STATISTIK

STATISTIK
• Ilmu statistik dibagi menjadi : statistik
deskriptif dan statistik inferensial
• Statistik deskriptif : deskripsi mengenai data
• statistik inferensial : ada kesimpulan
• Statistik berhubungan dengan peluang
(probabilitas) terutama dalam menetapkan
kesimpulan.
 KEGUNAAN STATISTIK
PT. Timah menyatakan bahwa blok-blok timah yang diproduksinya
mengandung kandungan timah 95%. PT. Karya Babel bermaksud membeli
timah dari PT. Timah karena merasa kandungan timahnya sesuai dengan yang
diinginkan. PT. Karya Babel meminta sampel sebanyak 20 blok timah untuk
diteliti apakah benar kandungan timah sesuai dengan yang dinyatakan.
Sampel-sampel tersebut diteliti di laboratorium dan memberikan hasil :
94,3 95,1 93,4 95,3 95,4 93,4 94,8 95,1 94,9 95,7
95,6 93,4 94,8 95,1 93,4 95,3 95,4 93,4 94,8 95,7

Apakah PT. Karya Babel jadi membeli timah dari PT. Timah ?
Dalam upaya meningkatkan layanan terhadap pelanggan, PT. PLN
menetapkan standar SAIDI sebesar 5 jam/pelanggan. Dari 33
provinsi diperoleh data SAIDI :
4,5 5,1 5,0 4,3 4,4 4,3 5,8 4,9 4,7 4,8 5,8
5,9 5,3 5,4 4,5 5,1 5,0 4,3 4,4 4,3 5,8 4,9
4,7 4,8 5,8 5,9 5,3 5,4 4,4 4,3 5,8 4,9 4,7

Apakah PLN telah berhasil mencapai standar yang ditetapkan ?

• Untuk meningkatkan IP mahasisiwa elektro, diambil kebijakan untuk
mengubaH waktu jam kuliah. Satu jam perkuliahan diubah menjadi 80
menit. Indeks prestasi 20 mahasiswa yang sama dibandingkan dengan
semester sebelumnya dan diperoleh hasil :
Sebelum penambahan jam kuliah
2,7 2,8 2,4 2,3 3,4 3,1 2,8 2,9 3,0 2,6
2,7 2,4 3,1 2,4 3,4 2,9 2,7 3,1 2,7 2,4

Setelah2,8
2,8 penambahan
3,1 jam kuliah
2,4 3,3 3,2 2,7 3 3,1 2,7
2,5 2,5 3,2 2,3 3,2 3,3 3 2,8 3,1 2,4

Apakah penambahan jam kuliah tersebut efektif untuk meningkatkan IP

mahasiswa ?
• Direktur PLN bermaksud untuk mengetahui dan meninggkatkan
pelayanan terhadap pelanggan. Untuk tujuan tersebut, PLN melakukan
survei dengan menyebarkan kousiener kepada 100 pelanggan.
Kousiener berisi pertanyaan mengenai tarif, waktu pemadaman,
jumlah pemadaman dan kepuasan pelanggan. Setiap pertanyaan
diberikan jawaban dengan point 1-5. Hasil yang diperoleh :
Point
Pelanggan Waktu Jumlah Kepuasan
Tarif Pemdaman Pemadaman Layanan
1 4 3 5 4
2 3 2 4 3
3 5 2 2 3
4 3 2 4 3
dst dst dst dst dst
• Faktor apa yang paling mempengaruhi pelayanan terhadap
konsumen ?
STATISTIK DESKRIPTIF
 STATISTIK DESKRIPTIF
• Berkaiatan dengan pengumpulan dan pengolahan
data kedalam bentuk tabel, grafik dan parameter
statistik.
• Data disajikan sebagai bahan informasi yang rapih,
sesuai aturan, ringkas dan komprehensif.
• Statistik deskriptif memberikan deskripsi/gambaran
umum untuk mengetahui karakteristik data.
 DATA
• Pengumpulam data :
– Sensus (semua populasi)
– Sampel (sebagian populasi)
• Sumber data :
– Data primer
– Data sekunder
 PENYAJIAN DATA
• Tabel
Jika jumlah data terlalu banyak, sebaiknya disajikan
dalam kelas (k)
k = 9 bila n< 250
k = 1 + 3,3 log n bila n > 250

• Grafik
– Histogram
– Poligon
 TABEL DISTRIBUSI FREKUENSI
• Data umur lampu (jam) yang diproduksi PT. BERSINAR :
600 610 610 620 620 620 620 620 620 630
630 630 630 630 630 630 630 630 630 630
630 640 640 640 640 640 650 650 660 670

JUMLAH PERSENTASE
UMUR FREKUENSI PERSENTASE
LAMPU FREKUENSI
LAMPU KOMULATIF KOMULATIF
(FREKUENSI) RELATIF

600 1 1 3 3
610 2 3 7 10
620 6 9 20 30
630 12 21 40 70
640 5 26 17 87
650 2 28 7 93
660 1 29 3 97
670 1 30 3 100
30
 JUMLAH PERSENTASE 14
UMUR FREKUENSI PERSENTASE
LAMPU FREKUENSI
LAMPU KOMULATIF KOMULATIF 12
(FREKUENSI) RELATIF
10
600 1 1 3 3

JUMLAH LAMPU
610 2 3 7 10 8

620 6 9 20 30 6
630 12 21 40 70 4
640 5 26 17 87
2
650 2 28 7 93
0
660 1 29 3 97 600 610 620 630 640 650 660 670
670 1 30 3 100 UMUR LAMPU

30

14 120

12 100
10

PERSEN KOMULATIF
80
8
PERSEN

60
6
40
4

2 20

0 0
590 600 610 620 630 640 650 660 670 680 590 600 610 620 630 640 650 660 670 680
UMUR LAMPU UMUR LAMPU
 UKURAN DATA
• Ukuran pemusatan :
– Rata-rata (mean)
– dll
• Ukuran penyebaran
– Varians
– Simpangan baku (deviasi standar)
– dll
• Rata-rata (mean)

