STATISTIKA 2

MUHAMMAD ZIDAN
54417290
2IA01
POPULASI

• Kumpulan / keseluruhan anggota dari obyek penelitian dan memenuhi kriteria tertentu yang telah
ditetapkan dalam penelitian . Penelitian yang melibatkan populasi sebagai obyek penelitian disebut
Sensus
SAMPEL

• Bagian tertentu dari unit populasi . Penelitian yang melibatkan sampel sebagai obyek penelitian disebut
Sampling
BEBERAPA RUMUS YANG DAPAT DIGUNAKAN APABILA
JUMLAH POPULASI DIKETAHUI
𝑁
• Rumus Slovin 𝑛 =
1+𝑁𝛼 2
• n = Ukuran sampel yang dibutuhkan • N = Jumlah populasi • α = margin error yang diperkenankan atau taraf dignifikansi
0,01(1%), , 0,05 (5%) dan 0,10 (10%)
𝑋2 𝑁𝑃(1−𝑃)
• Rumus Issac dan Michael 𝑆 =
𝑑2 𝑁−1 +𝑋2 𝑃(1−𝑃)

• • S = Ukuran sampel • N = Ukuran populasi • P = Proporsi dalam populasi, asumsi diambil P=0,50 • d = Ketelitian (error) • X2
= harga tabel chi-kuadrat untuk df tertentu
𝑁
• Rumus Taro Yamane 𝑛 =
𝑁𝑑 2 +1
• • S = Ukuran sampel • N = Ukuran populasi • P = Proporsi dalam populasi, asumsi diambil P=0,50 • d = Ketelitian (error) • X2
= harga tabel chi-kuadrat untuk df tertentu
𝑁
• Rumus Rao Purba 𝑛 = (1+𝑁.𝑀𝑜𝑒 2 )

• • n = Jumlah sampel • N = Jumlah populasi • Moe = Margin of error maximum

 • Jika Diketahui Populasi di daerah jawa barat
adalah 47.379.389 maka carilah Sampel
dengan taraf signifikansi (Kesalahan) 10% :
• Diketahui N = 47.379.389 dan α = 10%
• Menggunakan Rumus Slovin, dikarenakan
memiliki 2 Variabel
𝑁
• 𝑛=
1+𝑁α2

CONTOH KASUS •
47379378
1+47379389(0,1)2
=
47379378
• 473793,9 =
• 99,999
• 100 (Dibulatkan)
• Sumber :
https://id.wikipedia.org/wiki/Jawa_Barat
BEBERAPA RUMUS APABILA JUMLAH POPULASI TIDAK
DIKETAHUI

𝑍2
• Rumus Paul Leedy 𝑁 = (𝑒) 𝑃 1−𝑃

• • N = Ukuran sampel • Z = Standard score utuk α yang dipilih • e = Sampling error yang dipergunakan •
P = Proporsi harus dalam populasi
𝑡
• Rumus Jacob Chohen 𝑁 = +u+1
𝑓2

• • N = Ukuran sampel(sampel size) • f2 = Effect Size (umumnya sebesar 10%) • u = Banyaknya variabel
yang terkait dalam penelitian • t = t tabel diperoleh dari tabel disignifikansi 1% dengan banyaknya
variabel dalam penelitian (u
 • Diketahui :
• e = 0.1
• α = 1 – 0.9 = 0.1(0.05 )
• Z = 1 – 0.05 = 0.95 (Nilai terletak di 1.6 dan 0.06)
• Z = 1.66
CONTOH KASUS • P = 0.5 (Asumsi)
• Pengaruh Pestisida Terhadap Sawah di Daerah
Brebes, dalam 3 Hari. 1.662
• 𝑁= ( 0.1 ) 0.5 1 − 0.5
• Jika Populasi Penelitian pada sawah tersebut tidak
diketahui, Maka harga P (1-P) maksimal adalah 0,5
dan menggunakan Confidence Level 95% dengan
tingkat kesalahan tidak lebih dari 10% maka besar
• N = 6,889
sampel adalah
• N = 7 Petani
• Dengan beberapa data yang didapatkan,
menggunakan Rumus Paul Leedy
TEKNIK SAMPLING

• Probability
Setiap anggota populasi mempunyai peluang sama untuk dipilih menjadi anggota sampel
hasil penelitian dijadikan ukuran untuk mengestimasi populasi (melakukan generalisasi)
• Non Probability
Setiap anggota populasi tidak mempunyai peluang sama untuk dipilih menjadi anggota sampel
hasil penelitian tidak untuk melakukan generalisasi
• Teknik sampling probabilitas dapat kita sebut dengan Random Sampling. Random sampling/sampling
probabilitas adalah sesuatu cara pengambilan sample yang memberikan kesempatan atau peluang yang
sama untuk diambil kepada setiap elemen populasi. maksudnya jika elemen populasinya ada 50 dan
yang akan dijadikan sampel adalah 25, maka setiap elemen tersebut mempunyai kemungkinan 25/50
untuk bisa dipilih menjadi sampel. Syarat pertama yang harus dilakukan untuk mengambil sampel
secara acak adalah memperoleh atau membuat kerangka sampel atau dikenal dengan nama “sampling
frame”. Yang dimaksud dengan kerangka sampling adalah daftar yang berisikan setiap elemen populasi
yang bisa diambil sebagai sampel. Elemen populasi bisa berupa data tentang orang/binatang, tentang
kejadian, tentang tempat, atau juga tentang benda.
SIMPLE RANDOM SAMPLING

