MODUL I

TINJAUAN UMUM TENTANG STATISTIK

Tatap Muka 1 Waktu 100 Menit SKS 2

Sub Pokok 1. Pengertian Data

Bahasan 2. Kegunaan Data
3. Ruang Lingkup
4. Pengertian Statistik
5. Menyusun Data dalam Tabel
6. Penyajian Data

Tujuan Pembelajaran :
1. Mahasiswa dapat menjelaskan arti umum dan arti luas statistik
2. Mahasiswa dapat menjelaskan metodologi pemecahan masalah
dengan statistik

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan arti umum dan arti luas statistik
2. Mahasiswa dapat menyusun data didalam tabel.

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.

Misalnya : Data penduduk Indonesia tahun 1995

Data eksport Indonesia tahun 2000

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.

1.6.Penyajian Data Statistik.

Data yang telah dikumpulkan perlu disajikan dalam bentuk yang
mudah dibaca atau dimengerti oleh pelaku ekonomi/bisnis, pembuat
keputusan, sebagai dasar membuat perencanaan atau mengambil
keputusan yaitu dalam bentuk tabel/garfik/diagram.
i. Tabel
Yaitu kumpulan angka–angka yang disusun sedemikian rupa
menurut kategori-kategori tertentu, sehingga kumpulan angka
tersebut mudah dianalisis.
ii. Grafik/Diagram
Yaitu gambar yang menunjukkan secara visual data berupa angka
yang berasal dari tabel yang telah dibuat.
iii. Macam bentuk tabel :
a). Tabel Klasifikasi Tunggal
b). Tabel Klasifikasi Ganda
c). Tabel Kontingensi
d). Tabel Frekuensi
a). Contoh Tabel Tunggal

Harga Barang/kg di Pasar “X”

Menurut Jenis Barang Tahun 2015
Jenis Barang Harga (Rp.1000)

A 4,00
B 5,00
C 6,00

7
 (b). Contoh Tabel Ganda

Harga Barang per kg di Pasar “X”

Menurut Jenis dan Kualitas Tahun 2015
Harga Barang (Rp.1000)
Jenis Barang Kw I Kw II Kw III
A 4 3,75 3
B 5 4.50 3,25
C 4.50 4.00 3,00

(c). Contoh Tabel Frekuensi/Distribusi Frekuensi

Data Harga Barang dengan Jumlah Pesanan

Barang di Pasar “X” Tahun 2015
Harga Barang (Rp.1000) Jumlah Pesanan (Kg)
5–9 5
10 – 14 8
15 – 19 12
20 – 24 10
25 – 29 5

C. Penyajian data dalam Bentuk Diagram/Gafik

1) Diagram ”Batang”
2) Diagram ”Lambang”
3) Diagram ”Lingkaran”
4) Diagram ”Garis”

8
 Contoh Diagram ”Batang” :

Harga Barang per kg di Pasar “X”

Menurut Jenis Barang Tahun 2015

4
(Rp.1000)

3
Harga

0
A B C
Jenis Barang

 Contoh Diagram ”Lambang” :

Harga Barang per kg di Pasar “X”

Menurut Jenis Barang Tahun 2015

A. : Rp. Rp. Rp. Rp.

B. : Rp. Rp. Rp. Rp. Rp.

Ket : Rp = Nilai Satu Ribu Rupiah

 Contoh Diagram ”Lingkaran” :

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%)

 Contoh Diagram “Garis” :

Berikut data nilai raport Indonesia tahun 2011-2015

Tahun Nilai Export
(US$)
2011 33.000
2012 36.000
2013 40.000
2014 45.000
2015 49.000

10
 Nilai Export Indonesia
Tahun 2011 – 2015
Nilai Export (Ribuan, US$)

50

40

30

20

10

Tahun
2011 2012 2013 2014 2015

Soal Pilihan Ganda (Multiple Choice)

1. Statistik yang mempelajari metode meringkaskan dan
menggambarkan segi-segi yang penting dari data dikenal sebagai
statistik ...........
a. Deskritif c. Generalitas
b. Inferensial d. Presis
2. Metode Statistik merupakan ilmu yang mempelajari tentang
pengumpulan data, pengolahan data, pengujian data, analisa data,
................data dan ...............data.
a. Interprestasi data d. Pembagian data
b. Kesimpulan data e. Pengumpulan data
c. Penghitungan data
3. Syarat data yang baik antara lain selain harus up to date (tepat
waktu), relevan dan ………………
a. Data harus obyektif/sesuai dengan keadaan yang sebenarnya.
b. Data harus mewakili/representatif
c. Data mempunyai tingkat kelelitian yang tinggi/valid
d. Data harus subyektif
e. Data harus reliable/derajat konsisten

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

KUNCI JAWABAN SOAL URAIAN

1. Cabang ilmu pengetahuan yang mempelajari cara metode:
pengumpulan, penyajian, analisis, interpretasi data dan pengambilan
keputusan dari suatu data sehingga data tersebut dapat memberikan
pengertian atau makna tertentu.
2. Sebagai alat bantu bagi para pelaku bisnis dan ekonomi dan bagi
pembuat keputusan membantu dalam hal: mengumpulkan hasil yang
telah dicapai dalam kegiatan tertentu, terutama dibidang ekonomi dan
bisnis
3. Data Statsitik adalah kumpulan keterangan tentang keadaan kejadian
atau gejala tertentu baik yang berbentuk angka atau tidak.
4. Ruang lingkup data statistik
a. Penyajian dan penyederhanaan data kuantitatif
b. Penaksiran populasi kuantitas dan testing hipotesis
c. Penentuan akurasi dari taksiran/estimasi tersebut.
d. Pengukuran variasi dan merencanakan eksperimen dan survey
5. Jenis data menurut waktu pengumpulan
a. Data seketika/Cross section data
b. Data berkala/Time Series data
6. Dalam bentuk Jenis data menurut pengukurannya
a. Data Nominal
b. Data Ordinal
c. Data Interval
d. Data Rasio

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

Grafik adalah gambar yang menunjukkan secara visual data berupa

angka yang berasal dari tabel-tabel yang dibuat.
Macam-macam Grafik yaitu
a. Grafik garis
b. Grafik balok/batang

15
 c. Grafik lingkaran
d. Grafik diagram lambang
e. Grafik kartogram/peta

12. Contoh Tabel

a. Klasifikasi Tunggal
Banyak Pegawai Perusahaan “X”
Menurut Pendidikan Tahun 2015
Pendidikan Banyaknya Pegawai
 SD 50
 SMP 40
 SMA 20
 Perguruan Tinggi 10

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

Tahun Nilai Eksport

(US $)
2010 33.000
2011 36.000
2012 40.000
2013 45.000
2014 49.000
2015 50.000

Gambar : contoh pada halaman ...

b. Grafik Balok (Baca halaman )
c. Grafik lingkaran (baca halaman ....)
d. Grafik/Dagram lambang (baca halaman ....)
13. Data adalah kumpulan keterangan tentang keadaan kejadian atau
gejala tertentu, baik yang berbentuk angka//tidak
14. Telusuri halaman .....

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

Tatap 2 Waktu 100 Menit SKS 2

Muka
Sub Pokok 1. Pengertian Variabel
Bahasan 2. Pengertian Distribusi Frekuensi
3. Tujuan dan Manfaat
4. Penggolongan Data
5. Cara Membuat Distribus Frekuensi

Tujuan Pembalajaran :
1. Mahasiswa dapa membuat penggolongan data
2. Mahasiswa dapat membuat Distribusi Frekuensi

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan pengertian Distribusi Frekuensi / DF
2. Mahasiswa dapat menjelaskan maksud dan tujuan DF

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.

Rumus Jumlah Kelas menurut HA. Sturges

K = Jumlah Kelas
K = 1 + 3,322 Log n
K = Jumlah Data

b. Menentukan Rentang Kelas (R) yaitu dengan cara data terbesar

dikurangi data terkecil, dinotasikan, dengan rumus :

R = Xn – X1 R Range/Rentang Kelas
Xn = Data Terbesar
X1 = Data Terkecil

c. Menentukan Beda Kelas/Interval (i) yaitu panjang kelas satu

dengan kelas berikutnya dengan rumus :

R R = Range/Rentang Kelas
i = Interval
i=
K = Jumlah Kelas
K

d. Memasukkan data pada masing–masing kelas/golongan dengan

menggunakan sistim Tally
e. Membuat Tabel Distribusi Frekuensi
Contoh Soal :
Hasil penelitian tentang pendapat/gaji bulanan dari 80 sampel
pedagang kaki lima di kota Jakarta pada tahun 2016 (dalam puluhan
ribu rupiah) sbb :

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

Berdasarkan data tersebut tentukan dalam bentuk distribusi frekuensi :

Jawab :
a. Banyak Kelas: K = 1 + 3,322 Log n
K = 1 + 3,322 Log 80
K = 1 + 3,322 (1,90)
K = 1 + 6,31
K = 7,31 = 7 atau sekitarnya.

b. Beda nilai data (R) R = Xn – Xi

R = 40 – 8 = 32
R 32
c. Beda Kelas (i) i= = = 4,57 = 5
k 7

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

2.6. Bagian dari Tabel Frekuensi

a. Kelas : yaitu tiap kelompok nilai variabel
b. Batas Kelas/Class Limit
 Yaitu nilai-nilai yang membatasi kelas yang satu dengan
kelas yang lain.
 Ada 2 batas kelas dalam tiap kelas, yaitu batas kelas bawah
dan batas kelas atas.
c. Tepi Kelas/Class Boundariss
 Tepi Kelas 1 bawah (lihat DF diatas, tabel 1)
= 8 - ½ (1 satuan)
= 8 - ½ (1)
= 7½

 Tepi kelas atas (lihat DF diatas pada tabel 1)

= 12 + ½ ( 1 satuan)
= 12 + ½
= 12,5
Contoh : Tepi kelas bawah = 7,5 (8-12) 12,5 Tepi kelas atas

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

7,5 12,5 17,5 22,5 27,5 32,5 37,5 42,5 Gaji/bulan

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

Tabel diatas disebut :

a. Histogram d. Distribusi Frekuensi
b. Poligon e. Tidak ada yang benar
c. Ogive
2. Berdasarkan soal No. 1. berapa beda kelas ?
a. 4 d 7
b. 5 e. 8
c. 6
3. Berdasarkan soal no. 1, berapa batas bawah dan atas kelas ?
a. 10 dan 14 d. 20 dan 24
b. 5 dan 9 e. 25 dan 29
c. 15 dan 19
4. Berdasarkan soal no. 1 berapa frekuensi relatif untuk kelas pertama?
a. 15% d. 13%
b. 21,67% e. 16,67%
c. 25%
5. Berdasarkan soal no. 1, berapa frekuensi untuk kelas ke dua?
a. 8 d. 15
b. 9 e. 10
c. 13

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

SOAL URAIAN SINGKAT

1. Apa yang dimaksud dengan data mentah ?
2. Apa yang dimaksud dengan suatu distribusi frekuensi ?
3. Sebutkan langkah-langkah untuk menyusun/membuat suatu distribusi
frekuensi dan jelaskan.
4. Sebutkan syarat-syarat yang baik dalam penentuan banyaknya
kelas/kelompok dalam penyusunan distribusi frekuensi.

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 ?

2. Waktu persiapan yang dibutuhkan untuk memenuhi pesanan (dari waktu

pemesanan oleh konsumen hingga waktu barang dikirim), disusun
dalam tabel frekuensi tersebut.

Waktu persiapan Banyaknya

(Hari kerja) pesanan
5 - 9 6
10 - 14 7
15 - 19 24
20 - 24 11
25 - 29 9
30 - 34 3
Pertanyaan :
a. Berapa banyak persanan yang dipenuhi kurang dari 15 hari
b. Ubahlah distribusi tersebut menjadi distribusi frekuensi komulatif
kurang dari dan gambarkan grafiknya.
c. Berdasarkan grafik frekuensi komulatif kurang dari, berapa
banyaknya pesanan dapat dipenuhi dalam waktu kurang dari 20 hari.
1. Berdasarkan soal nomor 2,
a. Ubahlah distribusi tersebut menjadi distribusi frekuensi komulatif lebih
dari dan gambarkan grafiknya.
b. Berdasarkan grafik frekuensi komulatif lebih dari, berapa banyaknya
pesanan dapat dipenuhi dalam waktu lebih dari 15 hari

Kunci Jawaban Multiple Choice

1. d 6. d
2. b 7. b
3. c 8. a
4. d 9. e
5. b 10. b

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.

 Batas Atas Kelas nilai terbesar dapat masuk dalam kelas

terakhir
d. Memasukkan masing-masing data dan menjumlahkan dengan sistem
tally
4. Syarat-syarat yang baik dalam penentuan banyaknya kelas atau
kelompok , antara lain :
a. Jumlah kelas/kelompok maksimal 20 dan minimal 5
b. Hindari kelas/kelompok yang kosong (tak ada batas-batas)

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.

Kunci Jawaban Soal Komprehensif

1. a. Banyaknya kelas (k) = 5 kelas
b. Interval (i) = 9
c. DF dengan sistem tally

Kls Harga Barang Tally DF Relatif FK < FK >

(Rp 1000) d e f
1. 51 - 59 IIII 4 20 0 20
2. 60 - 68 IIII 5 25 4 16
3. 69 - 77 IIII 4 20 9 11
4. 78 - 86 IIII 4 20 13 7
5. 87 - 95 II 2 10 17 3
6. 96 - 104 I 1 5 19 1
20 0

d, e, f Lihat pada kolom DF diatas

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

4,5 9,5 14,5 19,5 24,5 29,53634,5 (Wkt hari kerja)

 c. Banyaknya pesanan dapat dipenuhi dalam waktu < 20 hari adalah
37 pesanan

3. a. Gambar/grafik Frekuensi komulatif lebih dari

frek.
60

50

40

30

20

10

4,5 9,5 14,5 19,5 24,5 29,5 34,5 (Wkt hari kerja)

b. Banyaknya pesanan dapat dipenuhi dalam waktu lebih dari 15 hari

= 23 hari

37
 MODUL III
PENGUKURAN NILAI LETAK SENTRAL

Tatap Muka 3 Waktu 100 Menit SKS 2

Sub Pokok 1. Rata-rata Hitung
Bahasan 2. Median
3. Modus
4. Rata-Rata Ukur
5. Rata-Rata Harmonis
6. Kuartil
7. Desil
8. Persentil

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.

Kompetensi yang hendak dicapai :

1. Menjelaskan cara menghitung rata–rata hitung, rata–rata ukur,
rata–rata harmonis dan kegunaannya.
2. Menjelaskan cara menghitung median, modus, kuartil, desil, persentil
dan kegunaannya.

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

Rumus rata–rata hitung sederhana untuk populasi :

N
 Xi
M  i 1
N
Ket :
M = Rata–rata Hitung Populasi
N = ∑ Observasi/data.....
i = 1,2,3..........N

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
  i1
=
  i1
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.

b). Data berkelompok :

Rumus :
k
f x i i
(Data sampel) X i1
n
k Cara panjang.
 fi xi
(Data populasi) M  i1
N
Keterangan :
X = Rata –rata hitung
f = frekuensi
Xi = Nilai Tengah
n = ∑ data sampel
k = ∑ kelas
N = ∑ populasi

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 ka  X31  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 k1 : 2

kn
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
 2313 2319
 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 :

Rata –rata ukur (Gm) = n X 1 .X 2 .X3.....Xn

= 4 (10)(8)(12)(15)

= 4 14.400 10,95

n
 LogX i
Atau = Log.Gm  21
n
log10  log8  log12  log15
=
4
1.00 0.901.081.18
=
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  21
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 P01r 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

2. Tingkat Bunga tidak tetap tiap tahun

Rumus = Pn  Po(1 r1)(1 r2 )(1 r3 )........(.1 rn )

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 01 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

(1+r) = n (1 r1)(1 r2 )

(1+r) = 2 (1,25)(1,40) 1,3228

r = 1,3228 – 1 = 0,3228 = 32,28%
Contoh 2 :
Pendapatan Nasional 2006 = 400m
Rata-rata%tase
Pendapatan Nasional 2010 = 500m

46
 Jawab :

r  n1 Pn 1 = 51 500 1 = 0,0573 = 5,73%

Po 400
Atau

r  4 500 - 1 = 0,0573 = 5,73%

400

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/ 20001/ 25001/ 30001/ 40001/ 50001/ 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.

25% 25% 25% 25%

Gambar : Letak k1, k2,k3 dalam suatu distribusi frekuensi

Contoh Soal Kuartil :
Data Tidak Berkelompok :
Tahap 1 : susunlah data dari nilai terkecil ke terbesar
Tahap 2 : tentukan letak kuartil (Lkx)

Lkx  x(n1)
4
N = banyaknya data
X = 1,2,3....

Tahap 3 : Hitung nilai kuartil (kx)

x(n 1)
Yaitu nilai data dengan urutan ke 
4

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 :

k1  letakk1 1(n 1)  1(111)  12  3

4 4 4
Nilai k1 = data urutan k3 = 20

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 
 2013 
= 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

(3). Menghitung nilai Dx = data urutan ke

x(n 1)
10
Contoh Soal :
Harga per lembar saham dari 29 perusahaan diambil sebagai
sampel acak dalam ribuan rupiah sebagai berikut : 15 15 16
20 21 22 23 24 27 28 30 30 31 31 32 33 34 35 36
37 37 38 39 39 40 41 43 43.

Hitunglah D1 & D2 dan berikan interprestasi !

Jawab:
(D1) Letak D1= 1(n+1) = 1(29+1) = 30 = 3
10 10

Nilai D1 = data urutan ke 3 = 16

Artinya :
10% dari keseluruhan sampel (29 lembar saham) memiliki
harga per lembar kurang dari Rp 16.000; dan sisanya 90%
nya memiliki harga lebih dari Rp 16.000;

52
 Jawab:
(D7) LD7 = 7(n+1) = 7(29+1) = 210 = 21
10 10 10

Nilai D7 = Data urutan ke 21 = 37

Artinya :
Bahwa 70% dari keseluruhan data sampel (29 lembar
saham) memiliki harga per lembar kurang dari Rp 37.000;
dan sisanya 30% nya memiliki harga per lembar lebih dari
Rp 37.000;
Catatan :
Bila data sampel (28) lembar saham berarti D1 =
LD1 = 1(n+1) = 1(29+1) = 30 = 3
10 10 10

Nilai D1 = data urutan ke 2 + 0,9 (Nilai ke 3 – Nilai ke 2)

D1 = 15 + 0,9 (16-15)
= 15 + 0,9
= 15,09

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

80
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

Data tidak berkelompok

Tahap :
1. Menyusun data dari yang terkecil ke terbesar
2. Menentukan letak persentilnya (LPx) = x (n+1)
100
3. Menghitung Nilai persentil = nilai data urutan ke x (n+1)
100

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
2413
= 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

Soal Uraian Singkat:

1. Apa yang dimaksud dengan pengukuran nilai letak sentral atau ukuran
pemusatan?
2. Ada berapa macam ukuran pemusatan suatu data kumpulkan.
Sebutkan ?
3. Apa perbedaan antara rata-rata hitung sampel dan populasi?
4. Bagaimana cara mencari rata-rata hitung untuk data yang tidak
berkelompok?
5. Apa yang dimaksud dengan parameter?
6. Apa yang dimaksud dengan statistik?

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?

KUNCI JAWABAN SOAL MULTIPLE CHOICE

1. a 6. d
2. d 7. c
3. b 8. d
4. a 9. b
5. c 10. E

KUNCI JAWABAN SOAL URAIAN

1. Pengukuran nilai letak sentral atau ukuran pemusatan adalah yang
dapat mewakili sekelompok/serangkaian data Statistik atau nilai rata-
rata/nilai tengah dari sekelompok data statistik, yang cenderung
berada disekitar titik pusat penyebaran data.
2. Ukuran pemusatan ada 5 macam : a. Rata-rata Hitung b. Media c.
Modus d. Rata-rata Ukur e. Rata-rata Harmonis
3. Perbedaan rata-rata hitung sampel dengan rata-rata hitung populasi
adalah terletak pada jumlah datanya saja, kalau populasi keseluruhan
data dan kalau sampel sebagain dari data polpulasi.
4. Rata-rata hitung untuk data tidak berkelompok dengan rumus :

Xi
X = n
X = Rata-rata Hitung
Xi = Nilai data
i = Data ke 1, 2, ..... n

58
 n = jumlah data/pengamatan

5. Parameter adalah Ukuran yang menyatakan karakteristik dari populasi,

misalnya
 Rata-rata popullasi (µ)
 Simpangan baku/Standar deviasi (σ)
 Koefisien Korelasi (R)
 Proporsi Populasi (P)
6. Statistik adalah Ukuran yang menyatakan karakteristik dari sampel,
misalnya

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

 Median → Ukuran nilai tengah

 Modus → Nilai yang terbanyak
 Mean → Rata-rata nilai data
12. Bila nilai rata-rata, median, dan modus sama besarnya
Soal Komprehensif
1. Hitunglah rata-rata hitung dari sampel data tesebut : 16, 25, 12, 91,
14, 58.
59
2. Hitunglah rata-rata hitung upah per jam tukang kayu yang memperoleh
gaji/upah berikut ini (dalam sepuluh ribuan) : 15, 40, 20, 10, 18, 75, 22,
76, 30, 67, 18.
3. Ada 10 orang pegawai pemasaran suatu perusahaan menjual mobil
kazen yang pada akhir bulan sebagai berikut : 15, 23, 4, 19, 18, 10,
10, 8, 28, 19 (unit).
a. Hitunglah rata-rata hitung banyaknya mobil yang terjual?
4. Tersebut soal no.3. hitunglah Median dan Modus?
5. Produk barang X meningkat dari 20.000 unit pada tahun 2006 pada
tahun 2000 menjadi 120.000 unit. Berapakah rata-rata ukur
persentase kenaikan produksi tahunan tersebut?.
6. Dividen tahunan (dalam%) dari 4 saham menjadi adalah 4%, 5%, 8%
dan 21%.
a. Berapa rata-rata ukur dividen tahunan?
b. Berapa rata-rata hitung dividen tahunan?
c. Apakah rata-rata hitung sama atau lebih besar dari rata – rata ukur?
7. Berikut merupakan data gaji bulanan sejumlah karyawan disuatu
perusahaan (dalam puluhan ribu Rp.).

Gaji/bulan Jumlah karyawan

20 – 29 4
30 – 39 8
40 – 49 10
50 – 59 12
60 – 69 6
70 – 79 5

a. Hitunglah rata-rata hitung gaji bulanan karyawan tersebut?

b. Hitunglah median, modus,rata-rata ukur karyawan tersebut?
c. Gambarkan grafik Histrogram, Poligon, ogive kurang dari dan ogive
lebih dari

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  2512  9114  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 1810 10  8  2819
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 :

r  n1 Pn 1 = 71 1200001  6 6 1

Po 20.000
= 1,3480 – 1 = 0,3480 = 34,80%
6) Diketahui dividen tahunan (%) 4 saham minyak :
4,5,8,21 a). Rata–rata deviden tahunan
Gm  n (x1 )(x2 )(x3 )(x4)  4 (4)(5)(8)(21)  4 3.360  7,61%
b). Rata – rata Hitung

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  ii
 i1
n n

logGm  75.47  1.68

45
Gm  antilog1,68  47.86

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

 (1210)  (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.

Kompetensi Yang Hendak dicapai :

1. Mahasiswa dapat menghitung Range Nilai Data.
2. Mahasiswa dapat menghitung Deviasi Kuartil
3. Mahasiswa dapat menghitung Rata-rata Deviasi
4. Mahasiswa dapat menghitung Deviasi Standar
5. Mahasiswa dapat menghitung Koefisien Variasi

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)

1. Ukuran Jarak (Range)

Range adalah selisih nilai-nilai ekstrim yang terdapat dalam
kumpulan data atau dengan kata lain selisih nilai tertinggi dengan
nilai terendah dalam kumpulan data.
Contoh :
Kelompok data
89, 71, 43, 27, 20, 70, 65, 45, 40, 30
Jawab.
Range A = 89 – 20 = 69
Range B = 70 – 30 = 40

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

Jelas sesuai dengan namanya, SQ adalah merupakan jauh

penyimpangan Q1 dan Q3 dari pada Q2 atau Md. Dari gambar
mudah dilihat, bahwa jarak antar kuartil sama panjang garis Q1,
dimana 50% dari data, setelah disusun menurut urutan besarnya,
akan terletak. Adapun SQ, panjangnya masing-masing sama
dengan Q1, Md, dimana masing-masing berisikan 25% dari banyak
data yang ada.

