LAPORAN PRAKTIKUM STATISTIK

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S. Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

1

KATA PENGANTAR

Puji syukur kita panjatkan kepada Allah SWT, laporan praktikum ini akhirnya dapat terselesaikan. Laporan ini adalah laporan hasil praktikum Mata Kuliah Statistik. Tanpa ridha dan kasih sayang serta petunjuk dari-Nya mustahil laporan ini dapat terselesaikan. Laporan ini disusun atas dasar tugas dari Dosen dalam Mata Kuliah Statistik. Laporan ini mengulas antara lain : (1) teknik sampling dan pengumpulan data; (2) pengolahan dan penyajian data; (3) mengukur pemusatan dan penyebaran data; (4) hitung peluang dan distribusi teoritis; (5) pengujian hipotesis; (6) analisis ragam dan (7) analisis regresi dan korelasi. Mudah-mudahan laporan ini dapat bermanfaat bagi mahasiswa dan pembaca yang memerlukan pengetahuan tentang statistik. Dalam kesempatan ini penulis mengucapkan terima kasih kepada semua pihak yang telah memberikan bantuan baik secara materiil maupun moril dalam penulisan laporan ini. Kami juga mengucapkan terima kasih kepada Dosen yang telah memberikan tugas pada kami, juga teman-teman yang telah berperan dalam pembuatan makalah ini. Akhirnya sesuai kata pepatah “Tiada Gading Yang Tak Retak,” kami mengharapkan saran dan kritik yang dapat membangun. Kebenaran dan kesempurnaan hanya Allah lah yang punya dan Maha Kuasa.

Purwokerto, 15 Juni 2010

Penulis

2

DAFTAR ISI

HALAMAN JUDUL ....................................................................................... i KATA PENGANTAR .................................................................................... ii DAFTAR ISI ................................................................................................. iii ACARA I. TEKNIK SAMPLING DAN PENGUMPULAN DATA BAB I PENDAHULUAN ................................................................................ 1 A. Latar Belakang ........................................................................ 1 B. Tujuan ..................................................................................... 2 BAB II ALAT DAN BAHAN ............................................................................ 3 BAB III PROSEDUR KERJA ......................................................................... 4 BAB IV HASIL PENGAMATAN ..................................................................... 5 BAB V PEMBAHASAN ................................................................................. 8 BAB VI KESIMPULAN .................................................................................. 12 DAFTAR PUSTAKA ..................................................................................... 13 ACARA II. PENGOLAHAN DAN PENYAJIAN DATA BAB I PENDAHULUAN ................................................................................ 14 A. Latar Belakang ........................................................................ 14 B. Tujuan ..................................................................................... 14 BAB II ALAT DAN BAHAN ............................................................................ 15 BAB III PROSEDUR KERJA ......................................................................... 16 BAB IV HASIL PENGAMATAN ..................................................................... 17 BAB V PEMBAHASAN ................................................................................. 19 BAB VI KESIMPULAN .................................................................................. 24 DAFTAR PUSTAKA ..................................................................................... 25 ACARA III. MENGUKUR PEMUSATAN DAN PENYEBARAN DATA BAB I PENDAHULUAN ................................................................................ 26 A. Latar Belakang ........................................................................ 26 B. Tujuan ..................................................................................... 26 BAB II ALAT DAN BAHAN ............................................................................ 27 BAB III PROSEDUR KERJA ......................................................................... 28 BAB IV HASIL PENGAMATAN ..................................................................... 29 BAB V PEMBAHASAN ................................................................................. 32 BAB VI KESIMPULAN .................................................................................. 35

3

DAFTAR PUSTAKA ..................................................................................... 36 ACARA IV. HITUNG PELUANG DAN DISTRIBUSI TEORITIS BAB I PENDAHULUAN ................................................................................ 37 A. Latar Belakang ........................................................................ 37 B. Tujuan ..................................................................................... 37 BAB II ALAT DAN BAHAN ............................................................................ 39 BAB III PROSEDUR KERJA ......................................................................... 40 BAB IV HASIL PENGAMATAN ..................................................................... 41 BAB V PEMBAHASAN ................................................................................. 47 BAB VI KESIMPULAN .................................................................................. 50 DAFTAR PUSTAKA ..................................................................................... 51 ACARA V. PENGUJIAN HIPOTESIS BAB I PENDAHULUAN ................................................................................ 52 A. Latar Belakang ........................................................................ 52 B. Tujuan ..................................................................................... 53 BAB II ALAT DAN BAHAN ............................................................................ 54 BAB III PROSEDUR KERJA ......................................................................... 55 BAB IV HASIL PENGAMATAN ..................................................................... 56 BAB V PEMBAHASAN ................................................................................. 60 BAB VI KESIMPULAN .................................................................................. 62 DAFTAR PUSTAKA ..................................................................................... 63 ACARA VI. ANALISIS RAGAM BAB I PENDAHULUAN ................................................................................ 64 A. Latar Belakang ........................................................................ 64 B. Tujuan ..................................................................................... 64 BAB II ALAT DAN BAHAN ............................................................................ 65 BAB III PROSEDUR KERJA ......................................................................... 66 BAB IV HASIL PENGAMATAN ..................................................................... 67 BAB V PEMBAHASAN ................................................................................. 69 BAB VI KESIMPULAN .................................................................................. 72 DAFTAR PUSTAKA ..................................................................................... 73 ACARA VII. ANALISIS REGRESI DAN KORELASI BAB I PENDAHULUAN ................................................................................ 74 A. Latar Belakang ........................................................................ 74

4

B. Tujuan ..................................................................................... 75 BAB II ALAT DAN BAHAN ............................................................................ 76 BAB III PROSEDUR KERJA ......................................................................... 77 BAB IV HASIL PENGAMATAN ..................................................................... 78 BAB V PEMBAHASAN ................................................................................. 86 BAB VI KESIMPULAN .................................................................................. 88 DAFTAR PUSTAKA ..................................................................................... 89

5

LAPORAN PRAKTIKUM STATISTIK

ACARA I TEKNIK SAMPLING DAN PENGUMPULAN DATA

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 18 Mei 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

6

BAB I PENDAHULUAN

A. Latar Belakang Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah „statistika‟ (bahasa inggris : statistiks) berbeda dengan „statistik‟ (statistik). Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpilkan atau

mendeskripsikan data, ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori probability. Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya atronomi dan biologi), maupun ilmu-ilmu social (termasuk sosiologi dan psikologi), dan dibidang bisnis, ekonomi, industri. Statistika juga digunakan dalam pemerintahan untuk berbagai macam tujuan, sensus penduduk merupakan salah satu prosedur yang paling dikenal. Aplikasi statistik lainnya yang sekarang popular adalah prosedur jejak pendapat atau polling, serta jejak cepat atau quick count. Dibidang komputasi, statistika dapat pila diterapkan dalam pengenalan pola maupun kecerdasan buatan. Aplikasi statistika terhadap permasalahan sains, industri, atau social, pertama-tama dimulai dari mempelajari populasi. Makna populasi dalam statistika dapat berarti populasi benda hidup, benda mati ataupun benda abstrak. Populasi juga dapat berupa pengukuran sebuah proses dalam waktu yang berbeda-beda, yakni dikenal dengan istilah deret waktu. Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus. Sebuah sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk itu, dalam statistika sering kali dilakukan pengambilan sampel, yakni sebagian data dari sampel nantinya digunakan untuk menggeneralisakan seluruh populasi. Jika sampel yang diambil cukup representatif, inferensial dan simpulan yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi secara keseluruhan. Metode statistika tentang bagaimana cara mengambil sampel yang tepat dinamakan teknik sampling.

7

B. Tujuan Setelah melaksanakan secara praktikum ini diharapkan mahasiswa dapat : 1. Mengenali dan melakukan beberapa teknik sampling yang digunakan dalam statistik. 2. Mengenali dan membedakan beberapa teknik sampling. 3. Membedakan probability sampel dengan non probability sampel.

8

BAB II ALAT DAN BAHAN

Alat dan bahan yang digunakan dalam praktikum ini yaitu : 1. Persemaian Padi 2. Daftar IPK mahasiswa beberapa tahun angkatan 3. Mistar / penggaris dan alat tulis

9

BAB III PROSEDUR KERJA 1. Random Sampling Dari semai yang sudah disiapkan, lakukan mengambil semai sampel secara acak sebanyak 60 semai, kemudian lakukan pengukuran terhadap tinggi / panjang semai. Catat data yang saudara peroleh dalam table data yang sudah disapkan. Pengambilan sampai dapat juga dengan menggunakan bilangan acak (ranom numbers). 2. Sistematik Sampling Kepada tanaman-tanaman semai yang sudah disiapkan berilah label nomor sebanyak-banyaknya (minimal 300 nomor). Kemudian tentukan satu angka nomor sauna sebagai titik toalk, lalu tentukan nomor kedua sedang beberapa nomor (missal 5 nomor) untuk diambil sebagai sample ke 3, ke 4 dan seterusnya. Ambil 60 nomor tanaman semai sebagai sampel. Lakukan pengukuran terhadap panjang semai dan catat datanya dalam table data yang sudah disiapkan. 3. Groups Sampling Dari semai tanaman yang sudah disapkan untuk setiap group diambil 10 semai secara acak sederhana. Lakukan pengukuran terhadap tinggi / panjang semai dan catat datanya dalam table yang sudah disiapkan. 4. Stratified Sampling Siapkan data ID Mahasiswa beberapa tahun angkatan. Untuk masingmasing angkatan, kelompokkan menjadi berdasarkan SKS yang diambil pada suatu semester ( <12, 12-15, 16-18, 19-21, > 21). Tentukan sampel sebanyak 60 mahasiswa secara acak sederhana atau sistematis. Catat ID yang diperoleh dalam table data yang sudah disiapkan. 5. Clustered Sampling Tentukan secara acak 5 cluster semai padi yang sudah disiapkan. Untuk masing-masing cluster lakukan pengamatan terhadap tinggi bibit semai. Anggota cluster, catat datanya dalam table yang sudah disiapkan.