• Deviasi standar
• Hitung rata-rata, varians & deviasi standar
dari data umur lampu PT. BERSINAR
600 610 610 620 620 620 620 620 620 630
630 630 630 630 630 630 630 630 630 630
630 640 640 640 640 640 650 650 660 670
PELUANG
• Peluang kejadian yang saling bebas : P(AB)=P(A)xP(B)
Berapa peluang munculnya mata dadu 3 dan gambar
pada pelemparan dadu dan uang logam?
P(A) = 1/6 P(B)=1/2
A1 A2 A3 A4 A5 A6
P(AB)=1/6 x 1/2 =1/12 G1 G2 G3 G4 G5 G6

• Hukum penjumlahan peluang :

P(A+B) = P(A) + P(B) – P(AB)
Berapa peluang munculnya mata dadu 3 atau
gambar (paling kurang muncul salah satunya) ?
P(A+B) = 1/6 + 1/2 - 1/12 = 58 %
A1 A2 A3 A4 A5 A6
G1 G2 G3 G4 G5 G6
• Peluang bersyarat. Peluang terjadinya
peristiwa A bila peristiwa B telah terjadi :
P(A/B) = P(AB)/P(B)
Sebuah uang logam telah dilempar dan
muncul angka. Berapa peluang munculnya
mata dadu 3 jika uang tadi dilemparkan
bersama dadu ?
P(A/B) = 1/12 / ½ = 1/6
G1 G2 G3 G4 G5 G6
A1 A2 A3 A4 A5 A6
Angka : Telah terjadi, peluang untuk pelemparan
kedua = 0
 14 120

12 100
10

PERSEN KOMULATIF
80
8
PERSEN

60
6
40
4

2 20

0 0
590 600 610 620 630 640 650 660 670 680 590 600 610 620 630 640 650 660 670 680
UMUR LAMPU UMUR LAMPU

Jika anda membeli lampu dari PT bersinar, berapa peluang

bahwa lampu yang dibeli umurnya :
• Lebih dari 631 jam ?
• Kurang dari 631 jam ?
• Antara 620 sampai 650 jam ?
• Berapa umur lampu yang dibeli dengan tingkat keyakinan
(signifikansi) 95 % ?
DISTRIBUSI DATA
 DISTRIBUSI DATA
Pola penyebaran (distribusi data) :
• Distribusi normal
– Distribusi t
– Distribusi Chi Square
– Distribusi F
• Distribusi Eksponensial
• Distribusi Binomial
• Distribusi Poisson
 Distribusi data menentukan peluang suatu peristiwa/kejadian.
 Dengan mengetahui distribusi data, maka dapat dilakukan
analisis untuk menarik suatu kesimpulan dari suatu kondisi
yang berhubungan dengan data tersebut.
 Kesimpulan dianalisis berdasarkan tingkat signifikansi
tertentu.
 DISTRIBUSI NORMAL
• Banyak hasil pengukuran fisik yang mengikuti suatu
pola distribusi yang dikenal dengan distribusi normal.
• Distribusi normal menggunakan variabel acak
kontinu. Distribusi normal sering disebut DISTRIBUSI
GAUSS.
• Distribusi normal : N(, 2)
 : nilai rata-rata
2 : varians
Luas daerah dibawah kurva (F(z)) adalah peluang kejadian
yang membentuk daerah tersebut.
F(z) adalah peluang Z < z

Distribusi normal yang bernilai rata-rata  = 0 dan

berdeviasi standar  = 1 disebut distribusi normal baku.
• Nilainya F(z) untuk distribusi normal baku
dapat dibaca dari tabel atau di excel :
NORMSDIST(z).
– Berapa peluang nilai Z lebih kecil dari 1 ?
Peluang (Z<1) = F(1) = NORMSDIST(1) = 0,8413
– Peluang (Z<-1) = F(-1) = NORMSDIST(-1) = 0,1586

– Peluang (-1<Z<1) = NORMSDIST(1) - NORMSDIST(-

1) = 0,8413 - 0,1586 =0.6827

– Peluang (Z>1) = 1 - NORMSDIST(1) = 1 - 0,8413 =

0.1587
• Peluang suatu kejadian yang terdistribusi
normal tidak baku N(, 2) yaitu F(x) dapat
diperoleh dari distribusi normal baku dengan
mentranformasikan X ke Z :
• Anggaplah bahwa lampu yang diproduksi oleh
PT BERSINAR terdisditribusi normal dengan
rata-rata 631 jam dan deviasi standar 14.5
• Jika kita membeli lampu yang diproduksi oleh
PT. BERSINAR, seberapa yakin kita bahwa
lampu yang kita beli berumur :
1. Kurang dari 650 jam
Z = (650-631)/17=1.31
Peluang(Z<1.31) = 0.905 = 90.5 %
2. Lebih dari 650 jam : P(Z > 1.31) = 9.5 %
3. 620 sampai 650 jam : …
 Si Fulan membeli lampu dari PT. Bersinar. Lampu tersebut
telah digunakan selama 300 jam. Peluang lampu tersebut
rusak antara 300 jam sampai 800 jam adalah ….
P(A) : Peluang lampu tersebut berumur antara 300 jam
sampai 800 jam
P(B) : Peluang lampu tersebut berumur lebih dari 300 jam
Jika A bagian B maka : P(A/B) = P(A)/P(B)
Jadi :
P(A/B) = P(A)/P(B) = …..
 DISTRIBUSI t
• Sampel yang diambil dari populasi yang terdistribusi
normal, akan terdistribusi berdasarkan distribusi t
Student (student : nama samaran W.S. Gosset).

