Program S2 Teknik Sipil, Unhas

Prinsip-prinsip
STATISTIK
untuk
Penelitian

Arsyad Thaha
 Bab 1

Pendahuluan
Statistik

Secara umum, statistik adalah metode ilmiah

dalam mengumpulkan, menyajikan,
menginterpretasikan, dan menganalisa data
untuk mendukung keputusan masuk akal.
Secara khusus, statistik adalah data itu sendiri
atau fakta angka yang dihasilkan data tersebut,
yang menggambarkan karakteristik tertentu
 KEGUNAAN STATISTIK
Statistik hanyalah alat yang membantu
peneliti untuk memudahkan memahami dan
memberikan makna dari data penelitian yang
diperoleh
tugas peneliti untuk memberikan interpretasi
terhadap data yang diperoleh dan
membahasnya lebih lanjut secara lebih
mendalam dan komprehensif berdasarkan
teori-teori yang mendukung serta fakta yang
terjadi di lapangan.
pada ruang interpretasi hasil analisis data
inilah karya monumental seorang peneliti
diperoleh
 Peran Statistik dalam
Penelitian
Alat untuk menghitung besarnya anggota
sampel teknik sampling
Alat uji validitas dan reliabilitas instrumen
Alat untuk menyajikan data : gambar,
grafik, tabel, diagram, dll
Alat untuk analisis data uji hipotesis : t-
test, regresi, korelasi, anova, dll
 PROSEDUR
PENELITIAN

Peran
Konstruksi
Statisti
Teori k
Generalisasi dengan
Hubungan Parameter
Tak Berdimensi
Penyajian
Hasil
Interpretasi
Hasil
Terminologi Penting

Populasi: Kumpulan keseluruhan pengukuran,

objek, atau individu yang dikaji
Sampel: Subset dari populasi
Parameter: Bilangan yang menggambarkan
karakteristik populasi
Statistik: Bilangan yang menggambarkan
karakteristik sampel
Variabel: Simbol bernilai sembarang dari
sekumpulan nilai yang ditentukan (domain)
Contoh Terminologi dalam Praktik

Populasi yang dapat diteliti dalam penelitian

profil fisik mahasiswa suatu perguruan tinggi
antara lain populasi tinggi badan dan populasi
berat badan mahasiswa dari masing-masing
fakultas
Digunakan sampel masing-masing 25 orang dari
tiap-tiap fakultas
Misalnya dalam pengukuran tinggi badan
populasi mahasiswa tersebut didapatkan mean
170 cm, maka 170 adalah sebuah parameter
Contoh Variabel

Variabel N yang menyatakan jumlah anak dalam

sebuah keluarga adalah sebuah variabel diskrit
karena hanya bisa bernilai 0, 1, 2, dst. (tidak
bisa 2,5 atau 3,23 dst.)
Variabel r yang menyatakan radius sebuah ban
mobil adalah sebuah variabel kontinu karena
bisa bernilai (dalam cm) 50, 50,2 atau 50,25
dst., tergantung keakuratan pengukurannya
 Analisis statistik
untuk data kuantitatif, yaitu data yang berupa
angka atau bisa diangkakan, analisis statistik
lebih tepat digunakan
statistik deskriptif dan statistik inferensial
Statistik deskriptif digunakan untuk membantu
memaparkan (menggambarkan) keadaan yang
sebenarnya (fakta) dari satu sampel penelitian
penelitian deskriptif
Penelitian deskriptif tidak untuk menguji suatu
hipotesis.
Statistik Deskriptif dan Inferensial

Statistik deskriptif adalah tahapan statistik yang

meliputi suatu kelompok terbatas tanpa
menganalisis dan menarik kesimpulan yang bisa
berlaku untuk kelompok yang lebih luas
Statistik inferensial adalah pengambilan
kesimpulan atas parameter populasi
berdasarkan informasi dari statistik sampel
 Statistika inferensial
digunakan untuk mengolah data
kuantitatif dengan tujuan untuk menguji
kebenaran suatu teori baru yang
diajukan peneliti yang dikenal dengan
hipotesis penelitian inferensial
Dalam penelitian inferensial, teknik
analisis statistik yang digunakan
mengacu kepada suatu pengujian
hipotesis
Fase-fase
Deskriptif dan Inferensial
Gambar1.2
Contoh
Statistik Deskriptif dan Inferensial
Berat rata-rata 25 sampel dari kontainer kapal
adalah 7,1 ton, maka berat rata-rata 1000
kontainer yang harus dikapalkan dapat
diperkirakan antara 6,9 sampai 7,3 ton
Seorang analis kimia dapat memperkirakan
kemungkinan suatu logam terlapis memiliki laju
korosi 10 mg/jam berdasarkan tes, uji, atau
pengukuran atas 20 sampel yang menunjukkan
laju korosi 9,5 mg/jam
Statistik dan Bidang Teknik

Peranan statistik terutama untuk

menggambarkan hubungan antar variabel dan
sebagai alat bantu pengambilan keputusan
Penerapannya antara lain sebagai pencegah
kegagalan desain, analisis eksperimen teknik,
dan pengendalian mutu
Contoh Penggambaran Hubungan
Antar Variabel
Konsultan manajemen industri berat
membandingkan laba kliennya tahun ini sesuai
dengan angka-angka tahun lalu. Data
pendapatan dan biaya dari kedua periode dapat
diringkas secara deskriptf, kemudian disajikan
sebagai rekomendasi kepada kliennya
Jawatan kesehatan publik meneliti hubungan
asap rokok yang terhirup oleh orang di sekitar
terhadap peningkatan penyakit asma memakai
teknik korelasi terhadap data berjumlah besar
Contoh Pengambilan Keputusan

Insinyur dari bagian kendali mutu mengetahui

adanya variasi mutu dari produk penyemprot cat
otomatisnya. Variasi kecepatan dan pola
semprot ini dapat ditolerir dalam batas satu
persen. Sampling dan uji acak pada jalur yang
berproduksi dapat membantu kesimpulan yang
terpercaya tentang kualitas alat itu
Contoh Pencegahan Kegagalan

Perancang elemen mesin yang akan memakai

baja jenis SAE 4340 dengan standar tegangan
maksimum 100.000 psi menyadari nilai itu tidak
eksak tapi mewakili kisaran tertentu (misalnya
85.000 sampai 115.000 psi). Kekuatan pasti
elemen mesin itu hanya dapat dipastikan melalui
uji rusak. Tegangan maksimum bahan yang
tidak pasti itu dapat dicari probabilitasnya dalam
kisaran tersebut memakai teknik statistik
Contoh Pengendalian Mutu

Mesin bubut otomatis memproduksi as yang

statistik diameternya dikaji berkala dengan
tujuan mendapatkan nilai variabilitas normal,
kemudian nilai itu menetapkan batas-batas
kendali. Pengukuran as atau sampling yang
memadai diplot ke diagram kendali sehingga
perubahan-perubahan yang berangsur-angsur
seperti keausan alat/perkakas atau yang tiba-
tiba seperti slip setting dapat dideteksi lalu
diperbaiki tepat waktu
Contoh Pengendalian Mutu
Gambar1.5
Metode Pemecahan Masalah