10

BAB IV HASIL PENGAMATAN 1. Random Sampling

No Tinggi (Cm) No Tinggi (Cm) No Tinggi (Cm) No Tinggi (Cm) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 12,1 17,5 19,0 17,6 19,5 21,2 18,6 19,0 15,8 15,2 19,7 18,8 16,3 18,5 14,1 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 13,3 16,2 14,3 16,5 17,2 14,5 20,6 14,4 16,0 21,5 15,0 18,0 17,2 19,5 17,7 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 18,5 21,0 19,0 15,5 18,3 22,0 17,0 17,0 18,0 19,5 16,5 16,0 13,5 17,4 19,3 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 19,5 20,2 19,0 16,5 14,5 15,0 19,0 15,5 15,0 19,5 17,0 18,5 17,0 17,5 17,3

11

2. Sistematik sampling

SPL NO TGG SPL NO TGG SPL NO TGG SPL NO TGG 1 121 15,0 2 124 20,1 3 127 16,7 4 130 20,2 5 133 17,9 6 136 18,2 7 139 18,5 8 142 16,8 9 145 16,6 10 148 15,4 11 151 16,7 12 154 19,1 13 157 18,0 14 162 14,2 15 165 13,9 16 168 19,0 17 171 16,1 18 174 16,3 19 177 16,0 20 180 17,4 21 183 19,0 22 186 17,5 23 189 20,5 24 192 18,6 25 195 19,0 26 198 16,1 27 201 17,5 28 204 13,3 29 207 20,0 30 210 17,0 31 213 32 215 33 218 34 221 35 224 36 227 37 230 38 233 39 236 40 239 41 242 42 245 43 248 44 251 45 254 16,6 17,5 21,5 18,9 15,5 14,0 14,0 22,0 16,4 18,0 15,8 14,3 20,0 17,0 16,6 46 257 17,5 47 260 19,2 48 263 10,0 49 266 16,6 50 269 21,3 51 272 10,7 52 275 15,4 53 278 17,0 54 281 17,6 55 284 14,4 56 287 16,5 57 290 16,0 58 293 164,4 59 296 14,0 60 299 13,6

3. Group sampling

No Spl 1 2 3 4 5 6 7 8 9 10 I 19.5 19.5 21.0 22.5 20.0 19.0 18.0 19.1 20.9 22.0 II 16.0 20.5 20.1 18.6 15.9 20.0 17.8 22.3 19.5 22.2 III 21.0 22.0 18.3 23.0 18.5 20.0 19.0 20.6 21.3 16.5 IV

Group V 17.9 14.6 20.5 17.6 21.0 18.6 21.6 20.7 20.1 16.0 VI 13.0 18.5 16.0 11.5 20.5 16.7 15.7 12.5 18.7 12.8 VII 18.5 16.5 16.7 15.3 16.7 14.0 17.5 18.6 15.5 12.0 VIII 20.5 25.6 23.2 17.3 14.5 20.1 18.5 17.5 22.6 19.5

18.2 25.6 16.6 16.4 15.7 20.0 12.0 13.3 17.7 14.6

12

4. Clustered sampling

No. Ten Sample 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 21.5 17.0 18.5 19.7 15.0 19.8 16.7 17.5 18.1 16.5 17.6 18.5 16.8 16.3 19.5

Cluster Sample ke 2 19.3 23.3 14.4 19.5 18.6 17.9 18.6 17.2 20.7 18.3 20.6 16.9 14.1 16.1 15.4 3 16.5 10.4 18.5 11.4 16.2 18.8 16.2 18.1 14.9 19.7 19.7 22.3 17.8 17.3 20.3 4 17.0 21.0 18.5 19.0 17.0 23.0 21.0 16.5 22.0 21.0 22.0 22.2 20.5 23.5 23.0 5 14.5 28.0 21.5 22.0 23.5 21.0 17.5 14.0 18.2 25.5 24.4 17.0 20.0 16.0 24.0

5. Stratified sampling

Pengambilan SKS < 1.49

Capaian Indeks Prestasi 1.50 – 2.00 2.01 – 2.50 6 7 8 5 1 2.51 – 3.00 5 7 8 9 10 1 2 6 9 > 3.00

< 16 17 – 18 19 – 24 21 – 22 23 – 24

2 1 -

7 4 2 -

13

BAB V PEMBAHASAN

Suatu tes statistik parametrik adalah suatu tes yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sample penelitiannya. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi. Seberapa jauh makna hasil suatu tes parametrik bergantung pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa skor-skor yang dianalisis merupakan hasil suatu pengukuran yang sedikitnya berkekuatan sebagai skala interval. Tes statistik non parametrik adalah tes yang modelnya tidak menetapkan syarat-syarat mengenai parameter populasi yang merupakan induk sample penelitiannya. Terlebih lagi tes non parametrik tidak menuntut pengukuran sekuat yang dituntut tet-tes parametrik. Sebagian besar tes non parametrik dapat diterapkan untuk data dalam skala ordinal, dan beberapa yang lain juga dapat ditetapkan untuk data dalam skala nominal (Sidney, 1997). Penggunaan karakteristik sampel untuk memperoleh keterangan

mengenai karakteristik populasi dari mana sampel tersebut dipilih merupakan prosedur yang fundamental dalam penelitian statistik. Sampel yang representatif harus dipilih dengan cara sedemikian rupa agar hasil karakteristik sampel tersebut dapat memberi gambaran yang tepat tentang karakteristik populasi yang diselidiki. Jenis sampel yang paling banyak digunakan oleh peneliti ialah sampel random, sampel sistematik, sampel luas, quota sampel dan sampel berstrata. 1. Sampel random Sebuah sampel yang terdiri dari unsur-unsur yang dipilih dari populasi dianggap random bila tiap unsur yang terdapat dalam populasi tersebut memiliki probabilitas yang sama untuk terpilih. Secara teoritis, sampel yang terdiri dari hasil poelemparan uang logam merupakan sampel random karena pada tiap pelemparan sisi bergambar atau berangka uang logam tersebut memiliki probabilitas yang sama untuk terwujud. Pemilihan sampel yang bersifat random akan memberikan hasil yang memuaskan bila populasi dari means sampel tersebut dipilih benar-benar bersifat homogen. Bila sebuah sampel dipilih secara random dari populasi yang terdiri

14

dari beribu-ribu bola billiar yang memiliki bentuk, berat dan ukuran yang sama, maka populasi sedemikian itu dianggap sama jenis (homogen).

2. Sampel sistematis Sebuah sampel dianggap sistematis bila proses pemilihannya dilakukan secara sistematis dari populasinya. Dalam proses pengawasan kualitas, pemilihan sampel dilakukan dengan cara memilih serta menguji semua produk yang dihasilkan pada tiap-tiap satu jam interval. Proses pemilihan sampel mahasiswa fakultas ekonomi yang akan diukur tinggi badannya dapat dilakukan dengan cara memilih mahasiswa yang nomor mahasiswanya berakhiran 50. sampel sistematis sedemikian itu banyak sekali dipergunakan dalam berbagai penelitian statistik. 3. Sampel Cluster Prosedur pemilihan samplenya merupakan prosedur pemilihan kelompokkelompok secara random dari unit-unit yang tertentu. Prosedur pemilihan sampel dalam sensus pertanian dapat dilakukan dengan jalan melakukan pemilihan secara random terhadap (a) propinsi di tiap daerah pertanian yang berbeda, (b) kabupaten-kabupaten di tiap sampel propinsi, (c) desa-desa dalam tiap sampel kabupaten, (d) kampung-kampung dalam tiap sampel desa, dan (e) seksi-seksi dalam tiap sampel kampung. Pada dasarnya, riset tentang pemasaran dapat juga menggunakan prosedur kelompok sebagai dasar pengumpulan datanya. 4. Sampel Berstrata Bila populasi ternyata terdiri dari bermacam-macam jenis (heterogen), maka populasi sedemikian itu dapat dibagi kedalam beberapa stratum dan sampelnya dapat dipilih secara random dari tiap stratum. Prosedur pemilihan sampel yang berstrata sedemikian itu tidak dapat digunakan kecuali bila kita memang memiliki keterangan-keterangan yang cukup tentang populasi dan stratumnya. Selain dari pada itu, bila jumlah sampelnya tidak besar, maka sampel berstrata umumnya lebih representatif daripada sampel random sederhana. 5. Sampel Kuota

15

Baik buruknya suatu riset yang menggunakan data sampel tergantung pada persoalan apakah sampelnya memang representatif atau tidak. Tidak semua persoalan pemilihan sampel selalu dapat dipecahkan sekedar dengan menggunakan sampel random. Kondisi-kondisi dimana sampel tersebut

dipergunakan, biaya pemilihan sampel dan konsiderasi-konsiderasi lain selalu membentuk batas-batas tertentu dan mengharuskan penggunaan sampel yang tertentu pula.

Kelebihan dan kekurangan teknik sampel 1. Random Sampling Kelebihan : a. mudah dilakukan b. tidak ada batasan kekurangan : a. tempat yang kurang mendukung b. kesulitasn pengukuran c. tanaman yang telah dicabut tidak berakhir. 2. Sistematik Sampling Kelebihan : a. Mudah dilakukan b. Sesuai dengan nomor pengambilan Kekurangan : a. Tolak ukur yang berbeda dengan group sebelumnya b. tanaman tidak teratur c. tanaman terlalu dekat jaraknya. 3. Group Sampling Kelebihan : a. mudah dilakukan b. batasan-batasan sangat jelas Kekurangan : a. Membutuhkan daftar populasi

4. Stratified Sampling Kelebihan : a. Mudah dilakukgan b. batasan-batasan sangat jelas, karena sudah dibagi berdasarkan tingatknya. Kekurangan : a. daftar populasi tiap strata diperlukan.

5. Cluster Sampling Kelebihan : a. mudah dilakukgan b. ukuran dalam skala kecil

16

c. data sudah merupakan rata-rata hasil pengamatan Kekurangan : a. Prosedur estimasi sulit.

Kesulitan-kesulitan pada saat praktikum : Sampling Random sampling Kelebihan - mudah dilakukan - tidak ada batasan Kekurangan - tempat mendukung - kesulitan pengukuran - tanaman yang telah tercabut tidak berakhir Sistematik sampling - sesuai dengan nomor - tolak ukur yang berbeda pengambilan - mudah dilakukan dengan group sebelumnya - tanaman tidak teratur - tanaman jaraknya - membutuhkan populasi Group sampling - mudah dilakukan - batasan-batasan sangat jelas daftar terlalu dekat yang kurang

Stratified sampling

- mudah dilakukan - batasan-batasan sangat sudah jelas karena dibagi

- daftar populasi setiap strata diperlukan

berdasarkan stratanya Clustered sampling - mudah dilakukan - ukurannya skala kecil - data sudah merupakan rata-rata pengamatan hasil - prosedur estimasi sulit

17

BAB VI KESIMPULAN

Kesimpulan yang didapat dari percobaan ini ialah : 1. Terdapat beberapa teknik sampling dalam pengambilan sampel yang digunakan dalam statistik 2. Tiap teknik sampling berbeda, serta memiliki kelebihan dan kekurangan masing-masing terutama pada metode pengambilan sampel. 3. Probability sampel dan non probability sampel terdapat perbedaan pada penarikan individu sebagai sampel.

18

DAFTAR PUSTAKA

Anto, Dajan, 1973. Pengantar Metode Statistik Jilid 1. LP3ES. Jakarta Bambang Prasetyo dan Lina Miftahul Jannah. 2005. Metode Penelitian Kuantitatif : Teori dan Aplikasi. PT. Radjagrafindo Persada. Jakarta. Miles, Mathew B & A. Michael Huberman. 1992. Analisis Data Kualitatif. Diterjemahkan oleh Tjetjep Rohendi Rohidi. Universitas Indonesia Press . Jakarta. Sevila, Sonsuelo. 1993. Pengantar Metode Penelitian. Diterjemahkan oleh Alimudin Tuwu. Universitas Indonesia Press. Jakarta Sidney, Siegel. 1997. Statistik non Parametrik. Gramedia. Jakarta.