• Merupakan suatu teknik sampling yang dipilih secara acak, cara ini dapat diambil bila analisa penelitian
cenderung bersifat deskriptif atau bersifat umum. Setiap unsur populasi harus memilik kesempatan
sama untuk bisa dipilih menjadi sampel.
CONTOH KASUS • Tabel bilangan random

Terdapat 47,379,389 Orang yang • Pilih Responden Secara Acak dengan Cara
menempati Daerah Jawa Barat, Sampelnya menentukkan Antara titik temu baris dan
adalah 5 Orang dipilih secara Acak kolom. Misalkan Baris D dan Kolom 8
• Pilih secara Acak kembali setelah
PROSEDUR SIMPLE RANDOM SAMPLING menemukan titik dari Tabel bilangan
Random.
• 1.Susun “sampling frame”
• Mendapatkan Responden Berupa angka
• 2.Tetapkan jumlah sampel yang akan
diambil • D8 :34999158 , G7 : 38377049 , I13 :
• 3.Tentukan alat pemilihan sampel 29956293 , J12 : 28646377, B14 :
15911409
• 4.Pilih sampel sampai dengan jumlah
terpenuhi
DISTRIBUSI SAMPLING
BEBERAPA CONTOH KASUS DAN PENYELESAIANNYA
 𝑁−𝑛
• Disebut sebagai Faktor Koreksi Populasi Terhingga
𝑁−1

• Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari populasi berukuran N
yang terhingga / terbatas besarnya.
• Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar maka FK akan mendekati
𝑁−𝑛
1→ 𝑁−1
≈ 1, hal ini mengantar kita pada dalil ke-3 yaitu Dalil Limit pusat
CONTOH SOAL
• PT Amerta Indah Otsuka Sukabumi Sebuah Perusahaan Minuman Kaleng Pocari Sweat sebanyak
411.000 kaleng perhari. Rata-rata isi Kaleng tersebut adalah 330ml dengan standar deviasi = 20ml, rata-
rata populasi menyebar normal.
• Jika setiap hari diambil 100 kaleng Pocari sebagai sampel acak Dengan Pemulihan, Hitunglah :
A. Standard Error atay Galat Baku Sampel Tersebut ?
B. Peluang Rata-rata sampel akan berisi kurang dari 335ml?
• Jika Sampel diperkecil menjadi 40, Hitunglah :
A. Standard Error atay Galat Baku Sampel Tersebut ?
B. Peluang Rata-rata sampel akan berisi kurang dari 336ml?
MENGGUNAKAN DALIL 1

• N = 411.000
• 𝜇𝑥ҧ = 𝜇 = 330
• 𝜎 = 20
• n = 100
• 𝑃 𝑥ҧ < 335 = 𝑃(𝑧 <? )
𝜎 20 20
• Galat Baku = 𝜎𝑥 = = = 10 = 2
𝑛 100
337 −330
• = = 2.5
2

• Jadi 𝑃 𝑥ҧ < 335 = 𝑃 𝑧 < 2.5 = 0.5 + 0.4938 = 0.9938

MENGGUNAKAN DALIL 3

• N = 411.000
• 𝜇𝑥ҧ = 𝜇 = 330
• 𝜎 = 20
• n = 40
• 𝑃 𝑥ҧ > 336 = 𝑃(𝑧 >? )
𝜎 20 20
• Galat Baku = 𝜎𝑥 = = = 6.3 = 3,18
𝑛 40
336 −330
• = =3
3,18

• Jadi 𝑃 𝑥ҧ > 336 = 𝑃 𝑧 > 3 = 0,5 – 0,4987 = 0,0013

CONTOH KASUS KE 2

• Dari 400 Mahasiswa Fakultas Kebumian diketahui Rata-rata tinggi badan = 170cm dengan Standar
Deviasi 15cm, diambil 27 orang sebagai sampel acak. Jika penarikan sampel dilakukan Tanpa Pemulihan
dan Rata-rata tinggi Mahasiswa diasumsikan menyebar normal, hitunglah :
A. Galat Baku Sampel?
B. Peluang Sampel Akan memiki Rata-rata tinggi badan kurang dari 165cm ?
MENGGUNAKAN DALIL KE2
• N = 400
• 𝜇𝑥ҧ = 𝜇 = 170
• 𝜎 = 15
• n = 27
• 𝑃 𝑥ҧ < 165 = 𝑃 𝑧 <?
𝑁−𝑛 400 −27 373
• FK = = = = 0,9668698
𝑁−1 400 −1 399
𝜎 15
• Galat Baku 𝜎𝑥ҧ = × 𝐹𝐾 = 𝑥 0,9668698 = 5,03
𝑛 27
165−170
• = −0,99404
5,03
PENDUGAAN PARAMETER 1
SOAL 1
• Isi 7 Kaleng Coba-Coba adalah 9,8; 10,2; 10,4; 10,0; 10,2; dan 9,6 ml. Tentukan selang kepercayaan 95% bagi nilai tengah
(Rata-Rata) seluruh kaleng yang demikian ini, jika isi kaleng-kaleng tersebut diasumsikan menyebar normal.
• Diketahui :
• Selang Kepercayaan : 95%
𝛼
• 𝛼 = 1 − 0,95 = 0,05 → = 0,025
2

