statistik 2
TRANSCRIPT
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 1/11
STATISTIK 2
1. Distribusi Normal
Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusinormal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak
berhingga pada kedua arah positif dan negatifnya. Penggunaanya sama dengan penggunaankurva distribusi lainnya. Frekuensi relatif suatu variabel yang mengambil nilai antara dua titik
pada sumbu datar. Tidak semua distribusi berbentuk lonceng setangkup merupakan distribusi
normal.Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal yang
menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula disebut Distribusi
Gauss untuk menghormati Gauss (1777 – 1855), yang juga menemukan persamaannya waktu
meneliti galat dalam pengukuran yang berulang-ulang mengenai bahan yang sama.Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu mencakup
semua bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa dipisahkan satu nilai
dengan nilai yang lain. Itulah sebabnya fungsi variabel random kontinu sering disebut fungsikepadatan, karena tidak ada ruang kosong diantara dua nilai tertentu. Dengan kata lainsesungguhnya keberadaan satu buah angka dalam variabel kontinu jika ditinjau dari seluruh nilai
adalah sangat kecil, bahkan mendekati nol. Karena itu tidak bisa dicari probabilitas satu buah
nilai dalam variabel kontinu, tetapi yang dapat dilakukan adalah mencari probabilitas diantaradua buah nilai. Distribusi kontinu mempunyai fungsi matematis tertentu. Jika fungsi matematis
tersebut digambar, maka akan terbentuk kurva kepadatan dengan sifat sebagai berikut:
1. Probabilitas nilai x dalam variabel tersebut terletak dalam rentang antara 0 dan 1
2. Probabilitas total dari semua nilai x adalah sama dengan satu (sama dengan luasdaerah
di bawah kurva)
Fungsi kepadatan merupakan dasar untuk mencari nilai probabilitas di antara dua nilaivariabel. Probabilitas di antara dua nilai adalah luas daerah di bawah kurva di antara dua nilai
dibandingkan dengan luas daerah total di bawah kurva. Dapat dicari luas daerah tersebut dengan
menggunakan integral tertentu (definit integral).Persamaan matematika distribusi peluang peubah normal kontinu bergantung pada dua
parameter μ dan σ yaitu rataan dan simpangan baku. Jadi fungsi padat x akan dinyatakan dengann (x; μ, σ).Begitu μ dan σ diketahui maka seluruh kurva normal diketahui. Sebagai contoh, bila μ = 50 danσ = 5, maka ordinat n(x ; 50, 5) dapat dengan mudah dihitung untuk berbagai harga x dankurvanya dapat digambarkan. Kedua kurva bentuknya persis sama tapi titik tengahnya terletak di
tempat yang berbeda di sepanjang sumbu datar.
Dengan memeriksa turunan pertama dan kedua dari n(x ; μ, σ) dapat diperoleh lima sifatkurva normal berikut :
1. Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat pada
x=μ2. Kurva setangkup terhadap garis tegak yang melalui rataan μ3. Kurva mempunyai titik belok pada x = μ σ, cekung dari bawah bila μ – σ < x < μ + σ,
dan cekung dari atas untuk harga x lainnya4. Kedua ujung kurva normal mendekati asimtot sumbu datar bila harga x bergerak
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 2/11
menjauhi μ baik ke kiri maupun ke kanan5. Seluruh luas di bawah kurva diatas sumbu datar sama dengan 1
Bila x menyatakan peubah acak distribusi maka P(x1 < x < x2) diberikan oleh daerah yang
diarsir dengan garis yang turun dari kiri ke kanan. Jelas bahwa kedua daerah yang diarsir
berlainan luasnya. Jadi, peluang yang berpadanan dengan masing-masing distribusi akanberlainan pula.
Contoh soal : Contoh Soal : Mawar adalah seorang peragawati yang akan diseleksi dengan tinggi badan 173
cm. Standar tinggi badan rata-rata peragawati adalah 171,8 dan standar deviasinya adalah 12.
Berapakah standar normalnya (Z) ?Penyelesaian :
Dik : x = 173, µ = 171,8, σ = 12
Dit : Z ?
