MODUL KULIAH

STATISTIKA II




Disusun Oleh :
POPY MEILINA


TEKNIK INFORMATIKA - FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH JAKARTA
2010
Modul STATISTIKA II
Teknik Informatika FT-UMJ

2

LEMBAR PENGESAHAN


Modul ini dibuat sebagai bagian dari bahan ajar untuk proses
belajar mengajar mata kuliah STATISTIKA II untuk mahasiswa
Semester empat Jurusan Teknik Informatika Fakultas Teknik –
Universitas Muhammadiyah Jakarta
Dibuat oleh Dosen Mata Kuliah bersangkutan:
Popy Meilina, ST
(NIDN: 0305057901)


Disahkan di Jakarta,
28 September 2010


Dekan Fakultas Teknik
Universitas Muhammadiyah Jakarta



Ir. Mutmainah, S.Sos, MM
Modul STATISTIKA II
Teknik Informatika FT-UMJ

3
KATA PENGANTAR

Puji syukur Kehadirat Allah SWT yang telah memberikan rahmat-Nya,
sehingga penulis dapat menyelesaikan modul STATISTIKA 2.
Adapun tujuan pembuatan modul ini adalah untuk pembelajaran bagi
mahasiswa maupun penulis sendiri untuk lebih memahami dalam pembelajaran di
dalam perkuliahan.
Dengan segala kekurangan, penulis mengharapkan kritik dan saran yang
sifatnya membangun.
Harapan penulis terhadap modul ini yaitu semoga makalah ini dapat
bermanfaat bagi pembaca pada umumnya dan bagi penulis sebagai penyusun makalah
ini pada khususnya.



Jakarta, September 2010

Penulis
Modul STATISTIKA II
Teknik Informatika FT-UMJ

4
DAFTAR ISI

1. Distribusi Sampling
1.1 Konsep dasar sampling
1.2 Syarat Sampel yang Baik
1.3 Teknik-teknik Pengambilan Sampel
1.4 Probability/Random Sampling
1.5 Sampel dan Populasi
2. Estimasi
2.1 Pendahuluan
2.2 Pendugaan Rata-rata
3. Estimasi sebaran chi square dan sebaran F
3.2 Estimasi Chi Square
3.3 Estimasi Sebaran F
4. Uji Hipotesis
4.1 Hipotesis
4.2 Uji Hipotesis Rata-rata
4.3 Uji Mengenai Proporsi
4.4 Uji dua Proporsi
5. Hipotesis Chi Square dan Sebaran F
5.1 Uji Chi Square
5.2 Uji Sebaran F


Modul STATISTIKA II
Teknik Informatika FT-UMJ

5



1.1 KONSEP DASAR SAMPLING
Sampel adalah sebagian dari populasi. Artinya tidak akan ada sampel jika tidak
ada populasi. Populasi adalah keseluruhan elemen atau unsur yang akan kita teliti.
Penelitian yang dilakukan atas seluruh elemen dinamakan sensus. Idealnya, agar hasil
penelitiannya lebih bisa dipercaya, seorang peneliti harus melakukan sensus. Namun
karena sesuatu hal peneliti bisa tidak meneliti keseluruhan elemen tadi, maka yang
bisa dilakukannya adalah meneliti sebagian dari keseluruhan elemen atau unsur tadi.
Berbagai alasan yang masuk akal mengapa peneliti tidak melakukan sensus
antara lain adalah
(a) populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin seluruh
elemen diteliti
(b) keterbatasan waktu penelitian, biaya, dan sumber daya manusia, membuat peneliti
harus telah puas jika meneliti sebagian dari elemen penelitian
(c) bahkan kadang, penelitian yang dilakukan terhadap sampel bisa lebih reliabel
daripada terhadap populasi – misalnya, karena elemen sedemikian banyaknya
maka akan memunculkan kelelahan fisik dan mental para pencacahnya sehingga
banyak terjadi kekeliruan. (Uma Sekaran, 1992)
(d) demikian pula jika elemen populasi homogen, penelitian terhadap seluruh elemen
dalam populasi menjadi tidak masuk akal, misalnya untuk meneliti kualitas jeruk
dari satu pohon jeruk
Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya
dalam artian masih bisa mewakili karakteristik populasi, maka cara penarikan
Modul STATISTIKA II
Teknik Informatika FT-UMJ

6
sampelnya harus dilakukan secara seksama. Cara pemilihan sampel dikenal dengan
nama teknik sampling atau teknik pengambilan sampel .
Populasi atau universe adalah sekelompok orang, kejadian, atau benda, yang
dijadikan obyek penelitian. Jika yang ingin diteliti adalah sikap konsumen terhadap
satu produk tertentu, maka populasinya adalah seluruh konsumen produk tersebut.
Jika yang diteliti adalah laporan keuangan perusahaan “X”, maka populasinya adalah
keseluruhan laporan keuangan perusahaan “X” tersebut, Jika yang diteliti adalah
motivasi pegawai di departemen “A” maka populasinya adalah seluruh pegawai di
departemen “A”. Jika yang diteliti adalah efektivitas gugus kendali mutu (GKM)
organisasi “Y”, maka populasinya adalah seluruh GKM organisasi “Y”
Elemen/unsur adalah setiap satuan populasi. Kalau dalam populasi terdapat 30
laporan keuangan, maka setiap laporan keuangan tersebut adalah unsur atau elemen
penelitian. Artinya dalam populasi tersebut terdapat 30 elemen penelitian. Jika
populasinya adalah pabrik sepatu, dan jumlah pabrik sepatu 500, maka dalam
populasi tersebut terdapat 500 elemen penelitian.
1.2 SYARAT SAMPEL YANG BAIK
Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin
karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu
bisa mengukur sesuatu yang seharusnya diukur. Kalau yang ingin diukur adalah
masyarakat Sunda sedangkan yang dijadikan sampel adalah hanya orang Banten saja,
maka sampel tersebut tidak valid, karena tidak mengukur sesuatu yang seharusnya
diukur (orang Sunda). Sampel yang valid ditentukan oleh dua pertimbangan.
Pertama : Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan)
dalam sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam
sampel, makin akurat sampel tersebut. Tolok ukur adanya “bias” atau kekeliruan
adalah populasi.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

7
Cooper dan Emory (1995) menyebutkan bahwa “there is no systematic variance”
yang maksudnya adalah tidak ada keragaman pengukuran yang disebabkan karena
pengaruh yang diketahui atau tidak diketahui, yang menyebabkan skor cenderung
mengarah pada satu titik tertentu. Sebagai contoh, jika ingin mengetahui rata-rata luas
tanah suatu perumahan, lalu yang dijadikan sampel adalah rumah yang terletak di
setiap sudut jalan, maka hasil atau skor yang diperoleh akan bias. Kekeliruan
semacam ini bisa terjadi pada sampel yang diambil secara sistematis
Contoh systematic variance yang banyak ditulis dalam buku-buku metode
penelitian adalah jajak-pendapat (polling) yang dilakukan oleh Literary Digest
(sebuah majalah yang terbit di Amerika tahun 1920-an) pada tahun 1936. (Copper &
Emory, 1995, Nan lin, 1976). Mulai tahun 1920, 1924, 1928, dan tahun 1932 majalah
ini berhasil memprediksi siapa yang akan jadi presiden dari calon-calon presiden
yang ada. Sampel diambil berdasarkan petunjuk dalam buku telepon dan dari daftar
pemilik mobil. Namun pada tahun 1936 prediksinya salah. Berdasarkan jajak
pendapat, di antara dua calon presiden (Alfred M. Landon dan Franklin D.
Roosevelt), yang akan menang adalah Landon, namun meleset karena ternyata
Roosevelt yang terpilih menjadi presiden Amerika.
Setelah diperiksa secara seksama, ternyata Literary Digest membuat kesalahan
dalam menentukan sampel penelitiannya . Karena semua sampel yang diambil adalah
mereka yang memiliki telepon dan mobil, akibatnya pemilih yang sebagian besar
tidak memiliki telepon dan mobil (kelas rendah) tidak terwakili, padahal Rosevelt
lebih banyak dipilih oleh masyarakat kelas rendah tersebut. Dari kejadian tersebut ada
dua pelajaran yang diperoleh : (1), keakuratan prediktibilitas dari suatu sampel tidak
selalu bisa dijamin dengan banyaknya jumlah sampel; (2) agar sampel dapat
memprediksi dengan baik populasi, sampel harus mempunyai selengkap mungkin
karakteristik populasi (Nan Lin, 1976).
Kedua : Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi
estimasi. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan
karakteristik populasi. Contoh : Dari 300 pegawai produksi, diambil sampel 50
Modul STATISTIKA II
Teknik Informatika FT-UMJ

8
orang. Setelah diukur ternyata rata-rata perhari, setiap orang menghasilkan 50 potong
produk “X”. Namun berdasarkan laporan harian, pegawai bisa menghasilkan produk
“X” per harinya rata-rata 58 unit. Artinya di antara laporan harian yang dihitung
berdasarkan populasi dengan hasil penelitian yang dihasilkan dari sampel, terdapat
perbedaan 8 unit. Makin kecil tingkat perbedaan di antara rata-rata populasi dengan
rata-rata sampel, maka makin tinggi tingkat presisi sampel tersebut.
Belum pernah ada sampel yang bisa mewakili karakteristik populasi
sepenuhnya. Oleh karena itu dalam setiap penarikan sampel senantiasa melekat
keasalahan-kesalahan, yang dikenal dengan nama “sampling error” Presisi diukur
oleh simpangan baku (standard error). Makin kecil perbedaan di antara simpangan
baku yang diperoleh dari sampel (S) dengan simpangan baku dari populasi ( , makin
tinggi pula tingkat presisinya. Walau tidak selamanya, tingkat presisi mungkin bisa
meningkat dengan cara menambahkan jumlah sampel, karena kesalahan mungkin
bisa berkurang kalau jumlah sampelnya ditambah ( Kerlinger, 1973 ). Dengan contoh
di atas tadi, mungkin saja perbedaan rata-rata di antara populasi dengan sampel bisa
lebih sedikit, jika sampel yang ditariknya ditambah. Katakanlah dari 50 menjadi 75.
Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan
seperti yang diuaraikan oleh Kerlinger

besar
kesa-
lahan
kecil
kecil besarnya sampel besar





Modul STATISTIKA II
Teknik Informatika FT-UMJ

9
1.3 TEKNIK-TEKNIK PENGAMBILAN SAMPEL
Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau
random sampling / probability sampling, dan sampel tidak acak atau nonrandom
samping/nonprobability sampling. Yang dimaksud dengan random sampling adalah
cara pengambilan sampel yang memberikan kesempatan yang sama untuk diambil
kepada setiap elemen populasi. Artinya jika elemen populasinya ada 100 dan yang
akan dijadikan sampel adalah 25, maka setiap elemen tersebut mempunyai
kemungkinan 25/100 untuk bisa dipilih menjadi sampel. Sedangkan yang dimaksud
dengan nonrandom sampling atau nonprobability sampling, setiap elemen populasi
tidak mempunyai kemungkinan yang sama untuk dijadikan sampel. Lima elemen
populasi dipilih sebagai sampel karena letaknya dekat dengan rumah peneliti,
sedangkan yang lainnya, karena jauh, tidak dipilih; artinya kemungkinannya 0 (nol).
Dua jenis teknik pengambilan sampel di atas mempunyai tujuan yang berbeda.
Jika peneliti ingin hasil penelitiannya bisa dijadikan ukuran untuk mengestimasikan
populasi, atau istilahnya adalah melakukan generalisasi maka seharusnya sampel
representatif dan diambil secara acak. Namun jika peneliti tidak mempunyai kemauan
melakukan generalisasi hasil penelitian maka sampel bisa diambil secara tidak acak.
Sampel tidak acak biasanya juga diambil jika peneliti tidak mempunyai data pasti
tentang ukuran populasi dan informasi lengkap tentang setiap elemen populasi.
Contohnya, jika yang diteliti populasinya adalah konsumen teh botol, kemungkinan
besar peneliti tidak mengetahui dengan pasti berapa jumlah konsumennya, dan juga
karakteristik konsumen. Karena dia tidak mengetahui ukuran pupulasi yang tepat,
bisakah dia mengatakan bahwa 200 konsumen sebagai sampel dikatakan
“representatif”?. Kemudian, bisakah peneliti memilih sampel secara acak, jika tidak
ada informasi yang cukup lengkap tentang diri konsumen?. Dalam situasi yang
demikian, pengambilan sampel dengan cara acak tidak dimungkinkan, maka tidak ada
pilihan lain kecuali sampel diambil dengan cara tidak acak atau nonprobability
sampling, namun dengan konsekuensi hasil penelitiannya tersebut tidak bisa
Modul STATISTIKA II
Teknik Informatika FT-UMJ

10
digeneralisasikan. Jika ternyata dari 200 konsumen teh botol tadi merasa kurang puas,
maka peneliti tidak bisa mengatakan bahwa sebagian besar konsumen teh botol
merasa kurang puas terhadap the botol.
Di setiap jenis teknik pemilihan tersebut, terdapat beberapa teknik yang lebih
spesifik lagi. Pada sampel acak (random sampling) dikenal dengan istilah simple
random sampling, stratified random sampling, cluster sampling, systematic
sampling, dan area sampling. Pada nonprobability sampling dikenal beberapa teknik,
antara lain adalah convenience sampling, purposive sampling, quota sampling,
snowball sampling

1.4 PROBABILITY/RANDOM SAMPLING.
Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak
adalah memperoleh atau membuat kerangka sampel atau dikenal dengan nama
“sampling frame”. Yang dimaksud dengan kerangka sampling adalah daftar yang
berisikan setiap elemen populasi yang bisa diambil sebagai sampel. Elemen populasi
bisa berupa data tentang orang/binatang, tentang kejadian, tentang tempat, atau juga
tentang benda. Jika populasi penelitian adalah mahasiswa perguruan tinggi “A”, maka
peneliti harus bisa memiliki daftar semua mahasiswa yang terdaftar di perguruan
tinggi “A “ tersebut selengkap mungkin. Nama, NRP, jenis kelamin, alamat, usia, dan
informasi lain yang berguna bagi penelitiannya.. Dari daftar ini, peneliti akan bisa
secara pasti mengetahui jumlah populasinya (N). Jika populasinya adalah rumah
tangga dalam sebuah kota, maka peneliti harus mempunyai daftar seluruh rumah
tangga kota tersebut. Jika populasinya adalah wilayah Jawa Barat, maka penelti
harus mepunyai peta wilayah Jawa Barat secara lengkap. Kabupaten, Kecamatan,
Desa, Kampung. Lalu setiap tempat tersebut diberi kode (angka atau simbol) yang
berbeda satu sama lainnya.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

11
Di samping sampling frame, peneliti juga harus mempunyai alat yang bisa
dijadikan penentu sampel. Dari sekian elemen populasi, elemen mana saja yang bisa
dipilih menjadi sampel?. Alat yang umumnya digunakan adalah Tabel Angka
Random, kalkulator, atau undian. Pemilihan sampel secara acak bisa dilakukan
melalui sistem undian jika elemen populasinya tidak begitu banyak. Tetapi jika sudah
ratusan, cara undian bisa mengganggu konsep “acak” atau “random” itu sendiri.

1. Simple Random Sampling atau Sampel Acak Sederhana
Cara atau teknik ini dapat dilakukan jika analisis penelitiannya cenderung
deskriptif dan bersifat umum. Perbedaan karakter yang mungkin ada pada setiap
unsur atau elemen populasi tidak merupakan hal yang penting bagi rencana
analisisnya. Misalnya, dalam populasi ada wanita dan pria, atau ada yang kaya
dan yang miskin, ada manajer dan bukan manajer, dan perbedaan-perbedaan
lainnya. Selama perbedaan gender, status kemakmuran, dan kedudukan dalam
organisasi, serta perbedaan-perbedaan lain tersebut bukan merupakan sesuatu hal
yang penting dan mempunyai pengaruh yang signifikan terhadap hasil penelitian,
maka peneliti dapat mengambil sampel secara acak sederhana. Dengan demikian
setiap unsur populasi harus mempunyai kesempatan sama untuk bisa dipilih
menjadi sampel. Prosedurnya :
1. Susun “sampling frame”
2. Tetapkan jumlah sampel yang akan diambil
3. Tentukan alat pemilihan sampel
4. Pilih sampel sampai dengan jumlah terpenuhi

2. Stratified Random Sampling atau Sampel Acak Distratifikasikan
Karena unsur populasi berkarakteristik heterogen, dan heterogenitas tersebut
mempunyai arti yang signifikan pada pencapaian tujuan penelitian, maka peneliti
dapat mengambil sampel dengan cara ini. Misalnya, seorang peneliti ingin
Modul STATISTIKA II
Teknik Informatika FT-UMJ

12
mengetahui sikap manajer terhadap satu kebijakan perusahaan. Dia menduga
bahwa manajer tingkat atas cenderung positif sikapnya terhadap kebijakan
perusahaan tadi. Agar dapat menguji dugaannya tersebut maka sampelnya harus
terdiri atas paling tidak para manajer tingkat atas, menengah, dan bawah. Dengan
teknik pemilihan sampel secara random distratifikasikan, maka dia akan
memperoleh manajer di ketiga tingkatan tersebut, yaitu stratum manajer atas,
manajer menengah dan manajer bawah. Dari setiap stratum tersebut dipilih
sampel secara acak. Prosedurnya :
1. Siapkan “sampling frame”
2. Bagi sampling frame tersebut berdasarkan strata yang dikehendaki
3. Tentukan jumlah sampel dalam setiap stratum
4. Pilih sampel dari setiap stratum secara acak.
Pada saat menentukan jumlah sampel dalam setiap stratum, peneliti dapat
menentukan secara (a) proposional, (b) tidak proposional. Yang dimaksud dengan
proposional adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah
unsur populasi dalam stratum tersebut. Misalnya, untuk stratum manajer tingkat
atas (I) terdapat 15 manajer, tingkat menengah ada 45 manajer (II), dan manajer
tingkat bawah (III) ada 100 manajer. Artinya jumlah seluruh manajer adalah 160.
Kalau jumlah sampel yang akan diambil seluruhnya 100 manajer, maka untuk
stratum I diambil (15:160)x100 = 9 manajer, stratum II = 28 manajer, dan stratum
3 = 63 manajer.
Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur
atau elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja,
kalau dalam stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti
bisa mengambil semua manajer dalam stratum tersebut , dan untuk manajer
tingkat menengah (II) ditambah 5, sedangkan manajer tingat bawah (III), tetap 63
orang.