• 𝑑𝑏 = 𝑛 − 1 = 7 − 1 = 6
𝛼
• 𝑡 𝑑𝑏 = 6; = 0,025 = 2,447
2
9,8+10,2+10,4+9,8+10+10,2+9,6
• 𝑥ҧ = = 10
7

• 𝑠 = 0,283
 𝛼 𝑠 𝛼 𝑠
• 𝑥ҧ 𝑡 𝑑𝑏; × < 𝜇 < 𝑥ҧ + 𝑡 𝑑𝑏; ×
2 𝑛 2 𝑛
0,283 0,283
• 10 − 2,447 × < 𝜇 < 10 + 2,447 ×
7 7

• 10 − 0,26 < 𝜇 < 10 + 0,26

• 9,74 < 𝜇 < 10,26
SOAL 2

• Suatu ujian kimia diberikan kepada 50 siswa

perempuan dan 75 siswa laki-laki. Siswa • Diketahui :
perempuan mencapai nilai rata-rata 76, dengan • 𝑥1 =82
simpangan baku 6. Siswa laki-laki mendapat nilai
rata-rata 82 dengan simpangan baku 8. Tentukan • 𝑛1 = 75
selang kepercayaan 96% bagi beda ǀµ1 – • 𝑠12 =8
µ2ǀ,dalam hal ini µ1 adalah nilai tengah skor
semua siswa laki-laki dan µ2 adalah nilai te-ngah • 𝑥ҧ2 = 76
skor semua siswa perempuan yang mungkin • 𝑛2 = 50
mengambil ujian ini.
• 𝑠22 = 6
• 𝑥1 − 𝑥2 = 70 − 50 = 25
PENYELESAIAN

𝛼
• Selang Kepercayaan 96% → 𝛼 = 4% → = 2% → 𝑧2% = 𝑧0,02 = 2,054
2

2 2 2 2
𝜎1 𝜎2 𝜎1 𝜎2
• = 𝑥ҧ1 − 𝑥ҧ2 − + 𝑛 < 𝜇1 − 𝜇2 < 𝑥ҧ1 − 𝑥ҧ2 + +𝑛
𝑛1 2 𝑛1 2

8 6 8 6
• = 25 − + < 𝜇1 − 𝜇2 < 25 + +
75 50 75 50

• = 25 − 0,467 < 𝜇1 − 𝜇2 < 25 + 0,467

• = 24,523 < 𝜇1 − 𝜇2 < 25,476
SOAL 3

• Catatan selama 15 tahun terakhir menunjukkan bahwa curah hujan di suatu daerah rata-rata selama
bulan Mei adalah 4,93 cm dengan simpangan baku 1,14 cm. Di daerah lain, catatan serupa selama 10
tahun terakhir menunjukkan bahwa curah hujan rata-rata di bulan Mei adalah 2,64 cm dengan
simpangan baku 0,66 cm. Tentukan selang kepercayaan 95% bagi selisih curah hujan rata-rata yang
sebenarnya selama bulan Mei di kedua daerah itu, bila diasumsikan bahwa pengamatan-pengamatan
itu berasal dari dua populasi normal dengan ragam yang berbeda.
• Asumsi : pengamatan berasal dari dua populasi normal dengan ragam yang berbeda
DIKETAHUI

• x1 = 4,93
• s1 = 1,14
• n1 = 15
• X2 = 2,64
• s2 = 0,66
• n2 = 10
PENYELESAIAN

𝑠12 𝑠22
• 𝜇1 − 𝜇2 = 𝑥ҧ1 − 𝑥ҧ2 ± 𝑡𝑝 +
𝑛1 𝑛2

1,14 2 0,66 2
• 𝜇1 − 𝜇2 = 4,93 − 264 ± 2,069 +
10 15

• P(1,54< 𝜇1 − 𝜇2 <3,04) = 95%

• Kesimpulan : Jadi selisih rata-rata curah hujan yang sebenarnya selama bulan Mei di kedua daerah
tersebut berada dalam selang 1,54 cm sampai 3,04 cm
PENDUGAAN PARAMETER 2
SOAL DAN PENYELESAIANNYA
• Secara ringkas proporsi dapat dikatakan sebagai besarnya/banyaknya kejadian khusus dari total
kejadian/data yang ada, yang dinyatakan dalam %
• Contoh : 90 dari 100 peserta seminar, mengenakan pakaian batik. Jadi dapat dikatakan bahwa proporsi
peserta yang mengenakan batik adalah 90/100 = 90%
SOAL 1

• Dari Suatu Sampel Acak 2000 orang diketahui bahwa 250 orang menyukai Mobil Sedan.
a) Tentukan Selang Kepercayaan 95% bagi proporsi populasi yang menyukai Mobil Sedan.
b) Berapa Ukuran Sampel agar kita dapat percaya 95% dan error maksimal = 2%
MENCARI SELANG KEPERCAYAAN

