Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan arti umum dan arti luas statistik
2. Mahasiswa dapat menjelaskan metodologi pemecahan masalah
dengan statistik
1
A. Arti Pentingnya Statistik
Untuk memperoleh gambaran tentang keadaan ekonomi dan
social suatu Negara pemerintah harus menggunakan data mengenai
kegiatan Sosial missal: dalam hal pendidikan, kesehatan,
kebudayaan,dll serta data mengenai kegiatan Ekonomi misalnya
produksi perdagangan, konsumsi, pendapatan, harga, dll.
Dalam suatu perusahaan misalnya baik yang memproduksi barang
atau jasa, agar dapat mengetahui maju mundur data missal: data
produksi, data hasil produksi, data hasil penjualan, data keuangan,
data personalia, data peralatan, dll.
Dalam contoh tersebut diatas, dapat diartikan bahwa data
merupakan arti sempit dari pada statistik. Adapun statistik dalam arti
luas adalah metode/ilmu pengetahuan yang mempelajari tentang
mengumpulkan, mengolah, menyajikan, menganalisa,
mengimpretasikan dan mengambil keputusan dari suatu data sehingga
data tersebut dapat memberikan pengertian atau makna tertentu.
Langkah –langkah dasar dalam masalah secara statistik :
1. Mengidentifikasi Masalah/Peluang
Masalah/Peluang yang dihadapi secara tepat.
2. Mengumpulkan Fakta yang tersedia.
Data yang dikumpulkan harus benar, tepat waktu, lengkap dan
relevan terhadap permasalahannya.
3. Mengumpulkan data orisinil yang baru.
Data yang dikumpulkan melalui wawancara dan kuesioner
responden tinggal memilih jawaban yang telah disediakan dalam
kuesioner.
4. Mengklasifikasikan data dan mengikhtisarkan data.
Yaitu data dikelompokkan sesuai sifat/karakteristik serupa, sejenis
didalam kelas/kelompok dan diberikan kode (sistem coding)
5. Menyajikan data.
Ikhtisar informasi dimasukkan kedalam bentuk tabel, grafik
2
6. Menganalisa data.
Data hasil analisa dapat untuk pengambilan keputusan.
B. Syarat data yang baik.
1. Data harus obyektif.
Yaitu sesuai dengan keadaan yang sebenarnya.
2. Data harus bisa mewakili/representatif.
3. Kesalahan baku/standar error harus kecil.
Yaitu suatu estimasi/perkiraan dan dikatakan baik apabila
kesalahan bakunya kecil, maka datanya reliabel (dapat diandalkan).
4. Data harus tepat Waktu.
Yaitu terutama data yang akan digunakan untuk melakukan
pengendalian/evaluasi. Maksudnya bila ada
kesalahan/penyimpangan yang terjadi didalam implementasi suatu
perencanaan dapat cepat dilakukan penyesuaian.
5. Data harus relevan.
Yiatu data yang dikumpulkan harus ada hubungannya dengan
masalah yang akan dipecah.
1. Pengertian Data.
Data adalah kumpulan keterangan atau fakta tentang sesuatu
keadaan, persoalan baik yang berbentuk ciri khas, kategori atau sifat
ataupun bilangan/angka.
Jenis data dibagi dua yaitu :
a. Data Kuantitatif yaitu data yang berbentuk bilangan angka-angka.
Misalnya : data bahan baku, data jumlah mahasiswa, data gaji/upah
karyawan, data tingkat penjualan, data jumlah karyawan, data
jumlah produksi, data biaya promosi.
Data Kuantatif ada dua :
a). Data Diskrit yaitu data kuantitatif yang mempunyai satuan bulat
atau utuh. Misalnya : data jumlah mahasiswa, data jumlah
karyawan.
3
b). Data Kontinyu yaitu data kuantitatif yang mempunyai satuan
pecahan atau tidak utuh dan dapat mempunyai satuan utuh.
Misalnya : data berat badan, jumlah stok beras di gudang.
b. Data Kualitatif yaitu data yang berupa kategori, sifat atau ciri khas
tertentu. Misalnya :
1. Sangat Setuju, Sedang, Netral, Tidak Setuju, Sangat Tidak
Setuju.
2. Tinggi, Sedang, Rendah
3. Puas, Tidak Puas
4. Tidak Baik, Sangat Baik, Baik, Sangat Tidak Baik.
Data diperoleh dengan dua cara yaitu :
1. Data Intern yaitu data yang diperoleh dari sumber dalam obyek
penelitian dan mengenai obyek yang diteliti tersebut. Misalnya
survey perusahaan yang diteliti akan diperoleh data biaya produksi,
biaya promosi, tingkat penjualan, jumlah karyawan dan kondisinya,
jumlah bahan baku.
2. Data Ekstern yaitu data yang diperoleh dari sumber-sumber diluar
obyek penelitian. Data ekstern ini dibagi menjadi dua yaitu :
a. Data Ekstern Primer adalah data yang dikumpulkan dan
dikeluarkan oleh suatu badan atau lembaga yang sama.Misal :
data BPS yaitu data jumlah penduduk, dll
b. Data Ekstern Sekunder ádalah data yang dikumpulkan dan
dikeluarkan oleh badan/lembaga perseorangan yang berbeda.
Misalnya : data diperoleh dari hasil penelitian orang lain,
lembaga/badan lain yang digunakan sebagai pertimbangan.
Berdasarkan waktu pengumpulan, data dibagi menjadi dua yaitu :
1. Data Seketika (Cross Section Data) yaitu data yang dikumpulkan
pada waktu tertentu yang dapat menggambarkan
keadaan/karakteristik obyek pada waktu penelitian tersebut
dilakukan.
4
2. Data Berkala (Time Series Data) yaitu data yang dikumpulkan dari
waktu ke waktu yang dapat menggambarkan tentang
perkembangan satu kejadian/kegiatan.
Misalnya : Data perkembangan Eksport Indonesia 1997– 2007
Data pertumbuhan ekonomi suatu Negara 5 tahun
terakhir.
Berdasarkan pengukurannya, data dibagi menjadi :
1. Data Nominal yaitu data statistik yang cara menyusun angkanya
didasarkan atas beberapa kategori tanpa memperhatikan urutan
tertentu.
Misalnya : Data jumlah pendudukan Indonesia ditinjau dari sudut
jenis kelamin dan data jumlah barang yang cacat dan tidak cacat.
2. Data Ordinal yaitu statistik yang cara menyusun angkanya
didasarkan atas beberapa kategori dengan memperhatikan urutan
tertentu/kedudukan (rangking).
Misalnya : Data tentang persepsi konsumsi terhadap jenis produksi
yang dikategorikan sangat baik, baik dan cukup.
3. Data Interval yaitu data statistik yang angkanya disusun dengan
jarak sama dengan golongan/kategori yang satu dengan yang lain
lebih tinggi.
Misalnya : data interval harga barang A Rp. 10.000,- - Rp. 20.000,-
akan sama dengan data interval antara Rp. 50.000,- - Rp. 60.000,-.
4. Data Rasio yaitu data statistik yang angkanya diperoleh dengan
membandingkan nilai variabel yang satu dengan nilai variabel
lainnya (variabel pembanding).
2. Kegunaan Data.
Ada beberapa kegunaan data yaitu antara lain :
a. Memperoleh gambaran tentang kejadian, gejala dunia, ekonomi,
bisnis secara khusus atau umum.
b. Dapat mengikuti perkembangan tentang kejadian, gejala dari
waktu ke waktu.
5
c. Dapat menyusun laporan data kuantitatif dengan teratur, ringkas,
jelas.
d. Dapat mengetahui gejala ekonomi yang satu ada hubungan
dengan gejala ekonomi yang lain atau tidak.
e. Dapat melakukan pengujian, menarik kesimpulan dan mengambil
keputusan terhadap suatu gejala ekonomi, bisnis, meramal hal-
hal yang akan terjadi di masa yang akan datang.
3. Ruang Lingkup
Luasnya ruang lingkup data statistik berhubungan dengan :
a. Penyajian dan penyederhanaan data kuantitatif
b. Penaksiran populasi kuantitas dan testing hipotesis
c. Penentuan akurasi dari taksiran/estimasi tersebut.
d. Pengukuran variansi dan merencanakan eksperimen dan
survey.
4. Pengertian Statistik
a. Arti sempit statistik yaitu kumpulan keterangan yang berbentuk
angka-angka yang selanjutnya disebut data statistik.
b. Arti luas statistik yaitu cabang ilmu pengetahuan yang
mempelajari cara-cara/metode pengumpulan data, pengolahan
data, penganalisaan data, penyajian data, menginterpretasikan
data dan pengambilan kesimpulan.
5. Menyusun Data
Data yang telah dikumpulkan selanjutnya disusun teratur agar dapat
dengan mudah dibaca dan dilihat secara visual, melalui gambar garfik,
tabel dan diagram.
a. Mengedit adalah periksa kembali daftar pertanyaan yang telah
diisi untuk mengetahui daftar pernyataan tersebut telah benar atau
belum ataupun sudah sesuai dengan yang dimaksudkan.
6
b. Mengklasifikasi yaitu memisah-misahkan data yang telah diedit
atas dasar sifat-sifat yang dimiliki oleh data.
c. Tabulasi yaitu mengelompokkan data sesuai dengan sifat-sifat
data yang telah ditentukan dalam susunan kolom dan baris
(matriks), sehingga data tersebut mudah ditarik kesimpulan.
A 4,00
B 5,00
C 6,00
7
(b). Contoh Tabel Ganda
8
Contoh Diagram ”Batang” :
4
(Rp.1000)
3
Harga
0
A B C
Jenis Barang
Rp. 4.000,-
- Barang A = x 100 % = 26,67 % = 26,67 x 3,6 0 = 960
Rp. 15.000,-
Rp. 5.000,-
- Barang B = x 100 % = 33,33 % = 33,33 x 3,6 0 = 119,990
Rp. 15.000,-
9
Rp. 6.000,-
- Barang A= x 100 % = 40 % = 40 x 3,6 0 = 1440
Rp. 15.000,-
Barang A
Barang C 960
1440 (26,67%)
(40%)
Barang B
119,990
(33,33%)
10
Nilai Export Indonesia
Tahun 2011 – 2015
Nilai Export (Ribuan, US$)
50
40
30
20
10
Tahun
2011 2012 2013 2014 2015
11
4. Data statistic dapat dibagi-bagi menurut sifat sumber cara
memperoleh dan waktu pengumpulannya, pembagian data
menurut sifat adalah
a. data kualitatif d. data skunder
b. data kuantitatif e. data intern
c. data primer
5. Sedangkan data pembagian menurut sumber adalah ………….
a. data internal d. data skunder
b. data eksternal e. data tertier
c. data primer
6. Data statistic tidak hanya dikumpulkan, diolah dan dianalisis, tetapi
perlu disajikan dalam bentuk ;…………
a. Tabel c. garis e. grafik
b. gambar d. lingkaran
7. Ada beberapa macam bentuk tabel yaitu tabel satu arah, dan
sebutkan bentuk yang lain : ……………..
a. tabel dua arah d. tabel lima arah
b. tabel tiga arah e. tabel enam arah
c. tabel empat arah
8. Setelah data disajikan dalam tabel, data digambar garfiknya. Ada
beberapa macam bentuk grafik yaitu : ....................
a. grafik garis d. grafik gambar/pictogram
b. grafik balok e. grafik peta/cartgram
c. grafik lingkaran/pie chart
9. Dari contoh berikut, mana saja yang termasuk data yang bersifat
kontinue : ......
a. Mobil d. Tinggi mahasiswa/pelajar
b. Sepeda e. Berat badan mahasiswa/
c. Pesawat pelajar
12
Soal Uraian Singkat
1. Jelaskan apa yang dimaksud dengan statistik dan statistika ?.
2. Apakah tujuan dan kegunaan mempelajari statistik ?.
3. Apakah yang dimaksud dengan data statistik ?.
4. Apakah ruang lingkup data statistik ?.
5. Sebutkan beberapa jenis data menurut atau berdasarkan waktu
pengumpulan ?.
6. Sebutkan beberapa jenis data menurut pengukurannya ?.
7. Apa yang dimaksud dengan Statistik Deskriptif ?. dan Statistik
Induktif ?.
8. Uraikan secara singkat tentang metode Statistik ?.
9. Jelaskan apa yang dimaksud dengan populasi dan sampel dan
berikan contoh masing–masing ?.
10. Berikan contoh keseharian praktis yang menunjukkan kebutuhan
ilmu ekonomi dan bisnis terhadap statistik ?.
11. Apa yang dimaksud dengan tabel dan grafik ? Jelaskan dan
sebutkan beberapa macam bentuk tabel dan berilah grafik ?.
12. Berikan contoh maisng-masing bentuk tabel dan garfik ?.
13. Apa yang dimaksud dengan data ?.
14. Sebutkan pembagian data yang anda ketahui dan berikan
penjelasan seperlunya!. penyelidikan secara sampling lebih
bermanfaat daripada penyelidikan secara satu-satu jelaskan ? .
15. Sejauhmana peranan komputer dalam analisa statistik ?. jelaskan
13
KUNCI JAWABAN MULTIPLE CHOICE (PILIHAN GANDA)
1. a 6. c
2. a 7. a
3. a 8. a
4. a 9. c
5. a dan b
14
7. a. Statsitik Deskriptif adalah peringkasan seperangkat data dan
penyajiannya yang dapat dipahami atau statistik yang tingkat
pekerjaannya mencakup pengumpulan, penyusunan, pengolahan,
penyajian, dan analisa data agar dapat memberikan gambaran yang
teratur, ringkas, jelas tentang keadaan/peristiwa tanpa kesimpulan.
b. Statistik Induktif adalah statistik yang menyediakan aturan/metode
yang dapat digunakan untuk membuat ramalan membuat taksiran
dan mengambil kesimpulan yang bersifat umum.
8. Metode Statistik yaitu metode/suatu tahapan kegiatan statistik dalam
hal, pengumpulan data, penyusunan data, analisis data, penyajian
data dan interpretasi data.
9. Populasi adalah kumpulan dari seluruh elemen /unit/individu yang
sejenis, yang dapat dibedakan, yang menjadi objek penelitian.
Misalnya : Populasi tentang orang, lembaga/organisasi, populasi
barang, dll (populasi masyarakat suku jawa)
10. Contoh keseharian praktis yang memerlukan statistik : yaitu
perkembangan harga barang konsumsi, barang produksi, jumlah uang
beredar, jumlah tenaga kerja dan lain-lain
11. Tabel adalah merupakan kumpulan angka-angka yang disusum
sedeikian rupa menurut katagori-katagori tertentu, sehingga kumpulan
angka-angka tersebut mudah untuk dianalisa
Macam-macam tabel yaitu
a. Tabel klasifikasi tunggal
b. Tabel klasifikasi ganda
c. Tabel klasifikasi frekuensi
15
c. Grafik lingkaran
d. Grafik diagram lambang
e. Grafik kartogram/peta
Total 120
Sumber : Data Hipotesis
b. Klasifikasi Ganda
Banyaknya Pegawai Perusahaan “A”
Menurut jenis kelamin dan pendidikan
Tahun 2015
Jenis Pendidikan Jumlah
Kelamin SD SMP SMA PT
Laki-laki 20 15 5 7 47
Perempuan 30 25 15 3 73
Total 50 40 20 10 120
16
c. Tabel Distribusi Frekuensi
Besar Gaji Bulanan Perusahaan “A”
Tahun 2015
Gaji Bulanan Frekuensi (f)
(Rp. 100.000,-)
5 - 9 1
10 - 14 2
15 - 19 8
20 - 24 5
Total 16
Contoh Grafik :
a. Grafik Garis
Data tentang Nilai Eksport Indonesia Th. 2010 – 2015
17
15. Sangat penting sekali disebabkan karena
a. Begitu banyak sekali data-data yang harus diteliti
b. Sehingga waktu yang digunakan dalam menganalisa data lebih
cepat dan efisien
c. Hasil analisa data lebih akurat.
18
MODUL II
DISTRIBUSI FREKUENSI
DAN PENYAJIAN DATA STATISTIK DALAM GRAFIK
Tujuan Pembalajaran :
1. Mahasiswa dapa membuat penggolongan data
2. Mahasiswa dapat membuat Distribusi Frekuensi
19
DISTRIBUSI FREKUENSI
DAN PENYAJIAN DATA STATISTIK DALAM GRAFIK
1. Pengertian Variabel
Yaitu gejala yang menjadi fokus peneliti untuk diamati dan sebagai
atribut dari sekelompok obyek yang mempunyai variansi antara satu
dengan lainnya dalan kelompok ini.
2. Pengertian Distribusi Frekuensi
Yang dimaksud dengan distribusi frekuensi adalah pengelompokan
nilai-nilai suatu variabel ke dalam kelas-kelas tertentu menurut besar
kecilnya nilai tersebut.
3. Tujuan dan Manfaat Distibusi Frekuensi
Tujuannya adalah untuk mendapatkan gambaran yang sederhana dan
sistematis mengenai peristiwa yang dinyatakan dalam angka-angka.
4. Penggolongan Data
a. Data yang akan dipergunakan sebagai bahan penelitian, sebaiknya
dilihat apakah data kuantitatif ataupun kualitatif.
b. Data-data dikelompokan atau diorganisasikan dengan tujuan
penelaahan.
c. Mengidenifikasikan jenis data dengan karakteristik serupa dan
mengaturnya ke dalam kelompok atau kelas.
Contoh;
Data produksi, dapat diklasifikasikan dalam;
a. Apa produk yang dibuat
b. Dimana lokasi pabrik berada
c. Bagaimana proses produksi yang digunakan
5. Cara membuat distribusi ada 3 (tiga) tahap cara membuat distribusi
frekuensi yaitu;
a. Menentukan jumlah kelas / golongan.
Prinsipnya:
1. Penentuan besar kecilnya kelas/golongan berdasarkan
pertimbangan yang logis dan masuk akal dari sipengolah data.
20
2. Jumlah kelas yang terlalu banyak mengakibatkan tidak praktis
dan kemungkinan ada beberapa kelas yang tidak mempunyai
data/kosong
3. Jumlah kelas yang terlalu sedikit megakibatkan banyak
keterangan atau penjelasan yang hilang.
K = Jumlah Kelas
K = 1 + 3,322 Log n
K = Jumlah Data
R = Xn – X1 R Range/Rentang Kelas
Xn = Data Terbesar
X1 = Data Terkecil
R R = Range/Rentang Kelas
i = Interval
i=
K = Jumlah Kelas
K
21
9 21 22 26 15 16 10 8
12 35 23 28 17 18 12 25
11 22 11 27 14 21 35 36
20 17 14 24 15 22 9 40
16 16 36 26 18 23 19 32
15 12 22 30 19 24 21 23
14 15 11 24 20 31 22 15
13 14 15 18 22 32 23 12
17 25 16 14 10 22 16 16
18 24 17 24 8 23 29 13
22
d. Bentuk Distribusi Frekuensi :
Tabel 1. Data Pendapatan/Gaji PKL di Jakarta 2016
Kelas Gaji/bln Jumlah/Frekuensi
(Sistem Tally)
1 8 – 12 13
2 13 – 17 23
3 18 – 22 19
4 23 – 27 15
5 28 – 32 5
6 33 - 37 4
7 38 - 42 1
23
d. Kelas Interval (i)
Yaitu selisih antara tepi kelas atas dengan tepi kelas bawah
Yaitu selisih antara batas bawah kelas I dengan batas bawah
kelas II dan seterusnya.
Yaitu selisih antara batas atas kelas I dengan batas kelas II dan
seterusnya.
e. Nilai Tengah
Yaitu batas bawah kelas ditambah batas kelas atas dibagi 2.
f. Syarat : tabel Distribusi Frekuensi yang baik :
1). Mempunyai nomor tabel, judul tabel dan satuan.
2). Jumlah kelas maxsimum 20, minimum 5.
3). Hindari adanya kelas yang terbuka/kosong.
g. Distribuís Frekuensi Relatif :
Yaitu distribusi frekuensi yang berbentuk presentase.
h. Distribusi Frekuensi Komulatif
Kumulatif kurang dari
Komulatif lebih dari
Distribusi Frekuensi Relatif, DF Komulatif terlihat pada tabel 2.
24
TABEL FREKUENSI
PENGHASILAN PER BULAN 80 PEDAGANG KAKI LIMA
DI KOTA JAKARTA 2016
GAJI/BULAN f NILAI
KLS (10.000) TENGAH FREK. KOMULATIF FREK. KOMULATIF > BATAS BAWAH
(X)
1. 8 – 12 13 (8 + 12) : 2 = f1 13 (f1 + f2 + f3 + f4 + f5 + f6 + f7) 80
2. 13 – 17 23 10 f1 + f2 36 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - f1 67
3. 18 – 22 19 15 f1 + f2 + f3 55 ( f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f1 + f2) 44
4. 23 – 27 15 20 f1 + f2 + f3 + f4 70 (f1 + f2 + f3 + f4 + f5 + f6 + f7) - (f1 + f2 + f3) 25
5. 28 – 32 5 25 f1 + f2 + f3 + f4 + f5 75 (f1 + f2 + f3 + f4 + f5 + f6 + f7) - (f1 + f2 + f3 + f4) 10
6. 33 – 37 4 30 f1 + f2 + f3 + f4 + f5 + f6 79 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f1 + f2 + f3 + f4 + f5) 5
7. 38 – 42 1 35 f1 + f2 + f3 + f4 + f4 + f6 + f7 80 (f1 + f2 + f3 + f4 + f4 + f6 + f7) - (f1 + f2 + f3 + f4 + f5 + F6) (f1 1
8. 43 - 47 - 40 - + f2 + f3 + f4 + f4 + f6 + f7) - (f1 + f2 + f3 + f4 + f5 + F6 + F7) 0
JUMLAH 80
25
TABEL FREKUENSI
PENGHASILAN PER BULAN 80 PEDAGANG KAKI LIMA
DI KOTA JAKARTA 2016
GAJI/BULAN NILAI
KLS (10.000) f TENGAH FREK. KOMULATIF > BATAS BAWAH
(X)
1. 8 – 12 13 10 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) 0
2. 13 – 17 23 15 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f2 + f3 + f4 + f5 + f6 + f7 ) ( f1 + f2 + 13
3. 18 – 22 19 20 f3 + f4 + f5 + f6 + f7 ) - (f3 + f4 + f5 + f6 + f7 ) 36
4. 23 – 27 15 25 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f4 + f5 + f6 + f7 ) 55
5. 28 – 32 5 30 (f1 + f2 + f3 + f4 + f5 + f6 + f7 ) - (f5 + f6 + f7 ) (f1 + 70
6. 33 – 37 4 35 f2 + f3 + f4 + f4 + f6 + f7 ) - (f6 + f7 ) 75
7. 38 – 42 1 40 (f1 + f2 + f3 + f4 + f4 + f6 + f7 ) - (f7 ) 79
8. 43 - 47 - - - 80
26
TABEL FREKUENSI
PENGHASILAN PER BULAN 80 PEDAGANG KAKI LIMA
DI KOTA JAKARTA 2016
KLS GAJI/BULAN f (X) F. F. KOM F. KOM fx
(10.000) KOM > BB < BB
1. 8 – 12 13 10 13 80 0 130
2. 13 – 17 23 15 36 67 13 345
3. 18 – 22 19 20 55 44 36 380
4. 23 – 27 15 25 70 25 55 375
5. 28 – 32 5 30 75 0 70 150
6. 33 – 37 4 35 79 5 75 140
7. 38 – 42 1 40 80 1 79 40
8. 43 - 47 - - - 0 80 -
JUMLAH : 80 1.560
* KETERANGAN *
1. Mereka yang bergaji per bulan antara 80.000 – 120.000 = 13 orang = 13/50 x 100% = …………….
2. Mereka yang bergaji per bulan kurang dari 180.000 = 36 orang = 36/80 x 100% = …………….
3. Mereka yang bergaji per bulan lebih dari 180.000 = 44 orang = 44/80 x 100% = …………….
4. Mereka yang bergaji per bulan kurang dari 330.000 tapi lebih dari 180.000 = 75 orang – 36 orang = 39 orang
5. Mereka yang bergaji per bulan lebih dari 180.000 tapi kurang dari 330.000 = 44 orang – 5 orang = 39 orang
27
Grafik
Histogram & Poligon Penghasilan per bln 80 Pedagang .Kaki lima di Kota
Jakarta 2016.