Identifikasi masalah
Pengumpulan fakta-fakta atau pengambilan data
baru (alat bantu dan sampel)
Klasifikasi dan ringkasan data
Penyajian dan analisis data
Pengambilan keputusan
Metode Sampling

Judgment sample berdasarkan keahlian

seseorang atas populasi
Probability sample antara lain simple random
probability sample, systematic probability
sample, stratified probability sample, dan cluster
probability sample
Metode
Pemecahan
Masalah Gambar1.6
 Bab 2

Statistik Deskriptif
Jenis Data

Data kuantitatif diskrit, data kuantitatif kontinu

interval, dan data kuantitatif kontinu rasio adalah
jenis data yang berupa bilangan
Data kualitatif nominal dan data kualitatif ordinal
adalah jenis data bukan berupa bilangan
Klasifikasi Data
Satuan Pengamatan & Karakteristiknya
Perlakuan Data

Data mentah yang terkumpul diorganisasikan

secara numerik menjadi jajaran (array) data
Data ringkas disajikan dalam tabel dan diagram
statistik untuk penyingkapan hubungan-
hubungan antar variabel, serta interpretasi dan
komunikasi fakta-fakta numerik
Berbagai
Bentuk
Diagram Gambar2.2
Statistik
Distribusi Frekuensi

Adalah susunan data yang berasal dari

pengelompokan jajaran data menjadi kelas-
kelas yang berisi sejumlah tertentu (frekuensi)
data
Frekuensi kelas berbentuk persentase disebut
distribusi frekuensi relatif
Data dari distribusi frekuensi disebut data
terkelompok
Komponen Distribusi Frekuensi

Interval tertutup/terbuka
Batas atas
Batas bawah
Batas nyata
Lebar interval
Nilai tengah kelas
Pertimbangan Penyusunan

Interval kelas harus mengikutsertakan semua

data dan tidak tumpang tindih
Jumlah interval antara 5 sampai 20, tergantung
jumlah data, tujuan penyusunan, dan
kepentingan analisis
Lebar interval sama
Menghindari interval terbuka
Nilai tengah sesuai dengan nilai konsentrasi dari
data aktual
Presentasi Grafik
Distribusi frekuensi digambarkan dengan
histogram (grafik batang) atau poligon frekuensi
(grafik garis dari nilai tengah)
Distribusi frekuensi kumulatif (untuk mengetahui
jumlah data di atas/lebih atau bawah/kurang dari
nilai tertentu) digambarkan dengan ogive
Data kontinu dengan interval kecil namun jumlah
data besar digambarkan dengan poligon
frekuensi atau ogive yang dimuluskan, disebut
kurva frekuensi
Bentuk-bentuk Kurva Frekuensi
Gambar2.7
Ukuran Pemusatan
(Tendensi Sentral)
Data cenderung terpusat di sekitar nilai tertentu
Rata-rata (mean-mean aritmetik, aritmetik
terbobot, geometrik, harmonik, dan kuadratik
atau root mean square): Sifat tengah atau posisi
pusat kumpulan nilai
Median: Posisi tengah dari nilai data terjajar
Modus: Nilai yang paling sering muncul
Kuantil (kuartil, desil, dan persentil): Nilai-nilai
yang membagi suatu jajaran data menjadi
bagian-bagian yang sama
Ukuran Penyebaran/Dispersi

Menunjukkan seberapa jauh data menyebar dari

nilai rata-ratanya (variabilitas data)
Terdiri dari jangkauan/kisaran/range (selisih nilai
terbesar dan terkecil), jangkauan persentil 10-90
(selisih nilai persentil ke-90 dan ke-10),
simpangan kuartil (jangkauan semi-antarkuartil),
simpangan mutlak mean (penyimpangan nilai
terhadap mean), deviasi standar atau
simpangan baku, varians (kuadrat dari deviasi
standar), dan koefisien variasi (dispersi relatif)
Momen, Skewness, dan Kurtosis

Momen: Untuk data terkelompok dan tidak,

pengkodean momen data terkelompok, dan
momen tak berdimensi
Skewness: Derajat ketidaksimetrian atau
penyimpangan dari kesimetrian suatu distribusi
Kurtosis: Derajat keruncingan atau kelandaian
dari distribusi relatif terhadap distribusi normal
Jenis Kurva menurut Kurtosisnya
Gambar2.9
Contoh Soal
Distribusi frekuensi dari waktu diam (idle)
perbulan 70 buah mesin produksi dalam suatu
pabrik ditunjukkan oleh tabel pada halaman
berikut
Interval kelas ke-6 dan ke-7 lebarnya tidak sama
dengan interval kelas lainnya
Terlihat bahwa histogramnya digambarkan
dengan penyesuaian tinggi batang interval kelas
ke-6 dan ke-7 sedemikian sehingga luas batang
tetap proporsional terhadap frekuensinya
Contoh Soal
Gambar2.4
 Bab 3

Konsep Dasar
Probabilitas
Konsep dan Definisi Dasar
Eksperimen Probabilitas: Kegiatan memperoleh
hasil/keluaran, tanggapan, atau ukuran
Ruang Sampel (S): Himpunan yang memuat
seluruh kemungkinan dari eksperimen tersebut
Peristiwa/Kejadian (Event): Himpunan bagian dari
ruang sampel
Probabilitas: Bilangan antara 0 dan 1 yang
berkaitan dengan peristiwa tertentu
Definisi probabilitas terdiri dari definisi-definisi
klasik, frekuensi relatif, dan subjektif/intuitif
Diagram Venn dari Probabilitas
Gambar3.1
Probabilitas Peristiwa Majemuk
Probabilitas Bersyarat: Probabilitas dari suatu
peristiwa yang terjadi setelah peristiwa lain terjadi
Peristiwa Saling Bebas (Independen): Terjadinya
peristiwa A tidak mempengaruhi probabilitas
terjadinya peristiwa B
Peristiwa Mutually Exclusive (Saling
Meniadakan): Terjadinya satu peristiwa
mencegah terjadinya peristiwa yang lain, dalam
satu eksperimen probabilitas yang sama
Ruang Sampel
dari Probabilitas Bersyarat
Gambar3.2
Peristiwa Mutually Exclusive
Gambar3.4
Hukum-hukum dan Formulasi
Terdiri dari hukum-hukum perkalian dan
penjumlahan
Probabilitas Gabungan/Joint: Probabilitas
terjadinya seluruh peristiwa yang saling bebas
Formulasi Bayes: Pengembangan dari
probabilitas bersyarat dan aturan umum
perkalian, mengenai peristiwa mutually exclusive
dan exhaustive (setiap peristiwa memiliki
keluaran berbeda dan semua keluaran itu
termasuk di dalam ruang sampel)
Teknik Enumerasi (Pencacahan)
Pohon Probabilitas: Alat bantu grafis untuk
mengevaluasi probabilitas eksperimen berulang
Analisis Kombinatorial: Suatu peristiwa, yang
dapat terjadi sesuai dengan salah satu cara dari
n1 cara, sementara satu cara itu sendiri dapat
terjadi dengan n2 cara, memiliki jumlah cara
terjadi yang mungkin sebanyak n1n2
Pemilihan r objek dari n objek berbeda dapat
disusun menurut urutan (permutasi) atau tidak
(kombinasi)
Pohon Probabilitas
Gambar3.9
Contoh Soal Pohon Probabilitas