19

LAPORAN PRAKTIKUM STATISTIK

ACARA II PENGOLAHAN DAN PENYAJIAN DATA

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 21 Mei 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

20

BAB I PENDAHULUAN

A. Latar belakang Kita dapat bercerita tentang nilai tertinggi dan terendah. Tetapi informasi tersebut belum cukup memberikan gambaran tetang kemampuan, bila kita dapat menyajikan dalam bentuk yang lebih sederhana, tetapi informative, tentunya akan sangat bermanfaa. Cara yang umum digunakan adalah menata atau menyusun data yang kita miliki kedalam sebuah table yang disebut table frekuensi. Table frekuensi merupakan table yang menunjukkan sebaran atau distribusi frekuensi data yang kita milki yang tersusun atas frekuensi tiap-tiap kelas atau kategori. Frekuensi tiap kelas / kategori menunjukkan banyaknya pengamatan dalam kelas atau kategori yang bersangkutan. Data yang sudah dikumpulkan baik yang diperoleh dari hasil

pengumpulan sendiri ataupun data yang diperoleh dari sumber lain yang sudah jadi perlu tahap pengolahan. Sehingga data tersebut dapat dikomunikasikan secara mudah dan akurat kepada para user. Tahap pengolahan data ini merupakan satu tahap yang penting dalam proses penarikan kesimpulan statistik, berapa banyak data yang tersebar begitu saja pada instansi, data tersebut dibiarkan begitu saja, sehingga tidak memberikan konstribusi yang bersih dalam proses pengambilan kebijakan. B. Tujuan Setelah mengikuti acara praktikum ini diharapkan mahasiswa dapat : 1. Melakukan pengolahan data dengan benar 2. Menyajikan data dalam berbagai bentuk sajian dengan benar 3. Menyusun data dalam bentuk table distribusi frekuensi

21

BAB II ALAT DAN BAHAN

1. Data yang dicatat pada acara pertama yang diambil dengan teknik sample random sampling dan sistematik sampling. 2. Kalkulator 3. Alat-alat tulis (kertas, ballpoint, kertas grafik, pensil warna, dsb)

22

BAB III PROSEDUR KERJA

Data yang diperoleh pada acara teknik sampling dan pengumpulan data, buatlah : 1. Grafik histogram, grafik polygon dan lingkaran (piechart) 2. Susunlah dalam table distribusi frekuensi dengan nomor, interval kelas (1 kb – 1 ka), batas kelas (bkb – bkba), tanda kelas, frekuensi, frekuensi relative, frekuensi kumulatif, frekuensi dalam persen.

23

BAB IV HASIL PENGAMATAN Rentang : 25,6 – 11,5 = 14,1 Interval Kelas = 1 + 3,3 log 80 = 7 Lebar kelas =
No 1 2 3 4 5 6 7
14 ,1 7 2

Clas M limit 11.48 – 13.58 13.58 – 15.68 15.68 – 17.78 17.78 – 19.88 19.88 – 21.48 21.98 – 24.08 24.08 – 26.18

Class Boundaris 11.0 – 12.0 13.0 – 14.0 15.0 – 16.0 17.0 – 18.0 19.0 – 20.0 21.0 – 22.0 23.0 – 24.0 25.0 – 26.0

Clas Mark 12 14 16 18 20 22 24 26

F 4 4 13 18 25 11 3 2

F< 0 4 8 21 39 64 78 80

FK 4 8 21 34 64 75 78 80

F% 5% 5% 16.25% 22.5% 31.25% 13.75% 3.75% 2.5% 100%

X1.f1 48 56 208 324 500 242 72 52 1502

(x1.fi)2 2304 3136 43.264 104.976 250.000 58.564 5184 2704 470132

Σ

28 26 24 22 20 18 16 14 12 10 8 6 4 2 12 14 16 18 20 22 24 26 28

Grafik Poligon

24

28 26 24 22 20 18 16 14 12 10 8 6 4 2 12 14 16 18 20 22 24 26 28

Grafik Histogram

25

BAB V PEMBAHASAN

Salah satu hal yang mempengaruhi kualitas hasil penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Ada 2 sumber data : 1. Data primer Data primer adalah data yang langsung diambil dari sumbernya. Ada 3 cara pengumpulan data primer yaitu : a. Observasi Observasi adalah teknik pengumpulan data yang dilakukan dengan melakukan pengamatan. Data yang dihasilkan adalah data yang kualitatif. b. Wawancara Wawancara adalah teknik pengumpulan data yang dilakukan dengan mengajukan pertanyaan secara lisan. biasanya dilakukan jika ingin diketahui hal-hal yang lebih mendalam dari responden. Data yang dihasilkan adalah data yang kualitatif. c. Kuesioner Kuesioner adalah teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pertanyaan tertulis kepada responden untuk dijawab. Data yang dihasilkan bisa data kuantitatif dan kualitatif. 2. Data Sekunder Data sekunder adalah data yang diambil dari hasil mengumpulkan orang lain. Contoh : data yang dimiliki perusahaan, data BPS, Browsing di internet dan sebagainya. A. Pengolahan data Pengolahan data adalah mentabulasi data, menjumlahkan atau memilihmilih data menjadi data yang siap disajikan dan kemudian dianalisa sesuai dengan kebutuhan.

26

B. Penyajian data 1. Penyajian Data Acak Data yang sudah diolah kemudian disajikan. Tujuan penyajian data adalah agar para pengguna mudah dalam membaca data. Ada 2 cara penyajian data yaitu : a. Tabel Syarat-syarat sebuah table yaitu minimal terdapat : 1) Judul tabel 2) Judul baris dan atau judul kolom 3) Catatan kaki yang berisi sumber data dan atau keterangan. Sumber adalah darimana data tersebut diperoleh. Keterangan adalah penjelasan singkat jikat ada data yang ekstrim. b. Grafik Ada beberapa macam grafik / diagram 1) Diagram batang Diagram batang adalah diagram berdasarkan data berbentuk kategori. Diagram ini banyak digunakan untuk membandingkan data maupun menunjukkan hubungan suatu data dengan data keseluruhan. Diagram ini penyajian datanya dalam bentuk batang, sebuah batang melukiskan jumlah tertentu dari data. Contoh : Jumlah siswa di Fakultas Pertanian

2) Grafik garis

27

3) Diagram garis Diagram garis adalah suatu diagram yang digambarkan

berdasarkan satu waktu, biasanya waktu yang digunakan dalam bulan atau tahun. Kegunaan diagram garis adalah untuk dapat melihat gambaran tentang perubahan peristiwa dalam suatu periode (jangka waktu) tertentu dibuat diagram garis. Contoh :

4) Diagram lingkaran Penyajian data dalam bentuk diagram lingkaran berdasarkan pada sebuah lingkaran yang dibagi-bagi dalam beberapa bagian sesuai dengan macam data dan perbandingan frekuensi masing-masing data yang disajikan. Contoh :

28

2. Penyajian data berkelompok Selain disajikan dalam bentuk grafik/diagram, jika jumlahnya banyak dapat disajikan dengan terlebih dahulu dikelompokkan atau yang dikenal dengan nama pembuatan tabel distribusi frekuensi. Ada tiga jenis penyebaran data : a. Berdistribusi negatif Data didistribusikan negatif berarti kebanyakan data berada dibawah ratarata atau jika digambarkan sebagai berikut :

b. Berdistribusi simetris Data berdistribusi simetris berarti kebanyakan data berada disekitar ratarata, atau jika digambarkan sebagai berikut :

c. Berdistribusi positif Data didistribusikan positif berarti kebanyakan data berada diatas ratarata, atau jika digambarkan sebagai berikut :

Langkah-langkah pembuatan distribusi frekuensi

29

1. Tentukan rentang Rentang adalah jarak antara data terkecil dengan data terbesar : R= Xmaxs – Xmin 2. Tentukan banyaknya kelas interval Banyaknya kelas interval adalah banyaknya kelompok data. Untuk menentukan beberapa banyaknya kelompok digunakan rumus sturges : K = 1 + 3,3 log n Dimana n adalah jumlah data

3. Tentukan panjang kelas interval Panjang kelas interval adalah panjang interval dari tiap kelompok data. Persamaannya :
P R K

4. Membuat tabel distribusi frekuensi Tentukan ujung bawah interval pertama, biasanya menggunakan data terkecil atau data yang lebih kecil dari data terkecil. ANALISA DATA Kesulitan – kesulitan pada saat praktikum : 1. Kurang pemahaman mengenai interval class, rentang, lebar, sehingga susah membuat distribusi frekuensi. 2. Tidak membawa mistar 3. Distribusi frekuensi mengalami hambatan 4. Kurang ketelitian dalam membuat distribusi fekuensi 5. Kurang pemahaman tentang menggambar grafik.

30

BAB VI KESIMPULAN

1. Tahap pengolahan data merupakan satu tahap penting dalam proses penarikan kesimpulan statistik. 2. Model penyajian data dibagi menjadi dua yaitu skala nominal atau ordinal kategorial dan skala interval atau rasio. 3. Pada tabel frekuensi ada beberapa perhitungan yang harus dilakukan terlebih dahulu yaitu range, jumlah kelas, interval kelas, titik tengah kelas, batas atas kelas dan batas bawah kelas.

31

DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Metode Statistik jilid I . LP3S. Jakarta Biro Pusat Statistik : Statistik Indonesia. 1979. Biro Pusat Statistik. Jakarta Lungen, Richard. 2006. Aplikasi Statistika & Hitung Peluang. Graha Ilmu. Yogyakarta Sudjana. 2005. Metode Statistik. Taisito. Bandung Supranto. 1983. Statistik Teori dan Aplikasi. Erlangga. Jakarta

32

LAPORAN PRAKTIKUM STATISTIK

ACARA III MENGUKUR PEMUSATAN DAN PENYEBARAN DATA

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 21 Mei 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

33

BAB I PENDAHULUAN

A. Latar Belakang Pada gejala tunggal penarikan kesimpulan dapat dengan mudah di lakukan, karena datanya selalu tunggal, sehingga dimanapun akan mempunyai hasil yang sama. Misal besarnya grafitasi bumi maka kesimpulan akan sama. Pada gejala yang setiap saat berubah-ubah tidak mungkin menyimpulkan hanya mendasarkan suatu individu atau subyek pengamatan maupun penyebut satu persatu semua subyek penelitian yang diukur, hal ini akan menimbulkan kejenuhan dan terlalu bertele-tele, maka atas dasar itu dibutuhkan cara untuk menggambarkan variasi begitu banyak data dalam beberapa indikator yang bisa mewakili begitu banyak variasi data. Ada beberapa indikator yang bisa digunakan untuk manggambarkan variasi data yang disebut dengan ukuran pemusatan yaitu rata-rata, nilai tengah dan nilai yang paling sering muncul. Penggunaan ukuran ini dapat dilakukan pada data tunggal atau data kelompok atau data yang sudah dalam bentuk tabel distribusi frrekuensi. B. Tujuan Setelah melaksanakan acara praktikum ini diharapkan mahasiswa dapat: 1. Memahami dan mengerti salah satu statistik dari populasi yang diamati berdasarkan statistik yang diperoleh dari data sampel. 2. Menghitung nilai-nilai statistik ukuran pemusatan data. 3. Menghitung nilai – nilai statistik ukuran penyebaran data.

