P. 1
modul statistik 2(akhir)

modul statistik 2(akhir)

|Views: 1,383|Likes:
Published by Aris Febrianto

More info:

Published by: Aris Febrianto on Jul 15, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/11/2013

pdf

text

original

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

2 Pendahuluan Pendugaan Rata-rata 3.2 4. Hipotesis Chi Square dan Sebaran F 5.5 Konsep dasar sampling Syarat Sampel yang Baik Teknik-teknik Pengambilan Sampel Probability/Random Sampling Sampel dan Populasi 2. Estimasi sebaran chi square dan sebaran F 3.1 5.3 4.Modul STATISTIKA II Teknik Informatika FT-UMJ DAFTAR ISI 1. Uji Hipotesis 4.3 Estimasi Chi Square Estimasi Sebaran F 4.3 1.2 1. Estimasi 2. Distribusi Sampling 1.4 1.1 4.2 Uji Chi Square Uji Sebaran F 4 .4 Hipotesis Uji Hipotesis Rata-rata Uji Mengenai Proporsi Uji dua Proporsi 5.2 3.1 2.1 1.

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

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

keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya jumlah sampel. padahal Rosevelt lebih banyak dipilih oleh masyarakat kelas rendah tersebut. Sebagai contoh. 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. dan tahun 1932 majalah ini berhasil memprediksi siapa yang akan jadi presiden dari calon-calon presiden yang ada. Roosevelt).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. namun meleset karena ternyata Roosevelt yang terpilih menjadi presiden Amerika. lalu yang dijadikan sampel adalah rumah yang terletak di setiap sudut jalan. di antara dua calon presiden (Alfred M. 1976). Mulai tahun 1920. diambil sampel 50 7 . jika ingin mengetahui rata-rata luas tanah suatu perumahan. (2) agar sampel dapat memprediksi dengan baik populasi. Landon dan Franklin D. 1924. 1976). Karena semua sampel yang diambil adalah mereka yang memiliki telepon dan mobil. 1928. maka hasil atau skor yang diperoleh akan bias. akibatnya pemilih yang sebagian besar tidak memiliki telepon dan mobil (kelas rendah) tidak terwakili. Namun pada tahun 1936 prediksinya salah. Setelah diperiksa secara seksama. 1995. Nan lin. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi. Sampel diambil berdasarkan petunjuk dalam buku telepon dan dari daftar pemilik mobil. Contoh : Dari 300 pegawai produksi. (Copper & Emory. yang menyebabkan skor cenderung mengarah pada satu titik tertentu. ternyata Literary Digest membuat kesalahan dalam menentukan sampel penelitiannya . yang akan menang adalah Landon. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik populasi. Kedua : Presisi. sampel harus mempunyai selengkap mungkin karakteristik populasi (Nan Lin. Berdasarkan jajak pendapat. Dari kejadian tersebut ada dua pelajaran yang diperoleh : (1).

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

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

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

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

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

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

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

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

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

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

Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari sampel yang kita ambil.Modul STATISTIKA II Teknik Informatika FT-UMJ b. Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel. 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 . Distribusi Penarikan Sampel = Distribusi Sampling Jumlah Sampel Acak yang dapat diambil dari suatu populasi adalah sangat banyak. anggota sampel dikembalikan ke dalam ruang sampel. Penarikan sampel dengan pemulihan : bila setelah didata. 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.

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. hal ini mengantar kita pada dalil ke-3 yaitu DALIL LIMIT PUSAT = DALIL BATAS TENGAH = THE CENTRAL LIMIT THEOREM 19 .

standard error atau galat baku sampel tersebut? b. 1. Rata-rata populasi dianggap menyebar normal. hitunglah : a. hitunglah: a. standard error atau galat baku sampel tersebut? 20 .Modul STATISTIKA II Teknik Informatika FT-UMJ 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 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. Jika sampel diperkecil menjadi 25 gelas. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN. peluang rata-rata sampel akan berisi kurang dari 253 ml? 2. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml.

Modul STATISTIKA II Teknik Informatika FT-UMJ b.5 .9772 2. 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 < 2.0475 21 .0) = 0.4772 = 0.67) = 0.0.5 + 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 > 1.4525 = 0. peluang rata-rata sampel akan berisi lebih dari 255 ml? Jawab: 1.

hitunglah : a. 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 < -2.0048 22 . Jika penarikan sampel dilakukan TANPA PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan menyebar normal. diambil 36 orang sebagai sampel acak.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.5 .59) = 0. galat baku sampel? b.4952 = 0.0.