Prosesor pengindra posisi menjadi bagian

sistem navigasi pesawat
Sistem gagal berfungsi setiap 200 penerbangan
Saat sistem gagal berfungsi, 90% disebabkan
prosesor dan 10% sebab lain
Saat sistem berfungsi baik, 99% prosesor
kondisinya baik dan hanya 1% sistem tetap
berfungsi dengan prosesor rusak
Pohon probabilitasnya pada halaman berikut,
dengan A1 = sistem gagal, A2 = sistem baik, B1 =
prosesor rusak, dan B2 = prosesor baik
Contoh Soal Pohon Probabilitas
Gambar3.10
 Bab 4

Distribusi Probabilitas
Variabel Acak

Variabel acak memiliki sebuah nilai numerik

tunggal untuk sembarang keluaran dari
eksperimen probabilitas
Variabel acak dilambangkan dengan X
Variabel acak diskrit memiliki nilai yang dapat
dicacah (countable)
Variabel acak kontinu memiliki nilai tak terhingga
sepanjang sebuah interval tak terputus,
diperoleh dari pengukuran
Distribusi Probabilitas
Distribusi probabilitas diskrit memiliki fungsi
probabilitas (probabilitas X menyandang nilai x)
dan fungsi distribusi kumulatif (cdf)
Distribusi probabilitas kontinu memiliki fungsi
kepadatan/density probabilitas (pdf) dan fungsi
distribusi kumulatif
Distribusi probabilitas bisa tergantung pada satu
kuantitas bernilai sembarang yang disebut
parameter distribusi
Nilai harapan matematis adalah mean variabel
Menampilkan Distribusi Probabilitas

Fungsi probabilitas ditampilkan dengan grafik

batang
Fungsi distribusi kumulatif (cdf) ditampilkan
dengan grafik tangga/step
Fungsi kepadatan/density probabilitas (pdf)
ditampilkan dengan poligon frekuensi relatif
yang dimuluskan
Histogram probabilitas menampilkan distribusi
probabilitas sebuah variabel acak kontinu
Grafik Batang
dari Fungsi Probabilitas
Gambar4.1
Grafik Tangga
dari Fungsi Probabilitas Kumulatif
Gambar4.2
Poligon Frekuensi Relatif
dari Fungsi Kepadatan Probabilitas
Gambar4.3
Histogram Probabilitas
Gambar4.7
 Bab 5

Distribusi Teoretis
Variabel Acak Diskrit
Distribusi Probabilitas Teoretis
Variabel Acak Diskrit
Distribusi Bernoulli: Dibentuk oleh percobaan
Bernoulli, keluarannya sukses (p) atau gagal
(q = 1 - p)
Distribusi Binomial: Dibentuk oleh eksperimen
binomial (n kali percobaan Bernoulli)
Distribusi Binomial Negatif memiliki jumlah
sukses tertentu dan jumlah percobaan acak
Distribusi Geometrik: Dibentuk oleh eksperimen
binomial negatif yang dilakukan sampai sukses
pertama tercapai (r = 1)
Distribusi Probabilitas Bernoulli
Gambar5.1
Fungsi Probabilitas Binomial
Gambar5.2
Distribusi Probabilitas Teoretis
Variabel Acak Diskrit (Lanjutan)
Distribusi Hipergeometrik: Dibentuk oleh
eksperimen dengan kondisi populasi berukuran
N, setiap anggota populasi dapat sukses atau
gagal dan ada M sukses dalam populasi (p =
M/N), dan sampel berukuran n (dari setiap
himpunan bagian berukuran n) dapat dipilih dari
s populasi tanpa pergantian
Distribusi Poisson: Mengamati jumlah kejadian-
kejadian khusus yang terjadi dalam satu satuan
waktu atau ruang
Distribusi Probabilitas Poisson
Gambar5.5
Contoh Eksperimen Poisson

Penghitungan jumlah klaim asuransi kecelakaan

mobil atas satu perusahaan asuransi per tahun
Penghitungan jumlah panggilan telepon masuk
tiap menit di kantor pelayanan darurat jalan tol
Penjumlahan bagian rusak per 3000 meter pita
pada jalur manufaktur pita magnetik
 Bab 6

Distribusi Teoretis
Variabel Acak Kontinu
Distribusi Probabilitas Teoretis
Variabel Acak Kontinu
Distribusi Normal (Gauss): Distribusi yang paling
penting dalam teori dan aplikasi statistik, dapat
disederhanakan sebagai distribusi normal
standar
Distribusi Gamma: Digunakan untuk distribusi
yang variasi ukuran kemencengannya signifikan
Distribusi Eksponensial: Kasus khusus dari
distribusi gamma, dipakai dalam bidang teknik
dan sains
Distribusi Normal dan Standar
Gambar6.4
Kurva Pdf Distribusi Gamma
Gambar6.6
Kurva Pdf Distribusi Eksponensial
Gambar6.7
Distribusi Probabilitas Teoretis
Variabel Acak Kontinu (Lanjutan)
Distribusi Chi-kuadrat: Juga kasus khusus dari
distribusi gamma, dipakai dalam prosedur
statistik inferensial
Distribusi Weibull: Dipakai memodelkan waktu
sampai kegagalan (time to failure)
Distribusi Lognormal: Dipakai di bidang teknik
sebagai model dari berbagai sifat material
Kurva Pdf Distribusi Chi-kuadrat
Gambar6.8
Kurva Pdf Distribusi Weibull
Gambar6.9
Kurva Pdf Distribusi Lognormal
Gambar6.10
 Bab 7

Distribusi Sampling
Pengertian dan Konsep Dasar

Populasi terhingga memiliki jumlah keseluruhan

anggota tetap dan terdaftar
Dalam sampling acak (random), setiap anggota
populasi memiliki kesempatan yang setara untuk
dipilih sebagai sampel
Sampling dengan penggantian dapat memilih
masing-masing anggota populasi lebih dari
sekali
Distribusi sampling adalah distribusi nilai statistik
sampel
Distribusi Sampling
Gambar7.1
Distribusi Mean Sampling

