BUKU AJAR

UNIVERSITAS PGRI ARGOPURO

Dosen Pembimbing
KHOTIBUL UMAM
 MODUL 1

PENGETAHUAN DASAR STATISTIKA

DATA STATISTIK

A. PENGERTIAN STATISTIK
Statistik adalah kumpulan angka angka mengenai suatu masalah , sehingga dapat memberikan
gambaran mengenai masalah tersebut. Biasanya kumpulan data tersebut sudah disusun dalam sebuah
tabel. Sudjana (2005), menyampaikan bahwa statistik adalah menyatakan kumpulan data, bilangan
maupun non bilangan yang disusun dalam tabel dan atau diagram, yang melukiskan atau
menggambarkan suatu persoalan. Statistika adalah metode ilmiah yang mempelajari pengumpulan,
pengaturan, perhitungan, penggambaran dan penganalisisan data serta penarikan kesimpulan yang
valid berdasarkan penganalisisan yang dilakukan dan pembuatan keputusan yang rasional.
Statistika menurut fungsinya dibagi menjadi dua bagian yaitu:
1. Statistika deskriptif atau statistika dedukatif adalah statistika yang hanya menggambarkan dan
menganalisis kelompok data yang diberikan tanpa penarikan kesimpulan mengenai kelompok data
yang lebih besar.
Statistika Deskriptif yaitu statistika yang menggunakan metode numerik dan grafik untuk mencari
pola dalam suatu kumpulan data, meringkas informasi yang terkandung dalam kumpulan data,
dan menghadirkan informasi dalam bentuk yang diinginkan (Santosa, 2004).
2. Statistika inferensial atau statistika induktif adalah statistika yang menyangkut kesimpulan yang
valid biasanya memasukkan unsur peluang dalam menarik kesimpulannya.
Statistika Inferensi yaitu statistik yang menggunakan data sampel untuk membuat estimasi,
keputusan, prediksi, dan generalisasi terhadap kumpulan data yang lebih besar (Santoso, 2004).
B. MACAM MACAM DATA
1. Menurut sifatnya data dibagi dua bagian yaitu:
a. Data kualitatif adalah data yang berbentuk kategori atau atribut
Contoh : Harga emas hari ini mengalami kenaikan.
b. Data kuantitatif adalah data yang berbentuk bilangan
Contoh : Banyak perguruan tinggi dikota “B” ada 4 buah.
Data kuantitatif dibagi menjadi dua bagian yaitu
1). Data diskrit adalah data yang diperoleh dengan cara menghitung atau membilang.
Contoh : jumlah siswa yang mengikuti mata kuliah ini mencapai 110 orang.
2). Data kontinu adala data yang diperolah dengan cara mengukur.
Contoh: jarak antara kota Bandung dengan kota Cirebon adalah 130 km.
2. Menurut cara memperolehnya dibagi menjadi dua yaitu:
a. Data primer adala data yang dikumpulkan dan diolah sendiri oleh suatu organisasi serta
diperoleh langsung dari objeknya
b. Data sekunder adalah data yang diperoleh dalam bentuk sudah jadi , sudah dikumpulkan dan
diolah oleh pihak lain, biasanya data itu dicatat dalam bentuk publikasi – publikasi.
C. PENGUMPULAN DATA
Dalam statistika proses pengumpulan data ada dua yaitu :
a. Sensus adalah cara pengumpulan data jika setiap anggota populasi diteliti satu persatu
b. Sampling adalah cara pengumpulan data jika hanya sebagian anggota populasi saja yang diteliti.
D. ELEMEN DASAR STATISTIKA
Dalam pembelajaran statistik, terdapat elemen-elemen dasar statistika yaitu:
a. Populasi adalah keseluruhan obyek yang akan diteliti. Contoh : Seluruh mahasiswa Universitas
Muhammadiyah Sidoarjo
b. Sampel adalah bagian dari populasi. Contoh : Mahasiswa Fakultas Teknik Universitas
Muhammadiyah Sidoarjo.
c. Data adalah sesuatu yang diketahui meskipun belum tentu benar, dimana data dapat digunakan
untuk menggambarkan suatu keadaan.
d. Informasi adalah daya yang telah diolah.
e. Variabel adalah karakteristik atau sifat dari unit individual populasi
Untuk memilih sampel dari suatu populasi dapat dilakukan dalam dua cara adalah :
1. Cara Acak
Cara acak adalah cara pemilihan sejumlah anggota dari populsi yang dilakukakan sedemikian rupa
sehingga anggota – anggota populasi itu mempunyai peluang yang sama untuk terpilih menjadi
anggota sampel. Penialian dengan cara seperti ini bersifat objektif. Cara acak bisa dilakukan
dengan dua cara yaitu undian dan tabel bilanga acak
2. Cara Tidak Acak
Cara tidak acak adalah cara pemilihan sejumlah anggota dari populsi dengan setiap anggotanya tidak
mempunyai peluang yang sama untuk terpilih menjadi anggota sampel. Penialian dengan cara
seperti ini bersifat subjektif.
 MODUL 2