• Distribusi ini tergantung pada derajat kebebasan

estimet s yaitu n-1
• Untuk jumlah sampel yang besar (>30), distribusi t akan
mendekati distribusi normal
 DISTRIBUSI CHI SQUARED
• Distribusi chi berkaitan dengan varians populasi.
• Bila sampel yang besarnya n diambil dari populasi
yang bervarians 2 maka varians sampel (s2) akan
terdistribusi berdasarkan distribusi chi squared ()
• Distribusi chi squared selalu menceng kekanan
dan bernilai rata-rata  yaitu sama dengan
derajat kebebasan (n-1)
=n–1
 DISTRIBUSI F
• Jika 2 kelompok sampel diambil dari 2 populasi, rasio varians
kedua kelompok sampel akan terdistribusi mengikuti bentuk
distribusi F.

S x2    X i  X  2

m 1 S x2
F 2
Sy
 Y  Y 
2

S y2  i

n 1

• Distribusi F digunakan untuk mengetahui apakah varians 2

kelompok populasi memiliki kesamaan atau perbedaan.
 S x2
F 2
Sy

• Jika nilai F mendekati 1 maka tingkat keyakinan

(signifikansi) untuk menyatakan bahwa kedua
populasi memiliki varians sama semakin besar.
• Jika ditetapkan tingkat signifikansi sebesar 5 %
dan nilai F memberikan hasil sehingga luas area >
5 % maka dapat disimpulkan populasi memiliki
varians yang sama.
 S x2
F 2
Sy

• Nilai F untuk tingkat keyakinan tertentu dapat

dibaca pada tabel distribusi F.
F,v1,v 2
 : tingkat signifikan si
v1 : derajat kebebasan pembilang
v1 : derajat kebebasan penyebut
v1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
v2
1 161 3.05 9.28 3.63 9.01 3.37 8.89 3.44 8.81 3.35 8.76 3.28 8.73 3.24 8.7
2 18.5 3.55 9.28 3.63 9.01 3.37 8.89 3.44 8.81 3.35 8.76 3.28 8.73 3.24 8.7
3 10.1 4.1 6.59 4.53 6.26 4.28 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
4 7.71 4.74 6.59 4.53 6.26 4.28 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
5 6.61 5.14 5.41 5.19 5.05 4.95 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
6 5.99 5.79 5.41 5.19 5.05 4.95 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
7 5.59 5.79 5.41 5.19 5.05 4.95 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
8 5.32 5.79 5.41 5.19 5.05 4.95 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
9 5.12 5.79 5.41 5.19 5.05 4.95 6.09 4.15 6 4.74 5.94 4.68 5.89 4.64 5.86
10 4.96 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
11 4.84 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
12 4.75 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
13 4.67 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
14 4.6 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
15 4.54 6.94 4.76 6.39 4.39 6.16 4.21 6.04 4.1 5.96 4.7 5.91 4.66 5.87 4.62
 DISTRIBUSI BINOMIAL
(DISTRIBUSI DISKRIT)
• Hanya dua hasil yang mungkin : sukses atau
gagal
• Peluang pada setiap percobaan tetap
• Peristiwa saling lepas
Peluang memperoleh r sukses dari n percobaan
adalah :
P(r) = nCr pr (1 – p)(n-r) r = 0,1,2,3,… n

p : peluang sukses
• Lemparkan 2 dadu, Berapa peluang paling sedikit 1 dadu
dengan mata 3 yang naik ?
r dapat bernilai 0 (tidak ada mata 3 yang naik)
r dapat bernilai 1 (1 mata 3 yang naik)
r dapat bernilai 2 (2 mata 3 yang naik)
p = 1/6
n=2
P(r) = nCr pr (1 – p)(n-r)
P(0) = 2C0 (1/6)0 (1 – 1/6)(2-0) =
P(1) = 2C1 (1/6)1 (1 – 1/6)(2-1) =
P(2) = 2C2 (1/6)2 (1 – 1/6)(2-2) =

P(r1) = 1 - P(0) =
• Peluang sebuah roket mengenai sasaran = 0,6. Berapa roket yang
harus ditembakkan agar peluang mengenai sasaran paling sedikit 95
%
1-P(0) > 0,95
(4 atau lebih)

• Dari pengamatan masa lalu, peluang suatu komponen listrik berfungsi

baik adalah 98 %. Carilah peluang menemui 2 atau lebih komponen
rusak dari 5 buah sampel.
Peluang rusak/gagal = 0,02 n = 5
(0,004 = 0.4 %)
Peluangnya sangat kecil. Bila ternyata ditemui dua atau lebih
komponen yang rusak diantara ke lima sampel, maka besar
kemungkinan terjadi kesalahan proses produksi.
 Distribusi Poisson
• Jika n besar dan p kecil, (np<7) distribusi binomial
dapat didekati dengan distribusi poison :

• Dari pengamatan masa lalu, peluang suatu

komponen listrik berfungsi baik adalah 98 %.
Carilah peluang menemui 2 atau lebih komponen
rusak dari 5 buah sampel.
ESTIMASI
 ESTIMASI
1. Estimasi titik : estimasi suatu parameter yang
dinyatakan dengan nilai tunggal. Misalnya
(rata-rata sampel) adalah estimasi titik dari 
(rata-rata populasi)
2. Esitmasi titik tidak memberikan gambaran
mengenai ketepatan estimasi tersebut,
sehingga lebih disukai menggunakan estimasi
selang
 ESTIMASI SELANG
Teori :
Bila sampel-sampel acak yang besarnya n diambil
dari populasi yang bernilai rata-rata  dan berdeviasi
standar  maka nilai-nilai rata-rata sampel akan
terdistribusi dengan nilai rata-rata  dan berdeviasi
standar /n
Jika populasi terdistribusi normal N(, 2) maka
sampel akan terdistribusi normal N(, 2/n)
 SELANG KEYAKINAN
UNTUK RATA-RATA POPULASI