3. Simpangan Rata-rata (mean deviation)

Simpangan rata-rata merupakan ukuran variasi yang kedua dan
ukuran ini merupakan ukuran yang lebih baik dari pada range.
Apabila rata-rata ini disertakan pada ukuran nilai pusat (dalam hal
ini mean), maka hal tersebut akan dapat menggambarkan suatu
kumpulan data yang tepat, baik bagi nilai pusatnya maupun bagi
variasi keseluruhan nilai yang ada dalam kumpulan data tersebut.
Data yang tidak dikelompokkan (ungrouped data)

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

Data yang dikelompokkan (grouped data)

Yang dimaksudkan disini adalah data yang telah disusun dalam
bentuk distribusi frekuensi.
Rumus :
i
 fXX
i
MD =
n i1

67
 n

Atau  fXX
i1

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.

4. Simpangan Baku (Standart deviation)

Yang di maksud dengan simpangan baku disini, adalah suatu nilai
yang menunjukkan besar simpangan rata-rata keseluruhan nilai yang
ada dalam kelompok data bersangkutan dengan nilai pusatnya
dengan cara menghilangkan kemungkinan memiliki nilai nol dengan
dikuadratkan.
Data yang dikelompokkan (ungrouped data)
Rumus I :

1 (Xi – X)2
SD =
n

atau (Xi – X)2

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

Maka variasi = 1000/5 = 200

Dan simpangan baku adalah :

SD = variasi

= 200

= 10 2

= 14, 1421

70
 Rumus II

SD = ∑ Xi2 _ ∑Xi 2

n n

Xi (Xi – X) (Xi – X)2

70 4900 400
60 3600 100
50 2500 0
40 1600 100
30 900 400
250 13500 1000

2
= 13500 _ 250
5 5

= 2700 – 2500

= 200

= 14,1421

Data yang telah dikelompokkan (grouped data)

Untuk data yang dikelompokkan, dengan anggapan bahwa nilai-
nilai dalam kelas akan berdistribusi rata sepanjang kelas, maka nilai
tengah kelas merupakan nilai yang representative bagi keseluruhan
nilai dalam kelas tersebut.

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

Gaji perbulan dari 45 karyawan tersebut bervariasi sebesar

16,19 x Rp. 10.000 terhadap rata-ratanya.

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

5. Koefisien Variasi (Coeficient of variation)

Koefisien variasi adalah ukuran variasi yang digunakan untuk
membandingkan beberapa kumpulan data yang berbeda dan
disimbolkan dengan V.
Koefisien variasi ditemukan dengan Rumus :
S
V=
X

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.

Variasi A = VA= SA/XA x 100 %

= 14/50 x 100 %
= 28 %

Variasi B = VB= SB/XB x 100 %

= 29/100 x 100 %
= 29 %

Dengan demikian maka kumpulan data B memiliki variasi yang

lebih besar dari variasi kumpulan data A.

Soal pilihan berganda (multiple choice)

1. Salah satu diantaranya bukan merupakan ukuran variasi
a. Range
b. Median
c. Mean deviasi
d. Standart deviasi
2. Selisih nilai data dengan nilai mean yang terdapat dalam
sekumpulan data kemungkinan
a. Tidak dapat bertanda positif
b. Tidak dapat bertanda negatif
c. Bernilai nol
d. Bernilai tak terhingga

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

Deviasi kuartil table diatas adalah :

a. 3,36 b. 2,87 c. 3,27 d. 4,13

7. Berdasarkan tabel no. 6 diatas rata-rata deviasinya adalah

:
a. 3,26
b. 3,67
c. 3,36
d. 3,98
8. Berdasarkan tabel no.6 variasinya
adalah: a. 22,45
b. 22,88
c. 22,97
d. 23,25
9. Berdasarkan tabel no.6 deviasi standarnya adalah
: a. 4,73
b. 4,78
c. 4,79
d. 4,82

77
 10. Berdasarkan tabel no. 6, koefisien variasinya adalah :
a. 2,14
b. 2,94
c. 2,04
d. 2,34

Soal Uraian Singkat

1.Jelaskan apa yang dimaksud dengan ukuran variasi ?
2. Pembahasan ukuran variasi meliputi apa saja ?
3. Apa yang dimaksud dengan rata-rata deviasi
4.Apa yang dimaksudkan dengan simpangan baku (standard deviasi)
5.Mengapa simpangan rata-rata (mean deviation) merupakan ukuran
varian yang lebih baik dari pada range ?
6. Mengapa simpangan baku merupakan ukuran variasi yang paling
banyak digunakan orang ?
7. Mengapa pada waktu menentukan harga rata-rata deviasi telah diambil
jumlah harga-harga mutlak dari selisih tiap data dengan rata-rata
hitung?
8. Apakah perlu pembuatan tabel perhitungan pada penentuan simpangan
baku?
9. Apa kegunaan dari koefisien variasi?
10. Mengapa kita gunakan deviasi kuartil dalam suatu distribusi?

Soal kasus komprehensif

1. Diketahui kumpulan data angka seperti berikut : 15, 45, 50, 90, 115
maka besar rangenya adalah :
2. Bila diketahui kumpulan data sebagai berikut : 5, 5, 5, 7, 9, 14, 15, 15,
15, 16, 18, maka simpangan rata-ratanya adalah :
3. Berdasarkan soal no.2, maka standard deviasinya adalah
4. Tabel berikut ini merupakan suatu distribusi frekuensi dari perusahaan
“X” yang meneliti kualitas produknya dalam hitungan menit.

78
 Waktu meneliti kualitas (menit) Frekuensi
10 – 19 3
20 – 29 5
30 – 39 10
40 – 49 12
50 – 59 20

a. Berapa variasi dari kualitas produk dalam hitungan menit ?

b. Berapa rata-rata deviasi dari kualitas produk dalam hitungan
menit tersebut
c. Berapa simpangan baku (standard deviasi) dari kualitas
produk dalam hitungan menit tersebut.
5. Selama jangka waktu tertentu, pengusaha A telah mencatat
keuntungan perbulan atas penjualan alat-alat tulis. Ternyata
keuntungan rata-ratanya Rp. 750.476,- dengan simpangan baku Rp.
80.308,-. Dalam jangka waktu yang sama, pengusaha B yang
berjualan alat-alat keperluan mobil telah mencatat keuntungan rata-
rata Rp. 10.260.990,-. Dengan simpangan baku Rp. 120.686,-
6. Harga 2 jenis /tipe rumah selama tahun 2002–2008 di daerah Jakarta
selatan
(dalam puluhan juta Rp)
Tahun Tipe A Tipe B
2002 10,2 14,4
2003 12,8 18,5
2004 14,9 27,6
2005 19,1 30,6
2006 21,6 36,6
2007 26,6 39,1
2008 19,3 42,0
Dari data diatas, tipe mana yang harganya lebih bervariasi

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

Kunci Jawaban Uraian Singkat

1. Ukuran variasi adalah ukuran yang menyatakan seberapa banyak nilai-
nilai data berbeda dengan nilai pusatnya.
2. Ukuran variasi meliputi: Range, Deviasi kuartil, Rata-rata deviasi,
standar deviasi, Koefisien variasi
3. Rata–rata deviasi atau rata-rata simpangan adalah apabila rata-rata
disertakan pada ukuran nilai pusat maka akan menggambarkan suatu
kumpulan data yang tepat, baik bagi nilai pusatnya maupun bagi variasi
keseluruhan nilai yang ada dalam kumpulan data tersebut.
4. Simpangan baku adalah suatu nilai yang menunjukkan besar
simpangan rata-rata keseluruhan nilai yang ada dalam kelompok data
bersangkutan dengan nilai pusatnya dengan cara menghilangkan
kemungkinan memiliki nilai nol dengan dikuadratkan.

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.

Kunci Jawaban Kasus/Komprehensif

1. R = 100
2. MD (rata-rata simpangan) = 4,7
3. SD = D = S = 4,92
4. a. S2 = 150,76 b. MD = 10,30 c.SD = 12,28
5. a. VA = 1, 07 %, VB = 1,18 % jadi keuntungan pengusaha A lebih baik
daripada B
b. V tipe A = 29,06% V tipe B = 32,35%, yang lebih bervariasi adalah
tipe B

81
 MODUL V
PENGUKURAN VARIASI / DISPERSI

Tatap muka
ke: 5 Waktu : 100 Menit SKS :2

Sub Pokok 1. Kemiringan (Skweness)

Bahasan 2. Keruncingan (Kurtosis)

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.

Kompetensi Yang Hendak dicapai :

1. Mahasiswa dapat menghitung nilai kemiringan suatu data DF dan dapat
membuat diagram
2. Mahasiswa dapat menghitung nilai keruncingan data DF dan dapat membuat
diagram

82
 PENGUKURAN DISPERSI

Pada kegiatan belajar ini, anda menjumpai 2 macam ukuran, yaitu

ukuran kemiringan/kecondongan dan ukuran keruncingan.
1. Ukuran Kemiringan/Kecondongan (Skweness)
Dalam analisis statistika sering kita dituntut untuk menganalisa data
yang memiliki distribusi relatif berbentuk lonceng dan simetri. Dengan
kata lain kita diminta menganalisis atau menentukan lebih dulu apakah
data yang kita miliki menceng atau tidak. Bila yang diinginkan adalah
mengetahui simetris atau tidaknya suatu kurva distribusi frekuensi pada
nilai-nilai pusatnya. Maka dapat kita gunakan perbedaan besar nilai
pusat untuk mendekatinya.
Menurut Karl Person, apabila distribusi memiliki bentuk simetris
maka ketiga nilai pusatnya akan sama atau : X = Md = Mo dan
Apabila distribusi relatifnya tidak simetris maka, X ≠ Md ≠ Mo
Apabila tidak simetris, maka distribusi frekuensi relatifnya akan
membengkok pada salah satu sisi atau dengan kata lain poligonnya
yang akan condong atau menceng. Kemencengan dapat berupa
menceng dikiri atau ke kanan. Untuk mengetahui konsentrasi distribusi
kearah kanan atau kiri, kita dapat menggunakan koefisien kecondongan
Pearson (coefficient Skweness Pearson). Koefisien kecondongan
Pearson ini merupakan nilai yang tanpa satuan dan merupakan nilai
selisih rata-rata dengan modus dibagi dengan simpangan baku.
Bila dinyatakan dalam rumus :
Sk = (X - Mo) , dimana
SD

83
 Sk = Koesifien kecondongan Pearson
X = Rata-rata hitung
Mo= Modus
SD = S = σ = Simpangan baku

Apabila secara empiris didapat hubungan antar nilai pusat sebagai

berikut : 3(X - Md)
Sk= Md = Median
SD

Bagi suatu distribusi yang mendekati simetris tetapi keluar simetris

benar, tanda dari nilai Sk menunjukkan arah konsentrasi data.
Bila Sk > 0 atau positif, maka distribusi akan berkonsentrasi pada
sisi sebelah kanan X, sebelah kanannya Mo. Apabila dibuat kurva
distribusinya maka akan berbentuk seperti gambar dibawah ini.

X Mo

Gambar 2.1. Kurva distribusi Sk positif atau kurva condong

kekanan
Bila Sk < 0 atau Negatif, maka distribusi akan berkosentrasi pada
sisi sebelah kiri, X dan sebelah kirinya Mo.
Kurva distribusinya dapat dilihat pada gambar dibawah ini.

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

Dengan demikian maka kurva distribusi akan memiliki bentuk yang

condong kekiri.
2. Ukuran Keruncingan (Kurtosis)
Yang dimaksudkan ukuran keruncingan (kurtosis) adalah suatu ukuran
yang dapat digunakan untuk menentukan runcing tidaknya suatu kurva
distribusi, apabila bentuk keruncingan kurva distribusi dapat
digolongkan atas 3 bentuk yaitu, distribusi leptokurtik, distribusi
mesokurtik, distribusi platikurtik, maka ukuran keruncingan dapat

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 :

a. Leptokurtik b. Mesokurtik c. Platikurtik

Apabila kita bandingkan ketiga macam kurva di atas maka distribusi

leptokuartil lebih runcing daripada yang lainnya dan distribusi
platikurtik lebih tidak runcing dibandingkan daripada yang lainnya. Dan
bila distribusinya simetris maka distribusi mesokurtik ditetapkan
sebagai bentuk distribusi yang normal.
Ukuran keruncingan yang biasa digunakan adalah α4 (alpha 4) dan
sering kali disebut dengan moment coefficient of kurtosis atau
koefisien kurtosis (coefficient of kurtosis) saja. Dan koefisien kurtosis
ini dapat dituliskan sebagai berikut :

a. Untuk data yang tidak dikelompokkan

1
(Xi – X)4
n
α4 =
S4
b. Untuk data yang dikelompokkan

1
(Xi – X)4.f
n
α4 =
S4

86
 Contoh Soal :

X1 - X (X1 – X)2 (X1 – X)3 X1 – X)4 X1 – X)4.f f

-25,11 630,51 -15832,11 397544,28 1.590.177,12 4
-15,11 228,51 -3449,76 52125,87 417006,96 8
-5,11 26,11 -133,42 681,78 6817,8 10
4,89 23,91 116,92 571,74 6860,88 12
14,89 221,71 3301,26 49155,76 294934,56 6
24,89 619,51 15419,60 383793,84 1918969,2 5
4.234.766,52

Apabila hasil perhitungan koefisien kurtosis mendapatkan :

a. Nilai lebih kecil 3 (<3), maka distribusinya dapat digolongkan
pada distribusi platikurtik.
b. Nilai yang sama dengan 3 (=3), maka distribusinya adalah
distribusi mesokurtik (normal).
c. Nilai lebih kecil 3 (>3), maka distribusinya dapat digolongkan
pada distribusi leptokurtik (runcing).
Jadi penentuan keruncingan distribusi diatas sebagai berikut :
1
(Xi – X)4.f
n

α4 = S4

1/45 (4.234 – 766,52)

=
14,394
94.105,92
= = 2,19
42.878,85
Dengan demikian maka distribusi kumpulan data adalah distribusi
platikurtik yaitu memiliki kurva distribusi yang lebih tumpul dibanding
dengan kurva distribusi normal.

87
SOAL URAIAN

1. Apa yang dimaksud dengan kemiringan/kecondongan ?

2. Apa yang dimaksud dengan keruncinga/ kurtosis ?
3. Bagaimana hubungan Sk dengan keadaan kurva distribusi jika Sk>0 ?
4. Bagaimana pula jika Sk < 0?
5. Dan bagaimana jika Sk = 0 atau mendekati nol ?
6. Sebutkan 3 macam bentuk kurtosis ?
7. Apa arti dari α 3 (koefisien kecondongan) = -0,02 ?
8. Apa arti dari α 4 (koefisien kurtosis) jika hasilnya 4,17 ?
9. Dan apa pula arti α 4 = 2,215 ?
10. Bagaimana bentuk kurva yang condong kekanan ?

SOAL PILIHAN GANDA (Multiple choice)

1. Suatu kurva distribusi yang normal, akan memiliki koefisien kurtosis (α
4) sebesar……
a. = 3
b. > 3
c. < 3
d. = 0
2. Suatu kurva distribusi yang normal akan memiliki koefisien
kecondongan sebesar…….
a. = 3
b. > 3
c. = 1
d. =0
3. Suatu kurva distribusi yang condong kekanan akan menghasilkan
koefisien yang….
a. Negatif
b. Nol
c. Positif
d. > 3

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

8. Dari sampel yang berbentuk seperti dibawah ini……..

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

1. Distribusi dari 60 orang Nasabah baru PT. Asuransi Jiwa Bahagia

selama tahun 2008 adalah sebagai berikut :
Usia Banyaknya orang
(titik tengah)
27 8
32 14
37 10
42 18
47 7
52 3

a. Hitung rata-rata, modus dari distribusi 60 orang Nasabah baru PT.

Asuransi Jiwa Bahagia.
b. Hitung standar deviasi dari distribusi 60 orang Nasabah baru PT.
Asuransi Jiwa Bahagia.

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

KUNCI JAWABAN SOAL PILIHAN GANDA

1. a 6. a
2. d 7. c
3. c 8. b
4. a 9. b
5. c 10. d

KUNCI JAWABAN URAIAN SINGKAT

1. Kesimetrisan atau tidaknya suatu kurva distribusi frekuensi pada
nilai-nilai pusatnya.
2. Suatu ukuran yang dapat digunakan untuk menentukan runcing
tidaknya suatu distribusi.
3. Bila Sk > 0 atau positif, maka distribusi akan berkonsentrasi pada
sisi sebelas kanan X, dan sebelah kanannya Mo dan kurva
condong kekanan.
4. Sk < 0 atau negatif, maka distribusi akan berkosentrasi pada
sebelah kiri X dan sebelahnya kirinya Mo. Dan kurva condong
kekiri.
5. Sk = 0 atau simetris, maka distribusi X = median = Mo kurva
distribusi adalah normal
6. Platikurtik, mesokurtik dan leptokurtik
7. Kurva distribusi yang condong kekanan

91
 8. Gambar kurva distribusi yang condong kekanan

9. Koefisien kurtosis α4 = 4,17. Peak kurva lebih runcing dari peak

kedua kurva lainnya dan disebut leptokurtik kanan > dari 3
10. α4 = 2,215 Peak (puncak) lebih diatas dari kurva lainnya dan ini
disebut platikurtik < 3

KUNCI JAWABAN SOAL KOMPREHENSIF

a. X = 37,92 Mo = 41,61
b. SD = 6,99
c. SK = -0,53 → Distribusi menceng kekiri
d. α4 = 2,10 → jenis keruncingan kurva adalah platikurtik karena < 3

92
 MODUL VI
ANALISA DERET BERKALA ATAU DATA BERKALA ATAU
FLUKTUASI BISNIS DAN PERMALAN

Tatap muka 6 Waktu : 100 Menit SKS :2

ke:
1. Gerakan Trend Jangka Panjang atau Sekuler Trend.
Sub Pokok 2. Gerakan Sikli/Siklus
Bahasan 3. Variasi Musim
4. Gerakan Tidak Beraturan

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).

Kompetensi yang hendak dicapai :

1. Memahami dan mengerti arti analisis trend, variansi 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.

C. Metode Analisa Trend

Untuk melakukan peramalan dengan analisis trend terdapat
beberapa cara :
Metode semi rata-rata (semi average method)
1. Metode rata-rata bergerak (moving average method)
2. Metode kuadrat terkecil (least square method).

D. 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.

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

Dari data-data tersebut di atas :

1. Buat persamaan trend linier pelanggan PT. Telkom.
2. Hitung perkiraan pelanggan PT. Telkom pada tahun 2010 dan
2011.

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.

E. Metode Rasio Rata-rata Bergerak (Rasio to Moving Average

Method)
Adalah metode yang dilakukan dengan cara membuat rata-rata
bergerak selama periode tertentu.
Tidak ada ketentuan berapa periode (n) bisa 1,2,3,4 atau 12
tergantung pada kondisi pada kondensi pengaruh frekuensi musim.
Indeks musim rasio rata-rata bergerak dirumuskan sebagai berikut :
Indeks Musim = nilai rasio x faktor koreksi
Dimana :
Nilai rasio = data asli/data rata-rata bergerak.
Faktor koreksi = (100 x n)/jumlah rata-rata rasio selama n.

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

b. Setelah mendapatkan indeks musim setiap triwulan perlu untuk

mengetahui rata-rata setiap kuartalan dari setiap tahunnya, maka

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

c. Menentukan faktor koreksi

100xn 100x3
Faktor koreksi =   300  1,002
jmlhrata rata 159 90  51 299
d. Indeks musim selanjutnya dikalikan dengan faktor koreksi
Indeks Triwulan I = 159 x 1,002 = 159,0
II = 90 x 1,002 = 90,2
III =51 x 1,002 = 50,8
F. Metode kuadrat terkecil (least square method)
Trend dengan method kuadrat terkecil diperoleh dengan
menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat
selesih data asli dengan data pada garis trend.
Apabila Y menggambarkan data asli dan Y1 merupakan data trend,
maka Metode terkecil dirumuskan : (Y  Y )2

Rumus garis trend dengan metode least square sebagai berikut:

Y 1  a  bx
Dimana :
Y1 = nilai trend
a = nilai konstanta yaitu nilai Y pada saat nilai X = 0
b = nilai kemiringan tambahan nilai Y apabila X bertambah satu-
satuan.
X = nilai periode tahun
99
 Untuk memperoleh a dan b dapat di gunakan rumus sebagai berikut:

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

- Menentukan nilai a  Y n  30,65  6,12

b y
x
5,5
 x2  110,50

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

Y2010 = 6,12 + 0,50 X

= 6,12 + 0,50 (5)
= 8,62

Y2011 = 6,12 + 0,50 X

= 6,12 + 0,50 (6)
= 9,12

Jumlah Tahun Genap

Tahun Pelanggan Nilai X2
(Y) X YX
2002 4,2 -2,5 -10,50 6,25
2003 5,0 -1,5 -7,50 2,25
2004 5,6 -0,5 -2,80 0,25
2005 6,1 +0,5 3,05 0,25
2006 6,7 +1,5 10,05 2,25
2007 7,2 +2,5 18,00 6,25

 34,8 10,30 17,50

Penyelesaian :
4. Menentukan nilai a dan b.

a  Y n

a  34,86  5,80

b  YX X 2 10.30/17.50  0.59

5. Jadi persamaan
trend : Y1 = a + bx
Y1 = 5.80 + 0.59x

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

G. Analisis Variasi Siklus

Komponen deret berkala yaitu
T = Trend
S = variasi musim
C = variasi siklus
I = variasi yang tak beraturan
Deret berkala (Y) dinyatakan Y = T + S + C + I
Untuk menghitung indeks siklus (C) dapat menggunakan 6 langkah
sebagai berikut :
1. Mengetahui data asli (Y)
2. Membuat nilai trend (T)
3. Menghitung indeks musim (S)
4. Menghitung nilai normal TCI = Y/S
5. Menghitung faktor siklus dengan menyerahkan pengaruh trend CI =
TCI/T
6. Mencari indeks siklus dengan melakukan metode rata-rata
bergerak pada data CI.

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

Dari data tersebut di atas, hitunglah indeks siklus?

Penyelesaian :
Dari soal sudah diketahui, Y (data asli), T (Trend) dan S (indeks
musim) sehingga dapat dicari data normal (TCI = Y/S) dan faktor
siklus (CI = TCI/T) untuk mencari C dapat dicari dengan
menggunakan rata-rata bergerak sebagai berikut :
Tahun Tri Y T S TCI=Y/S CI=TCI/T C
Wulan
I 22 17.5
2005 II 14 17.2 95 14.7 86
III 8 16.8 51 15.7 93
I 25 16.5 156 16.0 97 92
2006 II 15 16.1 94 16.0 99 97
III 8 15.8 49 16.3 103 100
I 26 15.4 163 16.0 104 102
2007 II 14 15.1 88 15.9 105 104
III 8 14.7 52 15.4 105 105
I 24 14.3 157 15.3 107 106
II 14 14.0 89 15.7 112 108
2008
III 9 13.6

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.

H. Nilai Gerak Tak Beraturan.

Gerak tak beraturan (irregular movement-IM) merupakan suatu
perubahan berupa kenaikan dan penurunan yang tidak beraturan baik
dari sisi waktu dan lama skilusnya.
Contoh :
Perang, krisis dan bencana alam.
Mencari indeks gerak tak beraturan.
Y = TxSxCxI
TCI = Y/S
CI = TCI/T
I = CI/C

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

Latihan Soal Terjawab :

1. PT. PGV Jaya memandang penting kegiatan promosi untuk
meningkatkan omset penjualan. Oleh sebab itu direncanakan biaya
promosi secara khusus. Berikut adalah biaya promosi selama.

Tahun Biaya Promosi (Miliar Rp.)

2001 88
2002 95
2003 102
2004 110
2005 118
2006 126
2007 133

a. Tentukan persamaan trend dengan metode least square

b. Berapa perkiraan biaya promosi tahun 2010 dan 2015.

105
 Penyelesaian :

a. Persamaan trend dengan metode least square.