PENYAJIAN DATA DALAM BENTUK TABEL

1. MACAM – MACAM PENYAJIAN DATA DALAM BENTUK TABEL

A. ATURAN – ATURAN PEMBUATAN TABEL
Untuk membuat tabel yang benar diperlukan aturan – aturan sebagai berikut :
1. Judul tabel ditulis ditengah – tengah bagian atas
2. Judul baris ditulis secara singkat dan jelas dalam beberapa baris
3. Judul kolom ditulis secara singkat dan jelas dalam beberapa barisa
4. Catatan
5. Jika ada data mengenai waktu, maka waktu tersebut hendaknya disusun secara berurutan
6. Jika ada data mengenai kategori , maka kategori disusun menurut kebiasaan
B. MACAM –MACAM TABEL/DAFTAR
Tabel yang biasa digunakan ada tiga macam tabel/daftar :
1. Baris – kolom

Pada perusahaan “X”, telah dilakukan transaksi pembelian barang-barang oleh unit A.
Pembelian barang-barang dalam ribuan unit dan jutaan rupiah pada tahun 2013-2015
2.
2013 2014 2015
Barang
3. Banyak Harga Banyak Harga Banyak Harga
A 8,3 234,4 12,7 307,8 11,0 290,4
B 10,8 81,4 9,4 80,5 13,0 92,0
Jumlah 19,1 315,8 22,1 388,3 24,0 382,4
2.Distribusi kontingensi

Untuk data yang terdiri atas dua faktor atau dua variabel, dimana faktor yang satu terdiri atas b kategori
dan lainnya terdiri atas k kategori, dapat dibuat daftar kontingensi berukuran bxk dengan b menyatakan
baris dan k menyatakan kolom. Banyak Murid Sekolah di Daerah A menurut Tingkat Sekolah dan Jenis
Kelamin pada
tahun 2013-2015

Tingkat Sekolah SD SLTP SLTA Jumlah

Jenis Kelamin
Laki-laki 4.758 2.795 1.459 9.012
Perempuan 4.032 2.116 1.256 7.404
Jumlah 8,790 4.911 2.715 16.416
3. Distribusi Frekuensi
Data kuantitatif yang dapat dibuat menjadi beberapa kelompok.

Nilai Data Frekuensi (f)

51-60 5
61-70 8
71-80 19
81-90 7
91-100 6
Total 45
2. MACAM – MACAM TABEL DISTRIBUSI FREKUENSI
A. TABEL DISTRIBUSI FREKUENSI RELATIF
Frekuensi relatif diartikan sebagai frekuensi dalam bentuk persentase. Tabel distribusi frekuensi relatif
adalah sebuah tabel yang berisi nilai-nilai data dengan nilai-nilai tersebut dikelompokkan kedalam
interval-interval dan setiap interval masing-masing mempunyai nilai frekuensi dalam bentuk
persentase.
Tabel.Sebaran frekuensi dan frekuensi relatif data

Interval (Selang) Kelas Frekuensi (f) Frekuensi Relatif

51-60 5 5/45 = 0,11
61-70 8 8/45 = 0,18
71-80 19 19/45 = 0,42
81-90 7 7/45 = 0,16
91-100 6 6/45 = 0,13
Total 45 45/45 =1
B. TABEL DISTRIBUSI FREKUENSI KUMULATIF
Tabel distribusi frekuensi kumulatif adalah tabel yang diperoleh dari tabel distribusi frekuensi dengan
frekuensinya dijumlahkan selangkah demi selangkah( artinya kelas interval demi interval). Tabel ini
ada 2 macam yaitu: kurang dari dan atau lebih dari.