• Deviasi standar populasi umumnya tidak diketahui, sehingga

untuk mengestimasi estimasi rata-rata populasi digunakan
distribusi t.
• Selang keyakinan (1-) untuk rata-rata populasi adalah :

1-
• Suatu sampel random 6 mobil dari model
tahun 2014 membutuhkan bahan bakar 1 liter
untuk setiap :
18,6 ; 18,4 ;19,2; 20,8 ; 19,4 ; 20,5 Km
Dengan tingkat keyakinan 95 % tentukan
interval pemakaian bahan bakarnya.
Jwb :
Rata –rata =19,48 s=0,98, Dari tabel :
t/2,(n-1) = t0.025 , 5 = 2,571
 0.98 
 19.48   2.571   19.48  1.03
 6 
 SELANG KEYAKINAN
UNTUK VARIANS POPULASI

• Varians dan deviasi standar populasi dapat

diestimasi menggunakan distribusi chi.
• Selang keyakinan (1-) terletak antara :

dan
• Suatu sampel random 6 mobil dari model
tahun 2014 membutuhkan bahan bakar 1 liter
untuk setiap :
18,6 ; 18,4 ;19,2; 20,8 ; 19,4 ; 20,5 Km
Dengan tingkat keyakinan 95 % tentukan :
- Interval varians dan deviasi standarnya
 Latihan (dikumpul)
• Energi baterai yang diproduksi oleh suatu perusahaan dianggap terdistribusi
normal. Diambil 20 buah sampel dan diperoleh data energi baterai (dalam mAH)
sebagai berikut :
490 510 515 480 485 490 490 515 520 500
500 510 490 490 495 510 515 520 490 490
 Dengan tingkat signifikansi 95%, berapakah energi baterai yang diproduksi
perusahaan tersebut. ?
 Jika anda membeli baterai dari perusahaan tersebut, berapa peluang bahwa
baterai yang anda beli memiliki kapasitas energi lebih dari 500 mAH ?
• Sebuah perusahaan memproduksi tali kawat yang panjangnya sepuluh meter. Tali
tersebut terdiri dari 100 pilinan kawat kecil dan sanggup menahan beban jika
terdapat 95 kawat kecil yang tidak cacat. Dari pengalaman dan pengamatan
perusahaan, peluang terdapatnya cacat pada kawat kecil yang digunakan adalah
0,02.
– Jika dikehendaki bahwa peluang untuk menahan beban rancangannya adalah
85 %, berapa kawat kecil yang harus digunakan dalam pilinan tali kawat
tersebut ?
PENGUJIAN
 PENGUJIAN
• Pengujian rata-rata
– Dua arah
– Satu arah
– Pengujian membandingkan rata-rata
• Uji Kecocokan (Chi Squared)
• Uji Varian (distribusi F)
PENGUJIAN NILAI RATA-RATA
 HIPOTESIS

H0 :  = H0 :  = H0 :  =
H1 :   H1 :  > H1 :  <

X : Nilai rata-rata yang dinyatakan dan yang akan diuji

kebenarannya

Hipotesis H0 harus dinyatakan dengan tepat.

H0 :  > hipotesis H0 tidak tepat

Hipotesis H1 yang dipilih disesuikan dengan kasus & kondisi

 PENGUJIAN NILAI RATA-RATA
• Jika deviasi standar populasi tidak diketahui yang digunakan
adalah uji t (distribusi t)
• t hitung (t0):

• Untuk menarik kesimpulan, nilai t hitung dibandingkan dengan

t tabel.
• Tingkat siginfikansi yang umumnya digunakan untuk menolak
H0 adalah 5% (95 % untuk menerima H1)
• Jika tingkat signifikansi hasil pengujian < 5 % maka H0 ditolak.
(H1 diterima dengan signifikansi > 95%)
 Pengujian Dua Arah

Jika t0 < ttabel : Jika t0 > ttabel :

H0 :  = : diterima H0 :  = : ditolak
H1 :   : ditolak H1 :   : diterima
 Pengujian Satu Arah
(t0 : Negatif)

0,95
0,95

0,05 0,05
t0 -ttabel -ttabel t0

Jika t0 < -ttabel : Jika t0 > -ttabel :

H0 :  = : ditolak H0 :  = : diterima
H1 :  < : diterima H1 :  < : ditolak
 Pengujian Satu Arah
(t0 : Positif)

0,95 0,95

0,05 0,05

ttabel t
0
t0 ttabel

Jika t0 > ttabel : Jika t0 < ttabel :

H0 :  = : ditolak H0 :  = : diterima
H1 :  > : diterima H1 :  > : ditolak
 CONTOH
• Sebuah mesin disetel untuk memproduksi
komponen baut dengan panjang 5 cm. Diambil
beberapa sampel untuk menguji kebenaran
penyetelan.
4.92 5.02 5.03 4.93 5.00 5.05 5.01 4.99 5.00
4.99 5.01 4.99 4.98 5.00 4.98 5.00 5.02 4.89
4.99 5.00

t0= -1.186
 0,95

0,025 0,025

-ttabel t0 ttabel
Hipotesis :
H0 :  = 5
H1 :   5

t0 = 1.186 ttabel = 2.093

Kesimpulan :
H0 diterima, tidak cukup bukti untuk menyatakan terjadi
kesalahan penyetelan
PT. Abu menyatakan bahwa blok-blok timah yang diproduksinya mengandung
kandungan timah 95%. PT. Karya Babel bermaksud membeli timah dari PT. Abu
karena merasa kandungan timahnya sesuai dengan yang diinginkan. PT. Karya
Babel meminta sampel sebanyak 20 blok timah untuk diteliti apakah benar
kandungan timah sesuai dengan yang dinyatakan. Sampel-sampel tersebut diteliti
di laboratorium dan memberikan hasil :
94,3 95,1 93,4 95,3 95,4 93,4 94,8 95,1 94,9 95,7
95,6 93,4 94,8 95,1 93,4 95,3 95,4 93,4 94,8 95,7