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. berapa peluang terdapat perbedaan IQ kedua kelompok akan kurang dari dua ? Jawab : 23 .Modul STATISTIKA II Teknik Informatika FT-UMJ 3. Distribusi Sampling Bagi Beda 2 Rata-rata o Beda atau selisih 2 rata-rata = │µ1 .

Modul STATISTIKA II Teknik Informatika FT-UMJ Beda 2 Rata-rata = Sampel : n1= 100 n2 = 100 P(│x1.2190 = 0.0.5 .2810 24 .58) = 0.x2│ <2 ) = P ( z < ?) P(z <-0.

Modul STATISTIKA II Teknik Informatika FT-UMJ 2. 3.1 Pendahuluan Pendugaan Populasi dilakukan dengan menggunakan nilai Statistik Sampel Misal : 1.p = q = proporsi "gagal" dalam Sampel acak • Pendugaan diwujudkan dalam pembentukan selang kepercayaan. • 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. 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 . 2.

α = 90% α = 10 % → α/2 = 5 % → z5% = z0.5% = z0.645 Selang kepercayaan 95 % → Derajat Kepercayaan = 1 .96 Selang kepercayaan 99 % → Derajat Kepercayaan = 1 .575 0 2.5% = z0.025 = 1.575 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.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% -2.5 % → z2.5% α/2 = 0.005 = 2.575 26 .05 = 1.5 % z0.α = 99% α=1%→ α/2 = 0.α = 95% α = 5 % → α/2 = 2.

. Semua selang dibuat untuk populasi yang sama.. manakah yang paling baik? A.....25 tahun Selang kepercayaan 99 % rata-rata umur mahasiswa 18 ...... Banyak Selang Kepercayaan yang dapat dibentuk dalam suatu populasi adalah Tidak terhingga.. D. karena. C...Modul STATISTIKA II Teknik Informatika FT-UMJ Selang Kepercayaan yang baik? Idealnya selang yang baik adalah selang yang pendek dengan derajat kepercayaan yang tinggi...... anda bebas menetapkan derajat kebebasan dan lebar selangnya.... B.. Selang kepercayaan 90 % rata-rata umur mahasiswa 18 .... • 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 . Contoh 1 : Di bawah ini terdapat 4 selang kepercayaan mengenai rata-rata umur mahasiswa....25 tahun Jawab : D..27 tahun Selang Kepercayaan 99 % rata-rata umur mahasiswa 22 ..27 tahun Selang Kepercayaan 90 % rata-rata umur mahasiswa 22 .

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) ×StandardErrorSa mpel) 2.Modul STATISTIKA II Teknik Informatika FT-UMJ Untuk Sampel Berukuran Kecil : Statistik( t ( db.α / 2) ×StandardErrorSampel)<Parameter<Statistik+( t ( db.2.2 Pendugaan Rata-rata 2.zα 2 σ n < µ < x + zα 2 σ n Jika σ tidak diketahui. dapat digunakan s 28 .

gunakan s E : error → selisih x dengan µ Contoh 2 Dari 36 mahasiswa tingkat II diketahui bahwa rata-rata IPK = 2.0.96) ( ) 36 36 2.96)( 0.5 < µ < 2.3 x .098 < µ < 2.6 + (1.025 s n 2.098 2.6 .3.6 . Buat selang kepercayaan 95 % untuk rata-rata IPKseluruh mahasiswa tingkat II? Selang kepercayaan 95 % → α = 5 % → α/2 = 2.z 0.3 ) < µ < 2.96 x = 2.7 29 . a.3 0.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.6 dengan simpangan baku = 0.502 < µ < 2.5% = z0.025 = 1.(1.698 2.5 % → z2.025 s n < µ < x + z 0.6 s = 0.6 + 0.