34

BAB II ALAT DAN BAHAN

1. Data sempel yang diperoleh dengan teknik sampling sederhana dan systematic sampling pada acara pertama. 2. Kalkulator. 3. Alat-alat tulis (kertas, pensil, ballpoint, kertas grafik dsb).

35

BAB III PROSEDUR KERJA

1. Siapkan data sampel hasil sampling sederhana yang telah dicatat pada acara pertama. 2. Siapkan data sampel hasil sistematik pada acara pertama.

36

BAB IV HASIL PENGAMATAN

1. Mean :

2. Medians =

3. Median =

=

4. Kuartil
1 N fx 1 fs . k 1 I

a. Q1

Kb

4

15

20 13

8

2

15

0 , 307

15 , 30

37

1

b. Q2

Kb

2

N fx 2

fs . k 2 I

19

40 25

39

2

19

0 , 08

19 , 08

3

c. Q3

Kb

4

N fx 3

fs . k 3 I

19

60 25

39

2

19

1 , 68

20 , 68

a. Rentang = 25,6 – 11,5 = 14,1 b. Simpangan = D = Σ|X1- X | =|12–18,78|+|14–18,78|+|16–18,78|+|18–18,78|+|20–18,78|+|22–18,78|+|2418,78|+|26–18,78| = 32

c. Simpangan rata-rata = D

|X 1 n

X |

32 80

0 ,4

2

d. JKX =

F1 X 1

2

F1 X 1 N

28924

2256004 80

28924

28200 , 05

723 , 95

38

e. S 2

JK n

X

723 , 95 79

9 ,16

1

f. S

S

9 ,16

3 , 02

g. S X

S n

3 , 02 80

0 , 33

h. KK

S X

100 %

3 , 02 18 , 78

100 %

16 , 08

i. Kemencenga

n

mean

modus baku

18 , 78 3 , 02

19 , 6

0 , 27

39

BAB V PEMBAHASAN

Iqbal Hasan (2001 : 7) menjelaskan bahwa statistik deskriptif adalah bagian dari statistik yang mempelajari cara penyimpulan data-data penyajian data sehingga mudah dipahami. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan. Dengan kata statistik deskriptif berfungsi menerangkan keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif (jika ada) hanya ditujukan pada kumpulan data yang ada. Bahasa statistik deskriptif mencangkup : Distribusi frekuensi beserta bagian-bagiannya seperti : a) Grafik distribusi (histrogram, polygon, dan ogif), b) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya), c) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan sebagainya). Bambang Suryoatmono (2004 : 18) menyatakan statistika deskriptif adalah statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja, yaitu: a. Ukuran Lokasi : mide, mean, median, dan lain-lain. b. Ukuran Variabilitas : varians, deviasi standar, range, dan sebagainya. Pangestu Subagyo (2003 : 1) menyatakan yang dimaksud dengan ststistika deskriptif adalah bagian statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilai statistik, pembuatan diagram atau gambar mengenai sesuatu hal, di sini data yang disajikan dalam bentuk yang lebih mudah dipahami atau dibaca. Iqbal Hasan (2004 : 185) menjelaskan Analisis deskriptif merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sampel. Analisis deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau tidak. Menurut jenjang keilmuannya statistika dibedakan menjadi dua, yaitu statistika deskriptif dan statistika inferensia. Statistika deskriptif sering disebut sebagai statistika deduktif yang membahas tentang bagaimana merangkum sekumpulan data dalam bentuk yang mudah dibaca dan cepat memberikan

40

informasi, yang disajikan dalam bentuk tabel, grafik, nilai pemusatan dan nilai penyebaran. Statistika deskriptif belum dilakukan analisis sehingga kesimpulan yang dapat ditarik sangat terbatas, yakni hanya terbatas pada nilai pemusatan dan penyebaran data. Sedangkan statistika inferensia disebut juga statistika induktif karena dapat menganalisis dan mengambil kesimpulan dengan metode tertentu tentang suatu fenomena berdasarkan sample. Fase statistika di mana hanya berusaha melukiskan atau menganalisa kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok yang lebih besar dinamakan statistika deskriptif. Macam-macam Statistika Deskriptif Ukuran Numerik Ukuran numerik dibagi menjadi dua, yaitu ukuran ukuran pemusatan data,meliputi mean,median,modus,serta ukuran penyebaran data,meliputi

rentang,variasi dan simpangan baku. a. Ukuran Pemusatan Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang menyatakan di mana distribusi data tersebut terpusat (Howell, 1982). Ukuran pemusatan berupa nilai tunggal yang bisa mewakili suatu kumpulan data dan karakteristiknya (menunjukkan pusat dari nilai data). Jenis – jenis ukuran pemusatan antara lain : 1) Rata-rata (Mean) Rata-rata merupakan ukuran pemusatan yang sering digunakan. Keuntungan dari menghitung rata-rata adalah angka tersebut dapat digunakan sebagai gambaran atau wakil dari data yang diamati. Rata-rata peka dengan adanya nilai ekstrim atau pencilan. 2) Median atau nilai tengah Median merupakan suatu nilai ukuran pemusatan yang menempati posisi tengah setelah data diurutkan. 3) Modus Modus adalah nilai yang sering muncul dari serangkaian data. Modus tidak dapat digunakan sebagai gambaran mengenai data (Huwell, 19820). b. Ukuran Penyebaran Data

41

Ukuran penyebaran data adalah suatu ukuran baik parameter atau statistika untuk mengetahui seberapa besar penyimpangan data. Melalui ukuran penyebaran dapat diketahui seberapa jauh data – data menyebar dari titik pusatnya. Jenis – jenis ukuran penyebaran data antara lain: 1) Rentang (Range) Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang menunjukan selisih nilai antara maksimum dan minimum. Rentang cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai datanya menyebar merata ukuran ini menjadi tidak relevan jika nilai data maksimum dan minimumnya merupakan nilai ekstrim. 2) Variasi Variasi dinotasikan sebagai S2 adalah ukuran penyebaran data yang mengukur rata-rata kuadrat jarak seluruh titik pengamatan dari nilai tengah (meannya). 3) Simpangan Baku Simpangan baku dinotasikan sebagai S, menunjukan rata-rata

penyimpangan data dari harga rata-ratanya. Simpangan baku merupakan akar pangkat dua dari variasi.

Analisis Data: Kesulitan – kesulitan dalam praktikum: 1. Data yang masih acak-acakan. 2. Kurang paham mengenai pemusatan data-data penyebaran data. 3. Tidak dapat menggunakan kalkulator.

42

BAB VI KESIMPULAN 1. Ukuran pemusatan merupakan salah satu ukuran lokasi data. 2. Ukuran penyebaran data merupakan melengkapi informasi yang diberikan oeh ukuran pemusatan diperlukan satu ukuran lagi. 3. Ada beberapa macam rata-rata antara lain : rata-rata hitung, rata-rata, gemetrik, rata-rata harmonik dan rata-rata timbang. 4. Ada beberapa ukuran penyebaran dan diantaranya adalah kisaran nilai tengah, simpangan dan ragam.

43

DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Metode Statistika Jilid 1. LP3ES. Jakarta. Biro Pusat Statistik. Statistik Indonesia. 1979. Biro Pusat Statistik. Jakarta. Lungen, Richard. 2006. Metode Statistik. Taisito. Bandung. Supranto. 1983. Statistik Teori dan Aplikasi. Erlangga. Jakarta.

44

LAPORAN PRAKTIKUM STATISTIK

ACARA IV HITUNG PELUANG DAN DISTRIBUSI TEORITIS

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 25 Mei 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

45

BAB I PENDAHULUAN

A. Latar Belakang

Keseharian kita, seringkali tidak bisa diperkirakan dengan tepat suatu kegiatan meskipun fakta-fakta yang ada menujukkan kecenderungan terjadinya suatu tersebut. Fenomena alam misalnya gunung meletus. Gunung meletus biasanya tandan-tanda yang dapat diindikasikan akan terjadinya letusan, teatpi ternyata meskipun tanda-tanda jelas “belum tentu akan meletus”. Demikian juga dalam dunia kesehatan seringkali gejala-gejala yang ditunjukkan mengarah pada kasus tertentu, ternyata bukan kasus yang diduga. Kejadian diatas merupakan fakta individual yang seringkali sangat berbeda antara individu yang satu dengan individu lainnya. Namun, keputusan yang diambil hendaknya didasarkan pada agregasi (sekumpulan) data yang mengarah pada gejala terentu meskipun kemudian ada satu dua kasus yang berbeda dari gejala pada umumnya. Misal, efektifitas kontrasepsi tersebut katakanlah 99% hal ini kemudian ada seorang ibu menggunakan kontrasepsi tersebut, dan ternyata dia hamil, hal ini tidak bisa dikatakan bahwa kontrasepsi tersebut tidak efektif, tapi lebih baik dikatakan bahwa dari 100 ibu yang menggunakan kontrasepsi tersebut 99 orang akan tidak hamil tetapi satu orang akan hamil, inilah yang disebut untertinity (ketidakpastian) dan ini menjadi hokum dasar statistik yaitu satu-satunya kepastian adalah ketidakpastian. Hal-hal mudah dipahami, karena dasar pemikiran statistik berasal dari teori peluang, yaitu seberapa besar peluang kejadian kasus yang akan diawali. B. Tujuan Setelah mengikuti acara praktikum ini diharapkan mahasiswa dapat : 1. Memahami pengertian peluang suatu peristiwa 2. menghitung peluang suatu peristiwa 3. menentukan distribusi peluang suatu peristiwa 4. mengenali dan memahami peluang suatu peristiwa

46

5. menghitung peluang variabel random distrik dan variabel random kontinyu.