Apakah PT. Karya Babel jadi membeli timah dari PT. Abu ?

t0 =-1.503 (Negatif)
t tabel = 1,729
Hipotesis : 0,95
H0 :  = 95%
H1 :  < 95%
0,05
-ttabel t0
H0 :  = 95% : diterima
H1 :  < 95% : ditolak
PT. Karya babel kemungkinan akan membeli blok timah dari PT. Abu
Bagaimana jika PT. Abu menyatakan bahwa kandungan timah nya lebih
dari 95% ?

t tabel = 1,729

t0 =-1.503
0,95

0,05

t0 ttabel

H0 :  = 95% : diterima
H1 :  > 95 % : ditolak

PT. Karya Babel kemungkinan tidak akan membeli blok timah dari PT. Abu
PT. Abi menyatakan bahwa blok-blok timah yang diproduksinya mengandung
kandungan timah lebih dari 95%. PT. Karya Babel bermaksud membeli timah dari
PT. Abu karena merasa kandungan timahnya sesuai dengan yang diinginkan. Karya
Babel meminta sampel sebanyak 20 blok timah untuk diteliti apakah benar
kandungan timah sesuai dengan yang dinyatakan. Sampel-sampel tersebut diteliti
di laboratorium dan memberikan hasil :
95.5 95.1 95.9 97.2 95.4 93.4 95.3 95.1 94.9 95.7
95.6 96.5 94.8 95.1 93.4 95.3 95.4 95.6 95.8 95.7
Apakah PT. Karya Babel jadi membeli timah dari PT. Abu ?

t0 =1.749
t tabel = 1,729

Hipotesis :
H0 :  = 95%
H1 :  > 95%
H0 :  = 95% : ditolak ttabel t0
H1 :  > 95% : diterima
PT. Karya babel kemungkinan akan membeli blok timah dari PT. Abi. Tetapi perlu dilakukan
penyelidikan lebih jauh untuk memastikan kebenaran pernyataan PT. Abi
PENGUJIAN MEMBANDINGKAN RATA-RATA
Sampel I
(dari populasi I,rata-rata = X1
deviasi standar S1 )
Jumlah sampel = n

Sampel II
(dari populasi II,rata-rata = X2
deviasi standar S2 )
Jumlah sampel = n

Hipotesis :

H0 : 1   2
H1 : 1  2 atau 1 < 2 atau 1 > 2
• Varians untuk kedua sampel adalah :

• t hitung (t0):

• Derajat kebebasan : 2n - 2
 CONTOH
• Sebuah perusahaan memiliki 2 pabrik untuk memproduksi lampu dengan
daya 100 Watt. Hendak diketahui apakah terdapat perbedaan daya lampu
yang diproduksi kedua pebrik tersebut. Diambil sampel dari kedua pabrik
dan diperoleh daya lampu :
– Pabrik I : 95 108 100 110 98 98 105 96 95
110 105 100 98 98 110 108 97 100

– Pabrik II :
102 103 96 110 97 98 107 100 98
108 100 100 100 95 108 110 96 110

• Apakah terdapat perbedaan yang cukup meyakinkan daya lampu yang

diproduksi
Hipotesis :kedua pabrik tersebut ?
H0 : 1 = 2 diterima
H1 : 1  2 ditolak
 0,95

0,025 0,025

-ttabel t0 ttabel

t hitung = -0.21519
T tabel = 2.032

Hipotesis :

H0 : 1 = 2 diterima
H1 : 1  2 ditolak
 Pengujian 2 Metode
• Dalam membandingkan dua metode, biasanya
percobaan dilakukan berpasangan dan
perbedaan (selisih) diantara setiap pasangan
yang diperhatikan.
• Uji t diterapkan dengan menghitung rata-rata
selisih ( ) dan deviasi standar selisih ( )
kedua metode.
d H 0 : 1 j   2 j
t H 1 : 1 j   2 j
sd n
 CONTOH
• Seorang mahasiswa hendak mengetahui
apakah alat ukur tegangan yang dibuatnya
sama atau berbeda dengan alat ukur tegangan
yang ada di
Pembacaan Tegangan (Volt)
Hipotesis :
Alat Ukur Lab Alat Ukur Mahasiswa H0 : kedua alat ukur sama
12 13
11 10
H1 : kedua alat ukur berbeda
10 9
9 8
8 7
7 6
6 5
5 4
4 5
3 3
2 3
 Pembacaan Tegangan (Volt)
Selisih
Alat Ukur Lab Alat Ukur Mahasiswa
12 13 -1
11 10 1
10 9 1
9 8 1
8 7 1
7 6 1
6 5 1
5 4 1
4 5 -1
3 3 0
2 3 -1
rata -rata 0.363636364
Deviasi standar 0.924416278
t hitung 1.304656146
t tabel 2.23

Untuk sementara H0 diterima. Tidak terdapat perbedaan yang signifikan

dari kedua pembacaan alat ukur.
 UJI KECOCOKAN

• Uji kecocokan bertujuan untuk mengetahui

apakah kejadian yang diharapkan sesuai
dengan yang terpantau/terjadi (fakta).
• Jika yang diharapkan sesuai dengan fakta yang
terjadi, maka variansnya memiliki nilai yang
kecil.
• Uji statistik yang digunakan : CHI SQUARED
• Chi Squared hasil perhitungan :

• Hipotesis :
H0 : harapan = terpantau/terjadi
H1 : harapan  terpantau/terjadi

(Hasil Perhitungan) (Dari tabel)