5 % → z2.025 s 2 Ε = (1.96) (0.10 s = 0.10 2.5% = z0.3 Selang kepercayaan 95 % → α = 5 % → α/2 = 2. 5744 ≈ 35 0.3) 2 = (5.025 = 1. Berapa ukuran Sampel agar selisih rata-rata Sampel ( x ) dengan rata-rata populasi (µ) pada selang kepercayaan 95 % tidak lebih dari 10 %? E = 10 % = 0.2 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 .α 2 ) s n 30 .α 2 ) db = derajat bebas = n-1 s n < µ < x + t ( db.96 n= z0. nilai-nilai dalam selang dibulatkan satu desimal) b.t( db.2.88)² = 34.Modul STATISTIKA II Teknik Informatika FT-UMJ (catt : mengikuti nilai x yang hanya mempunyai 1 desimal.

t ( db.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 .x2 + t ( db.zα 2 σ12 n1 + σ22 n2 < µ1 .2.Modul STATISTIKA II Teknik Informatika FT-UMJ 2.3 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 .α 2 ) s12 s2 2 + < µ1 .x2 + zα 2 σ12 n1 + σ2 2 n2 σ12 dan σ 2 2 tidak diketahui → gunakan s12 dan s2 2 2.x2 .µ2 < x1 .α 2 ) s12 s2 2 + n1 n2 31 .2.µ2 < n1 n2 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 .

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 .2.t (db.6 Pendugaan Proporsi dari Sampel besar • Pengertian proporsi π = proporsi populasi p = proporsi "sukses" dalam Sampel acak q = 1 .x2 + t (db.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 .Modul STATISTIKA II Teknik Informatika FT-UMJ 2.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 2.2.α 2 ) × sgab 1 1 + < µ1 .x2 .

jadi lebih lazim menggunakan Distribusi z.2. Selang Kepercayaan 6 Selang Kepercayaan sebesar (1-α)100 % bagi p adalah : p .zα 2 ingat→ 1 .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.p2 .Modul STATISTIKA II Teknik Informatika FT-UMJ Pendugaan Proporsi lebih lazim menggunakan Sampel besar.zα 2 p1 q1 p2 q2 + < π1 .p2 + zα 2 p1 q1 p2 q2 + n1 n2 34 .π2 n1 n2 < p1 .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 .

Persamaan matematik kurva ini agak rumit.1 Estimasi Chi Square Dalil statistic khi-kuadrat. tetapi untunglah bahwa kita dapat tidak mencantumkannya di sini. 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 . 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. 35 . sehigga kurva sebaran khi kuadrat ini tidak mungkin setangkup terhadap X2 =0.Modul STATISTIKA II Teknik Informatika FT-UMJ 3.maka X= Merupakan sebuah nilai peubah acak X2 yang mempuyai sebaran khi-kuadrat dengan v=n-1 derajat bebas. Dari rumus di atas jelaslah bahwa nilai X2 tidak pernah negatif.

berturut-turut.05 (n − 1)s 2 < σ 2 < (n − 1)s 2 2 2 χα / 2 χ1−α / 2 (18 − 1)2 χ ^ 2 * 0. Tentukan selang kepercayaan 90% bagi σ berat jeruk.5 ons s2 =2 ons Di Tanya : selang kepercayaan 90% bagi σ Penyelesaian α= 1-0.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.05 36 .90 = 0.1/2 =0.α/2 2 2 1−α / 2 contoh soal : Di ambil 18 buah jeruk tertentu sebagai sample berat rata-rata 7. Jawab : DIketahui : n=18 nuah x = 7.5 ons dengan standar deviasi 2 ons.1 α/2= 0. adalah α/2 dan 1. Bila s2 adalah ragam contoh acak berukuran n yang ditarik dari suatu populasi normal.

Dengan standar deviasi 1 anak. Jawab : Diketahui n = 12 anak s2 =1 anak Ditanya Selang kepercayaan 98% bagi σ Penyelesaian : α α/2= = 1-0.979 Jadi nilai selang kepercayaan bagi σ sebesar 90% adalah 1.232 < σ2 < 3.05) χ ^2(0.Modul STATISTIKA II Teknik Informatika FT-UMJ 34 34 <σ 2 < χ ^ 2(0. Tentukan selang kepercayaan 98%.109 < α <1.01 37 .109 < α <1.02/2 =0.98 = 0.01 (n − 1)s 2 < σ 2 < (n − 1)s 2 2 2 χα / 2 χ1−α / 2 (12 − 1)1 χ 2 0.920 1.672 1.95) 34 34 <σ2 < 27.587 8.979 Contoh soal 2 : Di pilih 12 murid SD tertentu sebagai sample pada sebuah survey minat baca terhadap buku.02 =0.01 <σ2 < (12 − 1)1 χ12−0.