Jawab : Z = x - µ
σ = 173 – 171.8 = 0.112
2. ANALYSIS OF VARIANCE (ANOVA)
ANOVA dapat digunakan untuk menguji kesaman 3 (tiga) atau lebih rata-rata populasi
menggunakan data yang diperoleh dari pengamatan maupun percobaan. Menggunakan hasil sampel untuk menguji hipotesis berikut:
H0: 1 = 2 = … = k
Ha: minimal ada i j
Jika H0 ditolak berarti minimal ada 2 rata-rata populasi yang memiliki nilai berbeda.
ASUMSI-ASUMSI PADA ANOVA Untuk setiap populasi, variabel respons-nya terdistribusi normal.
Varian dari variabel respons, dinotasikan s 2, adalah sama untuk semua populasi. Unit observasi harus saling bebas (independent ).
ANOVA: PENGUJIAN RATA-RATA POPULASI ESTIMASI VARIAN POPULASI ANTAR SAMPEL
Estimasi 2
antar-sampel (between-samples) disebut mean square
between (MSB).
Pembilang dari MSB merupakan sum of squares between (SSB).
Penyebut dari MSB menyatakan derajat bebas (degrees of freedom) yang terkait dengan SSB. ANOVA: PENGUJIAN RATA-RATA POPULASI
ESTIMASI VARIAN POPULASI DALAM SAMPEL
Estimasi 2 yang didasarkan pada variasi observasi dalam masing-masing
sampel disebut mean square within (MSW).
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 3/11
Pembilang dari MSW disebut sum of squares within (SSW).
Penyebut dari MSW menunjukkan derajat bebas (degrees of freedom) yang bersesuaian dengan
SSW.
ANOVA: PENGUJIAN RATA-RATA POPULASI PERBANDINGAN ESTIMASI VARIAN: UJI F
Jika H0 benar dan asumsi pada ANOVA terpenuhi, maka distribusi
Jika rata-rata k populasi tidak sama, nilai MSB/MSW akan meningkat karena MSB
overestimate.
Oleh karena itu, kita akan menolak H0.
PROSEDUR PENGUJIAN RATA-RATA POPULASI Hipotesis
H0: 1 = 2 = … = k
Ha: minimal ada i j
Uji Statistik F = MSB/MSW
Aturan Penolakan
Tolak H0 jika F > F a
dimana nilai F didasarkan pada distribusi F dg derajat bebas k - 1 dan nT - 1.
CONTOH SOAL:
REED MANUFACTURING
Analysis of Variance (ANOVA)J. R. Reed ingin mengetahui apakah rata-rata jumlah jam kerja per minggu para manajer
sama pada tiga perusahaan yang ada (Buffalo, Pittsburgh, and Detroit).Sampel acak sederhana yang terdiri dari 5 orang manajer pada masing-masing
perusahaan diambil dan jumlah jam kerja minggu yang lalu masing-masing manajer tersebut
dicatat. Hasilnya seperti pada slide berikut.
Analysis of Variance (ANOVA)
Prshn 1 Prshn 2 Prshn 3Observasi Buffalo Pittsburgh Detroit
1 48 73 51
2 54 63 63
3 57 66 614 54 64 54
5 62 74 56Rata-rata Sampel 55 68 57Varian Sampel 26,0 26,5 24,5
Analysis of Variance (ANOVA) Hipotesis
H0: 1 = 2 = 3
Ha: minimal ada i j ; i, j = 1,2,3dimana:
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 4/11
1 = rata-rata jumlah jam kerja perminggu manajer pada perusahaan 1
2 = rata-rata jumlah jam kerja perminggu manajer pada perusahaan 2
3 = rata-rata jumlah jam kerja perminggu manajer pada perusahaan 3
Analysis of Variance (ANOVA) Mean Square Between (MSB)
Karena ukuran sampelnya sama, makax = (55 + 68 + 57)/3 = 60SSB = 5(55 - 60)2 + 5(68 - 60)2 + 5(57 - 60)2 = 490
MSB = 490/(3 - 1) = 245
