Selayang Pandang

Statistika
Parametrik
By Santosa,S.Kep,MM
Berbagai Metode Parametrik

a. Inferensi terhadap sebuah rata-rata

populasi
 sampel besar, gunakan rumus z
 sampel kecil (<30), gunakan student t test
b. Inferensi terhadap dua rata-rata populasi
 Sampel besar, gunakan z test yang
dimodifikasi
 Sampel kecil, gunakan t test yang
dimodifikasi atau F test
c.      
c.       Inferensi
Inferensi untuk
untuk mengetahui
mengetahui hubungan
hubungan antar
antar
variabel
variabel

      
       >> Hubungan
Hubungan antar
antar Dua
Dua Variabel,
Variabel, meng
meng
gunakan
gunakan metode
metode korelasi
korelasi dan
dan Regresi
Regresi
sederhana
sederhana
>> Hubungan
Hubungan antar
antar lebih
lebih dari
dari dua
dua variabel,
variabel,
menggunakan
menggunakan metode
metode korelasi
korelasi dan
dan regresi
regresi
berganda
berganda
Analisis
Analisis Regresi
Regresi
dan Korelasi
 Regresi Sederhana dan Korelasi
o Analisis hubungan di antara kedua
variabel/lebih  analisis Regresi dan Korelasi.
o Dalam analisis Regresi, akan dikembangkan
sebuah persamaan regresi yaitu formula
matematika yang mencari nilai variabel
tergantung (dependent) dari nilai variabel
bebas (independent) yang diketahui.
o Analisa regresi terutama digunakan untuk
tujuan peramalan.
 Model Matematika yang
digunakan :
• Garis Lurus
• Parabola / Kurva Kuadratik
• Kurva kubik
• Kurva Quartic
• Kurva pangkat n

• Biasanya disebut sebagai polinomial berderajat

satu, dua, ….dst
 Metoda Garis Lurus
• y= a + bx
• X i variabel independen ke-i
• Yi variabel dependen ke-i maka bentuk model
regresi sederhana adalah :
Yi    X i   i , i  1,2, , n
dengan
 ,  parameter yang tidak diketahui
 i sesatan random dgn asumsi
E[ i ]  0
Var ( i )   2
• Bentuk model di atas diprediksi
berbentuk :
Yˆi  a  bX i

• dengan a dan b koefisien regresi

merupakan penaksir , 

Dengan Metode Kuadrat terkecil

diperoleh :
a  y  bx
  y   x 
 yx 
i i
n
i i

b
  xi 
2

 xi  n
2
• Atau

  x  x  y  y 
i i
b
 x  x
2
i
• Perhatikan

 y  y    yˆ  y   y  yˆ 
i i i i
var iasi regresi sisa

y  
 y   yˆ i  y    yi  yˆ i  
2 2 2
i
JKT JKR JKS
• Tabel Anava :
Sumber JK dk RK F Hitung
Variasi

Regresi JKR 1 RKR=JKR/1 RKR/RKS

Sesatan JKS n-2 RKS=JKS/n-2 F(alpha,

1,n-2)
Total JKT n-1
Dalam analisis regresi & ANAVAlangkah-langkah
yang dapat dilakukan antara lain :
1.Cek Asumsi : kenormalan, independensi dan
homogenitas
2.Menentukan prediksi model regresi dan
Koefisien regresi
3. Menentukan koefisien korelasi R2
4. Membuat Tabel Anava
5. Pemeriksaan sisa data
6. Menentukan Korelasi Sederhana
Uji Hipotesa koefisien regresi
• H 0 :   0 vs H 1 :   0
• Dipilih tingkat signifikansi
• Hitung Tabel Anava
• Tolak Ho jika
FHitung  F ,1, n  2
tingkat signifikansi  Sig.

• Untuk uji satu sisi :

FHitung  F ,1,n  2  t 2
n2
 Korelasi
• Menyatakan hubungan antara dua
atau lebih peubah  asosiasi
• Bila dua peubah tidak berhubungan ;
korelasinya 0, bila sempurna
korelasinya 1 (kolinier)
• Koefisien korelasi dinotasikan dengan
2
R
• Setelah ditaksir persamaan regresi dari data
masalah berikutnya adalah menilai
baik/buruknya kecocokan model dengan data
• Rumus :
JKR
R 
2

JKT
  yˆ i  y  2


  yi  y 
2

0  R2  1
 Aplikasi Regresi dengan SPSS.
• 1.   Pilih menu Analyze – Regression – Linear
• 2.  Tentukan var bergantung dan var bebas
• 3. Tentukan Metoda yang digunakan (Enter,
Stepwise,Forward, Backward)
• 4. Tentukan perhitungan statistik yang diperlukan
• 5. Tentukan jenis plot yang diperlukan
• 6. Tentukan harga F testnya
•  
 Example