603 0. Secara teoritik.898 Jadi nilai selang kepercayaan bagi σ sebesar 98% adalah 0.445 <α2<3. maka f = = = 38 .01 <σ 2 < 11 2 χ 0.2 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. Jadi.725 3. statistic S21 / S22 merupakan penduga bagi σ21 / σ22 .053 0.898 3. bila f adaadalah sebuah nilai bagi peubah acak F. kita dapat mendefinisikan statistic F sebagai rasio dua peubah khi-kuadrat bebas. Dengan demikian. maka kita dapat membuat selang kepercayaan bagi σ21 / σ22 dengan menggunakan statistic F= Yang sebaran penarikan contohnya disebut sebaran F.667 < α <1.Modul STATISTIKA II Teknik Informatika FT-UMJ 11 χ 2 0. Bila σ21 dan σ22 keduanya merupakan ragam populasi normal.667<σ<1.99 11 11 <σ2 < 24. yang masingmasing dibagi oleh derajat bebasnya.

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

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

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.Modul STATISTIKA II Teknik Informatika FT-UMJ H0 Nilai Uji Statistik H1 Wilayah Kritis 1. 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. 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. 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 .

Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh 1.5 x = 9.05 • Langkah 3 Tentukan wilayah kritik Z < -Z α Z < -Z 0.5 µ = 10 Z= Z= 44 . Suatu perusahaan pesaing mengklaim pernyataan tersebut bahwa umur ekonomis rata-rata komputer tersebut adalah 8 tahun. kesimpulan apa yang dapat anda berikan untuk kedua pernyataan tersebut.5 tahun.65 Wilayah kritik - • Langkah 4 n = 50 σ = 1.) Sebuah perusahaan manufaktur komputer menyebutkan bahwa umur ekonomis rata-rata komputer yang diproduksinya adalah 10 tahun dengan simpangan baku 1. Jawab : • Langkah 1 H0 : µ = 10 tahun H1 : µ < 10 tahun • Langkah 2 Taraf uji nyata α = 0. jika dari 50 contoh diperoleh umur ekonomis rata-rata 9. Gunakan taraf nyata uji 0.05 Z < -1. Jika anda adalah staff Yayasan Lembaga Konsumen Indonesia. dan asumsikan populasi umur ekonomis menyebar normal.5 tahun.05.

µ B > 12 • Langkah 2 Taraf uji nyata α = 0.65 x2 = 77.05 • Langkah 3 Tentukan wilayah kritik Z> Zα Z > Z 0.28 kg. 50 tali dari masing-masing jenis tersebut diuji dibawah kondisi yang sama.7 n1 = 50 σ1 = 6.8 kg dengan simpangan baku 5. 2.61 kg. untuk menguji pernyataan ini.6 Wilaya h • Langkah 4 x1 = 86.28 45 . Jawab : • Langkah 1 H0 : µ A .05.05 Z > 1.Modul STATISTIKA II Teknik Informatika FT-UMJ Z= Z = -2.7 kg dengan simpangan baku 6.) Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali A melebihi kekuatan rentangan tali B sebesar sekurang-kurangnya 12 kg.65 1.8 n2 = 50 σ2 = 5.µ B = 12 H1 : µ A .358 • Langkah 5 Keputusan : H0 ditolak bahwa rata – rata umur computer yang diproduksinya tidak bertahan sampai 10 tahun. Hasil uji memperlihatkan tali A mempunyai kekuatan rentangan rata-rata 86. sedangkan tali B mempunyai rentangan rata-rata 77. ujilah pernyataan perusahaan tersebut dengan menggunakan taraf nyata 0.

005 • Langkah 3 Z < -Z α dan Z > Z α/2 46 .607 • Langkah 5 Keputusan : H0 diterima bahwa rentangan rata-rata tali A melebihi kekuatan tali B 3. dengan rata-rata 14.01 / 2 = 0. sesuai pernyataan yang dibuat perusahaan tersebut. dan mengklaim bahwa daya tahan (kekuatannya) mampu menampung beban seberat 15 kg.) 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. Gunakan taraf nyata α = 0.Modul STATISTIKA II Teknik Informatika FT-UMJ 0 = 12 Z= Z= Z= Z= Z = .2.01. Jawab : • Langkah 1 H0 : µ = 15 kg H1 : µ ≠ 15 kg • Langkah 2 Taraf Uji Nyata α = 0.01 =α/2 α = 0.5 kg.