20
15
10
Grafik
Ogive kurang dari dan lebih dari
80
70
60
50
40
30
20
10
7,5 12,5 17,5 22,5 27,5 32,5 37,5 42,5 Gaji/bulan
28
SOAL MULTIPLE CHOICE (PILIHAN GANDA)
1. Berikut tabel mengenai uang saku sejumlah mahasiswa di suatu
perguruan tinggi (dalam ratusan ribu Rp)
Uang saku Jumlah Mahasiswa
(Rp. 100.000)
5 - 9 8
10 - 14 9
15 - 19 13
20 - 24 15
25 - 29 10
30 - 34 5
29
6. Berapa mahasiswa yang mempunyai uang saku lebih dari Rp.
1.000.000
a. 9 Mahasiswa d.52 Mahasiswa c. 15 Mahasiswa
b. 13 Mahasiswa e.43 Mahasiswa
7. Berapa Mahasiswa yang mempunyai uang saku kurang dari Rp.
2.500.000,- ?
a. 30 Mahasiswa d. 55 Mahasiswa e. 17 Mahasiswa
b. 45 Mahasiswa e. 10 Mahasiswa
8. Berdasarkan soal no. 7, berapa persen yang mempunyai uang saku
kurang dari Rp. 2.500.000,- ?
a. 75% d. 55%
b. 50% e. 80%
c. 60%
9. Berapa Mahasiswa yang ber uang saku lebih dari Rp. 1.000.000, tetapi
kurang dari Rp. 3.000.000,- ? dan nilainya berapa % ?
a. 52 d. 45
b. 43 e. 47
c. 30
10. Berapa Mahasiswa yang ber uang saku kurang dari Rp. 2.000.000,
tetapi lebih dari Rp. 500.000,-
a. 40 d. 20
b. 30 e. 15
c. 25
30
5. Penyajian data yang telah tersusun dala distribusi frekuensi, sebaiknya
dituangkan dalam bentuk grafik dan tabel. Apa maksudnya dan
jelaskan?
6. Apa maksud dan tujuan data tersebut dituangkan dalam grafik dan
tabel.
7. Sebuah sekelompok data berisikan 50 pengamatan dengan nilai terkecil
8 dan nilai terbesar 48. Data tersebut harus dicatat ke dalam distribusi
frekuensi. Dimulai dari nilai 5, berapa banyak kelas yang Anda sarankan
?
8. Hindarkan frekuensi yang kosong/tidak ada jumlahnya atas
pengelompokan data di dalam distribusi tersebut.
Apa maksudnya. Jelaskan !
9. Buatlah contoh penyajian data yang menggunakan :
a. Tabel biasa e. Grafik balok
b. Tabel distribusi frekuensi f. Diagram lingkar
c. Grafik garis g. Pictogram
d. Grafik batang
10. Ada berapa macam distribusi frekuensi, sebutkan dan jelaskan
SOAL KASUS/KOMPREHENSIF
1. Harga suatu barang konsumsi yang berada di pasar Cipete pada bulan
Maret 2015 adalah sebagai berikut : (dalam ribuan Rp)
65 98 55 62 79 59 51 90 72 56
70 62 66 80 94 79 63 73 71 85
Data tersebut akan ditata/disusun di dalam distribusi frekuensi :
a. Berapa banyaknya kelas yang anda sarankan !
b. Berapa besarnya interval kelas yang Anda sarankan !
c. Tentukan DF dengan sistem tally
d. Tentukan DF relatifnya
e. Tentukan DF komulatif kurang dari
f. Tentukan DF komulatif lebih dari
31
g. Gambarkan DF dalam grafik histogram, poligon dan ogive ?
32
Kunci Jawaban Uraian Singkat
1. Data mentah adalah data yang belum teratur, kurang tersusun rapi dan
data yang sulit mengetahui sifat-sifat/ciri-ciri data tersebut.
2. Distribusi frekuensi adalah daftar atau tabel yang membagi
/mendistribusikan data yang ada ke dalam beberapa kelas atau tabel
yang menunjukkan sebagian distribusi data yang ada, yang tersusun
atas frekuensi tiap-tiap kelas/kategori.
3. Langkah-langkah untuk menyusun/membuat distribusi frekuensi :
a. Banyaknya kelas, dengan rumus k = 1 + 3,322 log n
dimana n = banyaknya data
b. Panjang kelas/interval kelas (i) dengan rumus
R = Xn Xi
i =
K k
Dimana :
I = Interval Xn = Nilai data terbesar
R = Range/Beda Xi = Nilai data terkecil
K = Banyaknya kelas
c. Batas kelas
Batas Bawah Kelas disusun sedemikian rupa sehingga
nilai data terkecil dapat masuk dalam kelas I.
33
5. Penyajian data yang telah tersusun dalam tersebut distribusi frekuensi,
hendaknya dituangkan dalam bentuk tabel/grafik, maksudnya agar data
tersebut mudah di baca, diinterpretasikan, dianalisa dll.
6. Maksud dan tujuan data tersebut. dituangkan dalam grafik dan tabel
yaitu
a. Agar supaya data-data tersebut secara cepat dan ringkas, mudah
kita analisa, mudah dibaca dan mudah dimengerti informasi apa
yang dimaksud
b. Agar mudah dapat diketahui ciri-ciri/sifat-sifat yang dimiliki data
tersebut.
7. Diketahui : 50 pengamatan (n = 50)
Nilai terkecil 8 dan nilai terbesar 48
Kelas yang disarankan = bila dimulai dari 5 , maka
k = 1 + 3,322 log n
= 1 + 3,322 lo 50
= 1 + 3,322 (1,70)
= 1 + 5,65
= 6,65 7
Xn Xi 48 8 = 5,71
I = = 6
k 7
Kelas Data
1 5 - 10
2 11 - 16
3 17 - 22
4 23 - 28 Jadi disarankan 8 kelas
5 29 - 34
6 35 - 40
7 41 - 46
8 47 - 52
34
8. Hindarkan frekuensi yang kosong atas pengelompokan data dalam
distribusi frekuensi, maksudnya ; karena kelas yang terbuka tidak ada
batasnya, sehingga sulit menentukan nilai tengah kelas.
Contoh: tabel dan grafik.
10. Ada 2 macam Distribusi Frekuensi:
a. Distribusi Frekuensi Numerikal
adalah distribusi frekuensi yang pembagian kelas-kelasnya
dinyatakan dalam bentuk angka-angka atau secara kuantitatif.
b. Distribusi Frekuensi Katagorikal
Adalah distribusi frekuensi yang pembagian kelas-kelasnya
dinyatakan dalam bentuk jenis data/golongan data yang dilakukan
secara kualitatif.
35
g. Gambar/grafik histogram, poligon, ogive sebagai berikut :
Frek. Histogram & Poligon Frek. Ogive
20
5
16
4
12
2 8
50,5 59,5 68,5 77,5 86,5 95,5 104,5 50,5 59,5 68,5 77,5 86,5 95,5 104,5
Harga Barang Harga Barang
(Rp. 1000) (Rp. 1000)
2. Jawaban
Kls Wkt persiapan Frekuensi Frek.Kom FK < FK >
(Hari Kerja) Pesanan
1. 5 - 9 6 6 0 60
2. 10 - 14 7 13 6 54
3. 15 - 19 24 37 13 47
4. 20 - 24 11 48 37 23
5. 25 - 29 9 57 48 12
6. 30 - 34 3 60 57 3
60 0
60
a. Pesanan yang dipenuhi kurang dari 15 hari = 13
pesanan
b. Gambar : Frekuensi Komulatif kurang
dari frek.
60
50
40
30
20
10
frek.
60
50
40
30
20
10
4,5 9,5 14,5 19,5 24,5 29,5 34,5 (Wkt hari kerja)
37
MODUL III
PENGUKURAN NILAI LETAK SENTRAL
Tujuan Pembalajaran :
1. Mahasiswa dapat menentukan suatu nilai yang memiliki keseluruhan
nilai suatu peristiwa.
2. Mahasiswa dapat menghitung nilai ukuran letak data dan dapat
menyebutkan masing-masing ciri nilai tersebut.
38
PENGUKURAN NILAI LETAK SENTRAL
A. Pengertian
Yaitu nilai yang dapat mewakili sekelompok data statistik yang
selanjutnya disebut ”nilai sentral”/nilai pusat data”.
Nilai sentral terdiri dari : rata–rata hitung, median, modus, rata–rata
ukur dan rata–rata harmonis
B. Batasan-batasan dan macam nilai sentral
a) Nilai sentral dari sekelompok data statistik pada umumnya
cenderung berada disekitar titik pusat penyebaran data ”Ukuran
tendensi pusat”.
b) Nilai rata-rata merupakan cerminan/gambaran secara umum.
1. Rata–rata hitung sederhana
a) Data belum dikelompok/tidak berkelompok
Rumus rata–rata hitung sederhana untuk sampel ;
n
X i
i 1
n
Keterangan :
X = Rata–rata hitung
i = 1,2,3........n
n = ∑ observasi
Xi = Nilai
39
Contoh Soal :
1. Seorang staf produksi dari sebuah pabrik yang memproduksi
daging dalam kaleng memeriksa sebuah sampel acak 8
(delapan) kaleng daging sapi. Untuk diperiksa berat nettonya.
Data yang diperoleh (dlm gram) sebagai berikut :
251, 245, 255, 253, 254, 247, 252, dan 253
Hitunglah rata-rata hitung berat sampel tersebut?
Jawab :
n=8
Xi
n 8
Xi
i1
=
i1
n 8
251 245 255 253 254 247 252 253
=
8
2.010 251,25
=
8
Jadi rata-rata berat daging dalam kaleng = 251,25 gram.
40
Rumus Data Populasi :
f d i
M xo
N
Rumus Data Sampel :
Cara Pendek
X xo f d i
n
Keterangan :
X = Rata–rata hitung
X0 = Rata–rata sementara/anggapan
d = Deviasi kelas (dalam satuan interval/kelas)
i = Interval
2. Median
Yaitu membagi serangkaian data pengamatan/distribusi menjadi 2
(dua) bagian yang sama yaitu 50%.
a. Data tak berkelompok
1) Untuk data ganjil (n ganjil)
Rumus : Median (Med) = X(k + 1) → Nilai yang ke ( k + 1)
n 1 → n =Jumlah sampel/observasi
=k
2
k = bilangan konstan
Contoh :
Ada 7 (tujuh) karyawan dengan upah per bulan masing-masing
sebagai berikut :
20.000; 80.000 ; 75.000 ; 60.000 ; 50.000 ; 85.000 ; 45.000
Berapa median upah karyawan sebagai berikut :
Jawab :
Urutan data dari terkecil ke besar
n 1 7 1 3
Tentukan nilai k dari 7 data =
2 2
Tentukan Median :
Med X ka X31 X 4 60.000
X1 = 20.000 X3 = 50.000 X5 = 75.000 X7 = 85.000
X2 = 45.000 X4 = 60.000 X6 = 80.000
41
2). Untuk data Genap (n genap)
Median(Med) X k X k1 : 2
kn
2
n = sekelompok nilai genap
k = bilangan Konstan
b. Data Berkelompok :
1/ 2 n F
Rumus : Median L 2 →Letak Median= ½ n (lihat di F km)
f
Keterangan :
L = Lower class/tepi kelas n
= jumlah data/observasi i
= interval
f = frekuensi
F = Frekuensi Kumulatif
3. Modus
Yaitu nilai yang paling banyak terjadi atau sifat/keadaan yang
tersebar frekuensinya.
a. Data Tidak Berkelompok
Contoh Soal :
Nilai tabungan sebuah sampel/acak yang berukuran 15 berasal dari
deposan sebuah bank (dalam jutaan Rp.) sebagai berikut :
50, 60, 100, 250, 75, 100, 300, 80, 100, 75, 50, 50, 100, 300, dan
250. Berapa nilai modus tabungan tersebut?.
Jawab :
Nilai Tabungan Frekuensi (f)
50 2
60 1
75 2
80 1
100 5
250 2
300 2
42
Modus = 100 juta
Artinya nilai tabungan deposan yang terbanyak Rp.
100.000.000,-
Jawaban soal : Data Berkelompok
1 ./ n
2
Median F
= L f i →Letak = ½.n:1/280:40 (lihat di
F.kom)
40 36
= 17,5 5
19
20
= 17,5
19
= 17,5 + 1,05
= 18,5 →185.000,- = 18,5 x 10.000.
Interpretasi (arti):
Bahwa 50% dari 80 pedagang kaki lima gaji perbulan lebih kecil dari
Rp. 185.000 dan 50%nya (sisanya) gaji per bulan lebih besar Rp.
185.000,-
d1
Modus = L i → letak modus di kelas 2
d1 d2
23 13
= 12,5 5
2313 2319
10
= 12,5 5
10 4
50
= 12,5
14
= 12,5 + 3,5
= 16,07 → 16,07 x 10.000 = 160.700,-
Interpretasi (arti) :
43
Sebagian besar dari 80 pedagang kaki lima gaji per bulan sebesar
Rp. 160.700,-
Rata – rata (X )
fx 1.560 19.5 195.000,
n 80
Interpretasi (arti) :
Rata–rata gaji/penghasilkan 80 peadang kaki lima sebesar Rp.
195.000,-
4. Rata-rata Ukur
Dalam usaha bisnis dan ekonomi sangat diperlukan data untuk
mengikuti ”rata-rata presentase tingkat perubahan sepanjang waktu.
Misalnya hasil produksi penjualan, harga dll.
Contoh :
Diketahui hasil penjualan (jutaan Rp.)
Tahun 2003 = 10 tahun 2004 = 8
Tahun 2005 = 12 tahun 2006 = 15
berapa rata-rata ukurnya?
Jawab :
= 4 (10)(8)(12)(15)
= 4 14.400 10,95
n
LogX i
Atau = Log.Gm 21
n
log10 log8 log12 log15
=
4
1.00 0.901.081.18
=
4
= 1,o4
Gm = Antilog 1,04 = 10,76
Contoh :
44
Sebuah perusahaan ”X” selalu mengalami keuntungan/laba dalam
usahanya setiap tahunnya. Adapun data laba adalah sebagai
berikut :
Tahun Laba (Rp) Perubahan X1=%∆pd t0 Log X1
laba dihit dr. t-1
2011 250.000.000 - - -
2012 275.000.000 25.000.000 110 2.04
2013 290.000.000 75.000.000 105.45 2.02
2014 315.000.000 25.000.000 108.62 2.04
2015 325.000.000 10.000.000 103.17 2.01
Jumlah ...... 8.11
n
LogX i
= Log.Gm 21
n
=
2,04 2,02 2,04 2,01 8,11
4 4
= 2,03
Gm = AntiLog 2,03 = 107,15
Rata–rata kenaikan = 107,15% - 100% = 7,15%
Hubungan dengan Bunga Majemuk
1. Tingkat Bunga Tetap
P P01r atau r n Pn 1
n
Rumus =
P0
Pn = jumlah akumulasi pada akhir tahun ke n
Po = jumlah awal
r = tingkat bunga (tiap tahun tetap)
n= jumlah waktu
Contoh Soal :
1) Tuan Heri memasukkan sejumlah uang ke bank X pada Januari
2010 sebesar Rp. 100.000,- dengan tingkat bunga 6%
45
pertahun. Berapa jumlah uang tuan Heri setelah ditabung
selama 5 tahun?
2) Tuan Heri memasukkan sejumlah uang ke bank X sebagai
tabungan pada Januari 2010 sebesar Rp. 100.000 dapat tingkat
bunga tahun 1 = 3%, 5%, 6%. Berapa jumlah uang tuan Heri
setelah 3 tahun?
Jawab :
1). P P 01 r
n
= 100.000 (1+0,06)5
= 100,000 (1,06)5
=100,000 (1,34)
= 134.000
2). Pn Po(1 r1)(1 r2 )(1 r3 )........(.1 rn )
= 100.000 (1,03)(1,05)(1,06)
= 114,639
3. Hubungan Rata Laju Kenaikan selama ”n” tahun
Contoh 1 :
Laju produksi barang A ada kenaikan 25% dari tahun I ke II dan
40% dari tahun II ke III.
Tahun I = 100 ton , tahun II = 125 ton, tahun III = 175 ton
= 25 x100% 25% r1
100
= 50 x100% 40% r2
125
Jawab : Rata –rata laju pertumbuhan pertahun
46
Jawab :
5. Rata-rata Harmonis
a. Pengertian :
Adalah banyaknya data/pengamatan (n) dibagi dengan jumlah
kebalikan nilai datanya.
b. Digunakan untuk :
c. Mencari rata – rata nilai data yang berbeda untuk sejumlah
pengamatan yang sama.
d. Misalnya :
1) Menghitung kecepatan rata-rata untuk jarak yang sama dengan
kecepatan yang berbeda.
2) Menghitung harga rata-rata per unit dalam beberapa kali
pembelian dengan sejumlah uang yang sama (tetap) yang
harga per unitnya berbeda dalam setiap pembelian.
e. Rumus
n
1) Data tidak berkelompok : H
x
1
H = rata–rata harmonis
n = jumlah data/pengamatan
x = nilai data
n
2) Data Berkelompok : H
m
f
H = Rata–rata Harmonis
n = jumlah rata/pengamatan
47
f = frekuensi kelas
m = mid point/nilaitengah
Contoh Soal :
Seorang pedagang menyediakan anggaran Rp.60.000 tiap
bulannya dalam jangka waktu 6 bulan untuk pembelian daging
ayam. Bila harga per kg daging ayam mulai bulan 1 s/d 4
sebagai berikut : Rp.2.000, Rp. 2.500, Rp. 3.000, Rp. 4.000,
Rp. 5.000, Rp. 6.000. berapa harga rata-rata per kg ayam tsb?.
Jawab :
6
H
(1/ 20001/ 25001/ 30001/ 40001/ 50001/ 6000
6
30 24 20 15 12 10
60.000
6x 60.000 = ................
111
6. Ukuran letak
Ukuran letak ialah beberapa nilai yang letaknya sendemikian rupa
dalam suatu rangkaian data atau DF sehingga nilai itu membagi
rangkaian data atau DF tersebut menjadi beberapa bagian yang sama.
Ada 4 (empat) ukuran letak : Median, Kuartil, Desil dan Persentil.
1). Batasan Ukuran Letak
a). Median
Yaitu ukuran letak/nilai yang membagi serangkaian
data/distribusi menjadi dua bagaian yang sama 50% dari
keseluruhan data nilainya terletak dibawah nilai median dan
50% lagi nilainya terletak diatas nilai median.
b). Kuartil
Yaitu nilai-nilai yang membagi serangkaian data menjadi
empat (4) bagian yang sama.
Ada 3 kuartil : kuartil 1, k2 dan k3.
Kuartil 1.
48
Yaitu sebuah nilai yang menyatakan 25% dari keseluruhan
data nilainya lebih kecil dari nilai k1 dan 75% nya (sisanya)
nilainya lebih besar dari nilai k1.
Kuartil 2 :
Yaitu sebuah nilai yang menyatakan 50% dari keseluruhan
data nilainya lebih kecil dari nilai k2 dan sisanya 505 nilainya
lebih besar dari k2.
Kuartil 3 :
Yaitu sebuah nilai yang menyatakan 75% dari keseluruhan
data nilainya lebih kecil dari nilai k3 dan sisanya 25% nilainya
lebih besar dari nilai k3.
Lkx x(n1)
4
N = banyaknya data
X = 1,2,3....
49
Soal :
Nilai deposito (dlm jutaan rupiah) dari sampel acak bebas
deposan telah disusun sebagai berikut: 18, 19, 20, 23, 24, 25,
27, 30, 32, 35 dan 36. Tentukan K dan k3 dan berikan
interprestasi.
Jawab :
Artinya :
25% dari jumlah sampel deposan (11 deposan) memiliki deposit
nilainya lebih kecil dari 20 juta rupiah dan sisanya 75% nya
memiliki deposito nilainya lebih besar dari 20 juta rupiah.
Data Berkelompok :
(lihat data penghasilan per bulan 80 pedagang kaki lima)
K1 = letak k1 = ¼.n = ¼.80 = 20 = dikelas 2.
1/ 4.n F
Nilai : k1 Lk1 i
f
Lk1 = Lower class/tepi kelas kuartil
n = jumlah/banyak data
F = Frekuensi komulatif sebelum Frekuensi. Komulatif k1.
f = Frekuensi pada kelas 2.
i = Interval/beda.
Jawab :
1/ 4.n F
k1 Lk1 i
f
2013
= 12,5 5
23
= 12,5
35 12,5 1,52 14.02
23
50
Artinya :
Bahwa 25% dari 80 pedagang kaki lima berpenghasilan per
bulan lebih kecil dari Rp. 140.200 dan sisanya 75% nya
berpenghasilan per bulan lebih besar dari Rp. 140.200.
a. x indeks gaji
b. x Rp. 10.000 = Rp. 140.200
c). Desil
Yaitu nilai yang membagi serangkaian data atau DF menjadi
10 (sepuluh) bagian yang sama.
Ada 9 (sembilan) ukuran desil yaitu : D1, D2, D3, D4 … D9
D1 D2 D3 D4 D5 D6 D7 D8 D9
Desil 1 (D1)
Yaitu nilai yang membagi serangkaian data atau DF
sehingga 10% dari keseluruhan data nilainya lebih kecil dari
nilai D1 dan sisanya 90% nya nilainya lebih besar nilai D1.
Desil 2 (D2)
Yaitu nilai yang membagi serangkaian data atau DF
sehingga 20% dari keseluruhan data nilainya lebih kecil dari
nilai D2 dan sisanya 80% nya nilainya lebih besar dari nilai
D2.