Tahun Y X X2 YX Y’
2001 88 -3 9 -264 87
2002 95 -2 4 -190 95
2003 102 -1 1 -102 102
2004 110 0 0 0 110
2005 118 1 1 118 118
2006 126 2 4 252 125
2007 133 3 9 399 133
Jumlah 772 28 213

Koefisien a = 772/7 =110

Koefisien b = 213/39 = 7,61
Jadi persamaan biaya promosi Y = 110 + 7,61X
5. Perkiraan biaya tahun 2010 dan 2015
Tahun 2010 nilai X =6, Y = 11.0 + 7,61 x 6 = 155,66 miliar
Tahun 2015 nilai X = 11, Y = 110 + 7,61 x 11 = 193,71 miliar
2. Berikut adalah nilai penjualan setiap kuartalan selama 3 tahun
Koperasi Sabilu Jannah (nilai dalam jutaan) adalah sebagai berikut:

Tahun Kuartal
I II III IV
2006 279 267 116 304
2007 302 290 112 310
2008 321 291 115 320

a. Hitunglah nilai trend dengan metode least square.

b. Hitunglah indeks musim dengan metode rata-rata dengan trend.
c. Carilah indeks siklus dengan metode rata-rata 3 kuartalan.
d. Carilah indeks gerak tak beraturan.

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

Koefesien a = 3.027/12 = 252.83

Koefesien b = 120/143 = 0.84
Jadi persamaan trend Y = 252.83 + 0.84X
Nilai peramalan Y’ di peroleh dengan memasukkan nilai X ke
persamaan.

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

c. Menghitung indek siklus (C) dengan metode rata-rata 3

kuartalan. Langkah pertama menghitung nilai normal (Y/S),
langkah kedua menghitung faktor siklus CI=TCI/T, dan langkah
ketiga menghitung C dengan metode rata-rata 3 kuartalan.

Trwl Y T S TCI=Y/S CI=TCI/T C

I 279 248 112 249.11 100.45
II 267 249 107 249.53 100.21 100.51
III 116 250 46 252.17 100.87 100.39
IV 304 251 121 251.24 100.10 100.28
I 302 252 120 251.67 99.87 100.01
II 290 252 115 252.17 100.07 100.18
III 112 253 44 254.55 100.61 100.24
IV 310 254 122 254.10 100.04 100.19
I 321 255 126 254.76 99.91 99.89

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

d. Meghitung indeks gerak tak beraturan (I), indeks (I) diperoleh

dengan membagi CI dengan C.

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.

SOAL PILIHAN GANDA

1. Suatu deret waktu adalah
a. Kumpulan data sepanjang periode waktu
b. Kumpulan data pada periode waktu harian.
c. Kumpulan data pada eriode waktu mingguan
d. Kumpulan data pada periode waktu, bulanan, catur, wulan, semester,
tahunan
2. Variasi musim adalah pola dari suatu deret waktu dalam jangka :
a. Satu tahun b. Lima tahun
c. Lima belas tahun d. Dua puluh tahun.
3. Trend adalah suatu gerakan dalam sepanjang periode waktu
a. Jangka pendek b. Jangka menengah
c. Jangka panjang d. jangka pendek dan menengah
4. Komponen data berkala data dinyatakan
a. Y = T x S x C x I b, Y= A + B + C + D
c. Y = P x Q xR x S d. Y = M x N x O x P
5. PT Grafindo memberikan data penjualan selama 8 tahun mulai dari
tahun 2000 sampai dengan 2007 ( dalam juta rupiah ) adalah sebagai
berikut :
Tahun 2000 2001 2002 2003 2004 2005 2006 2007
Penjualan 176 170 182 197 205 212 236 225
Dari data tersebut di atas berapa kenaikan total trend tahun 2001 dan
2002 sampai tengah tahun 2005 dan 2006 sebesar :
a. 38,25 b.39,25 c.40,25 d.45,25
6. Dari data soal no 5 , berapakah kenaikan trend pertahun ?
a. 10,50 b. 9,56 c.8,75 d.12,85
7. Dari data soal no 5 , berpakah nilai trend untuk tahun 2007 ?
a. 166,91 b.176,47 c. 186,03 d. 233,84

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

JAWABAN SOAL PILIHAN BERGANDA

1. a 2. a 3.c 4. 5. a
6. b 7.d 8.c 9.a 10.d

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

a. Buatlah persamaan trend dengan 4 metode yang ada?

b. Manakah dari 4 metode tersebut yang lebih baik?
c. Dengan menggunakan metode yang paling baik, berapa PDB
Indonesia tahun 2010 dan 2015?
2. Berikut adalah penambahan jumlah mobil penumpang di Indonesia
pada tahun 2004- 2008 per semester. (nilai dalam ribuan).
Tahun Semester
I II
2004 44 14
2005 33 57
2006 45 85
2007 59 121
2008 55 39

a. Hitunglah nilai trend dengan menggunakan metode least

square.
b. Hitunglah nilai variasi musim dengan metode rata-rata bergerak
untuk 2 semester.
c. Hitunglah indeks siklus dengan metode rata-rata bergerak 2
semester.

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

a. Dengan menggunakan metode rata-rata bergerak, tentukan

indeks musim untuk ke 4 kuartalan.
b. Jelaskan tentang tipe dari indeks musim tersebut, apakah sangat
berfluktuasi atau tidak.

KUNCI JAWABAN : SOAL LATIHAN ANALISA DERET BERKALA ATAU

DATA BERKALA ATAU FLUKTUASI BISNIS DAN PERMALAN KUNCI
JAWABAN SOAL URAIAN
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

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

Metode Rata-Rata Bergerak (Moving Average Method)

Indeks Musim = nilai rasio x faktor koreksi
Dimana :
Nilai rasio = data asli/data rata-rata bergerak.
Faktor koreksi = (100 x n)/jumlah rata-rata rasio selama n.
Metode Kuadrat Terkecil (Least Square Method)
Apabila Y menggambarkan data asli dan Y1 merupakan data trend,

maka metode terkecil dirumuskan : (Y  Y )2

Rumus garis trend dengan metode least square sebagai berikut:

Y 1  a  bx
Dimana :
Y1 = nilai trend
a = nilai konstanta yaitu nilai Y pada saat nilai X = 0
b = nilai kemiringan tambahan nilai Y apabila X bertambah satu-
satuan.
X = nilai periode tahun
Untuk memperoleh a dan b dapat digunakan rumus sebagai berikut:
a  Y / n dan b   XY /  X 2

5. Rumus masing-masing metode dijelaskan pada jawaban soal no : 6.

6. Kelebihan metode setengah rata-rata perhitungannya tidak sukar ,
rata-rata bergerak mengetahui kondisi masa datang atau dapat untuk
meramalkan kondisi mendatang.dan least square paling sesuai untuk
menggambarkan suatu data berkala dan kekurangan metode
setengah rata-rata apabila jumlah data ganjil maka data yang berada
ditengah tidak diikutkan atau dua kali dalam perhitungan akan

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

KUNCI JAWABAN : SOAL LATIHAN ANALISA DERET BERKALA ATAU

DATA BERKALA ATAU FLUKTUASI BISNIS DAN PERMALAN KUNCI
JAWABAN SOAL URAIAN

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

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.

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).

Metode untuk membuat persamaan trend linier :

Metode Semi Rata- rata (Semi Average Method).
a. 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.
b. 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.
c. Menghitung selisih K2-K1, apabila K2-K1 > 0, berarti trend positif dan
bila K2 < K1 maka trendnya negatif.
d. Nilai perubahan trend (b) diperoleh dengan cara :
K2  K1
b
tahundasar2  tahundasar1

Metode Rata-Rata Bergerak (Moving Average Method)

Indeks Musim = nilai rasio x faktor koreksi
Dimana :

117
 Nilai rasio = data asli/data rata-rata bergerak.
Faktor koreksi = (100 x n)/jumlah rata-rata rasio selama n.

Metode kuadrat terkecil (least square method)

Apabila Y menggambarkan data asli dan Y1 merupakan data trend,
maka Metode terkecil dirumuskan : (Y  Y )2

Rumus garis trend dengan metode least square sebagai berikut:

Y 1  a  bx
Dimana :
Y1 = nilai trend
a = nilai konstanta yaitu nilai Y pada saat nilai X = 0
b = nilai kemiringan tambahan nilai Y apabila X bertambah
satu- satuan.
X = nilai periode tahun
Untuk memperoleh a dan b dapat di gunakan rumus sebagai beriku:
a  Y / n dan b   XY /  X 2

7. Rumus masing-masing metode dijelaskan pada jawaban soal no : 6.

8. Kelebihan metode setengah rata-rata perhitungannya tidak sukar ,
rata-rata bergerak mengetahui kondisi masa datang atau dapat untuk
meramalkan kondisi mendatang.dan least square paling sesuai untuk
menggambarkan suatu data berkala dan kekurangan metode setengah
rata-rata apabila jumlah data ganjil maka data yang berada ditengah
tidak diikutkan atau dua kali dalam perhitungan akan mempengaruhi
nilai rata-rata, rata-rata bergerak melupakan nilai data pertama .
9. Metode mana yang paling sesuai Metode kuadrat terkecil (least square
method) karena mendekati garis normal.
10. Manfaat dari diagram pencar menggambarkan garis data
sesungguhnya dan garis persamaan trendnya.

118
 MODUL VII
KONSEP DASAR PROBABILITAS

Tatap 7 Waktu 100 Menit SKS 2

Muka

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

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan dan menganalisa cara menghitung
kejadian/peristiwa
2. Mahasiswa dapat menjelaskan cara menghitung dan menganalisa
probabilitas bersyarat, aturan perkalian dan penjumlahan
3. Mahasiswa dapat menjelaskan cara menghitung dan menganalisa
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.

Teori keputusan secara statistik

Analisis keputusan secara statistik berhubungan dengan
pengambilan keputusan bila alternatif-alternatif tindakan diketahui,
tetapi hasil dari masing-masing tindakan berbeda-beda. Analisis
keputusan secara statistik akan memberikan pilihan yang paling baik
dalam situasi yang tak pasti atau beresiko, tetapi tak menjamin bahwa
hasilnya juga terbaik.

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.

C. APLIKASI STATISTIKA DAN PROBABILITAS

Disini akan dijelaskan perbedaan antara masalah probablilitas dan
masalah statistik. Masalah probabilitas terutama menyangkut masalah
penghitungan probabilitas suatu peristiwa misalnya P(A), atau harga
pendekatannya. Penghitungan ini menggunakan informasi yang ada
kaitannya dengan peristiwa itu, seperti misalnya harga-harga
probabilitas peristiwa yang lain, probabilitas bersyarat, atau harga-
harga momen tertentu dalam pertidaksamaan. Dalam masalah-
masalah probabilitas, kita bekerja dengan model probabilitas tertentu
tentang sesuatu yang informasinya kita punyai secara lengkap atau
sebagian.
Sebaliknya, dalam masalah-masalah statistik, kita dihadapkan
dengan kelas model-model probabilitas, yang satu di antaranya
menggambarkan fenomena yang akan kita observasi. Karena model
probabilitas khusus ini umumnya tidak diketahui, maka dengan
menggunakan data observasi kita akan berusaha menemukan (atau
memperkirakan, mengestimasi) model probabilitas khusus ini.Kita
contohkan sebagai berikut (masalah probabilitas dan masalah statistik)
Dalam probabilitas mungkin kita menanyakan “berapakah
probabilitas akan memperoleh paling sedikit 5300 “muka” dalam
pelemparan sebuah mata uang logam yang seimbang 10.000 kali”
Dalam Statistika kita mungkin menanyakan “Jika dalam 10.000 kali
pelemparan sebuah mata uang logam diperoleh (diamati) 5300
“muka”. Kita catat bahwa dalam pertanyaan probabilitas kita bekerja

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

Bila kita mengetahui gambaran tentang sebuah “populasi”, maka

secara ekonomis kita dapat juga menyimpulkan tentang gambaran
“sampel” tanpa perlu menggunakan alat. Misalnya: Seandainya 60%
mahasiswa Indonesia adalah wanita, maka kita dapat mengharapkan
mendapatkan 60% wanita dari sebuah sampel acak (random) yang
akan kita ambil. Walaupun demikian hasil sampel tidak selalu tepat
sama, sering kita dapat, hasil dari sampel mendekati 60% atau mungkin
lebih besar dari 60%. Dengan kata lain hasil sampel rata-rata mendekati
nilai yang digambarkan oleh populasi.
Kata rata-rata mendekati menunjukkan bahwa kesesuaian angka
probabilitas hasil sampel dengan angka probabilitas yang disebut oleh

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

3. Pendekatan Subyektif.Probabilitas subyektif adalah probabilitas suatu

peristiwa yang ditentukan dengan perasaan atau kepercayaan
seseorang yang didasarkan pada fakta-fakta yang ada misalnya data
tentang frekuensi.
Probabilitas subyektif biasanya ditentukan jika terjadinya peristiwa
hanya sekali atau paling banyak beberapa kali.

E. PROBABILITAS DENGAN DUA ATAU LEBIH PERISTIWA

1. Peristiwa Mutually Exclusive dan Non Exclusive
Dua atau lebih peristiwa dikatakan Mutually
Exclusiveataudisjoint(saling asing) apabila kedua atau lebih peristiwa itu
tidak dapat terjadi bersama-sama. Artinya peristiwa yang satu sekaligus
menghilangkan kemungkinan terjadinya peristiwa yang lain.

AB

Gambar 1. 1

Apabila kedua peristiwa A dan B , Mutually Exclusive maka dapat

dinyatakan P(A atau B), dalam bahasa teori disebut Unionyang dapat
ditulis P(AUB), Rumus :

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 :

P(As atau King) = P(As) + P(King)

4  4  8 2
52 52 52 13
Contoh 2.
Suatu perusahaan memerlukan Ban Mobil untuk kendaraan milik
perusahaan. Probabilitas bahwa perusahaan akan membeli ban
mobil merk Uniroyal, Goodyear, General, Continental, Bridgestone,
dan Amstrong adalah berturut-turut 0,17, 0,22, 0,03, 0,29, 0,21, dan
0,08. Hitunglah probabilitasnya bahwa perusahaan tersebut akan
membeli :
a. Ban Mobil merk Goodyear atau Bridgestone
b. Ban Mobil merk Uniroyal, Continental, atau Bridgestone
c. Ban Mobil merk General atau Astrong
d. Ban Mobil merk Goodyear, Continental, atau Amstrong

Peristiwa pembelian ban mobil tersebut merupakan peristiwa yang

mutually exclusive, artinya, apabila perusahaan telah membeli Ban
Mobil merk tertentu ini berarti perusahaan tidak membeli merk
lainnya (tidak mungkin terjadi bersama-sama). Dalam teori
probabilitas dikenal dengan “rules of addition” dinyatakan dengan :

P(A atau B) = P(AUB) = P(A) + P(B)

Apabila berturut-turut merk ban-ban mobil tersebut dinyatakan

dengan A, B, C, D, E, F maka :

128
a. P(BUE) = P(B) + P(E)
= 0,22 + 0,21 = 0,43

b. P(AUDUE) = P(A) + P(D) + P(E)

= 0,17 + 0,29 + 0,21= 0,67
c. P(CUF) = P(C) + P(F)
= 0,03 + 0,08 = 0,11
d. P(BUDUF) = 0,22 + 0,29 + 0,08 = 0,59

Sedangkan apabila kedua peristiwa atau kejadian itu adalah bukan

bukan atau Non Mutually Exclusive maka probabilitas jointnya adalah
P(A dan B) atau P(A∩B) dalam teori set peristiwa disebut Interseksi
dari A dan B.

A dan B
B

Gambar 1.2

Jadi hukum pertambahan untuk peristiwa A dan B yang tidak mutually

exclusive

P(AUB) = P(A) + P(B) – P(A∩B)

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

2. Kejadian saling bebas, saling tidak bebas (Independent dan

Dependent Event ) dan Probabilitas bersyarat.
Dua kejadian A dan B dikatakan Indpendent apabila kejadian A tidak
mempengaruhi kejadian B atau sebaliknya sedangkan dua peristiwa
dikatakan dependent apabila kejadian atau ketidakjadian atau
peristiwa berpengaruh terhadap terjadinya peristiwa lain.
Rumus :
P(A∩B) = P(A).P(B) = P(B).P(A)

Karena pada kejadian independent tidak terdapat hubungan

(pengaruh) antara peristiwa satu dengan peristiwa lainnya maka P(B)
akan sama saja dengan P(B|A). Jadi ke independen dan dua peristiwa
A dan B dapat diuji dengan membandingkan

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

Dalam hal kedua kejadian adalah dependent, maka konsep

probabilitas bersyarat harus diterapkan untuk menghitung probabilitas
kejadian berikutnya yang berkaitan. Dimana simbol P(A|B)
menggambarkan probabilitas kejadian A dengan asumsi kejadian B telah

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

Laki-laki 460 40 500

Wanita 140 260 400
Jumlah 600 300 900

Misalkan diambil seorang dr mereka untuk ditugaskan melakukan promosi

barang di suatu kota tersebut. Bila ternyata yg terpilih adalah dalam status
bekerja, Berapakah probabilitasnya bahwa dia:
a. Laki-laki b. Wanita
Jawab :
Diketahui : A = Kejadian terpilihnya sarjana telah
bekerja
B = Kejadian bahwa dia laki-laki
a. n(A∩B) = 460 → P(A∩B) = 460/900

n(A) = 600 → P(A) = 600/900

460
P(B / A)  P(A  B)  900  460  23
P(A) 600 600 30
900
b. B = Kejadian bahwa dia wanita
Dengan cara yg sama seperti diatas, maka P(B/A) = 140/600 = 7/30

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)

Dalam setiap kesempatan kita selalu dihadapkan dengan

pengambilan keputusan bahkan setiap saat. Keputusan tersebut mulai
dari yang paling sedrhana sampai dengan keputusan yang paling sulit,
misalkan di saat kita mau menentukan ke arah mana kaki melangkah,
bagaimana kebijakan yang seharusnya terhadap karyawan yang
indisipliner, dimana tepat usaha yang harus ditempatkan, dan lain
sebagainya.
Setiap keputusan akan menghadapi empat keungkinan, yaitu
a. Keputusan (Certainty)
b. Resiko (risk)
c. Ketidakpastian (Uncertainty)
d. Konflik (conflic)
Keputusan dengan kondisi kepastian terjadi jika semua
informasi yang dijadikan dasar keputusan tersedia. Keputusan dalam
kondisi beresiko terjadi jika informasi untuk mengambil keputusan tidak
dalam keadaan sempurna, keputusan dalam kondisi ketidakpastian
terjadi jika informasi untuk mengambil keputusan tidak ada dan
keputusan dalam kondisi konflik akan terjadi jika dari dua kondisi atau
lebih yang sama-sama mempunyai tingkat kepentingan yang tinggi,
membutuhkan kebijakan dalam menentukan skala prioritas kepentingan
mana yang seharusnya didahulukan. Harapan matematis adalah
merupakan suatu nilai yang didasarkan pada tingkat kemungkinan yang
akan terjadi.

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 :

Saham Baik Buruk Nilai Harapan (E)

(P = 0,5) (P = 0,5)
A 823.529,41 470.588,24 (823.529,41 X 0,5) + (470.588,24 x 0,5) =
647.058,82
B 3.577.235,77 2.276.422,76 (3.577.235,77 x 0,5) +( 2.276.422,76 x 0,5) =
2.926.829,
C 2.272.727,27 1.727.272,73 (2.272.727 x 0,5) + (1.727.272,73 x 0,5) =
2.000.000,00
D 888.888,89 722.222,22 (888.888,89 x 0,5) + (722.222,22 x 0,5) =
805.555,56

Dari hasil perhitungan di atas, jelas bahwa sebaiknya kita memilih

untuk membeli saham Perusahaan “B” karena nilainya paling tinggi di
antara nilai ekspektasi pembelian saham lainnya.

138
SOAL PILIHAN GANDA (MULTIPLE CHOICE)
1.Pada prinsipnya probabilitas adalah
a. Klasik c. Mutually Exclusive
b. Subyektif d. Frekuensi relatif.

2.Peristiwa yang Mutually Exclusive adalah peristiwa yang memiliki

probabilitas
a.Saling bebas c. Kejadian pelengkap
b.Saling tidak bebas . d. Probabilitas bersyarat
3.Apabila peristiwa satu dengan yang lain adalah saling bebas maka
probabilitas bersyarat sama dengan
a. Probabilitas biasa. c. Probabilitas bebas
b. Probabilitas tidak biasa d. Probabilitas tidak bebas

4. Probabilitas bahwa pabrik “Kertas” akan berlokasi di Surabaya adalah

0,7 , probabilitas akan berlokasi di Makassar adalah 0,4, dan
probabilitas akan berlokasi di Surabaya atau Makassar atau di kedua
kota itu adalah 0,8. Berapa probabilitasnya bahwa pabrik “Kertas” itu
akan berlokasi di kedua kota itu
a. 0,3. c. 0,9
b. 0,7 d. 0,5

5. Berdasarkan soal n0. 4. Berapa probabilitasnya bahwa pabrik kertas itu

akan berlokasi bukan di kedua kota itu.
a. 0,3 c. 0,9
b. 0,7. d. 0,5

6. Pak Andi akan melakukan perjalanan dari Jakarta ke Surabaya.

Probabilitas beliau menggunakan Kereta Argo Bromo adalah 0,35,
probabilitas menggunakan Bus Super Executive adalah 0,45 dan
proababilitas menggunakan kendaraan Pribadi adalah 0,20.
Berapakah probabilitas beliau akan menggunakan Kererta Api Argo
Bromo atau Kendaraan Pribadi ?
a. 0,25 c. 0,55.
b. 0,45 d. 0,75

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

1.Apa yang dimaksud dengan Statistik Inferensia

Statistika Inferensia adalah suatu pernyataan mengenai suatu
populasi yang didasarkan pada informasi dari sampel random yang
diambil daripopulasi itu.
Inferensia Statistik atau statistika Inferensia 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
140
 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
telahmelakukan Inferensia statistika yang tentu saja mempunyai sifat
tidak pasti.
2. Apa arti probabilitas didalam statistik Inferens.
Probabilitas adalah suatu nilai yang digunakan, untuk mengukur tingkat
keyakinan terjadinyasuatu kejadian yang acak. Suatu kejadian yang
acak/random yaitu bila kejadian tersebut tidak dapat diketahui dengan
pasti sebelumnya.
3. Ada 3 (tiga) pendekatan dalam mempelajari teori probabilitas,
pendekatan tersebut adalah pendekatan klasik, pendekatan frekuensi
relatif dan penedekatan subyektif.
a. Pendekatan Klasik
Probabilitas klasik yg seringkali dinamakan probabilitas a priori
adalahjika probabilitas suatu peristiwa akan terjadi sudah dapat
diketahui sebelum dilakukan percobaan mis:Probabilitas muncul
mata dadu 4 adalah 1/6,
b. Pendekatan Frekuensi Relatif
Percobaan menurut pendekatan ini sering dinamakan probabilitas
empiris karena besarnya probabilitas ditentukan melalui percobaan
dan frekuensi relatif yang diperoleh makin stabil.
c. Pendekatan Subyektif, Probabilitas subyektif adalah probabilitas
suatu peristiwa yang ditentukan dengan perasaan atau kepercayaan
seseorang yang didasarkan pada fakta-fakta yang ada misalnya data
tentang frekuensi.
Probabilitas subyektif biasanya ditentukan jika terjadinya peristiwa
hanya sekali atau paling banyak beberapa kali.
4. Apakah peristiwa mutually exclusive merupakan peristiwa dependen?
Mengapa? Ya., karena jika suatu peristiwa terjadi maka probabilitas
terjadinya peristiwa lain adalah nol. Sehingga, peristiwa pertama
mempengaruhi terjadinya peristiwa lain.

141
5. Apa yang dimaksud dengan peristiwa Koplementer ?
Probabilitas bahwa peristiwa A tidak terjadi adalah 1 (satu) dikurangi
probabilitas itu sendiri.

6. Berapa nilai yang dimiliki oleh suatu Probabilitas ?

Probabilitas memiliki nilai antara 0 sampai dengan 1

7. Dengan pendekatan klasik, Berapa Probabilitas munculnya sisi

belakang dari mata uang logam
Pendekatan klasik menganggap setiap peristiwa punya peluang yang
sama, maka peluangnya adalah ½

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

1. Suatu perusahaan mempunyai 3 buah mesin yaitu Mesin A, B, dan C.

Ketiga mesin itu menghasilkan barang yang sejenis.
Kapasitas mesin A adalah 2500 produk/hari, B 1500/hari dan C 1000
produk/hari. Namun barang yang dihasilkan tidak semuanya
berkualitas sama, sehingga harus dipisah-pisahkan antara barang
berkualitas I dan berkualitas II.
Adapun mesin produk adalah sebagai berikut :

Mesin
Kualitas A B C Jumlah

I 1200 1200 900 4200

II 400 300 100 800

Jumlah 2500 1500 1000 5000

Bila diambil satu produk secara acak, berapakah :

a. Probabilitas barang yang terambil kualitas I
b. Probabilitas barang yang terambil kualitas II
c. Probabilitas barang yang terambil berasal dari mesin B
d. Probabilitas barang yg terambil berkualitas I berasal dari mesin A
e. Probabilitas barang yang terambil berasal dari mesin A dan
berkualitas I
f. Probabilitas barang yang terambil berasal dari mesin B dan
berkualitas II

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

e. P(Mesin A ∩ Kualitas I) = 2500 x 2100  2100  0,42

5000 2500 5000

f. P (Mesin B ∩ Kualitas II) = 1500 x 800  800  0,16

5000 1500 5000

2. Ibu Adam yang mengelola kantin Mahasiswa menyediakan beberapa

pilihan makanan dan minuman. Dengan Uang Rp. 7.500,- mahasiswa
dapat memiliki satu jenis makanan dan satu jenis minuman saja.
Adapun pilihan untuk makanan adalah : Nasi Soto, Mie Ayam, Mie
Baso, Lontong Gado-gado, Ketupat Sayur dan Nasi Goreng.
Jenis minuman yang tersedia adalah : Es Teh, Es Jeruk, Teh Panas dan
Jeruk Panas.
Berapa macam pilihan yang tersedia bagi Mahasiswa agar dengan Rp
7.500,- ia dapat memiliki satu jenis makanan dan satu jenis minuman.