𝑎
• Selang Kepercayaan 95% → 𝛼 = 5% → = 2.5% → 𝑧2.5% = 𝑧0.025 = 1.96
2
250
• 𝑝ҧ = 2000 = 0.125

• 𝑞ത = 1 − 𝑝ҧ = 0,875
ҧ 𝑞ത
𝑝𝑥 ҧ 𝑞ത
𝑝𝑥
• 𝑝ҧ − 𝑧𝛼 × < 𝜋 < 𝑝ҧ + 𝑧𝛼 ×
2
𝑛 2
𝑛

0,125×0,875 0,125×0,875
• 0,125 − 1,96 × < 𝜋 < 0,125 + 1,96 ×
2000 2000

• 0,112 < 𝜋 < 0,138

UKURAN SAMPEL DENGAN TINGKAT KEPERCAYAAN
95% DAN ERROR MAKSIMAL = 2%

• 𝑛 = ‫𝛼(_𝑧(ڿ‬/2)^2 × 𝑝 ҧ × 𝑞 ҧ)/𝐸^2‫ۀ‬
1,962 ×0,125×0,875
• = 1051
0,022
SOAL 2
• Dari 500 Mahasiswa Universitas Trisakti, 350 Menyetujui adanya Prodi Baru (𝑝2ҧ = 0,70)
• Dari 300 Mahasiswa Universitas Tarumanegara, hanya 60 Yang tidak menyetujui adanya Prodi Baru (𝑞ത1 =
0.20)
• Tentukan Selang Kepercayaan 90% bagi beda proporsi penduduk Jakarta dan Surabaya yang menyetuji
berlakunya Prodi Baru
• Kelas “Sukses” = menyetujui adanya Prodi Baru
• 𝑝2ҧ = 0,70 → 𝑞ത2 = 1 − 𝑝2ҧ = 1 − 0,70 = 0,30
• 𝑞ത1 = 0,20 → 𝑝1ҧ = 1 − 𝑞ത1 = 1 − 0,30 = 0,80
• 𝑝1ҧ − 𝑝2ҧ = 0,80 − 0,30 = 0,50
𝛼
• Selanh Kepercayaan 90% → 𝛼 = 10% → 2
= 5% → 𝑧5% = 𝑧0,05 = 1,645
 𝑝ҧ1 ×𝑞ത1 𝑝ҧ2 ×𝑞ത2 𝑝ҧ1 ×𝑞ത1 𝑝ҧ2 ×𝑞ത2
• |𝑝1ҧ − 𝑝ҧ2 | − 𝑧𝛼 × + < 𝜋1 − 𝜋2 <|𝑝1ҧ − 𝑝ҧ2 | + 𝑧𝛼 × +
2 𝑛1 𝑛2 2 𝑛1 𝑛2

0,80×0,20 0,70×0,30 0,80×0,20 0,70×0,30

• 0,5 − 1,645 × 300
+ 500
< 𝜋1 − 𝜋2 < 0,5 + 1,645 × 300
+ 500

• 0,5 − 0,0507 … . < 𝜋1 − 𝜋2 < 0,5 + (0,0507 … . )

• 0,4492 … < 𝜋1 − 𝜋2 < 0,5507 … .
PENGUJIAN HIPOTESIS 2
KONSEP DASAR

• Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi
• Kebenaran (benar atau salahnya) suatu hipotesis tidak akan pernah diketahui dengan pasti, kecuali kita
memeriksa seluruh populasi
• Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesi
• Untuk Memperoleh kebenaran suatu Hipotesis, kita bisa mengambil sampel acak dan menggunakan
Informasi (Bukti) dari sampel itu untuk menerima atau menolak suatu hipotesis.
• Penerimaan Suatu Hipotesis terjadi karena Tidak cukup bukti untuk menolak hipotesis tersebut dan
Bukan karena hipotesis tersebut benar dan Penolakan suatu hipotesis terjadi karena tidak cukup bukti
untuk menerima hipotesis tersebut dan Bukan karena hipotesis tersebut salah.
SOAL 1

• Sebelum Tahun 2018, Sistem Pemanggilan Monster dalam Yu-gi-

oh Duel Links Dilakukan Dengan Beberapa Cara diantaranya
Normal, Tribute, Special, Ritual, Flip, dan XYZ. Mulai 25
September 2018, Duel Links menambahkan Cara Pemanggilan
Monster, Yaitu Synchro Summon dengan Menggunakan Tuner
Monster Sebagai Kunci Utama dan Menyamakan Semua Level
Monster di Field Pemain sehingga sama pas dengan Synchro
monster tersebut. Seorang Developer Game ingin membuktikan
pendapatnya bahwa penggunaan Synchro Summon akan
meningkatkan Pemain PvP sebanyak 50% dibanding cara-cara
lama Summon tersebut yang rata-rata pemain PvP sekitar 25%.
Bangunlah hipotesis awal (𝐻0 ) untuk Menguji Hipotesis
Developer diatas.
• Perumusan Hipotesis :
 𝐻0 ∶ 𝜇 = 25% atau 𝐻0 ∶ 𝜇 = ≥ 25%
 𝐻1 ∶ 𝜇 = 50%
 Kurva Uji =
SOAL 2