51
DataTidak Berkelompok
Tahap :
(1). Menyusun data dari terkecil ke terbesar
(2). Tentukan letak desil (LDx)
L D x x(n 1)
10
n = banyak data
x = 1,2,3 9
LD = letak desil yang ke x
52
Jawab:
(D7) LD7 = 7(n+1) = 7(29+1) = 210 = 21
10 10 10
Data berkelompok
(Lihat data penghasilan per bulan 80 pedagang kaki lima)
Jawab :
D1 L etak D1 = 1 . n = 1 . 80 = 8 kelas 1
10 10
1/10.n F
D1 = LD1 + i
f
80
7,5 + 5
13
53
40
7,5 + = 7,5 + 3,08 = 10,58
13
Artinya:
Bahwa 10% dari keseluruhan data sampel (80 pedagang kaki lima
) berpenghasilan per bulan lebih kecil dari Rp 105.800; dan
sisanya 90% nya berpenghasilan per bulan lebih besar Rp
105.800;
d). Persentil
Yaitu nilai–nilai yang membagi serangkaian data/DF menjadi
100 (seratus) bagian yang sama.Jadi ada 99 persentil yaitu
P1 P2 P3 .. P99
Persentil 1 (P1)
Yaitu nilai n membagi serangkaian data/DF sehingga 1%
keseluruhan data nilainya kurang dari nilai P1 dan sisanya
99%nya memiliki nilai lebih dari nilai P1
Contoh Soal :
Tingkat suku bunga per tahun yang ditawarkan suatu bank
umum di Jakarta selama 9 bulan terakhir (dalam %) sbb:
20 20 24 25 25 27 28 28 dan 30. tentukan P30 !
Jawab :
30(n 1) 30(9 1) 300
P30 letak P30 = = = =3
100 100 100
54
Nilai P30 = data urutan ke 3 = 24
Artinya : 30% dari sembilan tingkat bunga tersebut nilainya kurang
dari 24% dan sisanya 70% nilainya lebih dari 24%
Data Berkelompok
(Lihat data penghasilan per bulan 80 pedagang kaki lima)
Jawab:
30 .n = 30 x80 = 24
P30 = di kls ke 2
100 100
30/ 00.n F
P30 = Lp30 + i
f
2413
= 12,5 + 5
23
= 12,5 +
55 = 12,5 + 2,39 = 14,89
23
Artinya :
Bahwa 30% dari keseluruhan data (80 pkl) penghasilan per
bulan kurang dari Rp 148.000; dan sisanya 70% nya
penghasilan per bulan lebih dari Rp 148.000;
55
SOAL PILIHAN BERGANDA (MULTIPLE CHOICE)
1. Nilai yang mewakili sekelompok/serangkaian data statistik, bahkan
cenderung berada disekitar titik pusat penyebaran data tersebut .
a. Rata-rata Hitung d. Rata-rata Ukur
b. Median e. Rata-rata Harmonis
c. Modus
2. Ukuran pemusatan sekelompok data selai Rata-rata hitung, Median,
Modus, Rata-rata Ukur adalah :
a. Kuartil d. Rata-rata Harmonis
b. Desil e. Mean
c. Persentil
3. Ukuran yang menyatakan karakteristik dari populasi disebut :
a. Statistik d. Median
b. Parameter c. Modus
c. Rata-rata
4. Ukuran yang menyatakan karakteristik dari sampel disebut :
a. Staistik d. Median
b. Parameter e. Modus
c. Rata-rata
5. Nilai yang paling banyak terjadi atau sifat/keadaan yang frekuensinya
terbesar dalam sekelompok data adalah :
a. Rata-rata d. Rata-rata Ukur
b. Median e. Rata-rata harmonis
c. Modus
6. Notasi untuk ukuran karakteristik data populasi dalam rata-rata adalah
a. X d. µ
b. S e. R
c. σ
56
7. Bila nilai rata-rata hitung sama dengan nilai Median sama dengan
modus, maka Distribusi Frekuensi akan menceng ke
a. Kiri d. Runcing
b. Kanan e. Tumpul
c. Simetris
8. Bila nilai rata-rata hitung sekelompok data lebih besar Median lebih
besar Modus, maka Distribusi Frekuensi akan berbentuk
a. Runcing d. Menceng ke kanan
b. Menceng ke kiri e. Simetris
c. Tumpul
9. Bila nilai rata-rata hitung sekelompok data lebih kecil daripada Median
dan lebih kecil modus, maka Distribusi Frekuensi akan berbentuk
a. Tumpul d. Menceng ke kanan
b. Menceng ke kiri e. Tumpul
c. Simetris
10. Salah satu Ukuran Sentral yang fungsinya untuk menghitung rata-rata
laju perkembangan/pertumbuhan di sektor ekonomi atau produksi suatu
barang adalah
a. Rata-rata Hitung d. Rata-rata Harmonis
b. Median e. Rata-rata Ukur
c. Modus
57
7.Apa yang dimaksud dengan Median?. Berikan contohnya?.
8. Apa yang dimaksud dengan Modus?. Berikan contohnya?
9.Apa yang dimaksud dengan rata-rata ukur?
10.Sebutkan kegunaan rata-rata ukur?
11.Apakah perbedaan Modus, Median dan Mean/rata-rata hitung sebagai
alat untuk menjelaskan keadaan kelompok?.
12.Kapan Mean, Median dan Modus berada dalam satu titik?
Xi
X = n
X = Rata-rata Hitung
Xi = Nilai data
i = Data ke 1, 2, ..... n
58
n = jumlah data/pengamatan
a) Rata-rata Sampel ( X )
b) Simpangan baku/Standar deviasi (σ)
c) Koefisien korelasi (r)
d) Proporsi sampel (ρ)
7. Median adalah dari sekelompok data yang letak nilainya tepat
ditengah-tengah atau membagi serangkaian data/pengamatan/suatu
distribusi menjadi dua bagian yang sama
8. Modus adalah dari serangkaian data yang nilainya paling banyak
terjadi atau sifat/keadaan yang frekuensinya terbesar
9. Rata-rata Ukur serangkaian data adalah akar pangkat n dari hasil kali
nilai-nilai seluruh data tersebut
10. Kegunaan Rata-rata ukur
a) Untuk menghitung rata-rata rasio
b) Untuk menghitung rata-rata laju pertumbuhan
11. Perbedaan Median, Modus dan Rata-rata
60
d. Bagaimana hubungan antara rata-rata median, modus tentukan
distribusi frekuensi tersebut akan menceng ke kanan ke kiri atau
simetris ?
Jawaban Kasus :
x 16 2512 9114 58 216 36
1) Rata–rata hitung : X
n 6 6
2) Rata–rata
xi 15 40 20 10 18 75 22 76 30 67 18
hitung: X
n 11
= 35,55
xi 15 23 4 19 1810 10 8 2819
3) Rata–rata hitung; X
n 10
154 15,4
=
10
4) Ikut mobil yang terjual pada bulan (diurutkan dari kecil ke besar) :
4,8,10,10,15,18,19,19,23,28.
n 10 5
a) Median : Med : k
2 2
Med (X k X k 1 ) : 2
= (X5 + X6) : 2 = (15 + 18) : 2 = 16,5
b) Modus = 10 dan 19.
4) Presentase Rata–rata ukur kenaikan :
X 4 5 8 21 38 9,5%
4 4
61
c). Rata-rata > rata-rata ukur : 9,5% > 7,6%.
7) Diketahui
Kelas Gaji/bln f X X f.ko FK>BB FK<BB LogXi FilogXi
(Rp.10.00 m
0)
1. 20-29 4 24.5 98 4 45 0 1.34 5.56
2. 30-39 8 34.5 276 12 41 4 1.54 12.32
3. 40-49 40 44.5 445 22 33 12 1.65 16.50
4. 50-59 12 54.5 654 34 23 22 1.74 20.88
5. 60-69 6 64.5 387 40 11 34 1.81 10.86
6. 70-79 5 74.5 372.5 45 5 40 1.87 9.35
7. 0 45
45 2232,5 75,47
Jawab :
k k
(log.m) f fi.log x i
a). Rata –rata Ukur : logGm ii
i1
n n
X
fx
b). Rata–rata Hitung : 2.232.5 49.61
n 45
c). Median : Med 1/2 .n = ½.45 = 22.5 = 23 = kelas 4.
1/ 2nF
.
Med L i
F
12.5 22
= 49.5 + 10
12
= 49.5 + 042 = 49.92
62
d). Modus kl.4
d1
Mo = L i
d1 d2
12 10
= 49.5 + 10
(1210) (12 6)
20 49.5 2.5 52
= 49.5 +
8
e) Histogram/Poligon
f) Hubungan antara rata–rata hitung, median dan
modus X = 49.68
Med = 49.92
Mo = 52
X<Med < Mo maka DF menceng ke kiri.
63
MODUL IV
PENGUKURAN VARIASI / DISPERSI
Tatap muka
ke: 4 Waktu : 100 Menit SKS :2
1. Range 4. Deviasi Standar
Sub Pokok 2. Deviasi Kuartil 5. Koefisien Variasi
Bahasan 3. Rata-rata Deviasi1.
Tujuan pembelajaran :
Mahasiswa dapat menentukan, menghitung dan menganalisa penyebaran
suatu kelompok data terhadap pusat data.
64
PENGUKURAN VARIASI
Pengertian
Yang dimaksud dengan ukuran variasi (measures of
variation) adalah ukuran yang menyatakan seberapa banyak nilai-nilai
data berbeda dengan nilai pusatnya atau seberapa jauh
penyimpangan nilai-nilai data dari nilai pusatnya, maka ukuran variasi
tersebut seringkali disebut juga sebagai ukuran penyimpangan
(measures of dispersion).
Pengukuran variasi ini meliputi :
1. Ukuran Jarak (Range)
2. Deviasi Kuartil
3. Simpangan Rata-rata (mean deviation)
4. Simpangan Baku (Standard deviation)
5. Koefisien Variasi (Coeficient of variation)
2. Deviasi kuartil
Ukuran penyimpangan yang mungkin dapat memberikan
keterangan lebih banyak mengenai sekumpulan data ialah jarak
antara kuartil. Jarak ini bersifat bahwa 50% dari pada data terletak
dalam interval yang panjangnya sama dengan selisih antar kuartil
65
ketiga dan kuartil pertama. Sebagai ganti jarak antar kuartil dipakai
simpangan kuartil, disingkat SK atau SQ. Besarnya adalah
setengah dari nilai jarak antar kuartil.
SQ = Q3 – Q1 atau SK = K3 – K1
2 2
Jika dilihat dari segi grafik, maka daerah-daerah yang dibatasi
oleh Q1 dan Md, dan juga Md dan Q3, masing-masing seperempat
dari data yang ada.
SQ SQ
Q1 Md Q3
66
MD = |Xi - X|
Dimana :
MD = Simpangan rata-rata data yang tidak dikelompokkan
n = Jumlah keseluruhan data
i = Nomor data
Xi = Nilai data nomor 1
X = Rata-rata keseluruhan data
Contoh :
Misalkan kita menggambarkan sekumpulan data berikut ini :
70, 60,50,40,30.
X Xi – X |Xi - X|
70 20 20
60 10 10
50 0 0
40 10 10
30 20 20
x = 250 ∑ |xi – x | = 60
MD = |Xi - X|
= 1/5 .60
= 12
67
n
Atau fXX
i1
n
Dimana :
MD = Simpangan rata-rata data yang telah dikelompokkan
n = Jumlah data
Xi = Nilai tengah dari kelas i
X = Nilai rata-rata dari data yang telah di kelompokkan
fi = Frekuensi kelas nomor i
Contoh :
Gaji / bulan F Xi fXi Xi - X |Xi – X | f |Xi – X |
Rp. 100.000,-
20 – 29 4 24,5 98 -25,11 25,11 100,44
30 – 39 8 34,5 276 - 15,11 15,11 120,88
40 – 49 10 44,5 445 -5,11 5,11 51,1
50 – 59 12 54,5 654 4,89 4,89 58,68
60 – 69 6 64,5 387 14,89 14,89 89,34
70 – 79 5 74,5 372,5 24,89 24,89 124,45
Total 544,89
∑fXi 2832,5
X= = = = 49,61
∑f 45
Xi - X 544,89
MD = =
45 = 12,1
n
=12,11
68
Gaji perbulan dari 45 karyawan tersebut bervariasi sebesar 12,11 x
Rp. 10.000 terhadap rata-ratanya.
1 (Xi – X)2
SD =
n
SD =
n
Keterangan :
Xi = Nilai tengah dari kelas i
X = Nilai rata-rata dari data yang telah di kelompokkan
n = Jumlah data
69
Contoh :
Data simpangan rata-rata. Kumpulan data sebagai berikut : 70, 60, 50, 40, 30
Xi (Xi – X) (Xi – X)2
70 20 400 (Xi – X)2
60 10 100
50 0 0 SD =
40 10 100 1000
=
30 20 400
5
∑(Xi – X) =1000
2
= 200
= 14,1421
∑Xi
X = n
250
=
50
= 5
(Xi – X)2
Jika variasi (SD2) =
n
SD = variasi
= 200
= 10 2
= 14, 1421
70
Rumus II
SD = ∑ Xi2 _ ∑Xi 2
n n
2
= 13500 _ 250
5 5
= 2700 – 2500
= 200
= 14,1421
71
Rumus I :
1
(Xi – X)2
SD = n
Atau
(Xi – X)2
SD =
n
Keterangan :
Fi = Frekuensi kelas nomor i
Xi = Nilai tengah dari kelas i
X = Rata-rata dari data yang di kelompokkan
n = Jumlah data
Contoh :
Gaji / bulan
Rp. 100.000,- f Xi fXi Xi - X (Xi – X f |Xi – X |2
)2
20 – 29 4 24,5 98 -25,11 630,51 2522,04
30 – 39 8 34,5 276 - 15,11 228,31 1826,48
40 – 49 10 44,5 445 -5,11 26,11 261,1
50 – 59 12 54,5 654 4,89 23,91 286,92
60 – 69 6 64,5 387 14,89 221,71 1330,26
70 – 79 5 74,5 372,5 24,89 619,51 3097,56
45 2232,5 9324,69
∑fXi 2232,5
X= = = = 49,61
∑f 45
f (Xi – X)2
SD =
n
72
9324,69
=
45
= 16,19
Rumus II :
∑fd 2
SD = i ∑ fd12 _
n n
Contoh :
Gaji / bulan
Rp. 100.000,- X1 d1 d12 fd1 fd12 f
20 – 29 24,5 2 4 -8 16 2522,04
30 – 39 34,5 1 1 -8 8 1826,48
40 – 49 44,5 0 0 0 0 261,1
50 – 59 54,5 1 1 12 12 286,92
60 – 69 64,5 2 4 12 24 1330,26
70 – 79 74,5 3 9 15 45 3097,56
23 105
73
2
SD =10 105 _ 23
45 45
= 10 2,33 – 0,26
= 10 (1,4387)
= 14,39
Dimana :
V = Koefisien variasi
S = Simpangan baku
X = Rata-rata
Contoh :
Seandainya kita menjumpai 2 kumpulan data yang berbeda
dalam jumlah data dan nilai datanya, masing-masing kita beri nama
kumpulan A dan B.
Apabila,
XA = 50 SA = 14
XB = 100 SB = 29
74
Agar kita melihat, apabila salah satu diantaranya lebih baik dari
yang lain, maka kita gunakan koefisien variasi.
75
3. Pada perhitungan mean deviation (rata-rata deviasi),
penyimpangan bertanda negative dihilangkan dengan cara.
a. Dikalikan dengan -1
b. Dipangkatkan dengan 2
c. Dibagi dengan -1
d. Di harga mutlakkan.
4. Koefisien variasi sangat berguna untuk:
a. Mengukur data terhadap mean
b. Mengukur variasi data terhadap frekuensi
c. Membandingkan variasi, mengukur variasi beberapa
kumpulan data.
d. Mengukur mean dengan variasi data
5. Selama tahun 2004–2008, perusahaan XYZ telah memperoleh
hasil penjualan produknya dalam ratusan juta rupiah. Berturut-
turut adalah sebagai berikut : 84, 91, 72, 68, 78
a) Range hasil penjualan tersebut adalah :
a. 7 b. 19 c. 23 d. 13
b) Variansnya adalah:
a. 84,8 b. 82,9 c. 80,7 d. 81,31
c) Deviasi rata-ratanya adalah:
a. 7,12 b. 6,89 c. 8,98 d. 9,02
d) Deviasi standarnya adalah :
a. 91,3 b. 9,21 c. 8,98 d. 9,02
e) Koefisien variasinya adalah :
a. 9,97 b. 8,78 c. 10,89 d. 11,72
76
6. Tabel : Keuntungan selama 1 minggu (dinyatakan dalam ribuan)
dari toko-toko yang ada disuatu perumahan hasilnya adalah sbb
:
Titik tengah (dalam 000) Banyak
X Toko
f
153 5
158 20
163 42
168 26
173 7
77
10. Berdasarkan tabel no. 6, koefisien variasinya adalah :
a. 2,14
b. 2,94
c. 2,04
d. 2,34
78
Waktu meneliti kualitas (menit) Frekuensi
10 – 19 3
20 – 29 5
30 – 39 10
40 – 49 12
50 – 59 20
79
KUNCI JAWABAN
Kunci Jawaban Pilihan ganda
1. b
2. c
3. d
4. c
5. a). c
b). a
c). a
d). b
e). d
6. a
7. b
8. d
9. d
10. b
80
5. Karena range berdasarkan pada 2 nilai saja, sehingga dianggap
bukan ukuran yang baik.
6. Karena untuk menghilangkan penyimpangan negatif digunakan pangkat
dua, penggunaan pangkat 2 untuk menghilangkan tanda negative
tersebut memungkinkan adanya modifikasi secara luas.
7. Karena kemungkinan dilakukan manipulasi relative kecil
8. Pembuatan tabel perhitungan pada penentuan simpangan baku adalah
hal yang tidak harus.
9. Ukuran variasi yang dapat digunakan untuk membandingkan beberapa
kumpulan data yang berbeda.
10.Pengukuran didasarkan pada jarak antara Q1 dan Q3 dan tidak
dipengaruhi oleh dispersi dari nilai abservasi maka sering digunakan
untuk mengukur rata atau tidaknya distribusi tersebut dari mediannya.
81
MODUL V
PENGUKURAN VARIASI / DISPERSI
Tatap muka
ke: 5 Waktu : 100 Menit SKS :2
Tujuan pembelajaran :
1. Mahasiswa dapat melakukan pengukuran dan menghitung suatu kelompok
data terhadap pusat data
2. Mahasiswa dapat menyajikan data distribusi frekuensi dengan diagram
berdasarkan kemiringan dan keruncingan yang sudah ditentukan.
82
PENGUKURAN DISPERSI
83
Sk = Koesifien kecondongan Pearson
X = Rata-rata hitung
Mo= Modus
SD = S = σ = Simpangan baku
X Mo
84
X Mo
Gambar 2.2, Kurva distribusi dengan Sk negatif atau kurva condong
kekiri
Penentuan koefisien kecondongan suatu kumpulan data, dapat
anda lihat pada contoh berikut ini :
Contoh :
Bila kita gunakan data yang terdapat pada tabel dan hasil-hasil
perhitungan didepan.
X = 49,61
Md = 49,92
Mo = 52
S = SD = 14,39
Maka besar koefisien kecondongan dapat ditentukan dengan
rumus : 49,61 – 52 -2,39
Sk = X – Mo = = = -0,17, yaitu bertanda
14,39 14,39
S negatif
85
dikatakan juga sebagai ukuran yang dapat digunakan untuk
menentukan golongan keruncingan suatu distribusi.
Gambar 2.3 global dari ketiga macam golongan keruncingan dapat
dilihat pada gambar berikut :
1
(Xi – X)4
n
α4 =
S4
b. Untuk data yang dikelompokkan
1
(Xi – X)4.f
n
α4 =
S4
86
Contoh Soal :
α4 = S4
87
SOAL URAIAN
88
4. Suatu kurva distribusi yang condong kekiri akan menghasilkan
koefisien yang…
a. Negatif
b. Nol
c. Positif
d. > 3
5. Suatu kurva distribusi yang memiliki puncak (peak) lebih runcing dari
pada lainnya disebut…………..
a. Platikurtik
b. Mesokurtik
c. Leptokurtik
d. Normal
6. Suatu kurva distribusi yang memiliki puncak (peak) lebih tidak runcing
dari pada lainnya maka distribusi disebut…..
a. Platikurtik
b. Mesokurtik
c. Leptokurtik
d. Normal
7. Kesimetrisan atau kecondongan suatu distribusi dengan cepat dapat
diduga dengan rumus pearson apabila……..
a. Mean, median, modus, standar & deviasi tidak diketahui
b. Mean, median, modus, tidak diketahui
c. Mean, median, modus, dan standar deviasi diketahui
d. Mean, median, modus, diketahui
Usia Frekuensi
10 – 19 3
20 – 29 5
30 – 39 10
40 – 49 12
50 – 59 20
89
Maka akan didapatkan koefisien kecondongan sebesar
a. 42,7
b. -0,63
c. -0,07
d. 38,2
9. Kurva distribusi data pada no.8 adalah……..
a. Condong kekiri
b. Condong kekanan
c. Ekornya memanjang kekanan
d. Kurva normal
10. Kurva distribusi data pada no.8 mempunyai koefisien kurtosis………
a. 3,24 b. 2,45 c. 3,15 d. 2,52
b.
SOAL KOMPREHENSIF
90
c. Hitung koefisien kemencengannya distribusi tersebut diatas dengan
menggunakan rumus Pearson dan jelaskan hasil hubungannya
d. Hitung koefisien kuantitas dari distribusi diatas dan jelaskan artinya
e. Gambarkan dalam Histogram, Poligon dan kurva
91
8. Gambar kurva distribusi yang condong kekanan
92
MODUL VI
ANALISA DERET BERKALA ATAU DATA BERKALA ATAU
FLUKTUASI BISNIS DAN PERMALAN
Tujuan Pembelajaran :
1. Memahami dan mengerti arti analisis trend, variasi musim dan
manfaatnya untuk pengambilan keputusan dibidang manajemen
dan ekonomi.
2. Mengerti dan dapat melakukan analisis trend dengan metode
setengah rata-rata, rata-rata bergerak dan metode kuadrat terkecil
(least square).
93
A. Pengertian
Yang dimaksud deret berkala (time series) adalah sekumpulan data
yang dicatat dalam suatu periode waktu.
Contoh :
1. Data pertumbuhan ekonomi Indonesia dari tahun 2006- 2016.
2. Data penjualan PT. Astra Agro Niaga tahun 2010-2015.
3. Data produksi pada setiap musim tahun 2005- 2015.
Melakukan analisis data berkala baik berupa trend, variansi musim
dan siklus berguna untuk mengetahui kondisi masa datang atau untuk
meramalkan kondisi mendatang.
Contoh :
1. Peramalan penjualan, produksi, pertumbuhan ekonomi baik jangka
pendek (< 1th) maupun jangka panjang (> 3 th).
B. Analisa Trend.
Data berkala mempunyai 4 (empat) komponen yaitu trend (T) kecen
derungan jangka menengah dan panjang, variasi musim (S), variasi
siklus (C) dan variasi yang tidak tetap (irregular variation/I).
Komponen analisa Deret Berkala dinyatakan Y = T x S x C x I.
94
2. Menghitung rata-rata hitung kelompok pertama K1 dan kelompok
kedua K2 diletakkan pada tahun pertengahan pada kelompok 2.