Tabel Sebaran frekuensi dan frekuensi relatif data

Interval (Selang) Kelas Frekuensi (f) Frekuensi Kumulatif

51-60 5 5
61-70 8 13
71-80 19 32
81-90 7 39
91-100 6 45
Total 45

Dalam tabel distribusi frekuensi ada beberapa istilah yang digunakan didalamnya, antara lain:
1. Kelas interval adalah kelompok nilai data yang berupa interval
2. Ujung bawah adalah bilangan yang terdapat disebelah kiri interval nilai data untuk setiap kelas
interval
3. Ujung atas adalah bilangan yang terdapat disebelah kanan interval nilai data untuk setiap kelas
interval.
4. Batas bawah adalah bilangan yang diperoleh dengan cara ujung bawah dikurangi ketelitian data
yang digunakan.
5. Batas atas adalah bilangan yang diperoleh dengan cara ujung atas ditambah ketelitian data yang
digunakan.
6. Titik tengah (tanda kelas) adalah bilangan yang diperoleh dengan cara ujung bawah ditambah
ujung atas , kemudian hasilnya dibagi dua untuk setiap kelas interval.
7. Panjang kelas adalah bilangan yang diperoleh dari jarak / selisih antara ujung bawah dan ujung
atas, dengan ujung bawahnya termasuk dihitung.
Untuk menyusun sekumpulan data ke dalam tabel distribusi frekuensi dengan panjang kelas yang
sama untuk setiap kelas interval diperlukan Langkah –langkah sebagai berikut:

1. Tentukan nilai rentang

Rentang diperoleh dengan cara nilai data yang terbesar dikurangi nilai data terkecil

R = Xmax -Xmin
2. Tentukan banyak kelas yang digunakan
K= 1 + (3, 3log n)
K = banyak kelas interval
n = banyak data yang digunakan
3. Tentukan panjang kelas
P= R
k
4. Tentukan nilai ujung bawah kelas interval pertama
5. Masukkan semua data ke dalam interval kelas.
 MODUL 3
PENYAJIAN DATA DALAM BENTUK DIAGRAM
1. MACAM – MACAM BENTUK DIAGRAM UNTUK DATA TIDAK BERKELOMPOK

A. Grafik atau Diagram

Terdapat beberapa jenis diagram, yaitu:
1. Diagram Batang
Data yang variabelnya berbentuk kategori atau atribut sangat tepat disajikan dalam diagram
batang. Untuk menggambar diagram batang diperlukan sumbu datar dan sumbu tegak yang
berpotongan tegak lurus. Kedua sumbunya dibagi menjadi beberapa skala, tetapi tidak perlu
sama skalanya. Jika diagram dibuat tegak, maka sumbu datar menyatakan atribut atau waktu,
sedangkan sumbu tegak menyatakan kuantum atau nilai data.

2. Diagram Baris
Untuk menggambarkan yang serba terus atau berkesinambungan. Diperlukan sumbu tegak
dan sumbu datar yang saling tegak lurus. Sumbu datar menyatakan waktu, sedangkan
sumbu tegaknya menyatakan kuantum data tiap waktu.

3. Diagram Lingkaran
Diagram lingkaran diartikan sebagai cara penyajian sekumpulan data kedalam lingkaran. Untuk
membuat diagram lingkaran gambarkan sebuah lingkaran kemudian dibagi menjadi beberapa
sektor. Tiap sektor melukiskan kategori data yang terlebih dahulu diubah kedalam derajat.
Dianjurkan untuk pembagian mulai dari titik tertinggi lingkaran. Diagram digunakan untuk
melukiskan data atribut.

