Modul Statistika II PDF

MODUL STATISTIKA II
LEMBAR PENGESAHAN MODUL PRAKTIKUM STATISTIKA II

SEMESTER GANJIL 2014
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PADJADJARAN
Disusun Oleh:
Tim Asisten Dosen Statistika FEB UNPAD
Mengetahui dan Menyetujui,
Ketua Program Studi IESP UNPAD

Dr. Mohammad Fahmi, S.E., M.T.
NIP. 197312302000121001
Anita Kezia Zonebia Lois Jessica Imanuel Karina Megasari Farhatunisa
Nurul Fatimah Indriana Oktavia Shafira Nurhasna R. Rizki Rahmawati
Pebriantara Widya Amira H. Riri Ardyaningtyas Tio Maranatha
Eiffel Nindya H Yuki Sakura Kristi Umar Harredy

DAFTAR ISI
DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI .......................................................... 1
DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI ........................ 17
PENAKSIRAN RATA-RATA DAN PROPORSI .......................................................................... 29
PENAKSIRAN SELISIH RATA-RATA DAN SELISIH PROPORSI .......................................... 41
UJI HIPOTESIS RATA-RATA DAN PROPORSI ........................................................................ 56
UJI HIPOTESIS SELISIH RATA-RATA DAN PROPORSI ........................................................ 75
REGRESI DAN KORELASI SEDERHANA ................................................................................. 91
REGRESI DAN KORELASI BERGANDA................................................................................. 122
CHI-SQUARE............................................................................................................................... 166
STATISTIK NON PARAMETRIK .............................................................................................. 183
NON-PARAMETRIK I ................................................................................................................ 190
NON-PARAMETRIK II ............................................................................................................... 226
APPENDIX ................................................................................................................................... 252

DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI
PENDAHULUAN
Populasi adalah kumpulan dari seluruh kemungkinan orang-orang, benda-benda, dan ukuran lain
yang menjadi objek perhatian atau kumpulan seluruh objek yang menjadi perhatian.
Populasi Terbatas adalah suatu populasi yang unsurnya terbatas berukuran N.

Contoh : populasi bank, populasi mahasiswa FEB Unpad, dsb.
Populasi Tidak Terbatas adalah suatu populasi yang mengalami proses secara terus
menerus sehingga ukuran N menjadi tidak terbatas perubahan nilainya.
Contoh : populasi bintang di langit.
Sampel adalah suatu bagian dari populasi tertentu yang menjadi perhatian.
Sampel Probabilitas atau Random Sample merupakan suatu sampel yang dipilih
sedemikian rupa dari populasi sehingga masing-masing anggota populasi memiliki
probabilitas atau peluang yang sama untuk dijadikan sampel.
Sampel Nonprobabilitas atau Nonrandom Sample meerupakan suatu sampel yang
dipilih sedemikian rupa dari populasi sehingga setiap anggota tidak memiliki probabilitas
atau peluang yang sama untuk dijadikan sampel.
SAMPLING
Sampling adalah cara pengambilan atau pengumpulan data hanya sebagian elemen atau anggota
dari populasi, atau cara pemilihan sampel dari populasi yang akan diteliti.
Alasan melakukan sampling adalah :
Mengenai biaya atau faktor ekonomis

Ketelitian dalam penyelidikan
Penghematan waktu
Sifat dari objek yang diteliti
Macam dari populasinya
METODE SAMPLING
Teknik Sampling Dengan Pengembalian adalah metode sampling dimana setiap anggota dari
suatu populasi dapat dipilih lebih dari satu kali.
Teknik Sampling Tanpa Pengembalian adalah metode sampling dimana setiap anggota dari
suatu populasi tidak dapat dipilih lebih dari satu kali.
DISTRIBUSI SAMPLING
Distribusi Sampling merupakan kumpulan nilai-nilai statistika yang sejenis lalu disusun dalam
suatu daftar sehingga terdapat hubungan antara nilai statistik dan frekuensi statistika. (Sudjana,
2001 : 87).
Distribusi Sampling terdiri dari :
Distribusi Sampling Rata-rata

Distribusi Sampling Proporsi
Distribusi Sampling Selisih Rata-rata
Distribusi Sampling Selisih Proporsi
DISTRIBUSI SAMPLING RATA-RATA
Distribusi Sampling Rata-rata adalah kumpulan dari bilangan-bilangan yang masing-masing

merupakan rata-rata hitung dari sampelnya. (Sudjana, 2001 : 87).
Rumus Distribusi Sampling Rata-rata :

Populasi tidak terbatas Populasi terbatas

5% > 5%

Rata-rata x = x =
Standar Deviasi
x =
x =
1
Nilai Baku x x
x x
= =

x x
Keterangan :
n : ukuran sampel N : ukuran populasi

x : rata-rata sampel : rata-rata populasi
s : standar deviasi sampling
: standar deviasi populasi
: rata-rata pada distribusi sampling rata-rata
x
: standar deviasi pada distribusi sampling rata-rata
x

: faktor koreksi
1
Contoh Soal
ABC Company memproduksi Remote Control dengan menggunakan dua baterai. Rata-rata
umur baterai yang digunakan di produk ini adalah 35 jam. Distribusi umur baterai mendekati
distribusi probabilitas normal dengan standar deviasi 5,5 jam. Sebagai bagian dari program
pengujian, diambil sampel sebanyak 25 baterai. Hitunglah probabilitas umur baterai lebih dari 36
jam?
Penyelesaian
Dik : = 35
= 5,5
n = 25
Dit : P( x >36)?
Jawab : = = 35
x
5,5
= = = 1,1
x 25
x
z=
x = 3635 = 0,91
1,1
x
0 z
Lihat tabel z:
luas sebelah kanan 0 = 0,5000
luas antara 0 - z = 0,3186 -
luas sebelah kanan z = 0,1814
Kesimpulan : Jadi, dari 25 baterai yang dipilih, probabilita umur baterai lebih dari 36
jam adalah sebesar 0,1814 atau 18,14%.
DISTRIBUSI SAMPLING PROPORSI
Distribusi Sampling Proporsi adalah kumpulan atau distribusi semua perbandingan sampelnya
untuk suatu peristiwa. (Sudjana, 2001 : 95).
Rumus Distribusi Sampling Proporsi :

Populasi tidak terbatas Populasi terbatas

5% > 5%

Rata-rata = =

Standar Deviasi
(1 ) (1 )
= =
1
Nilai Baku

= =

Keterangan :
n : ukuran sampel
N : ukuran populasi

: proporsi sampel

: proporsi populasi
: rata-rata pada distribusi sampling proporsi

: standar deviasi pada distribusi sampling proporsi

: faktor koreksi
1
Jika nilai dari populasi tidak diketahui, dalam hal ini dianggap sama dengan 0,5 yaitu nilai
(1 ) yang maksimum.
Contoh Soal
Sebuah Bakery Store Bear menemukan bahwa pembelian dilakukan oleh 20% dari pelanggan
yang memasuki tokonya. Suatu pagi terdapat sampel acak sebanyak 180 orang memasuki toko.
Berapa probabilita pelanggan yang membeli kurang dari 15%?
Penyelesaian:
Dik : n = 180
(membeli)= 20% = 0,20

Dit : P ( < 15%)?
Jawab : = = 0,20

(1) 0,20(0,80)
=
= 180
= 0,029814239

x

n
0,150,20
z=
= 0,029814239 = -1,68

z 0
lihat tabel z:
luas sebelah kiri 0 = 0,5000
luas antara z-0 = 0,4535-
luas sebelah kiri z = 0,0465
Kesimpulan: Jadi, probabilita bahwa diantara 180 orang yang masuk ke toko, pelanggan
yang membeli kurang dari 15% adalah sebesar 0,0465 atau 4,65%.
SOAL DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI
1. Sebuah lift didesain dengan batas muatan sebesar 1000 kg. Teknisi menganggap bahwa lift
tersebut memiliki kapasitas muat untuk 18 orang. Jika berat badan dari semua orang yang
menggunakan lift tersebut berdistribusi normal dengan rata-rata 980 kg dan standar deviasi
sebesar 37 kg, berapakah probabilita sekelompok yang terdiri dari 18 orang yang
menggunakan lift tersebut akan melampaui batas muatan lift di atas?
Jawab :
Dik : n = 18
= 980
= 37
Dit : P( x > 1000)
Jawab :
x = = 980
37

x = = 18 = 8,72
x
x 1000980
Z=
= 8,72
= 2,29
x
0 Z
lihat tabel z:
luas antara 0-z = 0,4890-
Kesimpulan : Jadi, probabilitas sekelompok yang terdiri dari 18 orang yang menggunakan
lift tersebut akan melampaui batas muatan lift adalah sebesar 0,0110 atau 1,1%.
2. Cravy Company has just received 4850 cristal bottles. Before accepting the bottles, the
manager insists that 18 of the cristal bottles be randomly selected for testing. He intends to
measure the maximum capability of each bottle and reject the shipment if the mean
capability for the sample is greater than the 413 newton listed on the product label. Based
on the manager, the bottles on the truck require an average 405 newton, with a standard
deviation of 13 newton. Determine the probability ha the cristal bottles will be rejected.
Jawab :
Dik : N = 4850
= 405
n = 18
= 13
Dit : The probability that the cristal bottles will be rejected,
P( x > 413)
Jawab : = 18 = 0,003711 < 5% (tidak menggunakan faktor koreksi)

4850

x = = 405
13

x =
=
18
=4,2
x
x 413405
Z=
= 4,24
= 1,89
x
lihat tabel z:
luas antara 0 - z = 0,4706 -
0 Z
Conclusion: so, the probability that the cristal bottles will be rejected is 0,0294 or
2,94%
3. Wormy adalah perusahan tekstil yang mempunyai 50 pabrik di seluruh Indonesia. Dalam
satu hari, satu pabrik dapat menghasilkan rata-rata 1600 baju dengan standar deviasi 270
baju. 17 pabrik dipilih secara acak untuk memenuhi pesanan dari luar negeri.
a. Berapa probabilita pabrik yang memenuhi pesanan dari luar negeri menghasilkan 1890
baju dalam sehari?
b. Berapa probabilita pabrik yang memenuhi pesanan dari luar negeri mengahasilkan
tidak lebih dari 1775 baju dalam sehari?
Jawab :
Dik : N = 50
n = 17
= 1600
= 270
Dit : a. P ( x = 1890)
b. P ( x 1775)
Jawab : a. = 17 = 0,34 > 5% (menggunakan faktor koreksi)
50

x = = 1600
270 5017

x = . 1 = 17 . 501 = 65,53 . 0,82 = 53,735
x
x 18901600
Z= = = 5,4
53,735
x
0 Z
Kesimpulan : Jadi, probabilitas pabrik yang memenuhi pesanan dari luar negeri
menghasilkan 1890 baju dalam sehari adalah 50%.
b.
x = = 1600
270 5017

x = . 1 = 17 . 501 = 65,53 . 0,82 = 53,735
x
x 17751600
Z=
= 53,735
= 3,26
x
0 Z
Lihat tabel z:
luas antara 0 - z = 0,4994 +
Kesimpulan : Jadi, probabilitas pabrik yang memenuhi pesanan dari luar negeri
menghasilkan tidak lebih dari 1775 baju dalam sehari adalah sebesar 0,9994 atau 99,94%
4. The rent for one-bedroom apartment in Southern California follows the normal
distribution with a mean of $3,400 per month and a standard deviation of $375 per month.
The manager selects a random sample of 75 one-bedroom apartments.
a. What is the probability that the sample mean is between $3,350 and $3,500?
b. What is the probability that the sample mean is greater than $3,330?
Jawab :
Dik : = 3400
= 375
n = 75
Dit : a. P(3350 < x < 3500)
b. P( x > 3330)
Jawab : a.
x = = 3400
375

x = = 75 = 43,30
x
x 33503400
Z1 =
= 43,30
= -1,15
x
x
x 35003400
Z2 = = = 2,31
43,30
x
Z1 0 Z2
Lihat tabel z :
Luas antara Z1-0 = 0,3749
Luas antara 0-Z2 = 0,4896
Luas antara Z1-Z2 = 0,8645
Kesimpulan : Jadi, probabilitas harga sewa apartemen di Southern California berkisar antara $3350
sampai dengan $3500 adalah sebesar 0,8645 atau 86,45%.
b.
x = = 3400
375

x = = 75 = 43,30
x
x 33303400
Z=
= 43,30
= -1,62
x
Lihat tabel Z :
Luas Z-0 = 0,4474
Luas kanan 0 = 0,5000 +
Z 0 Luas kanan Z = 0,9474
Kesimpulan : Jadi, probabilitas harga sewa apartemen di Southern California lebih dari
$3330 adalah sebesar 0,9474 atau 94,74%.
5. Sebuah perusahaan makanan membuka lowongan pekerjaan untuk 200 orang lulusan
perguruan tinggi. Diambil 100 orang pelamar sebagai sampel acak. Menurut manager
HRD perusahaan tersebut, tahun lalu, 45% pelamar adalah laki-laki. Berapakah
probabilita bahwa maksimal 46% dari sampel adalah wanita?
Jawab :
Dik : n = 100
N = 200
= 55%

Dit : P( 46%)
100
Jawab : = 200 = 0,5 > 5% (menggunakan faktor koreksi)
= = 0,55

(1) 0,55(0,45) 200100

=
. 1 = 100
. 2001 = 0,05 . 0,71 = 0,0355

x

n
0,460,55
z=
= 0,0355
= -2,54

Z 0
lihat tabel z:
luas antara z-0 = 0,4945
Kesimpulan : Jadi, probabilita maksimal 46% pelamar wanita adalah sebesar 0,0055 atau
0,55%.
6. First company has a plan to open a recquirement for new employee in 2014 for 1048
persons. 456 persons from that amount, ever had experiences in working before and the
residual is fresh graduated. 300 employees is taken randomly to be a sample.
a. Determine proportion of deviation standard
b. Determine probability that the new employees who had working experience is
between 35% and 55%
Jawab :
Dik : n = 300
N = 1048
456
= = 0,435
1048
Dit : a.

b. P(35% < < 55%)

300
Jawab : a. = 1048 = 0,29 > 5% (Menggunakan faktor koreksi)
= = 0,435

(1) 0,435(0,565) 1048300

=
. 1 = 300
. 10481 = 0,029 . 0,845 = 0,0245

x

n
0,350,435
b. Z1 = = = -3,47
0,0245

x

n
0,550,435
Z2 =
= 0,0245
= 4,69

Z1 0 Z2
Lihat tabel z :
Luas antara Z1-0 = 0,4997
Luas antara 0-Z2 = 0,5000
Luas antara Z1-Z2 = 0,9997
Kesimpulan : Jadi, probabilitas bahwa pelamar yang sudah memiliki pengalaman kerja
antara 35% sampai dengan 55% adalah sebesar 0,9997 atau 99,97%.
7. Tentukanlah probabilita bahwa diantara 50 orang yang datang ke supermarket S, terdapat :

a. Maksimal 43% adalah wanita?
b. Lebih dari 57% adalah laki-laki?
Asumsi : probabilita kedatangan wanita dan laki-laki ke supermarket S adalah 6:4.
Jawab :
Dik : n = 50
(wanita) = 60%
(laki-laki) = 40%