Modul STATISTIKA II
Teknik Informatika FT-UMJ

13
3. Cluster Sampling atau Sampel Gugus
Teknik ini biasa juga diterjemahkan dengan cara pengambilan sampel
berdasarkan gugus. Berbeda dengan teknik pengambilan sampel acak yang
distratifikasikan, di mana setiap unsur dalam satu stratum memiliki karakteristik
yang homogen (stratum A : laki-laki semua, stratum B : perempuan semua), maka
dalam sampel gugus, setiap gugus boleh mengandung unsur yang karakteristiknya
berbeda-beda atau heterogen. Misalnya, dalam satu organisasi terdapat 100
departemen. Dalam setiap departemen terdapat banyak pegawai dengan
karakteristik berbeda pula. Beda jenis kelaminnya, beda tingkat pendidikannya,
beda tingkat pendapatnya, beda tingat manajerialnnya, dan perbedaan-perbedaan
lainnya. Jika peneliti bermaksud mengetahui tingkat penerimaan para pegawai
terhadap suatu strategi yang segera diterapkan perusahaan, maka peneliti dapat
menggunakan cluster sampling untuk mencegah terpilihnya sampel hanya dari
satu atau dua departemen saja. Prosedur :
1. Susun sampling frame berdasarkan gugus – Dalam kasus di atas,
elemennya ada 100 departemen.
2. Tentukan berapa gugus yang akan diambil sebagai sampel
3. Pilih gugus sebagai sampel dengan cara acak
4. Teliti setiap pegawai yang ada dalam gugus sample

4. Systematic Sampling atau Sampel Sistematis
Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki
alat pengambil data secara random, cara pengambilan sampel sistematis dapat
digunakan. Cara ini menuntut kepada peneliti untuk memilih unsur populasi
secara sistematis, yaitu unsur populasi yang bisa dijadikan sampel adalah yang
“keberapa”. Misalnya, setiap unsur populasi yang keenam, yang bisa dijadikan
sampel. Soal “keberapa”-nya satu unsur populasi bisa dijadikan sampel
tergantung pada ukuran populasi dan ukuran sampel. Misalnya, dalam satu
Modul STATISTIKA II
Teknik Informatika FT-UMJ

14
populasi terdapat 5000 rumah. Sampel yang akan diambil adalah 250 rumah
dengan demikian interval di antara sampel kesatu, kedua, dan seterusnya adalah
25. Prosedurnya :
1. Susun sampling frame
2. Tetapkan jumlah sampel yang ingin diambil
3. Tentukan K (kelas interval)
4. Tentukan angka atau nomor awal di antara kelas interval tersebut
secara acak atau random – biasanya melalui cara undian saja.
5. Mulailah mengambil sampel dimulai dari angka atau nomor awal yang
terpilih.
6. Pilihlah sebagai sampel angka atau nomor interval berikutnya

5. Area Sampling atau Sampel Wilayah
Teknik ini dipakai ketika peneliti dihadapkan pada situasi bahwa populasi
penelitiannya tersebar di berbagai wilayah. Misalnya, seorang marketing manajer
sebuah stasiun TV ingin mengetahui tingkat penerimaan masyarakat Jawa Barat
atas sebuah mata tayangan, teknik pengambilan sampel dengan area sampling
sangat tepat. Prosedurnya :
1. Susun sampling frame yang menggambarkan peta wilayah (Jawa
Barat) – Kabupaten, Kotamadya, Kecamatan, Desa.
2. Tentukan wilayah yang akan dijadikan sampel (Kabupaten ?,
Kotamadya?, Kecamatan?, Desa?)
3. Tentukan berapa wilayah yang akan dijadikan sampel penelitiannya.
4. Pilih beberapa wilayah untuk dijadikan sampel dengan cara acak atau
random.
5. Kalau ternyata masih terlampau banyak responden yang harus diambil
datanya, bagi lagi wilayah yang terpilih ke dalam sub wilayah.

Modul STATISTIKA II
Teknik Informatika FT-UMJ

15

Nonprobability/Nonrandom Sampling atau Sampel Tidak Acak
Seperti telah diuraikan sebelumnya, jenis sampel ini tidak dipilih secara acak.
Tidak semua unsur atau elemen populasi mempunyai kesempatan sama untuk bisa
dipilih menjadi sampel. Unsur populasi yang terpilih menjadi sampel bisa disebabkan
karena kebetulan atau karena faktor lain yang sebelumnya sudah direncanakan oleh
peneliti.
1. Convenience Sampling atau sampel yang dipilih dengan pertimbangan
kemudahan.
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali
berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan
orang tadi ada di situ atau kebetulan dia mengenal orang tersebut. Oleh karena itu
ada beberapa penulis menggunakan istilah accidental sampling – tidak disengaja
– atau juga captive sample (man-on-the-street) Jenis sampel ini sangat baik jika
dimanfaatkan untuk penelitian penjajagan, yang kemudian diikuti oleh penelitian
lanjutan yang sampelnya diambil secara acak (random). Beberapa kasus
penelitian yang menggunakan jenis sampel ini, hasilnya ternyata kurang obyektif.
2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu.
Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap
bahwa seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi
penelitiannya. Dua jenis sampel ini dikenal dengan nama judgement dan quota
sampling.
Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling
baik untuk dijadikan sampel penelitiannya.. Misalnya untuk memperoleh data
tentang bagaimana satu proses produksi direncanakan oleh suatu perusahaan,
Modul STATISTIKA II
Teknik Informatika FT-UMJ

16
maka manajer produksi merupakan orang yang terbaik untuk bisa memberikan
informasi. Jadi, judment sampling umumnya memilih sesuatu atau seseorang
menjadi sampel karena mereka mempunyai “information rich”.
Dalam program pengembangan produk (product development), biasanya yang
dijadikan sampel adalah karyawannya sendiri, dengan pertimbangan bahwa kalau
karyawan sendiri tidak puas terhadap produk baru yang akan dipasarkan, maka
jangan terlalu berharap pasar akan menerima produk itu dengan baik. (Cooper dan
Emory, 1992).
Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional,
namun tidak dipilih secara acak melainkan secara kebetulan saja.
Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40% .
Jika seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis
kelamin tadi maka dia harus mengambil sampel pegawai laki-laki sebanyak 18
orang sedangkan pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan
ketiga puluh sampel tadi tidak dilakukan secara acak, melainkan secara kebetulan
saja.
3. Snowball Sampling – Sampel Bola Salju
Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi
penelitiannya. Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya
bisa dijadikan sampel. Karena peneliti menginginkan lebih banyak lagi, lalu dia
minta kepada sampel pertama untuk menunjukan orang lain yang kira-kira bisa
dijadikan sampel. Misalnya, seorang peneliti ingin mengetahui pandangan kaum
lesbian terhadap lembaga perkawinan. Peneliti cukup mencari satu orang wanita
lesbian dan kemudian melakukan wawancara. Setelah selesai, peneliti tadi minta
kepada wanita lesbian tersebut untuk bisa mewawancarai teman lesbian lainnya.
Setelah jumlah wanita lesbian yang berhasil diwawancarainya dirasa cukup,
Modul STATISTIKA II
Teknik Informatika FT-UMJ

17
peneliti bisa mengentikan pencarian wanita lesbian lainnya. . Hal ini bisa juga
dilakukan pada pencandu narkotik, para gay, atau kelompok-kelompok sosial lain
yang eksklusif (tertutup)

1.5 SAMPEL DAN POPULASI
Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel
berikut:


.
Berdasarkan Ukurannya, maka sampel dibedakan menjadi :
a. Sampel Besar jika ukuran sampel (n) 30
b. Sampel Kecil jika ukuran sampel (n) < 30
Sampel acak menjadi dasar penarikan sampel lain. Selanjutnya, pembahasan akan
menyangkut Penarikan Sampel Acak.
Penarikan Sampel Acak dapat dilakukan dengan 2 cara, yaitu :
a. Penarikan sampel tanpa pemulihan/tanpa pengembalian: setelah didata, anggota
sampel tidak dikembalikan ke dalam ruang sampel
Modul STATISTIKA II
Teknik Informatika FT-UMJ

18
b. Penarikan sampel dengan pemulihan : bila setelah didata, anggota sampel
dikembalikan ke dalam ruang sampel.
Distribusi Penarikan Sampel = Distribusi Sampling
Jumlah Sampel Acak yang dapat diambil dari suatu populasi adalah sangat
banyak.
Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat
tergantung dari sampel yang kita ambil.
Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi
peluang yang kita sebut sebagai : Distribusi peluang statistik sampel =
Distribusi Sampling = Distribusi Penarikan Sampel

Statistik sampel yang paling populer dipelajari adalah Rata-Rata ( x )
2. Distribusi Sampling 1 Nilai Rata-Rata
Beberapa notasi :
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel µ: rata-rata populasi
s : standar deviasi sampel σ: standar deviasi populasi
µ
x
:rata-rata dari semua rata-rata sampel
σ
x
: standar deviasi antar semua rata-rata sampel = standard error = galat baku

Modul STATISTIKA II
Teknik Informatika FT-UMJ

19


o disebut sebagai FAKTOR KOREKSI populasi terhingga.

o Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari
populasi berukuran N yang terhingga/ terbatas besarnya
o Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar
maka

FK akan mendekati 1 → ≈ 1, hal ini mengantar kita pada dalil ke-3 yaitu

DALIL LIMIT PUSAT = DALIL BATAS TENGAH = THE CENTRAL LIMIT
THEOREM
Modul STATISTIKA II
Teknik Informatika FT-UMJ

20


Dalil Limit Pusat berlaku untuk :
- penarikan sampel dari populasi yang sangat besar,
- distribusi populasi tidak dipersoalkan
Beberapa buku mencatat hal berikut : Populasi dianggap BESAR jika ukuran
sample KURANG DARI 5 % ukuran populasi atau



Contoh 1:
PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta
gelas air mineral. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA
adalah 250 ml dengan standar deviasi = 15 ml. Rata-rata populasi dianggap menyebar
normal.
1. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN
PEMULIHAN, hitunglah:
a. standard error atau galat baku sampel tersebut?
b. peluang rata-rata sampel akan berisi kurang dari 253 ml?
2. Jika sampel diperkecil menjadi 25 gelas, hitunglah :
a. standard error atau galat baku sampel tersebut?
Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA perhatikan
asumsi-asumsidalam soal sehingga anda dapat dengan mudah dan tepat
menggunakan dalil-dalil tersebut!
Modul STATISTIKA II
Teknik Informatika FT-UMJ

21
b. peluang rata-rata sampel akan berisi lebih dari 255 ml?
Jawab:
1. Diselesaikan dengan DALIL 1 → karena PEMULIHAN
Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR
N = 100 000 000 = 250 σ = 15 n = 100
P( x < 253) = P(z > ?)

GALAT BAKU =




Jadi P( x < 253) = P(z < 2.0) = 0.5 + 0.4772 = 0.9772

2. Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR
N = 100 000 000 = 250 σ = 15 n = 100
P( x > 255) = P(z > ?)

GALAT BAKU =




Jadi P( x > 255 ) = P(z > 1.67) = 0.5 - 0.4525 = 0.0475





µ µ =
x
µ µ =
x
Modul STATISTIKA II
Teknik Informatika FT-UMJ

22
Contoh 2 :
Dari 500 mahasiswa FE-GD diketahui rata-rata tinggi badan = 165 cm dengan standar
deviasi = 12 cm, diambil 36 orang sebagai sampel acak. Jika penarikan sampel
dilakukan TANPA PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan
menyebar normal, hitunglah :
a. galat baku sampel?
b. peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm?

Diselesaikan dengan DALIL 2 → TANPA PEMULIHAN
N = 500 = 165 σ = 12 n = 36

Catatan : → Dalil Limit Pusat tidak dapat digunakan

P( x < 160) = P(z < ?)


GALAT BAKU



P( x < 160) = P(z < -2.59) = 0.5 - 0.4952 = 0.0048







µ µ =
x
Modul STATISTIKA II
Teknik Informatika FT-UMJ

23
3. Distribusi Sampling Bagi Beda 2 Rata-rata

o Beda atau selisih 2 rata-rata = │µ
1
- µ
2
│ → ambil nilai mutlaknya atau tetapkan
bahwa µ1 > µ2
o Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS
o Sampel-sampel yang diambil dalam banyak kasus (atau jika dilihat secara
akumulatif) adalah sampel BESAR

Contoh 4:
Diketahui rata-rata IQ populasi mahasiswa Eropa = 125 dengan ragam = 119
sedangkan rata-rata IQ populasi mahasiswa Asia = 128 dengan ragam 181.
Diasumsikan kedua populasi berukuran besar Jika diambil 100 mahasiswa Eropa dan
100 mahasiswa Asia sebagai sampel, berapa peluang terdapat perbedaan IQ kedua
kelompok akan kurang dari dua ?
Jawab :

Modul STATISTIKA II
Teknik Informatika FT-UMJ

24

Beda 2 Rata-rata =

Sampel : n1= 100 n2 = 100
P(│x
1
- x
2
│ <2 ) = P ( z < ?)






P(z <-0.58) = 0.5 - 0.2190 = 0.2810

Modul STATISTIKA II
Teknik Informatika FT-UMJ

25



2.1 Pendahuluan
Pendugaan Populasi dilakukan dengan menggunakan nilai Statistik Sampel
Misal :
1. x digunakan sebagai penduga bagi µ
2. s digunakan sebagai penduga bagi σ
3. p p atau ∃ digunakan sebagai penduga bagi π atau p

Catatan : Beberapa pustaka menulis p sebagai ∃ p (p topi)
p = proporsi "sukses" dalam Sampel acak (ingat
konsep percobaan binomial?)
1 - p = q = proporsi "gagal" dalam Sampel acak


• Pendugaan diwujudkan dalam pembentukan selang kepercayaan, karena hampir
tidak pernah ditemukan nilai statistik tepat sama dengan nilai parameter.
• Selang Kepercayaan = Konfidensi Interval = Confidence Interval
☺ Didekati dengan distribusi Normal (Distribusi z)
☺ Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri)
☺ Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 -α
☺ α kemudian akan dibagi ke dua sisi α/2 di atas batas atas dan α/2 di bawah
batas bawah
Modul STATISTIKA II
Teknik Informatika FT-UMJ

26
• Selang kepercayaan menurut Distribusi z
Nilai α dan Selang kepercayaan yang lazim digunakan antara lain :
Selang kepercayaan 90 % →Derajat Kepercayaan = 1 - α = 90%
α = 10 % → α/2 = 5 % → z z
5 0 05
1 645
% .
. = =

Selang kepercayaan 95 % → Derajat Kepercayaan = 1 - α = 95%
α = 5 % → α/2 = 2.5 % → z z
2 5 0 025
1 96
. % .
. = =

Selang kepercayaan 99 % → Derajat Kepercayaan = 1 - α = 99%
α = 1 % → α/2 = 0.5 %
z z
0 5% 0 005
2 575
. .
. = =


Contoh Distribusi z untuk SK 99 %


luas daerah tidak terarsir ini diketahui
dari Tabel (hal 175)



luasdaerahterarsir
luas daerah terarsir ini =
ini = α/2 = 0.5% α/2 = 0.5%



-2.575 0 2.575

Modul STATISTIKA II
Teknik Informatika FT-UMJ

27
Selang Kepercayaan yang baik?
Idealnya selang yang baik adalah selang yang pendek dengan derajat kepercayaan
yang tinggi.

Banyak Selang Kepercayaan yang dapat dibentuk dalam suatu populasi adalah
Tidak terhingga, anda bebas menetapkan derajat kebebasan dan lebar selangnya.


Contoh 1 :

Di bawah ini terdapat 4 selang kepercayaan mengenai rata-rata umur mahasiswa.
Semua selang dibuat untuk populasi yang sama, manakah yang paling baik?

A. Selang kepercayaan 90 % rata-rata umur mahasiswa 18 - 25 tahun
B. Selang kepercayaan 99 % rata-rata umur mahasiswa 18 - 27 tahun
C. Selang Kepercayaan 90 % rata-rata umur mahasiswa 22 - 27 tahun
D. Selang Kepercayaan 99 % rata-rata umur mahasiswa 22 - 25 tahun
Jawab : D, karena................................

• Bentuk Umum Selang Kepercayaan
Batas Bawah < (Simbol) Parameter < Batas Atas

Untuk Sampel Berukuran Besar :

Statistik( z
α/ 2
×StandardErrorSampel)<Parameter<Statistik+( z
α/ 2
×Standard Error
Sampel)


Modul STATISTIKA II
Teknik Informatika FT-UMJ

28

Untuk Sampel Berukuran Kecil :

Statistik( t
db ( ; / ) α 2
×StandardErrorSampel)<Parameter<Statistik+( t
db ( ; / ) α 2
×StandardErrorSa
mpel)

2.2 Pendugaan Rata-rata
2.2.1 Pendugaan Rata-rata dari Sampel besar (n ≥ ≥≥ ≥30)
• Nilai simpangan baku populasi (σ) diketahui
• Jika nilai simpangan baku populasi (σ) tidak diketahui → gunakan simpangan
baku Sampel (s)

Selang kepercayaan 1

Selang Kepercayaan sebesar (1-α)100 % bagi µ adalah :

x z x z -
n
< < +
n

α α
σ
µ
σ
2 2


Jika σ tidak diketahui, dapat digunakan s








Modul STATISTIKA II
Teknik Informatika FT-UMJ

29
• Ukuran Sampel bagi pendugaan µ

Pada Derajat Kepercayaan (1-α) ukuran sampel yang error(selisih atau galat)nya
tidak lebih dari suatu nilai E adalah

[ ]

n
z
=
α
σ
/ 2
2

Ε


n dibulatkan ke bilangan bulat terdekat yang paling besar (fungsi ceiling)
jika σ tidak diketahui, gunakan s

E : error → selisih x dengan µ

Contoh 2
Dari 36 mahasiswa tingkat II diketahui bahwa rata-rata IPK = 2.6 dengan simpangan
baku = 0.3.
a. Buat selang kepercayaan 95 % untuk rata-rata IPKseluruh mahasiswa tingkat II?
Selang kepercayaan 95 % → α = 5 % → α/2 = 2.5 % →
z z
2 5 0 025
1 96
. % .
. = =

x = 2.6 s = 0.3

x z
s
x z
s
-
n
< < +
n

0 025 0 025 . .
µ


2.6 - (1.96)(
36
) < < 2.6 + (1.96) (
36
0 3 0 3 . .
) µ

2.6 - 0.098 < µ < 2.6 + 0.098
2.502 < µ < 2.698
2.5 < µ < 2.7
Modul STATISTIKA II
Teknik Informatika FT-UMJ

30
(catt : mengikuti nilai x yang hanya mempunyai 1 desimal, nilai-nilai dalam selang
dibulatkan satu desimal)

b. Berapa ukuran Sampel agar selisih rata-rata Sampel ( x ) dengan rata-rata populasi
(µ) pada selang kepercayaan 95 % tidak lebih dari 10 %?

