DISTRIBUSI SAMPLING

DAN
PENGUJIAN HIPOTESIS
Pengumpulan Data:
•Sensus
•Sampling

Sensus: Cara Pengumpulan data dimana semua elemen dalam populasi

diselediki satu per satu.
Sampling: Cara Pengumpulan data dimana hanya sebagian elemen
dalam
populasi (sample) diselediki satu per satu.

Hasil:

Sensus  Parameter
Sampling  Statistik; merupakan perkiraan dari parameter
Sensus:

Data Sesungguhnya; tetapi

Membutuhkan biaya besar
Membutuhkan waktu lama
Membutuhkan tenaga dan Perangkat kerja banyak.
Sulit mencari tenaga berkualitas.
Terkadang Penelitian tidak dapat dilakukan dengan sensus.

Contoh:
Mencoba ketahanan suatu produk (tidak mungkin semua dicoba)
Mencoba kualitas makanan; dsbnya.
Karakteristik yang diteliti terbatas
Tidak ada sampling error, tetapi mempunyai non sampling error

Sampling:

Lebih Praktis, membutuhkan biaya, waktu, dan tenaga lebih sedikit.

Dapat memilih tenaga berkualitas.
Mempunyai sampling error dan non sampling error
Karakteristik yang diteliti lebih banyak
Error total sampling lebih kecil dibanding Non sampling error sensus
Populasi terbagi 2, yaitu:

o Populasi terbatas (finite population). Contoh: Mahasiswa MM UNTAR tahun 2003,

jumlah perusahaan tahun 2003, dan sebagainya,
o Populasi tak terbatas (infinite population). Biasanya dihubungkan dengan proses,
misalnya proses penjualan dari waktu ke waktu.

Cara Pengambilan Sampel:

 Simple Random Sampling

 Stratified Random Sampling
 Systematic Random Sampling
 Cluster Sampling
 Two Stage Sampling

SIMPLE RANDOM SAMPLING (SRS)

Sampling dimana setiap elemen dalam populasi mempunyai kesempatan/peluang
yang sama untuk terpilih, seperti: arisan, pelemparan mata uang, atau dadu.
SYSTEMATIC RANDOM SAMPLING
Sampling dimana setiap elemen dalam populasi dipilih berdasarkan suatu
interval tertentu

STRATIFIED RANDOM SAMPLING

Sampling dimana setiap elemen dalam populasi dikelompokkan dalam beberapa,
strata (homogen) yang selanjutnya dipilih secara random

CLUSTER RANDOM SAMPLING

Sampling dimana setiap elemen dalam populasi dikelompokkan dalam beberapa,
cluster (heterogen) yang selanjutnya dipilih secara random

TWO STAGE SAMPLING

Sampling dimana setiap elemen dalam populasi dipilih dalam dua tahap,
baik menggunakan metode yang sama ataupun berbeda
 DISTRIBUSI NORMAL
• Kurva Normal mempunyai bentuk seperti
lonceng dan simetris terhadap µ.
• Bentuk Kurva Normal dipengaruhi µ dan
σ:
• Makin kecil σ ; kurva makin runcing dan
nilai x mengumpul dekat µ.
• Makin besar σ ; kurva makin melebar dan
nilai x menjauhi µ.
 µ1 < µ2 ; σ 1 < σ2

σ2
σ1

µ1 µ2

Fungsi :

1  x    2
1
e
 
f ( x)  2    ;∞≤X≤∞
 2
 Normal Standar/Baku
Notasi : N (0,1)
Untuk menghitung probabilitas dengan menggunakan tabel Normal.

Tekhnik Melihat tabel

Seluruh luas kurva Normal = 1 (100 %)
Biasanya yang digunakan untuk perhitungan = 0,5 karena kurva simetris
Probabilitas dihitung berdasarkan luas kurva
Titik awal luas biasanya titik µ atau 0 dalam Normal Standar/Baku
( pada gambar: 0 sampai z )

0 z
= 1,96
 STATISTIKA INFERENS
PENDUGA YANG BAIK
– X merupakan penduga µ
– s2 merupakan penduga σ2

Ciri-ciri penduga yang baik:

– Unbiased
– Konsisten
– Minimum Variance
– Sufficient
 PENDUGA INTERVAL
Penduga:
– Penduga Titik / Tunggal (point estimate)
– Penduga Interval / Selang Keyakinan (Interval
Estimate/Confidence Interval)

PENDUGA INTERVAL UNTUK RATA-RATA µ

Rumus penduga interval µ, yaitu:

 
1. P ( X  Z / 2    X  Z / 2 )  1
n n
Rumus ini digunakan Jika:
Jika sampel besar (n>30)
σ diketahui
 s s
2. P ( X  t / 2    X  t / 2 )
n n
Rumus ini digunakan Jika:
Jika sampel kecil (n<30)
σ tidak diketahui
Contoh:
5 orang mahasiswa MM dipilih, kemudian diukur tingginya.
X = tinggi mahasiswa
X1 = 160; X2 = 170; X3 = 165; X4 = 175; X5 = 180
Buatlah Interval Keyakinan rata-rata tinggi mahasiswa
MM.
Karena n < 30, maka gunakan rumus (2).
(1 – α ) = 95%; α = 5%; α/2 = 2,5%; t α/2,(n-1) = 2,7764 ≈ 2,78
X = 170; s = 7,9057;
s
n
= 3,53

s s
P ( X  t / 2    X  t / 2 )
n n
= 170 – (2,78) (3,53) < µ < 170 + (2,78) (3,53)
160,2 < µ < 179,8
Rata-rata tinggi mahasiswa extension UI adalah antara 160,2 dengan 179,8 dengan probabilitas 95%.
PENDUGA INTERVAL PROPORSI
POPULASI
• Jika  X: elemen dengan karakteristik tertentu
Maka  p = merupakan penduga P, yaitu: proporsi sebenarnya dari
elemen-elemen dengan karakteristik tertentu.
• Contoh:
X: Produk yang rusak.
n = 25; X = 20, maka p = = = 0,8 atau 80%.

Formula Penduga Interval:

p (1  p ) p (1  p )
1. p - Zα/2 < P < p+ Zα/2 ; Untuk n > 30
n n

p (1  p ) p(1  p ) ; Untuk n ≤ 30
2. p - tα/2 < P < p+ tα/2
n n
Contoh:
Penelitian: Konsumen barang X
X (orang yang mengkonsumsi barang X) = 30
n = 100; α = 5%; Zα/2 = 1,96; p = 0,30

p - Zα/2 p (1  p) < P < p+ Z p (1  p )

α/2
n n

0,30(1  0,30) 0,30(1  0,30)

0,30 – 1,96 < P < 0,30 + 1,96 100
100
0,21 < P < 0,39; Proporsi orang yang mengkonsumsi barang X sebenarnya adalah
antara 21% sampai 39% dengan probabilita 95%.
 PERINTAH SPSS
• Analyze
• Compare Means
• One Sample T-test
• Masukan Variabel (Tarif/Kepuasan)
• OK
 PENGUJIAN HIPOTESIS
• Hipotesis pada dasarnya merupakan anggapan atau asumsi yang mungkin
benar yang digunakan sebagai dasar pengambilan keputusan atau sebagai
landasan Penelitian selanjutnya.

Contoh:
 Membayar pajak berarti menyejahterakan rakyat
 Peningkatan harga BBM mengurangi penyelundupan BBM ke luar negeri
 Kenaikan tarif transportasi umum membuat pelayanan lebih baik

 Penelitian umumnya menggunakan sampel

 Interval Kepercayaan: Dimana letak parameter
 Uji Hipotesis: Bagaimana kondisi dalam populasi
 PENGUJIAN HIPOTESIS RATA-
RATA POPULASI
Prosedur:

1. Rumuskan hipotesis sebagai berikut:

• Ho : µ = µ0 H1 : µ > µ0

• H0 : µ = µ0 H1 : µ < µ0

• H1 : µ = =µ0 H0 : µ ≠ µ0

2.Tentukan α (level of significant)

3.Lakukan pengujian dengan Kriteria Pengujian (Test Criteria):
a. Untuk n > 30, pengujian dilakukan dengan menggunakan distribusi Normal.

X  0
Z0 = ; Z0 sering juga disebut Z Hitung. Ditulis ZHit.

n
b. Untuk n ≤ 30, pengujian dilakukan dengan menggunakan distribusi t.

; t0 sering juga disebut t Hitung. Ditulis

t0 = ( X  0 ) n
tHit.
s
1
s
n 1
 (X i  X )2 ; dugaan σ
c. Cari nilai Zα atau Zα/2 dalam tabel normal atau tα atau tα/2 dalam
tabel t.
Notasi sering juga disebut dengan ZTabel atau tTabel.

d. Bandingkan nilai Z0 atau t0 dengan ZTabel atau tTabel.