8 n = 50 µ = 15 σ = 0.µ2 = 0 H1 : µ1 ≠ µ2 atau H1 : µ1 .57 Z= Z= Z= Z = -2. Hasil test untuk wanita memberikan rata-rata 75 dan simpangan baku 6.Modul STATISTIKA II Teknik Informatika FT-UMJ Z < -Z 0.57 2.5 -2.57 dan Z > 2.2.005 Z < .01 dan Z > Z 0.) Suatu test diberikan kepada 50 wanita dan 75 pria.µ2 ≠ 0 47 .857 • Langkah 5 Keputusan : Terima H0 bahwa alat olahraga tersebut setelah di uji µ = 15 kg.05 apakah kita dapat mengambil kesimpulan bahwa wanita dan pria berbeda nilai test tersebut? Jawab : • Langkah 1 H0 : µ1 = µ2 atau H0 : µ1 .57 • Langkah 4 x = 14. Pada taraf uji α= 0. 4. sedangkan untuk pria rata-rata 82 dan simpangan baku 8.

1. ada perbedaan nilai tengah nilai test pria dan wanita.Modul STATISTIKA II Teknik Informatika FT-UMJ • Langkah 2 Taraf Uji Nyata α = 0.025 dan Z > Z 0.01 =α/2 α = 0.96 dan Z > 1.025 • Langkah 3 Z < -Z α/2 dan Z > Z α/2 Z < -Z 0.96 -1.05 / 2 = 0.78 64 36 + 75 50 • Langkah 5 Keputusan: tolak (H0) . 48 .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 = 4.025 Z < .

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

daerah kritik z > 1.04 100 × 0.4 6. Apakah ini merupakan bukti yang cukup untuk mengumpulkan bahwa obat baru itu lebih baik dari pada yang beredar sekarang? Gunakan taraf nyata 0. 50 . H0 : p = 0.05. 2.Modul STATISTIKA II Teknik Informatika FT-UMJ Suatu obat penenang ketegangan syaraf diduga hanya 60% efektif. menunjukan obat baru itu 70% efektif.645 n p0 q0 5.6 × 0. Jawab : 1. yang diambil secara acak. Hasil percobaan dengan obat baru terhadap 100 orang dewasa penderita ketegangan syaraf.6 = 60 70 − 60 = 2.6 α = 0. Keputusan : tolak H0 dan disimpulkan bahwa obat baru tersebut memang lebih manjur. 3.05 Statistik uji : z= x − n p0 . 4. Perhitungan : x = 70 z= n = 100 np0 = 100x0.6 H1 : p > 0.

4 PENGUJIAN BEDA DUA PROPORSI Hipotesis nol dan alternatif : H0 : p1 = p2 = 0 H1 : p1 – p2 < 0. p1 – p2 > 0. 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 . Nilai dugaan gabungan bagi proporsi p. 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 .Modul STATISTIKA II Teknik Informatika FT-UMJ 4. yaitu: ˆ p= x1 + x2 n1 + n2 Dengan demikian. p1 – p2 ≠ 0 Dua contoh bebas berukuran n1 dan n2 besar yang diambil secara acak dari dua populasi Binom. n2 besar.

p2 ≠ d0 d0 d0 wilayah kritik z < -zα z > zα z < − z α dan z > z α 2 2 Contoh Soal 52 .p2 > p1 .Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh Soal Untuk menguji hipotesis. 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 . dari suatu contoh acak bebas n1 dan n2 besar : H0 : p1 – p2 = d0 lawan H1 : p1 – p2 < d0.p2 < p1 .

yang juga digunakan untuk membuat selang kepercayaan bagi σ2.Modul STATISTIKA II Teknik Informatika FT-UMJ Untuk menguji hipotesis keragaman mengenai suatu populasi atau membandingkan keragaman suatu populasi dengan keragaman populasi lainnya.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. atau mungkin keragaman umur cat tembok tertentu sama dengan keragaman umur cat tembok lain yang merupakan tandingannya. Jadi bila sebaran populasi yang diambil contohnya sekurang-kurangnnya kira-kira (mendekati) normal. Jadi mungkin saja kita ingin menguji hipotesis bahwa keragaman persentase ketakmurnian suatu zat tidak melebihi batas yang dibolehkan. yagn ditunjukkan di bawah ini : H0 : σ2 = σ02 H1 : σ2 < σ02 . 5. σ2 > σ02 atau σ2 ≠ σ02 Statistik uji digunakan sebagai landasan keputusan adalah peubah acak khi-kuadrat. 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 .