E = 10 % = 0.10
s = 0.3

Selang kepercayaan 95 % → α = 5 % → α/2 = 2.5 % →
z z
2 5 0 025
1 96
. % .
. = =


n
z s
=
0 025
2
.
Ε

=
( . )
.
1 96
0 10
2
(0.3)
= (5.88)² = 34. 5744 ≈ 35


2.2.2 Pendugaan Rata-rata dari Sampel kecil (n < 30)
dan nilai simpangan baku populasi (σ) tidak diketahui → gunakan simpangan baku
Sampel (s²)

Selang Kepercayaan 2

Selang Kepercayaan sebesar (1-α)100 % bagi µ adalah :

x t
s
x t
s
db db
-
n
< < +
n

( ; ) ( ; )
α α
µ
2 2


db = derajat bebas = n-1
Modul STATISTIKA II
Teknik Informatika FT-UMJ

31
2.2.3 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel besar dan nilai
ragam populasi ( σ
1
2
dan σ
2
2
) diketahui dan jika nilai ragam populasi (
σ
1
2
dan σ
2
2
) tidak diketahui → →→ → gunakan ragam Sampel ( s
1
2
dan s
2
2
)

Selang Kepercayaan 3

Selang Kepercayaan sebesar (1-α)100 % bagi µ µ
1 2
− adalah

x x
n n
x x
n n
1 2 1 2
- - z < - < - + z
α α
σ σ
µ µ
σ σ
2 2
1
2
1
2
2
2
1 2
1
2
1
2
2
2
+ +


σ
1
2
dan σ
2
2
tidak diketahui → gunakan s
1
2
dan s
2
2




2.2.4 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai
kedua ragam populasi tidak sama ( σ
1
2
≠ ≠≠ ≠σ
2
2
) dan tidak diketahui → →→ → gunakan
ragam Sampel (s
1
2
dan s
2
2
)

Selang Kepercayaan 4
Selang Kepercayaan sebesar (1-α)100 % bagi |µ µ
1 2
− | adalah
x x
s
n
s
n
x x
s
n
s
n
db db 1 2 1 2
- - t < - < - + t
( ; ) ( ; )
α α
µ µ
2 2
1
2
1
2
2
2
1 2
1
2
1
2
2
2
+ +

Modul STATISTIKA II
Teknik Informatika FT-UMJ

32
derajat bebas (db) =
( )
( ) ( ) ( ) ( )
s
n
s
n
s
n
s
n
n n
1
2
1
2
2
2
1
2
1
2
2
2
2
2
1
2
2
1 1
+
− + −

db : dibulatkan ke bilangan bulat terdekat
ATAU db dapat didekati dengan
n n
1 2
2 + −

Modul STATISTIKA II
Teknik Informatika FT-UMJ

33

2.2.5 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai
kedua ragam populasi sama ( σ
1
2

2
2
) tidak diketahui → →→ →gunakan ragam
Sampel gabungan (s
gab
2
)

Selang Kepercayaan 5
Selang Kepercayaan sebesar (1-α)100 % bagi µ µ
1 2
− adalah

x x
n n
x x
n n
db db
1 2 gab 1 2 gab
- - t s < - < - + t s

( ; ) ( ; )
α α
µ µ
2 2
1 1 1 1
1 2
1 2
1 2
× + +

s
n s n s
n n
gab
2 1 1
2
2 2
2
1 2
1 1
2
=
− −
+ −
( ) ( ) +
dan
s s
gab gab
=
2
dan derajat bebas = n n
1 2
2 + −


2.2.6 Pendugaan Proporsi dari Sampel besar

• Pengertian proporsi
π = proporsi populasi
p = proporsi "sukses" dalam Sampel acak
q = 1 - p = proporsi "gagal" dalam Sampel acak
Misal :
kelas "sukses" → "menyukai seafood" kelas "gagal" → "tidak menyukai
seafood"
yang ditanyakan dalam soal → kelas “SUKSES”

Modul STATISTIKA II
Teknik Informatika FT-UMJ

34
Pendugaan Proporsi lebih lazim menggunakan Sampel besar, jadi lebih lazim
menggunakan Distribusi z.

Selang Kepercayaan 6
Selang Kepercayaan sebesar (1-α)100 % bagi p adalah :

p z
pq
n
p z
pq
n
- < < +
α α
π
2 2

ingat→ 1 - p = q

• Ukuran Sampel
Ukuran Sampel pada Selang Kepercayaan (1-α)100 % dengan galat (selisih atau
Error) tidak akan melebihi suatu nilai E adalah :


n
z pq
E
=

α/2
2
2

n dibulatkan ke atas !

n : ukuran sampel
E : error → selisih p dengan π

2.2.7 Pendugaan Beda 2 Proporsi dari Sampel-Sampel besar

Selang Kepercayaan-7
Selang Kepercayaan sebesar (1-α)100 % bagi π π
1 2
− adalah :
p p
p q
n
p q
n
p p
p q
n
p q
n
1 2 1 2
- - z

< - < - + z

α α
π π
2 2
1 1
1
2 2
2
1 2
1 1
1
2 2
2
+ +

Modul STATISTIKA II
Teknik Informatika FT-UMJ

35




3.1 Estimasi Chi Square
Dalil statistic khi-kuadrat. Bila s
2
adalah ragam contoh acak berukuran n yang
ditarik dari suatu populasi normal dengan ragam σ
2
,maka
X=
Merupakan sebuah nilai peubah acak X
2
yang mempuyai sebaran khi-kuadrat dengan
v=n-1 derajat bebas.
Dari rumus di atas jelaslah bahwa nilai X
2
tidak pernah negatif, sehigga kurva sebaran
khi kuadrat ini tidak mungkin setangkup terhadap X
2
=0. Persamaan matematik kurva
ini agak rumit, tetapi untunglah bahwa kita dapat tidak mencantumkannya di sini.
Dengan mudah kita dapat memperoleh sebaran penarikan contoh X
2
dengan
mengambil secara berulang-ulang cotoh acak berukuran n dari suatu populasi normal
kemudian menghitung nilai X
2
untuk setiap contoh tersebut. Dengan demikian kurva
X
2
dapat dihamipiri dengan cara menggambarkan sebuah kurva yang mulus melalui
bagian atas histogram bagi nilai-nilai X
2
tersebut.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

36
Selang kepercayaan bagi σ
2
. Bila s
2
adalah ragam contoh acak berukuran n yang ditarik dari
suatu populasi normal, maka selang kepercayaan (1-α) 100% bagi α
2
diberikan rumus

( ) ( )
2
2 / 1
2
2
2
2 /
2
1 1
α α
χ
σ
χ


< <
− s n s n

Sedangkan
2
2 / α
χ dan
2
2 / 1 α
χ

adalah nilai-nilai X
2
dengan v=n-1 derajat bebas yang luas daerah
di sebelah kanannya, berturut-turut, adalah α/2 dan 1- α/2

contoh soal :
Di ambil 18 buah jeruk tertentu sebagai sample berat rata-rata 7,5 ons dengan standar
deviasi 2 ons. Tentukan selang kepercayaan 90% bagi σ berat jeruk.
Jawab :
DIketahui : n=18 nuah
x = 7,5 ons
s
2
=2 ons

Di Tanya : selang kepercayaan 90% bagi σ

Penyelesaian
α= 1-0,90
= 0,1

α/2= 0,1/2
=0,05

( ) ( )
2
2 / 1
2
2
2
2 /
2
1 1
α α
χ
σ
χ


< <
− s n s n

( ) ( )
05 , 0 1 * 2 ^
2 1 18
05 , 0 * 2 ^
2 1 18
2


< <

χ
σ
χ

Modul STATISTIKA II
Teknik Informatika FT-UMJ

37
) 95 , 0 ( 2 ^
34
) 05 , 0 ( 2 ^
34
2
χ
σ
χ
< <

672 . 8
34
587 , 27
34
2
< < σ
1,232 < σ
2
< 3,920
1,109 < α <1,979
Jadi nilai selang kepercayaan bagi σ sebesar 90% adalah 1,109 < α <1,979


Contoh soal 2 :
Di pilih 12 murid SD tertentu sebagai sample pada sebuah survey minat baca
terhadap buku. Dengan standar deviasi 1 anak. Tentukan selang kepercayaan 98%.

Jawab :
Diketahui n = 12 anak
s
2
=1 anak

Ditanya Selang kepercayaan 98% bagi σ
Penyelesaian :
α = 1-0,98
= 0,02
α/2= =0,02/2
=0,01

( ) ( )
2
2 / 1
2
2
2
2 /
2
1 1
α α
χ
σ
χ


< <
− s n s n


( ) ( )
2
01 . 0 1
2
2
01 . 0
1 1 12 1 1 12


< <

χ
σ
χ

Modul STATISTIKA II
Teknik Informatika FT-UMJ

38
2
99 . 0
2
2
01 . 0
11 11
χ
σ
χ
< <
053 , 3
11
725 , 24
11
2
< < σ
0,445 <α
2
<3,603
0,667 < α <1,898
Jadi nilai selang kepercayaan bagi σ sebesar 98% adalah 0,667<σ<1,898

3.2 Pendugaan Rasio Dua Ragam (Sebaran F)
Nilai dugaan titik bagi rasio dua ragam populasi σ
2
1
/ σ
2
2
diberikan oleh rasio
ragam contohnya masing-masing s
2
1
/ s
2
2
. Jadi, statistic S
2
1
/ S
2
2
merupakan penduga
bagi σ
2
1
/ σ
2
2
. Bila σ
2
1
dan σ
2
2
keduanya merupakan ragam populasi normal, maka
kita dapat membuat selang kepercayaan bagi σ
2
1
/ σ
2
2
dengan menggunakan statistic

F=

Yang sebaran penarikan contohnya disebut sebaran F. Secara teoritik, kita dapat
mendefinisikan statistic F sebagai rasio dua peubah khi-kuadrat bebas, yang masing-
masing dibagi oleh derajat bebasnya. Dengan demikian, bila f adaadalah sebuah nilai
bagi peubah acak F, maka

f = = =

Modul STATISTIKA II
Teknik Informatika FT-UMJ

39
Bila dan adalah ragam dua contoh acak bebas berukuran n
1
dan n
2
yang ditarik dari
populasi normal dengan ragam dan , maka
f= =
merupakan nilai bagi peubah acak F yang mempunyai secaran F dengan v
1
=n
1
-1 dan v
2
=n
2
-1
derajat bebas.
Selang kepercayaan bagi . Bila dan adalah ragam dua contoh bebas berukuran n
1
dan
n
2
yang diambil dari populasi normal, maka selang kepercayaan (1-α) 100% bagi
diberikan oleh

< <
Sedangkan dalam hal ini merupakan nilai f untuk v
1
=n
1
-1 dan v
2
=n
2
-1 derajat bebas
yang di sebelah kanannya terdapat daerah seluas α/2; dan merupakan nilai f yang
serupa tetapi untuk v
2
=n
2
-1 dan v
1
=n
1
-1 derajat bebas.




Contoh soal :
Suatu tes masuk sebuah perusahaan diberikan pada 21 pria dan 13 wanita. Pria-pria
tersebut mencapai nilai rata-rata 84 dengan simpangan baku 8, sedangkan nilaii
wanita mencapai rata-rata 75 dengan simpangan baku 7. Buat selang kepercayaan
98% bagi dan , bila masing-masig adalah ragam populasi
semua nilai pria dan wanita yang mungkin mengambil tes tersebut. Asumsikan bahwa
populasinya menyebar normal.
Jawab :
Diketahui : n
1
= 21, n
2
= 13
s
1
= 8, s
2
=7.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

40
Selang kepercayaan 98 %.
α = 0,02
f
0,01
(20,12)= 3,86
f
0,01
(12,20) =3,23

< <
Selang kepercayaan 98% yaitu :

< <
Disederhanakan :
0.338 < < 0.393
Menjadi :
0.581 < < 0.626



Modul STATISTIKA II
Teknik Informatika FT-UMJ

41



4.1 HIPOTESIS
Hipotesis adalah sebagai suatu asumsi atau dugaan yang kita tentukan tentang
nilai parameter populasi. Dimana keterangan sample digunakan untuk menguji
kenalaran hipotesis.
Langkah-langkah pengujian hipotesis :
1. Menentukan Hipotesis Nol (Ho)
Menentukan Hipotesis Alternatif (H1/Ha). Ho merupakan Hipotesis nilai
parameter dugaan yang dibandingkan dengan hasil perhitungan dari sample. Ho
ditolak hanya jika hasil perhitungan dari sample tidak mungkin memiliki
kebenaran terhadap hipotesis yang ditentukan terjadi. H1 diterima hanya jika Ho
ditolak.
2. Tentukan Taraf Nyata Alfa (α)
Taraf Nyata adalah standar statistik yang digunakan untuk menolak Ho. Ho
ditolak hanya jika hasil perhitungan sample sedemikian berbeda dengan nilai
yang di Hipotesakan. Terdapat 2 jenis Galat, yaitu :
• Galat Jenis 1, adalah penolakan Hipotesis Nol yang benar. Dan dilambangkan
dengan α (peluang kesalahan Galat 1).
• Galat Jenis 2, adalah penerimaan Hipotesis Nol yang salah. Dan
dilambangkan dengan β (peluang kesalahan Galat 2).
3. Pilih statistik Uji yang sesuai dan Kemudian tentukan Wilayah Kritiknya.
4. Hitung nilai statistik uji berdasarkan data samplenya.
5. Membuat Keputusan.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

42
Tolak Ho jika nilai uji tersebut jatuh dalam wilayah kritik. Sedangkan nilai-nilai
itu jatuh di luar wilayah kritiknya maka Ho diterima.
Arah Pengujian Hipotesis dilakukan secara 2, yaitu :
1. Uji Satu Arah
Ho : θ = θo H1 : θ > θo
Ho : θ = θo H1 : θ < θo
2. Uji Dua Arah
Ho : θ = θo H1 : θ ≠ θo
θ < θo atau θ > θo

4.2 UJI HIPOTESIS RATA – RATA
Uji mengenai nilai tengah adalah pengujian hipotesis nol µ
0
=µ atau µ
1
- µ
2
=d
0

atau µ
d
=d
0
tarhadap hipotesis alternatifnya, atau :
H0 : a. µ= µ
0

b. µ
1
- µ
2
=d
0

c. µ
d
=d
0

H1 : a. µ ≠ µ
0
atau µ> µ
0
, atau µ < µ
0

b. µ
1
- µ
2
≠d
0
, atau µ
1
- µ
2
>d
0
, atau µ
1
- µ
2
<d
0

c. µ
d
≠ d
0
, atau µ
d
>d
0
, atau µ
d
<d
0

Statistik yang digunakan bagi kriteria penguji adalah statistik x. Sebaran penarikan
contoh bagi x menghampiri suatu sebaran normal, dengan µ
x
= µ dan δ
2
x
= δ
2
/n. Tabel
dibawah ini memberikan nilai-nilai H
0
, H
1
, statistik uji dan wilayah kritik pada uji
hipotesis nilai tengah dan beda dua nilai tengah untuk populasi yang menyebar
normal atau hampir normal dan α yang diketahui.




Modul STATISTIKA II
Teknik Informatika FT-UMJ

43
H
0
Nilai Uji Statistik

H
1
Wilayah Kritis

1. µ µ =
0


contoh besar
n≥30

z
x
n
=


µ
σ
0
/


σ dapat diganti dengan s


µ µ <
0


µ µ >
0


µ µ ≠
0


z z < −
α


z z >
α


z z < −
α
2
dan z z >
α
2

2. µ µ =
0
Contoh kecil
n<30

n s
x
t
0
µ −
=

Dengan derajat bebas v=n-1

µ µ <
0

µ µ >
0

µ µ ≠
0

t > t
α

t < -t
α

2 2
dan
α α
t t t t − > − <


3. µ µ
1 2 0
− = d

contoh-contoh
besar
n
1
≥ 30
n
2
≥ 30
z
x x d
n n
=
− −
+
1 2 0
1
2
1 2
2
2

( / ) ( / ) σ σ


Jika σ
1
2
dan σ
2
2
tidak
diketahui → gunakan
s
1
2
dan s
2
2



µ µ
1 2 0
− < d →
µ µ
1 2 0
− > d →
µ µ
1 2 0
− ≠ d →


z z < −
α


z z >
α

z z < −
α
2
dan z z >
α
2


4. µ µ
1 2 0
− = d

contoh-contoh
besar
n
1
< 30
n
2
< 30
( )
2 1
1 1
0 2 1
n n gab
s
d x x
t
+
− −
=

v = n
1
+ n
2
-2


µ µ
1 2 0
− < d →
µ µ
1 2 0
− > d →
µ µ
1 2 0
− ≠ d →


t > t
α


t < -t
α


2 2
dan
α α
t t t t − > − <


( ) ( )
2
1 1
2 1
2
2 2
2
1 1 2
− +
− + −
=
n n
s n s n
s
gab
Modul STATISTIKA II
Teknik Informatika FT-UMJ

44
Contoh
1.) Sebuah perusahaan manufaktur komputer menyebutkan bahwa umur ekonomis
rata-rata komputer yang diproduksinya adalah 10 tahun dengan simpangan baku 1,5
tahun. Suatu perusahaan pesaing mengklaim pernyataan tersebut bahwa umur
ekonomis rata-rata komputer tersebut adalah 8 tahun. Jika anda adalah staff Yayasan
Lembaga Konsumen Indonesia, kesimpulan apa yang dapat anda berikan untuk kedua
pernyataan tersebut, jika dari 50 contoh diperoleh umur ekonomis rata-rata 9,5 tahun.
Gunakan taraf nyata uji 0,05, dan asumsikan populasi umur ekonomis menyebar
normal.
Jawab :
• Langkah 1
H0 : µ = 10 tahun
H
1
: µ < 10 tahun
• Langkah 2
Taraf uji nyata α = 0,05
• Langkah 3
Tentukan wilayah kritik
Z < -Z α
Z < -Z 0,05
Z < -1,65
• Langkah 4
n = 50
σ = 1,5
x = 9,5
µ = 10
Z =
Z =
Wilayah
kritik
-
Modul STATISTIKA II
Teknik Informatika FT-UMJ

45
Z =
Z = -2.358
• Langkah 5
Keputusan : H
0
ditolak bahwa rata – rata umur computer yang diproduksinya
tidak bertahan sampai 10 tahun.

2.) Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali A
melebihi kekuatan rentangan tali B sebesar sekurang-kurangnya 12 kg. untuk menguji
pernyataan ini, 50 tali dari masing-masing jenis tersebut diuji dibawah kondisi yang
sama. Hasil uji memperlihatkan tali A mempunyai kekuatan rentangan rata-rata 86,7
kg dengan simpangan baku 6,28 kg, sedangkan tali B mempunyai rentangan rata-rata
77,8 kg dengan simpangan baku 5,61 kg. ujilah pernyataan perusahaan tersebut
dengan menggunakan taraf nyata 0,05.
Jawab :
• Langkah 1
H
0
: µ
A
- µ
B
= 12
H
1
: µ
A
- µ
B
> 12
• Langkah 2
Taraf uji nyata α = 0,05
• Langkah 3
Tentukan wilayah kritik
Z > Z α
Z > Z 0,05
Z > 1,65
• Langkah 4
x
1
= 86,7 x
2
= 77,8
n
1
= 50 n
2
= 50
σ
1
= 6,28 σ
2
= 5,6
1,65
Wilaya
h
Modul STATISTIKA II
Teknik Informatika FT-UMJ

46
0
= 12
Z =
Z =
Z =
Z =
Z = - 2,607
• Langkah 5
Keputusan : H
0
diterima bahwa rentangan rata-rata tali A melebihi kekuatan tali B

3.) Suatu perusahaan alat-alat olahraga telah mengembangkan tehnik baru dalam
pembuatan produknya, dan mengklaim bahwa daya tahan (kekuatannya) mampu
menampung beban seberat 15 kg, dengan rata-rata 14,8 kg dan simpangan baku 0,5
kg. jika diambil 50 buah alat olahraga tersebut dan setelah di uji diperoleh bahwa µ =
15 kg, sesuai pernyataan yang dibuat perusahaan tersebut. Gunakan taraf nyata α =
0,01.
Jawab :
• Langkah 1
H
0
: µ = 15 kg
H
1
: µ ≠ 15 kg
• Langkah 2
Taraf Uji Nyata α = 0.01
= α / 2
α = 0.01 / 2 = 0.005
• Langkah 3
Z < -Z α dan Z > Z α/2
Modul STATISTIKA II
Teknik Informatika FT-UMJ

47
Z < -Z 0,01 dan Z > Z 0,005
Z < - 2,57 dan Z > 2,57
• Langkah 4
x = 14,8
n = 50
µ = 15
σ = 0,5
Z =

Z =
Z =
Z = -2,857
• Langkah 5
Keputusan : Terima H
0
bahwa alat olahraga tersebut setelah di uji µ = 15 kg.
4.) Suatu test diberikan kepada 50 wanita dan 75 pria. Hasil test untuk wanita
memberikan rata-rata 75 dan simpangan baku 6, sedangkan untuk pria rata-rata 82
dan simpangan baku 8. Pada taraf uji α= 0,05 apakah kita dapat mengambil
kesimpulan bahwa wanita dan pria berbeda nilai test tersebut?