4. Diagram Lambang
Diagram lambang adalah suatu cara penyajian data dalam menggunakan lambang-
lambang. Dipakai untuk mendapatkan gambaran kasar sesuatu hal dan sebagai alat visual
bagi orang awam. Kesulitannya adalah menggambarkan bagian simbul untuk satuan yang
tidak penuh.
 5. Diagram Peta
Diagram ini disebut juga kartogram. Dalam pembuatannya digunakan peta geografis tempat
data terjadi. Sehingga, diagram ini melukiskan keadaan dihubungkan dengan tempat
kejadiannya. Contoh : Pembagian wilayah pelayanan PLN di Surabaya.

2. MACAM – MACAM BENTUK DIAGRAM UNTUK DATA TERKELOMPOK

A. HISTOGRAM DAN POLIGON FREKUENSI
Histogram adalah grafik yang dibuat berdasarkan pada data yang sudah disusun dalam tabel distribusi
frekuensi. Dalam membuat histogram diperlukan dua buah sumbu yaitu sumbu datar dan sumbu
tegak,sumbu datar berisi batas-batas kelas interval untuk setiap kelas interval dan sumbu tegak berupa
frekuensinya. Histogram bentuknya sama dengan grafik batang, namun batang – batangnya dalam
histogram saling berimpitan.
B. OGIVE(OZAIV)
Adalah grafik yang dilukiskan berdasarkan data yang sudah disusun dalam tabel distribusi kumulatif.
Ozaiv positif adalah grafik yang dilukiskan berdasarkan data yang sudah disusun dalam tabel distribusi
frekuensi kumulatif”kurang dari”. Ozaiv negatif adalah grafik yang dilukiskan berdasarkan data yang
sudah disusun dalam tabel distribusi frekuensi kumulatif “atau lebih”
 MODUL 4

UKURAN PEMUSATAN , LOKASI , DAN DISPERSI

Ukuran pemusatan atau disebut dengan tendensi sentral adalah penjabaran data yang
berulang atau berpusat pada nilai-nilai tertentu secara kuantitatif . Ukuran pemusatan adalah cara
untuk mencari nilai tengah dari satu gugus data, yang telah diurutkan dari nilai yang terkecil sampai
yang terbesar atau sebaliknya dari nilai terbesar sampai yang terkecil. Sedangkan ukuran
penyimpangan data atau disebut juga ukuran dispersi adalah ukuran yang menyatakan seberapa
jauh penyimpangan nilai-nilai data dari nilai pusatnya. Ukuran pemusatan dan penyimpangan data
dibagi atas dua jenis, yaitu ukuran pemusatan dan penyimpangan data untuk data yang tidak
dikelompokkan serta ukuran pemusatan dan penyimpangan data untuk data yang dikelompokkan.
A. Jenis- jenis Ukuran Pemusatan Data
1. Rata-rata (mean)
Rata-rata (mean) dapat didefinisikan sebagai jumlah seluruh nilai data dibagi dengan jumlah data
yang digunakan. Menurut Supranto (2008), persamaan untuk menghitung nilai rata-rata data yang
tidak dikelompokkan dan data yang dikelompokkan secara berurutan dinyatakan sebagaimana
persamaan sebagai berikut.
1) Data tidak dikelompokkan

Xi
i 1

di mana :
i = 1,2,3,..., n
n = banyaknya data
2) Data dikelompokkan

fi X i
i 1

fi

I=i

di mana :
i = 1,2,3,..., k
k = banyaknya kelas
2. Median
Median dapat didefinisikan sebagai nilai tengah yang memisahkan data yang tinggi dan data yang
rendah. Menurut Supranto (2008), persamaan untuk menghitung median data yang tidak
dikelompokkan dan data yang dikelompokkan secara berurutan dinyatakan sebagaimana
persamaansebagai berikut.
1). Data tidak dikelompokkan

untuk n ganjil Me X (n 1)/ 2

(n / 2) (n/ 2 1)
untuk n Me
genap

di mana :
i = 1,2,3,..., n
n = banyaknya data
2). Data dikelompokkan

(0, 5 ft fsm )
Me Bb I
fm

di mana :
1
Bb = batas kelas terendah, dimana terletak median yaitu pada frekuensi kumulatif ke- n

ft = frekuensi total

fsm = total frekuensi sebelum median

fm = frekuensi pada kelas yang mengandung median

I = interval kelas

3. Modus
Modus dapat didefinisikan sebagai nilai yang paling sering muncul. Untuk
menghitung nilai modus pada data tidak dikelompokkan tidak sulit yaitu dengan menghitung
secara manual berapa banyak nilai pengamatan yang paling sering muncul, sedangkan untuk
menghitung nilai modus pada data tidak dikelompokkan menurut Supranto (2008), dinyatakan
sebagaimana persamaan sebagai berikut.
1) Data dikelompokkan