47

BAB II ALAT DAN BAHAN

1. Uang logam 2. Kancing berwarna 3. Kantong kain 4. Data tinggi bibit dari acara pertama 5. Alat-alat tulis (kertas, ballpoint dsb) 6. Kalkulator 7. Table statistik (table binomium, table pusson, table z (normal baku)

48

BAB III PROSEDUR KERJA

1. Hitung peluang dan membuat table distribusi peluang peristiwa binomium a. Siapkan 4 koin dengan bentuk dan ukuran yang sama b. Lantuntkan ke-4 koin tersebut sekaligus dan catat hasil yang muncul, dengan ketentuan sebagai berikut : X = 0, jika ada 1 gambar di atas X = 1, jika ada 2 gambar di atas Y = 2, jika ada 3 gambar di atas Y = 4, jika ada 3 gambar di atas c. Lakukan pelantunan tersebut sebanyak 64 kali d. Catatlah data yang saudara peroleh dalam table data yang sudah disiapkan 2. Hitung peluang pada peristiwa Poisson Lakukan penghitungan jumlah mobil yang lewat di suatu tempat dengan ketentuan sebagai berikut : e. Untuk setiap 1 menit, hitunglah jumlah mobil yang lewat f. Lakukan penghitungan selama 15x 1 menit

g. Catat datanya dalam table yang sudah disiapkan 3. Hitung proporsi pada distribusi Normal h. Siapkan data tinggi semai yang diperoleh dengan teknik sistematik sampling i. j. Hitunglah harga rata-ratanya (m) Hitunglah simpangan bakunya (6)

49

BAB IV HASIL DAN PENGAMATAN

Hitung peluang dan table distribusi peluang binomium Ltn 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Output 1G2G3A4A 1A2G3A4G 1G2G3A4A 1G2A3A4A 1A2G3G4A 1G2G3A4A 1G2G3A4A 1G2A3G4A AGGA AGAA GAAG GAGG AGAA AGAG AAGA AAAA Ltn 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Output GGAG GGAG AAAG GGAG GAAG AGGA GGGG GAAG GAGG AGGA GAAG GGGG AGGA GAGA GAAG AGGG Ltn 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 Output AAGG GGGG AAGG AAGG GAGA GGGG GGAA AGAG GAAG GAAA GGAA AGAA GGGA GGAA GAAA GGGA Ltn 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 Output AAAG GGGG AAAA GAAA GAAA GGAA GAAG AAAA AGGG AAAG GAGA GAGA AGAG AGGA GGAA GGGG

X i Fi n

1502 80

18 , 78

50

Simpangan baku (S)
S S
2

9 ,164

3 , 027

Proporsi bibit padi X < ( – 2 . S) X < (18,87 – 2 (3,027)) X< 12,73 = ( – 2S) < x < ( + S) = (18,78 – 2 (3,027)) < x < (18,78 + 3,027) = 12,73 < x < 21,80

b.

c.

= ( +S) < x < ( + 2S) = (18,78 + 3,027) < x < (18,78 + 2(3,027)} = 21,80 < x < 24,83

d.

= x > ( +S) = x > (18,78 + 3,027) = x > 21,807 = ( – S) < x < = (18,78 – 3,027) < x < 18,78 = 15,75 < x < 18,78

e.

51

Kurva

a)

0,228 0,222

`

-2,01

0

b)

0,500 0,0233

-1,99

0

0,9

c)

0,500 0,1587

d)
0,500 0,1587

0

1,0

52

e)
0,500 0,1587

-1,0

0

a. x < 12,7 x = 12,69
zt x q

12 , 69

18 , 78

3 , 027

2 , 01

b. 12,73 < x < 21,8
z1 x q

12 , 74

18 , 78

1 , 99

3 , 027 z2 x q

21 , 79

18 , 78

0 , 99

3 , 027

53

c. 21,80 < x < 24,83
z1 x q

21 , 80

18 , 78

1, 0

3 , 027
z2 x q

24 , 82

18 , 78

1 , 99

3 , 027

d. x >21,80 x = 21,81
zt x q

21 , 81

18 , 78

3 , 027

1, 0

e. 15,75 < x < 18,3
z1 x q

15 , 75

18 , 78

1, 0

3 , 027 z2 x q

18 , 78

18 , 78

0

3 , 027

54

X1 =

–4 –3

= 4,133 – 4 = 0,133 = 0 = 4,133 – 3 = 1,133 = 1

X2 =

X3 =

+3

= 4,133 + 3 = 7,133 = 7

X4 = + 5

= 4,133 + 5 = 9,133 = 9

e = 2,718
p1 e
m

m x1

x

2 , 718

4 ,133

4 ,133

0

0 , 016

0 ,1

p2

e

m

m x1

x

2 , 718

4 ,133

4 ,133

1

0 , 066

1,1

p3

e

m

m x1

x

2 , 718

4 ,133

4 ,133

7

0 , 065

7

p4

e

m

m x1

x

2 , 718

4 ,133

4 ,133

9

0 , 015

9

55

BAB V PEMBAHASAN

Peluang merupakan suatu indicator kebolehjadian munculnya suatu kejadian dari sekian banyak kejadian yang boleh jadi secara bebas akan muncul. Besarnya peluang akan bergerak dari mulai 0 sampai 1, dikatakan peluang 0 artinya kejadian itu tidak mungkin atau mustahil akan muncul, sedangkan jika peluang sama dengan 1 bisa dipastikan kejadian tersebut akan terjadi. Pada teori peluang, suatu kejadian adalah suatu peristiwa yang secara bebas akan muncul dibandingkan dengan peristiwa lainnya. Misalkan A adalah suatu kejadian yang diinginkan, maka nilai peluang kejadian A dinyatakan dengan :

P ( A)

Banyaknya Banyaknya

Kejadian

A

kejadian

yang mungkin

Batas-batas nilai peluang : Nilai peluang suatu kejadian (P) memenuhi sifat 0 < P < 1, yang berarti : Jika P = 0, maka kejadian tersebut tidak pernah terjadi atau suatu kemustahilan Jika P =1, maka kejadian tersebut merupakan kepastian Jika A adalah suatu kejadian yang terjadi, dan A adalah suatu kejadian dimana A1 tidak terjadi, maka : P (A) + P (A1) = 1 Peluang dapat didefinisikan berdasar 3 konsep 1. Relatif frekuensi yaitu peluang sebagai proporsi kejadian dibandingkan seluruh outcome yang mungkin muncul. Relatif frekuensi disusun berdasarkan data yang diperoleh dari seluruh kejadian yang mungkin muncul. 2. Teori peluang, yaitu berdasarkan pendekatan matematis 3. Subyektif, yaitu berdasarkan pendapat penilaian individu mengenai

kemungkinan munculnya suatu kejadian. Banyaknya X (perubah acak) yang sukses dalam n usaha Bernauli disebut peubah acak binomial. Distribusi peluang acak diskrit ini disebut distribusi binomial yang dinotasikan dengan b (x; n, p) atau b (n,p), karena nilainya

56

tergantung pada banyaknya percobaan (n) dan peluang sukses dalam suatu usaha (P). Ruang sample A untuk percobaan E yang terdiri dari himpunan tak hingga tetapi masih terhitung dari titik-titik sampel. Jika S = sukses dan G = gagal E1 = S (sukses pada percobaan pertama) E2 = GS (sukses pada percobaan pertama dan sukses pada percobaan kedua) E3 = GGS (gagal dipercobaan pertama dan kedua, sukses pada percobaan ketiga) E4 = GSG (gagal dipercobaan 1 dan 3, sukses pada percobaan 2) En = SSS …G
x

GGG …G
n-x

sukses sebanyak x kali, gagal sebanyak n-x kali)

Dapat dilihat bahwa E3, E4, dan E5 memberikan hasil yang sama, jumlahnya
[ 1 ] yaitu
3

jumlah hasil titik sampel yang mungkin menghasilkan X yang sukses dan

n-x yang gagal adalah [ n ] . Dan distribusi peluang peubah acak X disebut x berdistribusi binomial. Jika dan hanya jika :
P(X X ) F (X ) ( x ) P (1
n x

P)

n

x

Untuk x = 0,1,2,3,…..n dan 0 < P < 1 Distribusi puisson disebut juga distribusi peristiwa yang jarang terjadi. Distribusi D. Poisson (1781 – 1841), seorang ahli matematika Perancis. Distribusi Poisson termasuk distribusi probabilitas diskrit yang sangat penting dalam beberapa aplikasi praktis. Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan dapat menjelaskn dengan sangat memuaskan terhadap probabilitas binomial b(x/n-p) untuk X = 1,2,3,….n, namun demikian, untuk suatu kejadian dimana n sangat besar (lebih besar dari SO) sedangkan probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai binimialnya sangat sulit dicari. Suatu bentuk dan distribusi ini adalah rumus pendekatan peluang puisson untuk peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial dalam situasi tertentu. Cirri-ciri distribusi poisson adalah :

57

-

Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari hasil percobaan diselang waktu dan tempat lain yang terpisah.

-

Peluang terjadinya waktu dan luas tempat percobaan terjadi panjang selang waktu dan luas tempat percobaan terjadi.

-

Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu selang waktu dan luaskan tempat yang sama diabaikan. Distribusi probabilitas kontinyu yang terpenting dibidang statistik adalah

distribusi normal. Grafiknya disebut kurva normal, berbentuk lonceng, distribusi ini ditemukan Karl Friedrich (1777 – 1855) yang juga disebut distribusi ganss. Peubah acak x yang bentuknya seperti lonceng disebut peubah acak normal dengan persamaan matematika distribusi probabilitas yang tergantung parameter m (mean) dan G (simpangan baku) dinyatakan (n s; m, x)

58

BAB VI KESIMPULAN

1. Peluang suatu peristiwa adalah harga angka yang menunjukan seberapa besar kemampuan suatu peristiwa akan terjadi. 2. Distribusi peluang diskrit terdiri dari distribusi binomial dan distribusi puisson. 3. Distribusi peluang kontinyu terdiri dari distribusi normal, t, f, dan x 2

59

DAFTAR PUSTAKA

Adi, Ningsih. 2001. Statistik Edisi Pertama. Yogyakarta : BPFE. Anonim. 2009. “Pengertian Peluang dalam Statistika” (online).

(http://freedownloadbooks.net/pengertian-peluang-dalam-statistikadoc.html. diakses tanggal 28 Mei 2010). Anonim. 2009. “Pengertian distribusi puisson dalam statistika” (online)

(http://freepdfebooks.com/?s=pengertian+distribusi+poisson+dalam+statistika, diakses tanggal 28 Mei 2010). Anonim. 2009. “Distribusi peluang” (online)

(http://learning.gunadarma.ac.id/docmodul/statistika-industri/bab6distribusi-peluang.pdf, diakses tanggal 28 Mei 2010).