• y merupakan skor pencapaian MK

Matematika. Apabila x adalah nilai
statistika maka buatlah analisis regresi
dan korelasinya !
Mhs 1 2 3 4 5 6 7 8 9 10
NA 39 43 21 64 57 47 28 75 34 52
Stat 65 78 52 82 92 89 73 98 56 75
Analisis SPSS 16.0

Nilai rata-rata nilai akhir 46 dan nilai

rata-rata statistika dari 10 mahasiswa
adalah 76
Korelasi atau hubungan antara nilai akhir dan
nilaistatistika adalah 0.84, jadi hubungannya
sangat erat (mendekati1).
Hasil didukung dengan (misal)   0.05 > 0.001
maka H0 bahwa antara variabel y (NA) dengan
x (Nilai Statistika) tidak berhubungan ditolak.
R square=0.705 mengindikasinya besarnya
hubungan antara NA dengan nilai statistika
sebesar 70.5%.
Uji Hipotesa koefisien regresi
• H 0 :   0 vs H 1 :   0
• Dipilih tingkat signifikansi =0.05
• Hitung Tabel Anava
• Tolak Ho jika
FHitung  19.141  F0.05,1,8  5.32
  0.05  Sig.  0.002
• D.k.l : terdapat hubungan linier
antara variabel dependen (y) dengan
variabel independen (x)
Model linier yang terbentuk antara variabel y
(Nilai Akhir) dengan nilai statistika (x) adalah
yˆ  24.012  0.921x
 ANAVA SATU ARAH
Rancangan random lengkap karena
unit eksperimen yang dipergunakan
dianggap sama/seragam
Satu Arah karena 1 faktor yang
diselidiki
• Model RRL :
 i  1, 2, , a
yij     i   ij 
 j  1, 2, , n
dengan
a = perlakuan ,
n = banyak observasi,

= rata-rata,
i
= efek perlakuan ke-i,
 Uji F
• Analisa efek perlakuan ke-i (untuk
model efek tetap)
i. Hipotesis
H 0 :  i  0, untuk semua i
H 1 : Tidak semua  i  0

ii. Dipilih tingkat signifikansi 

iii. Tabel ANAVA
Tabel ANAVA
iv. Daerah Kritis :
Tolak Ho jika F  F ,a 1, N  a

Atau Tolak Ho jika  > Sig.

 Example
• Akan diteliti pengaruh kadar serat
katun sintetis terhadap kualitas daya
rentang kain tersebut. Dipilih 5 serat
katun dengan kadar prosentase 15%,
20%, 25%, 30% dan 35%. Anggap
tingkat signifikansi 0.05. Diambil 5
observasi secara acak untuk tiap
perlakuan, diperoleh data :
Data :
ANAVA Dua Arah
• Jika unit percobaan sangat heterogen dan
dapat dikelompokkan ke dalam blok- blok
yang lebih homogen maka menggunakan
Rancangan Blok Random Lengkap ( RBRL )
lebih menguntungkan daripada Rancangan
Random Lengkap ( RRL ) karena selain
efisien waktu eksperimen juga bertujuan
menghilangkan sumber yang menyebabkan
variasi sesatan dari eksperimen.
• Model :
 i  1,2,  , a
y ij     i   j   ij 
 j  1,2,  , b

y ij
• adalah observasi untuk  perlakuan
ke- i dalam blok
i ke- j , rata-rata j
keseluruhan, efek perlakuan ke-i,
efek blok ke- j
 Uji F
• Langkah-langkah :
• Analisa efek perlakuan ke-i
H 0 P :  i  0, untuk semua i

H 1P : Tidak semua  i  0

Analisa efek blok ke- j

H 0B :  1   2     a  0
H1B :  i  0, untuk suatu i
ii. Dipilih tingkat signifikansi 
iii. Tabel Anava
iv. Daerah Kritis :
Tolak Hop jika
FP  F ,a 1,( a 1)(b 1)
Tolak HoB jika
FB  F ,b 1,( a 1)( b 1)
 Example
• Akan diselidiki pengaruh tiga metode
(penentu premi maksimum) terhadap
tingkat kepercayaan pemegang polis
asuransi. Dipilih 50 pemegang polis asuransi
untuk memberikan skala kepercayaan
terhadap masing- masing metode dengan
skala 0 untuk tidak percaya sepenuhnya
sampai skala 20 untuk nilai sangat percaya.
Kelimapuluh orang tersebut dibagi dalam
lima macam eksekutif sebagai blok
berdasarkan peringkat usia dan diperoleh
data sebagai berikut :
gunakan tingkat signifikansi 0.01, untuk
menganalisa data di bawah ini :
Thank’s you
frends