Mean Square Within (MSW)SSW = 4(26,0) + 4(26,5) + 4(24,5) = 308
MSW = 308/(15 - 3) = 25,667
Analysis of Variance (ANOVA)
Uji
Statistik
F= MSB/MSW =
245/25,667 =
9,55
Analysis of
Variance (ANOVA) Aturan Penolakan
Misalkan a = 0,05, maka F0,05;2;12 = 3,89Tolak H0 jika F > 3,89
Kesimpulan : Karena F = 9,55 > F0,05;2;12 = 3,89, maka H0 ditolak. Rata-rata jumlah jam kerja
para manajer perminggu pada tiga perusahaan (Buffalo, Pittsburgh, and Detroit) tidak sama.2. DISTRIBUSI T
Adalah pengujian hipotesis yang menggunakan distribusi T sebagai uji statsistik, table
pengujiannya disebut table T student. Distribusi T pertama kali diterbitkan tahu 1908 dalam
suatu makalah oleh W.S. Gosset. Hasil uji statistiknya kemudian dibandingkan dengan nilai yangada pada tabel kemudian menerima atau menolak hipotesis nol (Ho) yang dikemukakan. Cirinya
: sample yang di uji berukuran kurang dari 30
Tabel Nilai t
df α
0.05 0.025 0.01 0.005
1 6.314 12.706 31.821 63.657
2 2.920 4.303 6.965 9.925
3 2.353 3.182 4.541 5.841
4 2.132 2.776 3.747 4.604
5 2.015 2.571 3.365 4.032
Source of
Variation
Degrees of
Freedom
Sum of
Squares
Mean
Squares
F
Treatment 2 490 245 9,55
Error 12 308 25,667
Total 14 798
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 5/11
6 1.943 2.447 3.143 3.707
7 1.895 2.365 2.998 3.499
8 1.860 2.306 2.896 3.355
91.833 2.262 2.821 3.250
10 1.812 2.228 2.764 3.169
11 1.796 2.201 2.718 3.106
12 1.782 2.179 2.681 3.055
13 1.771 2.160 2.650 3.012
14 1.761 2.145 2.624 2.977
15 1.753 2.131 2.602 2.947
16 1.746 2.120 2.583 2.921
17 1.740 2.110 2.567 2.898
18 1.734 2.101 2.552 2.878
19 1.729 2.093 2.539 2.861
20 1.725 2.086 2.528 2.845
21 1.721 2.080 2.518 2.831
22 1.717 2.074 2.508 2.819
23 1.714 2.069 2.500 2.807
24 1.711 2.064 2.492 2.797
25 1.708 2.060 2.485 2.787
26 1.706 2.056 2.479 2.779
27 1.703 2.052 2.473 2.771
28 1.701 2.048 2.467 2.763
29 1.699 2.045 2.462 2.756
30 1.697 2.042 2.457 2.750
40 1.684 2.021 2.423 2.704
50 1.676 2.009 2.403 2.678
100 1.660 1.984 2.364 2.626
10000 1.645 1.960 2.327 2.576
Uji t Tidak Berpasangan
Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia
menggunakan nama samaran Student, sehingga kemudian metode pengujiannya dikenal dengan
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 6/11
uji t-student. William Sealy Gosset menganggap bahwa untuk sampel kecil, nilai Z dari distribusi
normal tidak begitu cocok. Oleh karenanya, ia kemudian mengembangkan distribusi lain yangmirip dengan distribusi normal, yang dikenal dengan distribusi t-student. Distribusi student ini
berlaku baik untuk sampel kecil maupun sampel besar. Pada n ≥ 30, distribusi t ini mendekatidistribusi normal dan pada n yang sangat besar, misalnya n=10000, nilai distribusi t sama persis
dengan nilai distribusi normal (lihat tabel t pada df 10000 dan bandingkan dengan nilai Z).Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan
dan juga bisa untuk objek studi yang tidak berpasangan. Berikut contoh penggunaan uji t.
