PROBABILITAS

NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI
MATA KULIAH STATISTIK
NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI PROBABILITAS A. PENGERTIAN PROBABILITAS
Probabilitas atau Peluang adalah : derajat tau tingkat kepastian atau keyakinan dari munculnya hasil percobaan statistic. Suatu probabilitas dilambangkan dengan P Untuk membantu pemahaman konsep dasar probabilitas terlebih dahulu harus memahami analisis kombinatorial, yaitu analisis bilangan factorial,permutasi dan kombinasi. Secar umum probabilitas dapat dipahami sebagai suatu nilai dari 0 s/d 1 yang mennjukkan seberapa besar terjadinya suatu peristiwa, suatu kejadian (event), adalah sekumpulan atau lebih dari hasil-hasil yang mungkin pada suatu eksprimen. Adapun hasil (out come) adalah sekumpulan data yang merupakan seluruh hasil dari eksprimen. Sedangkan eksprimen sendiri menjelaskan suatu proses yang dilakukan untuk mendapat hasil-hasil yang diamati lebih jauh. Sebagai contoh, proses pelemparan dadu untuk mendapatkan hasil adalah merupakan suatu eksprimen, sedangkan 1, 2, 3, 4, 5, 6 adalah keseluruhan hasil (out comes) yang mungkin terjadi. Kumpulan angka genap (2, 4, 6) atau kumpulan angka ganjil (1, 3, 5) adalah kejadian (event). Rumus peluang:
n( A) m P ( A) = = n( S ) n
B. TUJUAN DAN KEGUNAANYA : Tujuanya : dengan adanya tujuan probabilitas, mahasiswa akan dapat: 1. Menjelaskan peranan statistic dalam mengambil keputusan. 2. membedakan pengertian deskriptif dengan inferensia. 3. dapat menyajikan data dalam bentuk tabel dan grafik.
NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 4. memudahkan mahasiswa dalam mengolah data. Kegunaanya :
Dengan adanya statistic probabilitas atau peluang kita dapat memperkirakan kejadiaan-kajadiaan yang akan muncul.Banyak kejadian dalam kehidupan sehati-hari yang slit diketahui dengan pasti, apalagi kejadian dimasa yang akan datang misalnya, Apakah nanti malam akan turun hujan? Meskipun kejadiaan tersebut tidak pasti,tetapi kita bisa melihat fakta-fakta yang ada untuk menuju derajat kepastian atau derajat keyakinan bahwa sesuatu akan terjadi. Bila ada mendung dan langit semakin gelap, maka itu menjadi tanda-tanda bahwa hujan akan turun. C. BAG IAN - BAG IAN PROBABILITAS 1.BILANGAN FAKTORIAL Bila n bilangan bulat positif, maka bilangan factorial ditulis dengan n! dan di defenisikan sebagai berikut: Rumus: n!= n (n-1) (n-2) 3 x 2 x 1 O! = 1dan 1! = 1 2. PERMUTASI Susunan- susunan yang dibentuk dari anggota suatu himpunan dengan mengambilseluruh atau sebagian anggota himpunan dan memberi arti pada urutan anggota dari masing-masing susunan tersebut yang ditulis dengan p
Rumus =
n Pr =
n! (n r )!
Beberapa jenis permutasi a. permutasi melingkar ( keliling)
suatu permutasi yang dibuat dengan menyusun anggota-anggota suatu himpunan secara melingkar. Rumus ; banyaknya permutasi = (n-1)! b. permutasi dari sebagian anggota yang sama jenisnya. Bila kita mempunyai himpunan yang terdiri atas n anggota, maka ada kemunhkinan sebagian dari anggotanya mempunyai jenis yang sama.
Rumus :
n! n1, n 2, n3.....nk
n! n1!, n2!, n3!....nk!
3. KOMBINASI Susunan-susunan yang dibentuk dari anggota-anggota suatu himpunan dengan mengambil seluruh atau sebagian dari aanggota himpunan itu tanpa memberi arti pada urutan anggota dari masing-masing susunan tersebut.
RUMUS :
nCr=
N N = = N! R R!( N R )!
KONSEP DASAR PROBABILITAS 1. pengantar menuju pemahaman konsep probabilitas Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui debngan pasti apalagi kejadian dimasa yang akan dating, misalnya sebagai berikut ; 1. apakah nanti malam akan dating hujan. 2. apakah pesawat garuda akan berangkat tepat waktu.
Begitu juga dalam percobaan statistic,kita tidak bias mengetahui dengan pasti hasilhasil yang akan muncul misalnya: Pada melemparan sebuah uang logam kita tidak tau dengan pasti hasilnya.apakah yang akan muncul sisi muka atau sisi belakang dari uang logam itu. 2. perumusan probabilitas a. perumusan klasik Bila kejadiian E terjsdi dalam n cara dari seluruh n cara yang mungkin terjadi dan masing-masing n cara itu mempunyai kesempatan atau kemungkinan yang sama untuik muncul,maka probabilitas kejadian E yang ditulis P(E) dirumuskan sebagai berikut; rumus
P( E ) =
m n
b.rumusan dengan frekuensi relatife Probabilitas empiris dari suatu kejadian dengan memekai frekuensi relative dari terjadinya suatu kejadian dengan syarat banyakny pengamatan atau banyaknya sampel n adalah sangat besar.
Rumus :
P( E ) =
lim f n n
RUANG SAMPEL DAN KEJADIAN Kumpulan (himpunan) dari semua hasil yang mungkin muncul atau terjadi opada suatu percobaan statistic disebut ruang sample.yang dilambanmgkan dengan himpunan S,sedangkan anggota-anggota dari S disebut titik sampel.
NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Rumus :
P ( A) =
n( A) m n( S ) n
SIFAT-SIFAT PROBABILITAS KEJADIANYA Dengan pengetahuan kejadian A ruang sample S dan pelung kejadian A pada S yaitu 720 = 30 (12)
6P = 2
n( A) m P ( A) = = N (S ) n
sifat 1. 0 < P(A) < 1 Penjelasan sifat ini, A merupakan himpunan dari S yaitu A C S, maka banyaknya anggota A selalu lebih sedikit dari banyaknya anggota S yaitu n (A) n (S) sehingga 0 < n (A) < 1 atau 0 < P(A) < 1(1) sifat 2. dalam hal A = 0 , himpunan kosong artinya A tidak terjadi pada S, maka n (A) = o, sehingga:
P ( A) =
n( A) = 0= 0 N (S )
sifat 3 = dalam hal A = S maksimum banyaknya anggota A sama dengan banyakny anggota S, maka n (A) = n (S) = n sehingga
P ( A) =
n( A) =1=1 N (S )
bila hasil (1), (2) dan (3) digabunmg maka diperoleh sifat 0 P(A) < 1
dalam hal P(A) = 0, dikatajkan A kejadian yang mustahil terjadi dan dalam hal P(A) = 1 dikatakan A kejadian yang pasti terjadi.
NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI D. CONTOH SOAL 1. bilangan Faktorial hitunglah 3!, 5!, 6! 2. bilangan permutasi hitunglah ? a. 6P2 b. 8P4 c. 4P2
E. LANGKAH LANGKAH PENYELESAIANYA Langkah-langkah penyelesaianya 1. Jawab ; Rumus : n! = n (n-1) (n-2)..3.2.1 3! = 3 (3-1) (3-2) = 3.2.1 =6 5! = 5 (5-1) (5-2) (5-3) (5-4) = 5.4.3.2.1 = 120 6! = 6 (6-1) (6-2) (6-3) (6-4) (6-5) = 6.5.4.3.2.1 = 720
NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 2. jawab: rumus:
n n Pr = (n r )!
a. diketahui n= 6 dan r=2
6! 6P = 2 (6 2)!
6P = 2
6.5.4.3.2.1 (4)!
720 = 30 6P = 2 (12)
Diketahui n= 8 dan r=4 Rumus
n Pr =
P4 =
n (n r )!
8.7.6.5.4.3.2.1 (8 4)!
NAMA : ROBIN PRATAMA 10 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI
Diketahui n= 4 dan r = 2 Npr = n! (n-1)! = 4! (4-2)! = 4.3.2.1 2.1 = 12 2 =6 3. Ruang sample dan kejadian Pada pelemparan sebuah dadu misalnya kejadian A menyatakan munculnya muka dadu genap pada S maka A = { 2.4.6 } sehingga probabilitas kejadian A adalah Langkah-langkah penyelesaianya Rumus ; P(A) = n(A) = m = n (S) n P(A) = 3 6 =1 2
NAMA : ROBIN PRATAMA 11 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 4. Permutasi dari sebagian anngota yang sama jenisnya Beberapa permutasi dalam STATISTIKA carilah permutasi dari kata tersebut Langkah-langkah penyelesaianya Jawab Diketahui : S = 2 , T= 3, A= 2, I=2, K=1 Rumus ; n! n1!, n2!, n3!, .nk! 10 2!,3! 2! 1! 2! 1! 10.9.8.7.6.5.4.3.2.1 2! 3! 2! 1! 2! 1! = 362800 48 = 75.600 5. Kombinasi Hitunglah ! a. 12 6 b. 7 3
Langkah-langkah penyelesaianya: Jawab:
NAMA : ROBIN PRATAMA 12 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Diketahui n= 12 dan r= 3 Rumus: nCr = n! r!(n-r)! 12 = 6 = 12! 3! 6! = 12.11.10.9.8.7.6.5.4.3.2.1 3.2.1 = 110880 b. diketahui n= 7 dan r = 3 langkah-langkah penyelesaianya jawab rumus : nCr = n! r!(n-r)! 7 3 = = 7! 3!(7-3)! 7! 3! 4! = 7.6.5.4.3.2.1 3.2.1 4.3.2.1 = 35 6.5.4.3.2.1 12! 3! (12-6)!
NAMA : ROBIN PRATAMA 13 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 6. kaidah pengadaan Pada sebuah perpustakaan membuat rak buku yang terjadi dari : Buku hokum ,keguruan, pertanian dan ekonomi. Bala perpustakaan tersebut mempunyai 4 jenis buku hokum 2 jenis buku keguruan, 5 jenis buku pertanian ,3 jenis buku tentang ekonomi. Berapa paket rak yang yang akan dibuat. Langkah-langkah penyelesaiaanya. Jawab Diketahui paket rak buku Buku tentang hukum Buku rtentang keguruan Buku tentang pertanian Buku tentang ekonomi =4 =2 =5 =3
Banyaknya paket rak adalah ; 4 x 2 x 5 x 3 = 120 paket
NAMA : ROBIN PRATAMA 14 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI F. SOAL-SOAL LATIHAN 1. selesaikan a. 4 ! b. 6! 2. hitunglah ! a. 6P3 b. 10P4 3. empat orang bermain brigde dalam susunan melingkar, berapa susunan yang mungkin dibentuk n=6 maka permutasi melingkarnya. 4. berapa banyak susunan yang dapat dibuat dari kalimat STATISTIKA 5. hitunglah ! a. 10 3 b. 6 2 6. dari 100 mahasiswa yang mengikuti ujian matematika,distribusi frekuensi nilai mahasiswa adalah seperti pada table berikut ini. Nilai x frekuensi 35 10 47 20 55 30 64 35 87 30 96 25
7.Pada pelemparan sebuah dadu misalnya kejadian A menyatakan munculnya muka dadu ganjil pada S, maka A = {1 5 7 } sehingga probabilitas kejadiaan A adalah. 8. bila A dan B dua kejadian saling lepas dengan P(A) 0,5 tentukan P( A U B) 9. Bila A dan A P(A )= 1- P(A) dua kejadian saling kompelementer dengan P(A)= 0,8 maka
NAMA : ROBIN PRATAMA 15 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 10. Misalkan sebuah dadu dilempar B kejadian bilangan kuadrat murni dan diketahui peluang munculnya bilangan ganjil = 1/9 dan peluang munculnya bilangan genap = 2/9 bila diketahui A{ 4,5,6 } telah terjadi tentukan P(A/B) 11. Jika diketahui dua kajadian A dan B saling bebas dengan P(A) = 0,4 dan P(B) = 0,7 maka berklaku P( A B ), hitunglah !
G. JAWABAN SOAL-SOAL LATIHAN
1. Diketahui n! = n(n-1) (n-2) ..3.2.1 4! = 4 (4-1) (4-2) (4-3) = 4.3.2.1 = 28
6! = (6-1) (6-2) (6-3) (6-4) (6-5) = 6.5.4.3.2.1 = 720
2. nPr = n! (n-r)! a. Diketahui n= 6 dan r= 3 6P3 = 6! (6-3)! = 6! = 6.5.4.3.2.1 3! 3.2.1 = 120
c. diketahui n=10 dan r= 4 10P4 = 10! (10-4)! = 10! = 10.9.8.7.6.5.4.3.2.1 6! 6.5.4.3.2.1 = 5040
3. jawab : Banyak permutasi = (n-1)!
NAMA : ROBIN PRATAMA 17 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI (4-1)! = 3! = 3.2.1 =6 4. jawab semuanya ada n=8 huruf yang terdiri atas jenis 1 huruf S yang banyaknya adalah n1 = 1 jenis 2 huruf E yang banyaknya adalah n2 = 1 jenis 3 huruf G yang banyaknya adalah n3 = 2 jenis 4 huruf I yang banyaknya adalah n4 = 2 jenis 5 huruf T yang banyaknya adalah n5 = 1 jenis 6 huruuf yang banyaknya adalah n6 = 1 jadi, 8 1,1,2,2,1,1 banyaknya = permutasi 8 1! 1! 2! 2! 1! 1! = 8.7.6.5.4.3.2.1 1. 1. 2.1 2.1 1. 1 = 40320 4 = 10.080 5. jawab nCr = n = n! r r! (n-r)! yang dapat dibuat adalah:
a. diketahui n= 10 dan r= 3 10C3 = 10 = 3 10! 3! (10-3)! = 720 = 10.9.8.7.6.5.4.3.2.1 3.2.1 7.6.5.4.3.2.1
NAMA : ROBIN PRATAMA 18 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 6 = 120 c. diketahui n= 6 dan r= 2 6C2 = 6 = 6! 2 2! (6-2)! = 6.5.4.3.2.1 2.1 4.3.2.1 = 30 2 = 15 6. jawab P(E) = P(X=35) = 10 100 = 0,5 P(E)= P(X=47) = 20 100 =0,2 P(E)=P(X=55) = 55 100 = 0,15
P(E) = P (X= 64) = 64 100 = 0,64
P(E)=(X=87) = 87 100 = 0,87
P(E)= P(X=96) = 96 100 = 0,96
7. jawab P(A) = 3 5 = 0,6 8. jawab
NAMA : ROBIN PRATAMA 19 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI karena A dan B saling lepas maka berlaku: P ( A U B) = P(A) + P(B) = 0,5 + 0,15 = 0,65 9. jawab P(A) = 0,8 Jadi P(A) = 1- 0,8 = 0,2 10. jawab S = {1,2,3,4,5,6 } B = {1,4 } A= { 4,5,6 } - P(A) = 2 + 1 + 2 = 5 9 9 9 9 9 P(B/A) = P A B = 2 P (A) 9 5 9 11. jawab P( A B) = P(A). P(B) = (0,4) . (0,7) = 0,28 =2 5 A B = { 4 }- P A B = 2 P (genab) = 2 9 P(ganjil) 1 9
CHI-SQUARE (UJI KUADRAT) 1. PENGERTIAN CHI-SQUARE Uji chi-square adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi yang benar-benar terjadi/aktual dengan frekuensi harapan/frekuensi ekspektasi. Frekuensi observasi adalah suatu nilai yang didapat dari hasil
percobaan(o),sedangkan frekuensi harapan/ekspektasi adalah suatu nilai yang dapat dihitung secara teoritis(e). Contoh : 1. Sebuah dadu setimbang dilempar sekali 120 kali,berapa nilai ekspektasi sisi 1, sisi 2, sisi 3, sisi 4, sisi 5, dan sisi 6 muncul ? kategori Frekuensi ekspektasi (e) Sebuah dadu setimbang dilempar 120 kali berapa nilai ekspektasi sisi 1, sisi 2, sisi 3, sisi 4, sisi 5,dan sisi 6 muncul ? kategori Frekuensi ekspektasi (e) Setiap kategori memiliki frekuensi ekspektasi yang sama yaitu : 1/6 x 120 = 20 Sisi 1 20 Sisi 2 20 Sisi 3 20 Sisi 4 20 Sisi 5 20 Sisi 6 20 Sisi 1 1/6 Sisi 2 1/6 Sisi 3 1/6 Sisi 4 1/6 Sisi 5 1/6 Sisi 6 1/6
NAMA : ROBIN PRATAMA 22 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Apakah data observasi akan sama dengan ekspektasi? Apakah jika anda melempar dadu 120 kali maka pasti setiap sisi akan muncul sebanyak 20 kali? 2.TUJUAN DAN KEGUNAAN CHI-SQUARE Tujuannya adalah untuk menguji perbedaan proporsi antara dua atau lebih kelompok. Misalnya: apakah ada perbedaan hipertensi antara mahasiswa dan mahasiswi dan apakah ada perbedaan BBLR antara ibu yang sosial ekonomi rendah,rendah dan tinggi. Kegunaannya: Uji Kebebasan Chi-Square digunakan untuk memeriksa
kebebasan/independensi dari dua peubah kategorik sehingga kita dapat menyimpulkan apakah kedua peubah tersebut saling bebas (tidak berpengaruh) ataukah keduanya saling bertalian (berpengaruh). H0 : kedua peubah saling bebas H1 : kedua peubah tidak saling bebas Kegunaan Chi-Square 1. Ada tidaknya asosiasi antara 2 variabel (Independent test) 2. Apakah suatu kelompok homogen atau tidak (Homogenity test) 3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
Manfaat chi-square
NAMA : ROBIN PRATAMA 23 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Penelitian segmentasi post-hoc ini menggunakan metode pendekatan dependensi yaitu dengan mendeteksi hubungan antara variabel terikat (dependent variable) dengan sejumlah variabel bebas (independent varibles). Dalam CHAID, variabel-varibel bebas diukur dengan menggunakan nonparametic test, yaitu menguji hubungan antara varibel bebas dengan variabel terikat menggunakan chi-square. Chi-square digunakan di sini karena variabel terikat berbentuk kategorikal. (Khasali, 1998). Tabel 1 menunjukkan pedoman untuk memilih teknik statistik nonparametrik untuk menguji hipotesis asosiatif. Wijaya (2001) mengemukakan bahwa Uji Nonparametrik dengan skala nominal dapat dilakukan dengan uji statistik: modus, frekuensi, koefisien kontingensi. Tabel 1. Pedoman Memilih Statistik Nonparametrik Untuk Menguji Hipotesis Asosiatif Macam/ Tingkatan Data Nominal Ordinal Koefisien Kontingensi Spearman Rank, Kendal Tau Sumber: Sugiyono, halaman 100 Data hasil pengamatan dapat digolong-kan ke dalam beberapa faktor, karakteristik atau atribut dimana setiap faktor atau atribut terdiri dari beberapa klasifikasi, kategori, golongan atau mungkin tingkatan. Berdasarkan hasil pengamatan terhadap fenomena tersebut akan diselidiki mengenai asosiasi atau hubungan atau kaitan antar faktor. Dengan kata lain akan dipelajari, apakah terdapat atau tidak suatu kaitan diantara Teknik Korelasi yang Digunakan
NAMA : ROBIN PRATAMA 24 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI faktor-faktor tersebut. Jika ternyata tidak terdapat kaitan diantara faktor-faktor tersebut, maka dikatakan independen atau bebas, tepatnya bebas statistik. Melalui uji Chi-kuadrat diharapkan dapat menguji hubungan hipotesis dalam penelitian ini, yaitu: Ho : 2 hitung < 2 tabel, kedua faktor tidak berasosiasi Ha : 2 hitung > 2 tabel, kedua faktor berasosiasi Tabel 2. Uji Chi-Kuadrat Faktor II Jumlah Taraf Taraf Taraf 1 2 K Faktor Taraf O11 O12 O1K n10 1 1 Taraf O21 O13 O2K n20 2 Taraf OB1 OB2 OBK nB0 B Jumlah no1 n02 noK n
Sumber: Sudjana halaman 279 Keterangan: B = baris K = kolom O = Observasi N = jumlah observasi Untuk pengujian hipotesis penelitian asosiasi antara faktor 1 dan faktor 2 digunakan uji 2 dengan prosedur sebagai berikut:
NAMA : ROBIN PRATAMA 25 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 1. Tingkat signifikansi 0,05 dengan derajat bebas df = [B-1] x [K-1]. 2. Dengan menggunakan nilai frekuensi yang diamati dapat dihitung nilai frekuensi yang diharapkan dengan rumus: Keterangan: Eij = jumlah frekuensi yang diharapkan ni0 = jumlah baris ke-I n0j = jumlah baris ke-j n = jumlah sampel yang diambil 3. Langkah selanjutnya adalah melakukan uji statistika yaitu Chi Square test Keterangan: Nij = jumlah frekuensi yang diamati Eij = jumlah frekuensi yang diharapkan Apabila nilai probabilitas eror < level of significance () maka Ho ditolak dan Hi diterima artinya kedua faktor tersebut saling berhubungan Apabilai nilai probabilitas eror > level of significance () maka Ho diterima dan Hi ditolak artinya kedua faktor tersebut tidak saling berhubungan. Pengukuran derajat asosiasi antar faktor dengan membandingkan antara: C = dengan Cmaks = Keterangan:
NAMA : ROBIN PRATAMA 26 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI m = yang lebih kecil antara baris dan kolom Kriteria = makin dekat harga C terhadap C maks makin kuat asosiasi antara faktor-faktor. Syarat-syarat menggunakan metode Chi Kuadrat menurut Sidney Siegel (1994) adalah sebagai berikut: 1. Tidak ada satu selpun boleh memiliki fre-kuensi yang diharapkan (Eij) kurang dari 1. 2. Frekuensi diharapkan kurang dari 5 maksimal dari 20% dari jumlah total sel. Jika hal itu terjadi maka harus dilakukan penggabungan kategori-kategori yang berdekatan sehingga meningkatkan nilai fre-kuensi yang diharapkan dalam berbagai 3. BAGIAN-BAGIAN CHI-SQUARE/CHI- KUADRAT . Bentuk Distribusi Chi Kuadrat () Nilai adalah nilai kuadrat karena itu nilai selalu positif. Bentuk distribusi tergantung dari derajat bebas(db)/degree of freedom. Contoh : Berapa nilai untuk db = 5 dengan = 0.010? (15.0863) Berapa nilai untuk db = 17 dengan = 0.005? (35.7185) Pengertian pada Uji sama dengan pengujian hipotesis yang lain, yaitu luas daerah penolakan H0 atau taraf nyata pengujian Perhatikan gambar berikut : Error: Reference source not found : luas daerah penolakan Ho = taraf nyata nyata pengujian
NAMA : ROBIN PRATAMA 27 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Penggunaan Uji Uji dapat digunakan untuk : a. Uji Kecocokan = Uji kebaikan-suai = Goodness of fit Test b. Uji Kebebasan c. Uji beberapa proporsi 1. Uji kecocokan Penetapan Hipotesis Awal dan Hipotesis Alternatif H0 : frekuensi setiap kategori memenuhi suatu nilai/perbandingan. H1 : Ada frekuensi suatu kategori yang tidak memenuhi nilai/perbandingan tersebut.
NAMA : ROBIN PRATAMA 28 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 4. CONTOH-CONTOH SOAL Contoh soal 1 : Pelemparan dadu 120 kali, kita akan menguji kesetimbangan dadu . Dadu setimbang jika setiap sisi dadu akan muncul 20 kali. H0 : setiap sisi akan muncul = 20 kali. H1 : ada sisi yang muncul 20 kali. Contoh soal 2: Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H0 : perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 : 1 Rumus X2 =
(
i =1
oi ei 2 ) ei
oi : frekuensi observasi untuk kategori ke-i ei : frekuensi ekspektasi untuk kategori ke-i kaitkan dengan frekuensi ekspektasi dengan nilai/perbandingan dalam H0 Derajat Bebas (db) = k - 1 Perhitungan Contoh soal 3 : Pelemparan dadu sebanyak 120 kali menghasilkan data sebagai berikut : kategori : sisi-1 sisi-2 sisi-3 sisi-4 sisi-5 sisi-6
NAMA : ROBIN PRATAMA 29 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Kategori Frekuensi observasi Frekuensi ekspektasi Sisi 1 20 20 Sisi 2 22 20 Sisi 3 17 20 Sisi 4 18 20 Sisi 5 19 20 Sisi 6 24 20
NAMA : ROBIN PRATAMA 30 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 5. LANGKAH-LANGKAH PENYELESAIAN : 1. H0 : Dadu setimbang semua sisi akan muncul = 20 kali. H1 : Dadu tidak setimbang ada sisi yang muncul 20 kali. 2. Statistik Uji 3. Nilai = 5 % = 0.05 k = 6 ; db = k - 1 = 6-1 = 5 4. Nilai Tabel k = 6 ; db = k - 1 = 6-1 = 5 db = 5; = 0.05 tabel = 11.0705 5. wilayah kritis = Penolakan H0 jika hitung > tabel (db; ) hitung > 11.0705 6. Perhitungan X2 =
k
(
i =1
oi ei 2 ) ei oi 20 22 17 18 19 24 120 ei 20 20 20 20 20 20 120 (oi-ei) 0 2 -3 -2 -1 4 . (oi-ei) 0 4 9 4 1 16 . (oi-ei)/ei 0 0,20 0,45 0,20 0,05 0,80 1,70
kategori Sisi 1 Sisi 2 Sisi 3 Sisi 4 Sisi 5 Sisi 6 hitung = 1.70
7. Kesimpulan : hitung = 1.70 < tabel Nilai hitung ada di daerah penerimaan H0 H0 diterima; pernyataan dadu setimbang dapat diterima. Contoh soal 4 :
NAMA : ROBIN PRATAMA 31 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1. Jika 500 kg adonan yang dihasilkan, diketahui mengandung 275 kg Coklat, 95 kg Gula, 70 kg Susu dan 60 kg Krim, apakah mesin itu bekerja sesuai dengan perbandingan yang telah ditentukan? Lakukan pengujian dengan taraf nyata = 1 %. Langkah-langkah penyelesaian/solusi : 1. H0 : perbandingan Coklat : gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 : 1 2. Statistik Uji 3. Nilai = 1 % = 0.01 4. Nilai Tabel k = 4; db =k -1 = 4-1= 3 db = 3; = 0.01 tabel = 11.3449 5. Wilayah Kritis= Penolakan H0 jika hitung > tabel (db; ) hitung > 11.3449 6. Perhitungan
k
X2 =
(
i =1
oi ei 2 ) ei
Kategori 0i ei (0i-ei) Coklat 275 250 25 gula 95 100 -5 susu 70 100 -30 krim 60 50 10 500 500 . Perbandingan coklat : gula : susu : krim = 5 : 2 : 2 :1 Dari 500 kg adonan: Nilai ekspektasi Coklat = 5/10 x 500 = 250 kg Nilai ekspektasi Gula = 2/10 x 500 = 100 kg
(0i-ei) 625 25 900 100 .
(0i-ei)/ei 2,50 0,25 9,00 2,00 13,75
NAMA : ROBIN PRATAMA 32 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Nilai ekspektasi Susu = 2/10 x 500 = 100 kg Nilai ekspektasi Krim = 1/10 x 500 = 50 kg hitung = 13.75 7. Kesimpulan : hitung = 13.75 > tabel =(13,75> 11.3449) hitung ada di daerah penolakan H0 H0 ditolak, H1 diterima. Perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 :1 2. Uji Kebebasan dan Uji Beberapa Proporsi Uji kebebasan antara 2 variabel memiliki prinsip pengerjaan yang sama dengan pengujian beberapa proporsi. 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 2 Data dalam pengujian ketergantungan (hubungan) variabel dan beberapa proporsi disajikan dalam bentuk Tabel Kontingensi (Cross Tab) Bentuk umum Tabel Kontingensi berukuran r baris x k kolom Frekuensi harapan = (total kolom)x (total baris) Total observasi
NAMA : ROBIN PRATAMA 33 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI r,k X2 = ( 0ij- eij )2 i,j eij derajat bebas = (r-1)(k-1) r : banyak baris k : banyak kolom oi j , : frekuensi observasi baris ke-i, kolom ke-j ei j , : frekuensi ekspektasi baris ke-i, kolom ke-j Perhitungan Kita akan menguji kebebasan antara faktor gender (jenis kelamin) dengan jam kerja di suatu pabrik. Tabel kontingensi dapat dibuat sebagai berikut : Kurang dari 25 Pria 2 jam/minggu 2,33 wanita 3Error: source 25 sampai 50 7 jam / minggu 6,07 found 6Error: Reference source Lebih dari 50 5 jam /minggu 5,60 found 7Error: Reference source Total kolom 14 found 16 not 30 not 12 2,67 Reference not 13 Total baris 5
Apakah ada kaitan antara gender dengan jam kerja?
NAMA : ROBIN PRATAMA 34 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Lakukan pengujian kebebasan variabel dengan taraf uji 5 Ukuran Tabel Kontingensi di atas = 3 2 ( 3 baris dan 2 kolom) db = (3-1)(2-1) = 2 1 = 2 Solusi : 1. H0 : Gender dan Jam kerja saling bebas H1 : Gender dan Jam kerja tidak saling bebas 2. Statistik Uji = 3. Nilai = 5 % = 0.05 4. Nilai Tabel db = 2; = 0.05 tabel = 5.99147 5. Daerah Penolakan H0 hitung > tabel hitung > 5.99147 6. Perhitungan Frekuensi harapan = (total kolom)x (total baris) Total observasi frekuensi harapan untuk : pria, < 25 jam = 14 x 5 30 pria, > 50 jam = 14 x12 = 5,60 30 wanita, > 50 jam = 16 x12 = 6,40 30 Selesaikan Tabel perhitungan di bawah ini. Kategori P < 25 P 25-50 P > 50 W < 25 0i 2 7 5 3 ei 2,33 6,07 5,60 2,67 (oi-ei) -0,33 0.93 -0,60 0,33 (oi-ei)2 0,1089 0,8649 0,36 0,1089 (oi-ei)2/ei 0,0467 0,1425 0,0643 0,0408 = 2,33 pria, 25-50 jam = 14 x13 =6 07 30 wanita < 25 jam = 16 x 5 = 2,67
NAMA : ROBIN PRATAMA 35 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI W 25-50 W > 50 7. Kesimpulan hitung = 0.4755 < tabel = 5.99147) X2 hitung ada di daerah penerimaan H0 H0 diterima, gender dan jam kerja saling bebas Catatan : Kesimpulan hanya menyangkut kebebasan antar variabel dan bukan hubungan sebab-akibat (hubungan kausal) 6 7 6,93 6,40 -0,93 0,60 0,8649 0,36 0,1249 0,0563 X2 =0,4755
NAMA : ROBIN PRATAMA 36 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Contoh soal 6 : Berikut adalah data banyaknya penyiaran 3 jenis film di 3 stasiun TV. Apakah proporsi pemutaran Film India, Taiwan dan Latin di ketiga stasiun TV tersebut sama? Lakukan Pengujian proporsi dengan Taraf Nyata = 2.5 % ATV Film India Film kungfu Film latin Total kolom(%) (%) 4,5 2,5 3,0 10 4,17 3,33 2,50 BTV (%) 3,5 1,0 2,5 7 2,92 2,33 1,75 CTV (%) 2,0 4,5 0,5 7 Total baris (%) 2,92 10 2,33 8 1,75 6 Total observasi(%)= 24
*) Nilai dalam kotak kecil adalah frekuensi ekspektasi Perhatikan cara mendapatkan frekuensi ekspektasi! Ukuran Tabel Kontingensi di atas = 3 3( 3 baris dan 3 kolom) db = (3-1)(3-1) = 2 2 = 4 solusi : 1. H0 : Proporsi pemutaran film India, Taiwan dan Latin di ketiga stasiun TV adalah sama. H1 : Ada proporsi pemutaran film India, Taiwan dan Latin di ketiga stasiun TV yang tidak sama. 2. Statistik Uji = 3. Nilai = 2.5 % = 0.025 4. Nilai Tabel db = 4; = 0.025 tabel = 11.1433 5. Daerah Penolakan H0 hitung > tabel hitung > 11.1433
NAMA : ROBIN PRATAMA 37 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 6. Perhitungan Frekuensi harapan untuk India, ATV = 10x10 = 4,17 24 Latin, ATV = 10x16 = 2,50 24 India, BTV = 7x10 = 2,92 24 Latin, BTV = 7x 6 = 1,75 24 India, CTV = 7x10 = 2,92 24 Latin, CTV = 7x 6 = 1,75 24 Kategori Ind, ATV Kf, Atv Lat, ATV Ind,BTV Kf,BTV Lat, BTV Ind, CTV Kf,CTV Lat,CTV 0i 4,5 2,5 3,0 3,5 1,0 2,5 2,0 4,5 0,5 ei 4,17 3,33 2,50 2,92 2,33 1,75 2,92 2,33 1,75 (0i-ei) 0,33 -0,83 0,50 -0,58 -1,33 0,75 -0,92 2,17 -1,25 (0i-ei) 0,1089 0,6889 0,2500 0,3364 1,7689 0,5625 0,8464 4,7089 1,5625 (0i-ei)/ei 0,0261 0,2069 0,1000 0,1152 0,7592 0,3214 0,2899 2,0201 0,8929 X2= 4,7317
7. Kesimpulan :
NAMA : ROBIN PRATAMA 38 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI hitung = 2.4076 < tabel = 11.1433 hitung terletak di daerah penerimaan H0 . H0 diterima, proporsi pemutaran ketiga jenis film di ketiga statiun TV adalah sama. Ada beberapa jenis tes chi-kuadrat tetapi yang paling umum adalah Pearson chi-kuadrat yang memungkinkan kita untuk menguji independensi dari dua variabel kategori. Semua tes chi-kuadrat didasarkan atas distribusi chi-kuadrat, mirip dengan cara t-tes, sama halnya dengan distribusi atau uji-F yang didasarkan pada distribusi F. 1. uji kecocokan 2. uji kebebasan 3. uji beberapa proporsi Misalkan kita memiliki hipotesis bahwa tingkat kelulusan / kegagalan dalam sebuah kelas matematika tertentu berbeda untuk laki-laki dan perempuan. Katakanlah kita mengambil sampel acak dari 100 siswa dan mengukur kedua jenis kelamin (lakilaki/wanita) dan status kelulusan (lulus/gagal) sebagai variabel kategorik. Tabel 1. Data tingkat kelulusan kelas matematika tersebut akan menjadi sebagai berikut Siswa Lulus Tidak lulus TOTAL 44 56 100 Laki-laki Perempuan 30 14 36 20 TOTAL 66 34
Hipotesis Null: Distribusi frekuensi beberapa kejadian yang diamati pada sebuah sampel konsisten dengan distribusi teoritis tertentu
6. SOAL LATIHAN 1. Suatu adonan kue cake akan menghasilkan perbandingan antara coklat:gula: susu: mentega= 5:2:2:1. jika 300 kg adonan yang dihasilkan, diketahui mengandung 100kg coklat, 75 kg gula, 55 kg susu, 70 kg mentega.apakah adonan tersebut dapat dicampur sesuai dengan perbandingan yang telah ditentukan? Lakukan pengujian dengan taraf nyata 1%. 2. pelemparan dadu sebanyak 60 kali menghasilkan data sebagai berikut: Kategori Sisi 1 Frrekuensi 10 observasi Frekuensi harapan Apakah dadu itu dapat dikatakan setimbang? Lakukan pengujian dengan taraf nyata 5% 10 Sisi 2 12 10 Sisi 3 8 10 Sisi 4 10 10 Sisi 5 15 10 Sisi 6 5 10
7. JAWABAN SOAL 1).Solusi H0 = perbandingan coklat: gula:susu : mentega = 5:2:2:1 H1 =perbandingan coklat: gula :susu : mentega 5:2:2:1 2. Statistik uji X2 3. Nilai =1% =0,01 4.Nilai tabel X2 k= 4,db = k-1 = 4-1 = 3 db = 3 =0,01 X2tabel =11,3449 5.wilayah kritis= penolakan H0 jika X2 hitung > X2tabel X2 hitung > 11,3449 6.perhitungan X2 X = Kategori Coklat Gula Susu mentega
2
(
i =1
oi ei 2 ) ei ei 150 60 60 30 300 oi-ei -50 15 -5 40 (oi-ei)2 2500 225 25 1600 (oi-ei)2/ei 16,66 3.75 0,42 53,33 74,16
oi 100 75 55 70 300
Perbandingan coklat:gula:susu:mentega = 5:2:2:1 Dari adonan 300kg: Nilai harapan coklat =5/10x300=150 Nilai harapan gula = 2/10x300 =60
NAMA : ROBIN PRATAMA 41 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Nilai harapan susu = 2/10x300=60 Nilai harapan mentega= 1/10x300=30 X2 hitung = 74,16 7. kesimpulan X2 hitung> X2 tabel 74,16 > 11,3449 H0,ditolak, H1diterima Perbandingan coklat:gula:susu:mentega 5:2:2:1 1. Solusi H0 = Dadu setimbang semua sisi akan muncul = 10 kali H1 = dadu tidak setimbang aada sisi yang muncul 10 kali 2. Statistik uji X2 3. Nilai = 5% = 0,05 4. Nilai tabel X2 K=6 db=k-1 =6-1= 5 Db=5 =0,05 X2 tabel =11,0705 5. wilayah kritis : penolakan H0 jika X2 hitung > X2tabel X2hitung > 11,0705 6. perhitungan X2 X = Kategori Sisi1
2 k
(
i =1
oi ei 2 ) ei ei 10 oi-ei 0 (oi-ei)2 0 (oi-ei)2/ei 0
Oi 10
NAMA : ROBIN PRATAMA 42 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Sisi 2 Sisi 3 Sisi 4 Sisi 5 Sisi 6 12 8 10 15 5 60 10 10 10 10 10 60 2 -2 0 5 -5 4 4 0 25 25 0,4 0,4 0 2,5 2,5 5,8
X2hitung =5,8 7. kesimpulan X2 hitung =5,8 < X2 tabel Nilai X2 hitung ada di daerah penerimaan H0 H0 diterima,pernyataan dadu setimbang dapat diterima
NAMA : ROBIN PRATAMA 44 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI DISTRIBUSI BINOMIAL 1. PENGERTIAN DISTRIBUSI PROBABILITAS BINOMIAL Distribusi Probabilitas Binomial menggambarkan data yang dihasilkan oleh suatu percobaan yang dinamakan percobaan beroulli. ciri-ciri Bernoulli a. setiap kegiatan hanya dihasilkan 2 kejadian Percobaan /kegiatan Melempar uang keudara Perubahan harga Kejadian 1. muncul gambar 2. muncul angka 1. inflasi 2. deflasi
b. probabilitas sebuah kejadian baik sukses maupun gagal tetap bernilai sama untuk setiap percobaan c. percobaan-percabaan bersifat independent d. data yang dikumpul merupakan hasil dari perhitungan. pembentukan distribusi normal untuk membentuk suatu distribusi binomial diperlkukan ppengetahuan dua hal yaitu: a. banyaknya atau jumlah dario percobaan atau kegoiatan dan, b. probabilitas suatu kejadian baik sukses maupun gagal. Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:
P(r ) =
n! p r .q n r r!(n r )!
NAMA : ROBIN PRATAMA 45 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI dimana: P(r) P N = nilai probabilitas binomial = probabilitas sukses suatu kejadian untuk keseluruhan percobaan = jumlah nilai percobaan
Probabilitas gagal suatu kejadian yang diperolehb dari q = 1 p 2. TUJUAN DAN KEGUNAAN DISTRIBUSI BINOMIAL Tujuan dengan diadakan perhitungan distribusi binomial adalah untuk mengetahui probabilitas suatu jkejadian tersebut sukses maupun gagal dalam suatu percobaan. 3. CONTOH SOAL PT. MENA JAYA FARM (MJF) mengirim sebuah semangka ke hero supermarket. Dengan jaminan kualitas yang baik, maka 90% sermangka yang dikirim lolos seleksi oleh Hero Supermarket. PT. MJF setioap hari mengirim 15 buah semangka dengan berat antara 5-6 kg. a. berapa probabilitas 25 buah semangka? b. Berapa probabilitas 13 buah semangka? c. Berapa probabilitas 10 buah yang diterima? 4. LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL DISTRIBUSI BINOMIAL a. probabilitas 15 buah yang diterima semua n = 15 r = 15 p = 90% =0,9 q = 1% =0,1
n! P(r ) = p r .q n r r!(n r )!
P (r ) =
15! 0,915.0,11515 15!(15 15)!
P( r ) =
15! 0,915.0,10 15!(0)!
P(15) = 1x0,206 x1
P (15) = 0,206
b. probabilitas 2 ditolak atau 13 buah diterima semua n = 15 r = 13 p = 90% = 0,9 q = 10% = 0,1
P(r ) =
P(r ) =
n! p r .q n r r!( n r )!
15! 0,913 0,11513 13!(15 13)!