Adalah distribusi mean aritmetika dari seluruh

sampel acak berukuran n yang mungkin dipilih
dari suatu populasi
Deviasi standarnya disebut error standar mean
Populasi terdistribusi normal memiliki distribusi
mean sampling normal pula
Populasi tidak terdistribusi normal dengan
sampel besar (> 30) memiliki distribusi mean
sampling mendekati distribusi normal,
pernyataan ini disebut teorema limit pusat
Teorema Limit Pusat
Gambar7.4
Distribusi Proporsi Sampling

Adalah distribusi proporsi dari semua sampel

acak berukuran n yang dapat dipilih dari suatu
populasi
Proporsi adalah variabel diskrit yang
populasinya mengikuti distribusi normal
Jika nilai n besar (> 30), distribusi proporsi
sampling mendekati distribusi normal
Distribusi Perbedaan dan
Penjumlahan Sampling
Distribusi perbedaan dan penjumlahan sampling
diperoleh dari seluruh kemungkinan kombinasi
sampel dari dua populasi yang berbeda
Jika masing-masing sampel dari kedua populasi
tersebut jumlahnya besar (> 30), distribusi
perbedaan dan penjumlahan dari mean atau
proporsi sampling mendekati distribusi normal
Contoh Soal

Bagian pengendalian mutu pabrik disket

memeriksa jumlah disket cacat dengan memilih
10 disket per lot produksi yang berisi 1000
disket. Kasus ini mengkaji populasi terhingga
Seorang mahasiswa mengadakan survei merek
dan tipe telepon genggam yang digemari
konsumen. Kurun waktu survei tidak dibatasi
sehingga populasi yang dikaji tak terhingga,
karena dari waktu ke waktu merek dan tipe
telepon genggam terus bertambah
 Bab 8

Estimasi
Estimator

Estimator: Statistik (mean, persentase, dan

lainnya) yang dipakai mengestimasi parameter
Estimator tak-bias menghasilkan distribusi
sampling dengan mean sama dengan parameter
populasi yang diestimasi
Estimator Terbaik: Estimator tak-bias dengan
varians terkecil (MVUE Minimum Variance
Unbiased Estimator)
Kurva Pdf Estimator
Gambar8.1
Estimasi dan Estimate

Estimasi: Proses memakai estimator untuk

memperoleh estimate atas parameter
Estimate (hasil estimasi): Nilai spesifik atau
kuantitas statistik (mean, persentase, atau
varians sampel)
Estimate Titik: Suatu nilai tunggal yang dianggap
masuk akal bagi parameter
Estimate Interval: Sebaran nilai yang
mengestimasi parameter
Estimasi Interval Mean Populasi

Distribusi mean sampel dengan ukuran besar

(>30) mendekati distribusi normal, meannya
sama dengan mean populasi, dan mencakup
95,46 persen mean sampel yang mungkin
Tingkat Kepercayaan: Probabilitas tercakupnya
parameter di dalam interval estimate
Interval Kepercayaan: Interval estimate
berdasarkan tingkat kepercayaan tertentu
Batas Kepercayaan: Batas atas dan bawah dari
interval kepercayaan
Estimasi Mean Populasi
Gambar8.4
Estimasi Proporsi Populasi
Gambar8.9
Estimasi Varians Populasi

Estimasi varians populasi dipakai untuk

mengetahui jauhnya sebaran nilai parameter
agar dapat dikendalikan
Varians populasi diestimasi dengan varians
sampel berukuran n
Populasi terdistribusi normal akan membentuk
distribusi varians sampling chi-kuadrat
Penentuan Ukuran Sampel

Tingkat keakuratan estimate sering harus

ditentukan sebelum pengambilan sampel
Kesalahan (error) sampling dikendalikan dengan
memilih sampel berukuran memadai
Nilai deviasi standar populasi perlu diasumsikan
sebelum penentuan ukuran sampel dalam
estimasi interval
Nilai proporsi populasi perlu diasumsikan
(biasanya 50) sebelum penentuan ukuran
sampel dalam estimasi proporsi populasi
Penentuan Ukuran Sampel
pada Estimasi Mean Populasi
Gambar8.12
Penentuan Ukuran Sampel
pada Estimasi Proporsi Populasi
Gambar8.13
Contoh Soal

Pabrik ban Stonebridge akan mengestimasi

penjualan rata-rata per hari. Sampel harian yang
dikumpulkan menghasilkan rata-rata $800. Ini
adalah estimasi titik dengan estimator berupa
statistik mean sampel untuk mengestimasi
parameter mean populasi dan nilai sampil $800
sebagai estimate-estimate nilai populasi
 Bab 9

Uji Hipotesis
Sampel Tunggal
Hipotesis dan Pengujiannya

Hipotesis Statistik: Asumsi atau perkiraan

tentang populasi, yang mungkin benar atau
salah. Secara umum menyatakan distribusi
probabilitas populasi
Dua Jenis Kesalahan Uji Hipotesis: Tipe 1
(menolak hipotesis yang harusnya diterima) dan
tipe 2 (menerima hipotesis yang harusnya
ditolak)
 Hipotesis
Pernyataan tentatif tentang perkiraan hasil penelitian yang
disusun berdasarkan penalaran deduktif dan/atau induktif.
Tidak semua jenis penelitian harus melalui langkah
perumusan hipotesis
Peneliti tdk harus membuktikan hipotesisnya tetapi
mengumpulkan data dan fakta yang mendukung atau
menolaknya.
Peneliti tdk boleh mempunyai keinginan kuat agar
hipotesisnya terbukti.
Hipotesis adalah kontrol atas keseluruhan langkah
penelitian.
Hipotesis harus dapat diuji dan variabel-variabel
operasionalnya dapat diukur.
Langkah-langkah pokok dalam
pengujian hipotesis :
membuat asumsi kondisi apa
yang dapat diterima oleh peneliti
menentukan statistik uji
Memilih suatu tingkat Signifikansi
Menghitung harga statistik uji
Membuat keputusan uji (diterima /
ditolak)
Prosedur
Uji
Hipotesis Gambar9.2
Prosedur Uji Hipotesis

Menyatakan hipotesis nol (asumsi yang diuji,

bahwa suatu parameter bernilai sama dengan
nilai tertentu) dan hipotesis alternatif (semua
asumsi yang menolak hipotesis nol)
Memilih tingkat kepentingan (significance) yang
menunjukkan probabilitas maksimum terjadinya
kesalahan tipe 1
Menentukan distribusi uji (distribusi probabilitas
teoretis normal, t, atau chi-kuadrat)
Prosedur Uji Hipotesis (Lanjutan)

Mendefinisikan daerah penolakan/kritis, yaitu

daerah yang tak mungkin memuat statistik
sampel jika hipotesis nol benar.
Menyatakan aturan keputusan, umumnya: Tolak
hipotesis nol jika perbedaan yang ditentukan
berada dalam daerah kritis. Jika sebaliknya,
terima hipotesis nol
Menghitung data sampel dan rasio uji (rasio
antara statistik dan parameter asumsi)
Mengambil keputusan statistik
Daerah Penerimaan dan Penolakan
dengan Tingkat Kepentingan 0,05
Gambar9.1
Uji Hipotesis Sampel Tunggal