Nilai tahun pertengahan pada K1 dan K2 merupakan nilai konstanta
(α) dan letak tahun merupakan tahun dasar. Nilai K1 dan K2 menjadi
intersep pada persamaan trendnya.
3. Menghitung selisih K2-K1, apabila K2-K1 > 0, berarti trend positif dan
bila K2 < K1 maka trendnya negatif.
4. Nilai perubahan trend (b) diperoleh dengan cara :
K2 K1
b
tahundasar2 tahundasar1
5. Contoh Soal :
Metode Rata- rata
Berikut adalah perkembangan jumlah pelanggan PT. Telkom
selama beberapa tahun sebagai berikut:
Tahun Jumlah Pelanggan
(jutaan)
2002 4.2
2003 5.0
2004 5.6
2005 6.1
2006 6.7
2007 7.2
Penyelesaian :
Membagi data menjadi 2 kelompok data ada 6 tahun, jadi kelompok 1
tahun 2002-2004 sedang kelompok 2 tahun 2005 – 2007.
1. Menghitung rata-rata tiap kelompok :
95
K1 = a1 = 4,2 + 5,0 + 5,6 = 24,6/3 = 4.93.
K2 = a2 = 6,1 + 6,7 + 7,2 = 20/3 = 6,67.
Menghitung nilai perubahan (b) :
K2 K1 6,67 4,93 6,67 4,93 0,58
b =
tahundasar2 tahundasar1 2006 2003 6,7 5,0
Jadi persamaan trend adalah sbb :
1.Y1 = 4,93 + 0,58 X, dengan tahun dasar 2003
2.Y2 = 6,67 + 0,58 X, dengan tahun dasar 2006.
Dalam bentuk tabel disajikan sebagai berikut:
Nilai X tahun
Tahun Jumlah Rata – rata dasar
Pelanggan 2003 2006
2002 4.2 -1 -4
K1 2003 5.0 24.6/3=4.93 0 -3
2004 5.6 1 -2
2005 6.1 2 -1
K2 2006 6.7 2./3 =6.67 3 0
2007 7.2 4 2
Untuk nilai X, pada tahun dasar sama dengan 0, untuk tahun di atas
tahun dasar diberi nilai postif dan seterusnya, sedang yang di tahun
dasar diberikan nilai negatif -1 dan seterusnya.
1.Nilai peramalan tahun 2010,apabila menggunakan tahun dasar
2003, nilai X untuk tahun 2010 = 7 dan nilai X untuk tahun 2011 = 8.
Y1 2010 = 4,93 + 0,58 X
= 4,93 + 0,58 (7)
= 8,99
2
Y = 4,93 + 0,58 X
= 4,93 + 0,58 (8)
= 9,57
96
2.Nilai peramalan tahun 2011, apabila menggunakan tahun dasar 2007
nilai X untuk tahun 2010 = 4 dan nilai X untuk tahun 2011 = 5.
Y1 2010 = 6,67 + 0,58X
= 6,67 + 0,58(4)
= 9,19
Y2 = 6,67 + 0,58X
= 6,67 + 0,58 (5)
= 9,57.
Jadi pelanggan PT. Telkom tahun 2011 diperkirakan mencapai
9,57 pelanggan angka inilah yang menjadi dasar bagi PT. Telkom
untuk menrencanakan produksi dan pemasarannya.
97
Contoh :
Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3
triwulanan dan data produksi pada sebagai berikut :
Tahun Produksi Triwulan
I II III
2005 44 22 14 8
2006 48 25 15 8
2007 48 26 14 8
2008 47 24 14 9
Penyelesaian :
a. Membuat rata-rata bergerak dan rasio data asli dengan nilai rata-
rata bergerak.
Tahun Triwulan Data asli Total bergerak 3 Rata Musim
triwulan Indeks 14/15
I 22 22+14+8 = 44 15 95
2005 II 14 14+8+25 = 47 16 51
III 8 8+25+15 = 48 16 156
I 25 25+15+8 = 48 16 94
2006 II 15 15+8+26 = 49 16 49
III 8 8+26+14 = 48 16 163
I 26 26+14+8 = 48 16 88
2007 II 14 14+8+24 = 46 15 52
III 8 8+24+14 = 46 15 157
I 24 24+14+9 = 47 16 89
II 14
III 9
2008
98
dari indeks musim triwulan dikelompokkan kedalam triwulan yang
sama.
Tahun Triwulan
I II II
2005 - 95 51
2006 156 94 49
2007 163 88 52
2008 157 93 -
Rata-rata 159 90 51
a Y / n dan b XY / X 2
Contoh :
Metode Kuadrat Terkecil (Least Square Method)
Untuk mencari persamaan Y 1 a bx , dicari nilai a dan b nya,
untuk nilai X, digunakan angka kode yaitu data yang ditengah = 0,
sebelumnya, -2 dan seterusnya, dan X sesudahnya nilainya +1, +2
dan seterusnya. Sedangkan untuk tahun genap, maksimal 2 tahun
ditengah diberikan nilai 0,5 dan -0,5 setiap tahunnya menjadi -1,5, -
2,5 dan seterusnya, sedang yang positif nilainya 1,5, 2,5 dan
seterusnya.
Contoh : Tahun Ganjil
Tahun Pelanggan Nilai
(Y) X YX X2
2003 5.0 -2 -10 4
2004 5.6 -1 -5.6 1
2005 6.1 0 0 0
2006 6.7 1 6.7 2
2007 7.2 2 14.4 4
∑ 30.6 5.5 11
b y
x
5,5
x2 110,50
1. Persamaan Trend
Y 1 a bx Y 1 6,12 0,50X
2. Jadi persamaan trend jumlah pelanggan PT. Telkom termasuk jenis
trend yang positif, sehingga apabila X meningkat, maka nilai Y
pelanggan juga meningkat.
100
3. Nilai peramalan pelanggan PT. Telkom untuk tahun 2010 dan 2011
Penyelesaian :
4. Menentukan nilai a dan b.
a Y n
a 34,86 5,80
101
Nilai taksiran pelanggan PT. Telkom tahun 2010 dan 2011
Y1 2010 = 5.80 + 0.59x
=5.80 + 0.59 (5.5)
= 9.045
Y1 20101 = 5.80 + 0.59x
=5.80 + 0.59 (6.5)
= 9.635
102
Contoh :
Data berikut adalah menunjukkan jumlah produksi padi di
indonesia selama tahun 2005- 2008 sebagai berikut:
Tahun Produksi Triwulan
I II III
2005 44 22 14 8
2006 48 25 15 8
2007 48 26 14 8
2008 47 24 14 9
103
Langkah-langkahnya :
1. Data asli dinyatakan dengan Y.
2. Membuat trend (T), trend dibuat dengan metode least square =
Y1 = a + bX.
Persamaannya Y1 = 15,83 – 0,353X
Apabila nilai X dimasukkan maka akan di dapat nilai Y1
sebagai nilai trend (T).
3. Membuat (S) variasi musim yang dinyatakan dengan indeks
musim/ IM = (data asli/data rata-rata bergerak)x100.
4. Setelah menentukan Y,T dan S maka dapat dibuat data normal
(TCI) = Y/S yang dinyatakan dalam persentase atau TCI =
Y/Sx100.
5. Setelah mendapatkan data normal maka dapat dicari faktor
siklus (CI) dengan menghilangkan faktor siklus (CI) dengan
menghilangkan faktor trend CI = (TCI)x100.
6. Siklus dalam berikut indeks dapat dicari dengan metode rata
bergerak, indeks siklus 92 = 86 + 93 + 97/3.
104
Contoh :
Triwulan CI=TCI/T
Tahun C I
I
2005 II 85
III 93 92 101
I 97 97 100
2006 II 99 100 99
III 103 102 101
I 104 104 100
II 105 105 100
2007
III 105 106 99
I 107 108 99
II 112
2008
III
105
Penyelesaian :
Tahun Kuartal
I II III IV
2006 279 267 116 304
2007 302 290 112 310
2008 321 291 115 320
106
e. Hitunglah nilai penjualan pada kuartal 1 tahun 2009 dengan
menggunakan nilai trend, indeks musim, siklus dan gerak tak
beraturan.
Penyelesaian :
a. Trend dengan metode least square.
Tahun Krtl Y X YX X2 Y’
2006 I 279 -5.5 -1.535 30 248
II 267 -4.5 -1.202 20 249
III 116 -3.5 -406 12 250
IV 304 -2.5 -760 6 251
2007 I 302 -1.5 -453 2 252
II 290 -0.5 -145 0 252
III 112 0.5 56 0 253
IV 310 1.5 465 2 254
2008 I 321 2.5 803 6 255
II 291 3.5 1.019 12 256
III 115 4.5 518 20 257
IV 320 5.5 7.760 30 257
JUMLAH 3.027 120 143
107
Contoh : Y’ = 252.83 + 0.84 x -5.5 = 248.
b. Menghitung angka indeks dengan metode rata-rata dengan
trend. Indeks musim = (data asli/data trend)x100.
Tahun Krtl Y Y’ IM=(Y/Y’)x100
2006 I 279 248 112
II 267 249 107
III 116 250 46
IV 304 251 121
2007 I 302 252 120
II 290 252 115
III 112 253 44
IV 310 254 122
2008 I 321 255 126
II 291 256 114
III 115 257 45
IV 320 257 124
108
II 291 256 114 255.26 99.71 99.69
III 115 257 45 255.56 99.44 99.85
IV 320 257 124 258.06 100.41
Trwl CI=TCI/T C I
I 100.45
II 100.21 100.51 99.71
III 100.87 100.39 100.47
IV 100.10 100.28 99.82
I 99.87 100.01 99.86
II 100.07 100.18 99.89
III 100.61 100.24 100.37
IV 100.04 100.19 99.86
I 99.91 99.89 100.02
II 99.71 99.69 100.03
III 99.444 99.85 99.58
IV 100.41
Peramalan : Y = T x S x C x I
T = Y’ = 252.83 + 0.84 x 0.84 x 6.5 = 258.27
S = (3 x 100) / (112 + 120 + 126) = 300/358 = 0.84
C = (100.1 + 99,89)/2 = 99,995 = 0,99995
I = (99,86 + 100.02)/2 = 99,94 = 0.9994.
Jadi nilai persamaan untuk kuartal 1 tahun 2003 adalah :
Y = T x S x C xI
= 258,27 x 0,84 x 0.99995 x 0,9994
Y = 216,8
Kalau diperhatikan bahwa faktor C dan I mendekati 1, maka
pengaruh atas siklus dan gerak tak barturan relatif kecil.
109
Pengaruh yang paling besar adalah faktor variasi musim (S) dan
trend itu sendiri.
110
8. PT. Texindo memberikan data penjualan selama 5 tahun mulai dari
tahun 2005 sampai dengan 2009 ( dalam juta rupiah ) adalah sebagai
berikut :
Tahun 2005 2006 2007 2008 2009
Penjualan 170 190 225 250 325
Dari data tersebut berapakah nilai konstanta a nya :
a. 225 b. 247 c. 232 d. 235
9. Dari data soal no 8 , berapa nilai b nya :
a. 37 b. 42 c. 36 d. 39
10.Dari data soal no 9 , taksiran nilai tahun 2005 adalah sebesar :
a. 150 b. 155 c. 156 d. 158
SOAL URAIAN
1. Jelaskan arti data berkala ( time series ) dan kegunaannya .
2. Data berkala memiliki beberapa komponen sebutkan komponen-
komponen tersebut . Bagaimana nilai data berkala dihubungkan dengan
komponen-komponennya.
3. Apa yang dimaksud dengan trend dan variasi musim
4. Faktor–faktor apa yang menyebabkan terjadinya variasi musiman dan
gerakan tidak teratur.
5. Berikan beberapa contoh berkaitan variasi sikli, variasi musiman dan
gerakan tidak teratur.
6. Sebutkan dan jelaskan metode untuk membuat persamaan trend linier
7. Tuliskan rumus masing-masing metode tersebut !
8. Uraikan kelebihan dan kekurangan maing-masing metode tersebut.
9. Metode mana yang paling sesuai apa sebabnya ?
10. Apa manfaat dari diagram pencar ?
111
SOAL KOMPREHENSIF
1. Berikut adalah perkembangan Produk Domestik Bruto (PDB)
Indonesia tahuan 2002 – 2008.
Tahun PDRB (Miliar)
2002 413
2003 399
2004 358
2005 379
2006 398
2007 411
2008 426
112
d. Hitunglah indeks untuk gerak tak beraturannya.
e. Berapa penambahan kendaraan pada tahun 2010 pada
semester genap?
3. Berikut adalah data produksi baju pada PT. Aneka Sandang,
Bekasi tahun 2005-2008 (nilai dalam ribuan), sbb:
Tahun Kuartal
I II III IV
2205 165 335 607 192
2006 163 342 577 181
2007 167 385 568 205
2008 167 367 593 205
113
3. Trend adalah merupakan gerakan teratur atau gerakan rata-rata dalam
jangka waktu yang panjang.dan variasi musim adalah merupakan
variasi yang berulang-ulang dan regular dengan periode waktu yang
pendek yaitu satu tahun atau kurang.
4. Faktor –faktor yang menyebabkan terjadinya variasi musiman
disebabkan oleh pengaruh-pengaruh seperti : musim, adat istiadat dan
kebiasaan.dan gerakan tidak teratur adalah kejadian-kejadian yang
terjadi secara mendadak atau tidak diperhitungkan sebelumnya seperti:
perang ,bencana alam ,kematian pimpinan perusahaan dan kebijakan
baru yang dikeluarkan pemerintah.
5. Berikan beberapa contoh berkaitan variasi siklis, variasi musiman dan
gerakan tidak teratur.
1. Metode semi rata-rata (semi average method)
2. Metode rata-rata bergerak (moving average method)
3. Metode kuadrat terkecil (least square method).
Metode untuk membuat persamaan trend linier :
Metode Semi Rata- rata (Semi Average Method).
1. Mengelompokkan data menjadi 2 (dua bagian). Jika jumlah data
ganjil, maka nilai data yang ditengah dapat dihilangkan atau dihitung
2 kali, yaitu 1 bagian menjadi kelompok pertama dan 1 bagian
menjadi kelompok ke dua.
2. Menghitung rata-rata hitung kelompok pertama K1 dan kelompok
kedua K2 diletakkan pada tahun pertengahan pada kelompok 2. Nilai
tahun pertengahan pada K1 dan K2 merupakan nilai konstanta (α) dan
letak tahun merupakan tahun dasar. Nilai K1 dan K2 menjadi intersep
pada persamaan trendnya.
3. Menghitung selisih K2-K1, apabila K2-K1 > 0, berarti trend positif dan
bila K2 < K1 maka trendnya negatif.
114
4. Nilai perubahan trend (b) diperoleh dengan cara :
K2 K1
b
tahundasar2 tahundasar1
115
mempengaruhi nilai rata-rata, rata-rata bergerak melupakan nilai data
pertama .
7. Metode mana yang paling sesuai Metode kuadrat terkecil (least
square method) karena mendekati garis normal.
8. Manfaat dari diagram pencar menggambarkan garis data
sesungguhnya dan garis persamaan trendnya.
KUNCI JAWABAN
1. Data berkala ( time series ) adalah sekumpulan data yang dicatat dalam
suatu periode waktu dan kegunaannya untuk mengetahui kondisi masa
datang atau untuk meramalkan kondisi mendatang.
.
2. Data berkala memiliki beberapa komponen yaitu
T = Trend
S = variasi musim
C = variasi siklus
I = variasi yang tak beraturan
Nilai data berkala (Y) dihubungkan dengan komponen-komponennya.
dinyatakan Y = T + S + C + I
116
4. Faktor –faktor yang menyebabkan terjadinya variasi musiman
disebabkan oleh pengaruh-pengaruh seperti : musim, adat istiadat dan
kebiasaan.dan gerakan tidak teratur adalah kejadian-kejadian yang
terjadi secara mendadak atau tidak diperhitungkan sebelumnya seperti:
perang ,bencana alam ,kematian pimpinan perusahaan dan kebijakan
baru yang dikeluarkan pemerintah.
5. Berikan beberapa contoh berkaitan variasi siklis , variasi musiman dan
gerakan tidak teratur.
a. Metode semi rata-rata (semi average method)
b. Metode rata-rata bergerak (moving average method).
c. Metode kuadrat terkecil (least square method).
117
Nilai rasio = data asli/data rata-rata bergerak.
Faktor koreksi = (100 x n)/jumlah rata-rata rasio selama n.
118
MODUL VII
KONSEP DASAR PROBABILITAS
Sub Pokok 1.Arti dan ruang lingkup, manfaat, aplikasi statistika dan
Bahasan probabilitas
2.Kejadian/ peristiwa dan notasi himpunan,
3.Probabilitas bersyarat, aturan perkalian dan
penjumlahan,
4.Permutasi dan kombinasi
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan pengertian, manfaat, aplikasi statistik
dan probabilitas
2. Mahasiswa dapat menentukan tentang kejadian/peristiwa dan notasi
himpunan
3. Mahasiswa dapat menentukan dan menjelaskan probabilitas
bersyarat, aturan perkalian dan penjumlahan
4. Mahasiswa dapat menentukan dan menjelaskan tentang
penggunaan permutasi dan kombinasi
119
A. ARTI DAN RUANG LINGKUP
Kata statistik sering digunakan dalam dua arti ; yaitu plural dan
singular. Dalam bentuk plural statistik selalu dikaitkan dengan
kumpulan angka atau fakta sebuah fenomena yang secara sengaja
dikumpulkan dan disimpan untuk diakses dikemudian hari. Dalam arti
singular statistik berarti teknik statistik atau metodologi yaitu, teknik
analisis untuk mengumpulkan menyusun menyajikan, menganalisis
dan menginterpretasikan data kuantitatif, atau disingkat statsitika.
Statistika parametrik didefinisikan sebagai metode untuk memperoleh
dan menganalisis data kuantitatif. Sedangkan statistika yang
mempelajari data kuantitatif disebut Statistika nonparametrik.
Statistika memiliki empat bagian utama, yaitu statistika deskriptif,
teori probabilitas, analisis keputusan dan statistika inferensia.
Statistik Deskriptif
Statistika deskriptif berhubungan dengan ringkasan seperangkat
data dan penyajiannya dalam bentuk yang dapat dipahami.
Perhitungan rata-rata dan dispersi distribusi frekuensi merupakan
pokok-pokok bahasan dalam statistika deskriptif.
Teori Probabilitas
Probabilitas atau peluang adalah suatu angka yang menunjukkan
tingkat keyakinan tentang terjadinya suatu peristiwa. Pemakaian
konsep-konsep probabilitas menjadi landasan dalam mempelajari teori
keputusan secara statistik dan statistika inferensial.
120
Statistika Inferensial
Statistika inferensial adalah suatu pernyataan mengenai suatu
populasi yang didasarkan pada informasi dari sampel random yang
diambil dari populasi itu. Istilah populasi sampel mempunyai arti
khusus dalam statistika. Populasi berarti seluruh elemen yang akan
diteliti. Kata seluruh dalam definisi itu bukan berarti banyak tak
terhingga, suatu populasi dapat hanya terdiri dari beberapa elemen.
Sampel berarti seperangkat elemen yang merupakan bagian dari
populasi. Sampel random sederhana terjadi bila setiap unsur populasi
mempunyai kesempatan yang sama untuk diikutsertakan dalam
sampel.
Inferensial statistik atau statistika inferensial mencakup semua
metode yang berhubungan dengan analisis sebagian data untuk
kemudian sampai pada peramalan atau penarikan kesimpulan tentang
keseluruhan data. Contoh : catatan kelulusan selama 5 tahun terakhir
di suatu perguruan tinggi menunjukkan bahwa 72% di antara
mahasiswa baru yang masuk keperguruan tinggi tersebut berhasil
menyelesaikan studinya. Nilai numerik 72% tersebut adalah suatu
statistik deskriptif. Jika kita menyimpulkan bahwa peluang salah satu
mahasiswa lulus sarjana adalah lebih dari 70%, berarti kita telah
melakukan inferensial statistika yang tentu saja mempunyai sifat tidak
pasti.
Generalisasi yang berhubungan dengan inferensial statistik selalu
mempunyai sifat tidak pasti, karena kita mendasarkan pada informasi
parsial yang diperoleh dari sebagain data. Untuk memperhitungkan
ketidakpastian ini, pengetahuan mengenai teori peluang atau
probabilita mutlak diperlukan.
121
B. MANFAAT MEMPELAJARI STATISTIKA
Pengetahuan tentang staistika membantu untuk :
1. Menjelaskan hubungan antar variabel
Contoh : Bagian pemasaran suatu perusahaan dapat menggunakan
produk perusahaannya misalnya dengan tingkat pendapatan
masyarakat, banyaknya penduduk dan latar prosedur statistika
untuk menjelaskan hubungan antara permintaan latar belakang
kebangsaan atau agama konsumennya. Analisis regresi dan
korelasi akan menjawab pertanyaan itu.
2. Membuat keputusan lebih baik
Contoh: Seorang Manajer sedang menghadapi situasi
ketidakpastian mengenai keadaan permintaan produknya di masa
depan, apakah permintaan akan tinggi, sedang atau rendah. Dalam
menghadapi situasi itu, manajer memiliki beberapa tindakan,
misalnya melakukan perluasan dengan membangun sendiri,
menyewa keperluan-keperluan untuk perluasan atau tetap
mempertahankan kapasitas yang ada. Teori keputusan secara
statistik akan memberikan jawaban terbaik atas persoalan itu.
3. Mengatasi perubahan-perubahan
Contoh: Ketua serikat buruh ingin mengadakan perjanjian dengan
Pemilik perusahaan. Agar upah riil anggota serikat buruh tidak
menurun, maka ketua serikat buruh harus memperhatikan
perkembangan indeks harga (yang mengukur perubahan harga
seluruh barang antara periode sekarang dengan suatu periode
tertentu pada masa lalu) secara berkala yang diterbitkan oleh kantor
statistik. Statistika deskriptif membahas cara-cara perhitungan
angka indeks dan pemakaiannya.
122
4. Membuat rencana dan ramalan
Contoh: Suatu pemerintahan kota sedang merencanakan
kebutuhan perumahan warganya selama 10 tahun mendatang.
Manfaat rencana itu sangat dipengaruhi oleh ketepatan ramalan
jumlah penduduk kota pada periode perencanaan. Analisis time
series merupakan salah satu teknik ramalan yang sangat populer.
123
dengan satu model probabilitas yang diketahui, dengan parameter
1
n=10.000 dan p = . Dalam pertanyaan statistik, kita dihadapkan
2
dengan kelas satu himpunan dengan n = 10.000 dan 0 ≤ p ≤ 1.
Dalam masalah statistik diatas, kita melihat bahwa parameter
p=P(M), yaitu probabilitas akan memperoleh “muka” dalam satu
lemparan mata uang logam itu, mungkin dicerminkan oleh data
observasi, yaitu banyak “muka” yang kita peroleh dalam 10.000 kali
lemparan mata uang logam itu. Jika p besar, kita mengharapkan akan
memperoleh “muka” (M) dalam proporsi yang besar. Sebagaimana
akan kita lihat, fakta inilah yang medorong kita untuk memandang
banyak “muka” yang kita observasi akan memberi informasi tentang
harga parameter p. Dari pandangan ini statistik dapat dipikirkan
sebagai kebalikan dari probabilitas. Karena Model probabilitas
menentukan data seperti apa yang diharapkan, maka kita dapat
menggunakan harga-harga observasi untuk menentukan model
probabilitas mana yang paling cocok untuk data observasi itu. Inilah
yang merupakan inti dari masalah statistik.