15! 0,9130,12 15!(2)!
P (13) =
P (13) = 105 x 0,2 x0,01 P (13) = 0,267

b. probabilitas 10 buah diterima semua n = 15 r = 10 p = 90% = 0,9 q = 0,1
P(r ) =
P(10) =
n! p r .q n r r!(n r )!
15! 0,910.0.11510 10!(15 10)!
P(10) =
15! 0,910 0,15 15!(5)!
P (10) = 3,003 x0,35 x0,00001

P (10) = 0,010
Jadi, probabilitas untuk diterima 15 adalah 20,6%: diterima 13 buah sebesar 26,7%; dan diterima 10 buah probabilitasnya adalah 10,0%.
NAMA : ROBIN PRATAMA 48 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 5. SOAL LATIHAN
Sebuah industri rumah tangga yan memproduksi keranjang dari dau ulang plastik dengan jaminan kualitas bahan yang baik, maka 90% keranjang yang dikirim ke sebuah supermarket lulus seleksi. Industri tersebutmengirim 10 buah keranjan setiap minggunya. Pertanyaan? a. brapa probabilitas 10 keranjang diterima b. berapa probabilitas 5 keranjang diterima
6.
JAWABAN SOAL LATIHAN
a. probabilitas 10 keranjang diterima semua
P(10) =
10! 0,910.0,110 10 10!(10 10)
P (10) =
10! 0,910.0,10 10!(0)!
P (10) = 1.0,349 .1
P (10) = 0,349
b. probabilitas 5 keranjang diterima
P (5) =
P (5) =
P(10) =
10! 0,9 5 0,110 5 5!(10 5)!