Penyelesaian:
n=6

r =1   r!(nn! r)!  1!(61)!

n
r
6!
6

n =4

r=1   r!(nn! r)!  1!(41)!

n
r
4!
4

Jadi ada 6 x 4 = 24 cara

144
 MODUL VIII
DISTRIBUSI TEORITIS

Tatap 9 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1. Pengertian distribusi teoritis

Bahasan 2. Ciri dan bentuk distribusi teoritis probabilitas variabel
random diskrit dan variable kontinu
3. Distribusi Binomial, Poisson dan Hypergeometrik

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

Kompetensi yang hendak dicapai :

1. Mahasiswa menjelaskan cara menggunakan dan menganalisa
distribusi binomial
2. Mahasiswa dapat menjelaskan cara menggunakan dan menganalisa
distribusi poisson
3. Mahasiswa dapat menjelaskan cara menggunakan dan menganalisa
distribusi hypergeometrik
4. Mahasiswa dapat menjelaskan cara menggunakan dan menganalisa
distribusi normal standard

145
 DISTRIBUSI PROBABILITAS

Dalam proses induksi diperlukan konsep yang lebih luas dibanding

konsep distribusi relatif. Konsep yang lebih luas diberi istilah distribusi
probabilitas. Sekedar mengingat saja probabilitas adalah angka relatif
jangka panjang.
Apabila nilai probabilitas sebuah peristiwa adalah nilai variabel
random X, dan variabel tersebut mempunyai banyak kemungkinan untuk
terjadi, maka dengan cara apapun, apakah dengan cara membuat tabel
ataupun dengan cara fungsi matematika maka hasilnya merupakan “suatu
distribusi probabilitas
A. Distribusi Probabilitas Diskrit
Distribusi probabilitas diskrit adalah suatu daftar dari semua nilai
variabel random diskrit dengan probabilitas terjadinya masing-masing
nilai itu. Ada bermacam-macam distribusi diskrit, berturut-turut adalah
distribusi probabilitas binomial, dan poisson. Sebelum menjelaskan
ketiga macam distribusi probabilitas itu, lebih dulu akan dijelaskan beda
antara variabel random diskrit dan kontinyu.
Variabel random adalah variabel yang nilainya merupakan hasil
dari suatu peristiwa. Karena nilai-niali yang dihasilkan tidak berpola
maka dikatakan variabel random.
Ada dua macam variabel random yaitu diskrit dan kontinyu.
Variabel random 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 (gambar 2.1) dan
variabel kontinyu dapat mengisi nilai manapun dalam suatu interval. Jika
digambarkan, variabel random kontinyu akan berupa sederetan titik
yang bersambung membentuk garis lurus (gambar 2.2). Contoh variabel
diskrit adalah banyaknya pemunculan sisi kepala dalam pelemparan
suatu uang logam, dan contoh variabel random kontinyu adalah umur
penduduk Indonesia.

146
 .
0 1 2 3

Nilai variabel random kontinyu

dapat terjadi dimanapun dalam
interval ini
Gambar 2.1 Gambar 2.2
Variabel random diskrit Variabel random kontinyu

1.Distribusi Probabilitas Binomial

Suatu percobaan statistik disebut percobaan Binomial atau
Bernoulli bila percobaan statistik tersebut mempunyai ciri-ciri :
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(S)
= q dan semuanya tetap pada setiap kali percobaan.
d. Semua hasil yang muncul saling bebas satu sama lain.
Contoh : Misalkan sebuah uang logam dilemparkan 100 kali dan
misalkan munculnya sisi muka disebut kejadian sukses (S) dan sisi
belakang disebut kejadian gagal (G) , maka
Probabilitas Sukses P(S) = ½ = p
Probabilitas gagal P(G) = 1- p = 1 - ½ = ½ = q
Kejadian Sukses dan Gagal adalah bebas satu sama lain dari
percobaan pertama dan kedua, karena berlaku P(S∩G)= P(S).P(G)

Rumus :
b ( x / n, p)   p
n
x
x
q nx

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 40
 4
0
0 4

P(X 1)  
4 1 43
1 pq  
1 2/3
4 1
1/33 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

x = banyak kertas yang rusak setiap penstensiln

= 0, 1, 2, 3, ,,,,,,,,,,,10
P (kertas rusak) = 150/1500 = 0,1 p
P(kertas tidak rusak) = 1-p = 1 – 0,1 = 0,9 q
Maka x mempunyai distribusi Binomial dengan n=10, p=0,1, q=0,9

P(X  x)   p
n
x
x
q nx , x  0,1,2,3 1.0

148
 Jadi  P(X  0)   0,1 0,9  0,3487  lihat ditabel
10
0
0 9

Binomial dg n=10, p=0,1, x=0 = 0,3487

Jadi  P(X 1)   0,1 0,9 0,3874 lihat ditabel Binomial

10
1
1 9

dgn n=10, p=0,1, x=1

=0,3874

Distribusi Binomial Komulatif

Bila pada n percobaan terdapat paling tidak sebanyak 1 sukses,

Maka distribusi Binomial komulatif yang ditulis P(x ≥ r) →
dirumuskan :

P(X  r)  b(r / n, p)  b(r 1/ n, p) ..... b(n / n, p)

n
= b(x /
xr
n, p )

Contoh : lihat soal (2), tentukanlah P(X ≥3)

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

Cara II (Lihat tabel distribusi Binomial Komulatif , untuk n=10,

p=0,1, dan r = 3 → diperoleh P(X ≥ 3 ) = 0,070

Rata-rata dan Deviasi Standard Distribusi Binomial

Rata-rata distribusi binomial µ adalah kali parameternya, yang

dirumuskan sebagai
µ = n.p

Deviasi Standard suatu distribusi binomial σ dirumuskan sebagai

berikut :
  npq
149
2. Distribusi Hipergeometrik
Distribusi hipergeometrik adalah suatu bentuk distribusi yang
diperoleh dari hasil percobaan dengan pengambilan sekaligus
secara acak (random) dan tanpa pengembalian. Secara singkat
distribusi Hipergeometrik adalah :
 “n” percobaan dalam sebuah sample diambil dari Populasi
terbatas yang berukuran N
 Sampel diambil tanpa pengembalian
 Hasil dari percobaan adalah tidak bebas
 Mengenai pencarian Probabilitas “X” sukses dalam sampel
dimana ada probabilitas “A” sukses dalam Populasi
Rumusnya adalah:

 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  21  (6)(6)
P(X 2)     0.3
 N 10 120
n  3 
   

Jadi probabilitas bahwa 2 dari 3 komputer yang dipilih memuat

software yang ilegal adalah 0,30 atau 30%.

3. Distribusi Probabilitas Poisson

Distribusi Poisson sering muncul dalam literatur manajemen karena

banyak diterapkan dalam bidang ini, misalnya saja banyaknya
pelanggan yang datang pada jasa pelayanan bank, banyaknya
panggilan telepon selama jam sibuk, banyaknya kecelakaan di
perempatan jalan dan lain-lain. Beberapa proses “kedatangan” yang
telah disebutkan itu, belum pasti akan mengikuti proses Poisson.
Jika Pola kedatangannya diasumsikan mengikuti proses Poisson,
rumus Poisson dapat digunakan untuk menghitung probabilitas
banyaknya kedatangan dalam suatu selang waktu tertentu.
Disamping itu, ada bentuk distribusi Poisson yang lain, yaitu
distribusi Poisson sebagai pendekatan distribusi Binomial yang
dapat digunakan dengan baik untuk menyelesaikan persoalan
binomial dalam keadaan tertentu.

Distribusi Poisson sebagai pendekatan Distribusi Binomial

Rumus Poisson dapat digunakan untuk mendekati probabilitas

jumlah sukses dalam sejumlah percobaan. Jika banyaknya
percobaan n > 20 dan probabilitas sukses p< 0,05. Secara umum
jika n makin besar dan makin mendekati 0 atau 1, penggunaan
rumus Poisson akan semakin baik. Rumus Poisson lebih mudah
dibanding rumus Binomial. Rumus Poisson untuk pendekatan
probabilitas jumlah sukses dalam sejumlah percobaan adalah

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

Pendekatan Poisson Rumus Binomial

P(x)   
 X
P(X )   p
n x
q nx 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) = 0,013 0,9947
3! 3!.47!
= 0,0126 = 0,0122

µ = np

152
Rata-rata, Varians, Simpangan Baku Distribusi Poisson

Rata-rata distribusi Poisson → µ = np

Variansi distribusi Poisson → σ² = np

Simpangan Baku distribusi Poisson →   np

B. Distribusi Probabilitas Kontinyu

Setelah menjelaskan distribusi probabilitas diskrit. Sekarang kita akan
membahas variabel random kontinyu dan distribusi probabilitas kontinyu
.
Ada beberapa distribusi probabilitas kontinyu, misalnya distribusi
uniform, eksponensial, normal dan lain-lain. Diantara distribusi
probabilitas kontinyu itu, distribusi normal adalah yang paling populer
dan yang akan dibahas dalam modul ini.

Distribusi Normal

Distribusi normal termasuk dalam variabel random kontinyu yaitu

variabel random yang nilainya dapat terjadi dimanapun di dalam suatu
interval tertentu.

Ciri-ciri 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”

153
 -∞ E (x) ∞ ∞
Nilai variabel Kontinyu

Gambar 2.4

Dalam distribusi probabilitas variabel diskrit, probabilitas suatu nilai

variabel ditunjukkan oleh panjang garis tegak lurus diatasnya, sehingga
jumlah panjang garis tegak lurus di atasnya = 1 (gambar 2.5)

Dalam distribusi variabel kontinyu, kita tidak dapat menggambarkan

garis tegak lurus untuk menunjukkan probabilitas nilai masing-masing
variabel. Sebagai gantinya, probabilitas untuk suatu interval
digambarkan sebagai suatu luas wilayah. Sehingga luas seluruh luas
wilayah di bawah kurva dan di atas sumbu horizontal = 1. Pada gambar
( 2.6) probabilitas dari 0 sampai 50 adalah 0,7 sedang probabilitas untuk
interval 50-60 adalah 1-0,7 = 0,3. Probabilitas ketika nilai variabel 50
adalah 0 karena luas garis = 0

0,375

0,125 0,7

0 1 2 30 50 60

Gambar 2.5 Gambar 2.6

Distribusi Probabilitas Distribusi Probabilitas
Variabel Random Diskrit Variabel Random Kontinyu

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

Distribusi normal terdiri dari distribusi normal yang jumlahnya tak

terhingga. Namun, untuk mencari probabilitas suatu interval dan
variabel random kontinyu, dapat dipermudah dengan bantuan distribusi
normal standar yang memiliki rata-rata µ = 0 dan deviasi standar σ = 1.
Variabel random dalam distribusi normal standar kemudian diberi nama
Z, Rumus untuk memperoleh variabel normal standar Z adalah :

Z  X 

Dimana :
X = Nilai variabel random
µ = rata-rata variabel random
σ = deviasi standar

Variabel Normal standar Z dapat diartikan sebagai berapa kali deviasi

standar suatu nilai variabel random menyimpang dari rata-ratanya.
Contoh : Berat Badan Mahasiswa suatu Perguruan Tinggi mempunyai
distribusi normal dengan rata-rata 60 dan deviasi standar 10. Tentukan
nilai variabel normal standar bagi mahasiswa yang memiliki berat badan
70 dan 50

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

Ilustrasi hubungan antara variabel random dengan nilai Z

mencari luas kurva normal baku yang dibatasi oleh dua nilai Z yang
diketahui.
Menggunakan Tabel Normal Standar

Pada Tabel Normal Standar menggambarkan luas wilayah di bawah

kurva normal antara garis tegak lurus di atas rata-rata dengan setiap
titik di sebelah kanan rata-rata. Luas wilayah tersebut menunjukkan
probabilitas dari suatu interval, sehingga luas seluruh wilayah di bawah
kurva = 1 . Karena kurva simetris, maka luas wilayah disebelah kanan
garis tegak lurus diatas rata-rata sama dengan 0,5 dan sebelah kirinya
juga sama dengan 0,5 .

Contoh :
Carilah besarnya probabilitas terjadinya X bila :

a. (0 ≤ x ≤ 1,42) e. (-1,79 ≤ x ≤ - 0,54)

b. (-0,73 < x < 0) f. ( x ≥ 1,13 )
c. (-1,37 ≤ x ≤ -2,01) g. ( x ≤ 0,5).
d. (0,65 ≤x ≤ 1,26)

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

b. P((-0,73 < x < 0)

Dari tabel P( -0,73≤ x ≤0) = 0,2673

-0,73 0

c. P(-1,37 ≤ x ≤ -2,01)

-1,37 0 2,01

P(-1,37 ≤ x ≤ -2,01)= P(-1,37 ≤ x ≤0) + P(0 ≤ x ≤ 2,01)

= 0,4147 + 0,4778
= 0,8925

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

e. P(-1,79 ≤ x ≤ - 0,54) = P(0,54 ≤ x ≤ 1,79)

-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 )

P(x ≥ 1,13) = P(x ≥ 0) – P(0 ≤ x ≤ 1,13)

= 0,5000 – 0,3708

Z = 0,1292

f. P( x ≤ 0,5).

P( X ≤ 0,5 ) = P(x≤0) + P(0≤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

Kebalikan Menggunakan “Tabel Normal standard”

 Artinya mencari nilai Z jika probabilitanya diketahui

 Contoh : Bila diketahui Probabilitas = 0,4834. Berapa nilai Z yang
sesuai ? Probabilitas ini pada baris 2,1 dan kolom 0,03→ berarti
nilai Z = 2,13 yang dilambangkan dengan (Z/P = 0,4843) = 2,13 →
yang berarti nilai Z untuk P ( 0 sampai Z) = 0,4834

159
Contoh :

Suatu mesin pengisi minuman dingin diatur sedemikian rupa sehingga

rata-rata isi tiap botol 200 mililiter. Bila volume minuman tersebut
berdistribusi normal, dengan simpangan baku 15 mililiter, ditanyakan :

a. Berapa bagian yang berisi lebih dari 224 mililiter ?

b. Berapa probabilitas seluruh botol akan berisi 191 ml sampai 209
mililiter ?
c. Bila produksi 1000 botol, berapa banyak botol minuman yang berisi
kurang dari 239 mililiter ?
d. Dibawah nilai berapa untuk diperoleh 25% isi terendah

Penyelesaian :

a. Diketahui µ = 200 ; σ = 15
Bagian yang berisi lebih dari 224 mililiter ;

Nilai x ditransformasikan ke Z

Luas yg diarsir = 0,5 – P(x = 224)

x    224 200 1,6

Z=
 15

µ =200 224

P (X = 224) → dalam skala Z menjadi P( Z = 1,6) = 0,4452 (tabel Z)

Luas yang di arsir = 0,5000 – 0,4452 = 0,0548 = 5,48%
Jadi bagian yang berisi lebih dari 224 mililiter = 5,48%

b.Probabilitas seluruh botol berisi 191-209 mililiter

x₁ =191 x₂ =209

160
 x  191200 x   209200
Z1    0,60 Z2   0,60
 15 15 15

191 200 209

Z₁ Z₂
P ( Z₁ = - 0,60 ) = 0,2257
P ( Z₂ = 0,60 ) = 0,2257+

= 0,4514

Jadi probabilitas botol berisi 191 – 209 mililiter = 0,4514 = 45,14%

b. Bila produksi 1000 botol, berapa botol yang berisi kurang dari 239
mililiter

Z  x    239 200  2,6  P(Z  2,6)  0,4953

 15

µ = 200 239

Luas yang diarsir = 0,5000 + 0,4953 = 0,9953 = 99,53%

Jadi jumlah botol yang berisi kurang dari 239 mililiter = 99,53% X
1000 = 995,3 botol = 995 botol
c. Nilai berapa untuk diperoleh 25 % isi terendah
Luas yang diarsir = 25 % = 0,25
Luas A = 0,5 – 0,25 = 0,25 → nilai probabilitas/peluang A = 0,25
161
 P ( A = Z ) = 0,25 → mendekati = 0,2486 (lihat tabel)
P ( A = Z ) = 0,2486 → A = - 0,67

Z  x    0,67  x  200
 15
25% x  200  0,67(15)
x 189,95190

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”

10. Apa fungsi dari distribusi normal standard

Untuk encari probabilitas suatu interval dari variabel random kontinyu
yang mempunyai rata-rata (µ) = 0 dan standar deviasi (σ) = 1

164
SOAL MULTIPLE CHOICE

1. Jika diketahui probabilitas dari kerusakan barang adalah 0,1 dan

banyaknya sampel yang diambil untuk keperluan suatu penelitian 8
buah, maka berapakah simpangan baku dari yang rusak tersebut.
a. 0.9 c. 0,009
b. 0,09. d. 0,0009
2. Dari soal no. 1, berapa rata-rata barang yang rusak
a. 0,8584 c. 0,8485.
b. 0,8854 d. 0,8845
3. Pada perusahaan “X”, 20% karyawannya dikatagorikan seabagai
pekerja yang baik. Jika dipilih 15 karyawan secara acak, berapakah
probabilitas 4 orang karyawan berkategori baik
a. 0,19. c. 0,0019
b. 0,019 d. 0,00019
4. Berdasarkan soal no. 3. Berapakah probabilitas paling sedikit 2 orang
berkategori baik
a. 0.338 c. 0,838
b. 0.383 d. 0,833.
5. Dan berapa pula probabilitas tidak lebih 1 orang berkategori baik
a. 0,167. .c. 0,671
b. 0,761. .d. 0,716
6. Sebuah kelompok yang terdiri dari 10 orang, 5 diantaranya adalah pria.
Berapa probabilitas mendapatkan 2 pria dari sampel random tanpa
pengembalian sebanyak 6 orang yang dipilih dari kelompok tersebut.
a. 0,14 c. 0,34
b. 0,24. d. 0,44
7. Jika diketahui p = 0,002 n = 1000, hitunglah berapa rata-rata dan
standar deviasinya
a. 4 dan 2 c. 2 dan 4.
b. 4 dan 2 d. 2 dan 2
8. Lanjutan soal no.7, berapa P( X = 4 )
a. 0,0209 c. 0,0029
165
 b. 0,2900 d. 0.0902.
9. Dan berapa probabilitanya X = 0 → P( X = 0)
a. 0,13534. c. 0,43153
b. 0,35134 d. 0,31345
10.Berat badan mahasiswa suatu perguruan tinggi mempunyai distribusi
normal dengan rata-rata 60 kg dan deviasi standar 10 kg. Tentukan
nilai variabel standar bagi mahasiswa yang mempunyai berat badan
70 dan 50 Kg.
a. 0,8626 c. 0,6826.
b. 0,8662 d. 0,8266

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 nx ; 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

 2100,156 0,854  0,0125

b. Baik sebanyak 3 buah (berarti rusak ada 7)
166
 P(X=x) =  p
n
x
x
q nx ; x  0,1,2......n.
  0 , 1 5
1 0
7
7
0 , 8 5 1 0 7

10!
 0,157 0,853
7!(10 7)!
 (120)(0,15)7 (0,85)3
 0,000126

c. Tidak ada satu pun yang rusak P(X=0)

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%

2. Seorang Manajer personalia mengambil secara random lamaran

pekerjaan yang disampaikan oleh 10 orang calon karyawannya.
Dengan anggapan bahwa 5 dari sepuluh karyawan tersebut berasal
dari sekolah kejuruan, tentukan probabilitasnya bahwa 2 dari 6
lamaran pekerjaan tersebut betul berasal dari kejuruan
Penyelesaian :
Diketahui , N = 10 A=5 n=6 X =2

P ( X  2) 
        0,24
A NA
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!

Jadi probabilitas 5 orang yang dapat dilayani oleh Customer

Service terhadap nasabahnya adalah 0,1 atau 10%
b. Tingkat penyimpangan yang mungkin dilakukan oleh Customer
Service terhadap nasabahnya ?
µ = n.p 3 = (300). P
p = 0,01 → q = 1- p = 0,99
  npq  (300)(0,01)(0,99) 1,72 menit

4. Sebuah Supplier minyak tanah yang menguasai suatu daerah, dari

bulan Desember sampai dengan Februari dapat memasarkan minyak
tanah rata-rata 8.000 liter per hari dengan simpangan baku 1.000 liter
per hari. Jika pada suatu hari Suplier mulai dapat menawarkan 9.250
liter per hari, berapa probabilitas bahwa permintaan suatu hari
melampaui jumlah yang dapat ditawarkan.
168
Penyelesaian :
µ = 8.000 σ = 1.000
X = 9.250

Z  X    9.250  8000 1,25

 1.000

P(z = 1,25) = 0,3944 (dari tabel normal standar)

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

Tatap Muka 10 Waktu 100 Menit SKS 2

Sub Pokok 1.Pengertian dan macam-macam distribusi sampling

Bahasan 2.Sampling rata-rata dan proporsi
3. Sampling selisih rata-rata dan proporsi

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

Kompetensi yang hendak dicapai :

1. Mahasiswa menjelaskan cara menggunakan dan menganalisa
distribusi sampling rata-rata dan proporsi
2. Mahasiswa dapat menjelaskan cara menggunakan dan menganalisa
distribusi sampling selisih rata-rata dan proporsi

170
 DISTRIBUSI SAMPLING

A. PENGERTIAN DISTRIBUSI SAMPLING

Untuk menginterpretasikan suatu persoalan terhadap suatu
populasi, kita terkadang perlu mendapatkan informasi secara lengkap
dan jelas, karena informasi yang lengkap merupakan informasi yang
diperoleh dari populasi secara keseluruhan tidaklah mudah untuk
didapatkan, kemudian ada jumlah elemen (anggota) populasi yang
cukup banyak dimana tingkat kesulitan untuk mendapatkan informasi
disebabkan karena banyaknya faktor kendala atau penghambat lainnya,
misalnya ada beberapa anggota populasi yang tidak sempat dimintai
keterangannya, faktor biaya yang cukup tinggi, faktor waktu, faktor
tenaga, faktor ketepatan (akurasi data) dan sebagainya.

Sejalan dengan persoalan diatas , maka sebagai langkah dalam

pengambilan keputusan cukup menggunakan sampel, kemudian
dijadikan sebagai bahan dalam melakukan interpretasi terhadap
populasinya (sebagai estimator terhadap populasi). Sampel dikatakan
sebagai estimator yang baik, jika mempunyai nilai harapan yang sama
dengan parameter yang diestimasi (populasi), µ adalah lambang rata-
rata populasi dan estimasinya x (rata-rata sampel), P lambang proporsi
populasi dan estimasinya p (proporsi sampel), σ lambang simpangan
baku (standard deviasi) populasi sedangkan estimatornya s
(sampangan baku sampel)

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.

C. SAMPLING DENGAN DAN TANPA TARUH KEMBALI

a. Sampling dengan taruh kembali (sampling with replacement), yaitu
sampling dimana setiap unsur populasi dapat dipilih lebih dari sekali .
b. Sampling tidak taruh kembali (sampling without replacement), yaitu
sampling bila setiap unsur populasi tidak dapat dipilih lebih dari
sekali.