• Pada Tahun 2016, Hello Games Meluncurkan Game yang bernama No Man’s Sky dengan salah satu
sasarannya adalah pemain dapat merasakan game tipe Space Exploration terbaik di masanya. Hello
Games Yakin bahwa Game ini akan mampu menarik perhatian semua pemain Open World. Developer
dari Game Elite Dangerous Frontier Developments plc, dibuat penasaran apakah benar Game tersebut
dapat menaraik pemain Open World yang Sebelumnya sebanyak Seribu Pemain. Rumuskanlah Hipotesis
Awal untuk Suatu Uji Hipotesis bagi pernyataan Hello Games tersebut.
 𝐻0 ∶ 𝜇 = 1000 pemain atau 𝐻0 ∶ 𝜇 = ≥ 1000 pemain
 𝐻1 ∶ 𝜇 = > 1000 𝑝𝑒𝑚𝑎𝑖𝑛
 Kurva Uji =
SOAL 3

• Sebuah Tim Penulis Gears Softworks Memutuskan untuk menambah Proyek Cerita mereka untuk
menarik peminat para pembaca di sebuah toko buku yang penerbitnya dari berbagai tim penulis yang
Terkenal, setelah sebelumnya Tim Gears Softworks ingin menjual sendiri buku terbitannya tanpa lewat
toko buku tersebut. Pengusaha Toko buku tersebut, percaya bahwa terbitan Buku milik Gear Softworks
akan berubah dengan penghasilan meningkat dibandingkan dengan pendapatan sebelumnya yang
mencapai 40%. Buatlah Hipotesis awal untuk melakukan uji Hipotesis terhadap keyakinan Pengusaha
Toko Buku Tersebut.
 𝐻0 ∶ 𝜇 = 40%
 𝐻1 ∶ 𝜇 ≠ 40%
• Kurva Uji :
PENGUJIAN HIPOTESIS 2
UJI HIPOTESIS 1 NILAI RATA-RATA DARI SAMPEL BESAR

• Seorang peneliti ingin mengetahui apakah hasil Panen pada sawah di Cirebon perharinya memiliki rata-
rata 67 karung beras atau lebih kecil dari itu. Bedasarkan data sebelumnya, diketahui bahwa simpangan
baku nya sebesar 10 karung. Sampel yang diambil adalah sebanyak 400 karung di sawah tersebut untuk
diteliti dan diperoleh rata-rata panen perharinya 64 karung. Dapatkah diterima bahwa rata-rata panen
perharinya sebanyak 64 karung ? Ujilah dengan taraf nyata 5%
PENYELESAIAN
• Diketahui
• 𝑥ҧ = 64 𝑠 = 10 𝑛 = 400 𝜇0 = 67 𝛼 = 5% Luas daerah ini = α
Daerah Penolakan H0
1. Formula Hipotesis :
𝐻0 : 𝜇 = 67 𝐻1 : 𝜇 ≤ 67 Daerah Penerimaan H0

1. Statistik uji : z (Karena Sampel besar dimana n=400) …

-1,645
2. Arah Pengujian : Satu Arah
3. Taraf nyata 𝛼 = 5% = 0,05 Kesimpulan:
4. Daerah penolakan 𝐻0 → 𝑧 < −𝑧0,05 → 𝑧 < −1,645 Z hitung = -6 < -1.645 berada di daerah
5. Statistik Hitung : penolakan H0 sehingga H0 ditolak. H1
𝑥ҧ − 𝜇0 65 − 67 −3 −3
diterima , dimana rata-rata hasil panen padi
𝑧= = = = = −6 di sawah Cirebon <67 Karung
𝜎 − 𝑛 10/ 400 10/20 0,5
UJI HIPOTESIS 1 NILAI RATA-RATA DARI SAMPEL KECIL