Jawab :
• Langkah 1
H
0
: µ
1
= µ
2
atau H
0
: µ
1
- µ
2
= 0
H
1
: µ
1
≠ µ
2
atau H
1
: µ
1
- µ
2
≠ 0


-2,57 2,57
Modul STATISTIKA II
Teknik Informatika FT-UMJ

48
• Langkah 2
Taraf Uji Nyata α = 0.01
= α / 2
α = 0.05 / 2 = 0.025
• Langkah 3
Z < -Z α/2 dan Z > Z α/2
Z < -Z 0,025 dan Z > Z 0,025
Z < - 1.96 dan Z > 1.96
• Langkah 4
50 n 75 n 36 s 64 s 75 x 82
2 1
2
2
2
1 2 1
= = = = = = x

Statistik uji :





• Langkah 5
Keputusan: tolak (H
0
) ; ada perbedaan nilai tengah nilai test pria dan wanita.


( )
2
2
2
1
2
1
2 1
n
s
n
s
x x
z
+

=
78 , 4
50
36
75
64
75 82
=
+

= z
-1.96 1.96
Modul STATISTIKA II
Teknik Informatika FT-UMJ

49
4.3 UJI MENGENAI PROPORSI
Uji ini digunakan untuk suatu percobaan Binom, bahwa proporsi keberhasilan
(sukses) sama dengan suatu nilai tertentu.

Untuk n besar, uji mengenai proporsi dapat meng-gunakan aproksimasi normal,
dengan langkah-langkah sebagai berikut:
1. H
0
: p = p
0

2. H
1
: salah satu p < p
0
, p > p
0
atau p ≠ p
0

3. Tentukan taraf nyata α
Wilayah kritiknya
H
1
wilayah kritik
p > p
0
z > z
α/2

p < p
0
z < z
α

p ≠ p
0

2 2
dan
α α
z z z z > − <

4. Statistik uji :




5. Hitung nilai statistik uji z dari data contoh
6. Keputusan : tolak H
0
bila z jatuh dalam wilayah kritik, dan terima H
0
bila
z jatuh pada wilayah penerimaan.

Contoh Soal

0 0
0


q p n
p n x
z

=
Modul STATISTIKA II
Teknik Informatika FT-UMJ

50
Suatu obat penenang ketegangan syaraf diduga hanya 60% efektif. Hasil
percobaan dengan obat baru terhadap 100 orang dewasa penderita ketegangan
syaraf, yang diambil secara acak, menunjukan obat baru itu 70% efektif. Apakah
ini merupakan bukti yang cukup untuk mengumpulkan bahwa obat baru itu lebih
baik dari pada yang beredar sekarang? Gunakan taraf nyata 0,05.
Jawab :

1. H
0
: p = 0,6
2. H
1
: p > 0,6
3. α = 0,05
4. Statistik uji :

0 0
0


q p n
p n x
z

= , daerah kritik z > 1,645
5. Perhitungan :
x = 70 n = 100 np
0
= 100x0,6 = 60



6. Keputusan : tolak H
0
dan disimpulkan bahwa obat baru tersebut memang
lebih manjur.




04 , 2
4 , 0 6 , 0 100
60 70
=
× ×

= z
Modul STATISTIKA II
Teknik Informatika FT-UMJ

51
4.4 PENGUJIAN BEDA DUA PROPORSI
Hipotesis nol dan alternatif :
H
0
: p
1
= p
2
= 0
H
1
: p
1
– p
2
< 0, p
1
– p
2
> 0, p
1
– p
2
≠ 0

Dua contoh bebas berukuran n
1
dan n
2
besar yang diambil secara acak dari dua
populasi Binom, dan dihitung proporsi keberhasilan p
1
dan p
2
dari bab
terdahulu diketahui

( )
|
|
¹
|

\
|
+

=
+

=
2 1
2 1
2
2 2
1
1 1
2 1
1 1
ˆ ˆ ˆ ˆ
n n
pq
p p
n
q p
n
q p
p p
z

Merupakan suatu nilai peubah acak normal baku bila H
0
benar dan n
1
, n
2
besar.
Nilai dugaan gabungan bagi proporsi p, yaitu:

2 1
2 1
ˆ
n n
x x
p
+
+
=

Dengan demikian, statistik ujinya adalah:

( )
2 1
1 1
2 1
ˆ ˆ
ˆ ˆ
n n
q p
p p
z
+

=

wilayah kritiknya :
H
1
wilayah kritik
p
1
> p
2
z > z
α

p
1
< p
2
z < -z
α

p
1
≠ p
2

2 2
dan
α α
z z z z > − <
Modul STATISTIKA II
Teknik Informatika FT-UMJ

52

Contoh Soal

Untuk menguji hipotesis, dari suatu contoh acak bebas n
1
dan n
2
besar :
H
0
: p
1
– p
2
= d
0
lawan
H
1
: p
1
– p
2
< d
0
, p
1
– p
2
> d
0
dan p
1
– p
2
d
0


statistik ujinya adalah:
( )
2
2 2
1
1 1
0 2 1
ˆ ˆ ˆ ˆ
ˆ ˆ
n
q p
n
q p
d p p
z
+
− −
=

Daerah kritiknya :
H
1
wilayah kritik
p
1
- p
2
< d
0
z < -z
α

p
1
- p
2
> d
0
z > z
α

p
1
- p
2
≠ d
0

2 2
dan
α α
z z z z > − <


Contoh Soal
Modul STATISTIKA II
Teknik Informatika FT-UMJ

53



Untuk menguji hipotesis keragaman mengenai suatu populasi atau
membandingkan keragaman suatu populasi dengan keragaman populasi lainnya. Jadi
mungkin saja kita ingin menguji hipotesis bahwa keragaman persentase ketakmurnian
suatu zat tidak melebihi batas yang dibolehkan, atau mungkin keragaman umur cat
tembok tertentu sama dengan keragaman umur cat tembok lain yang merupakan
tandingannya.

5.1 Hipotesis Chi-Square
Pertama-tama marilah kita perhatikan pengujian hipotesis nol H
0
bahwa ragam
populasi σ
2
sama dengan nilai tertentu σ
0
2
lawan salah satu dari alternatif, yagn
ditunjukkan di bawah ini :
H
0
: σ
2
= σ
0
2

H
1
: σ
2
< σ
0
2
, σ
2
> σ
0
2
atau σ
2
≠ σ
0
2

Statistik uji digunakan sebagai landasan keputusan adalah peubah acak khi-kuadrat,
yang juga digunakan untuk membuat selang kepercayaan bagi σ
2
.
Jadi bila sebaran populasi yang diambil contohnya sekurang-kurangnnya kira-kira
(mendekati) normal, nilai khi-kuadrat bagi uji σ
2
= σ
0
2
diberikan menurut rumus

( )
2
0
2
1 2
σ
s n
x

=



n = ukuran normal
s
2
= ragam contoh
σ
0
2
= nilai σ
2
menurut hipotesis nol
Modul STATISTIKA II
Teknik Informatika FT-UMJ

54

Bila H
0
benar, x
2
adalah sebaran khi-kudrat dengan v = n – 1 derajat bebas,
wilayah kritiknya:
H
1
wilayah kritik
σ
2
>
2
0
σ
χ
2
>
2
α
χ

σ
2
<
2
0
σ
χ
2
<
2
1 α
χ


σ
2

2
0
σ

2 2 2
1
2
2 2
atau
α α
χ χ χ χ > <



Contoh Soal

Sebuah perusahaan aki mobil mengatakan bahwa umur aku yang diproduksinya
mempunyai simpangan baku 0,9 tahun. Bila suatu contoh acak 10 aki menghasilkan
simpangan baku s = 1,2 tahun. Apakah menurut anda σ > 0,9 tahun? Gunakan taraf
nyata 0,05!

Jawab :

1. H
0
: σ
2
= 0,81
2. H
1
: σ
2
> 0,81
3. α = 0,05
4. Statistik uji :

( )
2
0
2
2
1
σ
χ
s n −
= , daerah kritik: χ
2
> 16,919
5. Penghitungan : s
2
= 1,44 ; n = 10

Modul STATISTIKA II
Teknik Informatika FT-UMJ

55
0 , 16
81 , 0
44 , 1 9
2
=
×
= χ

6. Keputusan : terima H
0
dan simpulkan bahwa tidak ada alasan untuk
meragukan simpangan bakunya adalah 0,9 tahun.

5.2 Hipotesis Sebaran F (dua ragam)
Sekarang perhatikan masalah pengujian kesamaan dua ragam populasi σ
1
2
dan
σ
2
2
. Artinya kita ingin menguji hipotesis nol H
0
bahwa σ
1
2
= σ
2
2
lawan salah satu
alternative, yang ditunjukkan di bawah ini :
H
0
: σ
1
2
= σ
2
2

H
1
: σ
1
2
< σ
2
2
, σ
1
2
> σ
2
2
atau σ
1
2
≠ σ
2
2


Bila contoh berukuran n
1
dan n
2
itu bersifat bebas, maka nilai f bagi pengujian
σ
1
2
= σ
2
2
adalah rasio

2
2
2
1
f
s
s
=

S
1
2
dan S
2
2
adalah ragam dari kedua sampel tersebut. Bila kedua populasi
sedikitnya mendekati normal dan hipotesis nol-nya benar, maka rasio f merupakan
suatu nilai bagi sebaran F dengan v
1
= n
1
–1 dan v
2
= n
2
–1 derajat bebas,
sehingga wilayah kritiknya :
H
1
wilayah kritik
σ
1
2
>
2
2
σ
f >
( )
2 1
,v v
f
α

σ
1
2
<
2
2
σ f <
( )
2 1
, 1 v v
f
α −

σ
1
2

2
2
σ
( ) ( )
2 1 2 2 1 2
, , 1
atau
v v v v
f f f f
α α
> <



Modul STATISTIKA II
Teknik Informatika FT-UMJ

56
Contoh Soal

Sebuah pelajaran matematika diberikan pada 12 siswa dengan metode pangajaran
biasa. Kelas baru terdiri dari 10 orang siswa diberi pelajaran yang sama tetapi
metodenya telah diprogramkan. Pada akhir semester kedua kelas diberi ujian yang
sama. Kelas pertama mempunyai ragam 16 dan kelas-kelas kedua ragamnya 25.
apakah ragam kedua populasi sama? Gunakan taraf nyata 0,10.

Jawab :

1. H
0
: σ
1
2
= σ
2
2

2. H1 : σ
1
2
≠ σ
2
2

3. α = 0,10
4. Statistik uji :

2
2
2
1
s
s
f = , daerah kritik: 1 , 3 dan 34 , 0 > < f f
34 , 0
1
, 11 , 3
) 11 , 9 ( 05 , 0
) 9 , 11 ( 95 , 0 ) 9 , 11 ( 05 , 0
= = =
f
f f

5. Penghitungan : s
1
2
= 16 , s
2
2
= 25

64 , 0
25
16
= = f

6. Keputusan : terima H
0
dan simpulkan bahwa kita cukup beralasan untuk
menerima kedua ragam populasi sama.


Modul STATISTIKA II
Teknik Informatika FT-UMJ

57
Soal-Soal

1. Proporsi orang dewasa yang tamat perguruan tinggi di suatu kota ditaksir
sebanyak p = 0,3. Untuk menguji hipotesis ini sampel acak 15 orang dewasa
diambil. Bila banyaknya yang tamat perguruan tinggi dalam sampel tadi
antara 2 dan 7, maka hipotesis nol bahwa p = 0,3. Carilah α kalau p = 0,3.
Carilah β untuk tandingan p = 0,2 dan p= 0,4. Apakah ini merupakan cara
pengujian terbaik?

2. Proporsi keluarga yang membeli susu dari perusahaan A suatu kota di taksir
sebesar p = 0,6. Bila sampel acak 10 keluarga menunjukan bahwa hanya 3
atau kurang yang membeli susu dari perusahaan A maka hipotesis bahwa p =
0,6 akan ditolak dan tandingan p < 0,6 didukung. Carilah peluang melakukan
galat jenis I bila proporsi sesungguhnya p = 0,6. Carilah peluang melakukan
galat jenis II untuk tandingan p = 0,3, p = 0,4, dan p = 0,5.
3. Dalam suatu percobaan besar untuk menentukan kemujaraban suatu obat baru,
400 penderita penyakit sejenis akan diobati dengan obat yang baru tersebut.
Bila dari 300 tapi kurang dari 340 penderita yang sembuh maka akan
disimpulkan bahwa obat tersebut 80% berhasil. Carilah peluang melakukan
galat jenis I. Berapakah peluang me-lakukan galat jenis II bila obat baru itu
hanya berhasil 70%?

4. Suatu zat baru yang berkembang untuk sejenis semen yang menghasilkan
daya kempa 5000 kg per cm
2
dengan simpangan beku 120. Untuk meng-uji
hipotesis bahwa µ = 5000 lawan tandingan µ > 5000, sampel acak sebesar 50
potongan semen diuji. Dengan kritis ditentukan X < 4970. Carilah peluang
melakukan galat jenis I. Carilah β untuk tandingan µ = 4970 dan µ = 4960.

Modul STATISTIKA II
Teknik Informatika FT-UMJ

58
5. Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya
berdistribusi hampir normal dengan rataan 800 jam dan simpangan baku 40
jam. Ujilah hipotesis bahwa µ = 800 jam lawan tandingan µ ≠ 800 jam bila
sampel acak 30 bola lampu mempunyai rata-rata 788 jam. Gunakan taraf
keberartian 0,04.

6. Suatu sampel acak 36 cangkir minuman yang diambil dari suatu mesin
minuman berisikan rata-rata 21,9 desiliter, dengan simpangan baku 1,24
desiliter. Ujilah hipotensi bahwa µ = 22,2 desiliter lawan hipotesis tandingan
bahwa µ < 22,2 pada taraf keberartian 0,05.

7. Rata-rata tinggi mahasiswa pria disuatu perguruan tinggi selama ini 174,5 cm,
dengan simpangan baku 6,9 cm. Apakah ada alasan mempercayai bahwa telah
ada perbedaan dalam rata-rata tinggi mahasiswa pria di perguruan tinggi tadi
bila suatu sampel acak 50 pria dalam angkatan yg sekarang mempunyai tinggi
rata-rata 177,2 cm? Gunakan taraf keberartian 0,02.

8. Suatu pertanyaan mengatakan bahwa rata-rata sebuah mobil dikendarai sejauh
20.000 km setahun disuatu daerah. Untuk menguji pernyataan ini sampel acak
sebanyak 100 pengemudi mobil diminta mencatat jumlah kilometer yang
mereka tempuh. Apakah anda setuju dengan pernyataan diatas bila sampel
tadi menunjukan rata-rata 23.500km dan simpangan baku 3900km? Gunakan
taraf keberartian 0,01.

9. Ujilah hipotensi bahwa rata-rata isi kaleng sejenis minyak pelumas 8 liter bila
isi sampel acak 10 kaleng adalah 10,2; 9,7; 10,1; 9,8; 9,9; 10,4; 10,3; dan 9,8
liter. Gunakan taraf keberartian 0,01 dan anggap bahwa distribusi isi kaleng
normal.
Modul STATISTIKA II
Teknik Informatika FT-UMJ

59

10. Sampel acak berukuran 20 dari distribusi normal mempunyai rata-rata X =
32,8 dan simpangan baku s = 4,51. Apakah ini berarti bahwa rataan populasi
lebih besar dari 30 pada taraf keberartian 0,05?

11. Suatu sampel acak rokok dengan merek tertentu mempunyai rata-rata kadar
ter 18,6 dan simpangan baku 2,4 mg. Apakah ini sesuai dengan pernyataan
pabriknya bahwa rata-rata kadar ter tidak melebihi 17,5 mg? Gunakan taraf
keberartian 0,01 dan anggap bahwa distribusi kadar ter normal.

12. Seorang mahasiswa pria rata-rata menghabiskan Rp.800.000 seminggu untuk
nonton. Ujilah hipotesis pada taraf keberartian 0,01 bahwa µ = Rp.800.000
lawan tandingan µ ≠ Rp.800.000 bila sampel acak 12 mahasiswa pria yang
menonton menunjukan rata-rata pengeluaran untuk menonton Rp.890.000
dengan simpangan baku Rp.175.000 anggap bahwa distribusi pengeluaran
hampir normal.

13. Suatu sampel acak berukuran n
1
= 25 diambil dari populasi normal dengan
simpangan baku 0
1
= 5,2 mempunyai rata-rata
1
X
=81.Sampel kedua berukur-
an n
2
= 36 diambil dari populasi normal yang lain dengan simpangan baku 0
2

= 3,4, mempunyai rata-rata
2
X
=76. Ujilah hipotesis pada taraf keberartian
0,06, bahwa
2 1
µ µ = lawan tandingan
2 1
µ µ ≠ .


14. Suatu pabrik menyatakan bahwa rata-rata daya rentang benang A melebihi
daya rentang benang B paling sedikit 12 kg. Untuk menguji pernyataan ini, 50
potong benang dari tiap jenis diuji dalam keadaan yg sama. Benang jenis A
mempunyai rata-rata daya rentang 86,7 kg dengan simpangan baku 6,28 kg,
Modul STATISTIKA II
Teknik Informatika FT-UMJ

60
sedangkan benang jenis B mem-punyai rata-rata daya rentang 77,8 kg dengan
simpangan baku 5,61 kg. Ujilah pernyataan peng-usaha tadi dengan
menggunakan taraf keberartian 0,05.

15. Suatu penelitian diadakan untuk menafsir per-bedaan gaji professor
universitas negeri dengan swasta di negara bagian Virginia, USA. Sampel
acak 100 orang profesor universitas swasta mem-punyai gaji rata-rata $
15.000 dalam 9 bulan dgn simpangan baku $ 1.300. Sampel acak 200 profesor
universitas negeri menunjukan rata-rata gaji $ 15.900 dengan simpangan baku
$ 1.400. Ujilah hipotesis bahwa selisih rata-rata gaji professor universitas
negeri dan rata-rata gaji professor universitas swasta tidak lebih dari $ 500.
Gunakan taraf keberartian 0,02.

16. Diberikan dua sampel acak berukuran n
1
= 11 dan n
2
– 14 dari dua populasi
normal yang bebas satu sama lain, dgn
1
X
=75
2
X
=60, s
1
=6,1 dan s
2
=5,3.
Ujilah hipotesis pada taraf keberartian 0,05 bahwa
2 1
µ µ =
lawan
tandingan bahwa
2 1
µ µ ≠
. Anggap bahwa kedua poulasi mempunyai
variasi yg sama.