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  3467 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

Kemungkinan Nilai Sampel (x) Rata-rata Sampel ( x )

1 3–4 7/2 = 3,5
2 3–6 9/2 = 4,5
3 3–7 10/2 = 5
4 4–6 10/2 = 5
5 4–7 11/2 = 5,5
6 6–7 13/2 = 6,5
Jumlah 30

174
 Tabel 3.2
Distribusi Frekuensi “Rata-rata Sampel”

Rata-rata Sampel ( x ) Frekuensi

3,5 1
4,5 1
5 2
5,5 1
6,5 1
6

Tabel 3.3
Distribusi Sampling Rata-Rata dengan Ukuran n =2

Rata-rata Sampel ( x ) Probabilitas

3,5 1/6
4,5 1/6
5 2/6
5,5 1/6
6,5 1/6
1

→ Ternyata µ (rata-rata populasi) = 5 dan  x (rata-rata distribusi

sampling rata-rata ) = 5

3,5  4,5  5  5  5,5  6,5  30  5

x 
6 6

Jadi,
 
x

175
 → Untuk Populasi Finite, hubungan  dan σ dirumuskan =
x

 Nn
x 
n N1

N n
= Faktor koreksi populasi finite, bila n < 0,005 N
N1


→ Untuk Populasi infinite → x 
n

Menggunakan Distribusi Sampling Rata-rata

Bila variabel random adalah rata-rata sampel ( x ) mempunyai distribusi

normal dengan rata-rata  dan standard deviasi  , maka variabel

x x

random standard Z dirumuskan sebagai berikut :

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

- Jika X = 5750 , maka

X  
Z  x  5750 5650
 x
70
= + 1,43

Sehingga, P ( 5550 < X < 5750 ) = P( -1,43 ≤ Z < 1,43 )

= 0,4236 + 0,4236
= 0,8472
Jadi terdapat 0,8472 X 100 bulan = 85 bulan dengan rata-rata
sampel antara 5550 – 5750

2. Distribusi Sampling Proporsi

Distribusi sampling proporsi adalah merupakan probabilitas
yang dapat terjadi dari proporsi sampel yang didasarkan pada sejumlah
sampel tertentu dan informasi secara global dari parameter proporsi
populasinya. Adapun rumus distribusi sampling proporsi dinyatakan
sebagai berikut :

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(10,02)
 p   0,007
n 400

p  
 p  P = 0,03 0,02 = 1,43
p
a. Z 
 p  p 0,007

1,43

Jadi P ( p ≥ 0,03 ) = P( Z ≥ 1,43 )

= 0,5 – 0,4236
= 0,0764

178
 b. P ( p ≤ 3% ), maka

p  
 p  P = 0,03 0,02 1,43
p
Z 
 p  p 0,007

1,43

Jadi P ( p ≤ 1,43 ) = 0,5 + 0,4236 = 0,9236

E. DISTRIBUSI SAMPEL SELISIH DUA RATA-RATA DAN PROPORSI

1. Distribusi Sampel Selisih Dua Rata-rata
Distribusi sampling selisih rata-rata adalah merupakan distribusi
probabilitas yang dapat terjadi dari selisih rata-rata dua sampel yang
berbeda, didasarkan pada dua sampel tertentu dengan informasi
global dari ukuran parameter dua populasinya. Adapun rumus
distribusi sampling selisih rata-rata dinyatakan sebagai berikut :

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......?

 12  22 30002  500 2 425,7

 x x   
1 2
n1 n2 50 200

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

2. Distribusi Sampling Selisih Proporsi

Distribusi sampling selisih proporsi adalah merupakan distribusi
probabilitas yang dapat terjadi dari selisih proporsi dua sampel yang
180
 didasarkan pada dua sampel tertentu dengan informasi global dari dua
proporsi parameter populasinya.
Rumus :
 Rata-rata dari sampel selisih dua proporsi (p₁ - p₂)

 p  p  P1  P2  P1  P2  X 1  X 2
1 2
N1 N2

 Simpangan baku dari distribusi sampel selisih dua proporsi

P11 P1 P21 P2

 p p  
1 2
n1 n2
Angka baku apabila n₁ ≥ 30 dan n₂ ≥ 30

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 :

PT. Indah Karya n₁ = 100, P₁ = 0,10

PT. Dharma Raya n₂ = 200, P₂ = 0,15

181
 Selisih proporsi = p₁ - p₂ = 0,07
Standard deviasi dari selisih proporsi adalah

P1 1P1  P21 P2 0,1(0,9) 0,15(0,85)

 p p     0,04
1 2
n1 n2 100 200

Nilai Z diperoleh dengan :

Z   p 1  p 2   P1  P2   0,0 7 - 0,1 0  0,1 5   3,00

 p1  p 2 0,0 4

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

1. Apa yang dimaksud dengan sampling ?

Yaitu penarikan sebagian dari anggota/obyek yang akan diteliti
2. Dan apa pula yang dimaksud dengan Distribusi sampling?
Adalah Distribusi probabilitas dengan statistik sampel sebagai variabel
randomnya.
3. Jelaskan apa yang dimaksud dengan sampling acak ? Kenapa dalam
suatu proses penelitian sampling acak sangat diperlukan ?
Sampel random sering disebut juga sampel probabilitas, karena
masing-masing unsur, elemen, atau bagian memiliki kesempatan yang
sama . Cara ini sangat diperlukan karena lebih obyektif dan kesalahan
sampling dapat diukur.
4. Ada berapa macam metode sampling ? Jelaskan
a.Sampling random sedehana/simple random sampling yaitu pemilihan
sampel sedemikian rupa sehingga setiap unsur dalam populasi
mempunyai kesempatan yang sama untuk dipilih.

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.

5. Apa yang diaksud dengan sampli berlapis 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)

6.Apa yang dimaksud dengan distribusi sampling rata-rata ?

Distribusi sampling adalah distribusi probabilitas dengan statistik
sampel debagai variabel randomnya, sedangkan Distribusi sampling
rata-rata adalah distribusi probabilitas dari semua rata-rata sampel
dengan ukuran tertentu yang ditarik dari suatu populasi.
7. Dari sampling without replacement dengan ukuran n = 2 dari elemen
populasi N = 4 , berapa kombinasi kemungkinan hasil sampel
4! 4.3.2.1.
C24   6
2!(4  2)! 2.1.2.1.
8.Apa yang dimaksud dengan distribusi sampling selisih dua rata-rata
Distribusi sampling selisih rata-rata adalah merupakan distribusi
probabilitas yang dapat terjadi dari selisih rata-rata dua sampel yang

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

SOAL MULTIPLE CHOICE

1.Wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai
kuantitas dan karakteristik tertentu
a. Sampel c. Sampel rata-rata
b. Sampel proporsi d. Populasi.

2. Karakteristik Sampel dinamakan

a. Parameter c. Satistik .
b. Rata-rata d. Pupulasi

3. Simbol Rata-rata dalam Populasi adalah

a. µ. c. X
b. σ d. P
4. Setiap anggota populasi mempunyai kesempatan yang sama untuk
menjadi anggota sampel disebut
a. Non Random sampel c. Sampling with replacement
b. Cluster Sampel d. Random Sampel.

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

Selisih rata-rata X1  X 2 105. Berapa nilai Standard deviasinya

a. 1,9 c. 3,9
b. 2,9. d. 4,9
7. Berdasarkan soal no.6. Berapakah nilai z hitung
a. 1,721 c. 1,723
b. 1,722 d. 1,724.
8. Lanjutan no. 6. Berapakah nilai probabilitasnya apabila P(X1  X 2 ) 105
a. 0,0724 c. 0,0274
b. 0,0427. d. 0,0472
9. Lanjutan no. 6, Berapakah nilai probabilitasnya apabila P(X 1  X 2 ) 105
a. 0,9375 c. 0,9573.
b. 0,9753 d. 0,9537
10. Hitunglah standar deviasi sampel (s) apabila diketahui standar deviasi
populasi 1,3, Julah anggota populasi (N) = 5 dan julah anggota sampel
(n) = 2
a. 0,408 c. 0,804.
b. 0,084 d. 0,048

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
pP 0,40,33
Nilai Z   1,48
p 0,05

1,48

Jadi P(p >0,4) → P(Z > 1,48 ) = 0,5000 – 0,4306 = 0,0694

Jadi peluang lebih dari40% sahamnya akan dibeli sebesar 6,94%

2. Dalam rangka meningkatkan kinerja karyawannya, pimpinan PT. ASA

mengadakan program pendidikan dan pelatihan bagi karyawan yang
berada di Bandung dan Jakarta. Menanggapi kebijakan perusahaan
tersebut, terdapat 85% karyawan di Bandung yang menyatakan setuju
terhadap kebijakan tersebut, sedangkan 55% dari karyawan di Jakarta
menyatakan tidak setuju terhadap kebijakan tersebut. Jika dari masing-
masing kelompok karyawan diambil sampel sebanyak 30 orang, maka
a. Barapa probabilitas selisih proporsi karyawan yang menyatakan
setuju paling sedikit 35%
b. Barapa probabilitas selisih proporsi karyawan yang menyatakan tidak
setuju maksimal 55%

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%)

P11 P1  P2 1 P2  0,85(0,15) 0,45(0,55)

 p p      0,112
1 2
n1 n2 30 30

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 )

P11 P1  P2 1 P2  0,15(0,85) 0,55(0,45

 p p      0.112
1 2
n1 n2 30 30

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

Jadi P(p₁ - p₂≤ 0,55 )→P( Z ≥ 1,34 )= 0,5+0,4099 = 0,9099 = 90,99%

188
 MODUL X
PENDUGAAN PARAMETER / ESTIMASI

Tatap 11 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1.Pengertianpendugaan secara statistic, pendugaan titik

Bahasan dan pendugaan interval
2.Hubungan beberapa sampel dengan kesalahan duga
3.Pendugaan rata-rata, proporsi
4. Pendugaan selisih rata-rata dan Proporsi

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

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan secara luas cara pendugaan
parameter
2. Mahasiswa dapat dapat menyelesaikan permasalahannya melalui
perhitungan pendugaan parameter baik pendugaan rata-rata dan
proporsi maupun beda rata-rata dan beda proporsi

189
 PENDUGAAN PARAMETER

PENDAHULUAN

Tujuan pengambilan sampel dari suatu populasi yaitu untuk memperoleh

informasi tentang parameter populasi itu sendiri dan seringkali parameter
dari suatu populasi tidak diketahui meskipun distribusi populasinya
diketahui.

Misalnya :

 Suatu populasi diketahui mempunyai distribusi normal, tetapi

parameter rata-rata  , simpangan baku   dan proporsi tidak
diketahui, maka dalam statistika inferensia dipelajari “bagaimana cara”
mengetahui “parameter” tersebut.
 Cara untuk mengetahui parameter tersebut ada 2 (dua) yaitu :
1. Pendugaan / Penaksiran berdasarkan statistik/besaran dari
sampel yg diambil dari populasi
2. Pengujian Hipotesis berdasarkan statistik/besaran dari sampel yg
diambil dari populasi

Hubungan antara POPULASI dan SAMPEL :

Parameter Populasi berupa : Rata-rata (  ), Standard deviasi (  ),

Proporsi (P)
Statistik Sampel berupa : Rata-rata (x), Standard deviasi (s), Proporsi (p)

Jadi, x dipakai unuk menduga parameter 

s dipakai untuk menduga parameter
 p dipakai untuk menduga
parameter P

190
PENDUGAAN TITIK

Pendugaan Titik yaitu suatu nilai (disebut titik) yang digunakan untuk
menduga suatu parameter populasi.

Misalnya :

 Kita ingin menduga rata-rata tinggi badan orang Indonesia, maka

diambil satu sampel acak1000 orang diperoleh rata-rata tinggi badan
x = 164 cm -> maka nilai ini untuk menduga tinggi badan orang
Indonesia.
 Karena kita hanya memakai satu nilai saja yaitu x = 164 cm sebagai
penduga, maka x = 164 tersebut sebagai Penduga Titik
 Artinya :

x   adalah Penduga Titik untuk 

x
a)
n

b)
x
s 2

(x  x) 2
adalah Penduga Titik untuk  2
n1
c) p  adalah Penduga Titik untuk P
x
n

Kelemahan pendugaan titik :

 Sulit untuk memperoleh satu nilai penduga yang benar-benar

mendekati nilai parameter dari populasi, karena nilai statistik sampel
penduga yang diperoleh sangat tergantung pada sampel yang diambil
dari populasinya yang cenderung menghasilkan nilai statistik yang
berbeda-beda untuk sampel yang berbeda-beda..
 Misalnya : ada dua rata-rata tinggi badan dua sampel yaitu 164 cm
dan 163 cm. Maka kita ragu-ragu untuk menentukan mana yang tepat;
ada satu keraguan / ketidak yakinan karena kita tidak dapat
menentukan ”derajat kepercayaan”/”derajat keyakinan”dari statistik
sampel tersebut.

191
PENDUGAAN INTERVAL

Pendugaan Interval yaitu menyatakan jarak di dalam mana suatu

parameter populasi mungkin berada.

Interval di dalam mana suatu parameter populasi diharapkan akan

berada, yangselanjutnya disebut Confidence Interval. Misalnya
intervalkeyakinan untuk rata-rata hitung populasi adalah interval yang
memiliki probabilitas besar mengandung rata-rata hitung populasi.

Dua selang interval digunakan secara menyeluruh yaitu interval

keyakinan 95% dan 99% atau boleh saja 80% dan 90%.

Maka, interpretasi dari Interval Keyakinan 95% adalah :

 95% interval yang disusun akan mengandung parameter yang sama

dengan yang sedang diduga atau
 Kita mengharapkan 95% interval yang disusun mengandung
parameter yang diduga atau
 95% rata-rata hitung sampel untuk ukuran sampel yang telah
ditentukan akan terletak di dalam 1,96 standard deviasi dari rata-
rata hitung populasi yang dihipotesakan.
Maka, interpretasi dari Interval Keyakinan 99% adalah :

 99% rata-rata hitung sampel untuk ukuran sampel yang telah

ditentukan akan terletak di dalam 2,58 standard deviasi dari rata-
rata hitung populasi yang dihipotesakan
Nilai-nilai 1,96 dan 2,58 dapat dilihat dari daftar tabel Distribusi Normal
(nilai Z=1,96 dan Z=2,58), ini berkaitan dengan pertengahan 95% dan
pertengahn 99%.

Caranya :

 Pada pertengahan 95% atau 0,95, rata-rata hitung sampel terletak

dengan jarak yang sama pada kedua sisi rata-rata hitung yakni 0,4750
sebelah kanan dan 0,4750 sebelah kiri. Karena kedua daerah ini

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.

KESALAHAN STANDARD DARI RATA-RATA HITUNG SAMPEL

(STANDARD ERROR OF SAMPLE MEANS)

Yaitu standard deviasi distribusi sampel dari rata-rata hitung sampel

Kesalahan standard dari rata-rata hitung sampel dapat dihitung dengan
rumus

 dimana  x  kesalahan standard dari rata-rata hitung

x 
n sampel

 = standard deviasi populasi

n = ukuran sampel

MENYUSUN INTERVAL KEYAKINAN 95% DAN 99%

Interval keyakinan 95% dan 99% disusun sebagai berikut jika n > 30
s
Interval keyakinan 95%, rumusnya X 1,96
n

Interval keyakinan 99%, rumusnya X  2,58 s

n
Contoh :

 Sebuah percobaan melibatkan aktivitas memilih sampel acak 256

manajer menengah untuk dipelajari. Salah satu hal yang dipelajari
adalah penghasilan tahunan. Rata-rata hitung sampel yang dihitung
berjumlah 45.420 dan standard deviasi sampel adalah 2.050. Berapa
nilai interval keyakinan 95%
193
 Jawab:

X 1,96 s  45.420 2.050

n 256

= 45.420 251,125

= 45.168,88 dan 45.671,13

INTERVAL KEYAKINAN UNTUK PROPORSI POPULASI

Sebuah titik pendugaan proporsi populasi diperoleh dari

membagi jumlah sukses dalam sampel oleh jumlah total yang disampel.

 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

Jadi, interval keyakinan disusun dengan cara :

p(1 p)
pz
n

Dimana p = proporsi sampel

z = nilai z untuk derajat keyakinan yang dipilih
n= ukuran sampel

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(10,80)
p  z p(1 p) = 0,80 1,96
n 2000

= 0,80 1,96 0,00008

= 0,78247 dan 0,81753

FAKTOR KOREKSI POPULASI TERBATAS (FINITE POPULATION

CORRECTION FACTOR)

Apabila dalam pengambilan sampel dari populasi yang terbatas

(finite population) yaitu populasi yang mempunyai batas atas yang
tetap, maka perlu dibuat beberapa penyesuaian dalam kesalahan
standard dari rata-rata hitung sampel dan kesalahan standard dari
proporsi sampel.

Untuk populasi terbatas, di mana jumlah total obyek adalah N dan

ukuran sampel adalah n, maka penyesuaian kesalahan standard dari
rata-rata hitung sampel adalah sbb :

 N n
x 
n N 1

Untuk populasi terbatas, di mana jumlah total obyek adalah N dan

ukuran sampel adalah n, maka penyesuaian kesalahan standard dari
proporsi sampel adalah sebagai berikut :

195
 p(1 p) N  n
 p
n N 1

Contoh :

 Terdapat 250 keluarga di kota kecil di Pulau Jawa. Sebuah jajak

pendapat 40 keluarga menunjukkan bahwa rata-rata hitung
sumbangan tahunan masjid 450 dengan standard deviasi 75.
Susunlah interval keyakinan 95% untuk rata-rata hitung sumbangan
tahunan tersebut.
Jawab :

 Soal tersebut populasinya adalah terbatas, karena terdapat suatu

batasan jumlah penduduk dan jumlah sampelnya lebih dari 5%
terhadap populasi yaitu n/N=40/250=0,16. Maka penyesuaian /
faktor koreksi populasi terbatas harus digunakan. Interval keyakinan
95% disusun sebagai berikut :

   250 40 
x  z s  N  n   4501,96 75  
n  N 1  40  2501 


= 450 23,24 0,8434 
= 450 21,34

= 428,66 dan 471,34

==============

196
MEMILIH UKURAN SAMPEL

Memilih ukuran sampel ini dimaksudkan untuk menghindari

pengambilan sampel yang terlalu besar atau terlalu kecil.

Ada 3 (tiga) faktor yang menentukan ukuran sampel, tetapi tidak

satupun yang memiliki hubungan langsung dengan besarnya populasi,
yaitu :

1. Derajat keyakinan yang dipilih, biasanya 95% atau 99%. Semakin

tinggi derajat keyakinan, semakin besar sampel yang dibutuhkan
untuk memberikan tingkat ketepatan tertentu.
2. Kesalahan maksimum yang diperbolehkan, yaitu kesalahan
maksimal yang dapat ditolerir pada derajat keyakinan yang telah
ditentukan.
3. Variasi dari populasi. Hal ini diukur oleh standard deviasi (tentu
saja populasi dengan variasi yang kecil membutuhkan sampel yang
sedikit).

Besarnya SAMPEL untuk Taksiran Rata-Rata :

Seorang peneliti ingin membuat taksiran mengenai harga rata-rata

tenaga kerja (pekerja) di pabrik sepatu BATA. Agar taksiran yang
dihasilkan tidak melebihi suatu tingkat kesalahan tertentu, maka
diperlukan banyaknya sampel tertentu pula. Jika tingkat kesalahan yang
diharapkan dari penelitian ini adalah E dan tingkat konfidensi yang
digunakan sebesar alpha ( ), maka besarnya sampel minimal yang
harus digunakan (n) dapat ditentukan dengan formulasi sebagai berikut :

 n  Z  /2  
2
E  Z  / 2 x  E  Z / 2 
n  E 

Rumus : Jumlah sampel yang diperlukan :

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 :

 Jumlah keluarga minimal yang diperlukan dalam penelitian agar

kesalahan estimasi seperti yang diharapkan adalah :

n  Z / 2  =  (1,96)(45) = 121,55

2 2

 E   8 

Jadi, banyaknya keluarga yang digunakan dalam penelitian

tersebut minimal 122 keluarga (dibulatkan ke angka yang lebih besar).

Besarnya Sampel untuk Taksiran Proporsi :

Prosedur menentukan besarnya sampel untuk membuat taksiran

parameter populasi sama dengan untuk taksiran parameter

populasi rata-rata. Formulasi yang dapat digunakan adalah sebagai
berikut :

pq pq
E  Z / 2 p  E  Z / 2  n 2
n  E 
 
 Z /2 

Di mana, n = banyaknya sampel

p = proporsi sampel
q = 1-p
E = kesalahan yang diharapkan
  tingkat konfidensi
198
  p  kesalahan standard proporsi
Contoh soal :

Penelitian dilakukan untuk mengetahui persentase kesalahan dalam

pencatatan keuangan. Jika kesalahan dalam penelitian tersebut
diinginkan maksimal 4% dengan tingkat konfidensi 95%, tentukan
besarnya sampel yang harus digunakan.

Jawab :

Jumlah anggota sampel minimum yang diperlukan agar kesalahan

estimasi yang diharapkan dapat terpenuhi adalah sebagai berikut :

pq
n 2
 E 
 
 Z /2 

Karena prosentase kesalahan pencatatan tidak diketahui, maka pq

digunakan nilai yang tertinggi, yaitu (0,5)(0,5) = 0,25

n  (0,5)(0,5)2  0,25
 600,25

 (0,04) 

0,000416493
 (1,69) 

Jadi, banyaknya pencatatan yang digunakan dalam penelitian tersebut

minimal 601 buah (nilai n dibulatkan ke angka yang lebih besar).

Taksiran Interval Beda Dua Rata-rata :

Taksiran terhadap parameter populasi dapat dibuat dalam bentuk

beda (selisih) antara nilai statistik sampel yang satu dengan nilai statistik
sampel yang lain. Besarnya taksiran beda rata-rata dapat ditentukan
dengan formulasi sebagai berikut :


(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 :

Sampel random di perusahaan A sebanyak 400 diperoleh informasi

bahwa upah rata-rata Rp 20.000,-/hari dan standard deviasi Rp 6.000,-.
Sedangkan sampel random di perusahaan B sebanyak 300 upah rata-
rata Rp 16.000,-/hari dan standard deviasi Rp 7.500,-. Dengan tingkat
konfidensi 95% tentukan taksiran beda upah rata-rata di perusahaan A
dan B.

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

=====================

TAKSIRAN INTERVAL BEDA DUA PROPORSI

Taksiran interval beda dua proporsi adalah menaksir beda (selisih)

dua proporsi parameter populasi. Misalnya p1 adalah proporsi sampel
dari populasi 1 (P1) dan p2 adalah proporsi sampel dari populasi 2 (P2).
Penaksiran (estimasi) beda antara proporsi populasi 1 dan proporsi
populasi 2 dapat dilakukan dengan formulasi sbb :

( 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

Di mana, X1 : Jumlah yang sukses pada sampel 1

X2 : Jumlah yang sukses pada sampel 2

n1 : Jumlah anggota sampel 1

n2 : Jumlah anggota sampel 2

p1 : Proporsi sampel dari populasi 1

p2 : Proporsi sampel dari populasi 2

P1 : Proporsi populasi yang ditaksir

P2 : Proporsi populasi yang ditaksir

E : Kesalahan estimasi beda proporsi sampel 1 dan
proporsi sampel 2

201
Contoh soal :

 Suatu penelitian bertujuan untuk membuat taksiran mengenai beda

antara proporsi konsumen yang menyukai susu rasa strawberry di
pasar 1 dan pasar 2. Penelitian ini menggunakan sampel sebanyak
1.000 responden di masing-masing pasar. Dari 1.000 responden di
pasar 1 terdapat 825 responden yang menyatakan suka susu rasa
strawberry dan di pasar 2 terdapat 760 responden yang suka susu
strawberry. Berdasarkan data tersebut:
1. Buatlah taksiran beda dua proporsi konsumen yang menyukai
susu rasa trawberry antara pasar 1 dan pasar 2 dengan tingkat
konfidensi 95%.
2. Tentukan kesalahan estimasi beda proporsi konsumen yang suka
susu rasa strawberry antara pasar 1 dan pasar 2 dengan tingkat
konfidensi 95%.
Jawab :

 Estimasi interval beda proporsi konsumen yang suka susu strawberry

di pasar 1 dan 2 adalah :

( p1  p2 )  E  P1  P2  ( p1  p2 )  E

X1 825 = 0,825 ; X 760 = 0,76

p1  = p2  2 =
n1 1.000 n2 1.000

Z / 2  1,96 (lihat pada tabel Distribusi Normal pada kolom .025)

p1 (1 p1 ) p2 (1 p2 )
E  Z  /2 
n1 n2

(0,825)(0,175)  (0,76)(0,24) = 0,035

E 1,96
1.000 1.000

202
 Jadi, ( p1  p2 )  E  P1  P2  ( p1  p2 )  E
(0,825-0,76) – 0,035  P1  P2  (0,825-0,76) + 0,035

0,065 – 0,035  P1  P2  0,065 + 0,035

0,03  P1  P2  0,10
================

SOAL MULTIPLE CHOICE

1. Tujuan pengambilan sampel dari suatu populasi adalah :

a) Membuat garis regresi dan korelasi linier
b) Memperoleh informasi tentang parameter populasi
c) Membuat garis trend linier
2. Salah satu parameter populasi adalah rata-rata, yang dinotasikan
sebagai :

 
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 :

1. Apa tujuan pengambilan sampel dari suatu populasi ?

2. Sebutkan hubungan antara populasi dan sampel
3. Bagaimana cara untuk mengetahui parameter populasi bila tidak
diketahui parameter rata-rata, simpangan baku dan populasi ?
4. Taksiran suatu nilai variabeldapat menggunakan dua jenis, sebutkan !
5. Apa yang dimaksud dengan pendugaan titik ? Berikan contohnya !
6. Apa yang dimaksud dengan pendugaan interval ? Berikan contohnya
7. Sebutkan beberapa kriteria taksiran yang baik dan jelaskan !
8. Apa yang dimaksud dengan tingkat konfidensi
9. Mengapa didalam membuat suatu taksira/pendugaan diperlukan faktor
tingkat konfidensi ?
10. Di dalam suatu penelitian, pengujian, prosentase tingkat konfidensi
berapa sajakah yang lazim dipakai ?