` Dit : a. P( 43% )

b. P( > 57% )

Jawab : a. = = 0,60

(1) 0,60(0,40)
=
= 50
= 0,07

x

n
0,430,60
z= = = -2,43
0,07

Z 0
lihat tabel z:
luas antara z-0 = 0,4925
Kesimpulan : Jadi, probabilitas pengunjung yang datang ke Supermarket S terdapat
maksimal 43% wanita adalah sebesar 0,0075 atau 0,75%
b. = = 0,40

(1) 0,40(0,60)
=
= 50
= 0,07

x

n
0,570,40
z=
= 0,07
= 2,43

0 Z
lihat tabel z:
luas antara 0 - z = 0,4925 -
Kesimpulan : Jadi, probabilitas pengunjung yang datang ke Supermarket S terdapat lebih
dari 57% laki-laki adalah sebesar 0,0075 atau 0,75%.
8. Dalam festival kuliner, 250 orang dijadikan sampel dan diminta untuk mencicipi sebuah
makanan yang telah disediakan. Jika panitia memperkirakan 30% menyatakan bahwa
makanannya tidak enak, berapakah probabilita bahwa akan terdapat antara 25% sampai
dengan 35% dari sampel tersebut benar-benar menyatakan bahwa makanannya tidak enak?
Jawab :
Dik : n = 250
(tidak enak) = 30%

Dit : P(25% < < 35%)
Jawab : = = 0,30

(1) 0,30(0,70)
= = = 0,028982753
250
x

n 0,250,30
1 =
= = -1,73
0,028982753

x

n 0,350,30
2 =
= = 1,73
0,028982753

Lihat tabel z:
luas antara 1 -0 = 0,4582
luas antara 0-2 = 0,4582 +
luas antara 1 2 = 0,9164
Z1 0 Z2
Kesimpulan : Jadi, probabilita bahwa akan terdapat antara 25% sampai dengan 35% dari
sampel benar-benar menyatakan bahwa makanan yang disediakan tidak enak adalah
sebesar 0,9164 atau 91,64%
DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI
Distribusi Sampling merupakan kumpulan nilai-nilai statistika yang sejenis lalu disusun dalam
suatu daftar sehingga terdapat hubungan antara nilai statistik dan frekuensi statistika. (Sudjana,
2001 : 87).
DISTRIBUSI SAMPLING SELISIH RATA-RATA
Distribusi Sampling Selisih Rata-rata adalah kumpulan bilangan-bilangan yang merupakan

selisih rata-rata dari dua sampel yang berbeda berdasarkan pada dua sampl tertentu dari ukuran
parameter dua populasinya.
Untuk ukuran sampel n1 dan n2yang cukup besar (n1, n2> 30), maka distribusi sampling selisih rata-
rata sangat mendekati distribusi normal, untuk mengubahnya ke dalam bentuk normal standar
maka diperlukan rumus :
(1 2 ) 1 2
=
1 2
Dimana :
a. Rata-rata ( Means )
1 2 = 1 2
b. Simpangan baku ( standard deviation )
12 22
1 2 = +
1 2
Jika 12 dan 22 tidak diketahui, maka dapat menggunakan standar deviasi dari sampel.
Contoh soal :
Pegawai perusahaan Global Network Inspection pada Divisi Inspeksi Pembongkaran mempunyai
gaji rata-rata sebesar$4300/bulan, sedangkan Divisi Inspeksi Pengangkutan mempunyai gaji
$3750/bulan. Setelah dihitung, diperoleh rata-rata hitung dari deviasi kuadrat setiap gaji terhadap
gaji rata-rata Divisi Inspeksi Pembongkaran $52.000, sedangkan Divisi Inspeksi Pengangkutan
sebesar $19.500. Bila diasumsikan diambil sampel random pada Divisi Inspeksi Pembongkaran
sebanyak 90 orang dan Divisi Inspeksi Pengangkutan75, berapakah probalilita selisih rata-rata gaji
dari dua sampel lebih besar dari $ 500 ?
Jawab :
Dik :
Divisi Inspeksi Pembongkaran: 1 = $ 4300 1 2= $ 52.000 n1 = 90
Divisi Inspeksi Pengangkutan: 2= $ 3750 2 2= $ 37.000 n2 = 75
Dit : (1 2 > 500) ?
Jawab : x1 x2 = 1 2 =4300 3750= 550
12 22 52.000 37.000
x1 x2 = + = + = 32,72783389
n1 n2 90 75
(x1 x2 ) x1 x2 500 550

Z= = = 1,52775 1,53
x1 x2 32,72783389
Z 0
Luas kanan 0 = 0,5000
Luas 0 - Z = 0,4370 +
Luas kanan Z = 0,9370

Kesimpulan : Jadi, probabilita selisih rata-rata gaji dari dua sampel lebih besar dari $ 500
adalah 0,9370 atau 93,70 %.
DISTRIBUSI SAMPLING SELISIH PROPORSI
Distribusi Sampling Selisih Proporsi adalah kumpulan bilangan-bilangan yang merupakan

selisih proporsi dua sampel yang berbeda berdasarkan pada dua sampel tertentu dari ukuran
parameter dua populasinya, adapun rumus distribusi sampling selisih proporsi dinyatakan dalam :
a. Rata-rata proporsi
1 2 = 1 2
1 2
b. Simpangan baku proporsi
1 (1 1 ) 2 (1 2 )
1 2 = +
1 2 1 2
Distribusi sampling selisih proporsi inipun akan mendekati distribusi normal bila ukuran-ukuran
sampel cukup besar (n1, n2> 30), maka untuk merubahnya menjadi bentuk normal standar
diperlukan rumus :

(1 2 ) 1 2
1 2 1 2
=
1 2
1 2
Jika 1 dan2 tidak diketahui dan dianggap sama maka nilai :

1 +2
1 = 2 = p =
1 +2
sehingga standar baku proporsinya menjadi :
1 1
1 2 = (1 ) ( + )
1 2 1 2
Contoh soal
Alya dan Deasy akan melakukan sebuah pertandingan pelemparan sekeping uang logam, Deasy
akan menangbila memperoleh 8 sisi gambar lebih banyak dari pada Alya, jika diasumsikan mereka
diberi kesempatan masing-masing melempar uang logam sebanyak 40 kali, berapa peluang Deasy
memenangkan pertandingan ini ? Berilah saran apakah Deasy akan ikut dalam pertandingan atau
tidak, jika harapan kemenangannya harus sebesar 15% atau lebih?
Jawab :
Dik : 1 =2 = 50%
n1=n2 = 40
x1 x2
Dit : P( > 15 %)
n1 n2
Jwb : x1 x2 = 1 2 = ( 0,5 0,5 ) = 0

n1 n2
1 (11 ) (12 )
x1 x2 = + 2
n1 n2 n1 n2
(0,5)(10,5) (0,5)(10,5)
= 40
+ 40
= 0,111803398874989
x x
(n1 n2 ) x1 x2
1 2 n1 n2 0.15 0
Z= = = 1,34
x1 x 2 0,1346291202
n1 n2
0 Z
Luas 0- Z = 0,4099

Kesimpulan : Jadi, peluang Deasy memenangkan pertandingan ini adalah 0,0901 atau
9,01%. Karena peluang Deasy menang kurang dari harapan menangnya (9,01% <15%),
maka Deasy disarankan tidak mengikuti pertandingan ini.
SOAL DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI
1. PT Indigo dan PT Violet are two companies engaged in banking and insurance. These two
companies operate four weeks a month and five days a week. PT Indigo daily average
customers visited as many as 100 customers and 78 customers visited PT Violet for each
day. With the standard deviation of each at 13 and 9 for PT Indigo and PT Violet, if
sample is taken as many as 90 customers for PT Indigo and 95 customers for PT Violet,
determine the average possible number of customers who visited PT Indigo differ between
20 to 25 customers over PT Violet?
Jawab :
Dik : Indigo : 1 = 100 1 = 13 n1 = 90
Violet : 2 = 78 2 = 9 n2 = 95
Dit : P(20 < x1 x2 < 25)
Jawab : P(20 < x1 x2 < 25)
x1 x2 = 1 2 = 100 78= 22
21 22 132 92
x1 x2 = + = + = 1,652395037
n1 n2 90 95
(x1 x2 )x1x2 2022

Z1 = x1 x2
= 1,266
= -1,21
(x1 x
2 )x1x2 2522
Z2 = x1 x2
= 1,266
= 1,82
Z1 0 Z2
Luas Z1 - 0 = 0,3869
Luas 0 Z2 = 0,4656 +
Luas Z1 - Z2 = 0,8525
Kesimpulan : Jadi, kemungkinan rata-rata jumlah nasabah yang mengunjungi PT Indigo
berbeda antara 20 sampai dengan 25 nasabah lebihnya dari PT Violet adalah sebesar
0,8525 atau 85,25%
2. Coco Candy memperkerjakan 1200 pegawai yang terdiri dari 75% pegawai pria dan
sisanya pegawai wanita. Berdasarkan catatan bagian HRD, rata-rata waktu terlambat
masuk kerja pegawai pria adalah 34 menit dan simpangan baku 8,7 menit. Sedangkan rata-
rata waktu terlambat masuk kerja pegawai wanita adalah 26 menit dengan simpangan baku
11 menit. Suatu ketika, pimpinan perusahaan melakukan sidak, dengan mengambil secara
acak 40% pegawai pria dan 50% pegawai wanita. Tentukan probabilita:
a. Waktu terlambat pegawai pria berbeda paling sedikit 10 menit dari pegawai wanita
b. Waktu terlambat pegawai pria berbeda kurang dari 7 menit dari pegawai wanita
c. Waktu terlambat pegawai pria berbedaantara 5 hingga 11 menit dari pegawai wanita
Jawab :
Dik : N = 1200
N1 = 75% N = 900 n1 = 40%N1 = 360 1 = 34
1 = 8,7
N2 = 25% N = 300 n2 = 50%N2 = 150 2= 26
2 = 11
Dit : a. P(x1 x2 10)

b. P(x1 x2 < 7)
c. P(5 < x1 x2 < 11)
Jawab :
a. P(x1 x2 10)
x1 x2 = 1 2 =34 26= 8
2 2 8,72 112
x1 x2 = n1 + n2 = 360 + 150 = 1,008422861
1 2
(x1 x2 )x1x2 108

Z= x1 x2
= 1,008422861
= 1,98
Luas 0- Z = 0,4761

0 Z
Kesimpulan : Jadi, probabilita waktu terlambat pegawai pria berbeda paling sedikit 10
menit dari pegawai wanita adalah sebesar 0,0239 atau 2,39%.
b. P(x1 x2 < 7)
x1 x2 = 1 2 = 34 26= 8
2 2 8,72 112
x1 x2 = n1 + n2 = 360 + 150 = 1,008422861
1 2
(x1 x2 )x1 x2 78
Z= = = 0,99
x1 x2 1,008422861
Z 0
Luas Kiri 0 = 0,5000
Luas Z - 0 = 0,3389
Luas kiri Z = 0,1611
Kesimpulan : Jadi, probabilita waktu terlambat pegawai pria berbeda kurang dari 7
c. P(5 < x1 x2 < 11)
x1 x2 = 1 2 = 34 26= 8
2 2 8,72 112
x1 x2 = n1 + n2 = 360 + 150 = 1,008422861
1 2
(x1 x2)x1x2 58
Z1 = x1x2
= 1,008422861
= 2,97
24
(x1 x2 )x1x2 118
Z2 = x1x2
= 1,008422861
= 2,97
Z1 0 Z2
Luas Z1 - 0 = 0,4985
Luas 0 Z2 = 0,4985 +
Luas Z1 - Z2 = 0,9970
Kesimpulan : Jadi, probabilita waktu terlambat pegawai pria berbeda antara 5 hingga 11
3. Brightman Co. and Fulton Co., enganging in property business in Jakarta. These two
companies have been finished their expansion in Bandung. Around this year, Brightmans
real estate collected USD 67.930 monthly average collection for their customers with
standard error of USD 103. Fultons Apartment reached USD 85.140 monthly average
collection with USD 146 standard error. If we take 35 real estates customers and 40
apartements customer, find out :
a. The difference of monthly average collection of Fultons and Brightmans samples, if
we need to know its value in our currency
b. The likelihood that the monthly average collection of Fulton Co. will be differ at least
Rp 171.095.620over Brightman Co.
(Assume the spot exchange rate is Rp 9959/USD)
Jawab :
Dik : n1 = 40 1 =USD 85.140 1 = 146
n2 = 35 1 = USD 67.930 2 = 103
25
Dit : a. x1 x2 in Rupiah
b. P(x1 x2 Rp171.095.620)
Jawab :
a. x1 x2 = 1 2 =USD 85.140 USD 67.930 = USD 17.210
Convert USD to Rupiah = USD 17.210 x Rp 9959 / USD
= Rp 171.394.390
So, the difference of monthly average collection of Fultons and Brightmans samples
is USD 17.210, and its value in our currency is Rp 171.394.390, if we assume that the
spot exchange rate is Rp 9959/USD.
b. P(x1 x2 Rp171.095.620 )
Covert Rupiah to USD = Rp 171.095.620 / Rp 9959 / USD
= USD 17.180
P(x1 x2 Rp171.095.620 )P(x1 x2 RpUSD 17.180 )
2 2 1462 1032
x1 x2 = n1 + n2 = 40
+ 35
= 28,91391163
1 2
(x1 x2 )x1x2 17.18017.210

Z= x1 x2
= 28,91391163
= 1,04

Luas Z - 0 = 0,3508 +
Z 0
Kesimpulan : So, the likelihood that the monthly average collection of Fulton Co. will be
differ at least Rp 171.095.620 over Brightman Co. is 0,8508 or 85,08%.
4. Gary dan Shamira bekerja di sebuah perusahaan yang menerapkan sistem gaji berdasarkan
produktivitas para pekerjanya. Gaji Gary rata-rata sebesar Rp. 5.750.000,00 per bulan,
sedangkan gaji Shamira rata-rata Rp. 5.400.000,00 perbulan. Standar deviasi untuk gaji
26
Gary dan Shamira adalah Rp. 250.000,00 dan Rp. 550.000,00. Bila diambil sampel gaji
Gary dan Shamira masing-masing 12 bulan, berapakah probabilitas selisih rata-rata gaji
dari Gary dan Shamira lebih besar dari Rp. 300.000,00?
Jawab :
Dik : Gary : 1 = 5.750.000 1 = 250.000 n1 = 12
Shamira : 2 = 5.400.000 2 = 550.000 n2 = 12
Dit : P(x1 x 2 > 300.000)
Jawab :
x1 x2 = 1 2 = 350.000
21 22 250.0002 550.0002
x1 x2 = + = + = 174.403,746
n1 n2 12 12
(x1 x2 )x1x2 300.000350.000