D. KONSEP PROBABILITAS
124
populasi akan terjadi asal percobaan atau pengamatannya dilakukan
dalam jangka panjang. Oleh karena itu sering kita menjumpai kesulitan
untuk menduga (prediksi) sifat populasi dari sifat sampel. Untuk itu kita
perlu mendasarkan “prediksi” kita pada “teori probabilitas “ agar hasil
dugaan kita lebih pasti atau dapat diterima.
Apakah arti “teori probabilitas” itu? Kita akan memulai dengan
contoh yang paling sederhana, yaitu melempar dadu yang juga
merupakan titik tolak sejarah dimulainya teori probabilitas.
Konsep probabilitas dimulai dengan pelemparan sebuah dadu
dimana hasilnya akan muncul sebuah angka yang terdapat
dipermukaan dadu, misalnya mata “satu” yang muncul .
Disini kita akan bertanya berapa besar probabilitas timbulnya mata
“satu” akan muncul? Untuk menjawabnya kita coba melakukan
percobaan melempar sebuah dadu terus menerus (sampai tak
berhingga kali lemparan) dan menghitung frekuensi mata dadu “satu”
yang muncul. Dengan cara itu mata dadu “satu” rata-rata akan muncul
1/6 kali dari seluruh lemparan dadu. Atau dengan kata lain frekuensi
relatif dari mata dadu “satu” muncul adalah satu banding enam. Jadi
Probabilitas adalah suatu nilai yang digunakan, untuk mengukur tingkat
keyakinan terjadinya suatu kejadian yang acak. Suatu kejadian yang
acak/random yaitu bila kejadian tersebut tidak dapat diketahui dengan
pasti sebelumnya.
Probabilitas dinyatakan dalam pecahan : ¼,½,¾ atau dalam
prosentase : 25%, 50%, 75%, besarnya antara 0 dan 1
Tidak pernah ada probabilitas tersebut negatif atau >1
Probabilitas = 0 sesuatu tidak pernah terjadi
Probabilitas = 1 sesuatu akan selalu terjadi atau pasti
terjadi.
Dalam teori Probabilitas ada istilah
a. Ruang sampel (S), yaitu kumpulan/himpunan dari semua hasil
yang mungkin muncul atau terjadi pada suatu percobaan statistik
b. Titik Sampel, yaitu anggota dari ruang sampel (S)
125
c. Percobaan/eksperimen, yaitu kegiatan yang menghasilkan suatu
peristiwa.
d. Peristiwa, yaitu hasil/outcome yang mungkin terjadi dari suatu
kegiatan
Ada 3 (tiga) pendekatan dalam mempelajari teori probabilitas,
pendekatan tersebut adalah pendekatan klasik, pendekatan frekuensi
relatif dan pendekatan subyektif.
a. Pendekatan klasik, Probabilitas klasik yg seringkali dinamakan
probabilitas a priori adalah jika probabilitas suatu peristiwa akan
terjadi sudah dapat diketahui sebelum dilakukan percobaan misal:
Probabilitas muncul mata dadu 4 adalah 1/6,
Jadi probabilitas terjadinya suatu peristiwa E adalah P(E) = 1 maka
probabilitas tidak terjadinya peristiwa E adalah P(E) = 1- P(E), karena
probabilitas dari seluruh peristiwa yang mungkin terjadi adalah 1.
Dengan pendekatan perumusan klasik. Bila kejadian E terjadi dalam
m cara dari seluruh n cara yang mungkin dan masing-masing n cara
itu mempunyai kesempatan atau kemungkinan yang sama untuk
muncul, maka probabilitas kejadian E yang ditulis P(E) dirumuskan
sebagai berikut :
P(E) m
n
b. Pendekatan Frekuensi Relatif,menurut pendekatan ini probabilitas
didefinisikan sebagai :
1. Proporsi waktu terjadinya sebuah peristiwa dalam jangka panjang
jika kondisi stabil.
2. Frekuensi relatif dari seluruh peristiwa dalam sejumlah percobaan
Percobaan menurut pendekatan ini sering dinamakan probabilitas
empiris karena besarnya probabilitas ditentukan melalui
percobaan,frekuensi relatif yang diperoleh makin stabil.
Bila n bertambah besar sampai tak terhingga (n→∞), maka
probabilitas dari kejadian E adalah sama dengan nilai limit dari
126
frekuensi relatif dari kejadian E tersebut. Dengan demikian,jika
kejadian E terjadi sebanyak f kali dari keseluruhan pengamatan
sebanyak n, di mana n mendekati tak terhingga (n→∞), maka
probabilitas kejadian E dirumuskan sebagai berikut:
f
p ( E ) nL
im
n
AB
Gambar 1. 1
127
P(AUB) P(A) P(B)
Contoh 1.
Apabila kita menarik satu dari kelompok kartu bridge, peristiwa (hasil
kartu As dan hasil kartu King adalah mutually exclusive, maka
probabilitas memperoleh salah satu kart As atau King dalam satu kali
tarikan adalah :
128
a. P(BUE) = P(B) + P(E)
= 0,22 + 0,21 = 0,43
A dan B
B
Gambar 1.2
Contoh 1
Bila kita menarik sebuah kartu dari setumpuk kartu bridge, peristiwa
As (A) dan peristiwa mendapat kartu Jantung (Jt) adalah tidak
Mutually Exclusive. Probabilitas untuk mendapatkan (A) atau Jantung
(Jt) atau keduanya dengan satu kali tarikan adalah sebagai berikut :
129
P(A atau Jt) = P(A) + P(Jt) – P(A atau Jt)
4 13 1 4
=
52 52 52 13
Contoh: 2
Probabilitas bahwa Indomart akan berlokasi di Cinere adalah 0,7,
probabilitas akan berlokasi di Pondok Labu adalah 0,4, dan
probabilitas akan berlokasi di Cinere atau Pondok Labu atau dikedua
tempat itu adalah 0,8. Berapa probabilitasnya bahwa Indomart akan
berlokasi di kedua tempat itu.
Lokasi Indomart mungkin di Cinere (A), atau mungkin di Pondok
Labu (B), atau mungkin di Cinere maupun di Pondok Labu (A∩B)
P(AUB) = P(A) + P(B) – P(A∩B) = 0,7 + 0,4 – 0,3 = 0,8
130
P(B) = P(B|A)
P(A) = P(A|B)
Contoh :
Satu mata uang logam Rp 50,- dilempar 2 kali
A₁ : Lemparan I, gambar burung (B)
A₂ : Lemparan II, gambar burung (B)
Berapa probabilitas A₁∩A₂ = P(A₁∩A₂)
Jawab:
Karena lemparan I hasilnya tidak mempengaruhi lemparan II
P(A₁) = P(B) = ½ Jadi P(A₁∩A₂) = P(A₁).P(A₂) = ½.½ = ¼
P(A₂) = P(B) = ½ = P(B).P(B) = ½.½ = ¼
Contoh 2
Sebuah Distributor 9 bahan pokok yang memiliki satu unit mobil distribusi
barang 9 bahan pokok dan satu mobil Angkot yang tersedia setiap saat.
Probabilitas bahwa unit distribusi barang akan siap bila diperlukan adalah
0,98 dan probabilitas bahwa mobil angkot siap bila dipanggil adalah 0,92.
Dalam peristiwa distribusi barang barang ke tempat tujuan, berapa
probabilitasnya keduanya akan siap beroperasi.
Jawab :
Kejadian bahwa unit distribusi barang dagangan ke tempat tujuan akan
siap bila diperlukan (A) dan kejadian bahwa mobil Angkot akan siap bila
dipanggil (B), dua kejadian itu merupakan kejadian independen, artinya
kedua peristiwa tersebut bebas satu sama lain.
P(A∩B) = P(A).P(B)
= 0,98.0,92 = 0,9016
131
betul-betul terjadi. Bila kita ingin menentukan probabilitas A dengan syarat
B, maka perlu dicatat bahwa bila peristiwa AB telah terjadi.
Jadi Probabilitas A bila B terjadi adalah :
P(A B)
P(A|B) =
P(B)
Contoh :
Misalkan diberikan populasi sarjana di suatu kota yg dibagi menurut
jenis kelamin dan status pekerjaan sbb:
Bekerja Menganggur Jumlah
P(B / A) 140 7
600 30
132
3. Peristiwa atau kejadian Pelengkap
Misalkan A” berarti kejadian buka A, kemudian dalam suatu
percobaan, A dan A” saling melengkapi dalam arti jika peristiwa A tak
terjadi maka A” pasti terjadi, sehingga P(A) + P(A”) = 1 atau
P(A) = 1 – P(A”)
Contoh :
Jika diketahui probabilitas bahwa daya tahan produk lampu pijar
paling lama 5 bulan adalah 0,7 dan probabilitas bahwa daya tahan
produk lampu neon paling lama adalah 5 bulan adalah 0,9. Berapa
probabilitasnya bahwa daya tahan kedua produk tersebut kurang dari
5 bulan ?
Jawab :
Bila dua kejadian tersebut dinotasikan dengan A dan B, akan bahwa
dua peristiwa itu tidak terjadi dinyatakan dengan A” dab B”.
P(A”) = 1 – P(A)
= 1 - 0,7 = 0,3
P(B”) = 1 – P(B”)
= 1 – 0,9 = 0,1
Jadi P(A”∩B”) = P(A”) . P(B”)
= 0,3 . 0,1 = 0,03
F. TEORI BAYES
Teori ini menerangkan hubungan antara probabilitas terjadinya
peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan
syarat peristiwa A telah terjadi. Hubungan ini dapat diturunkan melalui
teori probabiltas bersyarat seperti berikut :
P(A B)
P(A / B)
P(B)
Kemudian dengan menggunakan dalil probabilitas peristiwa atau
kejadian bersama, pembilang pada sisi kanan menjadi
133
P(A).P(B /A)
P(A∩B) = P(A).P(B|A), sehingga P(A|B) =
P(B)
Dari persamaan terakhir terlihat bahwa P(A|B) berada pada sisi kiri dan
kebalikannya yaitu P(B|A) berada pada sisi kanan. Namun teori Bayes
biasanya ditulis dala bentuk yang lebih panjang dengan mengubah
penyebutnya ke dalam bentuk yang berisi probabilitas bersyarat, karena
permasalahannya juga diberikan dalam probabilitas bersyarat, melalui
tahap-tahap seperti berikut :
P(B) = P(B|A) + P(B∩A)
P(B) = P(A).P(B|A) + P(A).P(B|A)
Bila didistribusikan kedalam persamaan P(A|B) diperoleh
P(B/ A).P(A)
P(A|B) =
P(B / A).P(A) P(B / A).P(A)
Contoh :
Sebuah perusahaan mempekerjakan 400 orang, 100 diantaranya
memiliki latar belakang Pemasaran (P) dan 80 orang sebagai tenaga
Eksekutif (E). Jika 50% eksekutif dalam perusahaan mempunyai latar
belakang pemasaran, berapa probabilitas orang yang memiliki latar
belakang pemasaran sebagai eksekutif ?
Jawab : Untuk penyelesaian soal tersebut digunakan tabel berikut :
E E’ Jumlah
P 40 60 100
P’ 40 260 300
Jumlah 80 320 400
134
Diketahui :
P(P|E) = 0,5
Ditanyakan P(E|P)
P(E).P(P / E)
P(E|P) =
P(P / E).P(E) P(P / E).P(E)
0,2.0,5
= 0,4
0,5.0,2 (0,15/ 0,8)0,8
G. PERMUTASI
Apabila ada kemungkinan sebanyak n peristiwa. Dan apabila dari
kemungkinan n kejadian itu diamati sebanyak r peristiwa saja, maka
akan terdapat berbagai kemungkinan peristiwa di dalam r itu.
Permutasi adalah banyaknya kemungkinan susunan kejadian di dalam
r yang diambil dari n kejadian, dimana di perhatikan susunan atau
urutan kombinasi yaitu urutan (A dan B)
Permutasi objek n yang diambil sebanyak r dinyatakan sebagai
berikut :
n!
Pr
(n r)!
n
Contoh :
Banyaknya Permutasi dari satu set huruf (x, y, z) yang diambil dua
huruf diantaranya adalah
3! 3.2.1.
P2 6
3
(3 2)! 1
Susunan hurufnya : xy, yx, xz, zx, yz, zy. Perlu dicatat bahwa di dalam
Perutasi urutan huruf (kejadian) erupakan hal yang diperhitungkan.
135
Permutasi sebanyak r dari n objek dengan pemulihan obyek
r
n Pr n
yang dipilih adalah :
Contoh :
Dalam berapa cara seorang ingin mengecat 3 dinding dengan 3 warna
cat dari 4 warna yang tersedia ?
Misal 4 warna : Putih (P), Hijau (H), Merah (M), Biri (B)
Jawab :
Dapat mengecat dengan P 43 64 cara
4 3
H. KOMBINASI
Kombinasi memiliki kemiripan dengan Permutasi, tetapi pada
kombinasi urutan susunan tidak diperhatiakan artinya susunan (A dan
B) adalah tidak berbeda dengan susunan (Bdan A). Konsep ini bisa
memperkecil jumlah perhitungan banyaknya sampel yang dapat ditarik
Kombinasi dari sejumlah objek merupakan cara pemilihan objek yang
bersangkutan tanpa menghiraukan urutan objek itu sendiri.
Kombinasi sebanyak r dari n objek yang berbeda. Jumlah
kombinasi dari n objek yang berbeda dan yang dipilih sekaligus
sebanyak r adalah :
n
r
n!
r!(n r)!
nCr
Contoh :
Banyaknya kombinasi dari huruf x, y, z. Yang diambil 2 huruf saja
3! 3.2.1 3
adalah : C2
3
2!(3 2)! 2.1
Yaitu xy, xz yz. Perlu dicatat bahwa dalam kombinasi xy = yx sedang
pada permutasi xy berbeda dengan yx.
136
I.NILAI HARAPAN MATEMATIS (EKSPEKTASI)
E = ∑ Pi. Ai ....................
Contoh :
Jika kita hendak menginvestasikan dana dengan cara membeli
saham, misalkan uang yang kita punya ada sebanyak Rp 20 juta
sementara kita punya pilihan membeli 4 saham perusahaan A, B, C, dan
D dengan data seperti dibawah ini
137
Kondisi Baik Kondisi Buruk
Perusahaan Hrg.Saham Jumlah Deviden Total Deviden Total
(Rp) Saham Per lbr Deviden Per Lbr Deviden
A 8.500 2.352,94 350 823.529,4 200 470.588.2
B 12.300 1.626,02 2.200 3.577.236 1.400 2.276.423
C 22.000 909,09 2.500 2.272.727 1.900 1.727.273
D 9.000 2.222,22 400 888.888,9 325 722.222,
Analisis keputusan :
Asumsi yang akan terjadi pada pembelian saham di atas, ada dua
kemungkinan yaitu kondisi baik dan kondisi jelek. Hal ini dimaksudkan
bahwa jika kita hendak membeli saham, probabilitas yang akan terjadi
dalam kondisi baik (0,5) dan probabilitas akan terjadi dalam kondisi jelek
(0,5), untuk itu tabel berikutnya adalah :
138
SOAL PILIHAN GANDA (MULTIPLE CHOICE)
1.Pada prinsipnya probabilitas adalah
a. Klasik c. Mutually Exclusive
b. Subyektif d. Frekuensi relatif.
139
7. Dari 100.000 orang yang disurvey mengkonsumsi minyak goreng
ternyata terdapat 75.000 yang mengkonsumsi minyak goreng
kemasan dan 25.719 diantaranya adalah orang yang mengkonsumsi
minyak bimoli. Probabilitas bahwa orang yang mengkonsumsi minyak
goreng kemasan tidak mengkonsumsi minyak Bimoli
a. 0,75. c. 0,257
b. 0,657 d. 0,5
8. Dari soal No. 7. Probabilitas bahwa orang yang mengkonsumsi minyak
goreng adalah yang mengkonsumsi minyak goreng kemasan.
a.0.0021 c. 0,75
b. 0,5. d. 0,04
9. Dari soal No.7. Probabilitas bahwa Orang yang mengkonsumsi minyak
goreng menggunakan minyak goreng Bimoli
a. 1 c. 0,47
b. 0,92 d. 0,257.
10. Probabilitas bahwa orang yang mengkonsumsi minyak goreng tidak
mengkonsumsi minyak Bimoli
a. 0,742. c. 0,921
b. 0,25 d. 0,657
SOAL URAIAN
141
5. Apa yang dimaksud dengan peristiwa Koplementer ?
Probabilitas bahwa peristiwa A tidak terjadi adalah 1 (satu) dikurangi
probabilitas itu sendiri.
8. Apa yang terjadi apabila pada Observasi yang sangat besar sehingga
N ∞? maka frekuensi relatif akan sama dengan nilai probabilitas
9. Dengan pendekatan Subyektif, Berapa probabilitas krisis ekonomi akan
berakhir ?
Berarti harus diberikan kebijakan-kebijakan yang tepat
10. Dalam teori Probabilitas apa yang dimaksud dengan peristiwa(event) ?
Adalah hasil (outcome) yang mungkin dari suatu kegiatan. Kegiatan
yang menghasilkan suatu peristiwa dinamakan percobaan
(experiment)
142
SOAL KOMPREHENSIF
Mesin
Kualitas A B C Jumlah
Penyelesaian
a. 4200 0,84
5000
b. 800 65000 0,1
c.
1500 0,3
5000
143
4200 2100 2100
d. P(kualitas I ∩ mesin A) = P .P 0,42
5000 4200 5000
Penyelesaian:
n=6
n =4
144
MODUL VIII
DISTRIBUSI TEORITIS
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan dan memahami arti distribusi teoritis
2. Mahasiswa dapat menjelaskan dan memahami ciri bentuk distribusi
probabilitas variable random diskrit dan variable kontinu
3. Mahasiswa dapat menjelaskandan memahami distribusi binomial,
poisson dan hypergeometrik serta distribusi normal standard
145
DISTRIBUSI PROBABILITAS
146
.
0 1 2 3
Rumus :
b ( x / n, p) p
n
x
x
q nx
Dimana,
X = banyaknya sukses
147
x = variabel acak dengan distribusi binomial
n = n kali percobaan
Contoh soal 1
Diketahui suatu statistik yang di ulang sebanyak n = 4 dan P(S) = ⅔
dan P(G) = ⅓ tetap pada setiap percobaan. misalnya X =
banyaknya sukses. Tentukan P(X=0), P(X=1), P(X=2)
Jawab :
P(X=x) = p
n
x
x
q n x ; x 0,1,2......n.
P(X 0) p .q
4
0 2 / 3 1/3 1/8
4 40
4
0
0 4
P(X 1)
4 1 43
1 pq
1 2/3
4 1
1/33 8/81
P(X=2)= Lakukan cara yang sama
Contoh soal 2
Pengalaman menunjukkan bahwa pada setiap penstensilan kertas
koran dari 1500 lembar yang distensil telah terjadi kerusakan 150
lembar. Bila distensil sebanyak 10 lembar, tentukan probabilitas dari
variabel acak X, bila x menyatakan banyak kertas yang rusak.
Berapa probabilitas tidak ada kertas yang rusak dan 1 kertas yang
rusak.
Penyelesaian :
n = 10
P(X x) p
n
x
x
q nx , x 0,1,2,3 1.0
148
Jadi P(X 0) 0,1 0,9 0,3487 lihat ditabel
10
0
0 9
Jawab:
CaraI (Memakai nilai P(X=x):
P(X ≥ 3 ) = P(X=3) + P(X=4) + P(X=5) +..........+ P(X=10)
= 0,0584+ 0,0112 + 0,0015 + 0,0001 +0+0+0+0
= 0,0702
A N A
X n X
P(X )
N
n
Dimana :
N = Ukuran Populasi
A = Nilai sukses dalam Populasi
N – A = Nilai gagal dalam Pupulasi
n = ukuran sampel
X = Nilai gagal dalam sampel
n – X = Nilai gagal dalam sampel
Contoh :
3 different computers are checked from 10 in the department. 4 of
the 10 computers have illegal software loaded. What is the
probability that 2 of the 3 selected computers have illegal software
loaded?
Penyelesaian :
Diketahui : N = 10 n=3 A=4 X=2
150
A N A 4 6
X n X 21 (6)(6)
P(X 2) 0.3
N 10 120
n 3
151
P(x)
x
X!
Dimana µ = n.p dan ℮ = 2,71828
Contoh :
Sebuah perusahaan mempunyai 20 mesin ketik. Kemungkinan
setiap mesin ketik tak berfungsi pada hari tertentu adalah 0,02
a. Berapa probabilitas 3 mesin ketik harus diperbaiki karena tak
berfungsi
b. Berapa probabilitas 3 mesin ketik harus diperbaiki, jika
perusahaan memiliki 50 mesin ketik dan kemungkinan setiap
mesin ketik tak berfungsi pada hari tertentu adalah 0,01
Dari dua contoh soal diatas terlihat bahwa penggunaan pendekatan
Poisson akan memberikan hasil yang memuaskan jika n ditambah
dan p mendekati 0 atau 1, karena perbedaan hasilnya akan makin
kecil
Tabel 2.3
Ilustrasi Pendekatan Poisson Terhadap Binomial
P(x)
X
P(X ) p
n x
q nx r
X!
0,4 3 20!
0,02 0,098
3 17
0,4 a.P(3) =
a. P(3)=
3! 17!.3!
= 0,0072 = 0,0065
50!
b. P(3) =
0,5 0,5 3
b.P(3) = 0,013 0,9947
3! 3!.47!
= 0,0126 = 0,0122
µ = np
152
Rata-rata, Varians, Simpangan Baku Distribusi Poisson
Distribusi Normal
153
-∞ E (x) ∞ ∞
Nilai variabel Kontinyu
Gambar 2.4
0,375
0,125 0,7
0 1 2 30 50 60
154
Bentuk distribusi probabilitas normal dapat diidentifikasikan berdasarkan
rata-rata (µ) dan deviasi standarnya (σ). Karena itu rata- rata dan
deviasi standar dinamakan parameter distribusi normal. Suatu keluarga
distribusi normal beranggotakan distribusi normal dengan µ dan σ yang
berlainan, jadi tidak hanya terdapat satu distribusi normal.