SOAL LATIHAN :

1. Sebuah sampel terdiri dari 49 pengamatan diambil dari populasi

normal. Rata-rata hitung sampel adalah 56 dan deviasi standard
sampel adalah 10. Tentukan interval keyakinan 99 persen untuk rata-
rata hitung populasi.
2. Sebuah sampel terdiri dari 81 pengamatan diambil dari suatu populasi
normal. Rata-rata hitung sampel adalah 40 dan standard deviasi

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%.

Kunci Jawaban Soal Uraian :

1. Tujuan pengambilan sampel dari suatu populasi adalah untuk

memperoleh informasi tentang parameter populasi itu sendiri dan
seringkali parameter dari suatu populasi tidak diketahui meskipun
distribusi populasinya diketahui.

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).

Jadi x dipakai untuk menduga parameter  , s dipakai untuk menduga

parameter  dan p dipakai untuk menduga parameter 

3. Cara untuk mengetahui parameter populasi adalah dengan cara

pendugaan/penaksiran dan cara pengujian hipotesis.
4. Dua jenis taksiran suatu nilai variabel dapat menggunakan taksiran titik
dan taksiran interval
5. Yang dimaksud dengan taksiran titik adalah nilai tunggal yang
digunakan untuk menaksir (to estimate) parameter populasi yang tidak
diketahui. Misalnya, tinggi badan dari 1000 orang Indonesia rata-rata
164 cm.
6. Yang dimaksud dengan taksiran interval adalah interval nilai (range)
yang nilai parameter populasi berada di dalamnya. Misalnya, tinggi
badan dari 1000 orang Indonesia tersebut antara 160cm-170cm.
7. Kriteria taksiran yang baik ada 4 kriteria yaitu :
a) Tidak bias (Unbiasedness) yaitu suatu nilai rata-rata sampel
dikatakan tidak bias jika rata-rata dari distribusi rata-rata sampel
yang diambil dari suatu populasi samadengan nilai rata-rata
populasinya.
b) Efisiensi (Efficiency) yaitu efisiensi suatu nilai statistik sampel
berhubungan dengan ukuran kesalahan standard (ukuran
kesalahan standard yang kecil yang dipilih)
c) Konsistensi (Consistency) yaitu nilai statistik sampel merupakan
taksiran nilai parameter populasi yang konsisten jika anggota
sampel ditambah, maka nilai statistik sampel tersebut akan
cenderung mendekati nilai parameter populasinya.

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%

Kunci Jawaban Soal Latihan:

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

Tatap 12 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1. Pengertian pengujian Hipotesis

Bahasan 2.Langkah- langkah pengujian hipotesis
3. Hubungan antara kesalahan jenis I dan Kesalahan
jenis II
4. Hipotesa nol , hipotesa alternative dan Uji Signifikansi

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

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan secara luas cara pendugaan
parameter
2. Mahasiswa dapat dapat menyelesaikan permasalahannya melalui
perhitungan pendugaan parameter baik pendugaan rata-rata dan
proporsi maupun 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)

Sampling Pengujian Hipotesis

Sample Statistic sample

Dianalisa

KESALAHAN JENIS I DAN JENIS II

Dalam setiap proses pengambilan keputusan tentang apakah kita
harus menerima atau menolak hipotesis tertentu, kita selalu
dihadapkan pada 2 (dua) macam kesalahan pengambilan keputusan
yang berbeda.
Berikut skema Kesalahan Jenis I dan II :

Skema : Beberapa kemungkinan Hasil Pengujian Hipotesis

Hipotesis Jika Ho Benar Jika Ho Salah1

Keputusan
Terima Ho Keputusan yang Betul Kesalahan Jenis II
Probabilitas 1- 
(Tingkat keyakinan)
Tolak Ho Kesalahan Jenis I Keputusan yang betul
Probabilitas  Probabilitas 1 b
(Taraf nyata)

213
Pengujian Hipotesis Standard secara searah dengan alpha 5%
atau 0,05

a. Bila Ho Benar, maka probabilitas kesalahan menolak Ho

benar sebesar 5%= α

α = 5%

1,249= nilai kritis

4. Bila Ho Salah, maka probabilitas kesalahan menerima Ho salah

sebesar 95% = b

b  95%

1,249: nilai kritis

1,249 = nilai kritis

UJI HIPOTESIS ” DUA SISI ” dan ” SATU SISI ”

a) Uji Hipotesis Dua Sisi
Akan menolak Ho bila nilai statistik sampel secara
signifikansi (bermakna) lebih besar atau lebih kecil dari nilai
parameter populasi.

214
Rumus : Ho :   H 0 Ha :   H 0

Uji Hipotesis Dua Sisi, bila n > 30

Daerah Penolakan Ho Daerah PenolakanHo

(Daerah Penerimaan Ha) (Daerah Penerimaan Ha)

Nilai kritis ,bila N >30

Z  /2  Z / 2
Daerah Penerimaan Ho
( Daerah Penolakan Ha )

Uji Hipotesis Dua Sisi, bila n < 30

Daerah Penolakan Ho Daerah Penolakan Ho

t /2  t / 2

Daerah Peneriaan Ho

215
b)Uji Hipotesis Satu Sisi

Yaitu akan menolak Ho apabila nilai statistik sampel secara

signifikan hanya lebih besar atau hanya lebih kecil dari nilai
parameter populasi.

Rumus : Ho :   H 0

Ha :   H 0

Ha :   H 0

Derah Penerimaan Ho Daerah Penolakan Ho

(DaerahPenolakan Ha) (Daerah Penerimaan Ha)

Skala Z Z /2

Daerah Penolakan Ho Daerah Penerimaan Ho

(Daerah Penerimaan Ha) (Daerah Penolakan Ha)

Skala Z  Z / 2

216
PROSEDUR ”PENGUJIAN HIPOTESIS”

1. Perumusan Hipotesis (Penentuan Ho dan Ha)

Yaitu “menyatakan hipotesis yang akan diuji” : Ho
Dan “menyatakan hipotesis alternatif” : Ha
Ho = suatu pernyataan bahwa parameter populasi memiliki
suatu nilai yang kusus dan tidak ada “perbedaan”
antara parameter dua populasi
Ha= menerangkan apa yang kita yakini, bila kita menolak
tergantung pada pernyataan Ho.

Contoh :
Rata-rata

Bila Ho :   100  makaHa :  100

1  2  maka Ha 1  2
 100  maka Ha  100
1  2  maka Ha 1  2
Proporsi :

Bila Ho : P  0,4  40% maka Ha : P  0,4

P1  P2  maka Ha P1  P2
P 0,4  maka Ha P 0,4
P1  P2  maka Ha P1  P2

2. Penentuan “Tingkat Nyata” / Tingkat Signifikansi”

Tingkat nyata / level of significance =  , yaitu “probabilitas
menolak Ho yang benar” atau “Resiko kita menolak Ho ketika
Ho benar”. antara 0-1 dan bisanya yang digunakan : 1% , 5%
, 10%

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 :

a) Pengujian dua arah :

Bila Ha menyatakan ”tidak sama dengan” (   100),
otomatis Ho menyatakan ”sama dengan”.

Daerah Tolak Ho Daerah Tolak Ho

(Daerah Terima Ha) (Daerah Terima Ha)

 /2

 100
b) Pengujian Satu Arah :
Bila Ha menyatakan   100, maka Ho nyatakan   100

Daerah Terima Ho Daerah Tolak Ho

(Daerah Terima Ha)

Ho:   100

Pengujian Satu Arah :

Daerah Tolak Ho Daerah Terima Ho

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

 Bila nilai distribusi Z atau t berada di daerah :

- Penerimaan Ho  maka keputusan diambil menerima
Ho atau menolak Ha , dimana Z hitung lebih kecil Z
tabel.
- Penolakan Ho  maka keputusan diambil menolak Ho
atau menerima Ha, dimana Z hitung lebih besar Z
tabel.

5. Kesimpulan
 Bila keputusan menerima Ho, maka kesimpulannya
berdasarkan hipotesis dalam Ho
 Bila keputusan menolak Ho, maka kesimpulannya
berdasarkan hipotesis dalam Ha

CONTOH SOAL UJI HIPOTESIS :

1.RATA-RATA DENGAN DEVIASI POPULASI DIKETAHUI

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 :

a.Perumusan Hipotesis  Ho:  100

Ha:  100
b. Tingkat signifikansi  dipilih 5%    5%
c. Uji distribusi :

* pengujian dua sisi   / 2  5%/ 2  2,5%

* nilai kritis  dilihat dalam tabel Z, terlihat nilai
Z yang memberikan luas wilayah
47,5% = 0,475 dan angka yang
diperoleh 1,96

  2,5%   2,5%
47,5% 47,5%

Z / 2 1,96  Z / 2  1,96

221
 d. Pengambilan Keputusan :

* statistik uji  mencari Z hitung :

Karena n = 36 (> dari 30), maka
memakai tabel Z dengan rumus : \

X  H 0 X  Ho 98 100
Z    1,33
X  9
n 36

lihat di gambar Distribusi Normal :

  2,5%   2,5%

Daerah
Terima Ho

 Z / 2  1,96  Z / 2 1,96
Z = -1, 33

e. Kesimpulan :

Jadi, karena Z-hitung (- 1,33)terletak antara Z tabel

(karena -1,33 terletak antar -1,96 dan +1,96), maka
keputusannya MENERIMA Ho, artinya Rata-rata mesin
beroperasi 100 unit dan informasi dari sampel dapat
mendukung pernyataan manajer tersebut.

1. UJI HIPOTESIS ”BEDA DUA RATA-RATA POPULASI”

Manajer pemasaran ingin mengetahui apakah terdapat perbedaan
antara volume penjualan rata-rata per bulan antara pasar I dan II.
Setelah dilakukan observasi selama 16 bulan terakhir, kedua pasar
tersebut diperoleh informasi bahwa volume penjualan pasar I 230
unit dengan standard deviasi 20 unit dan pada periode yang sama
di pasar II volume penjualan 215 unit dengan standard deviasi 30

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 :

(X 1  X 2 ) (X 1  X 2 ) 230 215  1,665

Z  Z
X   
2 2
202  215 2
11 X 2 1
2
n1 n2 16 16

Lihat pada curva Distribusi Normal :

 / 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.

2. UJI HIPOTESIS ”PROPORSI”

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:

a) Perumusan Hipotesis Ho: P  0,65

 Ha: P  0,65
b) Tingkat signifikansi   5%
c) Uji distribusi, dengan 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 :

Z  p  P  0,66 0,65  0,33

 0,33
P

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 :

Karena Z-hitung (0,33) berada diantara Z-tabel (+/- 1,96), maka

keputusannya menerima Ho, artinya konsumen merasa puas
dengan pelayanan perusahaan jasa sebesar 65%.

3. UJI HIPOTESIS “BEDA DUA PROPORSI”

Pernyataan manajer produksi bahwa tingkat barang yang rusak
dari dua jalur produksi adalah sama. Untuk itu untuk menguji
pernyataan tersebut diambil sampel 200 barang yang dihasilkan
jalur produksi I dan 300 barang dari jalur produksi II. Dari 200
barang, yang rusak 20 barang dan dari 300 barang, yang rusak 45
barang.

Jawab :

a) Perumusan Hipotesis :  Ho: P1  P2

Ha: P1 P2

b) Tingkat signifikansi  10%

c) Uji distribusi, dengan dua sisi   / 2 10%/ 2  5%
Nilai kritis (dalam tabel Z) : +/- 1,645

d) Ambil keputusan :

225
 Dengan statistik uji, dengan rumus :

p1  p2
Z  0,10  0,15  1,63
 0,03077
P1P 2

X1 X 2 45
p1   20 0,10 ; p2   0,15
n1 200 n2 300

 P1P 2  P(1 P) 1  1   (0,13)(0,87) 1  1   0,03077

 n1 n2   200 300 

X1  X 2
P  20  45  0,13
n1 n2 200 300

Lihat pada kurva Distribusi Normal sbb :

Daerah
Tolak Ho
Daerah
Tolak Ho

 5%
  5% Daerah
Terima Ho
45% 45%
e. Kesimpulan :

Karena Z-hitung (-1,63) terletak antara Z-tabel ( 1,645), maka

keputusanya menerima Ho, artinya pernyataan manajer
tersebut benar, bahwa proporsi sampel I sama dengan
proporsi sampel II (tidak berbeda).

226
SOAL URAIAN :

1. Apakah arti dari pada hipotesis ?

2. Apakah maksud dan tujuan uji hipotesis ?
3. Sebutkan skema dari pada uji hipotesis !
4. Apa yang dimaksud dengan kesalahan jenis I dan II
5. Sebutkan skema kesalahan jenis I dan jenis II
6. Apakah arti daripada tingkat signifikansi 5% ?
7. Apakah arti daripada tingkat signifikansi 1% ?
8. Apa yang dimaksud dengan pengujian dua sisi ?
9. Apa yang dimaksud dengan pengujian satu sisi ?
10. Sebutkan prosedur pengujian hipotesis !

SOAL LATIHAN :

1. Manajemen perusahaan X mengklaim bahwa gaji rata-rata per minggu

karyawan di perusahaannya adalah Rp 450.000,- dengan standard
deviasi Rp 75.000,-. Untuk menguji kebenaran klaim tersebut diambil
sampel sebanyak 150 karyawan di perusahaan X secara random.
Berdasarkan sampel tersebut diketahui rata-rata gaji karyawan di
perusahaan X Rp 525.000,-. Lakukan pengujian terhadap klaim
manajemen perusahaan X dengan menggunakan tingkat signifikansi
5%.

2. Hipotesis-hipotesis berikut ini diberikan :

Ho: p  0,70

Ha : p  0,70

Sebuah sampel sebanyak 100 pengamatan mengungkapkan bahwa

p  0,75. Pada taraf nyata 0,05, apakah hipotesis nol dapat ditolak ?
Buatlah aturan pengambilan keputusannya, hitunglah uji statistik dan
bagaimana keputusan Anda mengenai hipotesis nol?

227
3. Hipotesis-hipotesis berikut ini diberikan :
Ho; p 0,40

Ha : p  0,40

Sebuah sampel yang terdiri dari 120 pengamatan mengungkapkan

bahwa p  0,30 . Pada taraf nyata 0,05 apakah hipotesis nol dapat
ditolak ?

Buatlah aturan pengambilan keputusan, hitunglah nilai uji statistik dan

bagaimana keputusan Anda mengenai hipotesis nol ?

4. Sebuah sampel terdiri dari 50 pengamatan dipilih dari satu populasi

normal. Rata-rata hitung sampel 102, dan deviasi standard sampel
adalah 5. Sebuah sampel terdiri dari 50 pengamatan dipilih dari
populasi normal kedua. Rata-rata hitung sampel adalah 99, dan dviasi
standard sampel sebesar 6. Lakukan uji hipotesis berikut dengan
memakai taraf nyata 0,04.

Ho: 1  2

Ha: 1  2

a) Apakah ini merupakan uji satu arah atau dua arah?

b) Tentukan aturan pengambilan keputusannya
c) Hitung nilai statistik uji
d) Bagaimana keputusan Anda mengenai Ho?
e) Berapakan nilai p?
5. Rata-rata daya tahan dari sebuah sampel yang terdiri dari 100 buah
lampu belajar adalah 1570 jam dengan deviasi standard 120 jam.
Apabila  adalah rata-rata daya tahan dari seluruh bola lampu yang
dihasilkan, maka ujilah hipotesis bahwa  = 1600 jam terhadap
hipotesis alternatif   1600 jam. Tingkat kesalahan yang digunakan

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 ?

Kunci jawaban soal uraian uji hipótesis

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.

3. Skema uji hipótesis sbb :

Populasi Pernyataan
parámeter populasi

(Hipotesis)

Sampling Pengujian Hipotesis

Sampel Statistik sampel

4. Kesalahan jenis I adalah : Jika dalam (probabilitas)

pengambilan keputusan
diinginkan, kemungkinan terjadinya kesalahan
menolakHo (hipotesa nol) padahal Ho itu benar.
Besarnya kesalahan jenis I adalah alpha  

230
 Kesalahan jenis II adalah : Jika dalam pengambilan keputusan
diinginkan, kemungkinan (probabilitas) terjadinya kesalahan
menerima Ho padahal Ho itu salah.

Besarnya kesalahan jenis II adalah 1

5. Skema kesalahan jenis I dan II :

Hipotesis Ho Benar Ho Salah

Keputusan

Menerima Ho Keputusan yg betul Kesalahan Jenis I I

Probabilitas :1- Probabilitas : b
(Tingkat Keyakinan)
Menolak Ho Kesalahan Jenis I Keputusan yg betul
Probabilitas :  Probabilitas : 1- b
(Taraf Nyata)

6. Tingkat signifikansi 5% artinya : Kemungkinan (probabilitas) kesalahan

yang dilakukan dalam mengambil keputusan menolak Ho padahal Ho
itu benar adalah 5%, sedangkan kemungkinan melakukan kesalahan
menerima Ho padahal Ho itu salah adalah 95%.
7. Tingkat signifikansi 1% artinya : Kemungkinan kesalahan yang
dilakukan dalam mengambil keputusan menolak Ho padahal Ho itu
benar adalah 1%, sedangkan kemungkinan melakukan kesalahan
menerima Ho padahal Ho itu salah adalah 99%.
8. Pengujian hipotesis dua sisi adalah : Pengujian yang akan menolak
hipotesis nol (Ho) jika nilai statistik sampel secara signifikan /
bermakna lebih besar atau lebih kecil dari nilai parameter populasi.

Misalnya : uji hipotesis dengan Ho : 1  2 dan Ha: 1  2 , ini cocok

menggunakan pengujian dua sisi. Batas daerah penerimaan dan
daerah penolakan hipotesis nol (Ho) pada kurva normal pengujian dua
adalah :sebagai berikut :

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

a) Hipotesis lebih besar (Uji sisi kanan)

Daerah
Penolakan Ho

Daerah

Penerim

Z /2

b) Hipotesis kurang dari (Uji sisi kiri)

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

1. Kesimpulan : menerima Ho, artinya gaji rata-rata karyawan Rp

450.000,-
2. Kesimpulan : menerima Ho.
3. Kesimpulan : menolak Ho, artinya besanya proporsi tidak sama dengan
0,40
4. Kesimpulan : uji dua arah dan keputusannya menolak Ho, artinya
1  2 .
5. Kesimpulan : menolak Ho, artinya daya tahan lampu belajar lebih dari
1.600 jam.
6. Kesimpulan : menerima Ho, artinya mie yang kadaluarsa tidak lebih
dari 6%.
7. Kesimpulan : menolak Ho , artinya batere yang rusak kurang dari 6%
dan sampel tersebut merupakan bukti.
8. Kesimpulan : menolak Ho, artinya rata-rata isi air mineral FIT lebih kecil
dari pada rata-rata isi air mineral AQUA.
9. Kesimpulan : menolak Ho, artinya ada perbedaan antara penduduk
kota dengan desa yang setuju dengan adanya listrik nuklir.
10. Kesimpulan : menerima Ho, artinya memang benar bahwa berat
sepatu 300 gram.

233
 MODUL XII
DISTRIBUSI KAI KUADRAT ( X2 )

Tatap 13 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1. Pengujian Hipotesis Beda Tiga Proporsi atau lebih.

Bahasan
2. Pengujian hipotesis Independensi (Test of
Independency

3. Pengujian Hipotesis Kompatibilitas (Test of

Goodsnes of Fit)

Tujuan Pembelajaran

1. Mahasiswa dapat memahami dan mengerti Distribusi Chi- Kuadrat

2. Mahasiswa dapat memahami dan mengerti Pengujian Hipotesis Beda
3. Tiga proporsi atau lebih
4. Mahasiswa dapat memahami dan mengerti Pengujian hipotesis
Independensi (Test of Independency)

Kompetensi yang hendak dicapai :

Mahasiswa dapat memahami dan mengerti penggunaan distribusi Chi-

Kuadrat

234
 DISTRIBUSI KAI KUADRAT ( X2 )

1. Distribusi X2 (Kai kuadrat) merupakan distribusi dengan variabel

random kontinu.
 Distribusi ini bukan kurva probabilitas tunggal. Untuk distribusi
2
X ditentukan derajat bebasnya . Distribusi X2dengan db
V,modus dan puncak kurva terletak pada nilai = X2 = V – 2
 Nilai-nilai X2 selalu bertanda positif.Merupakan penjumlahan
kuadrat dari variabel normal standar Z. Dengan demikian
distribusi X2 dimulai dari titik nol condong ke kanan dan
memiliki ekor sangat panjang.Apabila derajat bebasnya sangat
besar, maka distribusi X2 akan mendekati distribusi normal.

 Distribusi X2 dalam pengujian hipotesis digunakan untuk

mengetahui perbedaan antara frekuensi pengamatan dengan
frekuensi yang diharapkan (frekuensi teoritis).
 Pengujian beda 3 proporsi atau lebih.
 Pengujian hipotesis tentang indenpendensi.
 Pengujian tentang kebaikan sesuai.
 Pengujian hipotesis satu variabel.
2. Pengujian Hipotesis Beda 3 proporsi atau lebih.
1). Dua Kategori
2). Lebih dua kategori

1) Pengujian dengan dua kategori (ukuran)

Peristiwa yang terlihat terdiri atas 2 kategori seperti : sukses dan

gagal, baik dan buruk, kepala dan ekor.

Langkah-langkah pengujiannya.

1. Menentukan formulasi hipotesis

Ho : P1 = P2 = P3 ........... (=P)

235
 H1 : P1 ≠ P2 ≠ P3 ........... (≠P)

2. Menentukan taraf nyata (α ) dan X2 tabel

Taraf nyata (α ) dan X2 tabel ditentukan dengan derajat
bebas (db) = k -1.
X2α, (k-1)

3. Menentukan kriteria pengujian

Ho diterima apabila X2o ≤ X2α (k-1)

Ho ditolak apabila X2o > X2α (k-1)

Ho Ho ditolak
diterima

X2α (k-1)

4. Menentukan nilai uji statistik

2 k (nij eij) 2
X o2  . 
i1 j1 eij

Keterangan :

nij = frekuensi pengamatan (observasi)

eij = frekuensi harapan (teoritis)

eij  ni.nj  totalbarisxtotalkolom

n totalpengamatan

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:

Seorang pengusaha minimum ringan berpendapat bahwa

persentase barang produknya yang rusak selama 4 hari
berturut-turut adalah sama. Adapun datanya adalah sebagai
berikut :

Tabel Jumlah Produk Yang Rusak Dari Perusahaan

Minuman Ringan

H1 H2 H3 H4 Jumlah

Rusak 14 17 8 2 41

Tidak 90 107 76 21 294

Rusak

Jumlah 104 124 84 23 335

Dengan taraf nyata 5%, ujilah pendapat tersebut!

Penyelesaian :

1.Formulasi hipotesis:

Ho : P1 = P2 = P3 =P4

H1 : P1, P2, P3 ,P4 tidak semuanya sama.