17. Suatu penelitian dilakukan untuk mengetahui apakah peningkatan konsentrasi
subtrat akan mempengaruhi kecepatan reaksi kimia dgn cukup besar. Dengan
konsentrasi subtrat 1,5 mol per liter, reaksi dilakukan 15 kali dengan rata-rata
kecepatan 7,5mikro mol per 30 menit dengan simpangan baku 1,5. Dengan
konsentrasi subtrat 2,0 mol per liter, 12 reaksi dilakukan dan menghasilkan
rata-rata kecepatan 8,8 mikro mol per 30 menit dan simpangan baku 1,2.
Apakah anda setuju bahwa peningkatan konsentrasi subtrat menaikan
Modul STATISTIKA II
Teknik Informatika FT-UMJ

61
kecepatan rata-rata sebesar 0,5 mikro mol per 30 menit? Gunakan taraf
keberartian 0,01 dan anggap bahwa kedua populasi berdistribusi hampir
normal dengan variansi yang sama.

18. Suatu pabrik mobil yang besar ingin menentukan apakah sebaiknya membeli
ban merek A atau merek B untuk mobil merek barunya. Untuk itu suatu
percobaan dilakukan dengan menggunakan 12 ban dari tiap merek. Ban
tersebut sampai aus. Hasilnya sebagai berikut:
Merek A :
1
X
= 37.900 km, s
1
= 5100 km
Merek B :
2
X
= 39.800 km, s
2
= 5900 km
Ujilah hipotesis pada taraf keberartian 0,05 bahwa tidak ada beda kedua
merek ban. Anggap bahwa populasinya berdistribusi hampir normal.
19. Data berikut memberikan waktu putar film yang dihasilkan oleh dua
perusahaan film gambar hidup:

Waktu (menit)

Perusahaan A 102 86 98 109 92
Perusahaan B 81 165 97 134 92 87 114

Ujilah hipotesis bahwa rata-rata putar film hasil perusahaan B lebih 10 menit
dari rata-rata waktu putar film hasil perusahaan A lawan tandingan eka arah
bahwa selisihnya melebihi 10 menit. Gunakan tingkat keberartian 0,1 dan
anggaplah kedua distri-busi tersebut hampir normal.

Modul STATISTIKA II Teknik Informatika FT-UMJ

LEMBAR PENGESAHAN

Modul ini dibuat sebagai bagian dari bahan ajar untuk proses belajar mengajar mata kuliah STATISTIKA II untuk mahasiswa Semester empat Jurusan Teknik Informatika Fakultas Teknik – Universitas Muhammadiyah Jakarta Dibuat oleh Dosen Mata Kuliah bersangkutan: Popy Meilina, ST (NIDN: 0305057901)

Disahkan di Jakarta, 28 September 2010

Dekan Fakultas Teknik Universitas Muhammadiyah Jakarta

Ir. Mutmainah, S.Sos, MM

2

Modul STATISTIKA II Teknik Informatika FT-UMJ

KATA PENGANTAR

Puji syukur Kehadirat Allah SWT yang telah memberikan rahmat-Nya, sehingga penulis dapat menyelesaikan modul STATISTIKA 2. Adapun tujuan pembuatan modul ini adalah untuk pembelajaran bagi mahasiswa maupun penulis sendiri untuk lebih memahami dalam pembelajaran di dalam perkuliahan. Dengan segala kekurangan, penulis mengharapkan kritik dan saran yang sifatnya membangun. Harapan penulis terhadap modul ini yaitu semoga makalah ini dapat bermanfaat bagi pembaca pada umumnya dan bagi penulis sebagai penyusun makalah ini pada khususnya.

Jakarta,

September 2010

Penulis

3

3 Estimasi Chi Square Estimasi Sebaran F 4.2 4.3 4.Modul STATISTIKA II Teknik Informatika FT-UMJ DAFTAR ISI 1.1 4.2 3. Estimasi sebaran chi square dan sebaran F 3.2 1.3 1. Distribusi Sampling 1.1 1.2 Pendahuluan Pendugaan Rata-rata 3.1 2. Estimasi 2.2 Uji Chi Square Uji Sebaran F 4 .5 Konsep dasar sampling Syarat Sampel yang Baik Teknik-teknik Pengambilan Sampel Probability/Random Sampling Sampel dan Populasi 2. Hipotesis Chi Square dan Sebaran F 5.4 1. Uji Hipotesis 4.1 5.4 Hipotesis Uji Hipotesis Rata-rata Uji Mengenai Proporsi Uji dua Proporsi 5.

dan sumber daya manusia. misalnya untuk meneliti kualitas jeruk dari satu pohon jeruk Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya dalam artian masih bisa mewakili karakteristik populasi. penelitian terhadap seluruh elemen dalam populasi menjadi tidak masuk akal. maka cara penarikan 5 . maka yang bisa dilakukannya adalah meneliti sebagian dari keseluruhan elemen atau unsur tadi. Penelitian yang dilakukan atas seluruh elemen dinamakan sensus. karena elemen sedemikian banyaknya maka akan memunculkan kelelahan fisik dan mental para pencacahnya sehingga banyak terjadi kekeliruan. membuat peneliti harus telah puas jika meneliti sebagian dari elemen penelitian (c) bahkan kadang. 1992) (d) demikian pula jika elemen populasi homogen. biaya. Namun karena sesuatu hal peneliti bisa tidak meneliti keseluruhan elemen tadi. Artinya tidak akan ada sampel jika tidak ada populasi.Modul STATISTIKA II Teknik Informatika FT-UMJ 1. seorang peneliti harus melakukan sensus. Berbagai alasan yang masuk akal mengapa peneliti tidak melakukan sensus antara lain adalah (a) populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin seluruh elemen diteliti (b) keterbatasan waktu penelitian. Idealnya. agar hasil penelitiannya lebih bisa dipercaya. Populasi adalah keseluruhan elemen atau unsur yang akan kita teliti. (Uma Sekaran. penelitian yang dilakukan terhadap sampel bisa lebih reliabel daripada terhadap populasi – misalnya.1 KONSEP DASAR SAMPLING Sampel adalah sebagian dari populasi.

yang dijadikan obyek penelitian. Cara pemilihan sampel dikenal dengan nama teknik sampling atau teknik pengambilan sampel . 6 . Kalau yang ingin diukur adalah masyarakat Sunda sedangkan yang dijadikan sampel adalah hanya orang Banten saja. maka sampel tersebut tidak valid. karena tidak mengukur sesuatu yang seharusnya diukur (orang Sunda). yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam sample. Sampel yang valid ditentukan oleh dua pertimbangan. kejadian. Dalam bahasa pengukuran. Jika yang diteliti adalah laporan keuangan perusahaan “X”. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam sampel. Pertama : Akurasi atau ketepatan . sampel yang baik adalah yang dapat mewakili sebanyak mungkin karakteristik populasi.Modul STATISTIKA II Teknik Informatika FT-UMJ sampelnya harus dilakukan secara seksama. Jika yang diteliti adalah efektivitas gugus kendali mutu (GKM) organisasi “Y”. Kalau dalam populasi terdapat 30 laporan keuangan. maka populasinya adalah seluruh konsumen produk tersebut. 1. yaitu bisa mengukur sesuatu yang seharusnya diukur. Artinya dalam populasi tersebut terdapat 30 elemen penelitian. atau benda.2 SYARAT SAMPEL YANG BAIK Secara umum. maka populasinya adalah seluruh GKM organisasi “Y” Elemen/unsur adalah setiap satuan populasi. makin akurat sampel tersebut. Jika populasinya adalah pabrik sepatu. dan jumlah pabrik sepatu 500. Populasi atau universe adalah sekelompok orang. maka populasinya adalah keseluruhan laporan keuangan perusahaan “X” tersebut. Jika yang diteliti adalah motivasi pegawai di departemen “A” maka populasinya adalah seluruh pegawai di departemen “A”. Tolok ukur adanya “bias” atau kekeliruan adalah populasi. maka setiap laporan keuangan tersebut adalah unsur atau elemen penelitian. maka dalam populasi tersebut terdapat 500 elemen penelitian. artinya sampel harus valid. Jika yang ingin diteliti adalah sikap konsumen terhadap satu produk tertentu.

Nan lin. Kekeliruan semacam ini bisa terjadi pada sampel yang diambil secara sistematis Contoh systematic variance yang banyak ditulis dalam buku-buku metode penelitian adalah jajak-pendapat (polling) yang dilakukan oleh Literary Digest (sebuah majalah yang terbit di Amerika tahun 1920-an) pada tahun 1936. lalu yang dijadikan sampel adalah rumah yang terletak di setiap sudut jalan. (2) agar sampel dapat memprediksi dengan baik populasi. sampel harus mempunyai selengkap mungkin karakteristik populasi (Nan Lin. akibatnya pemilih yang sebagian besar tidak memiliki telepon dan mobil (kelas rendah) tidak terwakili. 1924. ternyata Literary Digest membuat kesalahan dalam menentukan sampel penelitiannya . yang menyebabkan skor cenderung mengarah pada satu titik tertentu. maka hasil atau skor yang diperoleh akan bias. padahal Rosevelt lebih banyak dipilih oleh masyarakat kelas rendah tersebut. dan tahun 1932 majalah ini berhasil memprediksi siapa yang akan jadi presiden dari calon-calon presiden yang ada. Mulai tahun 1920. 1928.Modul STATISTIKA II Teknik Informatika FT-UMJ Cooper dan Emory (1995) menyebutkan bahwa “there is no systematic variance” yang maksudnya adalah tidak ada keragaman pengukuran yang disebabkan karena pengaruh yang diketahui atau tidak diketahui. Contoh : Dari 300 pegawai produksi. Kedua : Presisi. Berdasarkan jajak pendapat. Roosevelt). Namun pada tahun 1936 prediksinya salah. 1976). diambil sampel 50 7 . Sampel diambil berdasarkan petunjuk dalam buku telepon dan dari daftar pemilik mobil. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi. Sebagai contoh. di antara dua calon presiden (Alfred M. yang akan menang adalah Landon. Landon dan Franklin D. (Copper & Emory. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik populasi. Setelah diperiksa secara seksama. namun meleset karena ternyata Roosevelt yang terpilih menjadi presiden Amerika. keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya jumlah sampel. Dari kejadian tersebut ada dua pelajaran yang diperoleh : (1). Karena semua sampel yang diambil adalah mereka yang memiliki telepon dan mobil. 1995. jika ingin mengetahui rata-rata luas tanah suatu perumahan. 1976).

Belum pernah ada sampel yang bisa mewakili karakteristik populasi sepenuhnya. jika sampel yang ditariknya ditambah.Modul STATISTIKA II Teknik Informatika FT-UMJ orang. karena kesalahan mungkin bisa berkurang kalau jumlah sampelnya ditambah ( Kerlinger. terdapat perbedaan 8 unit. Artinya di antara laporan harian yang dihitung berdasarkan populasi dengan hasil penelitian yang dihasilkan dari sampel. yang dikenal dengan nama “sampling error” Presisi diukur oleh simpangan baku (standard error). Dengan contoh di atas tadi. Makin kecil perbedaan di antara simpangan baku yang diperoleh dari sampel (S) dengan simpangan baku dari populasi ( . Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan seperti yang diuaraikan oleh Kerlinger besar kesalahan kecil kecil besarnya sampel besar 8 . makin tinggi pula tingkat presisinya. Oleh karena itu dalam setiap penarikan sampel senantiasa melekat keasalahan-kesalahan. pegawai bisa menghasilkan produk “X” per harinya rata-rata 58 unit. Katakanlah dari 50 menjadi 75. Walau tidak selamanya. maka makin tinggi tingkat presisi sampel tersebut. Makin kecil tingkat perbedaan di antara rata-rata populasi dengan rata-rata sampel. Namun berdasarkan laporan harian. setiap orang menghasilkan 50 potong produk “X”. mungkin saja perbedaan rata-rata di antara populasi dengan sampel bisa lebih sedikit. Setelah diukur ternyata rata-rata perhari. tingkat presisi mungkin bisa meningkat dengan cara menambahkan jumlah sampel. 1973 ).

3 TEKNIK-TEKNIK PENGAMBILAN SAMPEL Secara umum. atau istilahnya adalah melakukan generalisasi maka seharusnya sampel representatif dan diambil secara acak. Contohnya. jika yang diteliti populasinya adalah konsumen teh botol. tidak dipilih. ada dua jenis teknik pengambilan sampel yaitu. maka setiap elemen tersebut mempunyai kemungkinan 25/100 untuk bisa dipilih menjadi sampel. Jika peneliti ingin hasil penelitiannya bisa dijadikan ukuran untuk mengestimasikan populasi. dan juga karakteristik konsumen. Namun jika peneliti tidak mempunyai kemauan melakukan generalisasi hasil penelitian maka sampel bisa diambil secara tidak acak. bisakah peneliti memilih sampel secara acak. artinya kemungkinannya 0 (nol). Lima elemen populasi dipilih sebagai sampel karena letaknya dekat dengan rumah peneliti. Dua jenis teknik pengambilan sampel di atas mempunyai tujuan yang berbeda. karena jauh. bisakah dia mengatakan bahwa 200 konsumen sebagai sampel dikatakan “representatif”?. sampel acak atau random sampling / probability sampling. Dalam situasi yang demikian. sedangkan yang lainnya. kemungkinan besar peneliti tidak mengetahui dengan pasti berapa jumlah konsumennya. jika tidak ada informasi yang cukup lengkap tentang diri konsumen?. Kemudian. Karena dia tidak mengetahui ukuran pupulasi yang tepat. pengambilan sampel dengan cara acak tidak dimungkinkan. Sampel tidak acak biasanya juga diambil jika peneliti tidak mempunyai data pasti tentang ukuran populasi dan informasi lengkap tentang setiap elemen populasi.Modul STATISTIKA II Teknik Informatika FT-UMJ 1. Artinya jika elemen populasinya ada 100 dan yang akan dijadikan sampel adalah 25. namun dengan konsekuensi hasil penelitiannya tersebut tidak bisa 9 . dan sampel tidak acak atau nonrandom samping/nonprobability sampling. maka tidak ada pilihan lain kecuali sampel diambil dengan cara tidak acak atau nonprobability sampling. setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan sampel. Sedangkan yang dimaksud dengan nonrandom sampling atau nonprobability sampling. Yang dimaksud dengan random sampling adalah cara pengambilan sampel yang memberikan kesempatan yang sama untuk diambil kepada setiap elemen populasi.

Jika populasi penelitian adalah mahasiswa perguruan tinggi “A”. Jika populasinya adalah wilayah Jawa Barat. cluster sampling. snowball sampling 1. atau juga tentang benda. dan area sampling. dan informasi lain yang berguna bagi penelitiannya. Elemen populasi bisa berupa data tentang orang/binatang.4 PROBABILITY/RANDOM SAMPLING.Modul STATISTIKA II Teknik Informatika FT-UMJ digeneralisasikan. NRP. quota sampling. Yang dimaksud dengan kerangka sampling adalah daftar yang berisikan setiap elemen populasi yang bisa diambil sebagai sampel. Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak adalah memperoleh atau membuat kerangka sampel atau dikenal dengan nama “sampling frame”. stratified random sampling. jenis kelamin. alamat. antara lain adalah convenience sampling. tentang tempat. Pada sampel acak (random sampling) dikenal dengan istilah simple random sampling. peneliti akan bisa secara pasti mengetahui jumlah populasinya (N). Jika ternyata dari 200 konsumen teh botol tadi merasa kurang puas. Kecamatan. maka peneliti harus mempunyai daftar seluruh rumah tangga kota tersebut. Di setiap jenis teknik pemilihan tersebut. Pada nonprobability sampling dikenal beberapa teknik. Kampung. Dari daftar ini. tentang kejadian. Kabupaten. Nama. terdapat beberapa teknik yang lebih spesifik lagi. usia. maka peneliti harus bisa memiliki daftar semua mahasiswa yang terdaftar di perguruan tinggi “A “ tersebut selengkap mungkin. Lalu setiap tempat tersebut diberi kode (angka atau simbol) yang berbeda satu sama lainnya. maka penelti harus mepunyai peta wilayah Jawa Barat secara lengkap. Jika populasinya adalah rumah tangga dalam sebuah kota. systematic sampling. purposive sampling.. Desa. 10 . maka peneliti tidak bisa mengatakan bahwa sebagian besar konsumen teh botol merasa kurang puas terhadap the botol.

dan perbedaan-perbedaan lainnya. dan heterogenitas tersebut mempunyai arti yang signifikan pada pencapaian tujuan penelitian. Misalnya. Prosedurnya : 1. Tetapkan jumlah sampel yang akan diambil 3. Tentukan alat pemilihan sampel 4. atau ada yang kaya dan yang miskin. Susun “sampling frame” 2. Alat yang umumnya digunakan adalah Tabel Angka Random. Pilih sampel sampai dengan jumlah terpenuhi 2. maka peneliti dapat mengambil sampel dengan cara ini. Perbedaan karakter yang mungkin ada pada setiap unsur atau elemen populasi tidak merupakan hal yang penting bagi rencana analisisnya. Misalnya. maka peneliti dapat mengambil sampel secara acak sederhana. Dengan demikian setiap unsur populasi harus mempunyai kesempatan sama untuk bisa dipilih menjadi sampel. Simple Random Sampling atau Sampel Acak Sederhana Cara atau teknik ini dapat dilakukan jika analisis penelitiannya cenderung deskriptif dan bersifat umum. Selama perbedaan gender. dalam populasi ada wanita dan pria. Stratified Random Sampling atau Sampel Acak Distratifikasikan Karena unsur populasi berkarakteristik heterogen. dan kedudukan dalam organisasi. cara undian bisa mengganggu konsep “acak” atau “random” itu sendiri. Dari sekian elemen populasi. atau undian. kalkulator. Tetapi jika sudah ratusan. peneliti juga harus mempunyai alat yang bisa dijadikan penentu sampel. elemen mana saja yang bisa dipilih menjadi sampel?. 1. status kemakmuran. ada manajer dan bukan manajer. seorang peneliti ingin 11 . Pemilihan sampel secara acak bisa dilakukan melalui sistem undian jika elemen populasinya tidak begitu banyak.Modul STATISTIKA II Teknik Informatika FT-UMJ Di samping sampling frame. serta perbedaan-perbedaan lain tersebut bukan merupakan sesuatu hal yang penting dan mempunyai pengaruh yang signifikan terhadap hasil penelitian.

menengah. Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur atau elemen di salah satu atau beberapa stratum sangat sedikit. dan manajer tingkat bawah (III) ada 100 manajer. maka dia akan memperoleh manajer di ketiga tingkatan tersebut. Siapkan “sampling frame” 2. Artinya jumlah seluruh manajer adalah 160. dan untuk manajer tingkat menengah (II) ditambah 5. dan bawah. stratum II = 28 manajer. tetap 63 orang. dan stratum 3 = 63 manajer. Pada saat menentukan jumlah sampel dalam setiap stratum. Dia menduga bahwa manajer tingkat atas cenderung positif sikapnya terhadap kebijakan perusahaan tadi. Tentukan jumlah sampel dalam setiap stratum 4. yaitu stratum manajer atas. Pilih sampel dari setiap stratum secara acak. maka peneliti bisa mengambil semua manajer dalam stratum tersebut . maka untuk stratum I diambil (15:160)x100 = 9 manajer. Agar dapat menguji dugaannya tersebut maka sampelnya harus terdiri atas paling tidak para manajer tingkat atas. Prosedurnya : 1. Dengan teknik pemilihan sampel secara random distratifikasikan. sedangkan manajer tingat bawah (III). 12 . Kalau jumlah sampel yang akan diambil seluruhnya 100 manajer. Yang dimaksud dengan proposional adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah unsur populasi dalam stratum tersebut. peneliti dapat menentukan secara (a) proposional. manajer menengah dan manajer bawah. (b) tidak proposional. Dari setiap stratum tersebut dipilih sampel secara acak. kalau dalam stratum manajer kelas atas (I) hanya ada 4 manajer. Bagi sampling frame tersebut berdasarkan strata yang dikehendaki 3. tingkat menengah ada 45 manajer (II).Modul STATISTIKA II Teknik Informatika FT-UMJ mengetahui sikap manajer terhadap satu kebijakan perusahaan. Misalnya. untuk stratum manajer tingkat atas (I) terdapat 15 manajer. Misalnya saja.

beda tingkat pendidikannya. Misalnya. Misalnya. Berbeda dengan teknik pengambilan sampel acak yang distratifikasikan. Teliti setiap pegawai yang ada dalam gugus sample 4.Modul STATISTIKA II Teknik Informatika FT-UMJ 3. cara pengambilan sampel sistematis dapat digunakan. maka peneliti dapat menggunakan cluster sampling untuk mencegah terpilihnya sampel hanya dari satu atau dua departemen saja. Soal “keberapa”-nya satu unsur populasi bisa dijadikan sampel tergantung pada ukuran populasi dan ukuran sampel. Susun sampling frame berdasarkan gugus – Dalam kasus di atas. 2. beda tingkat pendapatnya. Cara ini menuntut kepada peneliti untuk memilih unsur populasi secara sistematis. yang bisa dijadikan sampel. Tentukan berapa gugus yang akan diambil sebagai sampel 3. Jika peneliti bermaksud mengetahui tingkat penerimaan para pegawai terhadap suatu strategi yang segera diterapkan perusahaan. Systematic Sampling atau Sampel Sistematis Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki alat pengambil data secara random. setiap gugus boleh mengandung unsur yang karakteristiknya berbeda-beda atau heterogen. setiap unsur populasi yang keenam. elemennya ada 100 departemen. Misalnya. Dalam setiap departemen terdapat banyak pegawai dengan karakteristik berbeda pula. stratum B : perempuan semua). maka dalam sampel gugus. yaitu unsur populasi yang bisa dijadikan sampel adalah yang “keberapa”. Beda jenis kelaminnya. beda tingat manajerialnnya. Pilih gugus sebagai sampel dengan cara acak 4. dan perbedaan-perbedaan lainnya. dalam satu 13 . Prosedur : 1. dalam satu organisasi terdapat 100 departemen. di mana setiap unsur dalam satu stratum memiliki karakteristik yang homogen (stratum A : laki-laki semua. Cluster Sampling atau Sampel Gugus Teknik ini biasa juga diterjemahkan dengan cara pengambilan sampel berdasarkan gugus.