60

LAPORAN PRAKTIKUM STATISTIK

ACARA V PENGUJIAN HIPOTESIS

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 29 Mei 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

61

BAB I PENDAHULUAN

A. Latar Belakang Hipotesis adalah pernyataan sementara tentang satu atau lebih populasi yang dapat benar atau salah. Benar atau salahnya pernyataan tersebut tidak dapat diketahui apabila tidak mengamati seluruh populasi. Berhubung

pengamatan terhadap populasi tidak mungkin dilakukan, lebih-lebih untuk populasi yang tidak terbatas atau tidak terdefinisikan dengan jelas, maka biasanya terhadap hipotesis tentang satu atau lebih populasi tidak diusahakan untuk dibuktikan benar atau salahnya, akan tetapi diuji dengan simpulan akhir diterima atau ditolak. Diterimanya suatu hipotesis tidak secara otomatis menujukkan bahwa hipotesis itu benar, karena untuk meyakini bahwa hipotesis itu benar harus dilakukan pengamatan terhadap seluruh populasi padahal kenyataannya yang diamati hanya sebagian dari populasi yaitusampel. Sebaliknya ditolaknya suatu hipotesis juga tidak berarti bahwa hipotesis itu salah, karena kalau itu terjadi berarti kita menyalahkan hipotesis. Kesalahan tidak sengaja yang dilakukan oleh penguji ada 2 tipe, kesalahan tipe pertama yaitu apabila penguji menolak hipotesis yang sebenarnya benar dan kesalahan tipe kedua yaitu apabila penguji menerima hipotesis yang sebenarnya salah. Kesimpulan yang dapat kita tarik yaitu diterima atau ditolaknya suatu hipotesis harus ada batasan-batasan penerimaan atau penolakannya. Suatu hiptesis dinyatakan diterima apabila didukung secara kuat oleh informasi dan data yang diperoleh dari sampel, sebaliknya suatu hipotesis dinyatakan ditolak apabila tidak cukup informasi dan data untuk mendukung diterimanya suatu hipotesis.

62

B. Tujuan Setelah selesai melaksanakan praktikum ini diharapkan mahasiswa dapat : 1. Memahami pengertian hipotesis statistik dan macam-macam pengujian hipotesis 2. Mengerti langkah-langkah pengujian hipotesis 3. Melakukan pengujian hiptesis sederhana dengan Chi Square test dan ttest

63

BAB II ALAT DAN BAHAN

A. Alat 1. Mistar 2. Alat tulis 3. Tabel X2, tabel “t” B. Bahan 1. Data lantunan koin pada acara IV 2. Malai padi 3. Gabah padi

64

BAB III PROSEDUR KERJA

Uji Chi Square 1. Siapkan data lantunan uang logam pada acara IV 2. Siapkan tabel yang menunjukkan distribusi frekuensi teoritis dan distribusi frekuensi nyata dari eksperimen tersebut. Uji “t” untuk satu nilai rata-rata 1. Ambil 15 malai padi suatu galur 2. Hitunglah jumlah gabahnya 3. Catatlah hasilnya dalam tabel yang telah disiapkan 4. Dimisalkan seorang pemulia tanaman akan memilih galur-galur padi yang memilih galur tersebut untuk diuji lebih lanjut kalau dia menggunakan patokan galur yang dipilih hanya galur yang jumlah gabah per malai minimal 200 butir. Uji “t” untuk membandingkan data berpasangan : 1. Ambillah 15 gabah padi secara acak dari suatu varietas padi. 2. Ukurlah panjang dan lebarnya. Cara mengukur panjang dari pangkal gabah sampai ujung gabah. Cara mengukur lebar dari tepi luar palea sampai tepi luar lemma. 3. Catat hasilnya dalam tabel yang sudah disiapkan 4. Lakukan uji “t” untuk data berpasangan.

65

BAB IV HASIL PENGAMATAN Uji X2 (5% , 3) No. Kategori f0 fc
f0 fc Sc

1

X0

3

4

3 4

4

2

0 , 25
2 2

2

X1

12

16

12

16 16

4

1
2

16 24
2

3

X2

34

24

34

10 24

4 ,16
2

24

4

X3

10

16

10

16 16

2

6 16

2 , 25

5

X4

5

4

5 4

4

2

1 4

0 , 25

ΣX2 hitung = 7,917 Uji “t” tabel = 1,66 M = 100 No 1 2 3 4 5 6 7 8 9 10 11 12 Xi 88 70 74 108 150 72 159 54 66 46 84 79 Di(Xi – M) -12 -30 -21 8 50 -28 -41 -46 -34 -64 -16 -21 Di2 144 900 441 64 2500 784 1681 2116 1156 096 256 441

66

13 14 15 ∑

66 133 58 1212

-34 33 -42 -298

1156 1089 1764 18588

JKDi =

= 18588 – 5920,2667 = 12667,733

= 904,83807

= 30,08

67

t hitung =

= - 2,47 (di)2 0,16 0,16 0,16 1,96 0,16 2,56 0,16 0,36 0,36 0,36 6,4

No 1 2 3 4 5 6 7 8 9 10

YA (mm) 7 7 6 6 7 9 6 8 7 8 ∑

YB (mm) 4 4 3 4 4 4 3 4 3 4

Di(YB.YA) (4-7)= -3 (4-7)= -3 (3-6)= -3 (4-6)= -2 (4-7)= -3 (4-9)= -5 (3-6)= -3 (4-8)= -4 (3-7)= -4 (4-8)= -4 -34

Ddi(Di-D) - 0,4 - 0,4 - 0,4 - 1,4 - 0,4 - 1,6 - 0,4 - 0,6 - 0,6 - 0,6 6,8

68

t hitung

t hitung (3,66) > t tabel (1,81) hipotesis ditolak

69

BAB V PEMBAHASAN

Ada beberapa pengujian d yang dikenal dalam statistik antara lain : uji mengenai rata-rata, uji beda dua rata-rata, uji beda dua proporsi, uji data berpasangan, uji proporsi, uji varians, uji kesamaan dan varians dan uji kebebasan. Jika ditinjau dari bentuk-bentuk distribusi peluang yang sering dipakai ada distribusi chi square (X 2), distribusi “t”, distribusi z (distribusi normal) dan distribusi F, sehingga akhirnya dikenal ada uji chi square (X 2), uji “t”, uji f yang banyak digunakan dalam analisis ragam. Langkah-langkah umum pengujian yang baik adalah sebagai berikut : 1. Tentukan variable dan parameter yang akan digunakan. Missal : variable hasil (Y) dan parameter M atau
2

2. Tentukan statistik untuk pengujiannya = “t”, F, X2 dan sebagainya 3. Tuliskan : H0 = …………., H1=…………….. 4. Tuliskan tingkat signifikan : a = 5%, a = 1% dsb 5. Lakukan pengumpulan data, sampling + observasi langsung, eksperimen dsb. 6. Tuliskan aturan pengujian hipotesis, kapan menerima dan kapan menolak. 7. Hitung nilai-nilai statistik yang akan digunakan untuk menguji hipotesis. 8. Bandingkan dengan nilai statistik dalam tabel baku yang sesuai 9. Ambil simpulan : menerima atau menolak hipotesis yang diajukan. 1. Distibusi z (distribusi normal) Berbicara mengenai distribusi normal tidak terlepas dari apa yang disebut variabel random kontinyu dan distribusi probabilitas kontinyu. Variabel random kontinyu adalah variabel random yang nilainya dapat terjadi dimanapun di dalam suatu interval tertentu. Sedangkan distribusinya adalah distribusi probabilitas kontinyu. Ada beberapa distribusi kontinyu seperti distribusi uniform, eksponential, normal, dll. Cirri-ciri distribusi normal : a. Kurvanya mempunyai puncak tunggal b. Kurvanya berbentuk seperti lonceng

70

c. Rata-rata terletak di tengah distribusi dan distribusinya simetris disekitar garis tegak lurus yang ditarik melalui rata-rata. d. Kedua ekor kurva memanjang tak terbatas dan pernah memotong sumbu horizontal. Dalam distribusi variabel random kontinyu, kita tidak dapat

menggambarkan garis tegak lurus untuk menunjukkan probabilitas nilai masingmasing variabel. Sebagai gantinya, probabilitas untuk suatu interval digambarkan sebagai suatu luas wilayah. Sehingga harus sama dengan satu. Fungsi hipotesis menurut Nasution adalah : a. Untuk menguji kebenaran suatu teori. b. Memberikan gagasan baru untuk mengembangkan suatu teori. c. Memperluas pengetahuan peneliti mengenai suatu gejala yang dipelajari. Cara merumuskan hipotesis ialah dengan tahapan sebagai berikut : rumuskan hipotesis penelitian, hipotesis operasional, hipotesis statistik. Hipotesis penelitian ialah hipotesis yang dibuat dan dinyatakan dalam bentuk kalimat. Hipotesis operasional ialah mendifinisikan hipotesis secara operasional variabelvariabel yang dibedakan menjadi 2, yaitu hipotesis 0 yang bersifat netral dan hipotesis 1 yang bersifat tidak netral. 2. Distribusi “t” Uji “t” berpasangan (paired t-test_ adalah salah satu metode pengujian hipotesis dimana data yang digunakan tidak bebas (berpasangan). Cirri-ciri yang paling sering ditemukan yaitu satu individu dikenai dua perlakuan yang berbeda. Jika uji “t” independent adalah metode yang digunakan untuk menguji kesamaan rata-rata dari 2 populasi yang bersifat independen. Independen maksudnya adalah abhwa populasi yang satu tidak dipengaruhi atau tidak berhubungan dengan populasi yang lain.

71

BAB VI KESIMPULAN

1. Hipotesis yaitu jawaban sementara yang diberikan oleh peneliti terhadap hasil penelitian yang akan dilaksanakan. Macam-macam pengujian hipotesis adalah uji “2”, uji “t”, uji “f” dan uji “Chi Square”. 2. Langkah-langkah pengujian hipotesis a. Buat hipotesis H0 = ………. H1 = ………….. b. Tentukan nilai α c. Tentukan derajat bebas d. Uji yang sesuai e. Operasionalisasikan rumus f. Titik kritis pada tabel

g. Penarikan kesimpulan

72

DAFTAR PUSTAKA

Dajan, Anto. 1986. Pengantar Metode Statistik. LP3S : Jakarta Marmono, Efendi. 2008. Statistika. USOED : Purwokerto Supranto. J. 1988. Statistik Edisi Kelima : Jakarta Sutrisno. Hadi. 2004. Statistik Jilid I : Yogyakarta. Andi

73

LAPORAN PRAKTIKUM STATISTIK

ACARA VI ANALISIS RAGAM

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 2 Juni 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

74

BAB I PENDAHULUAN

A. Latar Belakang Pekerjaan yang berhubungan dengan statistik, terutama penelitian, baik eksperimen lapang maupun survai, sering kita harus berhadapan dengan banyak faktor yang ikut menentukan keragaman data suatu atribut obyek yang kita kerjakan. Oleh karena itu seberapa besar faktor-faktor tersebut berpengaruh dan faktor-faktor apa saja yang berpengaruh perlu diketahui agar simpulan mengenai tingkah laku, sifat atau karakter dari suatu atribut yang ada dalam obyek tersebut benar. Setiappenelitian baik dengan survey maupun percobaan memiliki perkiraan model matematik datanya sendiri-sendiri. Model matematik data inilah yang menjadi sumber prakiraan dari mana saja keragaman data berasal atau dengan kata lain faktor-faktor apa saja yang dapat mempengaruhi keragaman data. Faktor-faktor inilah yang perlu diidentifikasi dengan cara memisahkannya satu sama lain, sehingga akhirnya dapat diketahui faktor manakah yang paling nyata pengaruhnya terhadap keragaman data yang ada. Apabila faktor yang paling nyata pengaruhnya terhadap keragaman data telah diketahui, maka dapat diambil simpulan data tindak lanjut yang tepat bagi penelitian yang dilakukan.