Uji hipotesis mean terdiri dari uji dua-ujung atau

satu-ujung (ujung-kiri atau ujung-kanan).
Uji hipotesis persentase memiliki prosedur sama
dengan uji hipotesis mean tapi dengan rumus
RU berbeda
Uji hipotesis varians memakai distribusi chi-
kuadrat, maka uji ini memiliki rumus RU yang
berbeda juga
Uji Dua-Ujung
Gambar9.3
Uji Satu-Ujung
Gambar9.5
Nilai P
Nilai P dipakai untuk menunjukkan kekuatan bukti
menerima/menolak hipotesis nol dan
memungkinkan kesimpulan pada tingkat
kepentingan manapun
Nilai P adalah nilai tingkat kepentingan minimum
yang teramati untuk menolak hipotesis nol sesuai
prosedur uji hipotesis yang dipakai
Nilai P diperoleh dengan menentukan nilai
kepentingan yang sesuai dengan rasio uji hasil
perhitungan
Nilai P
Gambar9.7
Contoh Soal

Dalam prosedur pengujian hipotesis atas mean

dari populasi, pernyataan-pernyataan hipotesis
nol mean populasi sama dengan 100 dan
hipotesi alternatif mean populasi tidak sama
dengan 100 secara umum dinotasikan H0 : =
100 dan H1 : 100; > 100; < 100; = 120
 Soal Tugas A
1. Kontraktor lampu penerangan jalan sedang
mempertimbangkan pembelian baut-baut untuk
proyek barunya. Pertimbangannya adalah kekuatan
baut harus mampu menyanggah tiang lampu berdiri
tegak dalam kondisi tegangan normal. Namun untuk
meminimalkan kerusakan seandainya tiang tersebut
tertabrak kendaraan, baut-baut itu harus patah
pada tegangan benturan (impact stress) yang telah
ditentukan. Dari perhitungan diinginkan
kemampuan baut adalah 5000 N dengan deviasi
standard 800. Dengan menggunakan resiko
kesalahan 10% dan mengambil sampel sebanyak 36
baut, jelaskan bagaimanacara menentukan
pengambilan keputusan dari uji hipotesis yang akan
dilakukan?
 Soal Tugas A
2. Sejenis minyak aditif dikatakan oleh pembuatnya
mampu mengurangi pemakaian bahan bakar
mobil. Misalkan 13 mobil yang dipilih secara
acak diperiksa dengan memberikan 10 liter
bahan bakar dan aditifnya. Ternyata rata-rata
jarak tempuh sampai bahan bakar habis adalah
68 km, sedangkan pabrik minyak aditive telah
mengklaim bhw dengan menggunakan aditif ini,
jarak tempuhnya akan mencapai 75 km. Jika
deviasi standarnya 15 km, apakah kesimpulan
yang dapat ditarik mengenai klaim perusahaan
tersebut.
 Bab 10

Uji Hipotesis
Sampel Ganda
Pendahuluan

Uji hipotesis sampel ganda dipakai untuk

mengetahui apakah dua populasi yang diamati
memiliki karakteristik tertentu yang serupa atau
berbeda
Uji ini harus memenuhi dua asumsi, yaitu data
sampel dari kedua populasi terdistribusi normal
dan sumber data masing-masing populasi saling
independen
Uji Hipotesis Varians Sampel Ganda
Uji ini memakai langkah-langkah prosedur
sampel tunggal, dengan distribusi F
Distribusi F adalah distribusi sampling untuk rasio
varians sampel dengan semua nilai F > 10,
bentuknya tidak simetris dan tergantung jumlah
sampel dan pengamatannya
Nilai-nilai distribusi F ditentukan melalui tingkat
kepentingan dan derajat kebebasan dari sampel
pembilang dan penyebut dalam rasio varians
sampel
Distribusi F
Gambar10.1
Uji Hipotesis Mean
Sampel Ganda
Gambar10.3
Uji Hipotesis Persentase
Sampel Ganda
Uji ini dipakai untuk mengetahui adanya
perbedaan statistik yang signifikan antar
persentase dari dua populasi
Dua asumsi yang harus dipenuhi yaitu kedua
sampel diambil dari dua populasi saling
independen dan sampel-sampel itu berukuran
cukup besar
 Bab 11

Beberapa Analisis
Inferensial Lainnya
Analisis Varians (ANOVA)

Analisis ini dipakai untuk mengetahui kesamaan

mean dari tiga atau lebih populasi, memakai
data sampel masing-masing populasi
ANOVA satu-faktor memiliki variabel sampel
tunggal
Asumsi dasar validitas: Populasi terdistribusi
normal, sampel acak dan saling independen,
dan varians populasinya sama
ANOVA dapat menemukan perbedaan tapi tidak
dapat menentukan populasi mana yang berbeda
Hipotesis
ANOVA
Gambar11.1
Tabel
ANOVA
Satu-Faktor Tabel11.1
ANOVA dalam Microsoft Excel
Gambar11.2
Uji Chi-Kuadrat

Banyak dipakai dalam uji keselarasan fungsi

(goodness of fit) dan tabel kontingensi
Uji keselarasan fungsi menentukan keselarasan
distribusi dari hasil-hasil percobaan atas sampel
terhadap hipotesis dari distribusi populasi
Uji tabel kontingensi (independensi)
menentukan klasifikasi silang atas data secara
independen
Memakai tingkat kepentingan 0,01 atau 0,05
Uji Chi-Kuadrat
Gambar11.4
 Bab 12

Regresi dan Korelasi

Linier Sederhana
Peramalan (Forecasting)

Peramalan sering diperlukan sebelum

pengambilan keputusan
Peramalan itu berkaitan dengan kemungkinan-
kemungkinan kejadian setelah suatu keputusan
diambil
Peramalan lebih mudah dilakukan dengan
adanya hubungan/relasi antara variabel yang
diramal dan variabel yang diketahui/diantisipasi
Analisis Regresi

Analisis ini mempelajari dan mengukur

hubungan statistik antar variabel
Regresi sederhana mengkaji dua variabel,
regresi majemuk mengkaji lebih dari dua
variabel
Persamaan regresi dipakai menggambarkan
pola/fungsi hubungan antar variabel
Variabel yang diestimasi disebut variabel
terikat/respon, variabel yang mempengaruhinya
disebut variabel bebas/explanatory
Analisis Korelasi

Analisis ini mengukur seberapa kuat atau

derajat kedekatan relasi antar variabel
Koefisien korelasi menggambarkan kekuatan
atau kedekatan relasi antar variabel itu
Analisis korelasi dan regresi biasa dilakukan
bersama-sama
Korelasi tidak menjelaskan hubungan sebab-
akibat dan bukan merupakan nilai persentase
Relasi Logis dan Diagram Pencar