Adapun aturannya sebagai berikut:

(1) Ho : µ = µ0 Jika Z0 > Zα, Tolak Ho

H1 : µ > µ0 Jika Z0 ≤ Zα, Tidak dapat menolak Ho

(2) Ho : µ = µ0 Jika Z0 < Zα, Tolak Ho

H1 : µ < µ0 Jika Z0 ≥ Zα, Tidak dapat menolak Ho

(3) Ho : µ = µ0 Jika Z0 > Zα/2 atau Z0 < -Zα/2, Tolak Ho

H1 : µ ≠ µ0 Jika -Zα/2 ≤ Z0 ≤ Zα, Tidak dapat menolak
Ho
Daerah terima
Daerah tolak

Daerah tolak Daerah terima

Daerah terima

Daerah tolak
Daerah tolak

α/2
α/2
 Contoh:

Diketahui:
n = 256; simpangan baku = 1600; rata-rata sampel = 7100;.
Ho : µ = 7000 α = 5%, maka Zα = 1,64
H1 : µ > 7000
X  0 7100  7000 =1
Maka: Z0 = =
 1600
n 256

0 Z0=1 Zα=1,64

Karena Z0 < Zα maka kita tidak dapat menolak Hipotesis.

Dengan demikian dapat dinyatakan tidak cukup bukti untuk menolak Ho.
 PENGUJIAN HIPOTESIS
PROPORSI
• Prosedur sama dengan uji hipotesis terhadap rata-rata.

• Rumusan Hipotesis: =
(1) Ho : P = P0 (2) Ho : P = P0 (3) Ho : P = P0
H1 : P > P0 H1 : P < P0 H1 : P ≠ P0
X p  P0
X  nP0  P0
Z0 = = n =
nP0 (1  P0 ) P0 (1  P0 )
P0 (1  P0 )
n n

dimana:
X adalah elemen sampel dengan karakteristik tertentu
N jumlah sampel

Sebagaimana biasa, Z0 juga dibandingkan dengan nilai tabel.

Contoh:
Penelitian: Kepuasan konsumen terhadap suatu produk.
Ho : P = 0,70 n = 225; X (konsumen puas) = 150
H1 : P < 0,70 α = 10%; Zα = 1,28

X  nP0 150  225(0,70)

Z0 = = = 1,09
nP0 (1  P0 ) 225(0,70)(0,30)

Karena Z0 > Zα , maka tidak cukup bukti untuk menolak Ho.

Atau dengan kata lain bahwa konsumen yang puas tidak kurang dari 70%.
 PERINTAH SPSS
• Analyze
• Compare Means
• One Sample T-test
• Masukan Variabel (Tarif/Kepuasan)
• Masukan nilai yang akan diuji pada Box
Test Value (350.000/0.65)
• OK
 PENGUJIAN HIPOTESIS DUA
SELISIH RATA-RATA
• Untuk melihat apakah ada perbedaan berarti pada dua rata-rata.

Misalnya:
– Rata-rata pendapatan orang Jakarta dengan orang Surabaya
– Rata-rata omset pedagang kaki lima di Jatinegara dengan Senen
– Rata-rata gaji presiden di Asia dan Eropa

• Rumusan Hipotesis:
(1) Ho : µ1 - µ2 = 0 ; atau Ho : µ1 = µ2 (tidak ada perbedaan rata-rata)
H1 : µ1 - µ2 > 0 ; atau H1 : µ1 > µ2 (ada perbedaan µ1 > µ2)

(2) Ho : µ1 - µ2 = 0
H1 : µ1 - µ2 < 0 ; atau H1 : µ1 < µ2 (ada perbedaan µ1 < µ2)

(3) Ho : µ1 - µ2 = 0
H1 : µ1 - µ2 ≠ 0 ; atau H1 : µ1 ≠ µ2 (ada perbedaan µ1 ≠ µ2)
Kriteria Pengujian:
1.Untuk n > 30, pengujian dilakukan dengan menggunakan distribusi Normal.

X1  X 2
Z0 = ;  X1X 2 =  12  22

 X X n1 n2
1 2

jika σ12 dan σ22 tidak diketahui, estimasi dengan:

S X1X 2 = s12 s 22

n1 n2

1
s1 
n1  1
 i 1
( X  X ) 2
dan

1
s2 
n2  1
 (X i  X 2 )2
 2. Untuk n ≤ 30, pengujian dilakukan dengan menggunakan distribusi t
dengan
degrees of freedom = n1 + n2 -2.