• Diketahui sebuah sampel dari 25 Pedagang kaki lima yang berjualan di sebuah taman kota. Peneliti
mendapatkan bahwa mereka memiliki rata-rata 35 porsi yang terjual dengan simpangan baku sebesar 7
mangkuk. Jika dengan taraf nyata 1% maka dapatkah diterima dengan rata-rata penjualan mereka tidak
sama dengan 31 porsi?
PENYELESAIAN
• Diketahui
• 𝑥ҧ = 35 𝑠 = 7 𝑛 = 25 𝜇0 = 31 𝛼 = 1%
Luas daerah ini = α Luas daerah ini = α
1. Formula Hipotesis : 𝐻0 : 𝜇 = 31 𝐻1 : 𝜇 ≠ 31 Daerah Penolakan H0 Daerah Penolakan H1
2. Statistik uji : z (Karena Sampel besar dimana n=400)
3.
4.
Arah Pengujian : Dua Arah
Taraf nyata 𝛼 = 1% = 0,01 𝛼2 = 0,5% = 0,005
… …
-2,797 2,797
5. Daerah penolakan 𝐻0 → 𝑡 < −𝑡 𝑑𝑏,𝑎 𝑑𝑎𝑛 𝑡 > 𝑡 𝑑𝑏,
𝑎 𝑑𝑏 = 𝑛 −
2 2
1 = 25 − 1 = 24
𝑡 < −𝑡 24:0.5% = 𝑡 < −2.797 Kesimpulan:
𝑡 > 𝑡(24:0.5%) = 𝑡 > 2,797
t hitung = 2,797 ada didaerah
6. Statistik Hitung :
penolakan H0. sehingga H0 ditolak, H1
𝑥ҧ − 𝜇0 35 − 31 4 4 diterima. Jadi, rata-rata penjualan
𝑡= = = = = 2,85
𝜎− 𝑛 7/ 25 7/5 1,4
pedagang kaki lima <31 Porsi
UJI HIPOTESIS BEDA 2 NILAI RATA-RATA SAMPEL BESAR
• Tabel Data Nilai TryOut UN kelas 9 yang telah Mnegoikuti dan Tidak Mengikuti TryOut UN
Mengikuti Tidak Mengikuti
Rata-rata Siswa 𝑥ҧ = 98 𝑥ҧ = 95
Varians 𝑆12 = 5 𝑆22 = 3
Ukuran Sampel 𝑛1 = 120 𝑛2 = 100

Dengan Taraf nyata 1% ujilah apakah ada perbedaan rata-rata siswa yang ikut TryOut dan
yang tidak?

*Catatan 𝜇1 − 𝜇2 ≠ 0 𝑚𝑎𝑘𝑎 𝑑0 = 0
PENYELESAIAN
Diketahui:
α = 5% d0 = 0 S12 = 5 S22 = 3
X1 = 98 X2 = 95 n1 = 120 n2 = 100

1. Formula Hipotesis H0 : 𝜇1 − 𝜇2 = 0 H1 : 𝜇1 − 𝜇2 ≠ 0
2. Statistik uji : z, (karena sampel besar, dimana n>30)
3. Arah pengujian : Dua arah
4. Taraf nyata α = 1% = 0.01, α/2 = 0.5% = 0.05
5. Daerah penolakan H0 → z < -z(α/2) dan z > z(α/2)
• z < -z(0.005) = z < -2,575
• z > z(0.005) = z > 2,575
 Luas daerah ini = α Luas daerah ini = α
• 6. Statistik hitung: Daerah Penolakan H0 Daerah Penolakan H0

𝑥ҧ 1 −𝑥ҧ 2 −𝑑0 98−95 −0

• z= = 5 3
𝑠2
1 𝑠2
2 +
+ 120 100
𝑛1 𝑛2
-2,797 2,797
3 3 3
• z= = = 0,26 = 11,5 Kesimpulan:
0.04+0.03 0.07
z hitung = 11.5, berada di daerah penolakan H0, sehingga
H0 ditolak dan H1 diterima.
Jadi, ada perbedaan antara rata-rata siswa dikedua
kelompok tersebut, yaitu siswa yang mengikuti Try Out
akan lebih baik daripada yang tidak mengikuti Try Out
UJI CHI-KUADRAT
UJI CHI-SQUARE
Prosedur uji ini dengan mentabulasikan suatu variabel menjadi kategori dan menghitung statistik chi square. Uji kecocokan modelnya
membandingkan observasi dan frekuensi harapan pada kategori untuk diuji tiap kategorinya. Uji Chi Square digunakan untuk menguji
hubungan atau pengaruh dua buah variabel nominal dan mengukur kuatnya hubungan antar variabel (C = Coefisien of contingency).
Kriteria data untuk uji chi square :
• Data yang digunakan pada pengujian ini adalah data dari variabel numerik bertingkat maupun yang tidak bertingkat (skala
pengukuran ordinal atau nominal). Jika data berupa string, maka dapat dikonversi menjadi numerik. Untuk mengkonversi variabel
string menjadi variabel numerik menggunakan automatic recode yang tersedia pada menu transform.
• Data diasumsi sebagai sampel acak.
• Uji non parametrik tidak harus memenuhi asumsi distribusi tertentu.
Karakteristik Chi-Square :
• Nilai Chi-Square selalu positif.
• Terdapat beberapa keluarga distribusi Chi-Square, yaitu distribusi Chi-Square dengan DK=1, 2, 3, dst.
• Bentuk Distribusi Chi-Square adalah menjulur positif.
UJI KECOCOKAN

• Rumus Chi Kuadrat (𝑋 2 )

𝑘 (𝑜𝑖 −𝑒𝑖 )2
• 𝑋2 = σ𝑖=1
𝑒 𝑖
• k : banyaknya kategori
• 𝑜𝑖 : Frekuensi observasi untuk kategori ke-I
• 𝑒𝑖 : Frekuensi Ekspektasi Untuk Kategori ke-i
CONTOH SOAL

• Sebuah Mesin Pembuat Roti akan menghasilkan perbandingan antara Tepung Terigu : Susu bubuk : Ragi
: Gula pasir = 4 : 2 : 2 : 2. Jika 400Kg adonan yang dihasilkan, diketahui mengandung 175kg Tepung
Terigu, 95kg Susu bubuk, 70kg Ragi dan 60kg Gula pasir,. Tentukankah Kesesuian dengan taraf nyata
yaitu 5%!
SOLUSI