Relasi logis memiliki kemungkinan bentuk

hubungan sebab akibat (cause-and-effect),
akibat sebab sama (common-cause factor), dan
semu (spurious)
Diagram pencar (scatter) berguna untuk
memperlihatkan adanya relasi antar variabel
yang berguna dan menentukan jenis persamaan
yang menentukan hubungan tersebut
Diagram
Pencar
Gambar12.1
Analisis Regresi Linier Sederhana

Persamaan umum garis regresi linier sederhana

berbentuk persamaan garis lurus (pangkat satu)
Jumlah simpangan (deviasi) positif dari titik-titik
yang tersebar di atas garis regresi sama dengan
jumlah simpangan negatif dari titik-titik yang
tersebar di bawahnya
Kuadrat simpangan-simpangan garis regresi
mencapai nilai minimum (least square)
Metode ini disebut juga metode least square
Garis Regresi Linier
Diagram Pencar
Gambar12.2
Analisis Regresi Linier Sederhana
(Lanjutan)
Derajat Ketergantungan (Dependability):
Kekuatan hubungan antar variabel bebas dan
terikat
Dua diagram pencar dengan persamaan garis
regresi yang sama dapat memiliki kerapatan
pencaran data yang berbeda
Standar Error Estimasi: Deviasi standar dari
penyebaran nilai-nilai teramati di sekitar garis
regresi
Variasi Pencaran Data
Gambar12.4
Asumsi Dasar Inferensi Regresi

Populasi memiliki variabel X dan Y yang

terhubung linier dan persamaan garisnya
berpotongan dengan sumbu Y (A) dan memiliki
kemiringan (B) yang tetap
Setiap X memiliki distribusi normal Y di sekitar
garis regresi dalam diagram pencar populasi
Setiap distribusi Y memiliki deviasi standar yang
sama (homoscedasticity)
Setiap Y dalam distribusi ini saling bebas
Distribusi Normal Y
Gambar12.6
Uji Relasi dan Interval Prediksi

Interpretasi persamaan garis regresi atas data

sampel dapat menyesatkan (misleading) dalam
penerapannya terhadap populasi
Uji-t menguji hipotesis kemiringan (slope) garis
regresi linier sederhana
Uji ANOVA menguji hipotesis kemiringan garis
regresi linier sederhana dan majemuk (multiple)
Estimasi titik dari variabel terikat dapat diperluas
menjadi estimasi interval, memakai standar error
estimasi, untuk sampel besar dan kecil
Kesesatan Interpretasi Sampel
Gambar12.5
Estimasi Interval Sampel Besar
Gambar12.7
Analisis Korelasi Linier Sederhana

Deviasi Total: Penyimpangan nilai variabel

terhadap nilai rata-ratanya
Deviasi Total Terjelaskan: Penyimpangan nilai
variabel terikat, yang diprediksi persamaan
regresi, terhadap nilai rata-rata variabel itu
Deviasi Total Takterjelaskan: Penyimpangan nilai
variabel terhadap nilai prediksinya
Variasi Total: Jumlah variasi terjelaskan dan
takterjelaskan
Deviasi Total
Gambar12.8
Analisis Korelasi Linier Sederhana
(Lanjutan)
Koefisien Determinasi: Perbandingan variasi
terjelaskan dengan variasi total, nilainya antara
0 (tidak ada relasi) dan 1 (relasi sempurna)
Koefisien Korelasi: Akar dari koefisien
determinasi, tandanya (-/+) sesuai konstanta b
persamaan regresi, dan nilainya antara -1 dan
+1
Relasi Linier Sederhana: Korelasi positif/negatif
sempurna, korelasi berkekuatan relasi lebih
besar/kecil, dan tidak ada korelasi
Relasi
Linier
Sederhana Gambar12.9
 Bab 13

Beberapa Metode
Non-Parametrik
Metode Non-Parametrik

Metode ini tidak memakai asumsi parametrik

bahwa populasi memiliki distribusi tertentu, dan
disebut juga metode bebas-distribusi
Banyak dipakai menangani data kualitatif, dalam
kasus-kasus seperti sampel berukuran terlalu
kecil (distribusi tidak normal atau tidak dapat
diasumsikan) dan untuk jenis-jenis data ordinal
(peringkat) dan nominal
Umum tapi kurang kuat/sensitif, tidak seefisien
metode parametrik tapi lebih mudah dipahami
Uji Tanda

Uji ini dipakai untuk mengetahui adanya

perbedaan dalam pasangan data ordinal dari
objek yang sama atau berpasangan (sampel
terikat), tanpa melihat besar-kecilnya perbedaan
itu
Dasarnya adalah tanda negatif atau positif dari
perbedaan pasangan data ordinal itu
Memakai distribusi binomial untuk sampel kecil
(< 30) atau pendekatan distribusi normal (z)
terhadap binomial untuk sampel besar (> 30)
Uji Tanda
Gambar13.1
Uji Peringkat Bertanda Wilcoxon

Uji ini dipakai untuk mengetahui adanya

perbedaan dalam pasangan data ordinal dari
objek yang sama atau berpasangan (sampel
terikat), dengan melihat arah dan besarnya
perbedaan itu
Menggunakan distribusi T, yang berbeda
dibandingkan dengan distribusi t parametrik
Uji
Peringkat
Bertanda Gambar13.2
Wilcoxon
Uji Mann-Whitney

Uji ini dipakai untuk mengetahui adanya

perbedaan dalam dua himpunan data dari
sampel independen
Alternatif dari uji-t parametrik
Asumsinya bukan distribusi normal, tapi bentuk
populasi-populasinya sama
Disebut juga uji U, karena statistik uji
hipotesisnya disebut U
Uji
Mann-Whitney
Gambar13.3
Uji Kruskal-Wallis

Disebut juga uji H

Uji ini memakai tiga atau lebih sampel acak
independen untuk mengetahui persamaan mean
populasi-populasinya
Sejenis dengan uji ANOVA, mensyaratkan
variansnya sama
Asumsinya bukan distribusi normal, tapi bentuk
populasi-populasinya sama (menceng, bimodal,
platikurtik, dan yang lainnya)
Memakai distribusi chi-kuadrat
Uji
Kruskal-Wallis
Gambar13.4
Koefisien Korelasi Peringkat
Spearman
Koefisien ini mengukur kedekatan hubungan
antar variabel ordinal
Mirip dengan koefisien korelasi linier, tapi
memakai peringkatnya bukan nilai sebenarnya
Tahapannya adalah menyusun peringkat dari
data, menetukan perbedaan peringkat dari
pasangan data, dan menghitung koefisien
korelasi peringkatnya
Koefisien
Korelasi
Peringkat Gambar13.5
Spearman
 Bab 14