Z= x1 x2
= 174.403,746
= -0,29

Luas Z - 0 = 0,1141 +
Z 0
Kesimpulan : Jadi, probabilitas selisih rata-rata gaji dari Gary dan Shamira lebih besar dari
Rp. 300.000,00 adalah sebesar 0,6141 atau 61,41%.
5. Vivi dan Vina mengikuti pertandingan pelemparan sebuah dadu. Vivi akan menang
apabila memperoleh minimal 9 sisi angka genap lebih banyak daripada Vina. Jika
diasumsikan mereka diberi kesempatan masing-masing percobaan melempar dadu tersebut
sebanyak 45 kali, berapakah peluang Vina memenangkan pertandingan ini jika harapan
kemenangannya harus sebesar 20% atau lebih?
Jawab :
27
Dik : 1 = 2 = 50%
n1 = n2 = 45
x x
Dit : P (n1 n2 20%)
1 2
Jawab : x1 x2 = 1 2 = (0,5 0,5) = 0

n1 n2
1 (11 ) (1 )
x1 x2 = n1
+ 2n 2
n1 n2 2
(0,5)(10,5) (0,5)(10,5)
= + = 0,105
45 45
x x
( 1 2 )x1 x2
n1 n 2 0,200
n1 n2
Z= x1 x2
= 0,105
=1,90

n1 n2
Luas 0- Z = 0,4713
0 Z
Kesimpulan : Jadi, peluang Vina memenangkan pertandingan ini adalah sebesar 0,0287
atau 2,87%
6. In the competitive area of retail consumer goods, advertising serves to clarify product
distinctiveness and increase market penetration. Before adopting a new advertising
campaign, large-volume vintner conducted a product preference survey among 1000
regular buyers of wine in the supermarket chain that serves his primary channel of
distribution. From that survey, they found that 33% of those contacted were regular
purchasers of his wine. Six months after the institution of a revised advertising campaign,
1200 buyers were surveyed, with 44% indicating preference for the vintners product. Find
28
the percentage of customers preference for the vintners product after advertising
campaign less than the percentage of customers preference for the vintners product
before advertising campaign, if the left area of Z score is 0,9997.
Jawab :
Dik : n1 = 1200 n2 = 1000

1 = 44% 2 = 33% P (1
1
2
2
> X) = 0,9997
Dit :X?
Jawab :
0 Z
Luas Kiri Z = 0,9997
Luas Kiri 0 = 0,5000 -
Luas 0 - Z = 0,4997 Z = 3,39
x1 x2 = 1 2 = 0,44 0,33 = 0,11

n1 n2
1 (1 1 ) 2 (1 2 )
x1 x2 = +
n1 n2 n1 n2
(0,44)(1 0,44) (0,33)(1 0,33)

= + = 0,0206502631
1200 1000
29
x x
(n1 n2 ) x1 x2
1 2 n1 n2
Z=
x1 x2
n1 n2
X 0,11
3,39 =
0,0206502631
X = 0,11 + 0,07 = 0,18
Kesimpulan :So, the percentage of customers preference for the vintners product after
advertising campaign less than the percentage of customers preference for the vintners
product before advertising campaign, if the left area of Z score is 0,9997, is 0,18 or 18%.

[P (1 2 > 18%)]
1 2
7. Pengamatan yang dilakukan selama setahun terakhir menunjukkan bahwa investor yang
memegang saham sektor properti memiliki probabilita kenaikan harga saham sebesar 88%.
Sedangkan investor lain yang memegang saham sektor barang konsumsi memilik peluang
kenaikan harga saham sebesar 44%. Apabila investor memiliki 500 lot saham sektor
properti dan 450 lot saham sektor barang konsumsi, berapa peluang beda persentase harga
saham sektor properti meningkat 50% lebih kecil dibandingkan dengan kenaikan harga
saham sektor barang konsumsi?
Jawab :
Dik :1 = 88% 2 = 44%
n1 = 500 n2 = 450
x1 x2
Dit: P ( < 50%)
n1 n2
Jawab :
x1 x2 = 1 2 = ( 0,88 0,44 ) = 0,44
n1 n2
1 (11 ) 2 (12 )
x1 x2 = n1
+ n2
n1 n2
(0,88)(10,88) (0,44)(10,44)
= 500
+ 450
= 0,02754551789
30
x x
( 1 2 ) x1 x2
n1 n 2 0,500,44
n1 n2
Z= x1 x2
= 0,02754551789 = 2,18

n1 n 2
Luas 0 Z1 = 0,4854+
Luas kiri Z = 0,9854
0 Z
Kesimpulan : Jadi, peluang beda persentase harga saham sektor properti meningkat 50%
lebih kecil dibandingkan dengan kenaikan harga saham sektor barang konsumsi adalah
sebesar 0,9854 atau 98,54%.
8. Zivis Corporation has two different departments in the Corporate Finance, Department of
Investing and Department of Budgeting. Every year an estimated mistakes in each
department doing their job are 12% and 6% for Investing and Budgeting Department. The
Chief of Financial Officer want to analyze it, and took 320 people from each department
as a sample. Determine the difference of mistakes doing their job of Investing and
Budgeting Department less than 1%?
Jawab :
Dik : 1 = 12%
2 = 6%
n1 = n2 = 320
x1 x2
Dit : P( < 1%)
n1 n2
Jawab : x1 x2 = 1 2 = (0,12 0,06) = 0,06

n1 n2
1 (11 ) 2 (12 )
x1 x2 = n1
+ n2
n1 n2
(0,12)(0,88) (0,06)(0,94)
= 320
+ 320
= 0,0225
31
x x
( 1 2 ) x1 x2
n1 n 2 0,010,06
n1 n2
Z= x1 x2
= 0,0225
= -2,22

n1 n2
Luas Z - 0 = 0,4868
Luas Kiri Z = 0,0132
Kesimpulan : Jadi, probabilitas kesalahan

dalam mengerjakan pekerjaan di Department of Investing dan Department of Budgeting
berbeda kurang dari 1 persen adalah sebesar 0,0132 atau 1,32%.
PENAKSIRAN RATA-RATA DAN PROPORSI
1. Pengertian
Penaksiran adalah keseluruhan proses menduga suatu parameter pada

populasi yang tidak diketahui nilainya dengan menggunakan statistik sampel
(Statistika Untuk Ekonomi dan Keuangan Modern, Suharyadi). Pada penaksiran,
kita mengambil sample untuk dianalisis, sehingga hasil analisis tersebut dapat
digunakan untuk memperkirakan ukuran populasi ( parameter populasi).
2. Jenis Penaksiran Statistik

Ada 2 jenis penaksiran/pendugaan yang dilakukan terhadap populasi, yaitu:
a. Pendugaan Titik (Point Estimation)
Contoh : Dari sample acak rata rata berat badan mahasiswa FEB Unpad
ialah 65kg
b. Pendugaan Interval (Interval Estimation).
Contoh : Dari sample acak rata rata berat badan mahsiswa FEB unpad
ialah 65 1 kg
3. Kriteria Penaksir yang Baik

Statistik sampel yang digunakan untuk menduga parameter populasi
harus memenuhi tiga kriteria berikut, yaitu:
Tidak bias (unbias)
Statistik sampel yang digunakan sebagai penduga (penaksir) harus sama
atau mendekati parameter populasi yang diduga.
Efisien
Statistik sampel memiliki standar deviasi yang kecil.
Konsisten
Jika ukuran sampel meningkat, maka statistik sampel akan semakin
mendekati parameter populasinya.
4. Penaksiran Titik (Point Estimation)
Pada penaksiran titik, kita menggunakan suatu nilai untuk menduga
parameter populasi.
Contoh:
Mahasiswa Berat Badan
Kara 85
Farhat 87
Evan 98
Lois 83
Anita 77
Untuk menduga rata-rata berat badan Statistics Teaching Assistant diambil 5
orang assistant statistik sebagai sample
87 + 85 + 98 + 83 + 77
= = = 86
5
Maka dugaan untuk rata rata berat badan assistant statistik adalah 86
5. Penaksiran Interval (Interval Estimation)

Macam-macam penaksiran interval:
1. Penaksiran Rata-rata
Ada 3 rumus pendugaan interval rata-rata .

a. /
+ /
<< / =

Rumus ini berlaku untuk sampel besar (n 30) dari populasi yang tak
terbatas (infinite population) atau dari populasi terbatas (finite population)

namun 0,05.

b.
/ <<
+ /

Rumus ini berlaku untuk sampel besar (n 30) dari populasi terbatas

dengan > 0,05.

c. /
+ /
<< / = ; =

Rumus ini berlaku untuk sampel kecil (n < 30), dengan menambahkan

faktor koreksi di kedua sisi jika sampel dari populasi terbatas

dengan > 0,05.
Contoh Soal :
Sebanyak 400 perusahaan swasta asing di Indonesia, seorang researcher

menyatakan bahwa dari 80 perusahaan swasta asing di Indonesia yang ia teliti,
modal perusahaan swasta asing yang berasal dari penjualan saham di bursa Rp 900
juta. Standar deviasi modal tersebut sebesar Rp 20 juta. Dengan tingkat signifikansi
sebesar 5%, berapakah taksiran rata-rata modal perusahaan swasta asing dari
penjualan saham di bursa?
Dik: N = 400
n = 80
= 900
s = 20
80

= 400 = 0,2 (menggunakan faktor koreksi)
Z/2 = Z(1-)/2 = Z0,475 = 1,96

Dit: P( /2 < < + /2 ) = 0,95
1 1
Jawab:
20 400 80 20 400 80
900 1,96 < < 900 1,96
80 400 1 80 400 1
900 3,92490921 < < 900 + 3,92490921
896,075091 < < 903,92490921

Jadi, dengan tingkat signifikansi 5% rata-rata modal perusahaan swasta
asing dari penjualan saham di bursa berkisar antara Rp 896,075091 juta sampai Rp
903,92490921 juta.
2. Penaksiran Proporsi
Kata proporsi menunjukkan persentase dari suatu bagian atau unsur
dari suatu bagian. Proporsi menunjukkan jumlah bagian tertentu dari suatu
kelompok.
Rumus penaksiran proporsi:

(1 ) (1 )

/2

< < + /2

/ =
Rumus ini berlaku untuk sampel besar (n 30) dari populasi yang tak
terbatas (infinite population) atau dari populasi terbatas (finite population)

namun 0,05.

Jika
> 0,05, gunakan faktor koreksi 1

(1 ) (1 )

/2

1
< < + /2

1
Jika sampel kecil (n < 30), ganti Z/2 menjadi t/2.

(1 ) (1 )

/2

< < + /2

/ = ; =

Contoh Soal :
Survey terhadap 22 calon pemilih menunjukkan bahwa 70% akan memilih Jokowi.
Buatlah dugaan sebesar 99% confident level untuk proporsi calon yang akan
memilih Jokowi!
Dik: n = 22
t/2 = t0,005; 21 = 2,831

= 0,7

(1 ) (1 )
Dit: P( /2

< < + /2

) = 0,99
Jawab:
0,7(0,3) 0,7(0,3)
0,7 2,831 < < 0,7 + 2,831
22 22
0,7 0,27659108 < < 0,7 + 0,27659108

0,42340829 < < 0,97659108
Jadi, dengan tingkat signifikansi 1% proporsi calon yang akan memilih Jokowi
berkisar antara 42,340829% dan 97,659108%.
SOAL PENAKSIRAN RATA-RATA DAN PROPORSI
1. Untuk mengetahui rata rata IPK mahasiswa Fakultas Audio Engineering

Universitas Padjadjaran, tim peneliti memilih 21 mahasiswa dari 450 mahasiswa
aktif Fakultas Audio Engineering. Ternyata rata rata IPK dari 45 mahasiswa
tersebut ialah 3,180 dengan simpangan baku 0,80. Buatlah pendugaan rata rata
IPK mahasiswa FEB Unpad yang sebenarnya dengan tingkat keyakinan 90%.
Dik: N = 450 n = 21
n/N = 0.04666667 < 0.05
= 3,180 s = 0,80
t/2 = t0,05; 20 = 1,725

Dit: P ( /2 < < + /2 ) = 0,90

Jawab:
0,80 0,80
3,18 1,725 < < 3,18 + 1,725
21 21
2,87885931 < < 3.48114069
Jadi, dengan tingkat signifikansi 10% rata-rata IPK mahasiswa FE Unpad ialah
antara 2,12600759 sampai dengan 4,23399241
2. PT United Tractor memiliki 4000 pekerja di bagian head office. Masing-masing

pekerja memiliki gaji berdasarkan jabatan atau posisinya. Dari 4000 pekerja
tersebut, terdapat 2500 orang yang bekerja dengan jabatan staff. Staff-staff ini
juga memiliki gaji yang bervariasi tergantung pada departemennya. Dalam
penelitiannya, Vincent bertanya kepada 200 staff mengenai gaji yang mereka
peroleh sebagai sample penelitiannya, sehingga diperoleh rata-rata gaji dari 200
staff tersebut 5325 (dalam ribuan rupiah) perbulan, dengan standar deviasi 1500
(dalam ribuan rupiah). Hitunglah taksiran interval rata rata gaji staff PT
United Tractor dengan tingkat signifikansi 1%.
Dik : N = 2500 n = 200 n/N = 0.08 > 0.05

= 5325 s = 1500
Z/2 = Z(1-)/2 = Z0,495 = 2,575

Dit : P( /2 < < + /2 ) = 0,99
1 1
Jawab :
1500 2500 200 1500 2500 200

5325 2,575 < < 5325 2,575
200 2500 1 200 2500 1
5325 262,0199048 < < 5325 + 262,0199048

5062,980095 < < 5587,019905
Jadi, dengan tingkat signifikansi 1%., taksiran interval rata rata gaji staff PT
United Tractor antara Rp 5.062.980,095 sampai dengan Rp 5.587.019,905
3. Ibu Jari Corporation yang bergerak di industri garmen memproduksi 700

pakaian setiap minggunya untuk didistribusikan ke berbagai macam toko
pakaian di Bandung. Dari 220 pakaian yang diambil, terdapat 187 pakaian
yang lolos uji kualitas standar, sedangkan sisanya ditolak untuk didistribusikan
karena tidak memenuhi spesifikasi standar. Dengan tingkat keyakinan 95%,
tentukan interval estimasi proposi pakaian yang reject.
Dik : N = 700 n = 220 n/N = 0.3143 > 0.05

33
x = (220-187) = 33
= 220
= 0.15 Z/2 = Z(1-
)/2 = Z0,475 = 1,96

(1 ) (1 )
Dit : P( /2

1
< < + /2

) 1 = 0,95
Jawab :