FAKTA = HARAPAN

• Semakin kecil nilai chi square hasil perhitungan dibandingkan

dengan tabel, maka varian juga semakin kecil. Fakta dan harapan
semakin mendekati kecocokan
 contoh

• Anggaplah sebuah dadu tidak cacat. Dadu tersebut dilempar

120 kali, diperoleh kemunculan setiap mata dadu sebagai
berikut :
Mata dadu 1 : 17 kali Mata dadu 2 : 18 kali Mata dadu 3 :24 kali
Mata dadu 4 : 26 kali Mata dadu 5 : 21 kali Mata dadu 6 : 14 kali

• hasil perhitungan : 5,1

• tabel : 11,1

95%

5,1 11,1

• H0 diterima (dadu tidak cacat)

• Hasil pantauan terhadap 350 orang yang
disuntik untuk pencegahan penyakit dan 650
orang yang tidak disuntik :
diserang Tidak diserang total
disuntik 26 324 350
Tidak disuntik 92 558 650
total 118 882 1000

• Apakah penyuntikan berhasil guna ?

Fakta :
diserang Tidak diserang total
disuntik 26 324 350
Tidak disuntik 92 558 650
total 118 882 1000

Harapan :
diserang Tidak diserang total
disuntik 0,0413x1000=41 0,3087x1000=309 350
Tidak disuntik 0,0767x1000=77 0,5733x1000=573 650
total 118 882 1000
 FAKTA JUMLAH KEJADIAN HARAPAN
Tidak Tidak
diserang total diserang total
diserang diserang

disuntik 26 324 350 disuntik 41 309 350

Tidak
Tidak disuntik 92 558 650 77 573 650
disuntik

total 118 882 1000 total 118 882 1000

CHI SQUARE HASIL PERHITUNGAN = 9.5

CHI SQUARE DARI TABEL = 3.8

:
Hasil perhitungan : 9,5
Tabel : 3,8 (derajat kebebasan = (baris -1)x(kolom-1) = 1

• Tidak terdapat kecocokan antara yang yang

diharapkan dengan yang terjadi.
95% • Perbedaan harapan dengan fakta cukup
meyakinkan.
• Perbedaan fakta dengan harapan
3,8 9,5
menunjukkan bahwa penyuntikan sangat
berhasil guna
Bagaimana keberhasilan penyuntikan jika pantauan (fakta) yang
terjadi sebagai berikut :
diserang Tidak diserang total
disuntik 46 304 350
Tidak disuntik 72 578 650
total 118 882 1000

Kesimpulan : terdapat kecocokan antara fakta dan harapan.

Penyuntikan sesuai dengan harapan

diserang Tidak diserang Total

disuntik 55 295 350
Tidak disuntik 63 587 650
total 118 882 1000

Kesimpulan : tidak terdapat kecocokan antara fakta dan harapan.

Penyuntikan tidak memberikan hasil yang berguna.
 Tugas (Dikumpulkan di Ruang Dosen di
laboratorium minggu depan)
• Sebuah perusahaan memproduksi Laptop pada dua pabrik.
Survei dilakukan terhadap produk yang memerlukan layanan
purna jual akibat kerusakan dan produk yang tidak
memerlukan layanan purna jual dalam selang waktu satu
tahun terakhir. Hasil survei :
Jumlah produk total Jumlah produk yang
mengalami kerusakan
Produk pabrik A 800 30
Produk pabrik B 1000 40

• Apa yang bisa anda simpukan dari hasil survei tersebut ?

 Analisis Variansi
• Analisa variansi (ANOVA) adalah suatu metoda
untuk menguji hipotesis kesamaan rata-rata
dari tiga atau lebih populasi.

• Asumsi
 Sampel diambil secara random dan saling
bebas (independen)
 Populasi berdistribusi Normal
 Populasi mempunyai kesamaan variansi
82
 Analisis Variansi
• Misalkan kita mempunyai k populasi.
• Dari masing-masing populasi diambil sampel
berukuran n.
• Misalkan pula bahwa k populasi itu bebas dan
berdistribusi normal dengan rata-rata 1, 2, …. dan
k dan variansi 2.
• Hipotesa :
H0 : 1 = 2 = … = k
H1 : Ada rata-rata yang tidak sama

83
 Analisis Variansi
Populasi
1 2 … i … k
x11 x21 … xi1 … Xk1
Total
x12 x22 … xi2 … Xk2
: : : : : :
x1n x2n … xin … xkn
Total T1 T2 … Ti … Tk T

Ti adalah total semua pengamatan dari populasi ke-i

T adalah total semua pengamatan dari semua populasi

84
 Rumus Hitung Jumlah Kuadrat
k n 2
T
Jumlah Kuadrat Total = JKT   x  2
ij


i 1 j1 nk
k

T 2
i
T 2
Jumlah Kuadrat Perlakuan = JKP  i 1  
n nk
Jumlah Kuadrat Galat = JKG  JKT  JKP

85
 Tabel Anova dan Daerah Penolakan

Sumber Derajat Jumlah Kuadrat

Statistik F
Variasi bebas kuadrat Rata-rata

KRP = F=
Perlakuan k–1 JKP
JKP/(k – 1 ) KRP/KRG
KRG =
Galat k(n-1) JKG
JKG/(k(n-1))
Total nk – 1 JKT

H0 ditolak jika F > F(; k – 1; k(n – 1))

86
 Contoh 1
Sebagai manager produksi, Mesin1 Mesin2 Mesin3
anda ingin melihat mesin 25.40 23.40 20.00
26.31 21.80 22.20
pengisi akan dilihat rata-rata 24.10 23.50 19.75
waktu pengisiannya. 23.74 22.75 20.60
25.10 21.60 20.40
Diperoleh data seperti di
samping. Pada tingkat
signifikansi 0.05 adakah
perbedaan rata-rata waktu ?