2.Taraf nyata (α) dan nilai X2 tabel :

Α=5% = 0,05 dengan db = 4 -1 = 3

X20,05 (3) = 7,815

237
3. Kriteria pengujian

Ho diterima apabila X2o ≤ 7,815

Ho ditolak apabila X2o >7,815

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

nij eij nij -eij (nij -eij)2

eij

14 12,73 1,27 0,13

17 15,18 1,82 0,22
8 10,28 -2,28 0,51
2 2,81 -0,81 0,23
90 91,27 -1,27 0,02
107 108,82 -1,82 0,03
76 73,72 2,28 0,07
21 20,19 0,81 0,04

Jumlah 1,25

X2 = 1,25

5. Kesimpulan :

Karena X2 = 1,25 <X2 0,05 (3) = 7,815, maka Ho diterima. Jadi

persentase produk minimun ringan yang rusak dan tidak rusak
selama 4 hari berturut-turut adalah sama.

2) Pengujian Hipotesis lebih dari dua kategori.

Peristiwa atau keadaan yang terlibat adalah lebih dari dua

kategori.
Seperti : sangat baik, sedang, buruk, setuju, tidak setuju,
blanko, sangat sulit, sulit, sedang dan mudah.

Langkah – langkah pengujiannya.

1. Menentukan formulasi hipotesis :

Ho : P11 = P12 = P13 = ............
P21 = P22 = P23 = ............
239
 P31 = P32 = P33 = ............
. . .
. . .
. . .
H1 : tidak semua proprsi sama.

2. Menentukan taraf nyata dan X2.

Taraf nyata dan X2 ditentukan dengan derajat bebas (db) = (n

– 1) (k-1)

Rumus : X2α; (b-1) (k-1)

Keterangan :
b = baris
k = kolom

3. Menentukan kriteria pengujian :

Ho diterima apabila X2o ≤ X2
α(b-1) (k-1)
2 2
Ho ditolak apabila X o > X
α(b-1) (k-1)

4. Menentukan nilai uji Statistik :

2 k
(nij  eij) 2
X o2   . 
i 1 j 1 eij
eij  nj( ni)  (ni).(nj)
n n

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:

Tabel Pendapatan Karyawan Dari Berbagai Devisi

Div. A Div. B Div. C Div. D Jumlah

Baik 76 85 91 75 327

Cukup 25 32 40 28 125

Buruk 12 15 10 11 48

Jumlah 113 132 141 114 500

Uji pendapat tersebut dengan taraf nyata 1%!

Penyelesaian :

1.Menentukan formulasi hipotesis :

Ho : P11 = P12 = P13 = P14

P21 = P22 = P23 = P24

P31 = P32 = P33 = P34

H1 : tidak semua proporsi sama.

2.Menentukan taraf nyata dan X2tabel .

Taraf nyata (α) = 1% = 0,01 dengan derajat bebas (db) = (n – 1)

(k-1) = (3-1)(4-1)= 6.

Rumus : X2α 0,01(6) = 16,812

241
 3. Kriteria pengujian :

Ho diterima apabila X2o ≤ 16,812

Ho ditolak apabila X2o >16,812

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.

2. 2. Pengujian Hipotesis Independensi (test of Indenpendency)

Merupakan pengujian hipotesis ketidak bergantungan (kebebasan)

suatu pengelompokan hasil penelitian (sampel) dari populasi
terhadap kategori populasi lain.

Pengujiann dengan tabel kontingensi :

bxk dengan b ≥ 2 dan k ≥ 2.

Keterangan :

b = baris
k = kolom

Langkah – langkah pengujiannya.

1. Menentukan formulasi hipotesis

Ho : kategori yang satu bebas dari kategori lain.
Hi : kategori yang satu tidak bebas dari kategori yang lain.
242
 2. Menentukan taraf nyata (α) dan nilai X2 tabel.
Taraf nyata (α) dan nilai X2 tabel ditentukan dengan, db = (b-1)(k-1)
Rumus : X2α (b-1) (k-1)
3. Menentukan kriteria pengujian :

Ho diterima apabila X2o ≤ X2α (k-1)

Ho ditolak apabila X2o > X2 α (k-1)

4. Menentukan nilai uji Statistik

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:

Dari sampel random 200 laki-laki yang telah berumah tangga,

semuanya telah pension, diklasifikasikan menurut pendidikan dan
banyaknya anak, dengan data sebagai berikut:

Tabel Hubungan Antara umlah Anak dan Tingkat Pendidikan Dari

200 Laki-laki

Pendidikan Banyaknya Anak Jumlah

0-1 2-3 >3
Sekolah Dasar 14 37 32 83
Sekolah 19 42 17 78
Menengah 12 17 10 39
Perguruan
Tinggi
Jumlah 45 96 59 200

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

2. Menentukan taraf nyata (α) dan nilai X2 tabel.

Taraf nyata (α) = 5% = 0,05 dan nilai X2 tabel ditentukan dengan, db
= (b-1)(k-1)=(3-1)(3-1)= 4 . Jadi X2 = 9,488.
0,05 (4)

3. Menentukan kriteria pengujian :

Ho diterima apabila X2o ≤ 9,488
Ho ditolak apabila X2o >9,488

4. Menentukan nilai uji Statistik

2
(nij  eij) 2
k
X 2
o
  . 
i 1 j 1 eij
eij  nj( ni)  (ni).(nj)
n n

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.

3. Pengujian Hipotesis Kompatibilitas (Test of Goodnes of Fit)

Pengujian kompatibilitas atau kebaikan suai atau kecocokan
merupakan pengujian hipotesis untuk menentukan apakah suatu
himpunan frekuensi yang diharapkan (frekuensi teoritis) sama dengan
frekuensi yang diperoleh (frekuensi pengamatan ) dari suatu distribusi
244
dari suatu distribusi , seperti distribusi binomial, distribusi poisson,
distribusi normal atau dari perbandingan lain. Jadi pengujian hipotesis
kompatibilitas merupakan pengujian kecocokan atau kebaikan suai
antara hasil pengamatan (frekuensi pengamatan) tertentu dengan
frekuensi yang diperoleh berdasarkan nilai harapannya (frekuensi
teoritis).

Langkah-langkah pengujian hipotesis kompatibilitas adalah sebagai

berikut:

a. Menentukan formulasi hipotesis.

Ho : frekuensi pengamatan sesuai dengan frekuensi yang

dharapkan.
H1 : frekuensi pengamatan tidak sesuai dengan frekuensi yang
dharapkan.
b. Menentukan taraf nyata (α) dan X2 tabel .

Taraf nyata (α) dan X2 tabel ditentukan dengan derajat bebas (db) =
k –N

X2
α (k-N) = ......

Keterangan :

k = banyaknya kejadian atau kelas

N = banyaknya kuantitas dari hasil pengamatan yang digunakan untuk
menghitung frekuensi harapan.
c. Menentukan kriteria pengujian

Ho diterima apabila X2o ≤ X2α (k-N)

Ho ditolak apabila X2o > X2α (k-N)

d. Menentukan nilai ji statistik.

(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:

1. Jan Kilpatrick adalah manajer pemasaran untuk suatu produsen

kartu olahraga. Ia berencana untuk menjual satu seri kartu dengan
gambar dan statistic permainan para pemain Major League
Baseball yang sekarang telah pensiun. Salah satu masalahnya
adalah pemilihan para pemain tersebut. Pada pameran kartu
baseball di Southwyck Mall minggu lalu , ia mendirikan suatu loket
dan menawarkan kartu dari enam pemain baseball legendaris
berikut: Tom Seaver, Nolan Ryan, Ty Cobb, George Brett, Hank
Aaron dan johny Bench. Pada saat penutupan ia menjual total 120
kartu . Jumlah kartu yang terjual untuk setiap pemain tua adalah
sebagai berikut:

Pemain Jumlah Kartu Yang Terjual

Tom Seaver 13
Nolan Ryan 33
Ty Cobb 14
George Brett 7
Hank Aaroon 36
Jhony Brench 17

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

Total 120 120

2. Tentukan hipotesis nol dan hipotesis alternative .

H0 : Tidak ada perbedaan antara kelompok Frekuensi pengamatan dan

kelompok frekuensi diharapkan.
H1 : Ada perbedaan antara kelompok Frekuensipengamatan dan
kelompok frekuensi diharapkan.
3. Pilih tingkat Signifikansi

Dipilih tingkat signifikansi 0,05

3. Pilih uji Statistik

Uji Statistik mengikuti distribusi Chi- kuadrat ,X2

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

Derajat Daerah Ujung Kanan

Kebebasan
0,10 0,05 0,02 0,01
df

1 2,706 3,841 5,412 6,635

2 4,605 5,991 7,824 9,210

3 6,251 7,815 9,837 11,345

4 7,779 9,488 11,668 13,277

1
5 9,236 13,388 15,086

Aturan keputusannya adalah menolak Ho jika nilai Chi-kuadrat

yang dihitung lebih besar dari 11,070 ; jika tidak , Ho tidak ditolak .

Pemain  fo 
Base Ball f0 fe ( fo-f e) ( fo-f e) 2
fe2
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

a. Tentukan perbedaan antara fo dan fe atau( fo -f e ) Jumlah

perbedaan ini adalah nol
b. Kuadratkan perbedaan antara frekuensi yang diamati dan
frekuensi harapan yaitu
( fo -f e ) 2
c. Pisahkan hasil masing-masing pengamatan dengan
frekuensi harapan .

yaitu (f0 – fe)2

fe

pada akhirnya , jumlahkannilainya hasilnya X2 , yaitu 34,40

disebabkan oleh kebetulan. Sedikit perbedaan antara f0 dan fe cukup lebar

untuk dipertimbangkan signifikan. Peluang perbedaan - Nilai X2yang
dihitung yakni 34,40 berada dalam daerah penolakan diatas nilai kritis
11,070 sehingga menolak Ho pada tingkat 0,05 dan menerima H1 .
Perbedaan antara frekuensi yang diamati dan frekuensi harapan tidak
perbedaan ini disebabkan oleh kesalahan sampling sangat kecil. Jadi
disimpulkan bahwa kecil kemungkinan jumlah kartu yang terjual setiap
pemain sama banyaknya

249
 MODUL XIII

ANALISA REGRESI DAN KORELASI SEDERHANA

Tatap 14 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1. Persamaan regresi sederhana, koefisien

Bahasan
determinasi dan korelasi sederhana
2. Penduga dan pengujian parameter A dan B3.
3. Pendugaan dan pengujian koefisien korelasi
korelasi dan koefisien regresi sederhana

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

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan cara membuat persamaan regresi
sederhana
2. Mahasiswa dapat menjelaskan cara membuat estimasi/perkiraan dua
variable
3. Mahasiswa dapat menjelaskan cara membuat bentuk hubungan dua
variable ke dalam diagram pencar
4. Mahasiswa dapat menjelaskan cara pengujian hipotesis koefisien
korelasi dan koefisien regresi sederhana.

250
 REGRESI DAN KORELASI

Analisa tentang hubungan pasangan variable (analisa bivariat /

bivariate analysis) yang mempunyai hubungan sebab akibat antara
kedua variabel tersebut.

Analisa tersebut membutuhkan data yang terdiri dari dua kelompok

hasil observasi atau pengukuran, yang selanjutnya disebut variable X
dan Y dimana variable X adalah variable independent / bebas / tidak
tergantung dan variable Y disebut variable dependen / tergantung.

Regresi Linier Sederhana

Garis linier yang diterapkan melalui titik-titik koordinat diagram

pencar yang selanjutnya disebut garis duga / garis taksir (estimating
line) atau garis regresi (regression line) yaitu garis yang
menghubungkan distribusi Y dengan seluruh kemungkinan nilai-nilai
X. Bila garis pencar tersebut diterapkan dengan menggunakan
metode kuadrat minimum, maka akan memperoleh garis regresi Y
terhadap X, yang merupakan hubungan dua variable X dan Y yang
kita akan duga dan yang selanjutnya membentuk persamaan sbb :

Y ' / X  A  BX  ini merupakan persamaan regresi

Populasi

Persamaan regresi populasi dapat diduga dengan persamaan

duga

Y '  a  bX

dimana Y : Variable tergantung / dependen /

Peristiwa yang akan ditaksir / Penduga bagi Y/X

X : Variable tidak tergantung / independent /

251
 Peristiwa lainnya yang mempengaruhi perobahan
peristiwa Y

a. : Nilai Y bila X=0 atau penduga A

b. : Perobahan Y akibat perobahan tertentu dalam

X atau penduga B

Nilai a dan b dapat dicari melalui rumus :

a
Y  b  X  ; b
n XY   X Y
n n X 2   X 2

Koefisien Korelasi : (r)

n  XY   X Y
Rumus : r
n X 2   X  nY  Y 
2 2
2

Artinya : menunjukkan erat tidaknya hubungan kedua variabel

yaitu X dan Y

Koefisien Non Determinasi ( k 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

Artinya : variasi variabel Y dapat diterangkan oleh / berasal dari

variabel X

Standard Error of Estimate

(Kesalahan standard estimasi)

Kesalahan standard estimasi yaitu untuk menunjukkan ketepatan

persamaan estimasi yakni guna menjelaskan nilai variabel dependen
yang sesungguhnya.

Rumus kesalahan standard estimasi :

Se 
 Y Y  2

atau Se 
Y 2
 b XY
n2 n2

Artinya :

Semakin kecil Se, maka semakin tinggi ketepatan persamaan

estimasi untuk menjelaskan nilai variabel dependen yang
sesungguhnya dan sebaliknya.

253
A. PENDUGAAN DAN PENGUJIAN PARAMETER A

Prosedur :

1. Rumusan Hipotesis : Ho : A0

Ha : A 0

2. Tingkat signifikansi :
Menentukan besarnya alpha ( ) berapa persen.

Artinya : probabilitas / resiko menolak Ho yang benar

3. Uji Distribusi :
Memakai uji distribusi dua sisi  misal alpha 5%
 / 2 =2,5%

Mencari nilai kritis melalui nilai “t” tabel, dengan cara :

berdasarkan  / 2  2,5% dan

df (degree of freedom) = n-k-1 = n-1-1

( k = variable bebas / independent )

( 1 = factor koreksi )

4. Ambil keputusan :

Melalui statistic uji dengan rumus t hitung =

a  Ao
Sa

( 2Y /X )( X 2
Sa  
n(  X 2 )

(Y 2  b  XY)
1
 2Y /X 
n2

5. Kesimpulan :
Bila t hitung > t tabel  menolak Ho

Bila t hitung < t tabel  menerima Ho

254
 Interval keyakinannya sebesar 95% dapat diberikan
secara umum sebagai berikut

P(a  t(0,025,n2) Sa  A  a  t(0,025,n2) Sa)  0,95

Contoh soal :

Uji dan dugalah A dengan menggunakan penduga a hasil observasi

sampel dalam data-data sebagai berikut :(Y: rata-rata harga eceran
beras dalam rupiah/kg dan X: jumlah uang yang beredar dalam milyard
rupiah) :

n = 11 X  1.223,90 Y  99,27 a = 29,997

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

t < -2,2622 dan t > 2,2622

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
nX 2

1
34.067,30 (0,0566)(587.078,1426.855.704,50
S 2a  9  21,921
1110.378.461,18

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.

Pendugaan A dengan interval keyakinan sebesar 95%

dapat diberikan sebagai berikut :

P(a  t(0,025,n2) Sa  A  a  t(0,025,n2) Sa)  0,95

P(29,987 – 2,2622 (4,682) < A < 29,987 + 2,2622

(4,682)) = 0,95

P(19,405 < A < 40,589) = 0,95

Artinya bahwa batas atas pendugaan A adalah

40,589 dan batas bawahnya 19,405. Maka dengan itu kita yakin
95% bahwa dari keseluruhan waktu 
Y / X = 0 akan terletak di

antara diantara 19,405dan 40,589.

256
B. PENDUGAAN DAN PENGUJIAN PARAMETER B

Dalam persamaan regresi linier Y / X  A  BX , Y / X merupakan

rata-rata harga eceran beras dalam rupiah/kg dan X merupakan
jumlah uang yang beredar dalam milyar rupiah dan B merupakan
jumlah rata-rata kenaikan harga eceran beras dalam rupiah/kg pada
tiap unitpertambahan jumlah uang yang beredar dalam milyard
rupiah dan sebliknya.B disebut juga koefisien regresi, nilainya bisa
positif atau negatif. Bila B=0 maka garis regresinya akan mendatar,
artinya bahwa X dan Y adalah independen dan pula berarti berapapun
pertambahan jumlah uang yang beredar tidak akan diiringi dengan
perubahan harga eceran beras.

Bila Y didistribusikan secara normal, statistik uji akan diberikan

sebagai berikut :

t  b B atau t  b 2 B
Sb  Y/X

X 2

Statistik uji t di atas akan memiliki distribusi t dengan derajat bebas

(degree of freedom) sebesar n-2 .

Interval keyakinannya sebesar 95% dapat diberikan secara umum

sebagai

P(b  t(0,025,n2) Sb  B  (b  t(0,025,n2) Sb)  0,95

Prosedur pengujian :

1. Hipotesis : Ho: B  0
Ha: B  0

2. Tingkat signifikansi alpha 5% = 0,05

257
3. Uji statistik t  b  B secara searah dengan df = n-2
Sb
4. Daerah kritis adalah :
t  t(0,025,n2) atau t > 1,833

5. t hitung t  bB
Sb

6. Ambil keputusan

7. Kesimpulan

Contoh soal :

Uji dan dugalah B dengan penduga b hasil observasi sampel

dengan data yang diketahui adalah sebagai berikut :

n = 11 X  1.223,90 Y '  99,27 X 2

10.378461,18b= 0,0566

XY  587.078,14

Jawab :

1. Hipotesis : Ho: B  0
Ha: B  0

2. Tingkat signifikansi alpha 5% = 0,05 dengan df = n-2

3. Daerah kritis : t  t(0,05,9) atau t > 1,833

4. t hitung : t  b  Bo = 0,0566 0  18,866

Sb 0,003

 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.

Pendugaan B dengan menggunakan interval keyakinan 95%

dapat diberikan sbb :

P(b  t(0,025,n2) Sb  B  (b  t(0,025,n2) Sb)  0,95

P(0,0566 2,2622(0,003)  B  (0,0566 2,2622(0,003))  0,95

P(0,0498 B  0,0634)  0,95

C. PENDUGAAN DAN PENGUJIAN KOEFISIEN KORELASI POPULASI

1. Pendugaan parameter 

Dengan interval keyakinan sebesar 95% bagi zr dapat

diberikan secara umum sebagai :

1  1 )
P(zr z  /2  z z  /2
n 3
zr r
n3
Contoh :

Tentukan interval keyakinan sebesar 0,95% dan gunakan

hasil hitungan statistik sampel r = 0,9873 untuk menduga
parameter 

259
 Jawab:

Per tabel hubungan antara zr dan r, kita peroleh nilai

zr  2,53 bagi r = 0,9873. Interverval keyakinan 0,95 bagi

zr , menjadi :

1 1
P(zr z / 2  zr  zr  z / 2 )
n 3 n 3

1
P(2,531,96 1   zr  2,531,96 )  0,95
8 8

P(1,8369 z  3,2231)  0,95

r

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

Bila Korelasi negatif  Ho :  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%)

Degree of freedom (df) : n-k-1 =( n-1-1) = (n-2)

d) Ambil Keputusan :
Dengan statistik uji : dengan rumus t hitung yaitu :

r n 2
t hitung 
1 r 2

Bila t hitung > t tabel  keputusan menolak Ho / menerima Ha

Bila t hitung < t tabel  keputusan menerima Ho

e) Kesimpulan :
Bila keputusan menerima Ho  kesimpulannya Tidak ada
korelasi

Bila keputusan menolak Ho  kesimpulannya Ada korelasi

261
Contoh soal :

Berdasarkan data hasil hitungan seperti r = 0,9873, ujilah hipotesis

  0 dengan menggunakan taraf nyata sebesar alpha 0,05.

Jawab :

1. Hipotesis, Ho:   0
Ha:   0

2. Taraf signifikansi,   0,05

r n2
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

ANALISA REGRESI DAN KORELASI BERGANDA

Tatap 15 Waktu 100 Menit SKS 2

Muka

Sub Pokok 1. Pengertian regresi dan korelasi berganda

Bahasan
2. Variasi sekitar garis regresi berganda linier dan
korelasi berganda linier
3. Koefisien determinasi dan korelasi partial
4. Pendugaan dan pengujian parameter A dan B
5. Pendugaan dan pengujian koefisien korelasi
partial, koefisien regresi parsial dan simultan

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat menjelaskan cara membuat persamaan regresi
berganda
2. Mahasiswa dapat menjelaskan cara membuat estimasi/perkiraan
lebih dari dua variable
3. Mahasiswa dapat menjelaskan cara menghitung koefisien
determinasi, korelasi , pendugaan dan pengujian hipotesis koefisien
korelasi, koefisien regresi secara parsial dan simultan

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

Regresi dan korelasi berganda linier adalah persamaan

regresi yang melibatkan lebih dari dua variabel independen.
Persamaan umum regresi yang menggunakan lebih dari dua variabel
adalah sebagai berikut

Y(X1X 2)  a  b1 X 1  b2 X 2 .....bn X n
dimana Y : variabel dependen / tergantung

X : variabel independen / bebas

a : bilangan konstanta

b1 : koefisien regresi b1

b2 : koefisien regresi b2

bn : koefisien regresi bn

Besarnya a, b1 dan b2 dapat dicari dengan mengeliminasi ketiga

persamaan berikut :

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

* Rumus Varians Regresi Berganda :

S 2
Y(X1X 2) 
Y b ( YX )  b ( YX )
2
1 1 2 2

nm

Dimana Y 2
 variasi total dari variabel dependen Y

n = jumlah pasangan observasi

m = jumlah konstanta dalam persamaan regresi

berganda

* Rumus Selisih taksir standard regresi berganda (S)

sebagaiberikut :

SY( X1X 2)  S 2Y(X1X )

* Rumus Koefisien Determinasi Berganda (r 2 ) :

2
 b1 ( YX1)  b2 ( YX2 )
r
Y
Y ( X1X2)
2

* Rumus Non Determinasi Berganda (k 2 ) :

k 2  1 r 2Y ( X1X 2) :

265
 * Rumus Korelasi Berganda Linier (r)

rY( X1X 2)  r 2 Y (X1X 2)

Koefisien Determinasi dan Korelasi Partial

Yaitu mengukur secara terpisah dampak variabel independen X1

atau X2 terhadap Y.

* Rumus Koefisien Determinasi Partial :

1 r 2Y ( X1X 2)
r 2
YX1( x2)  1
1 r 2Y (X 2)

(Artinya bahwa berapa % dampak variabel X1 terhadap Y

secara terpisah dengan jalan menghilangkan tendensi linier variabel
X2)

1 r 2Y ( X1X 2)
r 2
YX 2( x1)  1
1 r 2Y ( X1

(Artinya bahwa berapa % dampak variabel X2 terhadap Y

secara terpisah dengan jalan menghilangkan tendensi linier variabel
X1)

Rumus Koefisien Korelasi Partial :

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

Pendugaan dan Pengujian parameter Koefisien Regresi Berganda

Persamaan berganda Y(X1X 2)  a  b1X1  b2X 2 ini sebagai penduga

persamaan populasi Y( X1X 2)  A B1X 1  B2 X 2 , dimana Y(X1X 2)

adalah nilai Y yang diharapkan bagi setiap nilai X1 dan X 2 tertentu dan

a,b1,b2 adalah sebagai penduga A, B1, B2 .

Pendugaan Parameter Koefisien Regresi Berganda

a) Pendugaan parameter koefisien regresi berganda B1 dan

B2 membutuhkan hasil ukuran ”kesalahan duga standard” bagi
penduga b1 dan b2 :

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) 

b) Interval keyakinan bagi pendugaan parameter Bi :

bi  t( / 2,nk1)Sbi  Bi  bi  t( / 2,nk1) Sbi

267
Pengujian Parameter Koefisien Regresi Berganda

Pengujian koefisien regresi berganda populasi dengan statistik uji t

bi  Bi
dengan rumus : ti  dengan df (degree of freedom) (n-k-1)
Sbi
dimana k = jumlah regressor.