(1 ) (1 )
/2 < < + /2
1 1
0,15(0,85) 700 220

0,15 1,96 <
220 700 1
0,15(0,85) 700 220

< 0,15 + 1,96
220 700 1
0,1108995411 < < 0,1891004589
Jadi, dengan tingkat keyakinan 95%, interval estimasi proporsi pakaian

yang reject berkisar antara 11,08995411% sampai dengan 18,91004589%.
4. Abigail ingin melihat efektivitas penggunaan internet pada penjualan. Dari 120
toko yang diambil sebagai sample, 95 toko menunjukkan peningkatan
penjualan sebesar rata-rata 15 % dibandingkan ketika toko tersebut tidak
melibatkan e-commerce dalam lingkup bisnisnya. Buatlah dugaan interval
proporsi toko yang mengalami peningkatan penjualan dengan tingkat
keyakinan 99 %.
95
Dik : n = 120 x = 95 = = 0.79167 Z/2 = Z(1-
120
)/2 = Z0,495 = 2,575

(1 ) (1 )
Dit : P( /2
< < + /2
) = 0,99

Jawab :

(1 ) (1 )
/2 < < + /2 )

0,7917(0,2083)
0,79167 2,575 <
120
0,7917(0,2083)
< 0,79167 + 2,575
120
0,6962121677 < < 0,8871278323
Jadi, dugaan interval proporsi toko yang mengalami peningkatan penjualan

dengan tingkat keyakinan 99 % adalah 69,62121677% sampai 88,71278323
%.
5. 25 students from Unpad will depart to United States to be the delegations of

Indonesia in World Music Conference. One of the eligibility is to have IELTS
score more than 6,0. James, as one of those selected students wants to find out
the average estimation of IELTS score of them. Therefore, he asked the score
to 18 of his friends. He obtained that the average of his and 17 friends IELTS
score is 6,45 with standard deviation of 0,4. With the significance level of
10%, determine the interval estimation of average of those students IELTS
score.
Given : N = 25 n = 18 n/N = 0.2 > 0.05
= 6.45 s = 0.4 t/2 = t0,05; 17 = 1,740

Question : P ( /2 < < + /2 ) = 0,90
1 1
Answer :

< < +
2 1 2 1
0.4 25 18 0.4 25 18
6,45 1,740 < < 6,45 1,740
18 25 1 18 25 1
6,361403537 < < 6,538596463
So with the significance level of 10%, the interval estimation of average of those
selected students IELTS score is between 6,361403537 and 6,538596463.
6. The marketing assistant manager of iTunes music store has conducted the
customer survey to assess the customers preference of 2 options men singers.
The options are David Archuleta and Chris Brown. Based on the survey result,
90 of 150 respondents choose David Archuleta, while the rest go on Chris.
Estimate the proportion of people choosing David Archuleta with confidence
level of 95%.
90
Given : n = 150 x = 90
= 150
= 0.6 Z/2 = Z(1-
)/2 = Z0,475 = 1,96

(1 ) (1 )
Question : P( /2
< < + /2
) = 0,95

Answer :

(1 ) (1 )
/2 < < + /2

0,6(0,4) 0,6(0,4)
0,6 1,96 < < 0,6 + 1,96
150 150
0,5216 < < 0,6384
Therefore, the proportion of people choosing David Archuleta with confidence

level of 95% is among 52,16 % and 63,84 %
7. The Creative Minister of United States conducts research related to music.

Taken 21 of 121 companies running in music industry, the average of songs
released daily for U.S. residents to listen is 18. This number of songs usually
deviate 4 each day. Based on the information retrieved, calculate the interval
estimation of average of songs released in United States with the significance
level of 2%.
Given : N =121 n = 21 = 18 s=4
t/2= t0,01 ;20 = 2,528
n/N = 0.173554 > 0.05

Question : P ( /2 < < + /2 ) = 0,98
1 1
Answer :

/2 < < + /2
1 1
4 121 21 4 121 21
18 2,528 < < 18 + 2,528
21 121 1 21 121 1
15,98564138 < < 20,01435862
Therefore, with the significance level of 2%, interval estimation of average of

songs released in United States is between 15 and 20 songs.
8. The annual scholarship sponsored by United States Ambassador is given to

Indonesian and Brunei Darussalam citizens. Each year there are 75 available
scholarships to grant.
28 scholarships were taken as sample, 65% of them were granted to Indonesian
and the rest to Brunei. With the significant level of 5% compute the interval
estimate of proportion of scholarships granted to Brunei.

Given : N = 75 n = 28 = 35% = 0.35

t/2= t0,025 ;27 = 2,052

28
n/N = 75 = 0,3733333 > 0.05

(1 ) (1 )
Question : P( /2
< < + /2
) = 0,95
1 1
Answer :

(1 ) (1 )
/2 < < + /2
1 1
0,35(0,65) 75 28
0,35 2,052 <
28 75 1
0,35(0,65) 75 28
< 0,35 + 2,052
28 75 1
0,2025916414 < < 0,4974083586

Therefore, with the significance level of 5%, interval estimate of proportion of
scholarships granted to Brunei is between 20 and 49.
PENAKSIRAN SELISIH RATA-RATA DAN SELISIH PROPORSI
Penaksiran Selisih Rata-Rata
Apabila kita hendak menaksir perbedaan rata-rata ( 1 2 ) pada dua populasi,

maka kita bisa menaksir rata-rata populasi tersebut dengan menggunakan statistik
sampel rata-rata
( x1 x2 ) . Jika sampel yang diambil dari populasi ke satu
berukuran n1 dan simpangan baku s1 dengan rata-rata x1 dan sample yang diambil
dari populasi ke dua berukuran n2 dan simpangan baku s2 dengan rata-rata x 2 , maka
titik taksiran selisih rata-rata populasi (1 2 ) adalah ( x1 x2 ) .
1. Untuk sample besar (n1 30 & n2 30)
12 22 12 22
( x1 x2 ) Z 1 2 ( x1 x2 ) Z
2 n1 n2 2 n1 n2
2 2 2 2
s1 s s1 s
( x1 x 2 ) Z 2 1 2 ( x1 x 2 ) Z 2 *)
2 n1 n2 2 n1 n2
2. Untuk sample kecil (n1 30 & n2 30)
12 22 12 22
( x1 x 2 ) t 1 2 ( x1 x 2 ) t
2 n1 n2 2 n1 n2
2
s1 s 2
2
s1 s 2
2 2
; df n1 n2 2 * *)
( x1 x 2 ) t 1 2 ( x1 x 2 ) t
2 n1 n2 2 n1 n2
(n1 1)s1 (n2 1)s2 1 1 (n 1)s (n 1)s 1 1

2 2 2 2
* **)
( x1 x2 ) t ( ) 1 2 ( x1 x2 ) t 1 1 2 2 ( )
2 n1 n2 2 n1 n2 2 n1 n2 2 n1 n2
Catatan :
2 2
*) Digunakan bila 1 dan 2 tidak diketahui nilainya
2 2
* *)Digunakan bila 1 dan 2 tidak diketahui nilainya dan diketahui 1 2
2 2
2 2 2 2
* **)Digunakan bila 1 dan 2 tidak diketahui nilainya dan diketahui 1 = 2
Contoh Soal
Sekelompok kolektor barang-barang jadul melakukan penelitian terhadap umur 2

merk mobil. Merk STATIS memiliki rata-rata umur 7700 jam dengan simpangan
baku 400 jam, sedangkan Merk TIKA memiliki rata-rata umur 5500 jam dengan
simpangan baku 300 jam. Apabila diambil sampel acak sebanyak 200 unit,
berapakah selisih rata-rata umur kedua merk tersebut dengan Cl 95%?
Penyelesaian
Dik :
= 200 = 1 = 7700 2 = 1 2 = 160.000
= 200 = 2 = 5500 2 = 2 2 = 90.000
Dan untuk tingkat kepercayaan 95%, maka:
(1 ) 0.95
= = 0.475 ( )
2 2
2 = 1.96
Maka selisih rata-ratanya:
12 22 12 22
( x1 x 2 ) Z 1 2 ( x1 x 2 ) Z
2 n1 n2 2 n1 n2
160000 90000
(7700 5500) 1.96 + < x - y < (7700 5500) +1.96
200 200
160000 90000
+ 200
200
2200 69.29646456 < x - y < 2200 + 69.29646456
2130.703535 < x - y < 2269.296465
maka selisih rata -rata umur kedua merk barang tersebut dengan tingkat
kepercayaan 95 % adalah 2130.703535 jam sampai dengan 2269.296465 jam.
(Komputer dengan software minitab)
Langkah-langkahnya :
1. Pilih menu Stat, kemudian basic statistik, kemudian 2 sample t

2. Pilih summarized data, masukkan jumlah sample, mean, standar deviasi
masing-masing data kedalam kolom first dan second. Sesuaikan dengan soal.
3. Klik options dan masukkan confidence level 95,0
4. Terakhir klik OK
Output:
Two-Sample T-Test and CI
SE
Sample N Mean StDev Mean
1 200 7700 400 24
2 200 5500 300 16
Difference = mu (1) - mu (2)
Estimate for difference: 2200.000
95% CI for difference: (1694.563, 2705.437)

T-Test of difference = 0 (vs not =): T-Value = 23.78 P-Value = 0.000 DF = 259
Penaksiran Selisih Proporsi
Hal yang sama untuk taksiran selisih proporsi ( 1 2 ) . Jika sample yang diambil
dari populasi ke satu berukuran n1 dan terdapat 1 kejadian dari n1 sampel atau
percobaan dan sample yang diambil dari populasi ke dua berukuran n2 dan terdapat
2 kejadian dari n2 sampel atau percobaan, maka titik taksiran selisih proporsi
x1 x2
populasi ( 1 2 ) adalah ( p1 p2 ) dimana p1 dan p 2
n1 n2
1. Untuk sample besar (n1 30 & n2 30)
x1 x1 x 2 x2 x1 x1 x 2 x 2 *)
(1 ) (1 ) (1 ) (1 )* *)
(xx11 x 2x2 ) Z n1 (1
n1 )( n12 1n2) 1 2 (xx11 xx2 2 ) Z n1 (1 n1 )( n12 1n2)
( n n) Z 2 n n 1 2 ( n n) Z 2 n n
n11 n2 2 2 n1 1 n 2
2 n11 n2 2 2 n1 1 n 2
2
2. Untuk sample kecil (n1 30 & n2 30)

x1 x x2 x x1 x x2 x *)
(1 1 ) (1 2 ) (1 1 ) (1 2 )
x x n1 n1 n n2 x x n1 n1 n n 2 * *)
( 1 2 ) t 2 1 2 ( 1 2 ) t 2
n1 n 2 2 n1 n2 n1 n 2 2 n1 n2
; df n1 n2 2
* *)
x1 x2 1 1 x x 1 1
( ) t (1 )( ) 1 2 ( 1 2 ) t (1 )( )
n1 n2 2 n1 n2 n1 n2 2 n1 n2
Catatan :
1.Bila x1, x2, n1 & n2 masing-masing dinyatakan dengan bilangan bulat
positif, persoalan penaksiran tersebut dapat diselesaikan atau
dipecahkan dengan menggunakan rumus **).

2.Akan tetapi bila x1/n1, x2/n2 masing-masing dinyatakan dengan
bilangan dalam bentuk rasio atau persen maka hanya digunakan
rumus *).
Contoh Soal :
Perusahaan elektronik IHSG mengambil sampel random produk kamera

sebanyak 130 buah dan 26 diantaranya adalah cacat. Sampel yang lain dari
perusahaan PUSH yang juga mengambil random produk kamera sebanyak 200
buah dan 30 diantaranya cacat. Dengan mengetahui bahwa kualitas produksi
kamera kedua perusahaan ialah sama, berapa beda 2 proporsi kerusakan produk
dengan Cl 95%?
Penyelesaian
(manual)
Dik :
1 = 130 1 = 26 C.l = 95 %
2 = 200 2 = 30 2 = 1.96
Solusi:
x1 x x x x1 x x x
(1 1 ) 2 (1 2 ) (1 1 ) 2 (1 2 )
x1 x 2 n1 n1 n2 n2 x x n1 n1 n2 n2
( ) Z 1 2 ( 1 2 ) Z
n1 n2 2 n1 n2 n1 n2 2 n1 n2
26 30 0.20.8 0.150.85 26 30
(130 200
) - 1.96 ( 130
+ 200 ) < 1 2 < (130 200
) + 1.96
0.20.8 0.150.85
( + 200 )
130
0.05 0.084718021 < 1 2 < 0.05 + 0.084718021
-0.034718021 < 1 2 < 0.134718021
Kesimpulan : Dengan tingkat kepercayaan 95 %, rentang taksiran selisih proporsi

kerusakan antara dua produk elektronik tersebut adalah sebesar 3.47% sampai
dengan 13.47 %.
SOAL PENAKSIRAN SELISIH RATA-RATA
DAN SELISIH PROPORSI
1. Selama 10 tahun terakhir rata-rata curah hujan di suatu daerah selama bulan
November adalah 5,08 cm3 dengan standar deviasi 1,15 cm3. Di daerah lain,
catatan serupa selama 5 tahun terakhir menunjukkan bahwa rata-rata curah
hujan selama bulan November adalah 2,42 cm3 dengan standar deviasi 0,98
cm3. Tentukan CL 95% bagi beda rata-rata curah hujan selama bulan Mei di
kedua daerah tersebut!
(Asumsi : pengamatan berasal dari dua populasi normal dengan ragam yang
berbeda)
Penyelesaian
Diket :
1 = 5,08 s1 = 1,15 n1 = 10
= 2,42
2 s2 = 0,98 n2 = 5
Jawab :
s12 s2 2 s12 s2 2
( x1 x2 ) t 1 2 ( x1 x2 ) t
2 n1 n2 2 n1 n2
1,3225 0,9604
(5,08 2,42) 2,160 + < x - y < (5,08 2,42) +2,160
10 5
1,3225 0,9604
+ 5
10
2,66 1,230119526 < x - y < 2,66 + 1,230119526

1,429880474 < x - y < 3,890119526
Kesimpulan : Jadi selisih rata-rata curah hujan yang sebenarnya selama
bulan Mei di kedua daerah tersebut berada dalam rentang
1,429880474 cm3 sampai 3,890119526 cm3.
2. Untuk mengetahui apakah ada perbedaan rata-rata jajan bulanan bagi para
siswa Sekolah Dasar dari 2 sekolah yaitu SD Pemakmuran dan SD Cinta
Damai, maka dilakukan wawancara terhadap 8 siswa SD yang dipilih secara
acak sebagai sampel masing-masing sekolah. Hasilnya sebagai berikut :
Siswa 1 2 3 4 5 6 7 8
Jajan/bln Pemakmuran 20 35 45 36 39 25 42 28
(dlm puluhan Cinta Damai 30 26 21 35 19 38 24 39
ribu rupiah)
Tentukan penaksiran interval dari selisih rata-rata gaji tersebut dengan
derajat kepercayaan 98%!
Penyelesaian
270
= = 8
= 33,75 Rp 337.500,-
202
= = 8
= 29 Rp 290.00,-
( )2
2 = 1
= 8,68085 Rp 86.808,-
( )2
2 = = 7,708993 Rp 77.090,-
1
s12 s2 2 s12 s2 2
( x1 x2 ) t 1 2 ( x1 x2 ) t
2 n1 n2 2 n1 n2
75,35715672 59,42857307
(33,75 29) 2,624 8
+ 8
< 1 - 2 <
75,35715672 59,42857307
(33,75 29) + 2,624 8
+ 8
p (-6,086296775 < 1 - 2 < 15,58629677) = 98%
Jadi dengan Cl 98%, interval rata-rata jajan/bulan siswa SD Pemakmuran dan