Mo Bb
a b

Dimana :
Bb = batas bawah kelas dengan frekuensi tertinggi
a = selisih frekuensi tertinggi dengan frekuensi kelas sebelumnya
b = selisih frekuensi tertinggi dengan frekuensi kelas sesudahnya
I = Interval kelas
4. Kuartil
Kuartil atau disebut perempatan,artinya nilai nilai kuartil akan membagi 4 bagian yang sama
banyak terhadap seluruh data yang sudah diurutkan. Dengan demikian kita kenal kuartil
pertama(k1), kuartil kedua (k2), dan kuartil ketiga (k3).
Letak Ki = data ke I/4 ( n+1) , I = 1,2,3 .
Menurut Yitnosumarto (2010), persamaan untuk menghitung kuartil sebagai berikut :

p
ft sp
Kp Bb
fp

di mana :
p =1, 2 atau 3 (yaitu perempatan ke-1, ke-2 atau ke-3)

Bb = batas bawah kelas terendah pada kelas dimana terletak kuartil ke-p

ft = frekuensi total

fsp = frekuensi kelas sebelum kelas kuartil

f p = frekuensi kelas dimana terletak kuartil ke-p

I = interval kelas

5. Desil
Desil atau disebut persepuluhan

p
f t sp
Dp Bb 10
fp

di mana :
p 1, 2, 3, ... ,10
Bb batas bawah kelas terendah pada kelas dimana terletak desil ke-p
ft = frekuensi total
fsp = frekuensi kelas sebelum kelas desil
f p = frekuensi kelas dimana terletak desil ke-p
I = interval kelas
6. Persentil
persentil atau disebut perseratusan

t sp
Pp Bb
fp

di mana :
p = 1, 2, 3,...,100
Bb = batas bawah kelas terendah pada kelas dimana terletak persentil ke-p
ft = frekuensi total
fsp = frekuensi kelas sebelum kelas persentil
f p = frekuensi kelas dimana terletak persentil ke-p
I = interval kelas

B. UKURAN DISPERSI.

1. Ukuran dispersi dengan range

Dalam suatu kelompok data kuantitatif mempunyai nilai data minimum dan nilai data maksimum. Jarak
antara kedua nilai ekstrim itu disebut rentang ( range). yang diberi simbol dengan huruf “ R “.

R = Nilai Maksimum - Nilai Minimum

2. Ukuran dispersi dengan kuartil

Selisih antara nilai K3 dengan K1 disebut RAK. Secara umum dapat ditulis dalam bentuk :

RAK = K3 - K1

Selain RAK ada dispersi lain yang dinamakan “ rentang semi kuartil” atau ditulis RSK.

RSK = 1/2 RAK = 1/2 (K3 - K1)

C. Jenis-jenis Ukuran Penyimpangan Data

1. Range
Range atau kisaran data dapat didefinisikan sebagai interval yang memuat semua data.
Range baik untuk data yang tidak dikelompokkan atau data yang dikelompokkan sangat
mudah untuk dihitung yaitu dengan menghitung selisih antara nilai pengamatan tertinggi
dengan nilai pengamatan terendah. Menurut walpole (1995), persamaan untuk
menghitung range (kisaran) dinyatakan sebagaimana persamaan sebagai berikut:
 Xmax -Xmin

di mana :
Xmaks = nilai pengamatan tertinggi

Xmin = nilai pengamatan terendah

2. Ragam atau Variance dan Simpangan Baku atau Standart Deviasi

Ragam atau Variance dapat didefinisikan sebagai nilai yang menunjukkan seberapa jauh
data menyimpang dari rata-ratanya. Persamaan untuk menghitung ragam (variance) data
yang tidak dikelompokkan dan data yang dikelompokkan menurut walpole (1995),
secara berurutan dinyatakan sebagaimana persamaan sebagai berikut.