5! 0,590.0,00001 5!(5)!
30240 0,590 .0,00001 120
P(10) = 0,008
NAMA : ROBIN PRATAMA 51 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI ANALISYS OF VARIANS (ANOVA) 1. PENGERTIAN ANOVA Analisa varian atau anova adalah suatu metode untuk menguji hipoteis kesamaan rata-rata dari tiga atau lebih populasi. Asumsi o Sample diambil secara random dan saling bebas ( independent ) o Populasi berdistribusi berdistribusi normal o Populsi mempunyai kesamaan variansi Misalkan kita mempunyai k populasi. Dari masing-masing populasi diambil sampel berukuran n. Misalkan pula bahwa k populasi itu bebas ban berdistribusi normal dengan rata-rata dan variansi 1, 2,...... dan k dan variansi 2 Hipotesa : Ho : 1 = 2 = ... = k H1 : ada rata-rata yang tidak sama Analisis varians ( analisis of variance, ANOVA ) adalah suatu metode analisis statistika yang termasuk kedalam cabang stetistika inferensi.dalam literatur indonesia metide ini dikenal dengan berbagai nama lain seperti ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari msalah behrens-Fisher, sehingga uji F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh sir Ronal fisher, bapak statistika modern. Dalam praktek , analisis varians dapat merupakan uji hipotesis ( lebih sering dipakai ) maupun pendugaan ( estimation, khususnya dibidang genetika terapan) Secara umum, analisis varians menguji dua varians ( atau ragam ) berdasarkan hipotesis nol bahwa kwdua varians iti sama. Varians pertama adalah varians antar contoh ( among sampel ) dan varians kedua adalah varians didalam masing-masing
NAMA : ROBIN PRATAMA 52 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI contoh ( within samples ). Dengan ide semacam ini, analisis varians dengan dua contoh akanmemberikan hasil yang ama dengan uji T untuk kedua rerata ( mean ). Supaya sahih ( valid ) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam rancanga percobaan : 1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-snedecor. 2. varians atau ragamnya homogen, dikenal sebagai homoskedastisitas,karena hanya digunakan satu penduga untuk varians dalam contoh. 3. masing-masing contoh saling independen, yang harus dapat diatur dengan perencanangan percobaan yang tepat. 4. komponen-komponen dalam modelnya bersifat aditif ( saling menjumlah) Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium higga eksperimen periklanan, psikologi, dan kemasyarakatan. 2. TUJUAN DAN KEGUNAAN ANOVA TUJUAN ANOVA 1. Untuk mengetahui dan memahami jui statistik dengan menggunakan ANOVA. 2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji ANOVA dalam kehidupan sehari-hari. 3. Agar dapat menyelesaikan persoalan uji ANOVA dan menarik kesimpulan yang sesuai dengan persoalan yang diujikan. KEGUNAAN ANOVA Mengendalikan 1 ataulebih variabel independen o Disebut dengan faktor ( atau variabel treatment ) o Tiap faktor mengandung 2 atau lebih level ( katagori / klasifikasi )
NAMA : ROBIN PRATAMA 53 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Mengamati efek padavariabel dependen o Merespon level pada variabel independen Perencanaan eksperimen : perencanaan dengan menggunakan uji hipotesis
3. BAGIAN-BAGIAN ANOVA Anova dapat digolongan kedalam beberapa kriteria, yaitu : 1. klasifikasi 1 arah Anova klasifikasi 1 arah merupakan anova yang didasarkan pada pengamatan 1 kriteria. 2. Klasifikasi 2 arah Klasifikasi 2 arah merupakan aova yang didasarkan pada engamatan 2 kriteria. 3. Klasifikasi banyak arah Anova banyak arah merupakan Anova yang didasarkan pada pengamatan banyak kriteria. 4. CONTOH SOAL ANOVA 1. Sebagai manajer produksi anda ingin melihat mesin pengisi akan dilihat ratarata waktu pengisiannya. Diperoleh data seperti disamping. Pada tinggkat signifikasi 0,05 adakah perbedaan rata-rata waktu ? Mesin 1 25,40 26,31 24,10 23,74 25,10 Mesin 2 23,40 21,80 23,50 22,75 21,60 Mesin 3 20,00 22,20 19,75 20,60 20,40
5. LANGKAH-LANGKAH PENYELESAIAN ANALISIS VARIANS Tingkat signifikan = 0,05 dF 1 = 2 (derajat bebas perlakuan )
NAMA : ROBIN PRATAMA 54 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI dF 2 = 12 ( derajat bebas galat ) maka F ( 0,05; 2 ; 12 ) = 3,89 Jadi daerah penolakannya : H0 ditolak jika F > 3,89 Data Populasi 1 25,40 26,31 24,10 23,74 25,10 124,65
Total
2 23,40 21,80 23,50 22,75 21,60 113,05
3 20,00 22,20 19,75 20,60 20,40 102,95
340,65
a. Jumlah kuadrat Total ( JKT ) JKT = x 2 ij T .. i =1 j =1 nk JKT = 25,402 + 26,312 + 24,102 + 23,742 + 25,102 + 23,402 + 21,802 + 23,502 + 22,752 + 21,60 + 20,00 + 22,20 + 19,75 + 20,60 + 20,40 - 340,65 53
2 2 2 2 2 2 2 K n 2
JKT = 645,16 + 692,2161 + 580,81 + 563,5876 + 630,01 + 547,56 + 475,24 + 552,25 + 517,5625 + 466,56 + 400 + 492,84 + 390,0625 + 424,36 + 416,16 116042,4225 15 = 7794,3787 7736,1615 = 58,2172 b. Jumlah Kuadrat Perlakuan ( JKP )
NAMA : ROBIN PRATAMA 55 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Ti T JKP = i =1 k 2
2 ..
n = =
nk
124,65 2 + 113,05 2 + 102,95 2 340,65 2 5 5 3 38916,6275 - 7736,4225 5
= 7783,3255 7736,1615 JKP = 47,164
c. Jumlah Kuadrat galat ( JKG ) JKG = JKT JKP JKG = 58,2172 47,164 JKG = 11,0532 Tabel ANOVA dan daerah penolakan Sumber variasi perlakuan Derajat bebas k-1 (3-1) = 2 Jumlah kuadrat 47,164 Kuadrat rata-rata KRP = JKP/ (k)-1 KRP = 47,164/(3-1) KRP = 47,164/2 galat k ( n-1 ) 3 ( 5-1 ) 3 ( 4 ) = 12 11,0532 KRP = 23,582 KRG = JKG/(k(n-1) KRG = 11,0532/(3(5-1) KRG = 11,0532/(3(4) KRG = 11,0532/12 KRG = 0,9211 total nk 1 5.3 1 15 1 = 14 58,2173 F = KRP/KRG F = 23,582/0,9211 F = 25,60 statistik
Karena F hitung > F tabel maka H0 ditolak Karena 25,60 > 3,89 maka H0 ditolak
CONTOH SOAL ANOVA Dalam sebuah percobaan biologis 4 konsentrasi bahan kimia digunkaan untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode waktu tertentu. Konsentrasi 1 8,2 8,7 9,4 9,2 2 7,7 8,4 8,6 8,1 8,0 3 6,9 5,8 7,2 6,8 7,4 6,1 4 6,8 7,3 6,3 6,9 7,1
Langkah-langkah : Tingkat signifikansi = 0,05 dF 1 = 3 ( Derajat bebas perlakuan ) dF 2 = 16 ( Derajat bebas galat ) Maka F ( 0,05 ; 3 ; 16 ) = 3,24 Jadi daerah penolakanya H0 ditolak jika F > 3,24 Data Populasi 1 8,2 8,7 9,4 9,2 Total 35,5 2 7,7 8,4 8,6 8,1 8,0 40,8 3 6,9 5,8 7,2 6,8 7,4 6,1 40,2 4 6,8 7,3 6,3 6,9 7,1 34,4
Total 150,9
NAMA : ROBIN PRATAMA 57 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI a. Jumlah kuadrat total ( JKT ) JKT =
i =1
2 x 2 ij - T... k j =1
JKT = 8,22 + 8,72 + 9,4 2+9,22 + 7,72 + 8,42 + 8,6 2+ 8,12 + 8,02 + 6,9 2+ + 7,22 + 6,82 + 7,42 + 6,12 + 6,82 + 7,32 + 6,32 + 6,92 + 7,12 150,9 2 20
5,82
JKT = 67,24 + 75,69 + 88,36 + 84,64 + 59,29 + 70,56 + 73,96 + 65,61 + 64 + 47,61 + 33,64 + 51,84 + 46,24 + 54,76 + 37,21 + 46,24 + 53,29 + 39,69 + 47,61 + 50,41 22770,81 20
JKT = 1157,89 1138,5405 JKT = 19,3495 ( dibulatkan ) JKT = 19, 350 b. Jumlah Kuadrat Perlakuan ( JKP ) JKP = JKP =
k
i =1
Ti 2 T...2 ni N
35,5 2 40,82 2 40,2 2 34,4 2 150,9 2 + + + 4 5 6 5 20 22770,81 20
1260,25 1664,64 1616,04 1183,36 JKP = + + + 4 5 6 5
JKP = 315,0625 + 332,928 + 269,34 + 236,672 1138, 5405 JKP = 15,462 c. Jumlah Kuadrat Galat ( JKG ) JKG = JKT JKP JKG = 19,350 15,462 JKG = 3,888 Tabel Anova dan Daerah Pendapatan
NAMA : ROBIN PRATAMA 58 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Sumber Variansi Perlakuan Derajat Bebas k-1 ( 3-1 ) = 2 Jumlah Kuadrat 15,462 Kuadrat Rata-rata KRP = JKP/(k-1) KRP = 15,462/(4-1) KRP = 15,462/3 KRP = 5,514 F = KRP/KRG Galat Nk ( 20- 4 ) = 16 3,888 KRG = JKG/N-k KRG = 3,888/(20-4) KRG = 3,888/16 KRG = 0,243 Total N1 ( 20-1 ) = 19 Karena F hitung > F tabel maka Ho ditolak Karena 21,21 > 3,24 maka Ho ditolak 19,350 F = 5.514/0,243 F = 21,21 Statistik F
6. SOAL LATIHAN ANOVA 1. Sebagai manajer produksi anda ingin melihat mesin pengisi akan dilihat ratarata waktu pengisiannya. Diperoleh data seperti disamping. Pada tinggkat signifikansi 0,05 adakah perbedaan rata-rata waktu ? Mesin 1 24,40 25,31 23,10 22,74 24,10 Mesin 2 22,40 20,80 22,50 21,75 20,60 Mesin 3 19,00 21,20 18,75 19,60 19,40
NAMA : ROBIN PRATAMA 59 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 2. dalam sebuah percobaan biologi 4 konsentrasi bahan kimia digunakan untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode waktu tertentu. Konsentrasi 1 7,2 7,7 8,4 8,2
2 6,7 7,4 7,6 7,1 7,0
3 5,9 4,8 6,2 5,8 6,4 5,1
4 5,8 6,3 5,3 5,9 6,1
NAMA : ROBIN PRATAMA 60 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 7. JAWABAN LATIHAN Langkah- langkah : Tingkat signifikansi = 0,05 dF 1 = 2 ( Derajat bebas perlakuan ) dF 2 = 12 ( Derajat bebas galat ) Maka F ( 0,05 ; 2 ; 12 ) = 3,89 Jadi daerah penolakanya H0 ditolak jika F > 3,89 Data Populasi 1 24,40 25,31 23,10 22,74 24,10 119.65 2 22,40 20,80 22,50 21,75 20,60 108,05 3 19,00 21,20 18,75 19,60 19,40 97,95
Total
325,65
a. Jumlah kuadrat Total ( JKT ) JKT = x ij2 T .. i =1 j =1 nk JKT = 24,402 + 25,312 + 23,102 + 22,742 + 24,102 + 22,402 + 20,802 + 22,502 + 21,752 + 20,60 + 19,00 + 21,20 + 18,75 + 19,60 + 19,40 - 325,65 53
2 2 2 2 2 2 2 K n 2
JKT = 595,36 + 640,5961 + 533,61 + 517,1076 + 580,81 + 501,76 + 432,64 + 507,25 + 473,0625 + 424,36 + 361 + 449,44 + 351,5625 + 384,16 + 376,36 106047 ,9225 15 JKT = 7128,0787 7069,8615 JKT = 58,2172
NAMA : ROBIN PRATAMA 61 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI b. Jumlah Kuadrat Perlakuan ( JKP ) JKP =
T i
i =1
n = =
T..2 nk
119,65 2 + 108,05 2 + 97,95 2 325,65 2 5 3 5 14316,1225 + 11674,8025 + 9594,2025 - 7069,8615 5
= 7117,0255 77069,8615 JKP = 47,164
c. Jumlah Kuadrat galat ( JKG ) JKG = JKT JKP JKG = 58,2172 47,164 JKG = 11,0532 Tabel ANOVA dan daerah penolakan Sumber variasi perlakuan Derajat bebas k-1 (3-1) = 2 Jumlah kuadrat 47,164 Kuadrat rata-rata KRP = JKP/ (k)-1 KRP = 47,164/(3-1) KRP = 47,164/2 galat k ( n-1 ) 3 ( 5-1 ) 3 ( 4 ) = 12 11,0532 KRP = 23,582 KRG = JKG/(k(n-1) KRG = 11,0532/(3(5-1) KRG = 11,0532/(3(4) KRG = 11,0532/12 KRG = 0,9211 F = KRP/KRG F = 23,582/0,9211 F = 25,60 statistik
NAMA : ROBIN PRATAMA 62 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI total nk 1 5.3 1 15 1 = 14 Karena F hitung > F tabel maka H0 ditolak Karena 25,60 > 3,89 maka H0 ditolak 58,2173
Jawaban latihan. Tingkat signifikansi = 0,05 dF 1 = 3 ( Derajat bebas perlakuan ) dF 2 = 16 ( Derajat bebas galat ) Maka F ( 0,05 ; 3 ; 16 ) = 3,24 konsentrasi 1 7,2 7,7 8,4 8,2 Total 31,5 Jadi daerah penolakanya H0 ditolak jika F > 3,24 Data
2 6,7 7,4 7,6 7,1 7,0 35,8
3 5,9 4,8 6,2 5,8 6,4 5,1 34,2
4 5,8 6,3 5,3 5,9 6,1 29,4
Total 130,9
a. Jumlah kuadrat total ( JKT ) JKT =
x ij
i =1 j =1
T...2 k
NAMA : ROBIN PRATAMA 63 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI JKT = 7,22 + 7,72 + 8,4 2+8,22 + 6,72 + 7,42 + 7,6 2+ 7,12 + 7,02 + 5,9 2+ 130,9 2 + 6,2 + 5,8 + 6,4 + 5,1 + 5,8 + 6,3 + 5,3 + 5,9 + 6,1 20
2 2 2 2 2 2 2 2 2
4,82
JKT = 51,84 + 59,29 + 70,56 + 67,24 + 44,89 + 54,76 + 57,76 + 50,41 + 49 + 34,81 + 23,04 + 38,64 + 40,96 + 26,01 + 33,64 + 39,69 + 28,09 + 34,81 + 47,61 + 37,21 JKT = 876,09 856,7405 JKT = 19,3495 ( dibulatkan ) JKT = 19, 350 b. Jumlah Kuadrat Perlakuan ( JKP ) JKP = JKP = 17134,81 20
i =1
Ti 2 T...2 ni N
31,5 2 35,8 2 34,2 2 29,4 2 130,9 2 + + + 4 5 6 5 20 17134,81 20
992,25 1281,64 1169,64 864,36 JKP = + + + 4 5 6 5
JKP = 248,0625 + 256,328 + 194,94 + 172,872 856,7405 JKP = 872,2025 856,7405 JKP = 15,462 c. Jumlah Kuadrat Galat ( JKG ) JKG = JKT JKP JKG = 19,350 15,462 JKG = 3,888 Tabel Anova dan Daerah Pendapatan
NAMA : ROBIN PRATAMA 64 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Sumber Variansi Perlakuan Derajat Bebas k-1 ( 3-1 ) = 2 Jumlah Kuadrat 15,462 Kuadrat Rata-rata KRP = JKP/(k-1) KRP = 15,462/(4-1) KRP = 15,462/3 KRP = 5,514 F = KRP/KRG Galat Nk ( 20- 4 ) = 16 3,888 KRG = JKG/N-k KRG = 3,888/(20-4) KRG = 3,888/16 KRG = 0,243 Total N1 ( 20-1 ) = 19 Karena F hitung > F tabel maka Ho ditolak Karena 21,21 > 3,24 maka Ho ditolak 19,350 F = 5.514/0,243 F = 21,21 Statistik F
NAMA : ROBIN PRATAMA 66 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI UJI NORMALITAS A. PENGERTIAN UJI NORMALITAS Uji normalitas adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Data klasifikasi kontinue, data kuantitatif yang termasuk dalam pengukuran data skala interval atau ratio, untuk dapat dilakukan uji statistik parametrik diprasyaratkan berdistribusi normal. Pembuktian data berdistribusi normal tersebut perlu dilakukan uji normalitas terhadap data. Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar. Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. Pembuktian normalitas dapat dilakukan dengan manual, yaitu dengan menggunakan kertas peluang normal, atau dengan menggunakan uji statistik normalitas. B. TUJUAN DAN KEGUNAAN UJI NORMALITAS Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Hal ini penting diketahui karena berkaitan dengan ketetapan pemilihan uji yang akan digunakan. Uji parametrik misalnya, mengsyaratkan data harus normal. Apabila distribusi tidak normal maka disarankan untuk menggunakan uji nonparametric.
NAMA : ROBIN PRATAMA 67 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Uji normalitas berguna untuk membuktikan data dari sampel yang dimiliki berasal dari populasi berdistribusi normal atau data populasi yang dimiliki berdistribusi normal. C. BAGIAN-BAGIAN UJI NORMALITAS Banyak jenis uji statistik normalitas yang dapat digunakan diantaranya Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk atau menggunakan soft ware computer. Soft ware computer dapat digunakan misalnya SPSS, Minitab, Simstat, Microstat, dsb. Pada hakekatnya soft ware tersebut merupakan hitungan uji statistik Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk, dsb yang telah diprogram dalam soft ware komputer. Masing-masing hitungan uji statistik normalitas memiliki kelemahan dan kelebihannya, pengguna dapat memilih sesuai dengan keuntungannya. Di bawah disajikan beberapa cara untuk normal atau tidak. 1. BERDASARKAN KEMIRINGAN / KEMENCENGAN / SKEWNES DAN KURTOSIS Suatu data bila disajikan dalam bentuk kurva halus dapat berbentuk kurva yang miring ke kanan, miring ke kiri atau simetris. Miring ke kanan bila kurva mempunyai ekor (asymtut / menyinggung sumbu X) yang memanjang ke sebelah kanan, demikian miring ke kiri sebaliknya, sedangkan bila simetris berarti kondisi ke kanan dan kiri seimbang, biasanya nilai mean, median dan modus berdekatan bahkan kadang sama. Kondisi kurva yang simetris tersebut sering disebut membentuk kurva distribusi normal. Kemiringan kurva dapat dihitung berdasarkan rumus Koefisien Kemiringan Pearson, yaitu : menguji suatu data berdistribusi
NAMA : ROBIN PRATAMA 68 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Bila hasil kemiringan negatif, maka kurva miring ke kiri, bila hasil kemiringan positif, Maka kurva miring ke kanan, sedangkan pada hasil kemiringan nol, maka kurva normal. Pada kurva normal biasanya data cenderung berdistribusi norma. Secara visual gambar sebagai berikut:
MIRING KEKANAN 1.1 CONTOH SOAL
MIRING KEKIRI
SIMETRIS
Contoh kasus hasil pengukuran kebisingan pada tempat-tempat umum didapat data sebagai berikut:
NAMA : ROBIN PRATAMA 69 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 1.2 LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL UJI
KEMIRINGAN / KEMENCENGAN.
Xi merupakan nilai tengah suatu data (kebisingan) ( ex: 70 + 79 / 2 = 74,5, dst ) Fi x Xi, frekuensi (Fi) dikalikan dengan data ke-i (Xi) misalnya pada baris pertama, 9 x 74,5 = 670,5 dan seterusnya X yaitu rata-rata, untuk mencarinya yaitu jumlah Fi x Xi dibagi jumlah frekuensi. Misalnya pada baris pertama 670,5/50 = 91,5 Xi X, yaitu data ke-i di kurangkan dengan jumlah rata-rata (X), Misalnya pada baris pertama 74,5 - 91,5 = -17 Pada Fi. (Xi X), frekuensi dikalikan dengan hasil pengurangan data ke-i. Misalnya pada baris pertama 9 x (74,5 - 91,5) = 153 (Xi X)2, jumlah pengankatan dari (Xi X), Misalnya pada baris pertama (74,5 91,5)2 = 289 Begitu juda dengan Fi. (Xi X)2, merupakan hasil perpangkatan dari Fi. (Xi X), Misalnya pada baris pertama 9 x (74,5 - 91,5)2 = 2601
Nilai kemiringan 0,44 atau 0,29, berarti miring ke kanan, tidak simetris. Rumus lainnya yang dapat digunakan untuk membutikan kenormalan data, yaitu Koefisien Kurtosis Persentil, sebagai berikut :
Keterangan : = kappa (Koefisien Kurtosis Persentil) SK = rentang semi antar kuartil P = persentil K = kuartil Bila nilai Koefisien Kurtosis Persentil mendekati 0,263, maka dapat disimpulkan data berdistribusi normal. Berdasarkan kurva normal, untuk membuktikan data Berdistribusi normal atau tidak, dapat dihitung berdasarkan rumus Koefisien Kurtosis, yaitu:
Keterangan : a4 = koefisien kurtosis : m = moment sekitar rata-rata, berdasar rumus di bawah
Keterangan : mr = moment ke r = 1 , 2, 3, dst : Xi = data ke i = 1, 2, 3, dst, (titik tengah interval kelas) : n = banyaknya angka pada data : X = rata-rata
NAMA : ROBIN PRATAMA 72 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI : fi = frekuensi Bila nilai a4 sama dengan 3, maka data berdistribusi normal, bila a4 kurang dari 3, maka bentuk kurva normal platikurtik, bila nilai a4 lebih besar dari 3, maka bentuk kurva leptokurtic. Secara visual gambar sebagai berikut:
Contoh data tinggi badan masyarakat kalimas
Dihitung Koefisien Kurtosis Persentil sebagai berikut :
Hasil Koefisien Kurtosis Persentil 0,265 0,263, distribusi normal. Selanjutnya dihitung Koefisien Kurtosis.
Hasil Koefisien Kurtosis > 3, mendekati normal.
2. METODE KERTAS PELUANG NORMAL Metode kertas peluang normal membutuhkan kertas grafik khusus yang disebut Kertas Peluang Normal. Berikut langkah-langkah Dalam metode kertas peluang normal: 2.1 CONTOH SOAL
2.2 LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL KERTAS PELUANG NORMAL 1. Langkah pertama dalam mempergunakan metode kertas peluang normal, yaitu data disajikan dalam bentuk tabel distribusi frekuensi relatif (data disajikan dalam bentuk prosentase). Contoh data sebagai berikut:
2. Selanjutnya tabel diubah dalam bentuk distribusi frekuensi komulatif relatif kurang dari, sehingga terbentuk tabel sebagai berikut :
3. Berikutnya data komulatif relatif ditampilkan pada kertas peluang normal. Sumbu horisontal tempat meletakkan interval kelas dan sumbu vertikal tempat untuk angka komulatifnya. Pertemuan kelas dan angka komulatif ditandai dengan titik-titik. Jika titik-titik tersebut dihubungkan membentuk garis lurus, berarti data berdistibusi normal.
NAMA : ROBIN PRATAMA 76 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Contoh untuk penyajian data di atas pada kertas peluang normal menjadi sebagai berikut :
NAMA : ROBIN PRATAMA 77 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 3. METODE CHI SQUARE (UJI GOODNESS OF FIT DISTRIBUSI NORMAL) Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal, menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang diharapkan. Adapun langkah-langkahnya: 1. Rumus X2
Keterangan : X2 = Nilai X2 Oi = Nilai observasi Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N (total frekuensi) pi x N N = Banyaknya angka pada data (total frekuensi) Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasil transformasi data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:
Keterangan : Xi = Batas tidak nyata interval kelas Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal Oi = Nilai observasi Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N (total frekuensi) pi x N 2. Persyaratan a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi. b. Cocok untuk data dengan banyaknya angka besar ( n > 30 ) c. Setiap sel harus terisi, yang kurang dari 5 digabungkan. 3. Signifikansi Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square) Jika nilai X2 hitung kurang dari nilai X2 tabel, maka Ho diterima ; Ha ditolak. Jika nilai X2 hitung lebih besar dari nilai X2 tabel, maka Ho ditolak; Ha diterima. Tabel X2 (Chi-Square) 3.1 CONTOH SOAL TINGGI BADAN MASYARAKAT KALIMAS TAHUN 1990
Selidikilah dengan = 5%, apakah data tersebut di atas berdistribusi normal ? 3.2 LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL UJI CHISQUARE: a. Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal b. Nilai Nilai = level signifikansi = 5% = 0,05 c. Rumus Statistik penguji
d. Hitung rumus statistik penguji. Telah dihitung Mean = 165,3 ; Standar deviasi = 10,36
Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang dikonfirmasikan dengan tabel distribusi normal (Lampiran 2). Proporsi dihitung mulai dari ujung kurva paling kiri sampai ke titik Z, namun dapat juga menggunakan sebagian ujung kiri dan sebagian ujung kanan, sehingga hasil pi sebagai berikut. 0,0064 0,0630= 0,0566 ujung kurve kiri 0,0630 0,2877= 0,2247 ujung kurve kiri 0,2877 0,3409= 0,3714 melalui tengah titik nol
NAMA : ROBIN PRATAMA 81 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 0,3409 0,0853= 0,2556 ujung kurve kanan 0,0853 0,0096= 0,0757 ujung kurve kanan 0,0096 0,0005= 0,0091 ujung kurve kanan
e. Df/db/dk Df = ( k 3 ) = ( 5 3 ) = 2 f. Nilai tabel Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-Square) g. Daerah penolakan 1). Menggunakan gambar
2). Menggunakan rumus 0,1628 < 5,991 ; berarti Ho diterima, Ha ditolak h. Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. 4. METODE LILLIEFORS (N KECIL DAN N BESAR) Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai probabilitas komulatif normal. Probabilitas ersebut dicari bedanya dengan probabilitas komultaif empiris. Beda terbesar dibanding dengan tabel Lilliefors Tabel Harga Quantil Statistik Lilliefors Distribusi Normal 1. Rumus
Keterangan : Xi = Angka pada data
NAMA : ROBIN PRATAMA 83 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Z = Transformasi dari angka ke notasi pada distribusi normal F(x) = Probabilitas komulatif normal S(x) = Probabilitas komulatif empiris F(x) = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung
dari luasan kurva normal mulai dari ujung kiri kurva sampai dengan titik Zi.