SD Cinta Damai antara Rp 60.863,00 sampai dengan Rp 155.863,00
3. An Indonesian student studying in Korea trying to do research about

Korean people who conduct plastic surgery over their face. She visited
hospital in Seoul and found out that out of 300 female patients, 210 were
gone plastic, while out of 300 male patient, 126 were classic. Construct and
interpret estimate for the difference between the population proportion of
who are gone plastic in Korea among the male and female patients.
Solution
Given : n1 = 300 n2 = 300

x1 = 210 x2 = 174
Determine : interval estimate for the difference between the population
proportion?
Answer :
1 210 2 174
= = 0.70 = = 0.58
1 300 2 300
1 5%
2 = = 0.475 2 = 1.96
2
x1 x x2 x x1 x x2 x
(1 1 ) (1 2 ) (1 1 ) (1 2 )
x1 x 2 n1 n1 n n2 x x n1 n1 n n2
( ) Z 2 1 2 ( 1 2 ) Z 2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
(0.7)(0.3) (0.58)(0.42)
(0.70 0.58) 1.96 + < 1 2
300 300
(0.7)(0.3) (0.58)(0.42)
< (0.70 0.58) + 1.96 +
300 300
0.12 0.07621351061 < 1 2 < 0.12 + 0.07621351061

0.04378648939 < 1 2 < 0.1962135106
So, with 5% significance level, the interval estimation for the difference
between the population proportion of who are gone plastic in Korea among the
male and female patients is between 4.38 % and 19,62 %.
4. During the advertisement project in Avocado Corporation, the project

manager would like to know the creativity and innovation created by his
employees, taken from two different division. 15 employees from Editor
division and 13 from Creative. As the result, 6 ideas from Editor were
accepted by the customers and was proved increasing the sales of
customers, while 8 ideas obtained from Creative team. Based on the data,
help the project manager to determine the interval of difference between
proportion of Editor and Creative team about their bright mind with the
significance level of 1%.
Solution
Given:
= 15 = 13
6 8

= 15 = 0.4 = 13 = 0.6154

= 2.779
2
(manual)
x1 x x2 x x1 x x2 x
(1 1 ) (1 2 ) (1 1 ) (1 2 )
x1 x2 n1 n1 n n2 x x n1 n1 n n2
( ) t 2 1 2 ( 1 2 ) t 2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
(0.4) (0.6) (0.6154) (0.3846)
(0.4 0.6154) 2.779 + < 1 2 <
15 13
(0.4) (0.6) (0.6154) (0.3846)

(0.4 0.6154) + 2.779 + or
15 13
-0.2154 - 0.5139750719 < 1 2 < -0.2154 + 0.5139750719

-0.7293750719 < 1 2 < 0,2985750719
So, with the significance level of 1% the interval of difference between

proportion of Editor and Creative team about their bright mind is between
29.86 % and 72.94 %.
5. The results of a study conducted as part of a yield-improvement effort at a

semiconductor manufacturing facility provided defect data for sample of
500 biscuits. The following contingency table presents a summary of the
responses to two questions: was a particle found on the process of
producing the biscuit? and is the biscuit good or bad?
Quality of water
PARTICLES Good Bad Total
Yes 20 40 60
No 355 85 440
Total 375 125 500
Construct and interpret a 90% confidence interval estimate of the difference

between the population proportion of good and bad wafers that contain
particles!
Solution
Given:
= 375 = 125
20 40

= 60 = 0.3333
= 60 = 0.6667
2 = 1.645
Jawab:
x1 x x2 x x1 x x2 x
(1 1 ) (1 2 ) (1 1 ) (1 2 )
x1 x2 n1 n1 n n2 x x n1 n1 n n2
( ) Z 2 1 2 ( 1 2 ) Z 2
n1 n2 2 n1 n2 n1 n2 2 n1 n2
(0.3333) (0.6667) (0.3333) (0.6667)
(0.6667 0.3333) 1.645 + < 1 2 <
60 60
(0.3333) (0.6667) (0.3333) (0.6667)

(0.6667 0.3333)+ 1.645 + or
60 60
0,191824482 < 1 2 < 0,474975518

With 90% confidence level, interval estimate of the difference between the
population proportion of good and bad wafers that contain particles is
between 19,18 % and 47,50 %, the proportion of bad wafers containing
particles is larger than proportion of the good one.
6. Dari hasil sebuah proses produksi dikirim ke lokasi Buah Batu sebanyak 30
buah barang, ternyata rata-rata masa pakainya 200 menit dengan deviasi
standar 20 menit. Barang itu juga dikirim ke lokasi Rancaekek sebanyak 20
barang dan ternyata mempunyai rata-rata masa pakainya 180 menit dengan
deviasi standar 15 menit. Tentukanlah selisih rata-rata masa pakai barang
yang dikirim pada kedua lokasi tsb dengan derajat kepercayaan 1% ?
Penyelesaian
Dik :
= 31 = 200 2 = 400
= 20 = 180 2= 225
Dan untuk tingkat signifikansi 1%, maka:
(1 ) 0.99
= = 0.495 ( )
2 2
2 = 2,575
Maka selisih rata-ratanya:
12 22 12 22
( x1 x 2 ) Z 1 2 ( x1 x 2 ) Z
2 n1 n2 2 n1 n2
400 225 400 225

(200 180) 2,575 + < x - y < (200 180) +2,575 +
30 20 30 20
20 12,65507736 < x - y < 20 + 12,65507736

7,344922645 < x - y < 32,65507736
maka selisih rata-rata masa pakai barang yang dikirim kedua lokasi dengan
tingkat kepercayaan 99% adalah 7,344922645 menit sampai dengan
32,65507736 menit.
7. Dalam mengerjakan skripsinya, seorang mahasiswa ingin mengadakan

sebuah survey dengan tujuan mengetahui waktu tunggu layanan perbankan
dan rumah sakit. Untuk itu dilakukan pengamatan pada data-data waktu
tunggu setiap pelanggan selama satu periode yang didapat dari dua sektor
usaha tersebut. Data berikut merupakan waktu tunggu dari sampel yang
dipilih secara acak 10 pelanggan :
Waktu tunggu (dalam menit)
Perbankan 9,3 5,9 6,2 8,5 5,6 2,7 8.9 7,3 7,9 6,4
Rumah Sakit 4,2 6,3 5,4 8,7 4,4 2,5 4,9 8,8 7,8 6,5
Asumsikan varians populasinya sama, tentukanlah batas-batas taksiran
selisih rata-rata waktu tunggu hasil survei mahasiswa tersebut dengan
tingkat signifikansi 10%?
Jawab :
Dik:
= 10 = 10
1 = 6.87 2 = 5.95
2 = 3.837888853 2 = 4.256111101
C.l = 90 % 2 = 1.734 (df = 10 + 10 -2 = 18)
Solution
(n1 1)s1 (n2 1)s2 1 1 (n1 1)s1 (n2 1)s2 1 1

2 2 2 2
( x1 x2 ) t ( ) 1 2 ( x1 x2 ) t ( )
2 n1 n2 2 n1 n2 2 n1 n2 2 n1 n2
(101)(3.837889049)+ (101)( 7.04890818) 1 1

(6.87-5.95) 1.734 ( + ) < 1 -
10+102 10 10
(101)(3.837889049)+ (101)( 7.04890818) 1 1

2< (6.87-5.95) + 1.734 10+102
(10 + 10)
-0.6400218885 < 1 - 2 < 2.480021888
Dengan tingkat sigifikansi 10%, maka batas-batas taksiran selisih rata-rata

waktu tunggu hasil survei mahasiswa adalah antara 0.6400218885 sampai
2.480021888 menit.
8. David as the musician of United States was testing the piano in Nokia
Theatre. 50 pianos were taken as sample, and after the testing, he found that
14 of them were out of pitch. Then he asked the officer to settle up the
pitchy piano. While the day after, he visited Rascal Flatts and found 8
pitchy piano out of 30 he was testing on. Calculate the estimate interval for
difference between proportion of pitchy piano in Nokia and Rascal with
confidence level of 95%.
Solution :
Given :
= 50 = 30
14 8
= 50
= 0.28
= 30
= 0.2667
2 = 1.96
Jawab:
x1 x x2 x x1 x x2 x
(1 1 ) (1 2 ) (1 1 ) (1 2 )
x1 x2 n1 n1 n2 n2 x1 x2 n1 n1 n2 n2
( ) Z 1 2 ( ) Z
n1 n2 2 n1 n2 n1 n2 2 n1 n2
(0.28) (0.72) (0.2667) (0.7333)
(0.28 0.2667) 1.96 + < 1 2 <
50 30
(0.28) (0.72) (0.2667) (0.7333)

(0.28 0.2667) + 1.96 + or
50 30
0.0133 0.130975178 < 1 2 < 0.0133 + 0.130975178

-0.188027752 < 1 2 < 0.214627752
Therefore, the estimate interval for difference between proportion of pitchy

piano in Nokia and Rascal with significance level of 5% is between 18,8 %
and 21,46%.
UJI HIPOTESIS RATA-RATA DAN PROPORSI
Hipotesis adalah sebuah dugaan atau referensi yang dirumuskan serta

diterima untuk sementara yang dapat menerangkan fakta-fakta yang diamati dan
digunakan sebagai petunjuk dalam pengambilan keputusan.(Suharyadi; 2009).
Pengujian Hipotesis
Pengujian hipoitesis adalah prosedur yang didasarkan pada bukti sampel
yang dipakai untuk menentukan apakah hipotesis merupakan suatu pernyataan yang
wajar dan oleh karenanya tidak ditolak atau hipotesis tersebut tidak wajar dan
kerena itu ditolak.
Perumusan Hipotesis
Perumusan hipotesis dikembangkan menjadi hipotesis nol dan hipotesis
alternatif.
a. Hipotesis Nol(Ho)
- Hipotesis nol dilambangkan dengan Ho dan diformulasikan untuk ditolak
sesudah pengujian.
- Memprediksi tidak adanya perbedaan antara satu kondisi dengan kondisi
yang lain.
b. Hipotesis Alternatif (Ha)
- Hipotesis alternatif (Ha) merupakan hipotesis yang diterima ketika menolak
hipotesis nol (Ho) dan berlaku sebaliknya.
- Memprediksi adanya perbedaan antara satu kondisi dengan kondisi lain.
Contoh :
1. Ho : Rata-rata nilai Bahasa Inggris mahasiswa kelas A sama dengan rata-
rata nilai Bahasa Inggris mahasiswa kelas B
2. Ha : Rata-rata nilai Bahasa Inggris mahasiswa kelas A tidak sama dengan
rata-rata nilai Bahasa Inggris mahasiswa kelas B
Uji Hipotesis Rata-Rata
Adalah pengujian mengenai hipotesis rata-rata suatu populasi yang
didasarkan atas informasi sampelnya.
Langkah-Langkah Menguji Rata-Rata Populasi():
1. Rumuskan Hipotesis
a. 0 : = 0 (pengertian sama/uji 2 pihak)
: 0
b. 0 : 0 (uji 1 pihak kanan/ pengertian max)
: >0
c. 0 : 0 (uji 1 pihak kiri/ pengertian min)
: <0
2. Perhitungan Z stat dan t stat

Perhitungan Z stat:
bila populasinya terbatas (N dan n diketahui nilainya) dan

> 0,05, gunakan faktor koreksi
1

=

/
1

0,05 atau bila populasinya tidak terbatas (N tidak diketahui
nilainya)

=
/
Bila standar deviasi populasi () tidak diketahui dapat diganti dengan standar
deviasi sampelnya (s).
Perhitungan t stat, ketika n < 30


> 0,05, gunakan faktor koreksi 1

= ; = 1

/ 1

0,05 atau bila populasinya tidak terbatas (N tidak diketahui

nilainya)

= ; = 1
/
Bila standar deviasi populasi () tidak diketahui dapat diganti dengan standar
deviasi sampelnya (s).
3. Menentukan batas daerah penerimaan dan penolakan:

a. n > 30, tentukan nilai Z table
1
Z1/2 = Z = 0.5
2
Ket : Z1/2 = Z table untuk uji 2 pihak
Z = Z table untuk uji 1 pihak

n 30, tentukan nilai t table dengan derajat kebebasan (degree of
freedom/df)
t1/2 = t table untuk uji 2 pihak
t =t table untuk uji 1 pihak

df = n -1
b. Gunakan (tingkat signifikasi)
c. Gambarkan daerah penolakan dan penerimaan hipotesis nol
berdasarkan langkah 1
i. Uji 2 pihak
Daerah penolakan H Daerah penolakan H

(daerah kritis ) (daerah kritis )
Daerah penerimaan
H
?
-Z1/2 Z1/2
ii. Uji 1 pihak kanan
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
Z
iii. Uji 1 pihak kiri
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
-Z
Keterangan :
Daerah yang diasir adalah daerah penolakan Ho dan untuk n 30, Z diganti dengan
t.
4. Menentukan kriteria penerimaan atau penolakan

(1) Untuk uji 2 pihak : Z <- atau Z > Ho ditolak
2 2
Jika Z Ho tidak dapat

2 2
ditolak
(2) Uji 1 pihak kanan : Z > , Ho ditolak
Z , Hotidak dapat ditolak
(3) Uji 1 pihak kiri : Z < Ho ditolak
Z Hotidak dapat ditolak
Nilai Z diganti dengan t jika n 30.
5. Bandingkan nilai Z atau t (yang diperoleh pada tahap 2) dengan Z atau t

table serta simpulkan apakah Ho tidak dapat ditolak atau ditolak berdasarkan
kriteria penerimaan/penolakan.
6. Membuat kesimpulan secara komprehensif/lengkap
Contoh Soal:
Berat dari ensiklopedia yang diproduksi oleh percetakan Gramedina memiliki rata-
rata 1900 gram dengan standar deviasi 100 gram. Dengan menggunakan teknik
produksi baru, percetakan Gramedina mengklaim bahwa berat ensiklopedia dapat
dikurangi. Untuk menguji klaim ini, diambil sampel sebanyak 50 buah ensiklopedia,
dan diketahui bahwa rata-rata berat ensiklopedi adalah 1850 gram. Dapatkah klaim
dari percetakan Gramedina dibenarkan pada tingkat signifikansi 1%?
Jawab :
Dik : n = 50 = 1%
= 1850 = 100
1. Ho : = 1900 (Berat ensiklopedia tidak dapat dikurangi menggunakan teknik

produksi baru)
Ha : < 1900 (Berat ensiklopdia dapat dikurangi menggunakan teknik produksi
baru)
18501900
2. = = 100/50
= -3,535