1. Data tidak dikelompokkan

X2
i1 i1
s2

di mana :
i = 1,2,3,..., n
n = banyaknya data

2. Data dikelompokkan

fi X 2i fi X i / f
i1 i1 i1
2
s
n1

di mana :

fi = frekuensi setiap kelas

Xi = nilai tengah kelas
i 1, 2, 3,..., n
n banyaknya data

Simpangan baku atau standart deviasi adalah akar dari ragam (variance). Sehingga untuk
menghitung nilai sangat mudah yaitu dengan mengakarkan nilai ragam (variance).
Data tidak dikelompokkan
a. Range b. Ragam c. Simpangan Baku

X2
R Xmax -Xmin X2
i1 i1 s i1 i 1

s2
n 1
Data dikelompokkan
a. Range b. Ragam c. Simpangan Baku
2 k
k
2
R Xmax -Xmin f X fi X i / fi
i 1 i 1 i 1
s2 s
n 1
n 1
 MODUL 5
UKURAN KEMIRINGAN DAN UKURAN KERUNCINGAN DARI KURVA NORMAL

A. UKURAN KEMIRINGAN

Ukuran kemiringan adalah ukuran yang menyatakan sebuah model distribusi yang mempunyai kemiringan
tertentu. Apabila diketahui besarnya nilai ukuran ini maka dapat diketahui pula bagaimana model distribusinya,
apakah distribusi simetrik, positif atau negatif. Untuk mengetahui ini dapat dilihat berdasarkan nilai koefisien
kemiringannya. Ada beberapa jenis rumus untuk menghitung koefisien kemirngan yaitu:

1. Koefisien kemiringan pertama dari pearson

Koefisien kemiringan = x - Mo

X = rata - rata, Mo = modus , s = simpangan baku

2. Koefisien kemiringan kedua dari pearson

Koefisien kemiringan = 3(x - Me)

X = rata - rata, Me = median , s = simpangan baku

3. Jika kita menggunakan nilai kuartil maka rumusnya adalah

Koefisien kemiringan =K3 - 2K2+ K1

K3 - K1
4. Jika menggunakan nilai persentil maka rumusnya adalah

Koefisien kemiringan = P90- P50+ P10

P90 - P10
Jika koefisien kemiringannya lebih kecil dari nol maka bentuk distribusinya negatif, jika sama dengan nol
bentuknya simetrik dan jika lebih besar dari nol maka bentuknya positif

B. UKURAN KERUNCINGAN ( KURTOSIS)

Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya diambil relatif terhadap distribusi normal.
Sebuah distribusi yang mempunyai puncak relatif tinggi dinamakan leptokurtik.dan sebuah distribusi yang
mempunyai puncak mendatar disebut platikkurtik dan jika puncaknya tidak mendatar dinamakan mesokurtik.

Untuk menghitung koefisien kurtosis digunakan rumus koefisien kurtosis yaitu :

Koefisien kurtosis =1/2 (K3- K1)

P90 - p10
Jika koefisien kurtosisnya kurang dari 0,263 maka distribusinya platikurtik, jika sama disebut
mesokurtik dan jika lebih dari 0,263 maka disebut leptokurtik
 MODUL 6

A. DISTRIBUSI NORMAL
Distribusi Normal adalah distribusi dari variabel acak kontinyu yang paling sering digunakan
karena distribusi normal adalah distribusi yang paling luas aplikasinya dan merupakan
pendekatan yang baik dari distribusi-distribusi lainnya.

Menurut Walpole dan Myers (1986), variabel acak X dikatakan berdistribusi normal
umum, jika fungsi peluang untuk X diyatakan sebagaimana persamaan sebagai berikut :

f (x) exp

2
Penulisan notasi dari variabel acak yang berdistribusi normal adalah N (x; µ, ),
yang memiliki arti bahwa variabel acak x memiliki distribusi normal dengan rata-rata µ dan
2.
ragam (variance) Variabel acak X yang berdistribusi normal dengan rata-rata µ dan
2. 2
varians (ragam) Juga dapat dituliskan sebagai X ~ NID( , ) , NID berarti normally

independently distributed. Kurva distribusi normal berbentuk lonceng atau genta yang
ditunjukkan sebagaimana gambar sebagai berikut :