2. Persyaratan a. Data berskala interval atau ratio (kuantitatif) b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi c. Dapat untuk n besar maupun n kecil. 3. Signifikansi Signifikansi uji, nilai F (x) - S (x) terbesar dibandingkan dengan nilai tabel Lilliefors. Jika nilai F (x) - S (x) terbesar kurang dari nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak. Jika nilai F (x) - S (x) terbesar lebih besar dari nilai tabel Lilliefors, maka Ho ditolak ; Ha diterima. Tabel Lilliefors , Tabel Harga Quantil Statistik Lilliefors Distribusi Normal 4.1 CONTOH SOAL Berdasarkan penelitian tentang intensitas penerangan alami yang dilakukan terhadap 18 sampel rumah sederhana, rata-rata pencahayaan alami di beberapa ruangan dalam rumah pada sore hari sebagai berikut ; 46, 57, 52, 63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68 lux. Selidikilah dengan = 5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?
NAMA : ROBIN PRATAMA 84 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 4.2 LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL UJI
LILLIEFORS: a. Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal b. Nilai Nilai = level signifikansi = 5% = 0,05 c. Rumus Statistik penguji
NAMA : ROBIN PRATAMA 85 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI d. Hitung rumus statistik penguji.
Nilai F(x) - S(x) tertinggi sebagai angka penguji normalitas, yaitu 0,1469
NAMA : ROBIN PRATAMA 86 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Cara Hitung rumus statistik penguji. 1. Cari Sx dengan cara Zi dibagi dengan jumlah data. Dalam contoh baris pertama di atas adalah 1 : 18 = 0.0556, demikian seterusnya sampai selesai untuk setiap frekuensi. 2. Cari nilai Zx dengan cara Skor Y dikurangi dengan Mean/nilai ratarata dibagi nilai Standar Deviasi, sebagai contoh untuk baris pertama adalah ( 4558,44)/9,22=-1,4577 . untuk baris selanjutnya dihitung dengan cara yang sama. 3. Cari nilai Fx tabel (Zt) dengan melihat Tabel Kurva Normal baku (Tabel Z ) berdasarkan nilai Zx nya, contoh untuk baris pertama. Nilai Z tabel dilihat dalam baris 1,4577 , diperoleh nilai Z sebesar 0.0721, 4. nilai Fr Fs diperoleh dengan menyelisihkan nilai Fs dengan nilai Fr yang sejajar, contoh untuk baris pertama 0.0721 0.0556 = 0.0165. 5. setelah selesai cari nilai Fr Fs , diperoleh nilai 0,1469, kemudian bandingankan dengan nilai tabel pada baris N = 18, pada tingkat signifikansi 0.05 diperoleh nilai 0,2000 , karena Fr Fs lebih kecil dari nilai tabel berarti distribusi normal.
e. Df/db/dk Df = = tidak diperlukan f. Nilai tabel Nilai Kuantil Penguji Lilliefors, = 0,05 ; N = 18 ; 0,2000. Tabe Lilliefors pada lampiran 4. g. Daerah penolakan Menggunakan rumus 0,1469 < h. Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. 0,2000 ; berarti Ho diterima, Ha ditolak
NAMA : ROBIN PRATAMA 87 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 5. METODE KOLMOGOROV-SMIRNOV Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors. Langkah-langkah penyelesaiannya: 1. Rumus
Keterangan : Xi = Angka pada data Z = Transformasi dari angka ke notasi pada distribusi normal FT = Probabilitas komulatif normal FS = Probabilitas komulatif empiris FT = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung
dari luasan kurva mulai dari ujung kiri kurva sampai dengan titik Z.
2. Persyaratan a. Data berskala interval atau ratio (kuantitatif) b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi c. Dapat untuk n besar maupun n kecil. 3. Siginifikansi Signifikansi uji, nilai Fr - Fs terbesar dibandingkan dengan nilai tabel Kolmogorov Smirnov. Jika nilai Fr - Fs terbesar kurang dari nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha ditolak. Jika nilai Fr - Fs terbesar lebih besar dari nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha diterima. Tabel Kolmogorov Smirnov, Harga Quantil Statistik Kolmogorov Distribusi Normal. 5.1 CONTOH SOAL Untuk perhitungan normalitas distribusi, dimisalkan terdapat sekelompok data dengan skala pengukuran interval dengan dua variabel bebas dan satu variabel terikat sebagai berikut : Tabel skor Variabel bebas (X) dan variabel terikat (Y) X1 4 4 9 12 X2 1 2 8 8 Y 7 12 17 20
NAMA : ROBIN PRATAMA 89 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 12 10 21
Dari tabel tersebut misalkan kita ingin menguji normalitas variabel Y , maka untuk memudahkan diperlukan tabel bantu sebagai berikut : Tabel bantu Perhitungan Normalitas Xi 7 12 17 20 21 77 zx -1.43 -0.58 0.27 0.78 0.96 0 Fr 0.08 0.28 0.61 0.79 0.83 Fs 0.2 0.4 0.6 0.8 1.0 Fr Fs 0.12 0.12 0.01 0.01 0.17 -
5.2 LANGKAH-LANGKAH SMIRNOV Hipotesis
PENYELESAIAN
UJI
KOLMOGOROV-
Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal Nilai Nilai = level signifikansi = 5% = 0,05 Cara Hitung rumus statistik penguji. Setelah data dimasukan dalam kolom pertama dan dihitung frekuensinya, kemudian dilakukan perhitungan sebagai berikut : a. Cari Fs dengan cara Zi dibagi dengan jumlah data. Dalam contoh baris pertama di atas adalah 1 : 5 = 0.2, demikian seterusnya sampai selesai untuk setiap frekuensi.
NAMA : ROBIN PRATAMA 90 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI b. Cari nilai Zx dengan cara Skor Y dikurangi dengan Mean/nilai rata-rata dibagi nilai Standar Deviasi, sebagai contoh untuk baris pertama adalah (7 15.4)/5.86 = - 1.43. untuk baris selanjutnya dihitung dengan cara yang sama. c. Cari nilai Z tabel (Zt) dengan melihat Tabel Kurva Normal baku (Tabel Z ) berdasarkan nilai Zx nya, contoh untuk baris pertama. Nilai Z tabel dilihat dalam baris 1,4 dan kolom 3, diperoleh nilai Z sebesar 0.4236, karena nilai Zx nya bernilai minus maka nilai Z tabel yang diisikan adalah 0.5 - 0.4236 = 0.0764 (0.08). bila Zx bernilai positif maka nilai Z tabel yang diisikan adalah ditambah 0.5. d. nilai Fr Fs diperoleh dengan menyelisihkan nilai Fs dengan nilai Fr yang sejajar, contoh untuk baris pertama 0.08 0.2 = 0.12. e. setelah selesai cari nilai Fr Fs , diperoleh nilai 0.17, kemudian bandingankan dengan nilai tabel pada baris N = 5, pada tingkat signifikansi 0.05 diperoleh nilai 0.510, karena Fr Fs lebih kecil dari nilai tabel berarti distribusi normal.
6. METODE SHAPIRO WILK Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva normal. Langkah-langkah penyelesaiannya: 1. Rumus
Keterangan : D = Berdasarkan rumus di bawah ai = Koefisient test Shapiro Wilk X n-i+1 = Angka ke n i + 1 pada data
NAMA : ROBIN PRATAMA 91 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI X i = Angka ke i pada data
Keterangan : Xi = Angka ke i pada data yang X = Rata-rata data
G = Identik dengan nilai Z distribusi normal T3 = Berdasarkan rumus di atas bn, cn, dn = Konversi Statistik Shapiro-Wilk Pendekatan Distribusi Normal 2. Persyaratan a. Data berskala interval atau ratio (kuantitatif) b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi c. Data dari sampel random 3. Signifikansi Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T3 dibandingkan dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai probabilitasnya (p). Jika nilai p lebih dari 5%, maka Ho diterima ; Ha ditolak.
NAMA : ROBIN PRATAMA 92 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Jika nilai p kurang dari 5%, maka Ho ditolak ; Ha diterima, Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal Jika digunakan rumus G, maka digunakan tabel 2 distribusi normal. 6.1 CONTOH SOAL Berdasarkan data usia sebagian balita yang diambil sampel secara random dari posyandu Mekar Sari Wetan sebanyak 24 balita, didapatkan dat sebagai berikut : 58, 36, 24, 23, 19, 36, 58, 34, 33, 56, 33, 26, 46, 41, 40 37, 36, 35, 18, 55, 48, 32, 30 27 bulan. Selidikilah data usia balita tersebut apakah data tersebut diambil dari populasi yang berdistribusi normal pad = 5% ? 6.2 LANGKAH-LANGKAH PENYELASAIAN CONTOH SOAL UJI SHAPIRO WILK : a. Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal b. Nilai Nilai = level signifikansi = 5% = 0,05 c. Rumus statistik penguji
d. Hitung rumus statistik penguji Langkah pertama dihitung nilai D, yaitu :
Langkah berikutnya hitung nilai T, yaitu :
e. Df/db/dk =n f. Nilai tabel Pada lampiran 6 dapat dilihat, nilai (0,10) = 0,930 ; nilai (0,50) = 0,963 g. Daerah penolakan Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara 0,10 dan 0,50, yang diatas nilai (0,05) berarti Ho diterima, Ha ditolak h. Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. Cara lain setelah nilai T3 diketahui dapat menggunakan rumus G, yaitu
Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai proporsi (p) luasan pada tabel distribusi normal . Berdasarkan nilai G = -1,2617, maka nilai proporsi luasan = 0,1038. Nilai p tersebut di atas nilai = 0,05 berarti Ho diterima Ha ditolak. Data benar-benar diambil dari populasi normal. 7. METODE UJI Z Dalam kehidupan sehari-hari tidak jarang kita dihadapkan oleh data yang bervariasi dan fluktuatif, contohnya nilai mahasiswa, tinggi badan mahasiswa, pemasukan, pengeluaran, keuntungan, dsb. Seringkali kita mengira-ngira besarnya ratarata dari data tersebut, namun tidak jarang pula perkiraan tersebut meleset dari rata-rata sebenarnya. Untuk pengujian rata-rata pada sampel dengan rata-rata yang diperkirakan sebelum dilakukan pengujian oleh peneliti dapat dilakukan dengan uji Z. Dengan Uji Z dapat diketahui apakah perkiraan awal peneliti dapat diterima (hipotesis diterima) atau tidak (hipotesis ditolak). Penaksir titik rataan populasi diberikan oleh statistik . Distribusi berpusat di dan umumnya variansinya lebih kecil dari penaksir lainnya. Karena itu rataan sampel akan dipakai sebagai taksiran titik untuk rataan populasi . Menurut teorema limit sentral, distribusi sampel dapat diharapkan secara hampiran, berdistribusi normal dengan rataan dari simpangan baku P (-Z/2 < Z < Z/2) = 1 di mana : n = rataan sampel = rataan populasi = standar deviasi populasi = jumlah sampel
NAMA : ROBIN PRATAMA 97 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI RUMUS:
KET: _ X = mean data sampel = mean data populasi = standar deviasi data populasi n = jumlah sampel yang diteliti
7.1 CONTOH SOAL Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan melalui ATM, dengan simpangan baku = $45. Dengan taraf nyata 1% , ujilah : apakah rata-rata nasabah menarik melalui ATM kurang dari $500 per bulan ? 7.2 LANGKAH-LANGKAH PENYELESAI CONTOH SOAL METODE UJI Z: 1. Menetukan populasi 2.Menetukan sampel dari populasi dengan menggunakan mathcad, yaitu menggunakan fungsi Random Number Diskrit 3. Mengambil data berdasarkan sampel yang telah ditentukan 4. Menetukan H0 5. Menetukan H1 6. Memilih nilai level of significance () 7. Memilih statistik uji yang sesuai berdasarkan apa yang akan diuji, kondisi data, dan asumsi 8. Perhitungan daerah kritis atau daerah penolakan Untuk H1 : < o, maka daerah kritisnya adalah Z< -Z
NAMA : ROBIN PRATAMA 98 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Untuk H1 : > o, maka daerah kritisnya adalah Z> Z Untuk H1 : o, maka daerah kritisnya adalah Z< -Z/2 dan Z> Z/2 9. Perhitungan nilai Z sampel 10. Penarikan kesimpulan JAWAB: Diketahui: x = 495 s = 45 n=100 0 =500 =1% 1. H0 : = 500 H1 : < 500 2. statistik uji : z karena sampel besar 3. arah pengujian : 1 arah 4. Taraf Nyata Pengujian = = 1% = 0.01 5. Titik kritis Z < - Z001 Z < - 2.33 . 6. Statistik Hitung
7. Kesimpulan : z hitung = -1.11 ada di daerah penerimaan H0 H0 diterima, rata-rata pengambilan uang di ATM masih = $ 500
NAMA : ROBIN PRATAMA 99 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI D. SOAL-SOAL LATIHAN 1. Soal Latihan Uji Normalitas Dengan Metode Kemiringan/Kemencengan Berikut adalah data nilai ujian mid mahasiswa pada mata kuliah ekonomi pembangunan. no 1 2 3 4 5 6 7 8 data 61 - 65 66 - 70 71 - 75 76 - 80 81 - 85 86 - 90 91 - 95 96 - 100 jumlah Fi 8 10 16 20 19 17 6 4 100
Dari data di atas, tentukan apakah berdistribusi normal atau bergambar simetris? 2. Soal Latihan Kertas Peluang Normal Berikut adalah data penelitian umur mahasiswa FKIP Jurusan PIPS dari angkatan 2005-2009. Yang terdiri dari 100 mahasiswa secara sampel . Di mana datanya adalah sbb: no umur mahasiswa 1 2 3 4 5 17 - 18 19 - 20 21 - 22 23 - 24 25 - 26 jumlah jumlah (Oi) 18 19 20 21 22 100 PROSENTASI 0,18 0,19 0,2 0,21 0,22 1
Apakah temasuk dalam dalam data berdistribusi normal? 3. Soal Latihan Uji Normalitas Dengan Metode Chi-Square
NAMA : ROBIN PRATAMA 100 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Berikut adalah data penelitian umur mahasiswa FKIP Jurusan PIPS dari angkatan 2005-2009. Yang terdiri dari 100 mahasiswa secara sampel . Di mana datanya adalah sbb: no umur mahasiswa 1 2 3 4 5 17 - 18 19 - 20 21 - 22 23 - 24 25 - 26 jumlah jumlah (Oi) 18 19 20 21 22 100
Selidikilah dengan = 5%, apakah data tersebut di atas berdistribusi normal ? Telah dihitung Mean = 20 ; Standar deviasi = 1,581... 4 Soal Latihan Uji Normalitas Dengan Metode Uji Lillifors Berikut adalah hasil penelitian yang dilakukan oleh salah satu mahasiswa tentang daftar nilai 16 siswa SMA di kota Jambi. 5,8 10,1 7,3 8,6 8,9 9,0 7,1 9,3 8,8 6,4 6,4 7,0 7,2 9,9 5,2 6,8
Selidikilah dengan = 5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ? jika diketahui X = 7,735, SD = 1,4966. 5. Soal Latihan Uji Normalitas Dengan Metode Uji Kolmogorov-Smirnov Suatu fisik/jasmani penelitian dengan tentang berat badan 27 peserta pelatihan secara kebugaran random,
sampel
sebanyak
orang
diambil
didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan = 5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?
NAMA : ROBIN PRATAMA 101 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 6. Soal Latihan Uji Normalitas Dengan Metode Shafiro-Wilk Berikut adalah data nilai 18 mahasiswa Pendidikan Ekonomi pada mata kuliah
Matematika Ekonomi: 7, 7, 9, 9, 9, 9, 9, 10,5, 10,5, 10,5, 10,5, 10,5, 12, 12, 12, 12, 12, 12. Selidikilah data usia balita tersebut apakah data tersebut diambil dari populasi yang berdistribusi normal pada = 5% ? 7. Soal Latihan Uji Normalitas Dengan Metode Uji Z rikut adalah data nilai prestasi kerja karyawan yang mendapat training dengan yang tidak mendapat training.
Dengan taraf nyata 5 % ujilah : Apakah perbedaan rata-rata nilai prestasi kerja 1
2
> 0?
NAMA : ROBIN PRATAMA 102 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI E. JAWABAN SOAL LATIHAN 1. Jawaban Soal Latihan Kemiringan/Kemencengan Penyelesaian: no 1 2 3 4 5 6 7 8 data 61 - 65 66 - 70 71 - 75 76 - 80 81 - 85 86 - 90 91 - 95 96 - 100 jumlah Fi 8 10 16 20 19 17 6 4 100 Xi 63 68 73 78 83 88 93 98 644 Fi x Xi 504 680 1168 1560 1577 1496 558 392 7935 Xi - X -16,35 -11,35 -6,35 -1,35 3,65 8,65 13,65 18,65 9,2 Fi.(Xi -X) -130,8 -113,5 -101,6 -27 69,35 147,05 81,9 74,6 5,4E-13 (Xi - X)2 267,323 128,823 40,3225 1,8225 13,3225 74,8225 186,323 347,823 1060,58 Fi. (Xi - X)2 2138,58 1288,225 645,16 36,45 253,1275 1271,9825 1117,935 1391,29 8142,75 Uji Normalitas Dengan Metode
Modus = 75,5 +(4 / (4 + 1)) (5) = 75,5 + (0,8) (5) = 75,5 + 4 = 79,5
Median= 80,5 + )(100/2)- 54)/17 (5) = 80,5 + ((-4)/17) (5) = 80,5 + (1,18) = 81,68 Rata-rata = (Fi . Xi)/Fi
NAMA : ROBIN PRATAMA 103 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI = 7935 / 100 = 79,35 SD2 = Fi. (Xi - X)2 / Fi = 8142,75 / 100 = 81,4275 = 9,024
Kemiringan
= (79,35 79,5)/9,024 3 (79,35 81,68)/9,024 = (0,017) (0,775)
Nilai kemiringan 0,017 atau 0,775, berarti miring ke kiri, tidak simetris 2. Jawaban Soal Latihan Uji Normalitas Dengan Metode Kertas Peluang Normal n o 1 2 3 4 5
umur mahasiswa 16,5 18,5 20,5 22,5 24,5 26,5
KOMULATIF % 0 0,18 0,37 0,57 0,78 1
NAMA : ROBIN PRATAMA 104 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Selanjutnya Masukan Data Diatas Kedalam Kertas Peluang Normal
3. Jawaban Soal Latihan Uji Normalitas Dengan Metode Chi-Square Penyelesaian:
NAMA : ROBIN PRATAMA 105 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI batas no kelas bawah 1 2 3 4 5 16,518,5
Pi 0,0122 0,1469 = -0,1347 0,1469 0,3632 = 1,1058
Oi
Pi - Oi
Oi - Ei (Oi - Ei )2
(Oi-Ei)/Ei
-2,21 (0,95) -0,95 18,5 - 20,5 0,32 0,32 20,5 -22,5 1,58 1,58 22,5 -24,5 2,85 2,85 24,5 - 26,5 4,11
18 19
18,135 17,894 19,742 20,896
-0,135
0,0181441 0,001000518
1,1058 1,2227936 0,068334636 0,2576 0,0663578 0,00336118 0,104 0,010816 0,000517611
0,3632 0,1056 =0,2576 20 0,1056 0,0016 =0,1040 21
0,0016 0,0001 =0,0015 22 21,999 100
0,0015 0.0000025 0 1,3181115 0,073213945
Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal Nilai Nilai = level signifikansi = 5% = 0,05 Hitung rumus statistik penguji.
X2 = 0,073213945
NAMA : ROBIN PRATAMA 106 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Df/db/dk Df = ( k 3 ) = ( 5 3 ) = 2 Nilai tabel Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Daerah penolakan Menggunakan rumus 0,073213945 < 5,991 ; berarti Ho diterima, Ha ditolak Kesimpulan Sampel diambil dari populasi normal, pada = 0,05.
4. Jawaban Soal Latihan Uji Normolitas Dengan Metode Uji Lilliefors Penyelesaian: Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal Nilai Nilai = level signifikansi = 5% = 0,05 Tabel Uji normalitas dengan metode uji Lilliefors i 1 2 3 4 xi 5,20 5,80 6,40 6,40 z -1,70 -1,29 -0,89 -0,89 F0(xi) 0,0446 0,0985 0,1867 0,1867 S(xi) 0,0625 0,1250 0,1875 0,2500 |S(xi) F0(xi)| 0,0179 0,0265 0,0008 0,0633
NAMA : ROBIN PRATAMA 107 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI i 5 6 7 8 9 10 11 12 13 14 15 16 xi 6,80 7,00 7,10 7,20 7,30 8,60 8,80 8,90 9,00 9,30 9,90 10,10 z -0,63 -0,49 -0,43 -0,36 -0,29 0,58 0,71 0,78 0,84 1,04 1,44 1,58 F0(xi) 0,2643 0,3121 0,3336 0,3594 0,3859 0,7190 0,7611 0,7823 0,7995 0,8508 0,9251 0,9429 S(xi) 0,3125 0,3750 0,4375 0,5000 0,5625 0,6250 0,6875 0,7500 0,8125 0,8750 0,9375 1,0000 |S(xi) F0(xi)| 0,0482 0,0629 0,1039 0,1406 0,1766 0,0940 0,0736 0,0323 0,0130 0,0242 0,0124 0,0571
nilai Dhitung terbesar, yaitu 0,1766. Nilai tabel Nilai Kuantil Penguji Lilliefors, = 0,05 ; N = 18 ; 0,213. Daerah penolakan Menggunakan rumus 0,1766 < Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. 5. Jawaban soal latihan uji Normalitas dengan Metode Uji Kolmogorov-Smirnov Penyelesaian: Hipotesis Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal Nilai Nilai = level signifikansi = 5% = 0,05 0,213 ; berarti Ho diterima, Ha ditolak
NAMA : ROBIN PRATAMA 108 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Hitung rumus penguji
Nilai FT FS tertinggi sebagai angka penguji normalitas, yaitu 0,1440
NAMA : ROBIN PRATAMA 109 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Nilai tabel Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ; 0,254. Tabel Kolmogorov Smirnov Daerah penolakan Menggunakan rumus 0,1440 < Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. 0,2540 ; berarti Ho diterima, Ha ditolak
6. Jawaban Soal Latihan Uji Normalitas Dengan Metode Shafiro-Wilk
no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Xi 7 7 9 9 9 9 9 10,5 10,5 10,5 10,5 10,5 12 12 12 12 12
X 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19 10,19
(Xi X) -3,19444 -3,19444 -1,19444 -1,19444 -1,19444 -1,19444 -1,19444 0,305556 0,305556 0,305556 0,305556 0,305556 1,805556 1,805556 1,805556 1,805556 1,805556
(Xi X)2 10,204 10,204 1,4267 1,4267 1,4267 1,4267 1,4267 0,0934 0,0934 0,0934 0,0934 0,0934 3,26 3,26 3,26 3,26 3,26
NAMA : ROBIN PRATAMA 110 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 18 12 183,5 10,19 1,805556 3,26 47,569
D = 47,569 Menghitung T:
NO ai 1 2 3 4 5 6 7 8 9 0,4886 0,3253 0,2553 0,2027 0,1587 0,1197 0,0837 0,0496 0,0163 jumlah
(X(n-i+1) Xi) 12 - 7 = 5 12 - 7 = 5 12 - 9 = 3 12 - 9 = 3 12 - 9 = 3 12 - 9 = 3 10,5 - 9 = 0,5 0 0
Ai( X(n-i+1) Xi) 2,443 1,6265 0,7659 0,6081 0,4761 0,3591 0,04185 0 0 6,32055
T3
= 1/47,569 (6,32055)2
= 0,021 ( 39,949) = 0,839
NAMA : ROBIN PRATAMA 111 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Df/db/dk = n Nilai tabel nilai (0,10) = 0,914 ; nilai (0,50) = 0,956 Daerah penolakan Nilai T3 terletak di bawah 0,914 dan 0,956, atau nilai p hitung terletak di bawah 0,10 dan 0,50, yang diatas nilai (0,05) berarti Ho diterima, Ha ditolak Kesimpulan Sampel diambil dari populasi normal, pada = 0,05. 7. Jawaban Soal Latihan Uji Normalitas Dengan Metode Uji Z: Penyelesaian: =5% d0 = 0
2* statistik uji : z karena sampel besar 3* arah pengujian : 1 arah 4* Taraf Nyata Pengujian = = 5% 5. Titik kritis Z>Z5% Z > 1.645 6. Statistik Hitung
7. Kesimpulan : Z hitung = 4 ada di daerah penolakan H0 H0 ditolak, H1 diterima beda rata-rata prestasi kerja > 0
NAMA : ROBIN PRATAMA 114 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI UJI HOMOGENITAS (UJI KESAMAAN DUA VARIANS) A. PENGERTIAN UJI HOMOGENITAS Persyaratan uji parametrik yang kedua adalah homogenitas data. Pengujian homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi ua buah distribusi atau lebih. Uji homogenitas yang akan dibahas dalam tulisan ini adalah Uji Homogenitas Variansi dan Uji Burlett. B. TUJUAN DAN KEGUNAAN UJI HOMOGENITAS Uji homogenias atau uji kesamaan dua varians digunakan untuk menguji apakah kedua data tersebut homogen yaitu dengan membandingkan kedua variansnya. Jika kedua varians sama besarnya, maka uji homogenitas tidak perlu dilakukan lagi karena datanya sudah dapat dianggap homgen. Namun untuk varians yang tidak sama besarnya, perlu diadakan pengujian pengujian homogenitas melalui uji kesamaan dua varians ini. Uji homogenitas dapat di lakukan apabila datanya bersivat normal. FUNGSI UJI HOMOGENITAS Fungsi dari uji homogenitas yaitu untuk membuktikan apakah kelompok data-data tersebut bersifat homoge atau tidak. CARA PENGUJIAN HOMOGENITAS 1. Varians terbesar dibandingkan varians terkecil. 2. Varians terkecil dibandingkan varians terbesar. 3. Uji barlett (untuk lebih dari dua kelompok. C. BAGIAN-BAGIAN UJI HOMOGENITAS 1. PENGUJIAN DENGAN RUMUS FARIANS F
NAMA : ROBIN PRATAMA 115 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Pengujian homogenitas data dengan menggunakan rumus farians dilakukan untuk menguji 2 kelompok varians. Pada rumus fariasn kita dapat melakukan uji homogenitas apabila telah melakukan penelitian. Terdapat dua rumus varians sebagai berikut: 1. VARIANS TERBESAR DIBANDINGKAN VARIANS TERKECIL
-
Cari Fhitung dengan menggunakan rumus:
F=
-
Tetapkan taraf signifikasi () Hitung Ftabel dengan rumus
Ftabel = F (dk varians terbesar -1, dk varians