Kotamadya?. 4. Tentukan K (kelas interval) 4. teknik pengambilan sampel dengan area sampling sangat tepat. 6. Kotamadya. Misalnya. Kecamatan?. Kalau ternyata masih terlampau banyak responden yang harus diambil datanya. Prosedurnya : 1. 2. Pilih beberapa wilayah untuk dijadikan sampel dengan cara acak atau random. Area Sampling atau Sampel Wilayah Teknik ini dipakai ketika peneliti dihadapkan pada situasi bahwa populasi penelitiannya tersebar di berbagai wilayah. Desa. dan seterusnya adalah 25. 5. 14 . Tentukan angka atau nomor awal di antara kelas interval tersebut secara acak atau random – biasanya melalui cara undian saja. Susun sampling frame yang menggambarkan peta wilayah (Jawa Barat) – Kabupaten. bagi lagi wilayah yang terpilih ke dalam sub wilayah. Tentukan wilayah yang akan dijadikan sampel (Kabupaten ?. Sampel yang akan diambil adalah 250 rumah dengan demikian interval di antara sampel kesatu. Tentukan berapa wilayah yang akan dijadikan sampel penelitiannya. Prosedurnya : 1. Tetapkan jumlah sampel yang ingin diambil 3. Kecamatan.Modul STATISTIKA II Teknik Informatika FT-UMJ populasi terdapat 5000 rumah. Pilihlah sebagai sampel angka atau nomor interval berikutnya 5. Mulailah mengambil sampel dimulai dari angka atau nomor awal yang terpilih. kedua. Susun sampling frame 2. 5. seorang marketing manajer sebuah stasiun TV ingin mengetahui tingkat penerimaan masyarakat Jawa Barat atas sebuah mata tayangan. Desa?) 3.

peneliti tidak mempunyai pertimbangan lain kecuali berdasarkan kemudahan saja. 15 . 2. Judgment Sampling Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling baik untuk dijadikan sampel penelitiannya. jenis sampel ini tidak dipilih secara acak.. hasilnya ternyata kurang obyektif. Dua jenis sampel ini dikenal dengan nama judgement dan quota sampling. Oleh karena itu ada beberapa penulis menggunakan istilah accidental sampling – tidak disengaja – atau juga captive sample (man-on-the-street) Jenis sampel ini sangat baik jika dimanfaatkan untuk penelitian penjajagan. yang kemudian diikuti oleh penelitian lanjutan yang sampelnya diambil secara acak (random). Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya.Modul STATISTIKA II Teknik Informatika FT-UMJ Nonprobability/Nonrandom Sampling atau Sampel Tidak Acak Seperti telah diuraikan sebelumnya. Purposive Sampling Sesuai dengan namanya. Beberapa kasus penelitian yang menggunakan jenis sampel ini. sampel diambil dengan maksud atau tujuan tertentu. Seseorang diambil sebagai sampel karena kebetulan orang tadi ada di situ atau kebetulan dia mengenal orang tersebut. Unsur populasi yang terpilih menjadi sampel bisa disebabkan karena kebetulan atau karena faktor lain yang sebelumnya sudah direncanakan oleh peneliti. Convenience Sampling atau sampel yang dipilih dengan pertimbangan kemudahan. 1. Dalam memilih sampel. Tidak semua unsur atau elemen populasi mempunyai kesempatan sama untuk bisa dipilih menjadi sampel. Misalnya untuk memperoleh data tentang bagaimana satu proses produksi direncanakan oleh suatu perusahaan.

Snowball Sampling – Sampel Bola Salju Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya. Dalam program pengembangan produk (product development). judment sampling umumnya memilih sesuatu atau seseorang menjadi sampel karena mereka mempunyai “information rich”. dengan pertimbangan bahwa kalau karyawan sendiri tidak puas terhadap produk baru yang akan dipasarkan. di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40% . Peneliti cukup mencari satu orang wanita lesbian dan kemudian melakukan wawancara. lalu dia minta kepada sampel pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel. 1992). namun tidak dipilih secara acak melainkan secara kebetulan saja. Setelah jumlah wanita lesbian yang berhasil diwawancarainya dirasa cukup. peneliti tadi minta kepada wanita lesbian tersebut untuk bisa mewawancarai teman lesbian lainnya.Modul STATISTIKA II Teknik Informatika FT-UMJ maka manajer produksi merupakan orang yang terbaik untuk bisa memberikan informasi. Karena peneliti menginginkan lebih banyak lagi. biasanya yang dijadikan sampel adalah karyawannya sendiri. seorang peneliti ingin mengetahui pandangan kaum lesbian terhadap lembaga perkawinan. Jadi. Sekali lagi. teknik pengambilan ketiga puluh sampel tadi tidak dilakukan secara acak. Misalnya. 3. 16 . Misalnya. melainkan secara kebetulan saja. Quota Sampling Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional. Setelah selesai. maka jangan terlalu berharap pasar akan menerima produk itu dengan baik. (Cooper dan Emory. Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan sampel. Jika seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin tadi maka dia harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan pegawai perempuan 12 orang.

Hal ini bisa juga dilakukan pada pencandu narkotik. atau kelompok-kelompok sosial lain yang eksklusif (tertutup) 1. Penarikan sampel tanpa pemulihan/tanpa pengembalian: setelah didata. pembahasan akan menyangkut Penarikan Sampel Acak. para gay. .5 SAMPEL DAN POPULASI Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: . anggota sampel tidak dikembalikan ke dalam ruang sampel 17 .Modul STATISTIKA II Teknik Informatika FT-UMJ peneliti bisa mengentikan pencarian wanita lesbian lainnya. Sampel Kecil jika ukuran sampel (n) < 30 Sampel acak menjadi dasar penarikan sampel lain. Penarikan Sampel Acak dapat dilakukan dengan 2 cara. maka sampel dibedakan menjadi : a. Berdasarkan Ukurannya. Sampel Besar jika ukuran sampel (n) 30 b. Selanjutnya. yaitu : a.

Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.Modul STATISTIKA II Teknik Informatika FT-UMJ b. Distribusi Penarikan Sampel = Distribusi Sampling Jumlah Sampel Acak yang dapat diambil dari suatu populasi adalah sangat banyak. Distribusi Sampling 1 Nilai Rata-Rata Beberapa notasi : n : ukuran sampel x : rata-rata sampel s : standar deviasi sampel N : ukuran populasi µ: rata-rata populasi σ: standar deviasi populasi µx:rata-rata dari semua rata-rata sampel σx : standar deviasi antar semua rata-rata sampel = standard error = galat baku 18 . Penarikan sampel dengan pemulihan : bila setelah didata. anggota sampel dikembalikan ke dalam ruang sampel. Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari sampel yang kita ambil. Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi peluang yang kita sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi Penarikan Sampel Statistik sampel yang paling populer dipelajari adalah Rata-Rata ( x ) 2.

hal ini mengantar kita pada dalil ke-3 yaitu DALIL LIMIT PUSAT = DALIL BATAS TENGAH = THE CENTRAL LIMIT THEOREM 19 . o Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari populasi berukuran N yang terhingga/ terbatas besarnya o Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar maka FK akan mendekati 1 → ≈ 1.Modul STATISTIKA II Teknik Informatika FT-UMJ o disebut sebagai FAKTOR KOREKSI populasi terhingga.

Jika sampel diperkecil menjadi 25 gelas. hitunglah: a. standard error atau galat baku sampel tersebut? b. distribusi populasi tidak dipersoalkan Beberapa buku mencatat hal berikut : Populasi dianggap BESAR jika ukuran sample KURANG DARI 5 % ukuran populasi atau Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA perhatikan asumsi-asumsidalam soal sehingga anda dapat dengan mudah dan tepat menggunakan dalil-dalil tersebut! Contoh 1: PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta gelas air mineral. Rata-rata populasi dianggap menyebar normal. 1. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml.Modul STATISTIKA II Teknik Informatika FT-UMJ Dalil Limit Pusat berlaku untuk : penarikan sampel dari populasi yang sangat besar. peluang rata-rata sampel akan berisi kurang dari 253 ml? 2. standard error atau galat baku sampel tersebut? 20 . hitunglah : a. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN.

5 + 0. Diselesaikan dengan DALIL 1 → karena PEMULIHAN Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ =µ N = 100 000 000 x = 250 σ = 15 n = 100 P( x < 253) = P(z > ?) GALAT BAKU = Jadi P( x < 253) = P(z < 2.0) = 0.4772 = 0.0475 21 .Modul STATISTIKA II Teknik Informatika FT-UMJ b.0. Diselesaikan dengan DALIL 3 → karena POPULASI SANGAT BESAR µ =µ N = 100 000 000 x = 250 σ = 15 n = 100 P( x > 255) = P(z > ?) GALAT BAKU = Jadi P( x > 255 ) = P(z > 1.5 .4525 = 0.9772 2. peluang rata-rata sampel akan berisi lebih dari 255 ml? Jawab: 1.67) = 0.

0.0048 22 . Jika penarikan sampel dilakukan TANPA PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan menyebar normal.Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh 2 : Dari 500 mahasiswa FE-GD diketahui rata-rata tinggi badan = 165 cm dengan standar deviasi = 12 cm. hitunglah : a.59) = 0.5 . diambil 36 orang sebagai sampel acak. galat baku sampel? b.4952 = 0. peluang sampel akan memiliki rata-rata tinggi badan kurang dari 160 cm? Diselesaikan dengan DALIL 2 → TANPA PEMULIHAN µx = µ N = 500 = 165 σ = 12 n = 36 Catatan : → Dalil Limit Pusat tidak dapat digunakan P( x < 160) = P(z < ?) GALAT BAKU P( x < 160) = P(z < -2.

Modul STATISTIKA II Teknik Informatika FT-UMJ 3. berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari dua ? Jawab : 23 . Distribusi Sampling Bagi Beda 2 Rata-rata o Beda atau selisih 2 rata-rata = │µ1 . Diasumsikan kedua populasi berukuran besar Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia sebagai sampel.µ2│ → ambil nilai mutlaknya atau tetapkan bahwa µ1 > µ2 o Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS o Sampel-sampel yang diambil dalam banyak kasus (atau jika dilihat secara akumulatif) adalah sampel BESAR Contoh 4: Diketahui rata-rata IQ populasi mahasiswa Eropa = 125 dengan ragam = 119 sedangkan rata-rata IQ populasi mahasiswa Asia = 128 dengan ragam 181.

x2│ <2 ) = P ( z < ?) P(z <-0.2810 24 .2190 = 0.Modul STATISTIKA II Teknik Informatika FT-UMJ Beda 2 Rata-rata = Sampel : n1= 100 n2 = 100 P(│x1.5 .0.58) = 0.

Modul STATISTIKA II Teknik Informatika FT-UMJ 2.1 Pendahuluan Pendugaan Populasi dilakukan dengan menggunakan nilai Statistik Sampel Misal : 1. 3. • Selang Kepercayaan = Konfidensi Interval = Confidence Interval ☺ ☺ ☺ ☺ Didekati dengan distribusi Normal (Distribusi z) Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri) Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 -α α kemudian akan dibagi ke dua sisi α/2 di atas batas atas dan α/2 di bawah batas bawah 25 . karena hampir tidak pernah ditemukan nilai statistik tepat sama dengan nilai parameter. 2.p = q = proporsi "gagal" dalam Sampel acak • Pendugaan diwujudkan dalam pembentukan selang kepercayaan. x s digunakan sebagai penduga bagi digunakan sebagai penduga bagi µ σ ∃ p atau p digunakan sebagai penduga bagi π atau p Catatan : Beberapa pustaka menulis p ∃ sebagai p (p topi) p = proporsi "sukses" dalam Sampel acak (ingat konsep percobaan binomial?) 1 .

575 0 2.5% = z0.05 = 1.Modul STATISTIKA II Teknik Informatika FT-UMJ • Selang kepercayaan menurut Distribusi z Nilai α dan Selang kepercayaan yang lazim digunakan antara lain : Selang kepercayaan 90 % →Derajat Kepercayaan = 1 .5 % z0.575 Contoh Distribusi z untuk SK 99 % luas daerah tidak terarsir ini diketahui dari Tabel (hal 175) luasdaerahterarsir luas daerah terarsir ini = ini = α/2 = 0.5% -2.575 26 .005 = 2.α = 95% α = 5 % → α/2 = 2.5 % → z2.α = 99% α=1%→ α/2 = 0.α = 90% α = 10 % → α/2 = 5 % → z5% = z0.5% = z0.5% α/2 = 0.645 Selang kepercayaan 95 % → Derajat Kepercayaan = 1 .96 Selang kepercayaan 99 % → Derajat Kepercayaan = 1 .025 = 1.

. Semua selang dibuat untuk populasi yang sama.......27 tahun Selang Kepercayaan 99 % rata-rata umur mahasiswa 22 ...25 tahun Jawab : D. • Bentuk Umum Selang Kepercayaan Batas Bawah < (Simbol) Parameter < Batas Atas Untuk Sampel Berukuran Besar : Statistik( zα /2 ×StandardErrorSampel)<Parameter<Statistik+( zα /2 ×Standard Sampel) Error 27 ... manakah yang paling baik? A...... B. karena.. D.25 tahun Selang kepercayaan 99 % rata-rata umur mahasiswa 18 . Contoh 1 : Di bawah ini terdapat 4 selang kepercayaan mengenai rata-rata umur mahasiswa. Selang kepercayaan 90 % rata-rata umur mahasiswa 18 .27 tahun Selang Kepercayaan 90 % rata-rata umur mahasiswa 22 ... anda bebas menetapkan derajat kebebasan dan lebar selangnya..Modul STATISTIKA II Teknik Informatika FT-UMJ Selang Kepercayaan yang baik? Idealnya selang yang baik adalah selang yang pendek dengan derajat kepercayaan yang tinggi... Banyak Selang Kepercayaan yang dapat dibentuk dalam suatu populasi adalah Tidak terhingga....... C....

α / 2) ×StandardErrorSa mpel) 2.2.1 Pendugaan Rata-rata dari Sampel besar (n ≥30) • Nilai simpangan baku populasi (σ) diketahui • Jika nilai simpangan baku populasi (σ) tidak diketahui → gunakan simpangan baku Sampel (s) Selang kepercayaan 1 Selang Kepercayaan sebesar (1-α)100 % bagi µ adalah : x .α / 2) ×StandardErrorSampel)<Parameter<Statistik+( t ( db.2 Pendugaan Rata-rata 2.Modul STATISTIKA II Teknik Informatika FT-UMJ Untuk Sampel Berukuran Kecil : Statistik( t ( db.zα 2 σ n < µ < x + zα 2 σ n Jika σ tidak diketahui. dapat digunakan s 28 .

098 < µ < 2.3 x .6 + (1.025 s n < µ < x + z 0.098 2.3 0.3 ) < µ < 2.5 % → z2.5% = z0.96)( 0.6 + 0.6 .96) ( ) 36 36 2.6 .5 < µ < 2.6 dengan simpangan baku = 0.698 2. Buat selang kepercayaan 95 % untuk rata-rata IPKseluruh mahasiswa tingkat II? Selang kepercayaan 95 % → α = 5 % → α/2 = 2.7 29 .(1. a.Modul STATISTIKA II Teknik Informatika FT-UMJ • Ukuran Sampel bagi pendugaan µ Pada Derajat Kepercayaan (1-α) ukuran sampel yang error(selisih atau galat)nya tidak lebih dari suatu nilai E adalah n= [ ]  zα / 2 σ 2 Ε n dibulatkan ke bilangan bulat terdekat yang paling besar (fungsi ceiling) jika σ tidak diketahui.025 = 1.025 s n 2.6 s = 0.0.z 0.502 < µ < 2. gunakan s E : error → selisih x dengan µ Contoh 2 Dari 36 mahasiswa tingkat II diketahui bahwa rata-rata IPK = 2.96 x = 2.3.

t( db.10 s = 0.α 2 ) s n 30 . Berapa ukuran Sampel agar selisih rata-rata Sampel ( x ) dengan rata-rata populasi (µ) pada selang kepercayaan 95 % tidak lebih dari 10 %? E = 10 % = 0.5 % → z2.10 2.025 s 2 Ε = (1.88)² = 34.3) 2 = (5.α 2 ) db = derajat bebas = n-1 s n < µ < x + t ( db.2. 5744 ≈ 35 0.5% = z0. nilai-nilai dalam selang dibulatkan satu desimal) b.025 = 1.Modul STATISTIKA II Teknik Informatika FT-UMJ (catt : mengikuti nilai x yang hanya mempunyai 1 desimal.96) (0.2 Pendugaan Rata-rata dari Sampel kecil (n < 30) dan nilai simpangan baku populasi (σ) tidak diketahui → gunakan simpangan baku Sampel (s²) Selang Kepercayaan 2 Selang Kepercayaan sebesar (1-α)100 % bagi µ adalah : x .3 Selang kepercayaan 95 % → α = 5 % → α/2 = 2.96 n= z0.