Gambar Kurva Distribusi Normal

1. Sifat-sifat Distribusi Normal

a. Kurva distribusi normal berbentuk lonceng (genta)

Seperti yang sudah di jelaskan pada bagian awal bahwa kurva distribusi normal
berbentuk lonceng atau genta dengan dua paremeter yaitu µ (rata-
(simpangan baku)
 b. Kurva distribusi normal berbentuk lonceng (genta) mempunyai sifat setangkup

Sifat setangkup pada distribusi normal berarti bahwa luasan kurva distribusi normal

sisi kiri sama dengan luasan kurva distribusi normal sisi kanan. Luas kurva ditribusi
normal sisi kiri dan sisi kanan yaitu 0,5.

c. Luas daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar x sama
dengan 1 atau dapat dinyatakan sebagai berikut:

f (x)dx 1

Berdasarkan sifat setangkup distribusi normal, diketahui bahwa luas kurva

ditribusi normal sisi kiri dan sisi kanan yaitu 0,5, sehingga luas kurva normal secara
keseluruhan adalah 1

d. Fungsi peluang distribusi normal mencapai maksimum di x=µ, sehingga fungsi

peluang ditribusi normal dapat dinyatakan sebagai berikut :

f (x)

(Yitnosumarto,1990)

2. Penggunaan Distribusi Normal

Berikut ini diberikan contoh kasus penggunaan distribusi normal pada perhitungan-
perhitungan nilai peluang untuk lebih mengetahui aplikasi dari distribusi normal yang dijelaskan.

Tinggi laki-laki dikelas tersebar secara normal dengan rata-rata 155 cm dan simpangan baku
7 cm. Apabila di panggil secara acak, seorang laki-laki dikelas maka tentukan berapa peluang:
a. Tinggi laki-laki tersebut kurang dari 150 cm
b. Tinggi laki-laki tersebut lebih dari 170 cm
c. Tinggi laki-laki tersebut antara 140 -160 cm
d. Tinggi laki-laki tersebut tepat 160 cm
Untuk menyelesaikan kasus tersebut, kita misalkan bahwa tinggi badan laki-laki dikelas sebagai variabel acak
X, sehingga notasi variabel acak X dapat dituliskan sebagai berikut :

X ~ NID(155, 49)
 Karena luas daerah di bawah kurva fungsi peluang distribusi normal merupakan peluang
maka nilai peluang untuk tinggi laki-laki dikelas adalah :

a. Tinggi laki-laki tersebut kurang dari 150 cm

150
P( x 150) f ( x)dx

150
1 2
x 155
= exp dx
2 (49) 2(49)

b. Tinggi laki-laki tersebut lebih dari 170 cm

P( x 170) f ( x)dx
170

2
= exp x 155 dx
2 (49) 2(49)
170

c. Tinggi laki-laki tersebut antara 140 -160 cm

160
P(140 x 160) f (x)dx

140
160 1 2
x 155
= exp dx
2 (49) 2(49)
140

d. Tinggi laki-laki tersebut tepat 160 cm

Karena nilai peluang merupakan luas daerah di bawah kurva fungsi peluang distribusi
normal maka peluang untuk P(X=160) tidak dapat dihitung, sehingga kita harus
menempatkan diantara dua nilai misalnya antara 159,95 cm dan 160,05 cm. Jadi peluang
untuk tinggi laki-laki tepat 160 adalah:
160,05

P(159, 95 x 160, 05) f (x)dx

159,95

160,05
1
= exp x 155 2 dx
159,95 2 (49) 2(49)
3. Transformasi Distribusi Normal

Proses penyelesaian integral fungsi peluang distribusi normal cukup rumit oleh karena
itu, untuk mempermudah proses penyelesaian terdapat transformasi dari distribusi normal ke
distribusi normal baku. Menurut Yitnosumarto (1990), bentuk tranformasi distribusi normal
baku dinyatakan sebagaimana persamaan sebagai berikut :

X
Z

di mana :

µ = rata-rata

Distribusi normal baku adalah distribusi untuk variabel acak normal dengan nilai tengah nol
dan simpangan baku 1. Fungsi peluang distribusi normal baku dinyatakan sebagaimana
persamaan sebagai berikut