terkecil -1)
Dengan menggunakan tabel F didapat Ftabel

-
Tentukan kriteria pengujian Ho yaitu: Jika Fhitung Ftabel maka Ho diterima (homogen) Bandingkanlah Fhitung dengan Ftabel Buatlah kesimpulan.
1.1 CONTOH SOAL Didalam suatu kelompok pengujian terdapat 2 kelmpok yang memiliki varians-varians sebagai berikut: Kelompok ke 1: 10, 3, 12, 5, 7, 10, 8, 14, 14, 14 Kelompok ke 2: 3, 5, 7, 8, 1, 1, 12, 13, 14, 15 Pertanyaan: apakah kedua kelompok tersebut memiliki varians yang homogen? = 10%
NAMA : ROBIN PRATAMA 116 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 1.2 LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL Tentukan terlebih dahulu Ha = terdapat perbedaan varians 1 dengan varians 2 H0 = tidak terdapat perbedaan varians 1 dan varians 2 Terlebih dahulu mencari rata-rata kedua kelompok varians tersebut dengan rumus yaitu: Kelompok 1: = = = = 9,7
xi 10 3 12 5 7 10 8 14 14 14 97
(xi - ) 0,3 -6,7 2,3 -4,7 -2,7 0,3 -1,7 4,3 4,3 4,3
(xi - ) 0,09 44,89 5,29 22,09 7,29 0,09 2,89 18,49 18,49 18,49 138,10
Setelah itu baru lah xari simpangan baku dengan rumus : S2 = S2 = S2 =15,344444 Kelompok ke 2: =
NAMA : ROBIN PRATAMA 117 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI = = = 7,9
xi 3 5 7 8 1 1 12 13 14 15 79
(xi - ) -4,9 -2,9 -0,9 -0,1 -6,9 -6,9 4,1 5,1 6,1 7,1
(xi - ) 24,01 8,41 0,81 0,01 47,61 47,61 16,51 26,01 37,21 50,41 258,6
Setelah itu baru lah xari simpangan baku dengan rumus : S2 = S2 = S2 = 28,73333333333 Setelah itu barulah dimasukkan kedalam rumus:
F=
Varians terbesar: 28,733333333333 atau 28,73 Varians terkecilnya: 15,344444 atau 15,34
F= F = 1,87288 Setelah didapat F hitung barulah di cari F tabelnya

terkecil -1) MATA KULIAH STATISTIK
Ftabel = F (dk varians terbesar -1, dk varians terkecil -1) Ftabel = F 10% (10 - 1, 10 - 1) Ftabel = F0,05 (9, 9) Dengan melihat ke tabel varians maka F tabelnya yaitu: 3,18 Bandingkan F hitung dengan F tabel, Jika Fhitung Ftabel maka Ho diterima (homogen) 1,87288 3,18 Maka Ho diterima (homogen)
2. VARIANS TERKECIL DIBANDINGKAN VARIANS TERBESAR Langkah-langkahnya: untuk langkah-langkahnya sama seperti di atas, tetapi sedikit ada perbedaan Rumusnya:
Fkini =
Lalu mencari Ftabel kanan dengan rumus:
Ftabel kanan = F1/2 (dk varians terkecil 1, deka varians

terbesar -1) Atau
Ftabel kiri =
Setelah itu barulah dibandingkan nilai -Ftabel kiri Fhitung kini Ftabel kanan 2.1 CONTOH SOAL
NAMA : ROBIN PRATAMA 119 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Didalam suatu kelompok pengujian ter dapat 2 kelmpok yang memiliki varians-varians sebagai berikut: Kelompok ke 1: 10, 3, 12, 5, 7, 10, 8, 14, 14, 14 Kelompok ke 2: 3, 5, 7, 8, 1, 1, 12, 13, 14, 15 Pertanyaan: apakah kedua kelompok tersebut memiliki varians yang homogen? = 10% 2.1 LANGKAH-LANGKAH PENYELESAIN CONTOH SOAL Tentukan terlebih dahulu Ha = terdapat perbedaan varians 1 dengan varians 2 H0 = tidak terdapat perbedaan varians 1 dan varians 2 Terlebih dahulu mencari rata-rata kedua kelompok varians tersebut dengan rumus yaitu: Kelompok 1: = = = = 9,7
xi 10 3 12 5 7 10 8 14 14 14 97
(xi - ) 0,3 -6,7 2,3 -4,7 -2,7 0,3 -1,7 4,3 4,3 4,3
(xi - ) 0,09 44,89 5,29 22,09 7,29 0,09 2,89 18,49 18,49 18,49 138,10
Serelah itu baru lah xari simpangan baku dengan rumus :
NAMA : ROBIN PRATAMA 120 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI S2 = S2 = S2 =15,344444 Kelompok ke 2: = = = = 7,9
xi 3 5 7 8 1 1 12 13 14 15 79
(xi - ) -4,9 -2,9 -0,9 -0,1 -6,9 -6,9 4,1 5,1 6,1 7,1
(xi - ) 24,01 8,41 0,81 0,01 47,61 47,61 16,51 26,01 37,21 50,41 258,6
Serelah itu baru lah xari simpangan baku dengan rumus : S2 = S2 = S2 = 28,73333333333 Dengan menggunakan rumus yang sebaliknya kita akan mendapatkan F kini
Fkini =
Fkini = Fkini = 0,533936651 atau 0,53 Setelah dapat F kini barulah kita mencari F kanan dengan rumus:

terbesar -1) Ftabel kanan = F1/2 10% (10 - 1, 10 - 1) Ftabel kanan = F 5% (9, 9) Ftabel kanan = 3,18 Selanjutnya kita mencari Ftabel kiri dengan rumus:
Ftabel kiri =
Ftabel kiri = Ftabel kiri = 0,314465408 atau 0,314 Setelah didapat semua barulah kita menguji kriteria pengujianya, yaitu: nilai -Ftabel kiri Fhitung kini Ftabel kanan -0,314 0,53 3,18 H0 diterima (homogen) 3. UJI BARLET Uji barlet digunakan apabila pengujian homogenitas dilakukan terhadap tiga kelompok varians atau lebih. Langkah-langkah yang harus dilakukan sebagai berikut:
- Menghitung S2 dengan menggunakan rumus:
- Hitung log S2
- Hitung B dengan rumus B = (log S2 ) (n1 1)

- Cari
hitung
dengan rumus: = (2,3026) B - (n1 1)
hitung
log -
Tetapkan taraf signitifnya () Cari

tabel
dengan rumus: =
(1-)
tabel (dk)
Dimana dk = banyaknya kelompok -1 Dengan menggunakan tabel