87
 Penyelesaian
 Hipotesa :
H0: 1 = 2 = 3
H1: Ada rata-rata yang tidak sama
 Tingkat signifikasi  = 0.05
 Karena df1= derajat bebas perlakuan = 2
dan df2 = derajat bebas galat = 12, maka
f(0.05;2;12) = 3.89.
Jadi daerah pelokannya:
H0 ditolak jika F > 3.89
88
 Data
Populasi
1 2 3
25.40 23.40 20.00
26.31 21.80 22.20 Total
24.10 23.50 19.75
23.74 22.75 20.60
25.10 21.60 20.40
Total 124.65 113.05 102.95 340.65
89
 Jumlah Kuadrat Total
k n 2
T
JKT   x  2
ij


i 1 j1 nk
 25.40 2  26.312  24.10 2  23.74 2  25.10 2 
23.40  21.80  23.50  22.75  21.60 
2 2 2 2 2

20.00 2  22.20 2  19.752  20.60 2  20.40 2

Populasi
2
340.65

1 2 3

5 3
25.40 23.40 20.00
26.31 21.80 22.20 Total

 58.2172 24.10 23.50 19.75

23.74 22.75 20.60
25.10 21.60 20.40
Total 124.65 113.05 102.95 340.65 90
 Jumlah Kuadrat Perlakuan dan
Jumlah Kuadrat Galat
Populasi
1 2 3
25.40 23.40 20.00
k 26.31 21.80 22.20 Total

T 2
i
T 2 23.74
24.10
22.75
23.50
20.60
19.75

JKP  i 1
  25.10 21.60 20.40

n nk Total 124.65 113.05 102.95 340.65

124.65  113 .05  102.95 340.65

2 2 2 2
 
5 5 3
 47.1640
JKG  58.2172  47.1640  11 .0532 91
 Tabel Anova dan Kesimpulan
Sumber Derajat Jumlah Kuadrat Statistik
Variasi Bebas Kuadrat Rata-rata F

Perlakuan 3-1=2 47.1640 23.5820

F = 25.60
Galat 15-3=12 11.0532 0.9211

Total 15-1=14 58.2172

Karena Fhitung = 25.60 > 3.89 maka H0 ditolak.

Jadi ada rata-rata yang tidak sama.
92
 Rumus Hitung Jumlah Kuadrat
Untuk ukuran sampel yang berbeda
k ni 2
T
Jumlah Kuadrat Total = JKT   x ij 2 

i 1 j1 N
k
Ti2 T2
Jumlah Kuadrat Perlakuan = JKP   
i 1 n i N
Jumlah Kuadrat Galat = JKG  JKT  JKP
k
dengan N   n i
i 1

93
 Tabel Anova
Untuk ukuran sampel yang berbeda

Sumber Derajat Jumlah Kuadrat

Statistik F
Variasi bebas kuadrat Rata-rata

KRP = F=
Perlakuan k–1 JKP
JKP/(k – 1 ) KRP/KRG
KRG =
Galat N–k JKG
JKG/(N - k)
Total N–1 JKT

94
 Contoh 2
• Dalam Sebuah percobaan biologi 4 Konsentrasi
konsentrasi bahan kimia digunakan
untuk merangsang pertumbuhan 1 2 3 4
sejenis tanaman tertentu selama
periode waktu tertentu. Data
8.2 7.7 6.9 6.8
pertumbuhan berikut, dalam 8.7 8.4 5.8 7.3
sentimeter, dicatat dari tanaman
yang hidup. 9.4 8.6 7.2 6.3
• Apakah ada beda pertumbuhan rata-
rata yang nyata yang disebabkan 9.2 8.1 6.8 6.9
oleh keempat konsentrasi bahan 8.0 7.4 7.1
kimia tersebut.
• Gunakan signifikasi 0,05. 6.1

95
 Penyelesaian
 Hipotesa :
H0: 1 = 2 = 3= 4
H1: Ada rata-rata yang tidak sama
 Tingkat signifikasi  = 0.05
 Karena df1= derajat bebas perlakuan = 3
dan df2 = derajat bebas galat = 16, maka
f(0.05;3;16) = 3.24.
Jadi daerah pelokannya:
H0 ditolak jika F > 3.24
96
 Data
Populasi
1 2 3 4
8.2 7.7 6.9 6.8
8.7 8.4 5.8 7.3
Total
9.4 8.6 7.2 6.3
9.2 8.1 6.8 6.9
8.0 7.4 7.1
6.1
Total 35.5 40.8 40.2 34.4 150.9
97
 Jumlah Kuadrat Total
k ni 2
T
JKT   x ij  
2

i 1 j1 N
 8.2 2  8.7 2  9.4 2  9.2 2  7.7 2  8.4 2  8.6 2
 8.1  8.0  6.9  5.8  7.2  6.8  7.4
2 2 2 2 2 2 2

2
150.9
 6.1  6.8  7.3  6.3  6.9  7.1 
2 2 2 2 2 2

20
 19.350

98
 Jumlah Kuadrat Perlakuan dan
Jumlah Kuadrat Galat

k
Ti2 T2
JKP   
i 1 n i N
35.52 40.82 40.2 2 34.4 2 150.9 2
    
4 5 6 5 20
 15.462

JKG  19.350  15.462  3.888

99
 Tabel Anova dan Kesimpulan
Sumber Derajat Jumlah Kuadrat Statistik
Variasi Bebas Kuadrat Rata-rata F

Perlakuan 4-1=3 15.462 5.154

F=
21.213
Galat 20-4=16 3.888 0.243

Total 20-1=19 19.350

Karena Fhitung = 21.213 > 3.24 maka H0 ditolak.