B. Tujuan 1. Mengenali dan mengetahui sumber-sumber variasi data dalam suatu penelitian. 2. Mengenali dan memahami makna model-model matematika data 3. Melakukan analisis ragam data 4. Membuat table analisis ragam 5. Melakukan uji F dari analisis ragam

75

BAB II ALAT DAN BAHAN

1. Data tinggi semai padi pada acara grouped sampling 2. Alat-alat tulis 3. Kalkulator 4. Table Fischer (table F)

76

BAB III PROSEDUR KERJA

1. Siapkan data tinggi semai pada acara grouped sampling 2. Olahlah data tersebut dan sajikan dalam table data yang siap dianalisis. 3. Berdasarkan table data yang saudara buat, tuliskan model matematik datanya. 4. Model matematik data pada drouped sampling (analisis ragam model 1) adalah : Y = µ - g - ∑ij, Jadi komponen data terdiri dari : a. µ, rata-rata umum, general mean, nilainya sama untuk seluruh data, jadi bukan merupakan penyebab terjadinya variasi. b. g : group, jadi angka data berbeda karena pengaruh group c. ∑ij : error, kesalahan yang terjadi karena faktor kebetulan, mencerminkan ragam yang terjadi dalam group, faktor yang menimbulkan perbedaanperbedaan angka data sampel pada masing-masing group. Jadi sumber variasi terdiri dari group (between group) dan error / galat (juga dikenal dengan within group).

77

BAB IV HASIL PENGAMATAN

No Group 1 2 3 4 5 6 7 8 I II III IV V VII VII VIII

1

2

3

4

5

6

7

8

9

10

Jumlah 159.5 190.2 155.5 173.5 189.5 155.9 161.3 162.2 1347.6

19.5 19.5 21.0 22.5 20.0 19.9 19.0 14.1 16.0 20.5 20.1 18.6 15.9 20.3 17.8 22.3 19.5 22.2 21.0 22 18.3 23.0 18.5 20.0 19.0 20.6 21.3

18.2 25.6 16.6 16.4 15.7 20.6 12.0 13.3 17.7 17.9 14.6 20.5 17.6 21.9 18.6 21.6 20.7 20.1 13.0 18.5 16.0 11.5 20.5 16.7 15.7 12.5 18.7 12.8 18.5 16.5 16.7 15.3 16.7 14.0 17.5 18.6 15.5 12.0 20.5 25.6 23.2 17.3 19.5 20.1 18.5 17.5

1.
fK

GT N

2

1347 , 6 73

2

1 816

025 , 76 73

24877 , 06

2. JK total = (X12 + X22 + … +X82) – fK = (3192,57 + 3778,34 + 3770,19 + 2836,15 + 3388,21 + 2520,91 + 2639,08 + 3345,9) – 24877,06 = 25471,35 – 24877,06 = 594,29

3. JK group = =

G 12 n1

622 n2

632 n3

.....

682 n8

fk

3180,03 + 3617,604 + 2686,69 + 3344,69 + 3990,02 + 2430,481 + 2601,769 + 3288,605) – 248877,06

=

262,8

4. JK Error = JK Total – JK Group = 594,29 – 262,8

78

= 331,48

Tabel Anova No 1 F of U Group df 7 (N – 1) _ 7 ((73-1)-7) = 65 73-1=72 594,29 JK 262,81 Ki (JK/df) 37,54 f hitung
37 , 54 5 , 09
KTgroup KTtotal

F tabel 2,12

7 , 37

2

Within group (error)

331,48

5,09

3

Total

Kesimpulan = Antar group keseragaman nyata, karena f hitung < f tabel.

79

BAB V PEMBAHASAN

Analisis ragam adalah salah satu cara statistika untuk menganalisikan variable hasil eksperimen, pengamatan atau observasi apakah produk tersebut lebih besar atau sama dengan produk yang diharapkan. Analisis ragam dapat dipergunakan untuk menguji signifikasi perbedaan-perbedaan mean dari sejumlah sampel atau populasi sebagai produk dari beberapa perlakuan. Bayaknya perlakuan dalam analisis ragam satu dalam dilambangkan dengan huruf dan sampelnya yang diambil dari populasi dengan yang diperlukan itu setelah diuji dengan nilai f kritikal pada derajat kebebasan (dk) dengan probability error 1% dengan 5% lebih besar atau lebih kecil, maka dapat ditentukan menolak atau menerima hipotesis nol. Analisis ragam disebut juga analisis varians yang digunakan untuk membedakan tiga nilai tengah atau lebih dengan asumsi ANOVA yang mendasar adalah a) sampel yang diperoleh dari populasi yang normal, b) setiap populasi mempunyai standard deviasi yang sama, c) semua populasi bersifat bebas satu sama yang lain. Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians antar kelompok atau kadang-kadang disebut pula varians eksperimental. Varians ini terjadi karena adanya perbedaan antara kelompokkelompok individu. Ada beberapa model analisis ragam yang dapat dilakukan, tergantung berapa banyak faktor yang akan dipisahkan untuk diketahui pengaruhnya terhadap ragam data yang diperoleh. Kalau penelitian dilakukan dengan survey, tergantung misalnya pada teknik sampling yang digunakan, sedang kalau percobaan lapang, tergantung pada rancangan percobaan yang dilakukan.

80

1. FK (faktor koreksi) = kuadrat jumlah seluruh data dibagi dengan banyaknya angka data.
fK GT N
2

1347 , 6 73

2

1 816

025 , 76 73

24877 , 06

2. JK total = jumlah dari kuadrat setiap angka data dikurangi nilai faktor koreksi JK total = (X12 + X22 + … +X82) – fK = (3192,57 + 3778,34 + 3770,19 + 2836,15 + 3388,21 + 2520,91 + 2639,08 + 3345,9) – 24877,06 = 25471,35 – 24877,06 = 594,29

3. JK group = jumlah dari kuadrat jumlah nilai angka data dalam masing-masing group dibagi banyaknya angka data dalam masing-masing group, dikurangi nilai faktor koreksi JK group =
G 12 n1 622 n2 632 n3 ..... 682 n8 fk

= 3180,03 + 3617,604 + 2686,69 + 3344,69 + 3990,02 + 2430,481 + 2601,769 + 3288,605) – 248877,06 = 262,8

4. JK Error = JK Total – JK Group = 594,29 – 262,8 = 331,48

81

Penggunaan uji F unuk group sampling yaitu untuk menguji ada tidaknya perbedaan sifat tertentu (Y) antara tiga kelompok atau lebih yang dibedakan atas dasar kategori tertentu (x), dengan kata lain untuk menguji ada tidaknya varians dalam variable tertentu (y) antar tiga kelompok atau lebih sebagai akibat variasi variable tertentu (x). Dari daftar distribusi f didapat bahwa t hitung 7,37 lebih besar dari t table 2,21 maka antar group keragaman nyata.

82

BAB VI KESIMPULAN

Analisa ragam merupakan metode yang digunakan untuk menguraikan keragaman table data menjadi komponen-komponen sumber keragaman. Hasilhasil analisa ragam memberikan satu acuan untuk memilih yang terbaik diantara beberapa pilihan. Sumber variasi terdiri dari group dan error / within group model 1 karena modelnya sederhana.

83

DAFTAR PUSTAKA

Adi, Ningsih, 2001. Statistik Edisi Pertama. BPFE. Yogyakarta. Dajan, Anto. 1973. Statistika Jilid I. LP3ES. Jakarta. Sudjana. 2005. Metode Statistika. Tarsito. Bandung. Supranto. 1983. Statistika dan Aplikasi. Erlangga. Jakarta.

84

LAPORAN PRAKTIKUM STATISTIK

ACARA VII ANALISIS REGRESI DAN KORELASI

Semester Genap :

Semester Genap : 2009/2010

Oleh: Nama NIM Rombongan Asistan Tanggal Praktikum : Mokhammad Reza Ramdhan Putra : A1L009134 : F-3 : Febri Setiawan : 5 Juni 2010

Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL UNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS PERTANIAN PURWOKERTO 2010

85

BAB I PENDAHULUAN

A. Latar Belakang Analisa tentang masalah distribusi pasangan variabel dinamakan analisa bivarial. Analisis ini membutuhkan data yang terdiri dari 2 kelompok hasil observasi atau pengukuran. Data sedemiian itu dapat diperoleh dari berbagai bidang kegiatan yang menghasilkan pasangan observasi sebanyak n yang dinyatakan sebagai Xi,Yi) dimana i = 1,2,....n. Variabel X mungkin merupakan jumlah uang yang beredar sedangkan variabel Y merupakan indeks harga barang-barang konsumsi dalam periode tertentu. Variabel X mungkin merupakan luas tanah pertanian di daerah dan pada waktu yang tertentu sedangkan variabel Y merupakan hasil panen dari tanah pertanian tersebut. Bila pasangan observasi (Xi,Yi) sedemikian itu digambarkan di atas kertas berskala hitung, maka kita akan memperoleh serangkaian titik-titik koordinat yang menghubungkan hasil observasi dari 2 variabel. Hasil penggambaran sedemikian itu dinamakan “diagram pencar” (scatter diagram) atau “diagram titik” (dot diagram). Pada asasnya, masalah hubungan antara variabel X dan Y umumnya berkisar pada 2 hal yang kadang-kadang sukar sekali ditarik garis pemisahnya. a) pencarian bentuk persamaan yang sesuai guna meramal rata-rata Y bagi X yang tertentu, serta menaksir kesalahan peramalan sedemikian itu. Secara teknis, persoalan di atas menitikberatkan pada observasi variabel yang tertentu sedangkan variabel lain dikonstantir pada berbagai tingkat atau keadaan. Persoalan sedemikian itu dinamakan persoalan regresi. b) Pengukuran tentang tingkat asosiasi sedemikian itu tergantung pada pola variasi atau inter-relasi yang bersifat simultan dari variabel X dan Y. Variasi sedemikian itu merupakan variasi gabungan dari X dan Y dan pengukurannya merupakan persoalan korelasi. Dalam pengukuran tentang tingkat asosiasi atau korelasi jumlah uang logam yang beredar dan rata-rata harga eceran beras di pasar pedesaan. Batas hubungan bantara X dan Y dapat dinyatakan dalam 2 kemungkinan X dan Y dependen sempurna atau X dan Y independen sempurna. Variabel X dan Y dianggap berasosiasi secara statistik bila hubungannya terdapat diantara kedua batas tersebut.