Uji t tidak berpasangan
Contoh kasus :
Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi
1. Hipotesis
Ho : 1 = 2
HA : 1 ≠ 2
2. Hasil penelitian tertera pada Tabel 1.
Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)
Plot Pupuk A
Y1
Pupuk B
Y2
1 7 8
2 6 6
3 5 7
4 6 8
5 5 6
6 4 6
7 4 7
8 6 7
9 6 8
10 7 7
11 6 6
12 5 7
3. Data analisis adalah sebagai berikut
Hitunglah
1 = 5.58
Y 2 = 6.92
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 7/11
S1 = 0.996
S2 = 0.793
thit =( 1 – 2)/√(S12 /n1) +(S2
2 /n2)
=( 5.58 – 6.92)/√(0.9962 /12)+(0.793
2 /12)
= -1.34/0.367522 = -3.67
Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom α = 0.025 pada Tabel 2. Nilai α ini berasal dari α 0.05 dibagi 2,karena hipotesis HA kita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita lihat baris ke
22. Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n adalah jumlah ulangan, yaitu masing 12
ulangan. Akhirnya, kita peroleh nilai t table = 2.074.
t table = t α/2 (df) = t0.05/2 (n1+n2-2)=t0.025(12+12-2) = t0.025(22) = 2.074
4. Kriteria Pengambilan Kesimpulan
Terima H0, jika thit| < t table, sebaliknya
Tolak H0, alias terima HA, jika thit| > t table
5. Kesimpulan
Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t table=2.074, maka kita tolak H0, alias
kita terima HA. Dengan demikian, 1 ≠ 2, yaitu hasil padi yang dipupuk dengan pupuk A tidak
sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih lanjut, kita lihat bahwa rata-ratahasil padi yang dipupuk dengan pupuk B lebih tinggi daripada yang dipupuk dengan pupuk A.
Dengan demikian, kita dapat menyimpulkan bahwa pupuk B nyata lebih baik daripada pupuk A
untuk meningkatkan hasil pa
3. UJI CHI KUADRAT (χ ²)1. PendahuluanUji Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara :
frekuensi observasi/yg benar-benar terjadi/aktual dengan
frekuensi harapan/ekspektasi
1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapanfrekuensi observasi → nilainya didapat dari hasil percobaan (o)frekuensi harapan → nilainya dapat dihitung secara teoritis (e)
1.2. Bentuk Distribusi Chi Kuadrat ( χ ²) Nilai χ² adalah nilai kuadrat karena itu nilai χ² selalu positif.
Bentuk distribusi χ² tergantung dari derajat bebas(db)/degree of freedom.Perhatikan Tabel hal 178 dan 179 (Buku Statistika-2, Gunadarma).Anda bisa membacanya?
Contoh : Berapa nilai χ² untuk db = 5 dengan α = 0.010? (15.0863)Berapa nilai χ² untuk db = 17 dengan α = 0.005? (35.7185)
Pengertian α pada Uji χ² sama dengan pengujian hipotesis yang lain, yaitu luas daerah penolakan
H 0 atau taraf nyata pengujian
Perhatikan gambar berikut :
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 8/11
α : luas daerah penolakan H 0 = taraf nyata pengujian
0 + ∞
1.3. Pengunaan Uji χ ² Uji χ² dapat digunakan untuk :
a. Uji Kecocokan = Uji kebaikan-suai = Goodness of fit test b. Uji Kebebasan
c. Uji beberapa proporsiPrinsip pengerjaan (b) dan (c) sama saja
2. Uji Kecocokan (Goodness of fit test)
2.1 Penetapan Hipotesis Awal dan Hipotesis Alternatif H 0: frekuensi setiap kategori memenuhi suatu nilai/perbandingan. H 1 : Ada kategori yang tidak memenuhi nilai/perbandingan tersebut.
k : banyaknya kategori/sel, 1,2 ... k
o : frekuensi observasi untuk kategori ke-i i
e : frekuensi ekspektasi untuk kategori ke-i i
kaitkan dengan frekuensi ekspektasi dengan nilai/perbandingan dalam H 0
Derajat Bebas (db) = k - 1
2.3 Perhitungan χ ² Contoh 3 :
Pelemparan dadu sebanyak 120 kali menghasilkan data sebagai berikut :
kategori : sisi-1 sisi-2 sisi-3 sisi-4 sisi-5 sisi-6
frekuensi observasi 20
20
20
22
20
17
20
18
20
19
20
24
*) Nilai dalam kotak kecil adalah frekuensi ekspektasiApakah dadu itu dapat dikatakan setimbang?