44 .9 tahun. 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. Bila suatu contoh acak 10 aki menghasilkan simpangan baku s = 1.919 Penghitungan : s2 = 1. x2 adalah sebaran khi-kudrat dengan v = n – 1 derajat bebas.81 α = 0. 3.05! Jawab : H0 : σ2 = 0. Apakah menurut anda σ > 0.Modul STATISTIKA II Teknik Informatika FT-UMJ Bila H0 benar. 2.81 H1 : σ2 > 0. n = 10 54 . 4.2 tahun.9 tahun? Gunakan taraf nyata 0. (n − 1)s σ 2 0 2 . daerah kritik: χ2 > 16. Statistik uji : χ2 = 5.05 1.

v 2 ) atau 2 σ 22 σ 22 f > f α (v1 .44 = 16. maka rasio f merupakan suatu nilai bagi sebaran F dengan sehingga wilayah kritiknya : H1 σ12 > σ12 < σ12 ≠ 2 σ2 f > fα (v1 . yang ditunjukkan di bawah ini : H0 : σ12 = σ22 H1 : σ12 < σ22 .Modul STATISTIKA II Teknik Informatika FT-UMJ χ2 = 9 × 1.v2 ) f < f1−α (v1 . wilayah kritik sedikitnya mendekati normal dan hipotesis nol-nya benar. σ12 > σ22 atau σ12 ≠ σ22 Bila contoh berukuran n1 dan n2 itu bersifat bebas. 5. maka nilai f bagi pengujian σ12 = σ22 adalah rasio f = S12 dan S22 s12 2 s2 adalah ragam dari kedua sampel tersebut. v 2 ) 2 55 .v2 ) f < f 1 − α ( v1 .0 0.9 tahun. Keputusan : terima H0 dan simpulkan bahwa tidak ada alasan untuk meragukan simpangan bakunya adalah 0. Artinya kita ingin menguji hipotesis nol H0 bahwa σ12 = σ22 lawan salah satu alternative.81 6.2 Hipotesis Sebaran F (dua ragam) Sekarang perhatikan masalah pengujian kesamaan dua ragam populasi σ12 dan σ22. Bila kedua populasi v1= n1–1 dan v2= n2–1 derajat bebas.

10 1. f 0. 56 . Pada akhir semester kedua kelas diberi ujian yang sama.34 f 0.11) 5.Modul STATISTIKA II Teknik Informatika FT-UMJ Contoh Soal Sebuah pelajaran matematika diberikan pada 12 siswa dengan metode pangajaran biasa.11 . Statistik uji : s12 f = 2 . Jawab : H0 : σ12 = σ22 H1 : σ12 ≠ σ22 α = 0.1 s2 f 0.10. 05( 9. 05(11. Kelas pertama mempunyai ragam 16 dan kelas-kelas kedua ragamnya 25. daerah kritik: f < 0.64 25 6. Keputusan : terima H0 dan simpulkan bahwa kita cukup beralasan untuk menerima kedua ragam populasi sama. 3. Kelas baru terdiri dari 10 orang siswa diberi pelajaran yang sama tetapi metodenya telah diprogramkan. Penghitungan : s12 = 16 . s22 = 25 f = 16 = 0.34 dan f > 3. apakah ragam kedua populasi sama? Gunakan taraf nyata 0. 2.9 ) = 3.9 ) = 1 = 0. 4. 95(11.

