotesis alternatif (H1) atau hipotesis kerja (Ha)
Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori yang akan
dibuktikan.
Tes Statistik
Sebuah prosedur yang masukannya adalah sampel dan hasilnya adalah hipotesis.
Daerah penerimaan
Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol.
Daerah penolakan
Nilai dari tes statistik untuk penolakan hipotesis nol.
Kekuatan Statistik (1 − β)
Probabilitas kebenaran pada saat menolak hipotesis nol.
Tingkat signifikan test (α)
Probabilitas kesalahan pada saat menolak hipotesis nol.
Nilai p (P-value)
Probabilitas, mengasumsikan hipotesis nol benar.

Interpretasi[sunting | sunting sumber]

Jika nilai p lebih kecil dari tingkat signifikan tes yang diharapkan, maka hipotesis nol bisa ditolak.
Jika nilai p lebih besar dari tingkat signifikan tes yang diharapkan, maka hipotesis nol bisa diterima.

Prosedur uji hipotesis[sunting | sunting sumber]

1. Tentukan parameter yang akan diuji

2. Tentukan Hipotesis nol (H0)
3. Tentukan Hipotesis alternatif (H1)
4. Tentukan (α)
5. Pilih statistik yang tepat
6. Tentukan daerah penolakan
7. Hitung statistik uji
8. Putuskan apakah Hipotesis nol (H0) ditolak atau tidak

Contoh uji hipotesis[sunting | sunting sumber]

Seorang yang dituduh pencuri dihadapkan kepada seorang hakim. Seorang hakim akan
menganggap orang tersebut tidak bersalah, sampai kesalahannya bisa dibuktikan. Seorang jaksa
akan berusaha membuktikan kesalahan orang tersebut.
Dalam kasus ini, hipotesis nol (H0) adalah: "Orang tersebut tidak bersalah", dan hipotesis
alternatif (H1) adalah: "Orang tersebut bersalah". Hipotesis alternatif (H1) inilah yang akan dibuktikan.
Ada dua kondisi yang mungkin terjadi terhadap orang tersebut:

1. Orang tersebut tidak bersalah.

2. Orang tersebut bersalah.
Dan ada dua keputusan yang bisa diambil hakim:

1. Melepaskan orang tersebut.

2. Memenjarakan orang tersebut.
 Hipotesis nol (H0) benar
Hipotesis alternatif (H1) benar
3. (Orang tersebut tidak
(Orang tersebut bersalah)
bersalah)

Menerima hipotesis nol

Keputusan yang salah
(Orang tersebut Keputusan yang benar
(Kesalahan Tipe II)
dibebaskan)

Menolak hipotesis nol Keputusan yang salah

Keputusan yang benar.
(Orang tersebut dipenjara) (Kesalahan Tipe I)

Dalam kasus ini, ada dua kemungkinan kesalahan yang dilakukan hakim:

1. Memenjarakan orang yang benar (Kesalahan Tipe I)

2. Melepaskan orang yang bersalah (Kesalahan Tipe II)

Rumus[sunting | sunting sumber]

Ada banyak jenis uji hipotesis yang dikenal. Tabel berikut menjelaskan rumus untuk masing-masing
uji hipotesis tersebut.

Nama Rumus Asumsi / Catatan

(Populasi normal atau n > 30) dan σ

diketahui.
Satu sampel z-test
(z adalah jarak dari rata-rata sehubungan
(En=One-sample z- dengan simpangan baku rata-rata).
test) Untuk distribusi non-normal memungkinkan
untuk dihitung proporsi terkecil dalam
sebuah populasi yang berada di
dalam k simpangan baku untuk setiap k.

Dua sampel z-test

Populasi normal dan observasi
(En=Two-sample z-
independen dan σ1 dn σ2 diketahui
test)

Satu sampel t-test

(Populasi normal atau n > 30) dan tidak
(En=One-sample t-
test) diketahui

Pasangan t-test (Populasi normal dari perbedaan atau n >

(En=Paired t-test) 30) dan tidak diktahui

Dua sampel t-test

digabung (Populasi
(En=Two-sample normal atau n1 + n2 > 40) dan observasi
pooled t-test) [4]
independen dan σ1 = σ2 idak diketahui
varians yang sama

Dua sampel t-test [4]

(Populasi
terpisah normal atau n1 + n2 > 40) dan observasi
(En=Two-sample independen dan kedua σ1 ≠ σ2 diketahui
unpooled t-test)
varians tidak sama

Satu proporsi z-test

(En=One-proportion n .p0 > 10 dan n (1 − p0) > 10.
z-test)

Dua proporsi z-test

(En=Two-proportion n1 p1 > 5 dan n1(1 − p1) >
z-test) 5 dan n2 p2 > 5 dan n2(1 − p2) >
5 dan observasi independen.
digabungkan

Dua proporsi z-test

n1 p1 > 5 dan n1(1 − p1) >
(En=Two-proportion
5 dan n2 p2 > 5 dan n2(1 − p2) >
z-test) tidak
5 dan observasi independen.
digabung

Chi-squared test
Populasi normal
untuk varians

df = k - 1 - # parameter terestimasi

• Semua jumlah yang diharapkan paling

Chi-squared test tidak 5.[5]
untuk goodness of fit
• Semua jumlah yang diharapkan > 1 dan
tidak lebih dari 20% dari jumlah yang
diharapkan lebih kecil dari 5[6]

Dua sampel F
test untuk
persamaan varians Populasi normal
(En=Two-sample F Diurutkan > dan H0 ditolak jika [7]
test for equality of
variances)

Definisi simbol:

, probabilitas melakukan kesalahan tipe I = Variacs sampel = x/n = Proporsi sampel,

(menolak hipotesis nol pada saat hipotesis nol = Simpangan baku sampe 1 (kecuali ditentukan
benar) sebelumnya)
= Simpangan baku sampe 2
= Jumlah sampel = Dugaan proporsi populasi
= t statistik
= Jumlah sampel 1 = proporsi 1
= derajat
= Jumlah sampel 2 kebebasan (En=Degree of = proporsi 2
= Rata-rata sampel freedom) = Dugaan perbedaan
= Dugaan rata-rata populasi = Rata-rata perbedaan sampel proporsi
= Rata-rata populasi 1 = Dugaan rata-rata perbedaan = minimum of n1 and n2
= Rata-rata populasi 2 populasi = F statistik
= Simpangan baku populasi = Simpangan baku perbedaan
= Varians populasi = Chi-squared statistik
= Simpangan baku sampel
= Penjumlahan(dari angka sejumlak k)