3. = 2,33
4. Kriteria Uji : Uji 1 pihak kiri : Z < Ho ditolak
Z Ho tidak dapat ditolak
5.
Daerah penolakan Ho
(
Daerah penerimaan Ho
-Z
6. Ternyata -3,535 < 2,33 maka Ho ditolak
Kesimpulan : Pada tingkat signifikansi 1%, percetakan Gramedina mengenai

berat ensiklopedia dapat dikurangi dengan menggunakan teknik produksi baru
adalah benar.
Uji Hipotesis Proporsi
Adalah pengujian hipotesis mengenai proporsi/perbandingan suatu populasi

yang didasarkan atas informasi sampelnya.
Langkah langkah menguji proporsi populasi ():
a. Rumuskan Hipotesis
a. 0 : = 0 (uji 2 pihak)
:
b. : (uji 1 pihak kanan/ pengertian max)
: >
c. : (uji 1 pihak kiri/ pengertian min)
: <
2) Perhitungan Z stat dan t stat (Z hitung atau t hitung)
Perhitungan Z stat:
, gunakan faktor koreksi

( )

Z=
(1)


atau bila populasinya tidak terbatas (N tidak diketahui
nilainya)
Ket : x/n = proporsi sampel
= proporsi populasi
Perhitungan t stat:
, gunakan faktor koreksi

( )

t=
(1)


atau bila populasinya tidak terbatas (N tidak diketahui
nilainya)

( )

t= ; df : n 1
(1)

3) Menentukan batas daerah penerimaan dan penolakan
a. n > 30, tentukan nilai Z table

1
Z1/2 = Z = 0.5
2
Ket : Z1/2 = Z table untuk uji 2 pihak
Z = Z table untuk uji 1 pihak

n 30, tentukan nilai t table dengan derajat kebebasan (degree of
freedom/df)
t1/2 = t table untuk uji 2 pihak
t = t table untuk uji 1 pihak

df = n -1
a. Gunakan tingkat signifikansi (
b. Gambarkan daerah penolakan dan penerimaan hipotesis nol
berdasarkan langkah 1.
i. Uji 2 pihak
Daerah penolakan H Daerah penolakan H

(daerah kritis ) (daerah kritis )
Daerah penerimaan
H
?
-Z1/2 Z1/2
ii. Uji 1 pihak kanan
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
Z
iii. Uji 1 pihak kiri
Daerah penolakan H
(daerah kritis)
Daerah penerimaan
H
-Z
Keterangan :
Daerah yang diasir adalah daerah penolakan Ho dan untuk n 30, Z diganti dengan
t.
4. Menentukan kriteria penerimaan atau penolakan
(1) Untuk uji 2 pihak : Z <- atau Z > Ho ditolak

2 2
Jika Z Ho tidak dapat

2 2
ditolak
(2) Uji 1 pihak kanan : Z > , Ho ditolak
Z , Hotidak dapat ditolak
(3) Uji 1 pihak kiri : Z < Ho ditolak
Z Hotidak dapat ditolak

Nilai Z diganti dengan t jika n 30.
5. Bandingkan nilai Z atau t (yang diperoleh pada tahap 2) dengan Z atau t
table serta simpulkan apakah Ho tidak dapat ditolak atau ditolak berdasarkan
kriteria penerimaan/penolakan.
6. Membuat kesimpulan secara komprehensif/lengkap
Contoh Soal:
Pelatih Timnas U-19 sangat yakin bahwa dengan adanya Tur Pertandingan di Timur
Tengah maka performa pemainnya akan meningkat. Pada tahun 2014 dari 30
pemain yang mengikuti tur, sebanyak 26 pemain menunjukan peningkatan performa
dan 4 pemain lainnya mengalami penurunan. Dari data tersebut ujilah pernyataan
bahwa 90% lebih pemain mengalami peningkatan performa dengan taraf nyata 5%!
Dik : x = 26 = 5% = 90% n = 30
Dit : Ujilah pernyataan tersebut
Jawab :
1. : 0.9 ( 90% lebih pemain mengalami peningkatan performa )
: < 0.9 ( Tidak 90% lebih pemain mengalami peningkatan performa )

( ) (26/30)0,90

2. t = =
(1) 0.90 0,10

30
t = - 0,6086
3. t df : n 1 = 29 Lihat table t; maka t = 1,6991
= 0,05
4. Kriteria uji : Uji 1 pihak kiri : t < t , ditolak

t t , tidak dapat ditolak
Daerah Penolakan Ho Daerah penerimaan Ho
-t
5. Ternyata : - 0,6086> -1,6691; maka t >t , tidak dapat ditolak
Kesimpulan : Dengan tingkat signifikansi 5%, maka pernyataan bahwa bahwa 90%
lebih pemain mengalami peningkatan performa adalah benar.
SOAL UJI HIPOTESIS RATA-RATA DAN PROPORSI
1. Produsen dari suatu obat yang dipatenkan mengklaim bahwa obat tersebut 80%
efektif mengobati alergi dalam periode waktu 9 jam. Dari sampel yang terdiri
dari 200 orang yang memiliki alergi, obat tersebut menyembuhkan 170 orang.
Tentukan apakah klaim dari perusahaan tersebut dapat dibenarkan dengan
menggunakan tingkat signifikasi 0,01.
Jawaban:
Dik : n = 200; = 1%; X = 170
Dit : Ujilah pertanyaan tersebut.
Jawab:
Ho : 80%
Ha : < 80% (uji pihak kiri)

( )

1. Z =
(1)

170
( )0.8
200
Z=
0.8(10.8)

200
Z = 1,77
2. Kriteria uji : uji 1 pihak kiri : Z < Z, Ho ditolak
Z Z Ho tidak dapat ditolak
3. T
e
r
n
y
a
t
a Daerah penerimaan Ho
-Z = -2,33
1
1,77 > -2,33; Z > Z Ho tidak dapat ditolak
4. Kesimpulan : pada tingkat signifikasi 1% pernyataan perusahaan obat
tersebut bahwa obat tersebut 80% efektif mongobati alergi dalam periode
waktu 9 jam adalah benar karena perbendaannya tidak terlalu signifikan.
2. Rata-rata daya tahan dari suatu sampel yang terdiri dari 100 bola lampu yang
dihasilkan oleh suatu perusahaan diperkirakan 1670 jam dan standar deviasinya
120 jam. Jika rata-rata dari semua bola lampu yang dihasilkan oleh perusahaan
tersebut adalah 1700 jam. Ujilah pernyataan perusahaan tersebut dengan tingkat
signifikasi 5%.
Jawaban:
Dik : n = 100 = 5% = 1670 s = 120
Dit : Ujilah pernyataan tersebut.
Jawaban :
1. Ho : = 1700 jam
Ha : 1700 jam

2. =
/
16701700
= 120/100
Z = -2,50
3. Kriteria uji : uji dua pihak : Z <- atau Z > Ho ditolak
2 2
-Z1/2 = -1,96 Z1/2 = 1,96

Jika Z Ho tidak dapat ditolak
2 2
4. Ternyata -2,50 < -1,96, Z <- Ho ditolak

2
5. Kesimpulan : pada tingkat signifikasi 5% pernyataan perusahaan

tersebut bahwa rata-rata daya tahan lampu adalah 1700 jam adalah
salah karena terdapat perbedaan yang signifikan.
3. A car showroom wanted to know wheather the customers who bought cars on
credit to pay the credits on the date specified. According to the showroom,
customers who pay on time was 50%. To prove an opinion, the showroom has
entered into a randomized study of 100 customers who bought cars on credit.
a. In this case, what is the null hypothesis and alternative hypothesis?
b. Is the alternative hypothesis one-sided or two-sided
c. Suppose that this car showroom finds that 43% of the customers in its
sample remembered the ad. If alpha is set equal to 5%, should the car
showroom conclude that the proportion is less than 0,5? State the
decicision rule! Give the formula for the test statistics!
Jawaban :
Dik : n = 100 = 5%
Dit : a. Tentukan Ho dan Ha
b. Ha uji satu sisi atau dua sisi
c. Jika showroom mobil itu menemukan bahwa 43% dari langganan salam
sample mengingat pembayaran kredit tersebut. Jika tingkat signifikasi
5%, haruskah showroom mobil menyimpulkan bahwa proporsi populasi
kurang dari 0,5? Tentukan kriteria ujinya! Berikan rumus
perhitungannya!
Jawab :
a. Ho : = 50%
Ha : 50%
b. Uji satu pihak, kareana ingin mengetahui apakah kurang dari 0,5 atau tidak
c. Kriteria uji: Z < Ho ditolak
Daerah penerimaan Ho
-Z = -1,645
Z Hotidakdapatditolak
d. Ternyata -1,4 > -1,645 Ho tidak dapat ditolak

e. Kesimpulan : pada tingkat signifdikasi 5%, jika ditemukan bahwa 43%
pelanggan pada sampel mengingat pembayaran kredit tersebut maka
showroom mobil tidak dapat menyimpulkan bahwa proporsi populasi
kurang dari 0,5.
4. PT. Otomotif Indonesia Jaya melakukan suatu sistem produksi baru dengan
tujuan untuk mengurangi masalah produk yang rusak. Perusahaan
menginginkan bahwa tidak boleh ada lebih dari 10 unit yang rusak dalam
sehari. Selama pengamatan 32 hari ternyata rata-rata jumlah produk yang rusak
adalah 9 unit, dengan standar deviasi sebesar 2 unit. Dengan menggunakan
taraf nyata 1%, apakah target PT. Otomotif Indonesia Jaya tercapai?
Dik : n = 32 = 1% s=2
=9 = 10
Dit : Apakah target perusahaan tersebut tercapai?
Jawab :
: 10
: > 10

= /

910
= 2/
32
Z = -2,828
Z = 2.33
Kriteria : Z > , ditolak
, tidak dapat ditolak
2.33
Ternyata : -2,828< 2.33, maka Z < , tidak dapat ditolak
Kesimpulan : Dengan tingkat signifikansi 1%, maka PT Otomotif Indonesia Jaya

dapat menurunkan tingkat produknya yang rusak dengan menggunakan sistem
produksi baru.
5. Suatu perusahaan mengklaim bahwa paling sedikit 95% dari peralatan yang
dipasok ke suatu pabrik adalah sesuai dengan spesifikasi. Suatu pengujian dari
sampel yang terdiri dari 200 buah peralatan menperlihatkan bahwa 22
diantaranya rusak. Ujilah klaim mereka pada tingkat resiko 5%.
Dik : n = 200 = 5% rusak = 22 buah x = 178
Dit : ujilah pernyataan tersebut
Jawaban :
Ho : 95%
Ha : < 94%
178
( ) ( )0.95
200
Z= = = -3,90
(1) 0.95(0.05)

200
Uji 1 pihakkiri : Z < Ho ditolak
Ternyata -3,90 < - 1,645 Ho ditolak.
6. Sebuah Perusahaan yang bergerak dalam bidang pernjualan deterjen ingin

menguji kebenaran pendapat mereka bahwa kotak deterjen mereka dijual lebih
dari 500 gram deterjen. Berdasarkan pengalaman yang telah lalu, jumlah
deterjen dalam kotak berdistribusi normal. Untuk menguji pernyataan tersebut,
perusahaan mengambil sampel secara acak sebanyak 25 kotak dan menemukan
bahwa rata-ratanya adalah 525 gram dan simpangan bakunya 75 gram dengan
tingkat signifdikasi 5%. Ujilah apakah pernyatann perusahaan deterjen tersebut
adalah benar.
Dik : n = 25 = 0,05 = 525 g s = 75 g
Dit : uji pernyataan tersebut
Jawaban :
Ho : 500
Ha : > 500

t=

525500
t== 75/25
= 1,67
Uji 1 pihakkanan :t>t, Ho ditolak

t t, Hotidakdapatditolak
df = n -1 = 25 -1 = 24; = 5%
t = 1,711
Ternyata 1,67 < 1,711 Ho tidak dapat ditolak

Kesimpulan : dengan tingkat signifikasi 5% perusahaan deterjen tersebut bahwa
kotak deterjen yang diproduksi berisi lebih dari 500g deterjen adalah salah. Kotak
yang berisi 500 g deterjen karena perbedaanya tidak signifikan.
7. An inventor has developed a system that allows visitors to museum,

zoos, and other attractions to get information by keying in a digital code
on a rented device. For example, zoo patrons can listen to an
annoouncement (recorded on a microchip) about each animal they see. It
is anticipated that the device would rent for 3 dollar each. The
installations cost for the complete system is expected to be about 4
hundred thousand dollar. The Milwauke Zoo is interested in having the
system installed, but management is uncertain as to whether to take the
risk. A financial analysis of the problem indicates that if more than 10%
of the zoo visitors rent the system the zoo will make a profit. To help
management make a decision, a random sample of 400 zoo visitors are
given details about the systems capabilities ad the rental charge. If 52
people say that they would rent the device, can the zoo management
conclude at the 5% significance level that the investment would result in
a profit?
Dik : n = 400 = 5% X = 52
Dit : Ujilah pernyataan tersebut
Jawab :
Ho : 10%
Ha : > 10%
52
( ) ( )0,1
400
Z= = =2
(1) 0,1(0,9)

400
Uji 1 pihakkiri : Z < Ho ditolaK
Daerah penolakan Ho
Daerah penerimaan
Ho
z = 1,645
Ternyata 2 > 1,645 Ho ditolak.

Kesimpulan : pada tingkat signifikasi 5% pernyataan bahwa dengan sistem
baru tersebut dapat meningkatkan profit lebih dari 10% adalah benar karena
perbedaannya signifikan.
UJI HIPOTESIS SELISIH RATA-RATA DAN PROPORSI
A. UJI HIPOTESIS SELISIH RATA-RATA

Ketika terdapat dua buah rata-rata hitung pergunakan pengujian hipotesis
selisih rata-rata. Pengujian ini dimaksudkan untuk mengetahui:
1. Beberapa populasi mempunyai rata-rata yang sama ataukah berbeda?
2. Beberapa buah sampel berasal dari sebuah populasi yang sama ataukah
berlainan?
(Prof. Dr. Sudjana, M.A., M.Sc - Statistika Untuk Ekonomi dan Niaga Jilid II)
Perumusan Hipotesis:
Uji 2 Pihak
0 : 1 = 2
: 1 2
Kurva :
/2 /2
Kriteria :
/2 Z /2 0 tidak dapat ditolak
Z < /2 atau Z > /2 0 ditolak
1
n > 30 dimana /2 =
2

n 30 dimana Dimana /2 = 2
dengan df = n1 + n2 2
Uji Pihak Kanan

0 : 1 2
: 1 > 2
Kurva :