Beberapa Aplikasi
Statistik Bidang Teknik
Pengendalian Mutu

Berawal dari publikasi kajian Dr. Walter

Shewhart, ilmuwan Laboratorium Bell, di tahun
1924 dan pengembangan diagram pengendalian
selama tahun 1920-1930
Suatu proses produksi akan menghasilkan
barang atau jasa yang serupa (similar) tapi tak
sama (identical) karena adanya variasi
Variasi dapat berada di dalam atau di luar batas
kebetulan (by chance)
Variasi

Ada proses yang menghasilkan variasi

terkendali (controlled) dan ada yang
menghasilkan variasi takterkendali
Variasi terkendali disebut juga variasi sebab
biasa (common), alamiah, inheren dan terduga,
dapat diterima atau diizinkan, dan sebabnya
acak atau kebetulan
Variasi takterkendali disebut juga variasi sebab
khusus (special) saat kejadian tak normal masuk
ke dalam proses tanpa terduga
Variasi Terkendali dan Takterkendali
Gambar14.1
Sebab Biasa dan Khusus

Sebab biasa antara lain kualitas material,

keterampilan operator, desain mesin, dan yang
lainnya
Sebab khusus antara lain putusnya aliran listrik,
setelan mesin yang berubah, keterampilan
pekerja yang berlainan, dan yang lainnya
Diagram Kendali

Disebut juga diagram kendali mutu atau diagram

kendali proses
Berupa grafik yang membandingkan data dari
proses yang sedang berlangsung terhadap
batas-batas kendali yang ditentukan dari data
unjuk-kerja (performance) sebelumnya,
Diinformasikan antar kelompok produksi,
supplier, dan operator mesin
Diagram Kendali (Lanjutan)

Unsur-unsur umumnya yaitu batas kendali atas

(UCL) dan bawah (LCL) serta garis tengah (CL)
Variasi terkendali berada antara UCL dan LCL,
variasi takterkendali berada di luarnya (di atas
UCL atau di bawah LCL)
Jenis-jenis Diagram Kendali

Diagram kendali untuk nilai atau pengamatan

individual
Diagram kendali untuk mean atau range dari
subkelompok
Diagram kendali untuk proporsi cacat dalam
subkelompok
Diagram Kendali
Gambar14.2
Diagram Nilai Individu

Diagram ini memonitor setiap nilai yang diamati

dalam suatu proses
Diagram kontrol nilai individu berdasarkan
probabilitas distribusi normal
Penentuan UCL, LCL, dan CL memakai mean
dan deviasi standar dari populasi
Diagram Nilai Kontinu X dan R

Diagram X memonitor, mengontrol, dan

menganalisis mean dari kuantitas teramati
(subkelompok data) dalam proses bernilai
kontinu seperti panjang, berat, diameter, dan
yang lainnya.
Diagram R memonitor penyebaran (dispersi)
Kedua diagram ini saling melengkapi untuk
mengetahui kesesuaian proses atas standar
desain, kebutuhan penyetelan mesin, dan
penyimpangan kualitas
Diagram Atribut atau Nilai Diskrit

Atribut adalah persyaratan kualitas yang

ditetapkan untuk menentukan produk dapat
diterima atau ditolak karena cacat
Hasil pengamatannya bersifat diskrit seperti
jumlah kelingan rusak pada pesawat,
gelembung udara dalam gelas, goresan pada
pelat, dan yang lainnya
Diagram ini terdiri dari diagram p dan c
Diagram Atribut atau Nilai Diskrit (2)

Diagram p menganalisis persentase/proporsi

produk cacat per sampel, berdasarkan
probabilitas distribusi binomial
Diagram c menganalisis jumlah cacat per unit
produk tetap, berdasarkan probabilitas distribusi
poisson
Revisi Diagram Kendali

Diagram kendali dapat direvisi dengan cara

mengabaikan data yang menyimpang untuk
kemudian menghitung kembali CL, UCL, dan
LCL baru dan mengeplot kembali data revisi itu
Revisi ini harus memiliki alasan kuat, tidak
adanya keperluan untuk memperbaiki atau
menyesuaikan proses produksinya
Tanpa alasan kuat, revisi harus melibatkan
penyelidikan dan kemungkinan perbaikan
Ketidakpastian Statistik

Suatu variasi dapat berpengaruh besar atau

kecil terhadap keseluruhan proses
Aturan keakuratan yang ketat dapat menaikkan
biaya produksi
Identifikasi diperlukan atas variasi kritis dan
tidak kritis yang akan memfokuskan perbaikan
secara efektif
Mekanisme alternatif diperlukan karena toleransi
yang berbeda atas ketidakakuratan individual
Prediksi
Probabilitas
Kegagalan Gambar14.3
 Penutup
Statistik hanyalah alat yang membantu peneliti
untuk memudahkan memahami dan
memberikan makna dari data penelitian yang
diperoleh
tugas peneliti untuk memberikan interpretasi
terhadap data yang diperoleh dan
membahasnya lebih lanjut secara lebih
mendalam dan komprehensif berdasarkan
teori-teori yang mendukung serta fakta yang
terjadi di lapangan.
pada ruang interpretasi hasil analisis data
inilah karya monumental seorang peneliti
diperoleh
 A. Banyaknya variabel : 1 (satu)
No pengukuran Maksud Teknik Analis
Variabel Statistik

1 Nominal Tendensi Mode (modus)

sentral

Dispersi Frekuensi relatif

Frekuensi Frekuensi realtif, prosesntase

Uji kecocokan Chi kuadrat

A. Banyaknya variabel : 1 (satu)
No pengukuran Maksud Teknik Analis
Variabel Statistik

2 Ordinal Tendensi Median

sentral

Dispersi Deviasi antar kuartil

Frekuensi Frekuensi relatif,
prosentase

Uji kecocokan Kolmogorov,

Kolmogorov
Smirnov
 A. Banyaknya variabel : 1 (satu)
No pengukuran Maksud Teknik Analis
Variabel Statistik
3 Interval Tendensi Mean
sentral
Dispersi Deviasi standard
Kesimetrikan Kemiringan
Keruncingan Kurtosis
Frekuensi Frekuensi relatif,
prosentase
Uji kecocokan Lilliefors (normalitas)
Banyaknya variabel 2 (dua) atau lebih.
Variabel & tingkat Maksud statistik Teknik
No pengukuran variabel Analisis
1 VT = 1; interval Hubungan antar
VB = 1; interval variabel :
VT(Variabel terikat) kekuatan Korelasi
VB (variabel bebas) hubungan sederhana
bentuk Regresi
hubungan sederhana
Prediksi Regresi
sederhana
Sumbangan Analisis
prediktor kebersamaan
Banyaknya variabel 2 (dua) atau lebih.
No Variabel & tingkat Maksud statistik Teknik
pengukuran variabel Analisis
2 VT = 1; interval Hubungan antar
VB > 1; interval variabel :
kekuatan Korelasi
hubungan ganda, parsial
bentuk hubungan Regresi ganda
Prediksi Regresi ganda
Sumbangan Analisis
prediktor kebersamaan
Banyaknya variabel 2 (dua) atau lebih.