Distribusi NormalStandar
Z X
Dimana :
X = Nilai variabel random
µ = rata-rata variabel random
σ = deviasi standar
Penyelesaian:
Diketahui :
X₁ = 70 µ = 60
X₂ = 50 σ = 10
155
Z X 70 60 1 dan Z 50 60 1
10 10
40 50 60 70 80 X
Z
-2 -1 0 1 2
Gambar 2.7
Contoh :
Carilah besarnya probabilitas terjadinya X bila :
156
Penyelesaian:
Mencari nilai probabilitas adalah sama dengan
a. P(0 ≤ x ≤ 1,42)
Dari tabel P (0 ≤ x ≤ 1,42) = 0,4222
0 1,42
-0,73 0
c. P(-1,37 ≤ x ≤ -2,01)
-1,37 0 2,01
d. P(0,65 ≤ x ≤ 1,26)
0 0,651 2,6
157
P(0,65 ≤ x ≤ 1,26) = P(0 ≤ x ≤ 1,26) + P(0 ≤ x ≤ 0,65)
= 0,3962 – 0,2422
= 0,1540
-1,79 -0,54
P(-1,79 ≤ x ≤ - 0,54) = P(0,54 ≤ x ≤ 1,79)
= P(0 ≤ x ≤ 1,79) - P(0 ≤ x ≤ 0,54)
= 0,4633 – 0,2054
= 0,2579
f.P(x ≥ 1,13 )
= 0,5000 – 0,3708
Z = 0,1292
f. P( x ≤ 0,5).
= 0,5000 – 0,1915
= 0,6915
0 0,5
Setelah memahami penggunaan “tabel normal standard” maka dapat
disimpulkan bahwa :
158
a. Proporsi observasi yang berada dalam interval µ ± 1σ adalah
68,27%
b. Proporsi observasi yang berada dalam interval µ ± 2σ adalah
95,44%
c. Proporsi observasi yang berada dalam interval µ ± 3σ adalah
99,74%
X
µ - 3σ µ - 2σ µ - 1σ µ µ - 1σ µ - 2σ µ - 3σ
Z
-3 -2 -1 0 1 2 3
68,27% Wilayah
95,44% Wilayah
99,74% Wilayah
159
Contoh :
Penyelesaian :
a. Diketahui µ = 200 ; σ = 15
Bagian yang berisi lebih dari 224 mililiter ;
Nilai x ditransformasikan ke Z
µ =200 224
160
x 191200 x 209200
Z1 0,60 Z2 0,60
15 15 15
= 0,4514
b. Bila produksi 1000 botol, berapa botol yang berisi kurang dari 239
mililiter
µ = 200 239
Z x 0,67 x 200
15
25% x 200 0,67(15)
x 189,95190
X=? 200
Jadi dibawah nilai 190 mililiter terdapat 25% isi botol terendah
SOAL URAIAN
1. Jelaskan apa yang dimaksud dengan distribusi teoritis
Adalah sebuah distribusi frekuensi yang didalam interval kelas-interval
kelasnya merupakan variabel random, dan distribusi ini sering pula
dijadikan sebagai pengganti distribusi sebenarnya.
2. Apa yang dimaksud dengan variabel random diskrit
Variabel diskrit hanya mengisi nilai tertentu yang terpisah dalam suatu
interval Jika digambarkan diatas garis interval, variabel random diskrit
akan berupa sederetan titik-titik yang terpisah
3. Dan apapula yang dimaksud dengan variabel random kontinyu
dapat mengisi nilai manapun dalam suatu interval. Jika digambarkan,
variabel random kontinyu akan berupa sederetan titik yang bersambung
membentuk garis lurus.
4. Sebutkan distribusi yang terbentuk dari variabel random diskrit dan
variabel acak kontinyu
Yang terbentuk dari variabel random diskrit adalah distribusi binomial,
distribusi hipergeometrik dan distribusi Poisson dan yang terbentuk dari
Distribusi random kontinyu adalah distribusi normal, distribusi t,
distribusi Chi-kuadrat.
5. Kenapa dikatakan sebagai distribusi binomial
162
Karena percobaan untuk menemukan probabilitas suatu kejadian
dilakukan oleh orang yang bernama Bernoulli.
163
6. Sebutkan ciri-ciri dari distribusi binomial .
a. Percobaan diulang sebanyak n kali
b. Setiap hasil percobaan dibedakan menjadi 2 yaitu kejadian sukses
(S) dan gagal (G)
c. Probabilitas terjadinya kejadian Sukses (S) adalah P(S) =
Probabilitas terjadinya kejadian Gagal (G) adalah P(G) = 1–p = q
dan semuanya tetap pada setiap kali percobaan diulang
d. Semua hasil yang muncul saling bebas satu sama lain.
6. Dan apapula ciri-ciri dari distrbusi Poisson
a. Aplikasi dan pemakaiannya sama dengan distribusi binomial
b. Probabilitas suksesnya sangat kecil sedangkan sampelnya sangat
besar ( n ≥ 50)
7. Apa yang dimaksud dengan distribusi normal
Distribusi normal termasuk dalam variabel random kontinyu yaitu
variabel random yang nilainya dapat terjadi dimanapun di dalam suatu
interval tertentu.
9. Sebutkan ciri-ciri dari distribusi normal
a. Kurvanya mempunyai puncak tunggal
b. Kurvanya berbentuk lonceng
c. Rata-rata terletak ditengah distribusi dan distribusinya simetris di
sekitar garis tegak lurus yang ditarik melalui rata-rata
d. Kedua ekor kurva memanjang tak terbatas dan tak pernah
memotong sumbu horizontal.
e. Sama dengan “Distribusi Gauss”
164
SOAL MULTIPLE CHOICE
SOAL KOMPREHENSIF
1. Dari setiap 100 unit barang yang diproduksi oleh mesin I diperkirakan
gagal sebesar 15%, selanjutnya seorang manajer dari perusahaan itu
ingin mengetahui kebenaran atas perkiraan tersebut dan kemudian
diambil sampel sebanyak 10 buah unit barang yang dihasilkan dari
produk mesin I untuk diteliti. Berapakah probabilitas yang dihasilkan
dari 10 unit barang tersebut akan berada dalam kondisi
a. Rusak sebanyak 6 buah
b. Baik sebanyak 3 buah
c. Tidak ada satu pun yang rusak
d. Tidak ada satu pun yang baik
Penyelesaian :
n = 15 p (rusak) = 0,15 , q (baik) =o,85, n = 10
a. Kondisi rusak sebanyak 6 buah → p(x = 6), maka
P(X=x) = p
n
x
x
q nx ; x 0,1,2......n.
P ( X 6) 0 ,1 5 .0,8 5
10
6
6 4
10!
6!(10 6 ) !
0 ,1 5 6 0,8 5 4
10!
0,157 0,853
7!(10 7)!
(120)(0,15)7 (0,85)3
0,000126
P ( X 0) 0,15 0,85
10
0
0 1 0 0
10!
0,150 0,851 0
0!(10 0)!
(1)(0,15)0 (0,85)10
0,197
d. Tidak ada satu pun yang baik (semuanya rusak)
P(X=0) + P(X=1) + P(X=3) + .........+ P(X=10)
0,1969 + 0,3474 + 0,2759 + 0,1298 + 0,0401 + 0,0085 +
0,0012 + 0,0001 + 0,0000 + 0,0000 + 0,0000 = 0,9999
Jadi tidak ada satu pun yang baik adalah 0,9999 atau 99,99%
P ( X 2)
0,24
A NA
n X
5 5
X 2 4
N 10
n 6
167
Jadi probabilitasnya bahwa 2 dari 6 lamaran pekerjaan tersebut betul
berasal dari kejuruan adalah 0,24
3. Pada jam-jam sibuk nasabah yang datang pada sebuah bank yang
akan melakukan transaksi diperkirakan sebanyak 300 orang. Jika rata-
rata setiap orang dapat dilayani oleh Customer Service selama 3
menit, maka
a. Berapakah probabilitas 5 orang dapat dilayani oleh Customer
Service terhadap para nasabahnya ?
b. Berapakah tingkat penyimpangan yang mungkin dilakukan
oleh Custoer Service terhadap nasabahnya ?
Penyelesaian :
Diketahui : µ = 3 X = 5 n = 300
x
P(x)
a. P(X=5) =
X!
3 5
3 0,1008
5!
0 1,25
Jadi permintaan suatu hari melampaui jumlah yang dapat ditawarkan
adalah → P (Z ≥1,25) = 0,5000 – 0,3944 = 0,1056 atau 10,56%
169
MODUL IX
DISTRIBUSI SAMPLING
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan dan memahami arti distribusi
sampling
2. Mahasiswa dapat menjelaskan dan memahami distribusi sampling
rata-rata dan proporsi
3. Mahasiswa dapat menjelaskan dan memahami distribusi sampling
selisih rata-rata dan proporsi
170
DISTRIBUSI SAMPLING
171
Perbedaan antara Populasi dan Sample
Populasi Sampel
Definisi Semua anggota yang Sebagian dari anggota
akan diteliti obyek yang akan diteliti
Karakteristik Parameter Statistik
Simbol Banyaknya Data = N Banyaknya Data = n
Rata-rata = µ Rata -rata = x
Deviasi Standard = σ Deviasi standard = s
Proporsi =P Proporsi = p
B. METODE SAMPLING
Ada 3 macam metode sampling, yaitu sampling tunggal, sampling
ganda, dan sampling multiple. Pada metode sampling tunggal hanya
diperlukan satu sample saja dari sebuah populasi, karena hanya satu
sampel yang dijadikan sebagai bahan interpretasi terhadap populasinya.
Metode sampling ganda, artinya dari sebuah populasi dapat diambil
satu sampel kedua, jika sampel pertama dianggap belum cukup
mewakili dalam pengambilan keputusannya, sampel kedua ini kemudian
digabungkan dengan sampel pertama untuk kemudian dijadikan
sebagai bahan analisa dalam pengambilan kesimpulan statistiknya.
Sedangkan sampel multiple (lebih dari dua) prosesnya sama dengan
sampel ganda, yaitu untuk memenuhi asumsi bahwa pengambilan
keputusan masih dirasakan belum mencukupi hanya dari dua sampel
saja.
Untuk menentukan anggota sampel dapat dilakukan dengan 2
cara, yaitu kebijaksanaan (judgement) dan cara acak (random)
disebut sebagai anggota sampel dipilih atas kebijaksanaan seseorang,
maka sampel tersebut dikatakan sebagai sampel yang diambil sebagai
berdasarkan kebijaksanaan. Sampel random sering disebut juga sampel
probabilitas, karena masing-masing unsur, elemen, atau bagian
memiliki kesempatan yang sama . Cara ini lebih obyektif dan kesalahan
sampling dapat diukur.
172
Ada 4 cara yang dapat dilakukan dalam sampel random , yaitu
a. Sampling random sedehana/simple random sampling yaitu pemilihan
sampel sedemikian rupa sehingga setiap unsur dalam populasi
mempunyai kesempatan yang sama untuk dipilih.
b. Sampling random berlapis/stratified random sample,yaitu merupakan
sampel secara kelompok-kelompok dengan harapan bahwa populasi
akan menjadi homogen (merata). Adapun langkah pertama sampling
random berlapis adalah membagi populasi dalam kelompok-
kelompok yang disebut strata, kemudian anggota sampel dipilih dari
tiap-tiap stratum secara acak atau secara sistematis. Misalnya
(jenjang pendidikan)
c. Sampel random kelompok/random cluster sampel, yaitu ada dua
tahap dalam metode ini. Pertama memilih secara random kelompok
(cluster) dari populasi. Yang kedua, setelah kelompok terpilih, semua
elemen yang ada didalam masing-masing kelompok (atau hanya
sebagian elemen dari masing-masing kelompok diikut sertakan
dalam sampel. Misalnya penduduk suatu negara, propinsi,
kabupaten dari 27 propinsi diambil 10 propinsi
d. Non random sample, yaitu sampel diambil berdasarkan opini
seseorang yang tidak ditentukan dengan tekhnik statistika, sehingga
sangat sulit untuk menduga secara obyektif.
173
D. DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI
1. Distribusi Sampling Rata-rata
Distribusi sampling adalah distribusi probabilitas dengan statistik
sampel sebagai variabel randomnya, sedangkan distribusi sampling
rata-rata adalah distribusi probabilitas dari semua rata-rata sampel
dengan ukuran tertentu yang ditarik dari suatu populasi.
Contoh :
Bila ingin dibuat “distribusi sampling rata-rata” dengan ukuran
sampel 2 yang ditarik dari suatu populasi yang memiliki 4 unsur
yaitu, 3, 4, 6 dan 7, maka akan didapat sebagai berikut:
X
X 3467 5 2,5
N 4 N
Dari sampling without replacement dengan ukuran n = 2 dari
elemen populasi N = 4 akan didapat “kombinasi kemungkinan hasil
sampel sebanyak,
4! 4.3.2.1
C24 6
2!(4 2)! 2.1.2.1
Tabel 3.1
Kombinasi Kemungkinan Hasil Sampel dan Rata-rata Sampel
174
Tabel 3.2
Distribusi Frekuensi “Rata-rata Sampel”
Tabel 3.3
Distribusi Sampling Rata-Rata dengan Ukuran n =2
Jadi,
x
175
→ Untuk Populasi Finite, hubungan dan σ dirumuskan =
x
Nn
x
n N1
N n
= Faktor koreksi populasi finite, bila n < 0,005 N
N1
→ Untuk Populasi infinite → x
n
X x
Z
x
Contoh :
Suatu perusahaan ingin menduga rata-rata penjualan perbulan,
berdasarkan rata-rata sampel yang dilakukan selama 100 bulan. Jika rata-
rata perbulan 5650 dengan standard deviasi 700. Berapa banyak bulan
dari sampel tersebut memiliki rata-rata sampel antara 5550 dan 5750 ?.
Jawab :
n = 100 µ = 5650 σ = 700
5650
x
700 70
x
n 100
176
- Jika X = 5550, maka
X
Z x
5550 5650
x
70
= - 1,43
p p p x
n
p(1 p) X N n
p → Bila populasinya terbatas
n N 1
p(1 p)
p → Bila populasinya tidak terbatas
n
177
p p
Z p P
Angka baru di atas menjadi
p p
Contoh :
Telah diketahui bahwa 2% barang kiriman rusak. Berapa probabilitas
bahwa suatu pengiriman sebanyak 400 barang
a. Terdapat 3% atau lebih yang rusak → P (p ≥ 0,03)
b. Sebanyak-banyaknya 3% yang rusak → P (p ≤ 0,03 ) ?
Penyelesaian :
p P 2 % 0,02 n = 400
p(1 p) 0,02(10,02)
p 0,007
n 400
p
p P = 0,03 0,02 = 1,43
p
a. Z
p p 0,007
1,43
178
b. P ( p ≤ 3% ), maka
p
p P = 0,03 0,02 1,43
p
Z
p p 0,007
1,43
Rata-rata = x x 1 2
1 2
12 22
Simpangan baku = x x
1 2
n1 n2
Jika n₁ dan n₂ besar (n₁ n₂> 30 ), distribusi sampling selisih rata-rata akan
mendekati normal, dengan variabel random standar
X X
Z 1 2 1 2
x x 1 2
179
Contoh: ;
Rata-rata pendapatan keluarga per hari di daerah kota adalah Rp.
10.000 dengan standard deviasi Rp. 3.000. Sementara rata-rata
pendapatan per hari di daerah pedesaan sebesar Rp. 4.000 dengan
standard deviasi Rp 500, jika diambil sampel random keluarga kota
sebanyak 50 dan keluarga di pedesaan sebanyak 200, berapa
probabilitas selisih rata-rata pendapatan keluarga per hari antara
kota dan pedesaan lebih dari Rp. 5.000
Penyelesaian :
µ₁ = 10.000 µ₂ = 4.000
σ₁ = 3.000 σ₂ = 500
n₁ = 50 n₂ = 200
P(X1 X 2 ) 5.000......?
Z
X 1 X 2 1 2
5.000 (10.000 4.000)
x 1
x 2 4 2 5,7
= - 2,35
2,35
P(X1 X 2 ) 5.000 P(Z 2,35) 0,5 0,4906 0,9906
p p P1 P2 P1 P2 X 1 X 2
1 2
N1 N2
Z
p 1 p 2 P1 P2
p 1 p 2
Contoh :
PT. Caraka Bumi merencanakan akan mengabungkan dua perusahaan,
yaitu PT Indah Karya dan PT Dharma Raya. PT. Caraka Bumi juga
merencanakan PHK dalam rangka efisiensi, yaitu pada PT. Indah
Karya sekitar 10% dan PT. Dharma Raya 15% dari total karyawan
yang ada. Untuk keperluan tersebut, dipanggil 100 karyawan dari PT.
Indah Karya dan 200 dari PT. Dharma Raya untuk wawancara.
Berapa probabilitas selisih persentase tentang PHK di PT. Indah
Karya 7% akan lebih kecil dari PT. Dharma Raya ?
Penyelesaian :
181
Selisih proporsi = p₁ - p₂ = 0,07
Standard deviasi dari selisih proporsi adalah
Jadi P(p₁ - p₂) < 0,05 ) = P( Z < 2,55 ) = 0,5 + 0,4987= 0,9987 Jadi
Probabilitas selisih persentase jumlah yang di PHK di PT. Indah
Karya kurang dari 7% dari PT. Dharma Raya adalah 99,87%
SOAL URAIAN
182
b. Sampling random berlapis/stratified random sample yaitu merupakan
sampel secara kelompok-kelompok dengan harapan bahwa populasi
akan menjadi homogen (merata) .
c. Sampel random kelompok/random cluster sampel Yaitu Ada dua
tahap dalam metode ini. Pertama memilih secara random kelompok
(cluster) dari populasi. Yang kedua, setelah kelompok terpilih, semua
elemen yang ada didalam masing-masing kelompok (atau hanya
sebagian elemen dari masing-masing kelompok diikut sertakan dalam
sampel.
d. Non random sample, yaitu sampel diambil berdasarkan opini
seseorang yang tidak ditentukan dengan tekhnik statistika, sehingga
sangat sulit untuk menduga secara obyektif.
183
berbeda, didasarkan pada dua sampel tertentu dengan informasi global
dari ukuran parameter dua populasinya
9. Apa kegunaan tabel distribusi normal ketika kita yakin bahwa distribusi
sampling yang dilakukan berdistribusi normal ?
Yaitu untuk menghitung probabilitas /proporsi terjadinyan suatu
peristiwa
10.Apa perbedaan antara populasi dengan sampel ?
Populasi Sampel
Defenisi Semua anggota yang Sebagian dari anggota
akan diteliti obyek yang akan diteliti
Karakteristik Parameter Statistik
Simbol Banyaknya Data = N Banyaknya Data =n
Rata-rata = µ Rata – rata =x
Deviasi Standard = σ Deviasi standard = s
Proporsi =P Proporsi = p
184
5. Sampling dimana setiap unsur populasi dapat dipilih lebih dari sekali
a. Non Random sample c. Sampling with replacement.
b. Cluster Sample d. Random Sample
6. Jika diketahui µ₁ = 400 µ₂ = 300 σ₁ = 25 σ₂ = 18 n₁ = 100 n₂ = 150
SOAL KOMPREHENSIF
1. Seorang manajer Investasi,dari Mitra Hanafi, memberikan saran bahwa
untuk 6 saham lapis pertama dibeli 0,33, sedangkan saham ditahan 0,67
untuk minggu terakhir juni 2008. Apabila seorang investor mempunyai
100 lot, berapa peluang lebih dari 40% sahamnya akan dibeli.
Penyelesaian :
Proporsi (P) = 0,33
185
p(1 p) 0,33(1 0,33) 0,05
Standard deviasi proporsi ( p
n 100
pP 0,40,33
Nilai Z 1,48
p 0,05
1,48
186
Penyelesaian :
a. Diketahui :
Probabilitas yang menyatakan setuju di Bandung adalah P₁ = 85%
Probabilitas yang menyatakan setuju di Jakarta adalah P₂ = 45%
n₁ = 30 n₂ = 30
Hitung P( p₁ - P₂ > 35%)
Z
p1 p 2 P 1 P 2
0 , 3 5 (0,40)
0 , 4 5
p p1 2
0,1 1 2
0,45
Jadi P(p₁ -p₂ ≥ 35%) → P (Z ≥ 0,45) = 0,5000–0,1736 = 0,3264= 32,64%
b. Probabilitas Karyawan yang menyatakan tidak setuju di Bandung P₁
= o,15%
Probabilitas karyawan yang menyatakan tidak setuju di Jakarta P₂ =
0,55%
Hitunglah P( p₁ - p₂ ≤ 0,55 )
Z
p1 p 2 P 1 P 2
0 , 5 5 (0,40)
1,3 4
p p
1 2
0,1 1 2
187
1,34
188
MODUL X
PENDUGAAN PARAMETER / ESTIMASI
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan apa arti pendugaan
parameter/statistic
2. Mahasiswa dapat menjelaskan hubungan beberapa sampel dengan
kesalahan duga
3. Mahasiswa dapat menjelaskan tentang apa yang dimaksud dengan
pendugaan titik dan pendugaan interval
4. Mahasiswa dapat menjelaskandan memahami pendugaan rata-rata
dan proporsi, memahami pendugaan beda rata-rata dan beda
proporsi
189
PENDUGAAN PARAMETER
PENDAHULUAN
Misalnya :
190
PENDUGAAN TITIK
Pendugaan Titik yaitu suatu nilai (disebut titik) yang digunakan untuk
menduga suatu parameter populasi.
Misalnya :
b)
x
s 2
(x x) 2
adalah Penduga Titik untuk 2
n1
c) p adalah Penduga Titik untuk P
x
n
191
PENDUGAAN INTERVAL
Caranya :
192
mengacu pada kurva distribusi normal, kita dapat
menggunakan/melihat tabel untuk menemukan jumlah standard
deviasi (nilai z) dari rata-rata hitung
Pertama, tentukan nilai 0,4750 dalam tabel Distribusi Normal,
kemudian bergerak ke margin kiri dan kolom yang berhubungan
dengan nilai 0,4750 untuk mencari nilai Z.
Interval keyakinan 95% dan 99% disusun sebagai berikut jika n > 30
s
Interval keyakinan 95%, rumusnya X 1,96
n
= 45.420 251,125
Misalnya 100 dari 400 orang yang disampel mengatakan mereka lebih
menyukai minuman ringan yang baru dicicipinya daripada minuman
ringan yang biasa. Pendugaan terbaik dari proporsi populasi yang
menyukai minuman ringan baru adalah 0,25 atau 25%, diperoleh dari
100/400.
Bagaimana interval keyakinan suatu proporsi populasi diduga ?
p z p , dimana p kesalahan standard dari proporsi
p(1 p)
p
n
p(1 p)
pz
n
194
Contoh :
Misalnya 1.600 dari 2.000 anggota organisasi buruh yang disampel
mengatakan mereka merencanakan untuk menyetujui
penggabungan dengan organisasi lainnya. Dengan menggunakan
interval keyakinan 95%, berapa nilai interval dugaan untuk proporsi
populasi tersebut ?
Jawab :
0,80(10,80)
p z p(1 p) = 0,80 1,96
n 2000
N n
x
n N 1
195
p(1 p) N n
p
n N 1
Contoh :
250 40
x z s N n 4501,96 75
n N 1 40 2501
= 450 23,24 0,8434
= 450 21,34
==============
196
MEMILIH UKURAN SAMPEL
n Z /2
2
E Z / 2 x E Z / 2
n E
n Z / 2
2
E
197
Di mana
n = banyaknya sampel yang diperlukan
E = besarnya tingkat kesalahan yang diperlukan
tingkat konfidensi yangdigunakan
= standarddeviasi
Contoh soal :
Suatu penelitian menghasilkan taksiran standard deviasi pengeluaran
rata-rata keluarga untuk membeli beras adalah Rp 45,-. Berapa
banyaknya keluarga yang sebaiknya digunakan sebagai sampel agar
probabilitas melakukan kesalahan maksimum Rp 8,- adalah 95% ?