X1  X 2 n1 n2 (n1  n2  2)
t0 =
(n1  1) s12  (n2  1) s 22 n1  n2
Contoh:
Penelitian: Besarnya pajak Sektor Jasa dan Sektor Industri di Jakarta
Diketahui: n1 = 10; n2 = 8;
= 22,7; s1 = 1,5; s2 = 1,7;
X 1 = 23,1; X 2
α = 5%; db = n1 + n2 -2 =
16.
tα/2 = t0,025 (16) = 2,120
Ho : µ1 - µ2 = 0 X1  X 2 n1 n2 (n1  n2  2)
H1 : µ1 - µ2 ≠ 0 t0 =
(n1  1) s12  (n2  1) s 22 n1  n2

23,1  22,7 (10)(8)(16)

= 0,53
2
9(1,5)  7(1,7) 2 18

Karena t0 < tα/2 maka tidak cukup bukti untuk menolak Hipotesis.
Dengan demikian dapat disimpulkan bahwa tidak ada perbedaan rata-rata.
 PENGUJIAN HIPOTESIS SELISIH
DUA PROPORSI POPULASI
Rumusan Hipotesis:
(1) Ho : P1 - P2 = 0 ; atau Ho : P1 = P2 (tidak ada perbedaan proporsi)
H1 : P1 - P2 > 0 ; atau H1 : P1 > P2 (ada perbedaan P1 > P2)
(2) Ho : P1 - P2 = 0
H1 : P1 - P2 < 0 ; atau H1 : P1 < P2 (ada perbedaan P1 < P2)
(3) Ho : P1 - P2 = 0
H1 : P1 - P2 ≠ 0 ; atau H1 : P1 ≠ P2 (ada perbedaan P1 ≠ P2)
X1 X 2

n1 n2
Z0 =
 X1  X 2  X  X2  1 1 
 1  1   
 n1  n2  n1  n2  n1 n2 
 Contoh:
Penelitian: Proporsi pelanggan Surat Kabar A dan B.
SK A SK B
n1 = 200 n2 = 200 α = 10%; Zα/2 = 1,64
X1 = 50 X2 = 70

Ho : P1 - P2 = 0
H1 : P1 - P2 ≠ 0

X1 X 2

n1 n2
Z0 =
 X1  X 2  X  X2  1 1 
 1  1   
 n1  n2  n1  n2  n1 n2 
50 70

200 200
= 2,18
 50  70  50  70  1 1 
 1    
 200  200  200  200  200 200 

Karena Z0 > Zα , maka tolak Ho. Atau dengan kata lain bahwa ada
perbedaan proporsi antara pelanggan surat kabar A dan B.
 PERINTAH SPSS
• Analyze
• Compare Means
• Paired – Samples T test
• Masukan variabel
• Ok
 PENGUJIAN KEBEBASAN ANTAR 2 VARIABEL
KATEGORIK (INDEPENDENCY TEST) ATAU UJI
CHI-SQUARE
• Hipotesis:
Ho: Independen (bebas)
H1: Dependen (terikat)

Contoh:

Cukup Puas Tidak Puas Jumlah Baris

Puas
40 50 10
Hotel 1 100
(40) (50) (10)
50 90 10
Hotel 2 150
(60) (75) (15)
70 60 20
Hotel 3 150
(60) (75) (15)
Jumlah Kolom 160 200 40 400
 e11 = n1. n.1 = (100)(160)  40
n 400
e12 = n1. n.2 (100)(200)
=  50
n 400
:
: n3. n.3 (150)(40)
e33 = =  15
n 400

r k (nij  eij ) 2 n11  e11 2 n12  e12 2 n33  e33 2

  
2
0 = + +…….+
i 1 j 1 eij e11 e12 e33

40  40 2
50  50 2 20  152
+ +…….+
40 50 15
= 12,66

α = 5%, maka

 2
 ,( r 1)( k 1) =  2
0 , 05, ( 31)( 31) =
 02,05,( 4) = 9,4877
Chi-Square hanya 1 arah:

Sehingga bila:  o2 >  2 ,( r 1)( k 1)  tolak Ho.

Berarti: Tingkat kepuasan pelanggan tergantung pada jenis hotelnya. Atau jenis
hotel memberikan tingkat kepuasan yang berbeda kepada pelanggan
 PERINTAH SPSS
• Analyze
• Descriptive Statistics
• Crosstabs
• Masukan variabel
• Statistics
• Chi-Square
• Continue
• Ok