Carilah peluang melakukan galat jenis I. Carilah peluang melakukan galat jenis I. Carilah α kalau p = 0. sampel acak sebesar 50 potongan semen diuji. 3.6. 57 .6. Carilah peluang melakukan galat jenis I bila proporsi sesungguhnya p = 0.2 dan p= 0.5.6 didukung. Untuk menguji hipotesis ini sampel acak 15 orang dewasa diambil.3.4. Suatu zat baru yang berkembang untuk sejenis semen yang menghasilkan daya kempa 5000 kg per cm2 dengan simpangan beku 120. Bila dari 300 tapi kurang dari 340 penderita yang sembuh maka akan disimpulkan bahwa obat tersebut 80% berhasil. Carilah β untuk tandingan µ = 4970 dan µ = 4960. Carilah peluang melakukan galat jenis II untuk tandingan p = 0. Carilah β untuk tandingan p = 0.3.6 akan ditolak dan tandingan p < 0.Modul STATISTIKA II Teknik Informatika FT-UMJ Soal-Soal 1. Proporsi orang dewasa yang tamat perguruan tinggi di suatu kota ditaksir sebanyak p = 0. 400 penderita penyakit sejenis akan diobati dengan obat yang baru tersebut. Dengan kritis ditentukan X < 4970. Apakah ini merupakan cara pengujian terbaik? 2.3. Bila banyaknya yang tamat perguruan tinggi dalam sampel tadi antara 2 dan 7. p = 0. Berapakah peluang me-lakukan galat jenis II bila obat baru itu hanya berhasil 70%? 4.4. Bila sampel acak 10 keluarga menunjukan bahwa hanya 3 atau kurang yang membeli susu dari perusahaan A maka hipotesis bahwa p = 0. dan p = 0. maka hipotesis nol bahwa p = 0. Proporsi keluarga yang membeli susu dari perusahaan A suatu kota di taksir sebesar p = 0. Dalam suatu percobaan besar untuk menentukan kemujaraban suatu obat baru. Untuk meng-uji hipotesis bahwa µ = 5000 lawan tandingan µ > 5000.3.

9. Ujilah hipotensi bahwa µ = 22. Suatu pertanyaan mengatakan bahwa rata-rata sebuah mobil dikendarai sejauh 20. Ujilah hipotesis bahwa µ = 800 jam lawan tandingan µ ≠ 800 jam bila sampel acak 30 bola lampu mempunyai rata-rata 788 jam.9 desiliter.05. 7.2 pada taraf keberartian 0.02.000 km setahun disuatu daerah. Untuk menguji pernyataan ini sampel acak sebanyak 100 pengemudi mobil diminta mencatat jumlah kilometer yang mereka tempuh.Modul STATISTIKA II Teknik Informatika FT-UMJ 5.3. 10.9. 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 177.24 desiliter. 9. 58 .9 cm. Gunakan taraf keberartian 0.04.4. 10. dan 9.5 cm. 10.7. 6. 9.01 dan anggap bahwa distribusi isi kaleng normal.2 cm? Gunakan taraf keberartian 0. 8.1. Rata-rata tinggi mahasiswa pria disuatu perguruan tinggi selama ini 174.2 desiliter lawan hipotesis tandingan bahwa µ < 22. Apakah anda setuju dengan pernyataan diatas bila sampel tadi menunjukan rata-rata 23. Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya berdistribusi hampir normal dengan rataan 800 jam dan simpangan baku 40 jam. Ujilah hipotensi bahwa rata-rata isi kaleng sejenis minyak pelumas 8 liter bila isi sampel acak 10 kaleng adalah 10.500km dan simpangan baku 3900km? Gunakan taraf keberartian 0. Suatu sampel acak 36 cangkir minuman yang diambil dari suatu mesin minuman berisikan rata-rata 21. dengan simpangan baku 1.2. Gunakan taraf keberartian 0.8.8 liter. 9. dengan simpangan baku 6.01.