1. H0 : Perbandingan Tepung Terigu : Susu buku : Ragi : Gula pasir = 4 : 2 : 2 : 2

H1 : Perbandingan Tepung Terigu : Susu buku : Ragi : Gula pasir ≠ 4 : 2 : 2 : 2
2. Statistik Uji ꭓ2
3. Nilai α = 5% = 0.05
4. Nilai Tabel ꭓ2
k = 4; db = k – 1 = 4 – 1 = 3 db = 3; α = 0.05 → ꭓ2 = 7,815
5. Wilayah Kritis = Penolakan H0 jika ꭓ2 Hitung > ꭓ2 table(db; α)
ꭓ2 Hitung > 7,815
• Perhitungan ꭓ2
2
2 𝑘 (𝑜𝑖 −𝑒𝑖 )
• 𝑋 = σ𝑖=1
𝑒 𝑖 Nilai Ekspektasi Tepung Terigu =
4
Kategori : 𝑜𝑖 𝑒𝑖 (𝑜𝑖 − 𝑒𝑖 ) (𝑜𝑖 − 𝑒𝑖 )2 (𝑜𝑖 − 𝑒𝑖 )2 ∗ 400 = 160
10
𝑒𝑖 Nilai Ekspektasi Susu Bubuk =
2
Tepung 175 160 15 225 1,41 ∗ 400 = 80
Terigu 10
Nilai Ekspektasi Ragi =
Susu Bubuk 95 80 15 225 2,8 2
∗ 400 = 80
Ragi 70 80 -10 100 1,25 10
Nilai Ekspektasi Gula pasir =
Gula Pasir 60 80 -20 400 5 2
∗ 400 = 80
∑ 400 400 ------- ------- 10,46 10
ꭓ2Hitung = 10,46
KESIMPULAN

• ꭓ2Hitung = 10,46 > ꭓ2 Tabel = 7,815

• ꭓ2Hitung Ada di daerah penolakan H0 → H0 Ditolak, H1 Diterima.
• Perbandingan Tepung terigu : Susu bubuk : Ragi : Gula pasir ≠ 4 : 2
:2:2
UJI KEBEBASAN DAN UJI BEBERAPA PROPORSI

• Uji kebebasan antara 2 Variabel memiliki prinsip pengerjaan yang sama dnegan pengujian beberapa
proporsi
• Berbeda pada Penetapan Hipotesis Awal dan Hipotesis Alternatif
A. Uji Kebebasan :
H0 : Variabel-Variabel saling bebas (Tidak Ada hubungan antar Variabel)
H1 : Variabel-Variabel Tidak saling bebas (Ada hubungan antar Variabel)
B. Uji Beberapa Proporsi
H0 : Setiap proporsi bernilai sama
H1 : ada proporsi yang bernilai tidak sama
RUMUS UJI ꭓ2

• Data dalam pengujian ketergantungan (hubungan variable dan beberapa proporsi disajikan dalam bentuk
Tabel Kontingensi (Cross Tab)
• Bentuk Umum Tabel Kontingensi → berukuran r (baris) x k (kolom)
𝑡𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 𝑖 × (𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 𝑗)
• Frekuensi Harapan Sel ke ij = 𝑡𝑜𝑡𝑎𝑙 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖
2
𝑟.𝑘 (𝑜𝑖𝑗 −𝑒𝑖𝑗 )
• ꭓ2 = σ𝑖,𝑗=1
𝑒 𝑖𝑗
• Derajat Bebas = (r-1)(k-1)
r : banyak baris
k : banyak kolom
• 𝑜𝑖𝑗 = frekuensi observasi baris ke-I, kolom ke-j
• 𝑒𝑖𝑗 = frekuensi ekspektasi baris ke-I, kolom ke-j
 CONTOH SOAL
• Menguji kebebasan antara jenis kendaraan dengan jam parkir di suatu Mall.
• Apakah ada Kaitan antara jenis kendaraan dengan jam Parkir
• Lakukan Pengujian kebebasan Varaibel dengan taraf uji 1%

Mobil Motor Total Baris • Ukuran Tabel Kontingensu di atas =

Kurang dari 3 Jam 2.33
3
2.67 3 x 2 (3 Baris dan 2 Kolom)
2 5
• Db = (3-1)(2-1) = 2 x 1 = 2
3 sampai 5 Jam 7
6,07 6 6.93
13

Lebih dari 5 jam 5,60 6,40

5 7 12
Total Kolom 14 16 Total Observasi =
SOLUSI

1. H0 : Jenis kendaraan dan Jam parkir saling bebas

H1 : Jenis kendaraan dan jam parkir tidak saling bebas
2. Statistik Uji = ꭓ2
3. Nilai α = 1% = 0,01
4. Nilai Tabel ꭓ2 db = 2; α = 0,01 → ꭓ2 Tabel = 9,210
5. Daerah penolakan H0 → ꭓ2hitung > ꭓ2 tabel
ꭓ2hitung > 9,210
6. Perhitungan ꭓ2
𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠 𝑘𝑒 𝑖 ×(𝑇𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 𝑗)
frekuensi harapan sel ke ij = 𝑇𝑜𝑡𝑎𝑙 𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖
FREKUENSI HARAPAN UNTUK :