No Variabel & tingkat Maksud statistik Teknik Analisis

pengukuran variabel

3 VT = 1; interval Perbedaan efek Analisis varian

VB = 1; nominal Var bebas satu jalan

Perbedaan Uji beda dua

beberapa mean mean
Banyaknya variabel 2 (dua) atau lebih.
No Variabel & tingkat Maksud statistik Teknik Analisis
pengukuran variabel
4 VT = 1; interval Perbedaan efek Analisis varian
VB > 1; nominal Var bebas multi jalan
Kombinasi Analisis varian
(interkasi) VB multi jalan
Perbedaan Komparasi ganda
beberapa mean (Metode
Newman-Keuls
Duncan)
Banyaknya variabel 2 (dua) atau lebih.
No Variabel & tingkat Maksud statistik Teknik Analisis
pengukurannya
5 VT 1 ; interval Perbedaan efek Analisis varian multi jalan.
VB 1; ordinal variabel bebas Prosedure : ubah data
(interaksi VB) ordinal menjadi
nominal

Perbedaan Komparasi Ganda.

beberapa mean Prosedure : ubah data
ordinal menjadi
nominal
Hubungan rank Korelasi rank Spearman;
(jenjang) korelasi rank Kendall.
Prosedur : ubah data
interval menjadi ordinal
Banyaknya variabel 2 (dua) atau lebih.
No Variabel & tingkat Maksud Teknik Analisis
pengukurannya statistik
6 VT 1; ordinal Perbedaan Analisis varian
VB 1; interval efek variabel Friedmann
bebas Prosedure : ubah
data interval menjadi
nominal
Hubungan Korelasi rank.
rank Prosedure : ubah
(jenjang) data interval menjadi
ordinal
STATISTIK PADA PENELITIAN
EKSPERIMEN DAN SURVEI
Rambu-rambu Pemilihan Teknik
Analisis Statistika
Tipe penelitian (deskriptif, inferensial)
Jenis variabel (terikat, bebas)
Tingkat pengukuran variabel (nominal,
ordinal, interval)
Banyaknya variabel (satu, lebih dari satu )
Maksud statistik (kecenderungan
memusat, variabilitas, hubungan (korelasi,
asosiasi), pembandingan (komparasi),
interaksi, kecocokan, dan sebagainya).
 EKSPERIMEN DAN
SURVEI
Tujuanumum bagi suatu penelitian
berbasis statistika adalah menyelidiki
hubungan sebab-akibat, dan lebih
khusus menarik suatu simpulan akan
perubahan yang timbul pada peubah
(atau variabel) respon (peubah
dependen) akibat berubahnya
peubah penjelas (explanatory
variables) (peubah independen).
EKSPERIMEN DAN SURVEI

Terdapat dua jenis utama penelitian:

eksperimen dan survei. Keduanya
sama-sama mendalami pengaruh
perubahan pada peubah penjelas
dan perilaku peubah respon akibat
perubahan itu. Beda keduanya
terletak pada bagaimana kajiannya
dilakukan.
 EKSPERIMEN DAN
SURVEI
Suatu eksperimen melibatkan pengukuran
terhadap sistem yang dikaji, memberi
perlakuan terhadap sistem, dan kemudian
melakukan pengukuran (lagi) dengan cara
yang sama terhadap sistem yang telah
diperlakukan untuk mengetahui apakah
perlakuan mengubah nilai pengukuran. Bisa
juga perlakuan diberikan secara simultan dan
pengaruhnya diukur dalam waktu yang
bersamaan pula. Metode statistika yang
berkaitan dengan pelaksanaan suatu
eksperimen dipelajari dalam rancangan
percobaan (desain eksperimen).
 EKSPERIMEN DAN
SURVEI

Dalam survey, di sisi lain, tidak dilakukan

manipulasi terhadap sistem yang dikaji.
Data dikumpulkan dan hubungan
(korelasi) antara berbagai peubah
diselidiki untuk memberi gambaran
terhadap objek penelitian. Teknik-teknik
survai dipelajari dalam metode survei.
EKSPERIMEN DAN SURVEI
Penelitian tipe eksperimen banyak
dilakukan pada ilmu-ilmu rekayasa,
misalnya teknik, ilmu pangan,
agronomi, farmasi, pemasaran
(marketing), dan psikologi eksperimen.
Penelitian tipe observasi paling sering
dilakukan di bidang ilmu-ilmu sosial
atau berkaitan dengan perilaku sehari-
hari, misalnya ekonomi, psikologi dan
pedagogi, kedokteran masyarakat, dan
industri.
 TIPE PENGUKURAN
Ada empat tipe pengukuran atau skala pengukuran
yang digunakan di dalam statistika, yakni: nominal,
ordinal, interval, dan rasio. Keempat skala
pengukuran tersebut memiliki tingkat penggunaan
yang berbeda dalam riset statistik.
Skala nominal hanya bisa membedakan sesuatu
yang bersifat kualitatif (misalnya: jenis kelamin,
agama, warna kulit).
Skala ordinal selain membedakan juga menunjukkan
tingkatan (misalnya: pendidikan, tingkat kepuasan).
Skala interval berupa angka kuantitatif namun tidak
memiliki nilai nol mutlak (misalnya: tahun, suhu
dalam Celcius).
Skala rasio berupa angka kuantitatif yang memiliki
nilai nol mutlak.
TEKNIK-TEKNIK STATISTIK

Beberapa pengujian dan prosedur

yang banyak digunakan dalam
penelitian antara lain:
Analisis regresi dan korelasi
Analisis varians (ANOVA)
khi-kuadrat
Uji t-Student
 STATISTIK TERAPAN
Bebebarapa ilmu pengetahuan menggunakan statistika terapan
sehingga mereka memiliki terminologi yang khusus. Disiplin
ilmu tersebut antara lain:
Aktuaria (penerapan statistika dalam bidang asuransi)
Biostatistika atau biometrika (penerapan statistika dalam ilmu
biologi)
Statistika bisnis
Ekonometrika
Psikometrika
Statistika sosial
Statistika teknik atau teknometrika
Fisika statistik
Demografi
Eksplorasi data (pengenalan pola)
Literasi statistik
Analisis proses dan kemometrika (untuk analisis data kimia
analis dan teknik kimia)
 STATISTIK TERAPAN
Statistika
memberikan alat analisis data
bagi berbagai bidang ilmu.
Kegunaannya bermacam-macam:
mempelajari keragaman akibat
pengukuran, mengendalikan proses,
merumuskan informasi dari data, dan
membantu pengambilan keputusan
berdasarkan data. Statistika, karena
sifatnya yang objektif, sering kali
merupakan satu-satunya alat yang bisa
diandalkan untuk keperluan-keperluan
di atas.