Jadi ada rata-rata yang tidak sama.
100
 Latihan 1
Seorang kontraktor di bidang jenis jasa
pengangkutan ingin mengetahui Kapasitas
apakah terdapat perbedaan yang Mitsubishi Toyota Honda
signifikan pada kapasitas daya angkut 3 (A) (B) (A)
merk truk, yaitu Mitsubishi, Toyota dan
Honda. Untuk itu kontraktor ini 44 42 46
mengambil sampel masing-masing 5
truk pada tiap-tiap merek
43 45 47
menghasilkan data seperti disamping.
Jika ketiga populasi data tersebut
berdistribusi normal dan variansi 48 44 45
ketiganya sama, uji dengan signifikasi
5% apakah terdapat perbedaan pada 45 45 44
kwalitas daya angkut ketiga merek truk
tersebut
46 44 43

101
 Latihan 2
Seorang guru SMU mengadakan Metode
penelitian tentang keunggulan
metode mengajar dengan beberapa A B C D
metode pengajaran. Bila data yang
didapat seperti pada tabel 70 68 76 67
disamping, ujilah dengan signifikasi 76 75 87 66
5% apakah keempat metode
mengajar tersebut memiliki hasil 77 74 78 78
yang sama? (asumsikan keempat
data berdistribusi Normal dan 78 67 77 57
variasnisnya sama)
67 57 68
89
102
SPSS
• Hitung rata-rata, varians & deviasi standar
dari data umur lampu PT. BERSINAR
600 610 610 620 620 620 620 620 620 630
630 630 630 630 630 630 630 630 630 630
630 640 640 640 640 640 650 650 660 670
DESKRIPTIF
 UJI NORMALITAS
(KOLMOGOROV SMIRNOV TEST)
 PENGUJIAN NILAI RATA-RATA

Bandingkan signifikansi hasil perhitungan SPSS dengan sigifikansi yang

ditetapkan untuk menolak/menerima H0

H0 diterima jika signifikansi hasil perhitungan > dari ketetapan (5 %)

 CONTOH
• Sebuah mesin disetel untuk memproduksi
komponen baut dengan panjang 5 cm. Diambil
beberapa sampel untuk menguji kebenaran
penyetelan.
4.92 5.02 5.03 4.93 5.00 5.05 5.01 4.99 5.00
4.99 5.01 4.99 4.98 5.00 4.98 5.00 5.02 4.89
4.99 5.00
Hipotesis :
H0 :  = 5
H1 :   5

Signifikansi : 5%
0,025 0,025

2,5/2 2,5/2

Signifikansi hasil
perhitungan = 2,5 (25%)

Hipotesis :
H0 :  = 5 diterima
H1 :   5 ditolak
PT. Abi menyatakan bahwa blok-blok timah yang diproduksinya mengandung
kandungan timah lebih dari 95%. PT. Karya Babel bermaksud membeli timah dari
PT. Abu karena merasa kandungan timahnya sesuai dengan yang diinginkan. Karya
Babel meminta sampel sebanyak 20 blok timah untuk diteliti apakah benar
kandungan timah sesuai dengan yang dinyatakan. Sampel-sampel tersebut diteliti
di laboratorium dan memberikan hasil :
95.5 95.1 95.9 97.2 95.4 93.4 95.3 95.1 94.9 95.7
95.6 96.5 94.8 95.1 93.4 95.3 95.4 95.6 95.8 95.7
Apakah PT. Karya Babel jadi membeli timah dari PT. Abu ?

Hipotesis :
H0 :  = 95%
H1 :  > 95%
 Signifikansi hasil perhitungan SPSS adalah untuk
2-tailed (9,6%)
Signifikansi untuk uji satu arah : 1-tailed.
Jadi signifikansi yang digunakan untuk
pengujian adalah : 4,8 %
0,096/2 0,096/2
Signifikansi hasil
perhitungan = 0,048 (4,8%)

Hipotesis :
H0 :  = 95 % ditolak
H1 :  > 95 % diterima
0,096/2
 MEMBANDINGKAN RATA-RATA
• Sebuah perusahaan memiliki 2 pabrik untuk memproduksi lampu dengan
daya 100 Watt. Hendak diketahui apakah terdapat perbedaan daya lampu
yang diproduksi kedua pebrik tersebut. Diambil sampel dari kedua pabrik
dan diperoleh daya lampu :
– Pabrik I : 95 108 100 110 98 98 105 96 95
110 105 100 98 98 110 108 97 100

– Pabrik II :
102 103 96 110 97 98 107 100 98
108 100 100 100 95 108 110 96 110

• Apakah terdapat perbedaan yang cukup meyakinkan daya lampu yang

diproduksi
Hipotesis :kedua pabrik tersebut ?
H0 : 1 = 2
H1 : 1  2
Signifikansi hasil perhitungan = 83,1%

Hipotesis :
H0 : 1 = 2 diterima
H1 : 1  2 ditolak
 MEMBANDINGKAN 2 METODE
• Seorang mahasiswa hendak mengetahui
apakah alat ukur tegangan yang dibuatnya
sama atau berbeda dengan alat ukur tegangan
yang ada di
Pembacaan Tegangan (Volt)
Alat Ukur Lab
12
Alat Ukur Mahasiswa
13
Hipotesis :
11 10 H0 : kedua alat ukur sama
10 9
9 8 H1 : kedua alat ukur berbeda
8 7
7 6
6 5
5 4
4 5
3 3
2 3
H0 : kedua alat ukur sama (diterima)
 ANNOVA
Sebagai manager produksi, Mesin1 Mesin2 Mesin3
anda ingin melihat mesin 25.40 23.40 20.00
26.31 21.80 22.20
pengisi akan dilihat rata-rata 24.10 23.50 19.75
waktu pengisiannya. 23.74 22.75 20.60
25.10 21.60 20.40
Diperoleh data seperti di
samping. Pada tingkat
signifikansi 0.05 adakah
perbedaan rata-rata waktu ?

118