Jawab :
E 8
pq pq
E Z / 2 p E Z / 2 n 2
n E
Z /2
Jawab :
pq
n 2
E
Z /2
n (0,5)(0,5)2 0,25
600,25
(0,04)
0,000416493
(1,69)
(X 2 X 1 ) E 1 2 (X 2 X 1 ) E
199
Di mana E = besarnya kesalahan estimasi beda dua rata-rata sampel
untuk populasi yang independen dan dapat ditentukan tergantung dari
informasi yang tersedia.
Jika standard deviasi ( ) diketahui dan sampel yang digunakan dalam
penelitian besar yaitu (n1+n2) 30, maka kesalahan estimasi (E) beda
dua rata-rata dapat diformulasikan sebagai berikut :
12 2
E Z / 2 2
maka
n1 n2
12 2 2 (X X ) Z 1 2 2 2
(X 1 X 2 ) Z / 2 1 2 1 2 /2
n1 n2 n1 n2
Contoh soal :
Jawab:
(X 2 X 1 ) E 1 2 (X 2 X 1 ) E
n1 = 400 n2 = 300
X1 = 20.000 X 2 =16.000
1 = 6.000 2 = 7.500
1 2 E 1,96 20.0002 16.0002
2 2
E Z / 2 2
2
1.032,50
n1 n2 400 300
200
Jadi, (20.000-16.000)-1.032,50 1 2 (20.000-16.000) + 1.032,50
2.967,5 1 2 5.032,5
=====================
( p1 p2 ) E P1 P2 ( p1 p2 ) E
p1 (1 p1 ) p2 (1 p2 )
E Z / 2
n1 n2
X1 X
p1 ; p2 2
n1 n2
201
Contoh soal :
( p1 p2 ) E P1 P2 ( p1 p2 ) E
p1 (1 p1 ) p2 (1 p2 )
E Z /2
n1 n2
202
Jadi, ( p1 p2 ) E P1 P2 ( p1 p2 ) E
(0,825-0,76) – 0,035 P1 P2 (0,825-0,76) + 0,035
0,03 P1 P2 0,10
================
b
c
3. Sedangkan parameter populasi standard deviasi dinotasikan sebagai :
b
c
4. Suatu nilai (disebut titik) yang digunakan untuk menduga suatu
parameter populasi disebut :
a) Pendugaan titik
b) Pendugaan interval
c) Pendugaan titik dan interval
5. Interval nilai/range yang nilai parameter populasi berada didalamnya
disebut :
a) Pendugaan titik
b) Pendugaan interval
203
c) Pendugaan titik dan interval
6. Probabilitas parameter populasi berada pada nilai taksiran interval yang
dibuat disebut :
a) Tingkat konfidensi/keyakinan (CL)
b) Nilai alpha ( )
c) Nilai betha ( b )
7. Rumus standard deviasi distribusi sampel dari rata-rata hitung sampel
adalah :
a) X
n
b) X
n
c) X
n
8. Cara menyusun interval keyakinan 95% untuk rata-rata sampel bila n >
30 adalah :
s
a) X 1,96
n
s
b) X 1,96
n
s
c) X 1,96
n
9. Cara menyusun interval keyakinan 99% untuk rata-rata sampel bila n >
30 adalah :
a) X 1,96
s
n
s
b) X 2,58
n
s
c) X 2,58
n
204
10. Misalnya 160 dari 200 anggota organisasi mahasiswa yang disampel
mengatakan mereka menyetujui dengan kebijakan kampusnya.
Dengan menggunakan interval keyakinan 95% berapa nilai interval
dugaan untuk proporsi populasi tersebut ?
a) 0,700 dan 0,800
b) 0,720 dan 0,850
c) 0,744 dan 0,856
SOAL URAIAN :
SOAL LATIHAN :
205
sampel adalah 5. Tentukan interval keyakinan 95 persen untuk rata-
rata hitung populasi.
3. Sebuah sampel terdiri dari 10 pengamatan dipilih dari populasi normal
dimana standard deviasi populasi bernilai 5. Rata-rata hitung sampel
adalah 20.
a. Tentukan kesalahan standard dari rata-rata hitung
b. Tentukan interval keyakinan 95% untuk rata-rata hitung populasi
4. Berdasarkan 250 konsumen yang memberi respon 165 konsumen
menyatakan puas dengan pelayanan yang diberikan. Buatlah interval
proporsi yang sesungguhnya dengan menggunakan tingkat konfidensi
99%
5. Sampel random di perusahaan X sebanyak 200 diperoleh informasi
bahwa pendapatan rata-rata Rp 10.000,- dan standard deviasi Rp
3.000.-. Sedangkan sampel random di perusahaan Y sebanyak 100
diperoleh informasi bahwa pendapatan rata-rata Rp 8.000,- dengan
standard deviasi Rp 4.500,. Dengan tingkat konfidensi 95% tentukan
taksiran beda pendapatan rata-rata di perusahaan X dan Y tersebut.
6. Seorang peneliti ingin mengetahui perbedaan daya tahan lampu pijar
merk X dan Y. Untuk itu diambil sampel masing-masing 100 lampu
pijar. Hasil observasi terhadap sampel rata-rata daya tahan (usia) X
adalah 200 jam dengan deviasi standard 30 jam dan rata-rata daya
tahan merk Y adalah 180 jam dengan deviasi standard 20 jam. Buatlah
dugaan tentang perbedaan rata-rata populasi daya tahan lampu pijar
merk X dan Y dengan interval keyakinan 95%.
7. Suatu penelitian menghasilkan taksiran standard deviasi pengeluaran
rata-rata keluarga untuk membeli beras adalah Rp 50,-. Berapa
banyaknya keluarga yang sebaiknya digunakan sebagai sampel agar
probabilitas melakukan kesalahan maksimum Rp 10,- adalah 95% ?
8. Tentukan jumlah sampel (n) yang diperlukan untuk membuat taksiran
produksi setiap hari dengan tingkat kesalahan yang tidak lebih dari 4
ton dengan kesalahan baku produksi yang dihasilkan 21 ton pada
tingkat konfidensi 95%.
206
9. Lembaga penelitian independen melakukan penelitian dengan
mengambil 500 responden pria dan 500 wanita sebagai sampel di lima
kota besar. Kepada mereka diminta pendapat tentang kebijakan
pemeritnah tentang perpajakan yang baru diberlakukan. Berdasarkan
sampel yang digunakan terdapat 335 pria dan 384 wanita mengatakan
bahwa kebijakan tersebut sangat memberatkan masyarakat kecil,
dengan tingkat konfidensi 90%.
a) Tentukan batas estimasi bawah (lower confidence limit) dan batas
estimasi atas (upper confidence limit) beda proporsi pria dan
wanita yang berpendapat kebijakan pemerintah sangat
memberatkan masyarakat kecil.
b) Buat estimasi interval beda proporsi pria dan wanita yang
berpendapat kebijakan pemerintah sangat memberatkan
masyarakat kecil.
Sebuah biro peneliti ingin mengetahui prosentase beda barang layak
jual yang dihasilkan pabrik A dan pabrik B. Untuk mengetahui
perbedaan tersebut diambil 1.000 unit barang yang dihasilkan oleh
masing-masing pabrik. Barang yang dihasilkan pabrik A ada 850 yang
layak jual sedangkan pabrik B 760 barang yang layak jual. Tentukan
interval estimasi beda prosentase barang layak jual yang dihasilkan
oleh kedua pabrik tersebut pada tingkat konfidensi 95%.
207
2. Hubungan antara populasi dengan sampel adalah :
Parameter populasi seperti rata-rata , standard deviasi dan
proporsi , sedangkan statistik sampel seperti rata-rata (x),
standard deviasi (s) dan proporsi (p).
208
d) Kecukupan (Sufficiency) yaitu suatu taksiran dikatakan memiliki
kecukupan bila taksiran tersebut dapat memberikan informasi
yang cukup mengenai sifat populasinya.
8. Yang dimaksud dengan tingkat konfidensi yaitu tingkat konfidensi yang
digunakan dalam menentukan taksiran interval menunjukkan
probabilitas parameter populasi berada pada nilai taksiran yang
dibuat.
9. Karena dalam membuat taksiran sangat diperlukan konsep probabilitas
yang sangat berguna dalam pembuatan keputusan pada kondisi
ketidakpastian.
10. Prosentase tingkat konfidensi yang lazim digunakan untuk melakukan
pengujian adalah 95%, 99%, 90%
1. 52,31 X 59,69
2. 38,90 X 41,10
3. 16,90 X 23,10
4. 0,583 0,737 atau 58,3% 73,7%
5. 1.02,92 2.975,08
X1 X2
6. 12,08 27,08
X1 X2
7. n = 2.305
8. n = 424
9. 0,05 1 2 0,15
10. 0,06 1 2 0,12
209
Kunci Jawaban Multiple Choice:
1. b 6. a
2. c 7. c
3. a 8. a
4. a 9. b
5. b 10. c
210
MODUL XI
PENGUJIAN HIPOTESIS
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan apa arti pendugaan
parameter/statistic
2. Mahasiswa dapat menjelaskan hubungan beberapa sampel dengan
kesalahan duga
3. Mahasiswa dapat menjelaskan tentang apa yang dimaksud dengan
pendugaan titik dan pendugaan interval
4. Mahasiswa dapat menjelaskandan memahami pendugaan rata-rata
dan proporsi, memahami pendugaan beda rata-rata dan beda
proporsi
211
UJI HIPOTESIS
PENDAHULUAN
Hipotesis adalah suatu pernyataan sementara tentang parameter
suatu populasi
Misalnya :
Rata-rata penghasilan karyawan di suatu kota X Rp 200.000,-/ minggu
Proporsi mahasiswa di suatu universitas yang tidak suka membaca
teks book lebih dari 50%.
Tidak ada perbedaan antara rata-rata gaji guru SMA di Jawa dan di
luar Jawa
Proporsi mahasiswa yang tidak suka membaca teks book di
Universitas lebih kecil daripada mahasiswa di Universitas B.
Bagaimana membuktikan pernyataan-pernyataan tentang populasi
tersebut? Untuk membuktikan pernyataan tersebut dengan cara
”pengambilan sampel” yang dianalisa dan hasilnya (statistik sampel)
digunakan untuk ”menguji” kebenaran hipotesis.
Pengujian Hipotesis
Pengujian hipotesis yaitu suatu prosedur yang didasarkan pada
bukti-bukti sampel dan teori probabilitas yang digunakan untuk
menentukan apakah suatu hipotesis adalah pernyataan yang
beralasan dan harus diterima atau tidak beralasan sehingga harus
ditolak.
212
Skema uji hipotesis :
Populasi Pernyataan parameter populasi
(Hipotesis)
213
Pengujian Hipotesis Standard secara searah dengan alpha 5%
atau 0,05
α = 5%
b 95%
214
Rumus : Ho : H 0 Ha : H 0
t /2 t / 2
Daerah Peneriaan Ho
215
b)Uji Hipotesis Satu Sisi
Rumus : Ho : H 0
Ha : H 0
Ha : H 0
Skala Z Z /2
Skala Z Z / 2
216
PROSEDUR ”PENGUJIAN HIPOTESIS”
Contoh :
Rata-rata
1 2 maka Ha 1 2
100 maka Ha 100
1 2 maka Ha 1 2
Proporsi :
P1 P2 maka Ha P1 P2
P 0,4 maka Ha P 0,4
P1 P2 maka Ha P1 P2
217
3. Uji Distribusi
A. Setelah menentukan tingkat nyata ( ), kita dapat
menentukan ”kriteria” penerimaan Ho dan Ha atau
”daerah”penerimaan Ho dan Ha
Ada 3 macam pengujian (tergantung pada Ha nya) yang
menentukan bentuk daerah penerimaan Ho dan Ha, yaitu :
/2
100
b) Pengujian Satu Arah :
Bila Ha menyatakan 100, maka Ho nyatakan 100
Ho: 100
218
100
B. Menentukan Titik Kritis :
Yaitu Nilai yang memisahkan daerah penerimaan Ho dan Ha
dengan bantuan Tabel Z / Tabel Distribusi Normal
Standard (untuk n lebih besar 30 atau n1+n2 lebih besar 30)
Dengan bantuan Tabel t, bila n lebih kecil dan sama dengan
30 atau n1+n2 lebih kecil dan sama dengan 30.
Contoh :
Sampel besar dengan alpha ( ) = 5%
Pengujian dengan dua arah besarnya alpha dibagi 2 yaitu
/ 2 = 2,5%
Maka,untuk mencari Titik Kritisnya (dengan tabel Z): dicari nilai Z
yang memberikan luas mendekati 47,5% atau
0,4750 (ini dari 50% - 2,5%) maka angka yang diperoleh
1,645
Dalam gambar Distribusi Normal sbb :
2,5% 2,5%
47.5% 47,5%
Z / 2 1,96 Z / 2 1,96
4. PengambilanKeputusan
Untuk dapat menentukan apakah kita menerima Ho atau Ha,
diperlukan ”nilai statistik uji”, yaitu suatu nilai yang
219
ditentukan dari informasi sampel yang digunakan untuk
menerima atau menolak Hipotesis Nol (Ho)
Statistik uji dinyatakan dalam variabel normal
standard (Z)
atau t
Misalnya : statistik uji untuk menguji rata-rata
populasi Melalui rumus sbb :
X Ho X Ho
Z
X
n
X Ho
t
X
5. Kesimpulan
Bila keputusan menerima Ho, maka kesimpulannya
berdasarkan hipotesis dalam Ho
Bila keputusan menolak Ho, maka kesimpulannya
berdasarkan hipotesis dalam Ha
220
Manajer pengendalian mutu mengatakan bahwa semua mesin
beroperasi dalam terkendali pada tingkat 100 unit dengan
standard deviasi 9 unit. Seorang peneliti ingin membuktikan
pernyataan tersebut. Dari semua mesin yang beroperasi diambil
36 mesin sebagai sampel yang beroperasi pada tingkat 98 unit.
Apakah informasi dari sampel itu dapat mendukung pernyataan
manajer pengendalian mutu tersebut ?
Jawab :
2,5% 2,5%
47,5% 47,5%
221
d. Pengambilan Keputusan :
X H 0 X Ho 98 100
Z 1,33
X 9
n 36
2,5% 2,5%
Daerah
Terima Ho
Z / 2 1,96 Z / 2 1,96
Z = -1, 33
e. Kesimpulan :
222
unit. Dengan tingkat signifikansi 5%, uji hipotesis dapat dilakukan
prosedur sbb :
Jawab :
a) Perumusan hipotesis
Volume penjualan pasar I = 1 Ho: 1 2
Volume penjualan pasar II = 2 Ho: 1 2
b) Tingkat signifikansi : 5%
c) Uji distribusi, pengujian dua sisi : / 2 5%/ 2 2,5%
Nilai kritis dengan / 2 2,5% adalah 1,96
d) Ambil Keputusan :
Dengan statistik uji, melalui rumus :
/ 2 2,5% / 2 2,5%
47,5% 47,5%
- 1,96 O +1,66
1,96
e) Kesimpulan :
Karena Z- hitung (1,665)terletak diantara nilai Z-tabel (+/-
1,96), maka keputusannya menerima Ho, artinya tidak ada
perbedaan rata-rata volume penjualan antara pasar I dan II.
223
Suatu perusahaan jasa menyatakan bahwa 65% konsumen
merasa puas atas pelayanan perusahaannya. Untuk membuktikan
pernyataan tersebut dilakukan penelitian dengan minta respons
dari konsumen jasa perusahaan tersebut, didapat informasi bahwa
dari 250 konsumen beri respons, 165 konsumen merasa puas
dengan pelayanan. Apakah pernyataan perusahaan tersebut dapat
dibenarkan secara statistik dengan tingkat signifikansi 5% ?
Jawab:
p x 165 0,66
n 200
p(1 P) 0,66(0,34) 0,33
p
n 200
224
Lihat di kurva Distribusi Normal :
/ 2 2,5%
/ 2 2,5%
Daerah
Terima Ho
-1,96 +1,96
e) Kesimpulan :
Jawab :
d) Ambil keputusan :
225
Dengan statistik uji, dengan rumus :
p1 p2
Z 0,10 0,15 1,63
0,03077
P1P 2
X1 X 2 45
p1 20 0,10 ; p2 0,15
n1 200 n2 300
X1 X 2
P 20 45 0,13
n1 n2 200 300
5%
5% Daerah
Terima Ho
45% 45%
e. Kesimpulan :
226
SOAL URAIAN :
SOAL LATIHAN :
Ha : p 0,70
227
3. Hipotesis-hipotesis berikut ini diberikan :
Ho; p 0,40
Ha : p 0,40
Ho: 1 2
Ha: 1 2
a) 5% atau 0,05
b) 1% atau 0,01
228
6. Sebuah sampel yang terdiri dari atas 300 bungkus mie instan yang
dipilih secara random, setelah diteliti ternyata ada 27 bungkus yang
kadaluarsa. Apakah hasil sampel di atas merupakan suatu bukti bahwa
proporsi mie instan yang kadaluara lebih dari 6% gunakan alpha = 5%
dan 1%.
7. Sebuah sample yang terdiri dari 200 buah baterai yang dipilih secara
random, setelah diteliti ternyata ada 6 batere yang tidak bisa dipakai.
Apakah hasil sampel diatas merupakan suatu bukti bahwa proporsi
batu batere yang rusak kurang dari 6%. Gunakan alpha 5% dan 1%.
8. Secara random dipilih 70 gelas air mineral merk FIT dan 75 gelas air
mineral merk AQUA. Setelah dilakukan penimbangan ternyata isi rata-
rata air mineral FIT adalah 510 mililiter dengan deviasi standard 25
mililiter, sedangkan isi raa-rata merk AQUA 518 mililiter dengan
standard deviasi 24 mililiter. Apakah dapat disimpulkan bahwa rata-
rata air mineral FIT lebih sedikit bila dibandingkan dengan merk AQUA.
Gunakan alpha 5%.
9. Suatu penelitian dilakukan untuk menduga proporsi penduduk suatu
kota dan desa yang menyetujui dibangunnya sebuah pembangkit listrik
tenaga nuklir. Dari hasil penelitian ternyata diperoleh 63 diantara 100
penduduk kota menyetujui pembangunan tersebut sedangkan diantara
125 penduduk desa hanya 59 penduduk yang menyetujui
pembangunan tersebut. Apakah ada perbedaan yang nyata antara
proporsi penduduk kota dengan desa yang menyetujui rencana
pembangunan pembangkit listrik tenaga nuklir tersebut. Gunakan alpha
4%.
10. Pabrik sepatu BATA menyatakan bahwa rata-rata berat sepatu yang
diproduksi adalah 300 gram dengan deviasi standard 40 gram. Untuk
menguji hipotesis tersebut diambil sampel secara random (acak)
sebanyak 20 sepatu dan setelah ditimbang ternyata rata-rata berat
sepatu tersebut 315 gram. Ujilah dengan alpha = 10%. Apakah
229
pernyataan dari perusahaan tersebut benar ataukah rata-rata berat
sepatu lebih besar ?
1. Pernyataan sementara
2. Maksud dan tujuan uji hipótesis ialah suatu prosedur yang didasarkan
pada bukti-bukti populasi dan sampel serta teori probabilitas yang
digunakan dalam pembuatan keputusan untuk menentukan apakah
suatu hipótesis adalah pernyataan yang beralasan dan harus diterima
atau tidak beralasan sehingga harus ditolak.
Populasi Pernyataan
parámeter populasi
(Hipotesis)
230
Kesalahan jenis II adalah : Jika dalam pengambilan keputusan
diinginkan, kemungkinan (probabilitas) terjadinya kesalahan
menerima Ho padahal Ho itu salah.
Keputusan
231
Daerah Daerah
Penolakan Ho Penolakan Ho
Daerah
Penerimaan Ho
Z / 2 Z / 2
9. Pengujian satu sisi adalah : uji hipotesis akan menolak hipotesis nol
(Ho) jika nilai statistik sampel secara signifikan (bermakna) hanya lebih
besar dari nilai parameter populasi atau hanya lebih kecil dari nilai
parameter populasi. Misalnya uji hipotesis dengan Ho : 1 2 dan
hipotesis alternatif (Ha) : 1 2 atau 1 2 cocok menggunakan
pengujian satu sisi
Daerah
Penerim
Z /2
Daerah
Penolakan Ho Daerah
Penerim
Z / 2
232
10. Prosedur pengujian hipotesis adalah sbb :
a) Perumusan Hipotesis: Ho dan Ha
b) Menentukan tingkat signifikansi: ...%
c) Uji Statistik / uji distribusi: uji hipotesis dua atau satu sisi
d) Ambil Keputusan: dengan menghitung nilai Z atau t
e) Kesimpulan : menerima Ho atau menolak Ho
Kunci jawaban soal uji hipotesis
233
MODUL XII
DISTRIBUSI KAI KUADRAT ( X2 )
Tujuan Pembelajaran
234
DISTRIBUSI KAI KUADRAT ( X2 )
Langkah-langkah pengujiannya.
235
H1 : P1 ≠ P2 ≠ P3 ........... (≠P)
Ho Ho ditolak
diterima
X2α (k-1)
Keterangan :
i = 1, 2, j = 1, 2, 3, 4, ................
236
5. Membuat Kesimpulan :
Menyimpulkan Ho diterima atau ditolak dengan
membandingkan nilai dari uji Statistiknya (langkah ke-4)
dengan kriteria pengujiannya (langkah ke – 3).
Contoh soal:
H1 H2 H3 H4 Jumlah
Rusak 14 17 8 2 41
Penyelesaian :
1.Formulasi hipotesis:
Ho : P1 = P2 = P3 =P4
4. Uji statistic:
n1 = 41 n2 = 294 n = 335
n1 = 104 n2 = 124 n3 = 84
n4 = 23
i= 1,2 j = 1,2,3,4
41 x 104
e11 = = 12,73
335
41 x 124
e12 = = 15,18
335
41 x 84
e13 = = 10,28
335
41 x 23
e14 = = 2,81
335
294 x 104
e21 = = 91,27
335
294 x 124
e22 = = 108,82
335
294 x 84
e23 = = 73,72
335
294 x 23
e24 = = 20,19
238
335
eij
Jumlah 1,25
X2 = 1,25
5. Kesimpulan :
Keterangan :
b = baris
k = kolom
5. Membuat kesimpulan :
Menyimpulkan penerimaan dan penolakan Ho
Contoh soal:
240
Pemilik perusahaan PT LANCAR berpendapat bahwa sikap
para karyawan mengenai kondisi kerja yang diperolehnya
diberbagai divisi adalah sama. Adapun datanya adalah
sebagai berikut:
Baik 76 85 91 75 327
Cukup 25 32 40 28 125
Buruk 12 15 10 11 48
Penyelesaian :
241
3. Kriteria pengujian :
4. Uji Statistik :
2
(nij eij) 2
k
X 2
o
.
i 1 j 1 eij
eij nj( ni) (ni).(nj)
n n
X2 = 2,6993
5. Kesimpulan :
Karena X2 = 2,6993 <X2α 0,01(6) = 16,812 , maka Ho
diterima. Jadi pendapat pemilik perusahaan bahwa proporsi
sikap para karyawan mengenai kondisi kerja yang
diperolehnya diberbagai divisi sama adalah benar.