α 2 ) s12 s2 2 + n1 n2 31 .x2 + zα 2 σ12 n1 + σ2 2 n2 σ12 dan σ 2 2 tidak diketahui → gunakan s12 dan s2 2 2.µ2 < x1 .µ2 < n1 n2 x1 .t ( db.zα 2 σ12 n1 + σ22 n2 < µ1 .4 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai kedua ragam populasi tidak sama ( σ12 ≠ σ 2 2 ) dan tidak diketahui → gunakan 2 2 ragam Sampel ( s1 dan s2 ) Selang Kepercayaan 4 Selang Kepercayaan sebesar (1-α)100 % bagi | µ1 − µ 2 | adalah x1 .2.x2 .2.x2 + t ( db.Modul STATISTIKA II Teknik Informatika FT-UMJ 2.α 2 ) s12 s2 2 + < µ1 .3 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel besar dan nilai ragam populasi ( σ12 dan σ 2 2 ) diketahui dan jika nilai ragam populasi ( σ12 dan σ 2 2 ) tidak diketahui → gunakan ragam Sampel ( s12 dan s2 2 ) Selang Kepercayaan 3 Selang Kepercayaan sebesar (1-α)100 % bagi µ1 − µ 2 adalah x1 .x2 .

Modul STATISTIKA II Teknik Informatika FT-UMJ (s1 n1+ s2 n2) 2 derajat bebas (db) = 2 2 (s1 n1) 2 (n1 − 1) + (s2 n2) 2 (n2 − 1) 2 2 db : dibulatkan ke bilangan bulat terdekat ATAU db dapat didekati dengan n1 + n2 − 2 32 .

α 2 ) sgab n1 n2 1 1 + n1 n2 2 sgab = 2 (n1 − 1)s12 + (n2 − 1)s2 dan n1 + n2 − 2 2 sgab = sgab dan derajat bebas = n1 + n2 − 2 2.p = proporsi "gagal" dalam Sampel acak Misal : kelas "sukses" → "menyukai seafood" seafood" yang ditanyakan dalam soal → kelas “SUKSES” kelas "gagal" → "tidak menyukai 33 .µ2 < x1 .t (db.x2 .2.α 2 ) × sgab 1 1 + < µ1 .x2 + t (db.6 Pendugaan Proporsi dari Sampel besar • Pengertian proporsi π = proporsi populasi p = proporsi "sukses" dalam Sampel acak q = 1 .2.5 Pendugaan bagi Beda 2 Rata-rata dari Sampel-Sampel kecil dan nilai 2 2 kedua ragam populasi sama ( σ1 = σ 2 ) tidak diketahui →gunakan ragam 2 Sampel gabungan ( sgab ) Selang Kepercayaan 5 Selang Kepercayaan sebesar (1-α)100 % bagi µ1 − µ 2 adalah x1 .Modul STATISTIKA II Teknik Informatika FT-UMJ 2.

zα 2 p1 q1 p2 q2 + < π1 .p2 + zα 2 p1 q1 p2 q2 + n1 n2 34 .Modul STATISTIKA II Teknik Informatika FT-UMJ Pendugaan Proporsi lebih lazim menggunakan Sampel besar.p = q pq n < π < p + zα 2 pq n • Ukuran Sampel Ukuran Sampel pada Selang Kepercayaan (1-α)100 % dengan galat (selisih atau Error) tidak akan melebihi suatu nilai E adalah : 2  zα /2 pq  n=  2  E  n dibulatkan ke atas ! n : ukuran sampel E : error → selisih p dengan π 2.π2 n1 n2 < p1 .2.7 Pendugaan Beda 2 Proporsi dari Sampel-Sampel besar Selang Kepercayaan-7 Selang Kepercayaan sebesar (1-α)100 % bagi π 1 − π 2 adalah : p1 .p2 . Selang Kepercayaan 6 Selang Kepercayaan sebesar (1-α)100 % bagi p adalah : p . jadi lebih lazim menggunakan Distribusi z.zα 2 ingat→ 1 .

Dengan demikian kurva X2 dapat dihamipiri dengan cara menggambarkan sebuah kurva yang mulus melalui bagian atas histogram bagi nilai-nilai X2 tersebut. Bila s2 adalah ragam contoh acak berukuran n yang ditarik dari suatu populasi normal dengan ragam σ2 . 35 .1 Estimasi Chi Square Dalil statistic khi-kuadrat.maka X= Merupakan sebuah nilai peubah acak X2 yang mempuyai sebaran khi-kuadrat dengan v=n-1 derajat bebas. Dengan mudah kita dapat memperoleh sebaran penarikan contoh X2 dengan mengambil secara berulang-ulang cotoh acak berukuran n dari suatu populasi normal kemudian menghitung nilai X2 untuk setiap contoh tersebut. sehigga kurva sebaran khi kuadrat ini tidak mungkin setangkup terhadap X2 =0. tetapi untunglah bahwa kita dapat tidak mencantumkannya di sini. Persamaan matematik kurva ini agak rumit.Modul STATISTIKA II Teknik Informatika FT-UMJ 3. Dari rumus di atas jelaslah bahwa nilai X2 tidak pernah negatif.

05 (n − 1)s 2 < σ 2 < (n − 1)s 2 2 2 χα / 2 χ1−α / 2 (18 − 1)2 χ ^ 2 * 0. Bila s2 adalah ragam contoh acak berukuran n yang ditarik dari suatu populasi normal.Modul STATISTIKA II Teknik Informatika FT-UMJ Selang kepercayaan bagi σ2 .05 <σ 2 < (18 − 1)2 χ ^2 *1 − 0. maka selang kepercayaan (1-α) 100% bagi α2 diberikan rumus (n − 1)s 2 < σ 2 < (n − 1)s 2 2 2 χα / 2 χ1−α / 2 Sedangkan χ α / 2 dan χ adalah nilai-nilai X2 dengan v=n-1 derajat bebas yang luas daerah di sebelah kanannya. adalah α/2 dan 1.1/2 =0. berturut-turut.α/2 2 2 1−α / 2 contoh soal : Di ambil 18 buah jeruk tertentu sebagai sample berat rata-rata 7. Tentukan selang kepercayaan 90% bagi σ berat jeruk. Jawab : DIketahui : n=18 nuah x = 7.05 36 .1 α/2= 0.90 = 0.5 ons s2 =2 ons Di Tanya : selang kepercayaan 90% bagi σ Penyelesaian α= 1-0.5 ons dengan standar deviasi 2 ons.

05) χ ^2(0.95) 34 34 <σ2 < 27.Modul STATISTIKA II Teknik Informatika FT-UMJ 34 34 <σ 2 < χ ^ 2(0. Tentukan selang kepercayaan 98%.01 37 .109 < α <1.232 < σ2 < 3.02 =0.587 8.01 (n − 1)s 2 < σ 2 < (n − 1)s 2 2 2 χα / 2 χ1−α / 2 (12 − 1)1 χ 2 0. Jawab : Diketahui n = 12 anak s2 =1 anak Ditanya Selang kepercayaan 98% bagi σ Penyelesaian : α α/2= = 1-0.01 <σ2 < (12 − 1)1 χ12−0.979 Jadi nilai selang kepercayaan bagi σ sebesar 90% adalah 1.02/2 =0.979 Contoh soal 2 : Di pilih 12 murid SD tertentu sebagai sample pada sebuah survey minat baca terhadap buku.920 1.98 = 0. Dengan standar deviasi 1 anak.109 < α <1.672 1.

898 3. Dengan demikian. yang masingmasing dibagi oleh derajat bebasnya.445 <α2<3. Secara teoritik.898 Jadi nilai selang kepercayaan bagi σ sebesar 98% adalah 0.053 0. maka f = = = 38 . Jadi. statistic S21 / S22 merupakan penduga bagi σ21 / σ22 . bila f adaadalah sebuah nilai bagi peubah acak F. maka kita dapat membuat selang kepercayaan bagi σ21 / σ22 dengan menggunakan statistic F= Yang sebaran penarikan contohnya disebut sebaran F. kita dapat mendefinisikan statistic F sebagai rasio dua peubah khi-kuadrat bebas. Bila σ21 dan σ22 keduanya merupakan ragam populasi normal.667 < α <1.Modul STATISTIKA II Teknik Informatika FT-UMJ 11 χ 2 0.01 <σ 2 < 11 2 χ 0.725 3.99 11 11 <σ2 < 24.2 Pendugaan Rasio Dua Ragam (Sebaran F) Nilai dugaan titik bagi rasio dua ragam populasi σ21 / σ22 diberikan oleh rasio ragam contohnya masing-masing s21 / s22.667<σ<1.603 0.

Modul STATISTIKA II Teknik Informatika FT-UMJ

Bila dan adalah ragam dua contoh acak bebas berukuran n1 dan n2 yang ditarik dari populasi normal dengan ragam dan , maka f= = merupakan nilai bagi peubah acak F yang mempunyai secaran F dengan v1=n1-1 dan v2=n2-1 derajat bebas.

Selang kepercayaan bagi . Bila dan adalah ragam dua contoh bebas berukuran n1 dan n2 yang diambil dari populasi normal, maka selang kepercayaan (1-α) 100% bagi diberikan oleh < < Sedangkan dalam hal ini merupakan nilai f untuk v1=n1-1 dan v2=n2-1 derajat bebas merupakan nilai f yang

yang di sebelah kanannya terdapat daerah seluas α/2; dan serupa tetapi untuk v2=n2-1 dan v1=n1-1 derajat bebas.

Contoh soal : Suatu tes masuk sebuah perusahaan diberikan pada 21 pria dan 13 wanita. Pria-pria tersebut mencapai nilai rata-rata 84 dengan simpangan baku 8, sedangkan nilaii wanita mencapai rata-rata 75 dengan simpangan baku 7. Buat selang kepercayaan 98% bagi dan , bila masing-masig adalah ragam populasi

semua nilai pria dan wanita yang mungkin mengambil tes tersebut. Asumsikan bahwa populasinya menyebar normal. Jawab : Diketahui : n1 = 21, n2 = 13 s1 = 8, s2=7.

39

Modul STATISTIKA II Teknik Informatika FT-UMJ

Selang kepercayaan 98 %.
α = 0,02

f0,01 (20,12)= 3,86 f0,01 (12,20) =3,23 < <

Selang kepercayaan 98% yaitu : < <

Disederhanakan : 0.338 < Menjadi : 0.581 < < 0.626 < 0.393

40

Modul STATISTIKA II Teknik Informatika FT-UMJ

4.1 HIPOTESIS

Hipotesis adalah sebagai suatu asumsi atau dugaan yang kita tentukan tentang nilai parameter populasi. Dimana keterangan sample digunakan untuk menguji kenalaran hipotesis. Langkah-langkah pengujian hipotesis : 1. Menentukan Hipotesis Nol (Ho) Menentukan Hipotesis Alternatif (H1/Ha). Ho merupakan Hipotesis nilai parameter dugaan yang dibandingkan dengan hasil perhitungan dari sample. Ho ditolak hanya jika hasil perhitungan dari sample tidak mungkin memiliki kebenaran terhadap hipotesis yang ditentukan terjadi. H1 diterima hanya jika Ho ditolak. 2. Tentukan Taraf Nyata Alfa (α) Taraf Nyata adalah standar statistik yang digunakan untuk menolak Ho. Ho ditolak hanya jika hasil perhitungan sample sedemikian berbeda dengan nilai yang di Hipotesakan. Terdapat 2 jenis Galat, yaitu : • Galat Jenis 1, adalah penolakan Hipotesis Nol yang benar. Dan dilambangkan dengan α (peluang kesalahan Galat 1). • Galat Jenis 2, adalah penerimaan Hipotesis Nol yang salah. Dan dilambangkan dengan β (peluang kesalahan Galat 2). 3. Pilih statistik Uji yang sesuai dan Kemudian tentukan Wilayah Kritiknya. 4. Hitung nilai statistik uji berdasarkan data samplenya. 5. Membuat Keputusan.

41

atau µ 1. atau µ 1. µ 1. dengan µ x= µ dan δ2x = δ2/n.µ 2 ≠d0. µ= µ 0 b. µ d ≠ d0. yaitu : 1. H1.µ 2>d0. 42 .2 UJI HIPOTESIS RATA – RATA Uji mengenai nilai tengah adalah pengujian hipotesis nol µ 0=µ atau µ 1. atau : H0 : a.µ 2<d0 c.µ 2=d0 atau µ d=d0 tarhadap hipotesis alternatifnya. statistik uji dan wilayah kritik pada uji hipotesis nilai tengah dan beda dua nilai tengah untuk populasi yang menyebar normal atau hampir normal dan α yang diketahui. µ 1. µ ≠ µ 0 atau µ> µ 0. atau µ < µ 0 b. Arah Pengujian Hipotesis dilakukan secara 2. µ d=d0 H1 : a. atau µ d>d0.Modul STATISTIKA II Teknik Informatika FT-UMJ Tolak Ho jika nilai uji tersebut jatuh dalam wilayah kritik. Sedangkan nilai-nilai itu jatuh di luar wilayah kritiknya maka Ho diterima. Tabel dibawah ini memberikan nilai-nilai H0. Uji Satu Arah Ho : θ = θo Ho : θ = θo 2. Sebaran penarikan contoh bagi x menghampiri suatu sebaran normal. Ho : θ = θo H1 : θ > θo H1 : θ < θo Uji Dua Arah H1 : θ ≠ θo θ < θo atau θ > θo 4. atau µ d<d0 Statistik yang digunakan bagi kriteria penguji adalah statistik x.µ 2=d0 c.

µ = µ 0 contoh besar n ≥ 30 x − µ0 z= σ / n σ dapat diganti dengan s µ < µ0 µ > µ0 µ ≠ µ0 → z < − zα z > zα z < − zα t > tα t < -tα t < −t α dan t > −t α 2 2 → → → → → 2 dan z > zα 2 2. µ = µ 0 Contoh kecil n<30 t= x − µ0 s n µ < µ0 µ > µ0 µ ≠ µ0 Dengan derajat bebas v=n-1 3. µ1 − µ2 = d 0 t= (x1 − x2 ) − d 0 s gab 1 n1 + n12 µ1 − µ2 < d0 → µ1 − µ2 > d0 → µ1 − µ2 ≠ d0 → t > tα contoh-contoh besar n1 < 30 n2 < 30 v = n1 + n2 -2 2 gab t < -tα s (n1 −1)s12 +(n2 −1)s22 = n1 +n2 −2 t < −t α dan t > −t α 2 2 43 . µ1 − µ2 = d 0 z= x1 − x2 − d 0 (σ12 / n1 ) + (σ 22 / n2 ) µ1 − µ2 < d0 → µ1 − µ2 > d0 → z < − zα z > zα z < − zα dan z > zα 2 contoh-contoh besar n1 ≥ 30 n2 ≥ 30 Jika σ12 dan σ2 2 tidak µ1 − µ2 ≠ d0 → diketahui → gunakan s12 dan s2 2 2 4.Modul STATISTIKA II Teknik Informatika FT-UMJ H0 Nilai Uji Statistik H1 Wilayah Kritis 1.

5 µ = 10 Z= Z= 44 .5 x = 9. Jawab : • Langkah 1 H0 : µ = 10 tahun H1 : µ < 10 tahun • Langkah 2 Taraf uji nyata α = 0.5 tahun. kesimpulan apa yang dapat anda berikan untuk kedua pernyataan tersebut. Gunakan taraf nyata uji 0. Jika anda adalah staff Yayasan Lembaga Konsumen Indonesia.05 Z < -1.Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh 1. Suatu perusahaan pesaing mengklaim pernyataan tersebut bahwa umur ekonomis rata-rata komputer tersebut adalah 8 tahun.05 • Langkah 3 Tentukan wilayah kritik Z < -Z α Z < -Z 0. dan asumsikan populasi umur ekonomis menyebar normal.5 tahun.) Sebuah perusahaan manufaktur komputer menyebutkan bahwa umur ekonomis rata-rata komputer yang diproduksinya adalah 10 tahun dengan simpangan baku 1.65 Wilayah kritik - • Langkah 4 n = 50 σ = 1.05. jika dari 50 contoh diperoleh umur ekonomis rata-rata 9.

7 n1 = 50 σ1 = 6. sedangkan tali B mempunyai rentangan rata-rata 77. 2. Jawab : • Langkah 1 H0 : µ A .65 1.) Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali A melebihi kekuatan rentangan tali B sebesar sekurang-kurangnya 12 kg.65 x2 = 77.61 kg.05 • Langkah 3 Tentukan wilayah kritik Z> Zα Z > Z 0.µ B > 12 • Langkah 2 Taraf uji nyata α = 0.7 kg dengan simpangan baku 6. Hasil uji memperlihatkan tali A mempunyai kekuatan rentangan rata-rata 86. ujilah pernyataan perusahaan tersebut dengan menggunakan taraf nyata 0.28 45 .28 kg.05 Z > 1. 50 tali dari masing-masing jenis tersebut diuji dibawah kondisi yang sama.Modul STATISTIKA II Teknik Informatika FT-UMJ Z= Z = -2.358 • Langkah 5 Keputusan : H0 ditolak bahwa rata – rata umur computer yang diproduksinya tidak bertahan sampai 10 tahun.8 n2 = 50 σ2 = 5.6 Wilaya h • Langkah 4 x1 = 86.8 kg dengan simpangan baku 5.µ B = 12 H1 : µ A .05. untuk menguji pernyataan ini.

Gunakan taraf nyata α = 0. dengan rata-rata 14.01 =α/2 α = 0. sesuai pernyataan yang dibuat perusahaan tersebut. Jawab : • Langkah 1 H0 : µ = 15 kg H1 : µ ≠ 15 kg • Langkah 2 Taraf Uji Nyata α = 0.) Suatu perusahaan alat-alat olahraga telah mengembangkan tehnik baru dalam pembuatan produknya. jika diambil 50 buah alat olahraga tersebut dan setelah di uji diperoleh bahwa µ = 15 kg.8 kg dan simpangan baku 0.005 • Langkah 3 Z < -Z α dan Z > Z α/2 46 .Modul STATISTIKA II Teknik Informatika FT-UMJ 0 = 12 Z= Z= Z= Z= Z = .01 / 2 = 0.01.607 • Langkah 5 Keputusan : H0 diterima bahwa rentangan rata-rata tali A melebihi kekuatan tali B 3. dan mengklaim bahwa daya tahan (kekuatannya) mampu menampung beban seberat 15 kg.5 kg.2.

5 -2.Modul STATISTIKA II Teknik Informatika FT-UMJ Z < -Z 0.857 • Langkah 5 Keputusan : Terima H0 bahwa alat olahraga tersebut setelah di uji µ = 15 kg. Hasil test untuk wanita memberikan rata-rata 75 dan simpangan baku 6.01 dan Z > Z 0.005 Z < . Pada taraf uji α= 0.2. sedangkan untuk pria rata-rata 82 dan simpangan baku 8.57 • Langkah 4 x = 14.µ2 = 0 H1 : µ1 ≠ µ2 atau H1 : µ1 .57 2.) Suatu test diberikan kepada 50 wanita dan 75 pria.8 n = 50 µ = 15 σ = 0.µ2 ≠ 0 47 .05 apakah kita dapat mengambil kesimpulan bahwa wanita dan pria berbeda nilai test tersebut? Jawab : • Langkah 1 H0 : µ1 = µ2 atau H0 : µ1 .57 Z= Z= Z= Z = -2.57 dan Z > 2. 4.