1 1
f (x) exp x2
2
 MODUL 7

PENGUJIAN HIPOTESIS

A. HIPOTESIS STATISTIK

Hipotesis statistik ialah suatu anggapan atau pernyataan yang mungkin benar atau tidak , mengenai
satu populasi atau lebih. Petunjuk dari sampel yang tidak sesuai dengan hipotesis , menjurus kepada
penolakan hipotesis, sedangkan petunjuk yang mendukung hipotesis menjurus kepada penerima
hipotesis.hipotesis yang dirumuskan dengan harapan untuk ditolak disebut hipotesis nol dan dinyatakan
dengan H0, sedangkan hipotesis yang dirumuskan dengan harapan diterima disebut hipotesis tandingan dan
dinyatakan dengan huruf H1. Kesalahan jenis I adalah penolakan terhadap H0 padahal hipotesis tersebut
benar, sedangkan kesalahan jenis II adalah penerimaan terhadap H0 padahal hipotesis tersebut
salah.pengujian hipotesis dengan tandingan H1 bernilai lebih dari atau kurang dari nilai parameter yang
ditetapkan pada H0 maka dapat dilakukan uji eka arah (one tail), sedangkan pengujian hipotesis dengan
hipotesis tandingan H1 bernilai tidak sama dengan nilai parameter yang ditetapkan pada H0 maka dapat
dilakukan uji dwi arah ( two tail).

B. UJI NORMALITAS DAN UJI HOMOGENITAS

Uji normalitas diperlukan untuk mengetahui apakah distribusi dari data sampel yang kita gunakan memenuhi
asumsi berdistribusi normal. Penyimpangan terhadap asumsi kenormalan tersebut dapat berakibat terhadap
keabsahan dalam penarikan kesimpulan, karena statistik hitung yang kita gunakan diturunkan dari fungsi
normal. Apabila suatu penelitian akan membandingkandua gugus data atau lebih maka perlu dilakukan uji
kesamaan keragaman atau variansi antar gugus data atau biasa disebut dengan uji homogenitas. Uji
normalitas yang biasa digunakan adalah uji liliefors, uji kolmogorov-smirnov, uji Anderson-Darling dan uji
Shapiro-Wilks. Uji homogenitas yang biasa digunakan adalah uji F, uji Bartlett, uji Hartley, uji Scheffe dan uji
Levene ( Levene’s test)

C. UJI BEDA RATAAN

Uji beda rataan merupakan salah satu analisis data yang sering dilakukan dalam penelitian yang ingin
mengetahui permasalahan perbandingan dua perlakuan atau pengaruh dari suatu perlakuan yang
dibandingkan dengan unit kontrol. Pada uji beda rataan umumnya digunakan statistik Z dan statistik t
untuk menguji perbedaan parameter tersebut. Statistik z digunakan apabila banyaknya sampel yang
digunakan relatif besar ( n >30 ). statistik t digunakan apabila banyaknya sampel yang digunakan
relatik kecil ( n < 30). asumsi yang harus dipenuhi pada penggunaan statistik z maupun statistik t
adalah distribusi dari data yang akan dianalisis harus menyebar normal dengan rata-rata µ dan
simpanan baku
 MODUL 8

ANALISIS REGRESI LINIER SEDERHANA DAN KORELASI

A. ANALISIS REGRESI LINIER SEDERHANA

Analisis regresi merupakan alat statistik yang memanfaatkan hubungan antara dua atau lebih peubah
kuantitatif sehingga salah satu peubah bisa diramalkan dari peubah-peubah lainnya.

Hubungan antar peubah-peubah:

1. hubungan fungsional antar dua peubah

2. Hubungan statistik antar dua peubah

Model regresi dan kegunaannya:

1. Model regresi merupakan suatu cara formal untuk mengespresikan dua unsur penting suatu hubungan
statistik

2. Bentuk fungsional hubungan regresi

3. Cakupan model. Cakupan ini ditentukan oleh rancangan penelitian atau oleh jangkauan data yang tersedia

4. Kegunaan analisis regresi : a. deskripsi, b. kontrol atau kendali, c. peramalan