-
didapat
tabel
hitung
Bandingkan
hitung
dengan
2.1 CONTOH SOAL Kelompok varians 1 dengan anggota 7 20, 21, 22, 35, 31, 45, 12 2 dengan anggota 9 12, 22, 25, 22, 30, 32, 26, 27, 24 3 dengan anggota 5 17, 20, 23, 29, 27 Apakah ketiga kelompok tersebut bersifat homogeny atau tidak dengan = 1% atau 0,01 2.2 LANGKAH-LANKAH PENYELESAIAN: Ha = terdapat perbedaan varians H0 = tidak terdapat perbedaan varians
Kelompok 1: Xi = Xi = Xi = 26,5714 atau 26,6 xi 20 21 22 35 31 45 12 186 S2 = S2 = S2 = 123,12 Kelompok ke 2: Xi = Xi = Xi = 24,44444444 atau 24,4 (xi - ) -6,6 -5,6 -4,6 8,4 4,4 18,4 -14,6 (xi - ) 43,56 31,36 21,16 70,56 19,36 338,56 213,16 738,72
xi 12 22 25 22 30 32
(xi - ) -12,4 -2,4 0,6 -2,4 5,6 7,6
(xi - ) 153,76 5,76 0,36 5,76 31,36 57,76
NAMA : ROBIN PRATAMA 124 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 26 1,6 27 2,6 24 -0,4 220 S2 = S2 = S2 = 33,005 Kelompok ke 3: Xi = Xi = Xi = 23,2 xi 17 20 23 29 27 116 S2 = S2 = S2 = 24,2 Kelompok 1 dengan anggota 7 2 dengan anggota 9 varians 20, 21, 22, 35, 31, 45, 12 12, 22, 25, 22, 30, 32, 26, 27, 24 S2 123,12 33,005 (xi - ) -6,2 -32 -0,2 5,8 3,8 (xi - ) 38,44 10,24 0,04 33,64 14,44 96,8 2,56 6,76 0,16 264,04
NAMA : ROBIN PRATAMA 125 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 3 dengan anggota 5 17, 20, 23, 29, 27 24,2
Tabel barlet Kelompok ke 1 2 3 jumlah Hitung Dk (n-1) 6 8 4 18 0,16 0,12 0,25 0,53 123,12 33,005 24,2 log 2,09 1,52 1,39 dk 738,72 264,04 96,8 1099,58 dk log 12,54 12,16 5,56 30,26
dengan menggunakan rumus:
= = 61,03 log = log 61,03 = 1,785
B = (1,785) (18) = 32,13 = 2,3026 (32,13 30,26) = 4,305862 atau 4,305
hitung
Taraf signifikansi () = 0,01
tabel (1 )(dk)
0,99 (2)
Dk = 3 1 =2 Dengan menggunakan tabel = 4,30 9,21 didapat

tabel
= 9,21
hitung
tabel
Jadi H0 diterima (homogen)
NAMA : ROBIN PRATAMA 127 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI D. SOAL LATIHAN 1) Terdapat dua macam pengukuran prosedur kerja di sebuah kantor: Kelompok 1: 5, 2, 5, 1, 6, 7, 3, 6, 6, 2 Kelompok 2: 3, 3, 6, 9, 8, 6, 7, 5, 4, 2 Diketahui = 0,10 (10%) Pertanyaanya: Apakah kedua kelompok varians tersebut memiliki varians yang homogen? Buktikan dengan menggunakan rumus: a. Varians terbesar dibagi varians terkecil b. Varians terkecil dibagi varians terbesar 2) Terdapat empat kelompok penelitian yaitu: Kelompok 1: 3, 10, 12, 1, 5, 7 Kelompok 2: 6, 4, 13, 11, 1 Kelompok 3: 5, 5, 9, 10, 11, 16 Kelompok 4: 2, 1, 4, 3, 10 Diketahui = 0,01(1%)
NAMA : ROBIN PRATAMA 128 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI E. JAWABAN SOAL LATIHAN 1) A Ha = terdapat perbedaan varians 1 dengan varians 2 H0 = tidak dapat perbedaan varians 1 dan varians 2
KELOMPOK Kelompok ke 1 Kelompok ke 2 Kelompok 1: = = = = 4,9
VARIANS 5, 2, 5, 1, 6, 7, 3, 6, 6, 2 3, 3, 6, 9, 8, 6, 7, 5, 4, 2
xi 5 2 5 1 6 7 3 6 6 2 49
(xi - ) 0,1 -2,9 0,1 -3,9 1,1 2,1 -1,9 1,1 1,1 -2,9
(xi - ) 0,01 8,41 0,01 15,21 1,21 4,41 3,61 1,21 1,21 8,41 43,7
Setelah itu baru lah cari simpangan baku dengan rumus : S2 = S2 =
NAMA : ROBIN PRATAMA 129 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI S2 =4,855555556 atau 4,85 Kelompok ke 2: = = = = 5,3
xi 3 3 6 9 8 6 7 5 4 2 53
(xi - ) -2,3 -2,3 0,7 3,7 2,7 0,7 1,7 -0,3 -1,3 -3,3
(xi - ) 5,29 5,29 0,49 13,69 7,29 0,49 2,89 0,09 1,69 10,89 48,01
Serelah itu baru lah xari simpangan baku dengan rumus : S2 = S2 = S2 = 5,334444444 Setelah itu barulah dimasukkan kedalam rumus:
F=
Varians terbesar: 5,334444444 atau 5,33 Varians terkecilnya: 4,855555556 atau 4,85 F=
NAMA : ROBIN PRATAMA 130 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI F = 1,098969072 Setelah didapat F hitung barulah di cari F tabelnya

terkecil -1) Ftabel = F (dk varians terbesar -1, dk varians terkecil -1) Ftabel = F 10% (10 - 1, 10 - 1) Ftabel = F 5%(9, 9) Dengan melihat ke tabel varians maka F tabelnya yaitu: 3,18 Bandingkan F hitung dengan F tabel, Jika Fhitung Ftabel maka Ho diterima (homogen) 1,098969072 3,18 Maka Ho diterima (homogen) B. Dengan meggunakan rumus yang ke 2 kita tidak perlu lagi mengulang rumus pertama untuk mencari F tabel tapi kita langsung saja mencari F kini dengan rumus:
Fkini =
Fkini = Fkini = 0,909943714 atau 0,91 Setelah dapat F kini barulah kita mencari F kanan dengan rumus: terbesar -1) Ftabel kanan = F1/2 10% (10 - 1, 10 - 1) Ftabel kanan = F 5% (9, 9) Ftabel kanan = 3,18 selanjutnya kita mencari Ftabel kiri dengan rumus:
Ftabel kiri =
NAMA : ROBIN PRATAMA 131 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Ftabel kiri = Ftabel kiri = 0,314465408 atau 0,314 Setelah didapat semua barulah kita menguji kriteria pengujianya, yaitu: nilai -Ftabel kiri Fhitung kini Ftabel kanan -0,314 0,91 3,18 H0 diterima (homogen) No 2. Kelompok varians 1 dengan jumlah varians 6 3, 10, 12, 1, 5, 7 2 dengan jumlah varians 5 6, 4, 13, 11, 1 3 dengan jumlah varians 6 5, 5, 9, 10, 11,16 4 dengan jumlah varans 5 2, 1, 4, 3, 10 Apakah ketiga kelompok tersebut bersifat homogeny atau tidak dengan = 1% atau 0,01 Jawab: Ha = terdapat perbedaan varians H0 = tidak terdapat perbedaan varians Kelompok 1: Xi = Xi = Xi = 6,333333333 atau 6,3 xi 3 10 12 1 5 (xi - ) -3,3 3,7 5,7 -5,3 -1,3 (xi - ) 10,89 13,69 32,49 28,09 1,69
NAMA : ROBIN PRATAMA 132 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 7 48 S2 = S2 = S2 = 17,468 Kelompok ke 2: Xi = Xi = Xi = 7 xi 6 4 13 11 1 35 S2 = S2 = S2 = 24,5 Kelompok ke 3: Xi = Xi = Xi = 9,333333333 atau 9,3 (xi - ) -1 -3 6 4 -6 (xi - ) 1 9 36 16 36 98 0,7 0,49 87,34
NAMA : ROBIN PRATAMA 133 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI xi 5 5 9 10 11 16 56 S2 = S2 = S2 = 17,068 Kelompok ke 4: Xi = Xi = Xi = 4 xi 2 1 4 3 10 20 S2 = S2 = S2 = 12,5 Kelompok 1 dengan jumlah varians 6 varians 3, 10, 12, 1, 5, 7 S2 17,468 (xi - ) -2 -3 0 -1 6 (xi - ) 4 9 0 1 36 50 (xi - ) -4,3 -4,3 -0,3 0,7 1,7 6,7 (xi - ) 18,49 18,49 0,09 0,49 2,89 44,89 85,34
NAMA : ROBIN PRATAMA 134 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 2 dengan jumlah varians 5 3 dengan jumlah varians 6 4 dengan jumlah varans 5 Tabel barlet Kelompok ke 1 2 3 4 jumlah Hitung Dk (n-1) 5 4 5 4 18 0,2 0,25 0,2 0,25 0,9 17,468 24,5 17,068 12,5 log 1,24 1,39 1,23 1,10 dk 22,468 98 85,34 50 255,808 dk log 6,2 5,56 6,15 4,4 22,31 6, 4, 13, 11, 1 5, 5, 9, 10, 11,16 2, 1, 4, 3, 10 24,5 17,068 12,5
dengan menggunakan rumus:
= = 1,24 log = log 1,24 = 0,093
B = (0,093) (18) = 1,674

hitung
= 2,3026 (1,674 22,31) = -20,636 =
Taraf signifikansi () = 0,01

tabel (1 )(dk) 0,99 (3)
Dk = 4 1= 3 Dengan menggunakan tabel

hitung
didapat
tabel
= 11,3
tabel
= -20,636 11,3
Jadi H0 diterima (homogen)
NAMA : ROBIN PRATAMA 136 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI REGRESI & KORELASI LINIER SEDERHANA 1. PENGERTIAN REGRESI KORELASI Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911) Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu peubah takbebas (dependent variable) dari nilai peubah bebas (independent variable) Diagram Pencar = Scatter Diagram Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah bebas. Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal) Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal) Nilai peubah takbebas ditentukan oleh nilai peubah bebas Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas? Contoh 1: Umur Vs Tinggi Tanaman (X : Umur, Y : Tinggi) Biaya Promosi Vs Volume penjualan (X : Biaya Promosi, Y : Vol. penjualan) 2. BAGIAN-BAGIAN PERSAMAAN REGRESI : A. Regresi Linier - Bentuk Umum Regresi Linier Sederhana Y = a + bX Keterangan: Y : peubah takbebas X : peubah bebas a : konstanta b : kemiringan
- Bentuk Umum Regresi Linier Berganda Y = a + b1X1 + b2X2 + ...+ bnXn Y : peubah takbebas a : konstanta X1 : peubah bebas ke-1 b1 : kemiringan ke-1 X2 : peubah bebas ke-2 b2 : kemiringan ke-2 Xn : peubah bebas ke-n bn : kemiringan ke-n B. Regresi Non Linier - Bentuk umum Regresi Eksponensial Y = abx log Y = log a + (log b) x 1. REGRESI LINIER SEDERHANA Metode Kuadrat terkecil (least square method): metode paling populer untuk menetapkan persamaan regresi linier sederhana - Bentuk Umum Regresi Linier Sederhana : Y = a + bX Ket: Y : peubah takbebas X : peubah bebas a : konstanta b : kemiringan Nilai b dapat positif (+) dapat negartif (-)
NAMA : ROBIN PRATAMA 138 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI : positif Y Y = a+bX b : negatif Y Y= a - bX
Penetapan Persamaan Regresi Linier Sederhana
n : banyak pasangan data yi : nilai peubah takbebas Y ke-i xi : nilai peubah bebas X ke-i 1.1 CONTOH SOAL Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak Goreng. Tahun x Biaya Promosi (Juta 1992 Rupiah) 2 y Volume Penjualan (Ratusan Juta Liter) 5 10 4 25 xy x y
NAMA : ROBIN PRATAMA 139 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 1993 1994 1995 1996 4 5 7 8 x = 26 6 8 10 11 y = 40 24 40 70 88 xy = 232 16 25 49 64 x =158 36 64 100 121 y = 346
1.2 LANGKAH-LANGKAH PENYELESAIAN Bentuk umum dari regresi linier sederhana : Y = a + bX
Peramalan dengan Persamaan Regresi
Contoh soal Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut Y = 2.530 + 1.053 X Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ? Jawab : Y = 2.530 + 1.053 X X = 10 Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter) Volume penjualan = 13.06 x 100 000 000 liter
NAMA : ROBIN PRATAMA 140 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 2. REGRESI LINIER BERGANDA Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1 Variabel Tak Bebas (Y). Bentuk Umum : Y = a + b1 X1 + b2 X2 Y : peubah takbebas a : konstanta X1 : peubah bebas ke-1 b1 : kemiringan ke-1 X2 : peubah bebas ke-2 b2 : kemiringan ke-2 a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:
n : banyak pasangan data yi : nilai peubah takbebas Y ke-i x1i : nilai peubah bebas X1 ke-i x2i : nilai peubah bebas X2 ke-i 2.1 CONTOH SOAL: Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam ratusan ribu rupiah/unit) x1 2 3 5 6 7 8 X2 3 4 6 8 9 10 y 4 5 8 10 11 12 x1 x2 6 12 30 48 63 80 x1y 8 15 40 60 77 96 x2y 12 20 48 80 99 120 x1 4 9 25 36 49 64 x2 9 16 36 64 81 100 y 16 25 64 100 121 144
NAMA : ROBIN PRATAMA 141 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI x1=31 x2= 40 y=50 xx12=2 xy1= 39 296 xy2= 379 x12= 187 x22= 306 y2= 470
2.2 LANGKAH-LANGKAH PENYELESIAN Tetapkan Persamaan Regresi Linier Berganda = a + b1 X1 + b2 X2
Masukan notasi-notasi ini dalam persamaan normal
Sehingga didapat persamaan berikut:
Sehingga Persamaan Regresi Berganda a + b1 X1 + b2 X2 dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2
UJI LINEARITAS 1. PENGERTIAN UJI LINEARITAS ( REGRESI ) Uji Linearitas merupakan lanjutan dari Regresi. Regresi adalah hubungan fungsional antara variabel variabel. Sedangkan analisa regresi adalah mempelajari bagaimana antar variabel saling berhubungan. Hubungan antar varibel pada umumnya dinyatakan dalam bentuk persamaan matematika yang dikenal dengan hubungan fungsional antar variabel. Dalam analisis regresi dibedakan dua jenis variabel, yakni variabel bebas atau predictor tak bebas / terikat atau variabel respon. Variabel yang sering mudah didapat digolongkan ke dalam variabel bebas, sedangkan variabel yang terjadi karena variabel bebas merupakan variabel tak bebas / terikat. Untuk keperluan analisis variabel bebas dilambangkan dengan X1, X2., Xk, sedangkan untuk variabel tak bebas dinyatakan dengan Y. Untuk keperluan analisis registrasi dibedakan : registrasi linear sederhana dan registrasi linear ganda. Registrasi linear sederhana adalah bentuk hubungan fungsional antara satu variabel bebas dengan variabel terikat. Sedangkan registrasi linear ganda adalah bentuk hubungan fungsional antara dua variabel terikat atau lebih dengan variabel bebas. 2. TUJUAN DAN KEGUNAAN UJI LINEARITAS Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
NAMA : ROBIN PRATAMA 145 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. 3. BAGIAN BAGIAN DARI UJI LINERARITAS Bagian bagian dari Uji Lineraritas yaitu : uji linear sederhana Uji linearitas berganda A. UJI LINEAR SEDERHANA 1. CONTOH SOAL UJI LINEAR SEDERHANA Contoh 1 : Karena kita melanjutkan bahasan dari kelompok 7, maka contoh soalnyapun diambil dari kelompok 7, Contoh soal yang pertama adalah : Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak Goreng. Tahun x Biaya Promosi (Juta 1992 1993 1994 1995 Rupiah) 2 4 5 7 y Volume Penjualan (Ratusan Juta Liter) 5 6 8 10 10 24 40 70 4 16 25 49 25 36 64 100 xy x y
NAMA : ROBIN PRATAMA 146 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 1996 8 x = 26 11 y = 40 88 xy = 232 64 x =158 121 y = 346
2. LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL Dari penghitungan yang telah dilakukan oleh kelompok 7 maka diketahui persamaan Y = 2.530 + 1.053 X Maka langkah selanjutnya kita akan menghitung nilai r :
Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan) berkorelasi linier yang positif dan tinggi Rr=2=098572...= 0.97165....= 97 % . y= yy
NAMA : ROBIN PRATAMA 147 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier. Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain. B. UJI LINIER BERGANDA Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut : .12
1. CONTOH SOAL Data diambil berdasarkan data dari kelompok 7:
2. LANGKAH PENYELESAIAN CONTOH SOAL
NAMA : ROBIN PRATAMA 148 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI Nilai = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan XRy.1222 (biaya aksesoris) melalui hubungan linier. Sisanya sebesar 0,47 dijelaskan oleh hal-hal lain.
NAMA : ROBIN PRATAMA 149 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 4. SOAL LATIHAN Seperti yang sebelumnya, untuk uji linier berganda inipun kita melanjutkan dari kelompok 7, maka contohnya pun diambil dari kelompok 7. Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam ratusan ribu rupiah/unit). x1 2 3 5 6 7 8 x1=31 x2 3 4 6 8 9 10 x2= 40 y 4 5 8 10 11 12 y=50 x1 x2 6 12 30 48 63 80 xx12=2 39 x1y 8 15 40 60 77 96 xy1= 296 x2y 12 20 48 80 99 120 xy2= 379 x1 4 9 25 36 49 64 x12= 187 x2 9 16 36 64 81 100 x22= 306 y 16 25 64 100 121 144 y2= 470
NAMA : ROBIN PRATAMA 150 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 5. JAWABAN SOAL LATIHAN Dari contoh Regresi (kelompok 7), maka akan dilakukan penghitungan linearitasnya.
UJI BEDA (UJI-T)