Keterangan :
b = baris
k = kolom
2
2 k
. (nij eij) 2
X o
i 1 j 1 eij
eij nj( ni) (ni).(nj)
n n
5. Membuat kesimpulan :
Menyimpulkan Ho diterima atau ditolak.
Contoh soal:
243
Ujilah hipotesis pada taraf nyata 5%, bahwa banyaknya anak tidak
bergantung (bebas) pada tingkat pendidikan kepala keluarga.
Penyelesaian:
1. Formulasi hipotesis
Ho : banyaknya anak bebas dari tingkat pendidikan.
Hi : banyaknya anak tidak bebas dari tingkat pendidikan
X2 = 7,44
5. Kesimpulan :
Karena X2 = 7,44 <X2o ≤ 9,488, maka Ho diterima. Jadi
banyaknya anak tidak bergantung (bebas) dari tingkat pendidikan
kepala keluarga.
Taraf nyata (α) dan X2 tabel ditentukan dengan derajat bebas (db) =
k –N
X2
α (k-N) = ......
Keterangan :
(f0– fe)2
X2o = Σ
fe
245
Keterangan:
f0 = frekuensi pengamatan fe
= frekuensi harapan.
e. Membuat kesimpulan.
Menyimpulkan apakah Ho diterima atau ditolak.
Contah soal:
Total 120
246
Pemain Jumlah Kartu Yang Jumlah Kartu
Terjual Yang diharapkan
(fo) Terjual
(fe)
Tom Seaver 13 20
Nolan Ryan 33 20
Ty Cobb 14 20
George Brett 7 20
Hank Aaroon 36 20
Jhony Brench 17 20
Σ (f0– fe)2
X2o =
fe
4. Rumuskan aturan keputusan
Uji hipotesis dilakukan dengan cara mencari angka yang
memisahkan daerah dimana Ho tidak ditolak dari daerah
penolakan angka ini disebut nilai kritis
247
Sebuah Bagian dari Tabel Chi- Kuadrat
Pemain fo
Base Ball f0 fe ( fo-f e) ( fo-f e) 2
fe2
fe
Tom 13 20 -7 49 49/20 = 2,45
Seaver 33 20 13 169 169/20 = 8,45
Nolan 14 20 -6 36 36/20 = 1,80
Ryan 7 20 -13 169 169/20 = 8,45
Ty Cobb 36 20 16 256 256/20 = 12,80
George 17 20 -3 9 9/20 = 0,45
Brett
Hank
Aaroon
Jhony
Brench
0 X2 = 34,40
Selisih harus =
248
5. Hitung nilai Chi – kuadrat dan buat keputusannya
fe
249
MODUL XIII
Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan arti dan tujuan penggunaan analisa
regresi dan korelasi sederhana
2. Mahasiswa dapat menjelaskan bentuk hubungan dan keeratan
antara kedua variabel
3. Mahasiswa dapat menjelaskan pengujian hipotesis koefisien korelasi
dan koefisien regresi sederhana
250
REGRESI DAN KORELASI
Y ' a bX
251
Peristiwa lainnya yang mempengaruhi perobahan
peristiwa Y
a
Y b X ; b
n XY X Y
n n X 2 X 2
n XY X Y
Rumus : r
n X 2 X nY Y
2 2
2
S 2
Rumus : k
2 y
y2
Y Y
2
2
2
y
N N
252
Artinya : Variasi variabel Y tidak dapat diterangkan oleh / tidak
berasal dari variabel X sebesar k 2 (dalam %).
Koefisien Determinasi ( r 2 ) :
S 2
Rumus : r 1 k
2 2
atau r 2 1 y
y2
Se
Y Y 2
atau Se
Y 2
b XY
n2 n2
Artinya :
253
A. PENDUGAAN DAN PENGUJIAN PARAMETER A
Prosedur :
2. Tingkat signifikansi :
Menentukan besarnya alpha ( ) berapa persen.
3. Uji Distribusi :
Memakai uji distribusi dua sisi misal alpha 5%
/ 2 =2,5%
( 1 = factor koreksi )
4. Ambil keputusan :
( 2Y /X )( X 2
Sa
n( X 2 )
(Y 2 b XY)
1
2Y /X
n2
5. Kesimpulan :
Bila t hitung > t tabel menolak Ho
254
Interval keyakinannya sebesar 95% dapat diberikan
secara umum sebagai berikut
Contoh soal :
X 2
10.378.461,18 XY 587.078,14
Jawab :
1. Ho : A = 0 Ha : A = 0
2. Alpha 5% = 0,05
3. Statistik uji : t
a Ao
secara dua arah dengan degree of
Sa
freedom (df) = n-2
4. Daerah kritis adalah :
t < t(0,025;9) dan t t(0,025,9)
atau
255
a Ao 29,997 0
5. t hitung = = = 6,4069
Sa 4,682
(Y 2 b XY)( X ) 2
1
S 2 a n 2
nX 2
1
34.067,30 (0,0566)(587.078,1426.855.704,50
S 2a 9 21,921
1110.378.461,18
Sa 21,921 4,682
6. Kesimpulan :
Karena 6,4069 > 2,2622, maka Ho ditolak atau menerima
Ha, artinya garis regresi populasi tidak melalui titik asal nol
atau Y / X tidak sama nol dimana X=0.
256
B. PENDUGAAN DAN PENGUJIAN PARAMETER B
t b B atau t b 2 B
Sb Y/X
X 2
Prosedur pengujian :
1. Hipotesis : Ho: B 0
Ha: B 0
257
3. Uji statistik t b B secara searah dengan df = n-2
Sb
4. Daerah kritis adalah :
t t(0,025,n2) atau t > 1,833
5. t hitung t bB
Sb
6. Ambil keputusan
7. Kesimpulan
Contoh soal :
XY 587.078,14
Jawab :
1. Hipotesis : Ho: B 0
Ha: B 0
2Y /X 93,1864
Sb 0,0029 0,003
X 2
10.378.461,18
258
5. Keputusan:
Karena 18,866 > 1,833 maka kita menolak Ho atau
menerima Ha, artinya memang terhadap hubungan linier antara
kedua variabel tersebut.
1. Pendugaan parameter
1 1 )
P(zr z /2 z z /2
n 3
zr r
n3
Contoh :
259
Jawab:
zr , menjadi :
1 1
P(zr z / 2 zr zr z / 2 )
n 3 n 3
1
P(2,531,96 1 zr 2,531,96 ) 0,95
8 8
Jika kita cari kembali nilai batas zr dengan tabek yang sama,
maka akan diperoleh ekivalen bagi nilai 1,84 dan 3,22 masing-masing
sebesar r = 0,9508 dan r = 0,9951. Maka kita
memperoleh interval keyakinan sebesar 0,95 bagi adalah:
P(0,9508 0,9951
2.Pengujian parameter
Prosedur :
a) Perumusan Hipotesis :
Bila diduga variabel satu mempunyai korelasi dengan variabel
lain, maka rumusan hipotesisnya adalah
Ho : 0
Ha : 0
260
Bila Korelasi positif Ho : 0
Ha : 0
Ha : 0
b) Tingkat signifikansi :
Misalnya tingkat signifikansi diambil alpha 5%
c) Uji distribusi :
Untuk menguji koefisien korelasi, dengan distribusi ”t” Nilai kritis /
nilai t-tabel berdasarkan :
Tingkat signifikansi (alha: 5%)
d) Ambil Keputusan :
Dengan statistik uji : dengan rumus t hitung yaitu :
r n 2
t hitung
1 r 2
e) Kesimpulan :
Bila keputusan menerima Ho kesimpulannya Tidak ada
korelasi
261
Contoh soal :
Jawab :
1. Hipotesis, Ho: 0
Ha: 0
r n2
3. Uji statistik dengan uji t, yaitu t , dengan df = 9
2
1 r
4. Daerah kritis yaitu :
t t(0,05,9) atau t 1,833
(0,9873) 9
5. t hitung = 18,66
1 (0,9873)2
6. Kesimpulan:
karena 18,66 > 1,833 maka Ho ditolak dan menrima Ha
artinya memang ada buhungan antara dua variabel tersebut
262
MODUL XIV
Tujuan pembelajaran :
1. Mahasiswa dapat menjelaskan apa arti dan tujuan regresi dan
korelasi berganda
2. Mahasiswa dapat menjelaskan bentuk hubungan dan keeratan
hubungan antara dua variabel atau lebih
3. Mahasiswa dapat menjelaskan pendugaan dan pengujian
hipotesisparameter koefisien korelasi, koefisien regresi baik secara
parsial dan simultan
263
REGRESI DAN KORELASI BERGANDA LINIER
Y(X1X 2) a b1 X 1 b2 X 2 .....bn X n
dimana Y : variabel dependen / tergantung
a : bilangan konstanta
b1 : koefisien regresi b1
b2 : koefisien regresi b2
bn : koefisien regresi bn
I Y na b X 1 1 b2 X 2
II YX 1 a X 1 b1 X 12 b2 X1 X 2
III YX 2 a X 2 b1 X 1 X 2 b2 X 2 2
264
Varians sekitar regresi berganda linier dan korelasi berganda linier
S 2
Y(X1X 2)
Y b ( YX ) b ( YX )
2
1 1 2 2
nm
Dimana Y 2
variasi total dari variabel dependen Y
2
b1 ( YX1) b2 ( YX2 )
r
Y
Y ( X1X2)
2
k 2 1 r 2Y ( X1X 2) :
265
* Rumus Korelasi Berganda Linier (r)
1 r 2Y ( X1X 2)
r 2
YX1( x2) 1
1 r 2Y (X 2)
1 r 2Y ( X1X 2)
r 2
YX 2( x1) 1
1 r 2Y ( X1
n X 1Y X 1 Y
rYX1
n X 1 2 X 1
2
n Y Y
2 2
n X 2Y X 2 Y
rYX 2
n X 2 2 X 2
2
n Y Y
2 2
266
n X 2X1 X 2 X1
rX1X 2
n X 2 2 X 2
2
n X 1
2
X
1
2
SY (X1X 2)
S b1
X
; dengan df = (n-k-1)
1
2
nX 12 1 rX1(X
2
2)
SY (X1X 2)
S b2
X 1 r
; dengan df = (n-k-1)
2
2
nX 2
2
2
X1(X 2)
267
Pengujian Parameter Koefisien Regresi Berganda
b B
3. Statistik uji: t1 1 1 dengan df (degree of freedom) = n-k-1
Sb1
b B
t 2 2 2 dengan df (degree of freedom) = n-k-1
Sb2
/2 /2
268
6. Keputusan
7. Kesimpulan
n k 1
t rYX1( X 2) 2
dan
1 rYX1( X 2)
n k 1
t rYX2(X1) 2
1 rYX2(X1)
2. Tingkat signifikansi 5%
3. Statistik uji
n k 1
t rYX1( X 2) 2
; dengan df = n-k-1
1 rYX1( X 2)
n k 1
t rYX 2( X1) 2
; dengan df = n-k-1
1 rYX 2( X1)
4. Daerah kritis :
t > ..... atau t < ......
269
n k 1
5. Bagi uji YX1( X 2) , t rYX1( X 2) 2
= ........
1 rYX1( X 2)
n k 1
Bagi uji YX2( X1) , t rYX 2( X1) 2
= ........
1 rYX 2( X1)
6. Keputusan
7. Kesimpulan
270
MODUL XV
STATISTIK NONPARAMETRIK
Tujuan Pembelajaran :
1. Mahasiswa dapat memahami dan mengerti pentingnya statistik
nonparametrik.
2. Mahasiswa dapat memahami dan mengerti Uji Tanda (Sign Test)
3. Mahasiswa dapat memahami dan mengerti Uji Urutan Bertanda
Wilcoxon (The Signed Rank Test)
4. Mahasiswa dapat memahami dan mengerti Uji Korelasi
Spearman (The Rank Correlation Test)
5. Mahasiswa dapat memahami dan mengerti Uji Mann-Whitney
( U Test)
6. Mahasiswa dapat memahami dan mengerti Uji Kruskal-Wallis
(H Test)
271
STATISTIK NON PARAMETRIK
272
2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisas
disusun dalam urutan atau klasifikasi rankingnya;
5) Membuat kesimpulan
273
atas besarnya perbedaan. Uji tanda biasanya digunakan untuk
mengetahui pengaruh sesuatu .
Langkah –langkah pengujian dengan uji tanda ialah sebagai
berikut.
e.Membuat kesimpulan
Menyimpulkan Ho diterima atau ditolak.
Catatan :
Untuk sampel besar ( n ≥ 30), uji statistiknya adalah
2r-n
CR =
√n
274
275
Keterangan :
r = Jumlah tanda positip
n = Jumlah pasangan observasi yang relevan
Langkah–langkah pengujiannya sama dengan langkah-
langkah pengujian sebelumnya, menggunakan distribusi Z.
Contoh Soal :
Direktur PT. Prima Bergaya ingin mengukur peningkatan
mutu kerja karyawannya di perusahaannya, setelah
memberlakukan kenaikan gaji. Untuk itu diambil sampel
sebanyak 10 karyawan. Datanya adalah sebagai berikut.
Sesudah 72 88 82 67 88 67 75 75 90 76
Ujilah dengan taraf signifikan nyata 5%, apakah ada peningkatan mutu
kerja karyawan setelah gaji naik?
276
Penyelesaian :
1 71 72 -
2 91 88 -
3 86 82 -
4 60 67 +7
5 83 88 +5
6 70 67 -
7 72 75 +3
8 65 75 +5
9 80 90 +10
10 72 76 +4
a. Formulasi hipotesisnya :
α = 5% = 0,05
c. Kriteria pengujiannya :
277
2. Uji Urutan Bertanda Wilcoxon (The Signed Rank Test)
Uji urutan bertanda Wilcoxon pertama kali diperkenalkan
oleh Frank Wilcoxon pada tahun 1945 sebagai penyempurnaan
dari uji tanda. Pada uji urutan bertanda tersebut, disamping
memperhatikan tanda perbedaan (positif atau negative) juga
memperhatikan besarnya beda dalam menentukan apakah ada
perbedaan nyata antara data pasangan yang diambil dari sampel
atau sampel yang berhubungan.
278
a) Angka 1 untuk yang kecil dan seterusnya.
jenjang .
e. Membuat kesimpulan
Catatan :
T-E(T)
Z =
Þr
n(n+1)
E(T) =
4
n(n+1) (2n+1)
Þr =
24
279
Langkah-langkah pengujiannya sama dengan langkah
Contoh Soal :
Pasien A B C D E F G H
Keterangan :
Dengan taraf nyata 5%, ujilah apakah obat tersebut tidak memiliki efek
terhadap kapasitas pernapasan!
Penyelesaian:
a. Formulasi Hipotesisnya :
Ho: obat tidak memiliki efek terhadap kapasitas pernapasan (tidak ada
perbedaan anrtara pasangan data)
280
b. Taraf nyata (α) dan nilai t tabelnya :
α = 5% = 0,05 dengan n = 8
T 0,05 = 4 ( uji dua sisi)
c. Kritreria pengujiannya :
Ho diterima apabila To ≥ 4
Ho ditolak apabila To < 4
d. Nilai uji Statistiknya :
(Y-X) + -
Jadi T= 8
e. Kesimpulan :
Karena T= 8 > T0,05 = 4 , maka Ho diterima, jadi obat tidak memilki
efek terhadap kapasitas pernapasan.
281
3. Uji Korelasi Urutan Spearman ( The Rank Correlation Test)
6ð
rs =1 - -------------------------
n(n2 -1)
Ketrerangan :
282
Untuk menghitung koefisien korelasi urutan Spearman dapat
digunakan langkah-langkah berikut :
Contoh Soal :
Penyelesaian :
1 82 8 79 6 +2 4
2 75 5 80 7 -2 4
3 85 9 89 10 -1 1
4 70 4 65 3 +1 1
5 77 6 67 4 +2 4
6 60 1 62 2 -1 1
7 63 2 61 1 +1 1
8 66 3 68 5 -2 4
9 80 7 81 8 -1 1
10 89 10 84 9 +1 1
Jumlah 22
283
6(22)
rs = 1-
10(102-1)
= 0,867
Apabila nilai nilai dari tiap variabel (x dan y) ada yang sama
maka lebih dahulu dicari nilai tengah urutan nilai-nilai yang sama
tersebut . Rumus rs menjadi :
+ -
rS =
2
n3 – n t3x-tx
r2x = -
n n
n3 – n t3y-ty
2
r y= -
n n
Keterangan :
tx : Jumlah variabel X yang urutannya sama
ty : Jumlah variabel Y yang urutannya sama
b. Pengujian hipotesis rs
284
Langkah-langkah pengujian sebagai berikut :
5) Membuat Kesimpulan
Catatan :
n-2
t0= rs dengan db = n-2
2
1- rs
285
Contoh soal:
Dengan menggunakan data dari tabel di atas ujilah apakah
ada korelasi positif yang nyata antara nilai matematika dengan
nilai statistik mahasiswa ? gunakan taraf nyata 5%
Penyelesaian :
1. Formulasi hipotesisnya :
Ho: rs = 0 (Tidak ada hubungan antara nilai matematika dan
nilai statistik )
H1 : rs>0 (Ada hubungan positif antara nilai matematika dan nilai
statisttik )
rs = 0,867
5. Kesimpulan :
Uα(n1)(n2) = ........
n1(n1+ 1) 2
U1 =
n1 . n2 –R1
Atau
N2(n2+ 1) 2
U1 =
n1 . n2 –R2
Catatan :
U-E(U)
Z=
U
n1.n2
E(U) =
2
.n2(n1+ n2+ 1)
u=
Sampel I 3 8 2 5 4
Sampel II 7 1 11 9 8 6 10
Ujilah dengan taraf nyata 1%, apakah rata-rata kedua sampel tersebut,
yaitu gaji sarjana ekonomi dan sarjana teknik sama!
288
Tabel
Penyelesaian :
5(5+1)
U1 = 5 x 7 + - 22,5
2
= 27.5
7(7+1)
U2 = 5 x 7 + - - 55,5
2
= 27.5
Jadi, U = 7,5
Pemeriksaan U :
7,5 = 5 x 7 – 27,5
= 35 – 27,5
= 7,5.
a. Formulasi hipotesisnya:
H0 : µ1 = µ2
H1 : µ1> µ2
b. Taraf nyata (α) dan nilai U tabelnya :
α = 1% = 0,01 dengan n1 = 5 dan n2 = 7
U0.01(5)(7) = 3
c. Kriteria Pengujian
H0 : diterima apabila U≥ 3
289
H1 :ditolak apabila U<3
290
d. Nilai statistic U adalah
U = 7,5
e. Kesimpulan :
KarenaU = 7,5 >U0.01(5)(7) = 3 , maka H0 diterima , jadi rata sampel I
sama dengan sampel II
291
c. Menentukan kriteria pengujian.
H0 diterima apabila H ≤ X2
α (k-1)
2
H0 ditolak apabila H >X α (k-1 )
12 Rk2
Rumus H = Σ - 3(N+1)
N(N+1) nk
Keterangan :
k = banyaknya sampel
N = jumlah ukuran sampel (n1 + n2 + n3 + ... + nk)
nk = ukuran sampel
R = jumlah urutan.
e. Membuat Kesimpulan
Menyimpulkan H0 diterima atau ditolak.
Contoh soal:
Suatu percobaan untuk membandingkan umur rata-rata tiga merek
bola lampu telah dilakukan. Datanya adalah sebagai berikut:
Merk A 82 79 71 75 70
Merk B 73 64 67 62 74 68 75
Merk C 80 84 81 77 83 79
Ujilah dengan taraf nyata 5%, apakah rata-rata umur ketiga bola lampu
tersebut sama!
292
Penyelesaian:
82 16 73 7 80 14
79 12.5 64 2 84 18
71 6 67 3 81 15
75 9.5 62 1 77 11
70 5 74 8 83 17
68 4 79 12.5
75 9.5
49 34.5 87.5
k = 3 n2 = 7 n3 = 6
n1 = 5 R2 = 34,5 R3 = 87,5
R1 = 49
a. Formulasi hipotesisnya:
H0 : µ1 = µ2= µ3
H1 : µ1 ≠ µ2 ≠ µ3
b. Taraf nyata ( α) dan nilai X2 tabelnya:
α= 5% = 0,05 db = 3 – 1 =2
c. Kriteria pengujian :
H0 diterima apabila H ≤ 5,991
H0 ditolak apabila H > 5,991
293
d. Nilai uji statistic:
H =
= 10,589
e. Kesimpulan :
6. Uji Randomness
294
c. Menentukan criteria pengujian
Ho diterima apabila r hitung terletak di antara r tabel batas
bawah dan r tabel batas atas.
Ho ditolak apabila r hitung lebih kecil dari r tabel batas
bawah atau lebih besar dari r tabel batas atas.
e. Membuat kesimpulan
Menyimpulkan Ho diterima atu ditolak.
Catatan :
r r
Z
r
2n .n
r 1 2 1
n1 n2
2n1 .n2 2n1 .n2 n2 n1 n2
r
n1 n2 2 n1 n2 1
295
Langkah-langkah pengujiannya sama dengan langkah-langkah
pengujian sebelumnya , menggunakan distribusi Z ( nilai Z) dengan uji
statistik yang merupakan uji dua sisi.
Contoh Soal
Penyelesaian :
a. Formulasi Hipotesisnya :
Ho : data diambil secara random
H1 : data diambil tidak secara random
c. Kriteria pengujian :
Ho diterima pabila 4 ≤ r ≤ 13
Ho ditolak apabila r < 4 atau r > 13
2) Median data : 23
296
3) Tanda-tanda data :
----+-++++-+-- +
4) n1 = 8 dan n2 = 7
5) r =8
e. Kesimpulan
x2
α(1) = ......
Ho diterima apabila x2 ≤ x2
0 α(1)
297
d. Menentukan nilai uji Statistik
Total a + c = n1 b + d = n2 n1 + n2 = n
2) rumus x2 :
0
e. Membuat Kesimpulan
298
Contoh Soal :
Upah pekerja 73, 75, 81, 68, 72, 63, 77, 59, 69, 55, 48,
Wanita 93, 52, 71, 66
Upah pekerja 55, 50, 73, 90, 61, 88, 40, 62, 51, 79, 43,
Pria 86, 92, 57, 43
Ujilah dengan taraf nyata (α) = 55, apakah kedua median populasi
tempat sampel diambil sama !
Penyelesaian :
a. Formulasi hipotesisnya :
2) Frekuensi Nilai :
299
Frekuensi Pekerja Wanita Pekerja Total
Pria
Di atas median 9 6 15
kombinasi
6 9 15
Di atas median
kombinasi
Total 15 15 30
3) Rumus x2
0 :
30((l 81 – 36 l - 15)2
2
x 0=
(15) (15) (15) (15)
= 0,53
e. Kesimpulan :
300
DAFTAR PUSTAKA
301