5 ×16
5 ×14 • Motor, < 3 Jam = = 2.67
30
• Mobil, < 3 Jam = = 2.33
30 13 ×16
13 ×14 • Motor, 3-5 Jam = = 6,93
30
• Mobil, 3-5 Jam = = 6,07
30 12 ×16
12 ×14 • Motor, >5 Jam = = 6,40
30
• Mobil, >5 Jam = = 5,60
30
MENYELESAIKAN TABEL PERHITUNGAN ꭓ2

Kategori : 𝑜𝑖 𝑒𝑖 (𝑜𝑖 − 𝑒𝑖 ) (𝑜𝑖 − 𝑒𝑖 )2 (𝑜𝑖 − 𝑒𝑖 )2

𝑒𝑖
Mobil, < 3 2 2,33 -0,33 0,1089 0,1089/2,33 = 0,0467
Mobil, 3-5 7 6,07 0,93 0,8649 0,1425
Mobil, >5 5 5,60 -0,60 0,36 0,0643
Motor, <3 3 2,67 0,33 0,1089 0,0408
Motor, 3-5 6 6,93 -0,93 0,8649 0,1249
Motor, >5 7 6,40 0,60 0,36 0,0563
∑ 30 30 ---------- ------------- ꭓ2 = 0,4755
KESIMPULAN

• ꭓ2Hitung = 0,4755 < ꭓ2 Tabel = 9.210

• ꭓ2Hitung Ada di daerah Penerimaan H0
• H0 diterima, jenis kendaraan dan jam parkir saling bebas.
CONTOH SOAL 2
• Berikut ini merupakan data banyaknya Produksi 3 Jenis potongan Ayam Goreng di 3 Franchise di
Condet. Apakah proporsi penyajian Dada, paha, dan sayap di ketiga Franchise tersebut sama? Lakukan
pengujian proporsi dengan Taraf nyata = 5%

Sabana D’Kriuk Let’s GO! Total Baris Ukuran Tabel Kontingensi di

4,94
atas = 3 x 3( 3 baris dan 3
Dada 5,35 3,71
4 5 5 14 Kolom)
Paha 3,06 2,82 2,12
3 3 2 8
4,06 4,24 Db = (3-1)(3-1) = 2 x 2 = 4
Sayap 6 4 2 2,18 12

Total Kolom 13 12 9
34
SOLUSI

1. H0 : Proporsi Penyajian Dada, Paha dan Sayap di Ketiga Franchise adalah sama
H1 : Ada Proporsi penyajian Dada, Paha dan Sayap di ketiga Franchise yang tidak sama
2. Statistik Uji = ꭓ2
3. Nilai α = 5% = 0,05
4. Nilai Tabel ꭓ2 db = 4; α = 0,05 → ꭓ2 Tabel = 9,488
5. Daerah penolakan H0 → ꭓ2hitung > ꭓ2 tabel
ꭓ2hitung > 9,488
 FREKUENSI HARAPAN UNTUK
14 ×13 14 × 9
• Dada, Sabana = = 5,35 • Dada, Let’s Go! = =3,71
34 34
8 ×13 8×9
• Paha, Sabana = =3,06 • Paha, Let’s Go! = = 2,12
34 34
12 ×13 12 × 9
• Sayap Sabana = =4,60 • Sayap Let’s Go! = = 3,18
34 34

14 ×12
• Dada, D’Kriuk = = 4,94
34
8 ×12
• Paha, D’Kriuk = =2,82
34
12 ×12
• Sayap D’Kriuk = = 4,24
34
TABEL PERHITUNGAN ꭓ2
Kategori : 𝑜𝑖 𝑒𝑖 (𝑜𝑖 − 𝑒𝑖 ) (𝑜𝑖 − 𝑒𝑖 )2 (𝑜𝑖 − 𝑒𝑖 )2
𝑒𝑖
Dada, Sabana 4 5,35 -1,35 1,8225 0,3407
Paha, Sabana 3 3,06 -0,06 0,0036 0,0012
Sayap, Sabana 6 4,60 1,4 1,96 0,4261
Dada, D’Kriuk 5 4,94 0,06 0,0036 0,0007
Paha, D’Kriuk 3 2,82 0,18 0,0324 0,0114
Sayap, D’Kriuk 4 4,24 -0,24 0,0576 0,0136
Dada, Let’s GO! 5 3,71 1,29 1,6641 0,4485
Paha Let’s GO! 2 2,12 -0,12 0,0144 0,0068
Sayap Let’s GO! 2 3,18 -1,18 1,3924 0,4378
∑ 34 34 ------ ----------
KESIMPULAN

• ꭓ2Hitung = 1,6868 < ꭓ2 Tabel = 9.488

• ꭓ2Hitung Ada di daerah Penerimaan H0
• H0 diterima, Proporsi Penyajian Dada, Paha dan Sayap di Ketiga Franchise adalah sama
TERIMAKASIH
どうもありがとう
WASSALAMUALAIKUM WR. WB.