1. PENGERTIAN UJI BEDA (UJI-T)
Sesuai dengan namanya, maka uji ini dipergunakan untuk mencari perbedaan, baik antara dua sampel data atau antara beberapa sampel data, dimana uji ini menggunakan beberapa persyaratan tertentu, yaitu diantaranya : a. Sampel penelitian harus diambil secara random (secara acak) dari suatu populasi yang berdistribusi normal. b. Gejala data yang didapat harus berskala interval atau rasio. c. Variabel variabel penelitian tidak lebih dari satu (satu variabel dengan data berskala nominal dengan satu variabel dengan data interval atau rasio, atau sebaliknya).
2. TUJUAN DAN KEGUNAAN UJI BEDA (uji-t) Kegunaan t-test sebagai alat analisis data, dapat dipakai untuk menguji satu sampel atau dua sampel. Khusus untuk pengujian dua sampel, uji-t dapat dipakai untuk menguji dua sampel yang bebas dan atau sampel yang berkorelasi. Sedangkan untuk pengujian sampel bebas, uji-t dapat dipakai untuk menganalisis varians yang bersifat homogen ataupun heterogen. Penggunaan uji-t untuk kepentingan analisis data, bertolak pada harga rata rata ( mean ) alam upaya menentukan apakah perbedaan rerata tersebut adalah perbedaan nyata, dan bukan karena kebetulan. Khusus untuk penggunaan t-tes pada satu sampel, maka dua merata yang hendak dibandingkan, adalah rerata dari sampel dan rerata dari populasiny
3. BAGIAN BAGIAN UJI BEDA 1. Uji Beda mean untuk sampel besar (>30) Untuk uji beda rerata dimana jumlah kasus dalam sampel sampel yang dikenai penelitian lebih besar dari 30, maka t-test (uji-t) tidak dapat dipakai lagi. Adapun formulasi rumusan yang disarankan dipakai untukk menganalisis kasus ini adalah uji-Z yang formulasi rumusannya adalah sebagai berikut :
Z= Keterangan: Z S12 S22 = koefisien Z = Varians sampel pertama = Varians sampel kedua = Rerata Sampel Pertama = Rerata sampel kedua n1 n2 = jumlah kasus pada sampel pertama = jumlah kasus pad sampel kedua.
2. Analisis t-test (uji-t) untuk satu kasus sampel Penggunaan t-tes untuk satu kasus sampel ini, skala data yang diperkenankan adalah data yang berskala interval dan biasanya digunakan untuk uji batas keyakinan (confidence limits) atau uji batas keyakinan interval (confidence interval). Sedangkan WS. Gossett dengan menggunakan nama samara students memakai formulasi t-test ini
NAMA : ROBIN PRATAMA 154 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI untuk uji kebalikan (goodness of fit) pada sampel kecil yang diambil dari suatu populasi, sehingga rumusan tersebut juga dikenal dengan nama uji student. Formulasi rumusan t-tes untuk kasus satu sampel yang diambil secara random dari suatu populasi adalah sebagai berikut :
t= keterangan : t X u S : Koefisien t : Mean (rerata) sampel : Mean (rerata) populasi : Standars kesesatan mean.
Adapun rumusan untuk mencari standars kesesatan mean, dapat digunakan rumusan sebagai berikut:
Sx =
Keterangan:
NAMA : ROBIN PRATAMA 155 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI S N : standar deviasi sampel : Jumlah kasus
3. T-test untuk analisa dua kasus sampel yang saling berhubungan Kondisi sampel yang berhubungan ini, dapat berupa dua sampel yang bervalidasikan (berkondisi sama) terlebih dahulu sebelum dibeeri perlakuan, dapat pula dau sampel ini datanya berpasang pasangan, dan kemungkinan sampel dalam hal ini hanya satu, namun diberi perlakuan dua kali, sehingga uji beda meannya dikenakan pada sampel dengan perlakuan (treadment) X dan sampel yang sama namun mendapatkan perlakuan Y. T-tes untuk dua sampel yang berhubungan (correlated sample) formula rumusnya adalah sebagai berikut:
t=
keterangan: t : koefisien t
Xt :rerata atau mean sampel pertama X2 : rerata atau mean sampel kedua D : beda antara skor sampel pertama dan kedua N : jumlah pasangan sampel.
4. CONTOH SOAL UJI BEDA 1) Contoh perhitungan Uji Beda Mean untuk sampel besar (>30) Peneliti ingin membuktikan apakah ada pembedaan tingkat pertumbuhan balita yang diberi ASI dan yang diberi susu kaleng, pada tahun pertumbuhan pertama. Setelah dilakukan pengumpulan data diperoleh besaran-besaran sebagai berikut: Balita yang mengkonsumsi ASI: ni = 44 = 78.09 S12 = 304.15 Balita yang mengkonsumsi susu kaleng : ni = 49 = 68.14 S22 = 325.15
5. LANGKAH LANGKAH PENYELESAIAN CONTOH SOAL Untuk mencari besarnya koefisien Z. dengan formulasi rumus 15.0 dapat dilakukan dengan mengikuti prosedur sebgai berikut :
Z=
Z=
Z= Z= Z= Z = 2.67 Tes signifikansi dapat dilihat pada tabel asumsi perkiraan distribusi normal, prosedurnya adalah sebagi berikut : 1. Berdasar pada besaran Z = 2.67 lalu lihat tabel area kurvanormal dan ordinat dari kurva normal ditemukan separoh daerah kurva normal sebesar 0.4962 atau 49.62% hal berarti untuk seluruh daerah kurva mencakup 2 x 49.62% = 99.24% 2. Dalam kurva normal daerah penerimaan perbedaan rerata yang disebabkan karena kesalahan sampling adalah sebgai berikut: a. Taraf kepercayaan 95% 1.65 atau-1.65 (one - tailed test) 1.96 atau -1.96 (two tailed test) b. Taraf kepercayaan 99% 2.23 atau -2.33 (one tailed test)
NAMA : ROBIN PRATAMA 158 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 2.58 atau (two tailed test)
3. Jika dalam menggunakan taraf kepercayaan 95% maupun 99% untuk two-tailed
test, 99.24% berada di luar daerah penerimaan perbedaan rerata (mean) sebab 99.24% lebih besar dari 1.96% maupun 2.58% 4. Kesimpulan adalah bahwa perbedaan rerata mean dari sampel-sampel diatas bukan karena kesalahan sampling, untuk itu hipotesis nihilnya yang di ajukan ditolak dari hipoteisi kerja atau hipotesis alternatifnya diterima, baik pada taraf kepercayaan 95% hipotesis nihil : tidak ada perbedaan tingkat pertumbuhan pada tahun pertama, bagi belita yang diberi ASI dan diberi susu Kaleng maupun 99%. Jika peneliti dalam persoalan ini megajukan
2) Contoh Perhitungan Uji-t a) T-test untuk analisis satu kasus sampel Contoh: Seorang peneliti ingin melakukan kajian tentang kemampuan ujian peserta pencari surat izin mengemudi (sim) kendaran bermotor di SAMSAT di Jember. Untuk keperluan penelitian diambil sampel sebanyak 50 peserta, yang dipilih secra acak (random). Standar kelulusan yang di tentukan oleh SAMSAT adalah skor 60 (sebagai rata-rata populasi). Dari sampel diperoleh rata-rata skor ujian sebesar 55 dengan (S) simpangan baku (standar deviasi) sebesar 15. Berdasarkan data ini KASAD lantas membuat pernyataan bahwa:
NAMA : ROBIN PRATAMA 159 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI semua peserta ujian mencari SIM dijember mempunyai kemampuan
menyelesaikan soal ujian di bawah standar kelulusan. Berdasarkan data di atas, berikut ini dapat dilakukan perhitungan t-tes atau uji-t nya. =
= Berdasarkan hasil perhitungan diatas, maka besarnya standar kesesatan meannya adalah 2.14, dari besaran ini maka koefisien t nya dapat dicari dengan rumusan ttes, sebgai berikut: t=
t= t = -2.34 jika pernyataan KASAD Lantas diatas diformulasikan kedalam hipotesis nihil maka akan berbunyi pernyataan sebagai berikut : tidak semua peserta ujian mencari SIM dijember mempunyai kemampuan menyelesaikan soal ujian di bawah standar kelulusan Untuk melakukan pengujian hipotesis ini terlebih dahulu dicari derajat kebebasannya (db) terlebih dahulu yaitu dengan rumus db = N-1, jika N = 50 maka
NAMA : ROBIN PRATAMA 160 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI db = 50-1 =49. Bila besaran derajat kebebasan ini di konsultasikan pada tabel kritik untuk uji-t, maka diperoleh harga kritik untuk taraf kepercayaan 99% = 2.704 dan harga taraf kepercayaan 95% = 2.021 b) T-test untuk analisis dua kasus sampel Contoh : Seorang peneliti ingin mengetahui perbedaan kemampuan penguasaan
materi penataran, untuk penelitian ini diambil sampel secara acak sebanyak 20 responden, yang dibagi menjadi 2 kelompok, masing-masing beranggotakan 10 responden.pada kelompok pertama, dalam penyajian materi tatar dipakai metode ceramah, sedangkan pada kelompok kedua, penyajian materi tatar dipakainya metode diskusi. Setelah penyajian materi pada dua kelompok tersebut lalu diadakan tes, dan hasilnya terlihat pada tabel berikut :
NAMA : ROBIN PRATAMA 161 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI TABEL 31 Rekapitulasi Data Penguasaan Materi Tatar Dua Kelompok Peserta dengan Dua Metode Penyajian Skor kelompok I dg. Ceramah 8 8 5 7 6 6 8 9 9 8 74 Skor kelompok II dg. diskusi 7 7 7 6 6 5 5 8 7 8 66 D beda skor 1 1 -2 1 0 1 3 1 2 0 8 D2 beda skor 1 1 4 1 0 1 9 1 4 0 22
Berdasarkan rekapitulasi data diatas, selanjutnya dapat dicari besarannya rerata masingmasing kelompok, sebagai berikut:
1
= 74/10 = 66/10 D
= 7.4 = 6.6 =8 = 22 = 10 Pasang
D N
t=
NAMA : ROBIN PRATAMA 162 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI t= t = 1.9 tes signifikansi dapat dilakukan dengan berpijak pada derajat kebebasan (db) N = N-1 = 10-1= 9 dalam tabel kritik t diperoleh harga sebesar 2.262 (untuk kepercayan 95%) dan 3.250 (untuk taraf kepercayaan 99%).
6. SOAL LATIHAN UJI BEDA JAWABANNYA 1. Diambil sampel penelitian secara random dari populasi sebanyak 20 peserta. Pada pelatihan pertama digunakan prosedur deduktif dan pada penelitian kedua diberi prosedur pelatihan induktif. Selesai pelatihan dilakukan evaluasi program, untuk mengetahui tingkat keterampilan peserta pelatihan. Data tingkat keterampilan tersajikan pada tabel berikut :
TABEL REKAPITULASI DATA HASIL EVALUASI PROGRAM PELATIHAN DENGAN MENGGUNAKAN PROSEDUR DEDUKTIF DAN INDUKTIF No. Urut Responden 1 2 3 4 5 6 7 8 9 10 11 12 Skor Dg. Prosedur Deduktif 7 8 5 6 6 6 6 7 8 8 8 8 Skor Dg Prosedur Induktif 6 6 6 7 7 8 8 8 5 5 5 4 D Beda Skor 1 2 -1 -1 -1 -2 -2 -1 3 3 3 4 D2 Beda Skor 1 4 1 1 1 4 4 1 9 9 9 16
NAMA : ROBIN PRATAMA 164 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI 13 14 15 16 17 18 19 20 N = 20 9 8 9 9 7 7 8 6 146 4 6 6 7 8 7 7 6 126 5 2 3 2 1 0 1 0 22 25 4 9 4 1 0 1 0 104
Berdasarkan data tabel rekapitulasi diatas, selanjutnya dapat dicari misalnya rerata skor dari dua prosedur dalam pelatihan, sebagai berikut : Jawab :
1
= 146/20 = 126/20
= 7.3 =6.3 = 22
D D2 N = 104
= 20 Pasang
t=
t= t = 2.22
2.
Seorang ketua RT ingin mendata usia anak dibawah 10 tahun. Untuk penelitian
ini diambil sampel secara acak sebanyak 30 anak, yang nantinya dibagi menjadi 2 kelompok, satu kelompok anak laki laki dan satu kelompok anak perempuan. Anak laki laki 9 7 5 7 6 5 8 7 8 10 6 7 6 8 10 109 Jawab :
1
Anak perempuan 6 7 8 6 7 9 6 7 7 7 6 6 7 8 7 104
D Beda skor -3 0 3 -1 1 4 -2 0 -1 -3 0 -1 -1 0 -3 -5
D2 Beda skor 9 0 9 1 1 16 4 0 1 9 0 1 1 0 9 61
= 109/10 = 104/10
= 10.9 =10.4 = -5 = 61
D D2
NAMA : ROBIN PRATAMA 166 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI N = 15 Pasang
t=
t=
t = 0.94
NAMA : ROBIN PRATAMA 167 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI LAMPIRAN-LAMPIRAN UJI NORMALITAS
NAMA : ROBIN PRATAMA 178 NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI DAFTAR PUSTAKA Darwyansyah, Dkk. 2007. Pengantar Statistik Pendidikan. Jakarta: Gaung Persada Press Hasan, M. Iqbal. 2003. Pokok-Pokok Materi Statitik 2 (statistik inferensif). Jakarta: PT Bumi Aksara http://www.goole.com/uji normalitas.html. diakses 13 Desember 2009 Murray R, Spiegel dan Larry J, Stepens. 2007. Statistik Edisi 3. Jakarta. Erlangga Ps, Djarwanto dan Subagyo, Pangestu. 1996. statistik induktif. Yogyakarta: BPFEYogyakarta Saefudin, Asep dkk. 2009. Statistik Dasar. Jakarta: PT Grasindo Soepomo, Bambang.2002.Statistik Terapan; dalam Penelitian Ilmu Sosial dan Pendidikan. Jakarta: PT Rineka Cipta Suharyadi. 2008. Statistik untuk Ekonomi dan Keuangan Modern. Salemba Empat Supranto, J. 2001. statistik dan aplikasi. Jakarta: PT Glora Aksara Pratama Tri Cahyono. 2006. Uji Normalitas. online (http://scribd.com /uji normalitas.html. diakses 13 Desember 2009) Walpope, Ronald E.1995. Pengantar Statistika Edisi ke-3.

PROBABILITAS

Diunggah oleh

Hak Cipta:

Format Tersedia

PROBABILITAS

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PROBABILITAS

Diunggah oleh

Hak Cipta:

Format Tersedia

NAMA : ROBIN PRATAMA NIM :A1A108030 FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN UNIVERSITAS JAMBI

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

Beberapa jenis permutasi a. permutasi melingkar ( keliling)

MATA KULIAH STATISTIK

n! n1!, n2!, n3!....nk!

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

Langkah-langkah penyelesaianya: Jawab:

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

Banyaknya paket rak adalah ; 4 x 2 x 5 x 3 = 120 paket

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

G. JAWABAN SOAL-SOAL LATIHAN

MATA KULIAH STATISTIK

1. Diketahui n! = n(n-1) (n-2) ..3.2.1 4! = 4 (4-1) (4-2) (4-3) = 4.3.2.1 = 28

6! = (6-1) (6-2) (6-3) (6-4) (6-5) = 6.5.4.3.2.1 = 720

2. nPr = n! (n-r)! a. Diketahui n= 6 dan r= 3 6P3 = 6! (6-3)! = 6! = 6.5.4.3.2.1 3! 3.2.1 = 120

3. jawab : Banyak permutasi = (n-1)!

MATA KULIAH STATISTIK

a. diketahui n= 10 dan r= 3 10C3 = 10 = 3 10! 3! (10-3)! = 720 = 10.9.8.7.6.5.4.3.2.1 3.2.1 7.6.5.4.3.2.1

MATA KULIAH STATISTIK

P(E) = P (X= 64) = 64 100 = 0,64

P(E)=(X=87) = 87 100 = 0,87

P(E)= P(X=96) = 96 100 = 0,96

7. jawab P(A) = 3 5 = 0,6 8. jawab

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

kategori Sisi 1 Sisi 2 Sisi 3 Sisi 4 Sisi 5 Sisi 6 hitung = 1.70

MATA KULIAH STATISTIK

(0i-ei) 625 25 900 100 .

(0i-ei)/ei 2,50 0,25 9,00 2,00 13,75

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

Apakah ada kaitan antara gender dengan jam kerja?

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK

MATA KULIAH STATISTIK