Kriteria :
Z 0 tidak dapat ditolak
Z > 0 ditolak
n > 30 dimana = 0.5
n 30 dimana Dimana = dengan df = n1 + n2 2
Uji Pihak Kiri
0 : 1 2
: 1 < 2
Kurva :

Kriteria :
Z < 0 ditolak
n > 30 dimana = 0.5 dengan df = n1 + n2 2
n 30 dimana Dimana = dengan df = n1 + n2 2
Keterangan:
- Untuk sampel kecil ubah Z menjadi t
- Untuk proporsi ubah menjadi
Rumus Z hitung dan t hitung :

n>30 (sampel besar)
( 1 2 )(1 2 )
Z=
2 2
1 + 2
1 2
Jika 1 2 dan 2 2 tidak diketahui nilainya, maka:
( 1 2 )(1 2 )
Z=
2 2
1 + 2
1 2
n30 (sampel kecil)
( 1 2 )(1 2 )
t=
2 2
1 + 2
1 2
Jika 1 2 dan 2 2 tidak diketahui nilainya, tetapi diketahui bahwa 1 2 2 2

maka : y
( 1 2 )(1 2 )
t=
2 2
1 + 2
1 2
Jika 1 dan 2 2 tidak diketahui nilainya, tetapi diketahui bahwa 1 2 = 2 2

2
maka :
( 1 2 )(1 2 )
t= ( 1)1 2 + (2 1)2 2 1 1
1 ( + )
1 +2 2 1 2
Contoh soal:
Manajer suatu klub sepak bola eropa berpendapat bahwa indikator performa
pemain akademi klub yang mendapatkan summer camp training ternyata
lebih bagus daripada pemain yang tidak mendapatkannya. Maka dari itu,
diambil sampel dari pemain masing-masing 40 dan 30 orang dengan rata-
rata dan simpangan baku 302 dan 4 untuk pemain yang mendapatkan
training serta 300 dan 4.5 untuk pemain yang tidak mendapatkan training.
Ujilah pendapat dari Manajer sepak bola tersebut dengan tingkat
signifikansi 5%!
Dik: 1 = 40 1= 302 1 = 4
2 = 30 2= 300 2 = 4.5
Dit: Ujilah pernyataan bahwa bahwa indikator performa para pemain
akademi yang mendapatkan summer camp training ternyata lebih
bagus daripada pemain yang tidak mendapatkan training tersebut
(1 > 2 )!
Jawab:
0 : 1 2 (performa para pemain akademi yang mendapatkan summer
camp training ternyata tidak lebih bagus daripada pemain
yang tidak mendapatkan training tersebut)
: 1 > 2 (performa para pemain akademi yang mendapatkan summer

camp training ternyata lebih bagus daripada pemain yang
tidak mendapatkan training tersebut)
( 1 2 )(1 2 )
Z=
2 2
1 + 2
1 2
(302300)0
Z= 2 2
= 1.92897128869 1.9289
4 + 4.5
40 30
= 0.05
= 0.5 0.05 = 0.45 = 1.645

Kriteria :
Z > 0 ditolak
Ternyata:
2.4414 > 1.645
Z > 0 ditolak
Kesimpulan:
Dengan tingkat signifikansi 5%, pernyataan tersebut benar yaitu performa
para pemain akademi yang mendapatkan summer camp training ternyata
lebih bagus daripada pemain yang tidak mendapatkan training tersebut.
B. UJI HIPOTESIS SELISIH PROPORSI
Pengujian hipotesis selisih proporsi digunakan ketika terdapat dua

buah perbandingan. Pengujian ini dimaksudkan untuk mengetahui apakah
ada perbedaan presentase yang menyolok ataukah tidak antara dua
kelompok yang sedang dipelajari. Di dalam buku-buku statistika seperti :
Lind, Teknik-teknik Statistik dalam Ekonomi dan Bisnis Ed. 15, Suharyadi
& Purwanto, Statistika, Untuk Ekonomi dan Keuangan Modern, Edisi 2 dan
Prof. Dr. Sudjana, M.A., M.Sc - Statistika Untuk Ekonomi dan Niaga Jilid
II tidak ditemukannya uji t di uji hipotesis selisih proporsi. Perumusan
hipotesis selisih proporsi hampir sama dengan perumusan selisih rata-rata.
Rumus mencari Z hitung:

( 1 2 )(1 2 )
1 2
Z= 1 (11 ) 2 (12 )
+
1 2
Jika 1 dan 2 tidak diketahui, maka:

( 1 2)
1 2
= 1 1
(1)( + )
1 2
+
dimana, = 1 +2
1 2
atau dapat juga digunakan rumus:

( 1 2 )(1 2 )
1 2
Z= x1 x 2
(1 1 ) (1 2 )
n1 n1 + 2 2
1 2
Contoh Soal :
Seorang ahli botani mengadakan percobaan pada dua macam pupuk buatan dan
menyatakan bahwa perubahan akibat pupuk buatan pertama dan kedua pada suatu
padi adalah sama. Pupuk buatan pertama diberikan pada 100 padi dan ternyata 60
padi menunjukkan perubahan. Pupul buatan kedua diberikan pada 150 padi yang
lain dan ternyata 85 padi berubah. Ujilah dengan taraf nyata 5%!
Dik: 1 = 60 2 = 85
1 = 100 2 = 150
Dit: 1 = 2
Jawab:
0 : 1 = 2 (perubahan akibat pupuk buatan pertama dan kedua pada suatu
padi adalah sama)
: 1 2 (perubahan akibat pupuk buatan pertama dan kedua pada suatu
padi adalah tidak sama)
1 + 2
= 1 +2
60+ 85
= 100+150 = 0.58

( 1 2)
1 2
= 1 1
(1)( + )
1 2
60 85
( )
100 150
= 1 1
= 0.52419410927 0.5241
0.58(10.58)( + )
100 150
= 0.05
1 10.05
/2 = = = 1.96
2 2
-
2 2
Kriteria :
Z < /2 atau Z > /2 0 ditolak
Ternyata:
-1.96 0.5241 1.96 0 tidak dapat ditolak
Kesimpulan: Jadi, dengan taraf nyata 5% dapat disimpulkan bahwa pernyataan
perubahan akibat pupuk buatan pertama dan kedua pada suatu padi adalah sama
dapat diterima, karena tidak terdapat perbedaan yang signifikan.
SOAL UJI HIPOTESIS SELISIH RATA-RATA DAN PROPORSI
1. Sebuah perusahaan mengadakan pelatihan teknik pemasaran. Sampel 12

orang dengan metode biasa dan 10 orang dengan metode terprogram. Pada
akhir pelatihan diberikan evaluasi dengan materi yang sama. Kelas pertama
mencapai nilai rata-rata 80 dengan simpangan baku 4 dan kelas kedua nilai
rata-rata 75 dengan simpangan baku 4,5. Ujilah hipotesis kedua metode
pelatihan, dengan alternatif keduanya tidak sama! Gunakan taraf nyata
10%! Asumsikan kedua populasi menghampiri distribusi normal dengan
varians yang sama!
Dik : n1 = 12 x1 = 80 s1 = 4
n2 = 10 x2 = 75 s2 = 4,5
Dit : Apakah hasil dari kedua metode palatihan sama atau tidak dengan = 10%
Jawab :
Ho : 1 = 2
Ha : 1 2
( 1 2 )(1 2 ) (8075)(0)
t= ( 1)1 2 + (2 1)2 2 1
= = 2,759123786 ~ 2,76
1 (121)42 + (101)4,52 1 1
1 ( + ) ( + )
1 +2 2 1 2 12+10 2 12 10
df = n1 + n2 -2 = 20 ; = 0,1 t = 1,7247
1,72471,7247
Kriteria :
Z </2 atau Z >/2 0 ditolak
Ternyata 2,76 > 1,7247 Ho ditolak
Kesimpulan :
Pada tingkat signfukasi 10%, dapat kita simpulkan bahwa hasil dari kedua
metode pelatihan tidak sama.
2. Pejabat BKKBN melakukan suatu penelitian terhadap ibu rumah yangga

yang setuju KB di daera pertanian A dan B. Dari penelitian diperoleh data
bahwa dari 500 ibu rumah tangga di daerah A, ada 300 orang yang setuju
dengan KB, sedangkan dari 500 ibu rumah tangga di daerah B, ada 250
orang yang sutju KB. Dengan menggunakan tingkat signifikasi 5%,
dapatkah kita menyatakan bahwa terdapat perbedaan proporsi terhadap ibu
rumah tangga yang setuju KB di daerah pertanian A dan B?
Dik : n1 = 500 x1 = 300
n2 = 500 x2 = 250
Dit : Apakah terdapat perbedaan proporsi terhadap ibu rumah tangga yang
setuju pertanian A dan B dengan = 5%
Ho : 1 = 2
Ha : 1 2
300 250
( 1 2 )(1 2 ) ( )(0)
1 2 500 500
Z= x1 x 2
= = 3,194382825 ~3,19
(1 1 ) (1 2 ) 300 300 250 250
n1 n1 + 2 2 500(1500)+ 500(1500)
1 2 500 500
Ztabel -1,96 dan 1,96
Kriteria :

Kesimpulan :
Pada tingkat signifikasi 5% dapat disimpulkan bahwa terdapat perbedaan

proporsi terhadap ibu rumah tangga yang setuju KB di daerah pertanian A
dan B,
3. The manager of a package courier service belive that packages shipped at

the end of the month ater heavier than those shipped early in the month. As
an experiment, he weighted a random sample of 20 packages at begining of
the month. He found that the mean weight was 20,25 pounds and the
standar deviation was 5,48 pounds. Ten packages randomly selected at the
end of the month had a mean weight of 24,80 pounds and the standar
deviation of 5,67 pounds. At the 0,05 significance level, can we conclude
that the packages shipped at the eng of the mont wieghed more?
Dik : n1 = 20 1 = 20,5 s1 = 5,48
n2 = 10 2 = 24,80 s2 = 5,67
Dit: Apakah dapat kita simpulkan bahwa paket dikirimkan pada akhir bulan
lebih berat dengan = 0,05 ?
Jawab :
Ho : 1 2
Ha : 1 <2
( 1 2 )(1 2 ) (20,2524,8)0
T hitung = = = -2,0951
2 2 2 2
1 + 2 5,48 + 5,67
1 2 20 10
Df = n1 + n2 -2 = 20 + 10 - 2 = 28; = 0,05
t = 1,7011
1,7011
Kriteria: t 0 tidak dapat ditolak
t< 0 ditolak
Ternyata -2,0951 < -1,7011 Ho ditolak
Kesimpulan :
Pada tingkat signifikasi 5% dapat kita simpulkan bahwa paket dikirim pada
akhir bulan lebih berat.
4. Data di bawah ini menyajikan pertambahan berat dalam dua tahun 20 ekor
kucing (dalam gram) dengan rincian bahwa 10 ekor kucing diberi makanan
khusus kucing impor dan 10 ekor lainnya diberi makanan kucing lokal.
Impor 91 90 86 93 86 93 89 86 74 91
Lokal 85 84 77 89 81 91 87 84 92 88
Apakah makanan kucing impor memiliki efek lebih baik terhadap
pertambahan berat badan kucing tersebut. Gunakan tingkat signifikasi level
0,05. Berilah evaluasi!
Dik : n1 = 10 1 = 8,4 s1 = 0,6992058988
n2 = 10 2 = 8,1 s2 = 0,5676462122
Dit : Apakah makanan kucing impor memiliki efek terhadap pertambahan berat
badan kucing tersebut dengan = 0,05 ?
Jawab :
Ho: 1 2
Ha: 1 >2
( 1 2 )(1 2 ) (8,48,1)0
t hitung = =
2 2 2 2
1 + 2 0,6992058988 + 0,5676462122
1 2 10 10
= 1,0534
df = n1 + n2 -2 = 10 + 10 2 = 18
= 0,05
t = 1,7341
Kriteria :
t 0 tidak dapat ditolak

t> 0 ditolak
Ternyata 1,0534 < 1,7341 atau Ho tidak dapat ditolak
Kesimpulan :
Pada tingkat signifikan 5%, dapat kita simpulkan bahwa makanan kucing impor
tidak berefek terhadap pertambahan berat badan kucing tersebut.
5. Suatu riset penelitian pemasaran dilakukan di Jakarta dan Surabaya
terhadap ibu-ibu rumah tangga yang senang Rinso dibandingkan dengan
Daia. Di Jakarta, dari 100 orang ibu rumah tangga yang ditanya, ternyata
ada 68 orang yang mengatakan lebih senang Rinso dari pada Daia,
sedangkan di Surabaya diantara 300 iorang yang ditanya, ada 213 yang
lebih senang Rinso dari pada Daia. Dengan menggunakan tingkat
signifikansi 10%, ujilah pendapat bahwa proporsi ibu rumah tangga yang
lebih senang Rinso dari pada Daia di Surabaya dan di Jakarta berbeda
secara nyata atau tidak?
Dik : n1 = 100 x1 = 68
n2 = 300 x2 = 213
Dit : Apakah pendapat bahwa proporsi ibu rumah tangga yang lebih senang
Rinso dari pada Daia di Surabaya dan di Jakarta berbeda secara nyata atau
tidak dengan = 1%?
Jawab :
Ho : 1 = 2
Ha : 1 2
68 213
( 1 2 )(1 2 ) ( )(0)
1 2 100 300
Z hitung = =
x1 x 68 68 213 213
(1 1 ) 2 (12 )
n1 n1
+ 2 2 100(1100)+ 300(1300)
1 2 100 300
= - 0,5607395 ~ - 0,56
Z tabel = 1,645
1,6451,645
Kriteria :
Ternyata -1,645 < -0,56 < 1,645 Ho tidak dapat ditolak
Kesimpulan :
Pada tingkat signifikasi 10%, dapat disimpulkan bahwa pendapat bahaw
proporsi ibu rumah tangga yang lebih senang rinso dari pada Daia di
Surabaya dan di Jakarta tidak berbeda secara signifikan / nyata.
6. Menurut hasil penelitian sebelumnya terhadap 1580 konsumen,

diperkirakan sekitar 75% dari konsumen tersebut lebih memilih air mineral
kemasan merek Alami.Pengusaha air mineral tersebut mengadakan
promosi besar-besaran melalui iklan dan rekl;ame untuk menarik konsumen
lebih banyak lagi. Hasilnya ternyata dari 2350 konsumen, 1833 senang dan
berlangganan air mineral tersebut dari pada produk air mineral lain. Pada
tingkat signifikansi 5%, dapatkah kita simpulkan bahwa promosi dan
reklame yang telah dilakukan sangat berpengaruh?
Dik : n1 = 1580 x1 = 1185
n1 = 2350 x2 = 1833
Dit : Dapatkah kita simpulkan bahwa promosi yang telah dilakukan sangat
berpengaruh dengan tingkat signifikan 5%?
Jawaban :
0 : 1 2
: 1 < 2
1185 1833
( 1 2 )(1 2 ) ( )(0)
1 2 1580 2350
Z hitung = =
x1 x
(1 1 ) 2 (12 ) 1185 1185 1833 1833
n1 n1
+ 2 2 1580(11580)+ 2350(12350)
1 2 1580 2350
= -2,1668 ~ -2,17
Z tabel = 1,645
Kurva :
1,645
Kriteria :