Lakukan pengujian dengan taraf nyata = 5 %
Solusi :
1. H 0 : Dadu setimbang → semua sisi akan muncul = 20 kali. H 1 : Dadu tidak setimbang → ada sisi yang muncul ≠20 kali.
2. Statistik Uji χ²3. Nilai α = 5 % = 0.05k = 6 ; db = k - 1 = 6-1 = 54. Nilai Tabel χ²k = 6 ; db = k - 1 = 6-1 = 5
db = 5;α = 0.05 → χ² tabel = 11.07055. Wilayah Kritis = Penolakan H 0 jika χ² hitung > χ² tabel (db; α) χ² hitung > 11.0705(catatan : Gunakan tabel seperti ini agar pengerjaan lebih sistematik)
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 9/11
kategori : oi ei (o-e) ii (o-e)² ii (o-e)²/ e iii
sisi-1 20 20 0 0 0
sisi-2 22 20 2 4 0.20
sisi-3 17 20 -3 9 0.45
sisi-4 18 20 -2 4 0.20
sisi-5 19 20 -1 1 0.05
sisi-6 24 20 4 16 0.80
Σ 120 120 --------- -------------- 1.70
χ² hitung = 1.707. Kesimpulan :
χ² hitung = 1.70 < χ² tabel
Nilai χ² hitung ada di daerah penerimaan H 0
H 0 diterima; pernyataan dadu setimbang dapat diterima.
4. Regresi linierUntuk mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan
memprediksi variabel tergantung dengan menggunakan variabel bebas. Gujarati (2006)
mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut
sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yangmenerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan
variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka
analisis regresi disebut regresi linear berganda. Disebut berganda karena pengaruh beberapa
variabel bebas akan dikenakan kepada variabel tergantung.
Diposkan oleh Chechi di 06:37 Kirimkan Ini lewat EmailBlogThis!Berbagi ke TwitterBerbagi ke Facebook
1 komentar:
1.
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 10/11
wayansuartawaJul 11, 2011 07:24 PM
JENG TOLONG MINTA INFORMASIKAN KAPAN MENGGUNAKAN KURVA
NORMAL DISTRIBUSI T DUA SISI DAN KAPAN UNTUK SATU SISI DAN
BAGAIMANA PENGHITUNGANNYA...TRIMS (KALAU BISA DI INFOKAN KE
FB SAYA wayansuartawa atau email [email protected])
Balas
Muat yang lain... Posting Lebih Baru Posting Lama Beranda
Langganan: Poskan Komentar (Atom)
Pengikut
Logo Universitas
Gunadarma
Mengenai Saya
ChechiI'm not perfect
Lihat profil lengkapku
Tugas Metode Riset Beranda
Arsip Blog
▼ 2011 (42)
o ► Desember (1)
o ► November (3)
o ► Oktober (3)
o ► September (2)
o ▼ April (19) Doraemon
Sejarah Proklamasi dan Naskah Proklamasi
Kemerdeka...
MAKAM SUNYI DI TANAH TORAJA
TUJUH KEAJAIBAN BUMI
SIFAT FISIS ATMOSFER
MUSEUM GEOLOGI DAN TAMAN HUTANH.DJUANDA
STATISTIK 2
COKLAT
Legenda Kisah Cinta Sam Pek dan Eng Tay Harry Potter dan Relikui Kematian
BIOGRAFI Ir. SOEKARNO
Peristiwa Pemberontakan PKI Madiun 1948
Biografi Presiden Susilo Bambang Yudhoyono
TUMOR PAYUDARA
KISAH NABI YUSUF as
Sukhoi 30 MKK TNI AU
5/16/2018 STATISTIK 2 - slidepdf.com
http://slidepdf.com/reader/full/statistik-2-55ab529252446 11/11
Sinopsis Film Twilight
Galaksi Bimasakti Terancam Ditabrak AwanRaksasa
KISAH DUA EKOR CICAK..
o ► Maret (5)
o ► Februari (2)
o ► Januari (7)
► 2010 (7)
Template Picture Window. Gambar template oleh sx70. Diberdayakan oleh Blogger.