59 .890.4.28 kg. 12.000 bila sampel acak 12 mahasiswa pria yang menonton menunjukan rata-rata pengeluaran untuk menonton Rp. Untuk menguji pernyataan ini.175.05? 11.06. Suatu pabrik menyatakan bahwa rata-rata daya rentang benang A melebihi daya rentang benang B paling sedikit 12 kg.8 dan simpangan baku s = 4. Apakah ini berarti bahwa rataan populasi lebih besar dari 30 pada taraf keberartian 0. 50 potong benang dari tiap jenis diuji dalam keadaan yg sama. Suatu sampel acak berukuran n1 = 25 diambil dari populasi normal dengan simpangan baku 01 = 5. Sampel acak berukuran 20 dari distribusi normal mempunyai rata-rata X = 32. Benang jenis A mempunyai rata-rata daya rentang 86. Seorang mahasiswa pria rata-rata menghabiskan Rp. Apakah ini sesuai dengan pernyataan pabriknya bahwa rata-rata kadar ter tidak melebihi 17.01 bahwa µ = Rp.4 mg. mempunyai rata-rata X 2 =76.000 dengan simpangan baku Rp.Modul STATISTIKA II Teknik Informatika FT-UMJ 10.800. Ujilah hipotesis pada taraf keberartian 0.800.7 kg dengan simpangan baku 6.800.000 lawan tandingan µ ≠ Rp.01 dan anggap bahwa distribusi kadar ter normal. Ujilah hipotesis pada taraf keberartian 0.2 mempunyai rata-rata X 1 =81.Sampel kedua berukuran n2 = 36 diambil dari populasi normal yang lain dengan simpangan baku 02 = 3.000 anggap bahwa distribusi pengeluaran hampir normal. bahwa µ1 = µ 2 lawan tandingan µ1 ≠ µ 2 .51. Suatu sampel acak rokok dengan merek tertentu mempunyai rata-rata kadar ter 18. 14. 13.6 dan simpangan baku 2.000 seminggu untuk nonton.5 mg? Gunakan taraf keberartian 0.

3.8 kg dengan simpangan baku 5. Diberikan dua sampel acak berukuran n1 = 11 dan n2 – 14 dari dua populasi normal yang bebas satu sama lain. Ujilah pernyataan peng-usaha tadi dengan menggunakan taraf keberartian 0. Suatu penelitian diadakan untuk menafsir per-bedaan gaji professor universitas negeri dengan swasta di negara bagian Virginia. dgn X 1 =75 X 2 =60.300. Apakah anda setuju bahwa peningkatan konsentrasi subtrat menaikan 60 . Ujilah hipotesis pada taraf keberartian 0. Anggap bahwa kedua poulasi mempunyai Suatu penelitian dilakukan untuk mengetahui apakah peningkatan konsentrasi subtrat akan mempengaruhi kecepatan reaksi kimia dgn cukup besar. 15. Gunakan taraf keberartian 0.5. reaksi dilakukan 15 kali dengan rata-rata kecepatan 7.8 mikro mol per 30 menit dan simpangan baku 1. 12 reaksi dilakukan dan menghasilkan rata-rata kecepatan 8.1 dan s2=5.000 dalam 9 bulan dgn simpangan baku $ 1. Sampel acak 100 orang profesor universitas swasta mem-punyai gaji rata-rata $ 15. Sampel acak 200 profesor universitas negeri menunjukan rata-rata gaji $ 15. Dengan konsentrasi subtrat 1.5mikro mol per 30 menit dengan simpangan baku 1.5 mol per liter. s1=6.05 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 $ 500.0 mol per liter.900 dengan simpangan baku $ 1.2. 16. µ1 = µ 2 lawan µ1 ≠ µ 2 .02.400.05.61 kg. 17.Modul STATISTIKA II Teknik Informatika FT-UMJ sedangkan benang jenis B mem-punyai rata-rata daya rentang 77. USA. Dengan konsentrasi subtrat 2.

s1 = 5100 km = 39. Ban tersebut sampai aus. 18. Suatu pabrik mobil yang besar ingin menentukan apakah sebaiknya membeli ban merek A atau merek B untuk mobil merek barunya.01 dan anggap bahwa kedua populasi berdistribusi hampir normal dengan variansi yang sama. 61 .Modul STATISTIKA II Teknik Informatika FT-UMJ kecepatan rata-rata sebesar 0. Hasilnya sebagai berikut: Merek A : Merek B : X1 X2 = 37.1 dan anggaplah kedua distri-busi tersebut hampir normal. 19.800 km.5 mikro mol per 30 menit? Gunakan taraf keberartian 0. Anggap bahwa populasinya berdistribusi hampir normal. s2 = 5900 km Ujilah hipotesis pada taraf keberartian 0.05 bahwa tidak ada beda kedua merek ban.900 km. Gunakan tingkat keberartian 0. Untuk itu suatu percobaan dilakukan dengan menggunakan 12 ban dari tiap merek. 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.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->