86

B. Tujuan 1. Memahami dan mengerti makna regresi antar sifat. 2. Memahami dan mengerti makna korelasi antar sifat 3. Memahami dan mengerti perbedaan dan hubungan antar regresi dengan korelasi 4. Melakukan analisis regresi sederhana dan korelasi.

87

BAB II ALAT DAN BAHAN

1. Malai padi 2. Mistas 3. Counter 4. Table data 5. Alat tulis

88

BAB III PROSEDUR KERJA

1. Dengan mistar ukurlah panjang malai padi. Cara mengukur : ukurlah panjang dan lebal malai sampai ujung gabah terujung pada malai tersebut. 2. Hitunglah jumlah cabang malai yang ada apda malai. Cabang malai adalah cabang primer dari batang malai utama. 3. Hitunglah jumlah gabah yang ada dalam malai, jumlah gabang termasuk gabah yang hilang akan tetapi meninggalkan bekas pada cabang-cabang malai. 4. Catatlah data yang saudara peroleh dalam table data yang sudah disiapkan.

89

BAB IV HASIL PENGAMATAN

a. Panjang malai dengan jumlah cabang No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 X 22,6 19,6 18,6 16,0 20,0 18,9 18,0 14,8 18,0 20,0 15,5 14,5 21,4 21,0 14,0 287,9 Y 13 12 11 8 9 13 10 12 16 11 10 14 10 12 7 168 X2 510,76 384,16 345,96 256 400 357,21 324 392,04 324 400 240,25 380,25 457,95 441 361 5.574,58 Y2 169 144 121 64 81 169 100 144 256 121 100 190 100 144 49 1949 XY 293,8 235,2 204,6 128 180 245,7 180 237,6 288 220 155 273 214 252 133 3.239,2

Y

Y

b x

x

b = 19,19 + 0,58 (x – 11,2) = 19,19 + (0,58x – 6,496) = 13,404 + 0,58x

90

b.

XY X
2

Y

X N

X

Y N

287 , 9
3 . 239 , 2

168 15

15
5 . 574 , 58

19 ,14
0 , 58
2 2

11 , 2

X

X

( X ) N

2

5 . 574

( 287 , 9 ) 15

2

5 . 574

5 . 510 , 4

63 , 6

Y

2

Y

2

( Y) N

2

1949

(168 ) 15

2

1949

1 . 881 , 6

67 , 4

91

XY

XY

X N

Y

3 . 239 , 2

( 287 , 9 )( 168 ) 15

3 . 239 , 2

3224 , 48

14 , 72

r X

XY
2

Y

2

14 , 72 63 , 6 67 , 4

14 , 72 4 , 286 , 68

14 , 72 65 , 47

0 , 225

x terkecil = (15,5)
40 35 30 25 20 15 10 5 0 1 5 ,5 19 2 2 ,6

Y

= 3,404 + 0,58 (15,5) = 22,344

x sedang (19) Y = 3,404 + 0,58 (19) = 24,424 x terbesar (22,6) Y = 3,404 + 0,58 (22,6) = 36,584

92

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Σ

X 22,6 19,6 18,6 16,0 20,0 18,9 18,0 14,8 18,0 20,0 15,5 14,5 21,4 21,0 14,0 287,9

Y 131 119 64 48 53 92 54 105 136 86 53 69 132 121 75 1278

X2 510,76 384,16 345,96 256 400 357,21 324 392,04 324 400 240,25 380,25 457,95 441 361 5.574,58

Y2 17161 14161 4096 2304 2809 8464 2916 11025 18496 7396 2809 4761 17424 14641 5625 134088

XY 2960,6 2332,4 1190,4 768 1060 1738,8 972 2079 2448 1720 821,5 1345,5 2824,8 2541 1425 26227

X

2

X

2

( X ) N

2

5 . 574

( 287 , 9 ) 15

2

5 . 574

5 . 510 , 4

63 , 6

93

Y

2

Y

2

( Y) N

2

134 . 008

(1278 ) 15

2

134 . 008

108 . 885 , 6

25 . 202 , 4

XY

XY

X N

Y

26 . 227

( 287 , 9 )( 1287 ) 15

26 . 227

24 . 529 , 08

1 . 697 , 92

r X

XY
2

Y

2

1 . 697 , 92 63 , 6 25 . 202 , 4

1 . 697 , 92 1266 , 04

1 , 341

Y

Y

b x

x

= 85,2 + 4,70 (x – 19,19) = 82,2 + (0,58x – 90,193) = 4,70X – 4,99

94

XY b X
2

Y

X N

X

Y N

26227 5 . 574 , 58

1278 15

287 , 9 15

85 , 2
4 , 70

19 ,19

x terkecil = (22,6) Y = 4,70 (22,6) – 4,99 = 101,23
120 100

X sedang (15,5) Y = 4,70 (15,5) – 4,99 = 67,86

80 60 40 20 0

X terbesar (19) Y = 4,70 (19) – 4,99 = 84,31 X2

1 5 ,5

19

2 2 ,6

No 1 2 3 4 5 6 7 8 9 10 11

X 13 12 11 8 9 13 10 12 16 11 10

Y 131 119 64 48 53 32 54 105 136 86 53

Y2 17161 14161 4096 2304 2809 1024 2916 11025 18496 7396 2809

XY 1703 1428 704 384 477 416 540 1260 2176 946 530

160 144 121 64 81 169 100 144 256 121 100

95

12 13 14 15 Σ

14 10 12 7 168

69 132 121 75 1278

196 100 144 49 1949

4761 17424 14641 5625 126648

966 1320 1452 525 14827

X

2

X

2

( X ) N

2

1949

(168 ) 15

2

1949

1881 , 64

67 , 4
2 2

Y

Y

( Y) N

2

126648

(1278 ) 15

2

126648

108 . 885 , 6

17762 , 4

XY

XY

X N

Y

14827

(168 )( 1278 ) 15

14827

14313

513 , 4

96

r X

XY
2

Y

2

513 , 4 67 , 4 17762 , 4

513 , 4 1197185 , 76

0 , 46

Y

Y

b x

x

= 85,2 + 7,6 (x – 11,2) = 82,2 + 7,60x – 85,12 = 7,60X + 0,08
X N X

XY b X
2

Y

Y N

1278
14827 1949

168 15

15

85 , 2
7 , 60

11 , 2

x terkecil = 7,60 . 7 + 0,08 = 53,28
140 120

X sedang = 7,60 . 11,5 + 0,08 = 87,28

100 80 60 40

X terbesar = 7,60 . 16 + 0,08 = 121,48

20 0 7 1 1 ,5 16

97

BAB V PEMBAHASAN

Garis linier yang diterapkan melalui titik-titik koordinat diagram pancer kerap kali juga dinamakan garis taksir (estimating line). JIka garis sedemikian itu diterapkan pada diagram pancar dengan menggunakan metode kuadrat minimum, maka kita akan memperoleh garis regresi Y terhadap X. Garis regresi sedemikian itu memiliki persamaan : Y = a + bX Dimana konstanta a dan b diberikan oleh persamaan normal na + ∑Xb = ∑Y ∑Xa + ∑X2b = ∑XY Kedua persamaan normal di atas tidak dapat disederhanakan menjadi persamaan seperti dalam halnya pengukuran trend linier, karena nilai-nilai X umumnya tidak berspasi sama. Pada hakekatnya, persamaan Y = a + bX menggambarkan garis regresi guna menaksir nilai Y bila nilai X telah diketahui. Dalam hal tersebut nilai-nilai X dianggap tidak terdapat kesalahan-kesalahan yang berarti sedangkan nilai-nilai Y akan bervariasi secara acak-acakan sekitar garis regresi. Jika garis sedemikian itu ditetapkan pada diagram pancar dengan menggunakan metode kuadrat minimum agar dapat memperkecil jumlah kuadrat dari tiap jarak antara titik-titk koordinat dan garis liniernya yang sejajar dengan sumbu X maka kita akan memperoleh garis regresi X terhadap Y dan dirumuskan sebagai : X = a1 + b1Y Dimana koefisien a1 dan b1 dapat dirumuskan sebagai : b1= (n∑XY - ∑X∑Y)/[(n∑Y2 – (∑Y)2] = SXY/S2Y dan a1 = (∑x – b1∑Y)/n Perumusan X = a1 + b1Y memberikan garis taksir nilai X bila nilai Y telah ditekahui. Dalam hal sedemikian itu, nilai-nilai Y dapat dianggap bebas dari

98

kesalahan-kesalahan dan nilai-nilai X akan bervariasi secara random sekitar garis regresi. Karena kita dapat secara teoritis menentukan variabel mana yang dianggap X dan yang mana dianggap Y dank arena umumnya hanya terdapat satu variabel yang dapat dianggap dependen terhadap yang lainnya, maka pembaca tidak perlu menggunakan kedua garis regresi secara bersamaan. Interpretasi tentang ko-efisien korelasi. a. Korelasi r dapat dianggap sebagai pengukuran yang berguna tentang hubungan antara X dan Y bila tend titik-titik koordinat dalam diagram pancar membentuk suatu garis linier. Bila trend sedemikian itu liner, r yang mendekati nol berarti tidak terdapat hubungan antara X dan Y. Dalam hal demikian ini X dan Y dapat dianggap sebagai variabel-variabel yang independen. b. Bila X dan Y independen, r = 0, tetapi bila r = 0, X dan Y tidak perlu independen. Variabel X dan Y hanya tidak berasosiasi. c. Pada umumnya hubunga, fungsional antara variabel dan koefisien

korelasinya tidaklah member dugaan tentang adanya hubungan kansal antara vaiabel yang bersangkutan. Dalam banyak hal, isitilah korelasi dan kausasi selalu dikaburkan. Adanya korelasi yang sangat tinggi dan positif antara jumlah frekuensi merokok dan penyakit jantung tidak perlu memberikan interpretasi bawha “penyakit jantung disebabkan oleh merokok”. Dengan kata lain koefisien korelasi tidak perlu dianggap sebagai pembuktian tentang adanya hubungan yang bersifat kansal.

99

BAB VI KESIMPULAN

Analisis regresi membandingkan dua variabel atau lebih yang saling berkaitan, sedangkan analisis korelasi menggunakan dua variabel yang tidak mengandung sebab akita.

100

DAFTAR PUSTAKA

Dajan, Anto. 1986. Pengantar Metode Statistik. LP3S : Jakarta Marmono, Efendi. 2008. Statistika. UNSOED : Purwokerto Supranto. J. 1988. Statistik Edisi Kelima : Jakarta Sutrisno. Hadi. 2004. Statistik Jilid I : Yogyakarta. Andi Sarwono, 2010. Regresi. www.zonathansarwono.info. Diakses 5 Juni 2010 Sudjana. 2005. Metode Statistik. Tarsito. Bandung

101

Sign up to vote on this title
UsefulNot useful