Prosedurnya sebagai berikut :

1. Hipotesis : Ho: B1  0 dan Ho: B2  0

Ha: B1  0 dan Ha: B2  0

2. Tingkat signifikansi   5%  0,05

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

4. Daerah kritis : t < …….atau t > ……

b1  B1
5. Bagi uji B1  thitung 
Sb1
b2  B2
B2  t hitung 
Sb2

/2  /2

 t( / 2,nk1)  t( / 2,nk1)

268
6. Keputusan
7. Kesimpulan

Pengujian parameter Koefisien Korelasi Partial

Koefisien korrelasi partial populasi YX1(X 2) dan YX2( X1) dengan

bantuan statistik uji t :

n  k 1
t  rYX1( X 2) 2
dan
1 rYX1( X 2)

n  k 1
t  rYX2(X1) 2
1 rYX2(X1)

Prosedur pengujian Koefisien Korelasi Partial :

1. Hipotesis : Ho : YX1(X 2)  0 dan Ho : YX2( X1)  0

Ha : YX1(X 2)  0 Ha : YX 2( X1)  0

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

Tatap 15 Waktu 100 Menit SKS 2

Muka
Sub Pokok 1.Uji Tanda (Sign Test)
Bahasan
2. Urutan Bertanda Wilcoxon (The Signed Rank Test)
3. Uji Korelasi Spearman (The Rank Correlation Test)
4. Uji Mann-Whitney ( U Test)
5. Uji Kruskal-Wallis (H Test)

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)

Kompetensi yang hendak dicapai :

1. Mahasiswa dapat membedakan statistik nonparametrik dengan
parametrik.
2. Mahasiswa dapat melakukan uji hipotesis : Uji Tanda (Sign Test),
Uji Urutan Bertanda Wilcoxon (The Signed Ran k Test), Uji
Korelasi Spearman (The Rank Correlation Test), Uji Mann-
Whitney (U Test) dan Uji Kruskal-Wallis (H Test).

271
 STATISTIK NON PARAMETRIK

Pada Statistik non parametrik pengujian hipotesis (Uji parametrik)

atau aturan pengambilan keputusan dipengaruhi oleh asumsi –asumsi
tertentu. Misalnya, distribusi probabilitas untuk pengambilan sampel dalam
bentuk varians. Asumsi untuk distribusi probabilitas misalnya distribusi
normal, binomial , distribusi F, dan distribusi student t. Asumsi bentuk
varians misalnya memilki varians yang homogen, seoperti pada regresi
dan korelasi. Asumsi –asumsi tersebut tidak diuji lagi dan dianggap sudah
terpenuhi.

Namun dalam prakteknya , situasi yang sering muncul tidak

memenuhi asumsi yang dimaksud . Oleh karena itu, digunakan statistik
non parametrik. Jadi , statistik nonparametrik merupakan alternatif dalam
memecahkan masalah seperti pengujian hipotesis atau pengambilan
keputusan, apabila statistik parametrik tidak dapat digunakan.

A. PENGERTIAN DAN PENGGUNAAN STATISTIK NONPARAMETRIK

Statistik nonparametrik termasuk salah satu bagian dari
statistik inferensi atau induktif dan disebut juga statistik bebas
distribusi. Statistik nonparametrik adalah bagian statistik yang tidak
memerlukan asumsi-asumsi tertentu, misalnya mengenai bentuk
distribusi dan hipotesis –hipotesis yang berkaitan dengan nilai-nilai
parameter tertentu.
Statistik nonparametrik digunakan apabila :
1. Sampel yang digunakan memilki ukuran yang kecil

272
 2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisas
disusun dalam urutan atau klasifikasi rankingnya;

3. Data yang digunakan nbersifat nominal, yaitu data-data yang

dapat diklasifikasikan dalam kategori dan dihitung frekuensinya;

4. Bentuk distribusi populasi dan tempat pengambilan sampel

tidak diketahui menyebar secara normal;

5. Ingin menyelesaikan masalah statistik secara cepat tanpa

menggunakan alat hitung.

B. PENGUJIAN HIPOTESIS STATISTIK NONPARAMETRIK

Pengujian hipotesis statistik nonparametrik pada dasarnya
sama dengan pengujian hipotesis statistik parametrik. Asumsi yang
digunakan pada pengujian hipotesis statistik nonparametrik
hanyalah bahwa observasi-observasi independen dan variabel yang
diteliti memiliki kontinuitas . Asumsi bahwa variebel yang diteliti
memilki kontinuitas juga diperlukan dalam uji parametrik, namun
dalam uji nonparametrik, asumsi tersebut lebih longgar.
Langkah-langkah pengujian hipotesis statistik nonparametrik
adalah sebagai berikut :

1) Menentukan formulasi hipotesis

2) Menetukan taraf nyata dan nilai tabel

3) Menentukan kriteria pengujian

4) Menetukan nilai uji statistik

5) Membuat kesimpulan

1. Uji Tanda ( Sign Test)

Uji tandadidasarkan atas` tanda-tanda positif atau
negatif dari perbedaan antara pasangan pengamatan, bukan

273
atas besarnya perbedaan. Uji tanda biasanya digunakan untuk
mengetahui pengaruh sesuatu .
Langkah –langkah pengujian dengan uji tanda ialah sebagai
berikut.

a. Menentukan formulasi hipotesis

Ho: Probabilitas terjadinya tanda positif dan probabilitas

terjadinya tanda negatif adalah sama.

H1 : Probabilitas terjadinya tanda positif dan probabilitas

terjadinya tanda negatif adalah berbeda

b. Menentukan taraf nyata (α)

Pengujiannya dapat berbentuk satu sisi atau dua sisi.
c. Menentuksn kriteria pengujian

1) Pengujian satu sisi

Ho: diterima apabila α ≤ probabilitas hasil sampel
Ho: ditolak apabila α > probabilitas hasil sampel
2) Pengujian dua sisi
Ho diterima apabila α ≤ 2 kali probabilitas hasil sampel
Ho ditolak apabila α > 2 kali probabilitas hasil sampel
d.Menentukan nilai uji statistik
Merupakan nilai dari probabilitas hasil sampel. (lihat tabel
probabilitas binomial dengan n, r tertentu dan p = 0,5) r =
jumlah tanda yang terkecil.

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.

Tabel 1. Mutu Kerja Karyawan Sebelum dan Sesudah Kenaikan Gaji

Pegawai 1 2 3 4 5 6 7 8 9 10
Skor
Sebelum 71 91 86 60 83 70 72 65 80 72

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 :

Pegawai Sebelum ( X1) Sesudah (X2) X2-X1

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

Ternyata jumlah tanda” + ” adalah 6 dan tanda” –” adalah 4

a. Formulasi hipotesisnya :

Ho : p = 0,5 ( tidak ada peningkatan mutu kerja)

H1 : p > 0,5 ( ada peningkatan mutu kerja)

b. Taraf nyata (α) :

α = 5% = 0,05

c. Kriteria pengujiannya :

Ho diterima apabila 0,05 ≤ probabilitas hasil sampel

Ho ditolak apabila 0,05 > probabilitas hasil sampel

d. Nilai uji statistiknya :

n = 10, r = 4, dan p = 0,5
Probabilitas hasil sampel = 0,0010 + 0,0098 + 0,0439 + 0,1172 +
0,2051 = 0,3770
e. Kesimpulan :
Karena α = 0,05 < probabilitas hasil sampel = 0,3770, maka Ho
diterima . Jadi, tidak ada peningkatan mutu kerja karyawan setelah
gaji dinaikkan.

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.

Langkah –langkah pengujian urutan bertanda Wilcoxon ialah

sebagai berikut.

a. Menentukan formulasi hipotesis

Ho :Jumlah urutan tanda positif dengan jumlah urutan tanda

negative adalah sama (tidak ada perbedaan nyata antara
pasangan data).

H1 :Jumlah urutan tanda positif dengan jumlah urutan tanda

negative adalah berbeda (ada perbedaan nyata antara pasangan
data).

b. Menentukan taraf nyata (α) dengan T tabelnya

Pengujiannya dapat berbentuk satu atau dua sisi.
c. Menentukan kriteria pengujian
Ho diterima apabila To ≥ T
Ho ditolak apabila To < T
d. Menentukan nilai uji statistik (nilai To)

Tahap-tahap pengujiannya adalah sebagai berikut:

1) Menentukan tanda beda dan besarnya tanda beda

antara pasangan data.
2) Mengurutkan bedanya tanpa memperhatikan tanda
atau jenjang.

278
 a) Angka 1 untuk yang kecil dan seterusnya.

b) Jika terdapat beda yang sama, diambil rata-ratanya.

c) Beda nol tidak diperhatikan.

1) Memisahkan tanda beda positif dannegatif atau tanda

jenjang .

2) Menjumlahkan semua angka positif dan angka negatif.

3)Nilai terkecil dari nilai absolut hasil penjumlahan

merupakan nilai To yaitu nilai uji statistik.

e. Membuat kesimpulan

Menyimpulkan Ho diterima atau tidak

Catatan :

Untuk pasangan data lebih dari 25 ( n > 25 )

pengujiannya menggunakan nilai Z yaitu

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

pengujian sebelumnya, menggunakan distribusi Z

Contoh Soal :

Delapan orang pasien diambil secara acak diukur kapasitas

pernapasannya sebelum dan sesudah diberikan obat tertentu .
Hasilnya adalah sebagai berikut:

Tabel 8.2. Kapasitas Pernapasan Sebelum Dan Sesudah Pemberian Obat

Tertentu Dari Delapan Pasien

Pasien A B C D E F G H

X 750 2360 2950 2830 2250 2680 2720 2810

Y 2850 2380 2930 2860 2300 2640 2760 2800

Keterangan :

X = sebelum pemberian obat

Y = sesudah pemberian obat

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)

H1 obat memiliki efek terhadap kapasitas pernapasan (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 :

Pasien X Y Beda Jenjang Tanda Jenjang

(Y-X) + -

A 2750 2850 +100 8 +8

B 2360 2380 +20 1,5 +1,5
C 2950 2930 -20 1,5 +4 -1,5
D 2830 2860 +30 4 +7
E 2250 2300 +50 7
F 2680 2640 -40 5,5 +5,5 -5,5
G 2720 2760 +40 5,5
H 2810 2800 -10 1 -1
Junlah +26 -8

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)

a. Koefisien korelasi urutan Spearman

Pengujian korelasi urutan spearman dikemukakan oleh Carl

Spearman pada tahun 1904. Metode tersebut digunakan untuk
mengukur keeratan hubungan antara dua variabel atau data
ordinal. Kedua variabel tersebut tidak memiliki distribusi normal
dan kondisi varians tidak diketahui sama. Koefisien korelasi
urutan Spearman di simbulkan r s .

1) Jika rs = 1, data sampel menunjukkan hubungan positif

sempurna, yaitu urutan untuk setiap data sama.
2) Jika rs = -1, data sampel menunjukkan hubungan negatif
sempurna, yaitu urutan untuk setiap data merupakan urutan
terbalik.
3) Jika rs = 0, data sampel tidak ada hubungan.

Dengan demikian, nilai r sberkisar antara -1 dan +1 (-1 ≤

rs ≤ +1),

Koefisien korelasi urutan Spearman dirumuskan sebagai

berikut :

6ð

rs =1 - -------------------------
n(n2 -1)

Ketrerangan :

d = beda urutan dalam satu pasangan

n = banyaknya pasangan data

282
 Untuk menghitung koefisien korelasi urutan Spearman dapat
digunakan langkah-langkah berikut :

1) Nilai pengamatan dari dua variabel yang akan diukur

hubungannya diberi urutan. Jika ada nilai pengamatan yang
sama dihitung urutan rata-ratanya.

2) Setiap pasangan urutan dihitung perbedaanya.

3) Perbedaan setiappasangan urutan tersebut dikuadratkan

dan dihitung jumlahnya, kemudian dihitung nilai rs – nya.

Contoh Soal :

Berikut ini data mengenai hubungan antara nilai matematika

dan nilai statistik dari 10 orang mahasiswa. Hitung rs –nya.

Tabel. Nilai Matematika dan Statistik Dari Sepuluh Mahasiswa

Nilai Matematika (M) 82 75 85 70 77 60 63 66 80 89

Nilai Statistika (S) 79 80 89 65 67 62 61 68 81 84

Penyelesaian :

Maha- Nilai M Nilai S d d2

siswa X Urutan Y Urutan (X-Y)

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

Hasil hitungan rS perlu diuji untuk mengetahui

kesignifikanannya. Pengujian rS bergantung pada jumlah n dan
taraf nyatanya.

284
 Langkah-langkah pengujian sebagai berikut :

1) Menentukan formulasi hipotesis

Ho : tidak ada hubungan antara urutan variabel yang satu

dengan urutan dari variabel lainnya.

H1 : ada hubungan antara urutan variabel yang satu dengan

urutan dari variabel lainnya.

2) Menentukan taraf nyata (α) dan nilai þs, pada tabel

Taraf nyata dan nilai þs tabel ditentukan sesuai dengan
besarnya n ( n≤ 30). Pengujiannya dapat berupa
pengujian satu sisi dan dua sisi.

3) Menentukan kriteria pengujian

Ho diterima apabila rs ≤ þs(α)

Ho ditolak apabila rs> þs(α)

4) Menentukan nilai uji Statistik

Merupakan nilai rs itusendiri.

5) Membuat Kesimpulan

Menyimpulkan Ho diterima atau ditolak.

Catatan :

Untuk sampel besar (n>10), nilai uji statistiknya dapat pula

dihitung dengan rumus

n-2
t0= rs dengan db = n-2
2
1- rs

Langkah-langkahnyasama dengan langkah –langkah

pengujian sebelumnya. Menggunakan distribusi t dengan derajat
bebas (db) = n-2

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 )

2. Taraf nyata (α) dan nilai þs, pada tabel

α = 5% dengan n= 10
þs(0,05) = 0,564
3. Kriteria pengujian

Ho diterima apabila rs ≤ 0,564

Ho ditolak apabila rs> 0,564

4. Nilai uji statistik:

rs = 0,867

5. Kesimpulan :

Karena rs = 0,867 > þs(0,05) = 0,564, maka Ho ditolak. Jadi ada

hubungan positif yang nyata antara nilai matematika dan niai
statistik.

4. Uji Mann- Whitney (U Test)

Uji mann- whitney disebut juga uji U . pengujian U digunakan

untuk menguji rata-rata dari dua sampel berukuran tidak sama,
dikembangkan oleh H.B.Mann dan D.R. Whitney pada tahun
1947.
286
 Langkah -langkah pengujiannya sebagai berikut:

a. Menentukan formulasi hipotesis

Ho: dua sampel independen memiliki rata-rata yang sama
( µ1 = µ 2 )
H1 : dua sampel independen memiliki rata-rata yang berbeda
b. Menentukan taraf nyata (α) dan nilai U tabel

Uα(n1)(n2) = ........

Pengujiannya dapat berbentuk satu sisi atau dua sisi.

c. Menentukan kriteria pengujian

Ho diterima apabila U ≥U α(n1)(n 2)

Ho ditolak apabila U<U α(n1)(n 2)

d. Menentukan nilai uji statistik

Nilai uji statistik ditentukan dengan tahap-tahap sebagai berikut:

1) Menggabungkan kedua sampel dan memberi urutan tiap-tiap

anggota
2) Menjumlahkan masing-masing sampel ( R1 dan R2 )
3) Menghitung statistik U dengan rumus :

n1(n1+ 1) 2
U1 =
n1 . n2 –R1

Atau
N2(n2+ 1) 2
U1 =
n1 . n2 –R2

Nilai U yang diambil adalah nilai U yang terkecil, untuk memeriksa

ketelitian perhitungan digunakan rumus

Uterkecil = n1- n2 - Uterbesar

287
e. Membuat Kesimpulan

Menyimpulkan Ho diterimaatau ditolak.

Catatan :

Untuk pasangan data lebih besar dari 20 ( n>20) , pengujiannya

menggunakan nilai Z (nilai uji statistiknya), yaitu :

U-E(U)
Z=
U

n1.n2
E(U) =
2

.n2(n1+ n2+ 1)
u=

Langkah-langkah pengujiannya sama dengan langkah-langkah

pengujian menggunakan distribusi Z

Tabel.Berikut ini data mengenai gaji sarjana ekonomi dan sarjana

teknik (dalam jutaan rupiah).

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 :

Sampel I Urutan Sampel II Urutan

3 3 7 7
8 8.5 1 1
2 2 11 12
5 5 9 10
7 4 8 8.5
6 6
10 11
R1 = 22.5 R1 = 55.5

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

5. Uji Kruskal – Wallis ( H Test)

Uji Kruskal – Wallis pertama kali diperkenalkan Willian H. Kruskal

dan W. Allen Wallis pada tahun i952. Uji Kruskal – Wallis dikenal
juga uji H.

Uji Kruskal-Wallis merupakan pengembangan dari uji Mann-

Whitney. Uji ini, digunakan untuk membandingkan rata-rata tiga
sampel atau lebih, sehingga merupakan alternatif dari analisi varians
untuk satu arah (one way analysis of variance) atau pengujian tiga
rata-rata atau lebih dengan menggunakan distribusi F untuk satu
arah atau parametrik.

Langkah-langkah pengujian Kruskal-Wallis ialah sebagai berikut:

a. Menentukan formulasi hipotesis.

H0 :k populasi dari mana sampel diambil memiliki mean yang
sama (µ1 = µ2= µ3 = ..... = µk)
H1:k populasi dari mana sampel diambil tidak memiliki mean yang
sama, sedikitnya ada satu mean yang tidak sama (µ1
= µ2= µ3 = ..... = µk).
b. Menentukan taraf nyata ( α) dan nilai X2 (kai kuadrat) tabel .
Taraf nyata (α) dan nilai nilai X2 (kai kuadrat) ditentukan dengan
derajat bebas (db) = k -1.
X2 α (k-1) = ......

291
 c. Menentukan kriteria pengujian.

H0 diterima apabila H ≤ X2
α (k-1)
2
H0 ditolak apabila H >X α (k-1 )

d. Menentukan nilai uji statistik (nilai H)

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:

Tabel 8.4 . UMUR MERK TIGA BOLA LAMPU

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:

Merek A Merek B Merek C

Umur Urutan Umur Urutan Umur Urutan

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

X20,05 (2) = 5,991

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 :

Karena H = 10,589 >X2 = 5,991, maka H ditolak. Jadi, rata-

0,05 (2) 0

rata ketiga merek lampu tersebut tidak sama.

6. Uji Randomness

Uji Randomness bertujuan menentukan apakah urutan yang

dipilih atau sampel yang diambil diperoleh secara random atau tidak.
Pengujian randomnes didasarkan atas banyaknya run atau tanda
nilai median dalam urutan sampel. Satu run adalah satu atau lebih
symbol positif atau negative ( +/- ) identik yang didahului atau diikuti
oleh simbol lain atau ada dua run dan untuk tanda ( +-+) dianggap
tiga run.
Langkah- langkah pengujian randomness ialah sebagai
berikut :

a. Menentukan formulasi hipotesis

Ho : proses pengambilan sampel adalah proses random.
H1 : proses pengambilan sampel bukan proses random.

b. Menentukan taraf nyata (α) dan nilai r tabel

Nilai r tabel terdiri batas bawah dan r batas atas untuk n1 dan
n2 tertentu.

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.

d. Menentukan nilai uji statistik (r hitung)

Nilai uji statistik ditentukan dengan tahap-tahap :
1) Data sampel tidak diubah urutannya ;
2) Menentukan median data;
3) Memberi tanda “-“ untuk data di bawah ( lebih kecil)
dari nilai median dan tanda “+” dari data di atas (lebih
besar) dari nilai median.
4) Banyaknya tanda “-“ diberi notasi n1 dan banyaknya
tanda ”+” diberi notasi n2;
5) Menentukan jumlah run, merupakan nilai r hitung.

e. Membuat kesimpulan
Menyimpulkan Ho diterima atu ditolak.

Catatan :

Untuk n1 atau n2 atau kedua-duanya lebih besar dari 20 ,

pengujiannya , menggunakan nilai Z ( nilai uji statistik), yaitu :

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

Berikut ini data mengenai besarnya kredit yang diperoleh 15

pedagang kecil dari sebuah bank (dalam puluhan ribu Rp).
13, 7, 6, 8, 31, 23, 36, 43, 51, 44, 12, 26, 15, 18, 24
Ujilah apakah data tersebut diambil secara acak ( random) dengan
menggunakan taraf nyata 5%.

Penyelesaian :

a. Formulasi Hipotesisnya :
Ho : data diambil secara random
H1 : data diambil tidak secara random

b. Taraf nyata (α) dan nilai tabelnya :

α = 5% dengan n1 = 8 dan n2 = 7
batas penerimaan bawah = 4
batas penerimaan atas = 13

c. Kriteria pengujian :
Ho diterima pabila 4 ≤ r ≤ 13
Ho ditolak apabila r < 4 atau r > 13

d. Nilai uji Statistik ( r hitung ) :

1) Urutan data Asli :

13, 7, 6, 8, 23, 36, 43, 51, 44, 12, 26, 15, 18, 24

2) Median data : 23
296
 3) Tanda-tanda data :

----+-++++-+-- +

4) n1 = 8 dan n2 = 7

5) r =8

e. Kesimpulan

Karena r = 8 , berada antara 4 dan 13 , maka Ho diterima, jadi

proses pengambilan sampel atau pemeberian kredit oleh Bank
dilakukan secara random.

7. Uji Median ( Median Test)

Uji median memperlihatkan apakah dua atau lebih populasi tempat

sampel independen diambil memiliki median yang sama atau tidak .

Langkah-langkah pengujian median adalah sebagai berikut:

a. Menentukan Formulasi Hipotesis

Ho : dua populasi tempat dua sampel diambil memiliki median yang
sama
H1 : dua populasi tempat dua sampel diambil memiliki median yang
berbeda

b. Menentukan taraf nyata (α) dan nilai x2 tabel

Taraf nyata dan x2 tabel yangditentukan memilki derajat bebas (

db) = 1

x2
α(1) = ......

c. Menentukan kriteria pengujian

Ho diterima apabila x2 ≤ x2
0 α(1)

Ho ditolak apabila x2 >x2

0 α(1)

297
 d. Menentukan nilai uji Statistik

Penentuan nilai uji statistik melalui tahap-tahap sebagai berikut:

1). Menentukan median dari kombinasi distribusi sampelnya 2).
Menghitung frekuensi nilai yang terletak di atas dan di
bawah median kombinasi untuk setiap kelompok yang
tabelnya berbentuk :

Jumlah nilai Kelompok I Kelompok II Total

Di atas median Kombinasi a b a+b

Dibawah median c d c+d

Kombinasi

Total a + c = n1 b + d = n2 n1 + n2 = n

2) rumus x2 :
0

n(1ad  bc1 12n)2

x o
2

a  bc d a cb d 

e. Membuat Kesimpulan

Menyimpulkan Ho diterima atau tidak.

298
 Contoh Soal :

Dua sampel berupa upah 15 pekerja wanita dan 15 pekerja pria (

dalam ratusan ribu Rp) sebagai berikut :

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 :

Ho : Median upah pekerja Wanita sama dengan median upah pekerja

Pria

H1 : Median upah pekerja Wanita berbeda dengan median upah

pekerja Pria

b. Taraf Nyata (α) dan nilai x2

tabelnya : α = 5% = 0,05
dengan db =1
x20,05 (1) = 3,81
c. Kriteria Pengujian :
Ho diterima apabila x2 ≤ 3,81
0
Ho ditolak apabila x2 > 3,81
0,05 (1)

d. Nilai Uji Statistik :

1).Median kombinasi sampel = 67,5

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 :

Karena x2 = 0,53 < x2 = 3,81, maka Ho diterima. Jadi ,

0 0,05 (1)

median upah pekerja wanita sama dengan upah pekerja pria.

300
 DAFTAR PUSTAKA

1. Boediono, Dr dan Koster Watan, Dr, Ir, MM ; teori dan Aplikasi

statistic dan Probabilitas Bab. I, PT. Remaja Presdaya, Bandung
2004.
2. Levine Stephan, Krehbiel Berenson, Statistic For Manager Chapter
1, Forth Edition 2005.
3. Mulyono Sri, Statistik Untuk Ekonomi Bab Pendahuluan, FE UI,
2003.
4. Robert, D. Mason dan Dauglas A lind Teknik Statistika untuk Bisnis
& Ekonomi, Jilid 1, Edisi kesembilan, Airlangga 1996.
5. Siagian Dergibson dan Sugiarto, Metode Statistika untuk Bisnis dan
Ekonomi, Bab 1 dan 2 PT. Gramedia, Jakarta 2002.
6. Boediono, Dr dan Koster Watan, Dr, Ir, MM ; teori dan Aplikasi
statistic dan Probabilitas Bab. I, PT. Remaja Presdaya, Bandung
2004.
7. Levine Stephan, Krehbiel Berenson, Statistic For Manager Chapter
1, Forth Edition 2005.
8. Mulyono Sri, Statistik Untuk Ekonomi Bab Pendahuluan, FE UI,
2003.
9. Robert, D. Mason dan Dauglas A lind Teknik Statistika untuk Bisnis
& Ekonomi, Jilid 1, Edisi kesembilan, Airlangga 1996.
10. Siagian Dergibson dan Sugiarto, Metode Statistika untuk Bisnis dan
Ekonomi, Bab 1 dan 2 PT. Gramedia, Jakarta 2002.

301