025 Z < . 48 .01 =α/2 α = 0.78 64 36 + 75 50 • Langkah 5 Keputusan: tolak (H0) .025 • Langkah 3 Z < -Z α/2 dan Z > Z α/2 Z < -Z 0.025 dan Z > Z 0.96 -1.96 • Langkah 4 2 x1 = 82 x 2 = 75 s1 = 64 s 2 = 36 n1 = 75 n 2 = 50 2 Statistik uji : z= (x1 − x2 ) 2 s12 s 2 + n1 n2 z= 82 − 75 = 4. ada perbedaan nilai tengah nilai test pria dan wanita.96 dan Z > 1.96 1.05 / 2 = 0.1.Modul STATISTIKA II Teknik Informatika FT-UMJ • Langkah 2 Taraf Uji Nyata α = 0.

3. 2. 6. bahwa proporsi keberhasilan (sukses) sama dengan suatu nilai tertentu. dan terima H0 bila z jatuh pada wilayah penerimaan. H0 : p = p0 H1 : salah satu p < p0.3 UJI MENGENAI PROPORSI Uji ini digunakan untuk suatu percobaan Binom. Untuk n besar. Statistik uji : wilayah kritik z > zα/2 z < zα z < − z α dan z > z α 2 2 z= x − n p0 n p0 q0 5. dengan langkah-langkah sebagai berikut: 1. Contoh Soal 49 . uji mengenai proporsi dapat meng-gunakan aproksimasi normal. Hitung nilai statistik uji z dari data contoh Keputusan : tolak H0 bila z jatuh dalam wilayah kritik.Modul STATISTIKA II Teknik Informatika FT-UMJ 4. p > p0 atau p ≠ p0 Tentukan taraf nyata α Wilayah kritiknya H1 p > p0 p < p0 p ≠ p0 4.

Perhitungan : x = 70 z= n = 100 np0 = 100x0.04 100 × 0.Modul STATISTIKA II Teknik Informatika FT-UMJ Suatu obat penenang ketegangan syaraf diduga hanya 60% efektif. daerah kritik z > 1. yang diambil secara acak.05. 50 . menunjukan obat baru itu 70% efektif. Jawab : 1.6 H1 : p > 0. Hasil percobaan dengan obat baru terhadap 100 orang dewasa penderita ketegangan syaraf.645 n p0 q0 5.05 Statistik uji : z= x − n p0 .6 α = 0. 2. Keputusan : tolak H0 dan disimpulkan bahwa obat baru tersebut memang lebih manjur. 3. Apakah ini merupakan bukti yang cukup untuk mengumpulkan bahwa obat baru itu lebih baik dari pada yang beredar sekarang? Gunakan taraf nyata 0.4 6. 4.6 = 60 70 − 60 = 2.6 × 0. H0 : p = 0.

4 PENGUJIAN BEDA DUA PROPORSI Hipotesis nol dan alternatif : H0 : p1 = p2 = 0 H1 : p1 – p2 < 0. Nilai dugaan gabungan bagi proporsi p. p1 – p2 > 0. p1 – p2 ≠ 0 Dua contoh bebas berukuran n1 dan n2 besar yang diambil secara acak dari dua populasi Binom.Modul STATISTIKA II Teknik Informatika FT-UMJ 4. yaitu: ˆ p= x1 + x2 n1 + n2 Dengan demikian. dan dihitung proporsi keberhasilan terdahulu diketahui ˆ ˆ ( p1 − p2 ) p1 q1 p 2 q2 + n1 n2 ˆ ˆ p1 − p 2 1 1 pq +  n n  2   1 p1 dan p2 dari bab z= = Merupakan suatu nilai peubah acak normal baku bila H0 benar dan n1 . statistik ujinya adalah: z= wilayah kritiknya : H1 p1 > p2 p1 < p2 p1 ≠ p2 ˆ ˆ p1 − p 2 ˆˆ 1 pq n1 + n12 ( ) wilayah kritik z > zα z < -zα z < − z α dan z > z α 2 2 51 . n2 besar.

p1 – p2 > d0 dan p1 – p2 d0 statistik ujinya adalah: z= ˆ ˆ ( p1 − p2 ) − d 0 ˆ ˆ ˆ ˆ p1q1 p2 q2 + n1 n2 Daerah kritiknya : H1 p1 .Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh Soal Untuk menguji hipotesis. dari suatu contoh acak bebas n1 dan n2 besar : H0 : p1 – p2 = d0 lawan H1 : p1 – p2 < d0.p2 > p1 .p2 ≠ d0 d0 d0 wilayah kritik z < -zα z > zα z < − z α dan z > z α 2 2 Contoh Soal 52 .p2 < p1 .

yang juga digunakan untuk membuat selang kepercayaan bagi σ2. σ2 > σ02 atau σ2 ≠ σ02 Statistik uji digunakan sebagai landasan keputusan adalah peubah acak khi-kuadrat. Jadi bila sebaran populasi yang diambil contohnya sekurang-kurangnnya kira-kira (mendekati) normal. 5. yagn ditunjukkan di bawah ini : H0 : σ2 = σ02 H1 : σ2 < σ02 . Jadi mungkin saja kita ingin menguji hipotesis bahwa keragaman persentase ketakmurnian suatu zat tidak melebihi batas yang dibolehkan. atau mungkin keragaman umur cat tembok tertentu sama dengan keragaman umur cat tembok lain yang merupakan tandingannya.1 Hipotesis Chi-Square Pertama-tama marilah kita perhatikan pengujian hipotesis nol H0 bahwa ragam populasi σ2 sama dengan nilai tertentu σ02 lawan salah satu dari alternatif. nilai khi-kuadrat bagi uji σ2 = σ02 diberikan menurut rumus n = ukuran normal s2 = ragam contoh σ02 = nilai σ2 menurut hipotesis nol x2 = ( n −1)s 2 σ0 2 53 .Modul STATISTIKA II Teknik Informatika FT-UMJ Untuk menguji hipotesis keragaman mengenai suatu populasi atau membandingkan keragaman suatu populasi dengan keragaman populasi lainnya.

81 H1 : σ2 > 0. wilayah kritiknya: H1 σ2 > σ2 < σ2 ≠ wilayah kritik χ2 > χ2 < 2 χα σ 02 σ 02 σ 02 χ 2 χ12−α 2 < χ 12− α atau χ 2 > χ α2 2 Contoh Soal Sebuah perusahaan aki mobil mengatakan bahwa umur aku yang diproduksinya mempunyai simpangan baku 0.44 . n = 10 54 .81 α = 0. Apakah menurut anda σ > 0.05 1. Bila suatu contoh acak 10 aki menghasilkan simpangan baku s = 1.05! Jawab : H0 : σ2 = 0. daerah kritik: χ2 > 16.919 Penghitungan : s2 = 1.Modul STATISTIKA II Teknik Informatika FT-UMJ Bila H0 benar. (n − 1)s σ 2 0 2 . Statistik uji : χ2 = 5. 4. 2.2 tahun. 3.9 tahun.9 tahun? Gunakan taraf nyata 0. x2 adalah sebaran khi-kudrat dengan v = n – 1 derajat bebas.

81 6.v2 ) f < f1−α (v1 . 5.9 tahun. v 2 ) 2 55 . yang ditunjukkan di bawah ini : H0 : σ12 = σ22 H1 : σ12 < σ22 . Bila kedua populasi v1= n1–1 dan v2= n2–1 derajat bebas.Modul STATISTIKA II Teknik Informatika FT-UMJ χ2 = 9 × 1. σ12 > σ22 atau σ12 ≠ σ22 Bila contoh berukuran n1 dan n2 itu bersifat bebas. wilayah kritik sedikitnya mendekati normal dan hipotesis nol-nya benar.v2 ) f < f 1 − α ( v1 .2 Hipotesis Sebaran F (dua ragam) Sekarang perhatikan masalah pengujian kesamaan dua ragam populasi σ12 dan σ22.44 = 16. Artinya kita ingin menguji hipotesis nol H0 bahwa σ12 = σ22 lawan salah satu alternative. Keputusan : terima H0 dan simpulkan bahwa tidak ada alasan untuk meragukan simpangan bakunya adalah 0.0 0. v 2 ) atau 2 σ 22 σ 22 f > f α (v1 . maka rasio f merupakan suatu nilai bagi sebaran F dengan sehingga wilayah kritiknya : H1 σ12 > σ12 < σ12 ≠ 2 σ2 f > fα (v1 . maka nilai f bagi pengujian σ12 = σ22 adalah rasio f = S12 dan S22 s12 2 s2 adalah ragam dari kedua sampel tersebut.

Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh Soal Sebuah pelajaran matematika diberikan pada 12 siswa dengan metode pangajaran biasa. Jawab : H0 : σ12 = σ22 H1 : σ12 ≠ σ22 α = 0. Penghitungan : s12 = 16 .10.34 dan f > 3.11) 5.64 25 6. Statistik uji : s12 f = 2 .9 ) = 3. 56 .34 f 0. 2. Pada akhir semester kedua kelas diberi ujian yang sama.1 s2 f 0. apakah ragam kedua populasi sama? Gunakan taraf nyata 0.11 . f 0. daerah kritik: f < 0. 05(11. 05( 9. 3. Keputusan : terima H0 dan simpulkan bahwa kita cukup beralasan untuk menerima kedua ragam populasi sama.10 1. Kelas pertama mempunyai ragam 16 dan kelas-kelas kedua ragamnya 25. s22 = 25 f = 16 = 0.9 ) = 1 = 0. 95(11. 4. Kelas baru terdiri dari 10 orang siswa diberi pelajaran yang sama tetapi metodenya telah diprogramkan.

5. Carilah peluang melakukan galat jenis I. Untuk meng-uji hipotesis bahwa µ = 5000 lawan tandingan µ > 5000.3. 400 penderita penyakit sejenis akan diobati dengan obat yang baru tersebut. sampel acak sebesar 50 potongan semen diuji. Bila sampel acak 10 keluarga menunjukan bahwa hanya 3 atau kurang yang membeli susu dari perusahaan A maka hipotesis bahwa p = 0. Berapakah peluang me-lakukan galat jenis II bila obat baru itu hanya berhasil 70%? 4.6.6 akan ditolak dan tandingan p < 0.3. Proporsi keluarga yang membeli susu dari perusahaan A suatu kota di taksir sebesar p = 0. maka hipotesis nol bahwa p = 0. Proporsi orang dewasa yang tamat perguruan tinggi di suatu kota ditaksir sebanyak p = 0. Carilah α kalau p = 0. Carilah peluang melakukan galat jenis I.3. Dalam suatu percobaan besar untuk menentukan kemujaraban suatu obat baru. Apakah ini merupakan cara pengujian terbaik? 2. dan p = 0. Carilah peluang melakukan galat jenis II untuk tandingan p = 0.4.6. Carilah peluang melakukan galat jenis I bila proporsi sesungguhnya p = 0. Suatu zat baru yang berkembang untuk sejenis semen yang menghasilkan daya kempa 5000 kg per cm2 dengan simpangan beku 120.4.6 didukung. Bila dari 300 tapi kurang dari 340 penderita yang sembuh maka akan disimpulkan bahwa obat tersebut 80% berhasil. 3. p = 0. Bila banyaknya yang tamat perguruan tinggi dalam sampel tadi antara 2 dan 7. Untuk menguji hipotesis ini sampel acak 15 orang dewasa diambil. Carilah β untuk tandingan µ = 4970 dan µ = 4960. 57 .Modul STATISTIKA II Teknik Informatika FT-UMJ Soal-Soal 1. Dengan kritis ditentukan X < 4970.2 dan p= 0. Carilah β untuk tandingan p = 0.3.

7.01.9. Apakah anda setuju dengan pernyataan diatas bila sampel tadi menunjukan rata-rata 23.05. 9.2. dengan simpangan baku 1. 8. Ujilah hipotensi bahwa rata-rata isi kaleng sejenis minyak pelumas 8 liter bila isi sampel acak 10 kaleng adalah 10.04.9 desiliter.000 km setahun disuatu daerah. Apakah ada alasan mempercayai bahwa telah ada perbedaan dalam rata-rata tinggi mahasiswa pria di perguruan tinggi tadi bila suatu sampel acak 50 pria dalam angkatan yg sekarang mempunyai tinggi rata-rata 177. 9. 10. dengan simpangan baku 6. Gunakan taraf keberartian 0. Suatu sampel acak 36 cangkir minuman yang diambil dari suatu mesin minuman berisikan rata-rata 21.7. Ujilah hipotensi bahwa µ = 22.Modul STATISTIKA II Teknik Informatika FT-UMJ 5.2 cm? Gunakan taraf keberartian 0.3. 9. Ujilah hipotesis bahwa µ = 800 jam lawan tandingan µ ≠ 800 jam bila sampel acak 30 bola lampu mempunyai rata-rata 788 jam. 58 . Untuk menguji pernyataan ini sampel acak sebanyak 100 pengemudi mobil diminta mencatat jumlah kilometer yang mereka tempuh. Rata-rata tinggi mahasiswa pria disuatu perguruan tinggi selama ini 174. Gunakan taraf keberartian 0.02.01 dan anggap bahwa distribusi isi kaleng normal. Suatu pertanyaan mengatakan bahwa rata-rata sebuah mobil dikendarai sejauh 20. 9. Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya berdistribusi hampir normal dengan rataan 800 jam dan simpangan baku 40 jam. 10.4.2 pada taraf keberartian 0.2 desiliter lawan hipotesis tandingan bahwa µ < 22. 10. dan 9.500km dan simpangan baku 3900km? Gunakan taraf keberartian 0. 6.8.9 cm.1.5 cm.8 liter.24 desiliter.

Seorang mahasiswa pria rata-rata menghabiskan Rp. Suatu pabrik menyatakan bahwa rata-rata daya rentang benang A melebihi daya rentang benang B paling sedikit 12 kg.000 lawan tandingan µ ≠ Rp. Sampel acak berukuran 20 dari distribusi normal mempunyai rata-rata X = 32.05? 11. Ujilah hipotesis pada taraf keberartian 0. 12.4.Modul STATISTIKA II Teknik Informatika FT-UMJ 10. mempunyai rata-rata X 2 =76.4 mg.Sampel kedua berukuran n2 = 36 diambil dari populasi normal yang lain dengan simpangan baku 02 = 3.01 bahwa µ = Rp.175.01 dan anggap bahwa distribusi kadar ter normal.51. Ujilah hipotesis pada taraf keberartian 0.28 kg.06. Untuk menguji pernyataan ini.8 dan simpangan baku s = 4. Apakah ini sesuai dengan pernyataan pabriknya bahwa rata-rata kadar ter tidak melebihi 17.000 bila sampel acak 12 mahasiswa pria yang menonton menunjukan rata-rata pengeluaran untuk menonton Rp.000 anggap bahwa distribusi pengeluaran hampir normal. Suatu sampel acak berukuran n1 = 25 diambil dari populasi normal dengan simpangan baku 01 = 5. Suatu sampel acak rokok dengan merek tertentu mempunyai rata-rata kadar ter 18.800.6 dan simpangan baku 2.000 seminggu untuk nonton. 14.2 mempunyai rata-rata X 1 =81. 50 potong benang dari tiap jenis diuji dalam keadaan yg sama.7 kg dengan simpangan baku 6. bahwa µ1 = µ 2 lawan tandingan µ1 ≠ µ 2 . 13. 59 . Benang jenis A mempunyai rata-rata daya rentang 86.800. Apakah ini berarti bahwa rataan populasi lebih besar dari 30 pada taraf keberartian 0.5 mg? Gunakan taraf keberartian 0.890.000 dengan simpangan baku Rp.800.

2. s1=6.3. Ujilah pernyataan peng-usaha tadi dengan menggunakan taraf keberartian 0.5 mol per liter. µ1 = µ 2 lawan µ1 ≠ µ 2 . 17.02. Anggap bahwa kedua poulasi mempunyai Suatu penelitian dilakukan untuk mengetahui apakah peningkatan konsentrasi subtrat akan mempengaruhi kecepatan reaksi kimia dgn cukup besar.400. Gunakan taraf keberartian 0.8 kg dengan simpangan baku 5. Ujilah hipotesis pada taraf keberartian 0.05. 15.8 mikro mol per 30 menit dan simpangan baku 1. Dengan konsentrasi subtrat 1.5.1 dan s2=5. dgn X 1 =75 X 2 =60.000 dalam 9 bulan dgn simpangan baku $ 1. reaksi dilakukan 15 kali dengan rata-rata kecepatan 7.0 mol per liter.900 dengan simpangan baku $ 1. Diberikan dua sampel acak berukuran n1 = 11 dan n2 – 14 dari dua populasi normal yang bebas satu sama lain. Suatu penelitian diadakan untuk menafsir per-bedaan gaji professor universitas negeri dengan swasta di negara bagian Virginia. USA.05 bahwa tandingan bahwa variasi yg sama. Ujilah hipotesis bahwa selisih rata-rata gaji professor universitas negeri dan rata-rata gaji professor universitas swasta tidak lebih dari $ 500. Apakah anda setuju bahwa peningkatan konsentrasi subtrat menaikan 60 . Dengan konsentrasi subtrat 2.61 kg. 16.Modul STATISTIKA II Teknik Informatika FT-UMJ sedangkan benang jenis B mem-punyai rata-rata daya rentang 77.5mikro mol per 30 menit dengan simpangan baku 1.300. Sampel acak 100 orang profesor universitas swasta mem-punyai gaji rata-rata $ 15. Sampel acak 200 profesor universitas negeri menunjukan rata-rata gaji $ 15. 12 reaksi dilakukan dan menghasilkan rata-rata kecepatan 8.

01 dan anggap bahwa kedua populasi berdistribusi hampir normal dengan variansi yang sama.800 km. Untuk itu suatu percobaan dilakukan dengan menggunakan 12 ban dari tiap merek. s2 = 5900 km Ujilah hipotesis pada taraf keberartian 0. Ban tersebut sampai aus. 18. s1 = 5100 km = 39. Data berikut memberikan waktu putar film yang dihasilkan oleh dua perusahaan film gambar hidup: Waktu (menit) Perusahaan A Perusahaan B 102 81 86 165 98 97 109 134 92 92 87 114 Ujilah hipotesis bahwa rata-rata putar film hasil perusahaan B lebih 10 menit dari rata-rata waktu putar film hasil perusahaan A lawan tandingan eka arah bahwa selisihnya melebihi 10 menit.05 bahwa tidak ada beda kedua merek ban.1 dan anggaplah kedua distri-busi tersebut hampir normal. Hasilnya sebagai berikut: Merek A : Merek B : X1 X2 = 37.900 km. Gunakan tingkat keberartian 0. 61 .Modul STATISTIKA II Teknik Informatika FT-UMJ kecepatan rata-rata sebesar 0. 19. Anggap bahwa populasinya berdistribusi hampir normal. Suatu pabrik mobil yang besar ingin menentukan apakah sebaiknya membeli ban merek A atau merek B untuk mobil merek barunya.5 mikro mol per 30 menit? Gunakan taraf keberartian 0.

Sign up to vote on this title
UsefulNot useful