Z < 0 ditolak
Ternyata -2,17 < -1,645 Ho ditolak
Kesimpulan :
Pada tingkat signifikasi 5%, dapat disimpulkan bahwa promosi yang berupa
iklan dan reklame yang telah dikalkukan lebih berpengaruh karena
perbedaanya sangat dignifikan / sangat nyata / sangat berarti.
7. The Roper organization conducted identical surveys in 1975and 1995. One

question asked of women was, are most men basically kind, gentle, and
thoughtful? The 1975 survey revealed that out of the 3000 women
surveyed, 2010 said they were. In 1995 1530 out of 3000 women surveyed
thought that men were kind, gentle, and thoughtful. At the 0.05 significance
level, can we conclude that fewer women thiunk men are kind, gentle and
thoughtful in 1995 compared with 1975?
0 : 1 2
: 1 > 2
2010 1530
( 1 2 )(1 2 ) ( )(0)
1 2 3000 3000
Z hitung = x1 x 2
=
(1 1 ) (1 2 ) 2010 2010 1530 1530
n1 n1 + 2 2 3000(13000)+ 3000(13000)
1 2 3000 3000
= 12,76939015 ~ 12,77
Z tabel = 1, 645
1,645
Kriteria :
Z > 0 ditolak
Kersimpulan :
Pada tingkat signifikansi 5%, dapat disimpulkan bahwa perempuan lebih sedikit
berpikir bahwa pria baik hati, lembut, dan bijaksana pada tahun 1995
dibandingkan dengan 1975.
.
REGRESI DAN KORELASI SEDERHANA
Analisis regresi digunakan untuk mengetahui besarnya pengaruh satu

variabel bebas atau lebih terhadap satu variabel tidak bebas. Data yang dianalisis
dengan regresi merupakan data kuantitatif yang memiliki skala pengukuran minimal
interval. Analisa korelasi digunakan untuk mengetahui keeratan hubungan dua
variabel acak yang memiliki skala pengukuran minimal interval dan berdistribusi
normal bivariat. Dalam terminologi regresi, variabel bebas (independent variable)
disimbolkan dengan X dan variabel tidak bebas (dependent variable) disimbolkan
Y.
REGRESI SEDERHANA
1. Pengertian Regresi
Persamaan Regresi adalah sebuah persamaan yang menunjukan hubungan
linear antara dua variabel. (Lind, Teknik-teknik Statistik dalam Ekonomi dan
Bisnis :74)
= +
Keterangan :
= Varaibel terikat (variabel yang diprediksi)
X = Variabel bebas (variabel yang mempengaruhi variabel terikat)
a = konstanta, secara grafik menunjukan intercept
b = koefisien regresi yang menunjukkan besarnya pengaruh X terhadap Y,

secara grafik menunjukkan slope (kemiringan garis regresi)
2. Metode Pengukuran Regresi Sederhana

a. Least Square Method
Persamaan Normal :
= +
Rumus :
= + = + 2
atau
2
( )(Y) (X)(XY) n(XY) (X)(Y)
a= =
2 ()2 2 ()2
b. Product Moment Method

Persamaan Normal :
= +
Rumus :
xy
xy = bX + bX 2 atau b=
x 2
()2 ()2
xy = XY 2 = 2 2 = 2

KORELASI
Analisis korelasi adalah sekumpulan teknik untuk mengukur hubungan antar dua
variabel. (Lind, Teknik-teknik Statistika dalam Bisnis dan Ekonomi: 61)
1. Koefisien Korelasi (r)

Koefisien korelasi menunjukan kekuatan hubungan antara dua himpunan
variabel. Diberi tanda r, dan nilai r dapat berkisar dari -1 sampai +1. Tanda
negatif berarti varibel berkorelasi negatif, tanda positif berarti variabel
berkorelasi positif, serta apabila tidak terdapat hubungan sama sekali antar
variabel maka r bernilai 0.
Kekuatan dari koefisien korelasi menurut Lind:
0 - 0.2 = sangat lemah
0.21 0.4 = lemah
0.41 0.6 = cukup
0.61 0.8 = kuat
0.81 - 1 = sangat kuat
Rumus :
Pearson :

=
( 2 (X)2 )( 2 (Y)2 )
Product Moment :

=
( 2 2 )
2. Koefisien Determinasi ( r2 )
Koefisien determinasi menunjukkan kemampuan variabel X yang merupakan
variabel bebas, menerangkan atau menjelaskan variabel Y yang merupakan
variabel terikat. Semakin besar nilai koefisien determinasi, semakin baik
kemampuan variabel X menerangkan atau menjelaskan variabel Y. (Suharyadi,
2004 : 217)
Rumus :
2 100%
Koefisien non determinasi adalah perbandingan total variasi terikat Y yang

dapat dijelaskan oleh variabel diluar model.
Rumus :
1 2
3. Kesalahan Standar Estimasi (Standard Error of Estimate)

Adalah suatu ukuran yang menunjukan seberapa tepat prediksi untuk Y
berdasarkan X atau sebaliknya, seberapa tidak akuratnya estimasi tersebut.
Rumus :
Least Square Method Product Moment Method
2 2
= =
1 1
Keterangan :
n = banyaknya pasangan variabel independen x dan variabel dependen y
k = banyaknya macam variabel independen x
4. Penaksiran tentang interval dan interval
Menaksir interval Menaksir interval

(n > 30) (n > 30)
a Z1/2.Sa < konstanta < a + Z1/2.Sa b Z1/2.Sb < konstanta < b + Z1/2.Sb
(n 30) (n 30)
a t1/2.Sa < konstanta < a + t1/2.Sa b t1/2.Sb < konstanta < b + t1/2.Sb
1
Sa = SYX . Sb = SYX .
5. Pengujian tentang Koefisien Regresi
Menguji Menguji
- Tentukan Ho dan Ha - Tentukan Ho dan Ha

Ho : Konstanta = 0 (tidak berpengaruh Ho : = (tidak berpengaruh signifikan)
signifikan)
Ha : (ada pengaruh signifikan)
Ha : Konstanta 0 (ada pengaruh - Tentukan t1/2 dengan df = n-k-1
signifikan)
- Tentukan thitung dengan
- Tentukan t1/2 dengan df = n-k-1
t=
n = jumlah sampel
- Tentukan daerah penolakan yaitu
k = jumlah variabel x
thitung < -t1/2 atau thitung > t1/2 Ho
Tentukan thitung dengan :
ditolak

t=
t1/2 thitung t1/2 Ho tidak dapat
- Tentukan daerah penolakan yaitu ditolak
thitung < -t1/2 atau thitung > t1/2 Ho ditolak
t1/2 thitung t1/2 Ho tidak dapat ditolak
Daerah penolakan Ho Daerah penolakan Ho

(daerah kritis
) (daerah kritis
)
Daerah penerimaanDaerah penolakan

? Ho
H
o
-t1/2 H
t1/2Daerah penerimaan
o
- Kesimpulan
6. Interval Taksiran
Interval taksiran untuk rata-rata taksiran Interval taksiran untuk Y individu

YX
o t1/2 S< Y< o + t1/2 S
o t1/2 S< YX < o + t1/2 S 1 ( x )
S = SYX 1 + +
1 ( x )
S = SYX +
7. Pengujian Korelasi populasi

Menguji apakah sampel berasal dari populasi yang berkorelasi.
Ho : = 0 (tidak berasal dari populasi yang berkorelasi)
Ha : 0 (berasal dari populasi yang berkorelasi)
df = n-k-1
(2
t=
1 2
Ho ditolak jika
-thitung < -t1/2 atau thitung > t1/2
8. Batas-batas koefisien korelasi populasi
jika sampel tidak berasal dari populasi yang berkorelasi tidak perlu dihitung,
jika berkorelasi perlu dihitung
1 (1+) 1 (1+) 1 (1+)

2
(1) Z1/2. Sr < 2 (1) <2 (1) + Z1/2.Sr
1
Sr =
3
CONTOH SOAL
Sebuah perusahaan manufaktur ingin meneliti tentang pengaruh biaya

promosi terhadap volume penjualan. Data-data yang di dapat ditabulasikan sebagai
berikut:
Tabel. Tabulasi Data Penelitian (Data Fiktif)
Bulan Biaya Promosi Volume Penjualan

ke- (Rupiah) (Buah)
1 12 56
2 13.5 62.43
3 12.75 60.85
4 12.6 61.3
5 14.85 65.825
6 15.2 66.354
7 15.75 65.26
8 16.8 68.798
9 18.45 70.47
10 17.9 65.2
11 18.25 68
12 16.48 64.2
13 17.5 65.3
14 19.56 69.562
15 19 68.75
16 20.45 70.256
17 22.65 72.351
18 21.4 70.287
19 22.9 73.564
20 23.5 75.642
Tentukanlah :
a. Persamaan regresi dan interpretasi
b. Koefisien korelasi, determinasi, non determinasi serta artinya
c. Standard Error of estimate.
Jawaban :
Biaya Volume
X2 Y2 XY
Promosi Penjualan
(X) (Y)
12.000 56.000 144.000 3136.000 672.000
13.500 62.430 182.250 3897.505 842.805
12.750 60.850 162.563 3702.723 775.838
12.600 61.300 158.760 3757.690 772.380
14.850 65.830 220.523 4333.589 977.576
15.200 66.350 231.040 4402.323 1008.520
15.750 65.260 248.063 4258.868 1027.845
16.800 68.800 282.240 4733.440 1155.840
18.450 70.470 340.403 4966.021 1300.172
17.900 65.200 320.410 4251.040 1167.080
18.250 68.000 333.063 4624.000 1241.000
16.480 64.200 271.590 4121.640 1058.016
17.500 65.300 306.250 4264.090 1142.750
19.560 69.562 382.594 4838.872 1360.633
19.000 68.750 361.000 4726.563 1306.250
20.450 70.256 418.203 4935.906 1436.735
22.650 72.351 513.023 5234.667 1638.750
21.400 70.287 457.960 4940.262 1504.142
22.900 73.564 524.410 5411.662 1684.616
23.500 75.642 552.250 5721.712 1777.587
Y = X2 = Y2 = XY =
X = 351.490
1340.402 6410.592 90258.571 23850.533
a. Persamaan Regresi

a=
()
(6410,5921340,402)(351,49023850,533)
= (206410,592)(351,490)
= 44.90327
( )( )( )
Dan =
( 2 )( )2
(2023850,533)(351,4901340,402)
= (206410,592)(351,490)
= 1.258461
Maka persamaan regresinya adalah : Y= 44.90327 + 1.258461X
Dari persamaan tersebut dapat diketahui bahwa volume penjualan tanpa

dipengaruhi oleh variabel apapun adalah sebesar 44.90327. Sedangkan jika
dipengaruhi oleh promosi, jika biaya promosi naik sebesar 1 rupiah, maka rata-
rata vome penjualan akan naik sebesar 1.258461 satuan, ceteris paribus.

b. r=
(nX2 (X)2 )(nY2 (Y)2 )
(2023850.533)(351.4901340.402)
r=
((206410.592)(351.490))(20(90258.571)(1340.402)2 )
r = 0.9327980
Artinya, korelasi antara jumlah pengasilan dengan investasi kembali adalah

sangat kuat.
Koefisien determinasi adalah :
R2 X 100% = 0.93279802 X 100% = 87.01120%
Artinya, variasi biaya promosi mampu menjelaskan total variasi volume

penjualan sebesar 87.01120% dan sisanya dijelaskan oleh variabel lain diluar
model.
Koefisien non determinasi
1 R2 = 1 87.01120%= 12.98880%

SYX = 1
(90258.571)(44.90327 1340.402)(1.25846123850.533)
= 2011
= 1.750753
Jadi, rata-rata penyimpangan variabel volume penjualan prediksi terhadap variabel

volume penjualan sebenarnya adalah 1.750753.
SOAL REGRESI DAN KORELASI SEDERHANA
1. The following data are the monthly salaries y and the grade point averages x for
students who obtained a bachelors degree in business administration with a
major in information systems.
GPA Monthly Salary ($)
2.6 3300
3.4 3600
3.6 4000
3.2 3500
3.5 3900
2.9 3600
Determine :
a. What is the regression equation and give the interpretation?

b. How much the coeficient corelation for the case and interpretation?
c. How much the size of house can explain the selling price and
interpretation?
d. Determine the standard error of estimate and interpretation?
Answer :
Monthly Salary
GPA (X) XY X2 Y2
($) (Y)
2.6 3300 8580 6.76 10890000
3.4 3600 12240 11.56 12960000
3.6 4000 14400 12.96 16000000
3.2 3500 11200 10.24 12250000
3.5 3900 13650 12.25 15210000
2.9 3600 10440 8.41 12960000
Y2 =
X = 19.2 Y = 21900 XY = 70510 X2 = 62.18
80270000
a. Regression equation
(62,18)(21900)(19,2)(70510)
a= ()
= 6(62,18)(19,2)2
=1790.541
( )( )( ) 6(70510)(19,2)(21900)
= = =581.0811
() 6(62,18)(19,2)2
So, the regression equation is Y = 1790.541 + 581.0811X. It means that

average salary if not influenced by anything variabel is about 1790.541
dollars. And if influenced by GPA, increasing in point of GPA will be
increasing about 581.0811 dollars, ceteris paribus.

b. = =
(nX2 (X)2 )(nY2 (Y)2 )
(670510)(19.221900)
=0.8636349
(6(62.18)(19.22 )(6(80270000)(219002 ))
So, the correlation between GPA and salary is 0.8636349. On the other
hand, the corelation is very strong.
c. r2 = (0.8636349)2 = 0.7458652 x 100% = 74.58652%
k2 + r2 = 100%
k 2 = 100% - 74.58652% = 25.41348%
so, the variation of GPA can explain total variation of salary about
74.58652% and the residual about 25.41348% is explained by variable out
of model.
2 802700001790.541( 21900)(581.0811)(70510)
d. SYX = =
1 611
= 145.8799
So the standard error of estimate is 145.8799. It means that varians of

production prediction can explain real production about 145.8799.
2. Diasumsikan ada hubungan linear antara pendapatan dengan belanja konsumsi,

dimana modelnya adalah Y= a+bX. Jika diketahui data tentang belanja
konsumsi mingguan keluarga dan pendapatan mingguan keluarga (dalam
Rp10,000,-), adalah sebagai berikut :
Pendapatan mingguan 80 100 120 140 160 180 200 220 240 260
Belanja konsumsi mingguan 70 65 90 95 110 115 120 140 155 150
Dimana dari data diatas diperoleh perhitungan :
X= 1700 X2 = 322,000 XY = 205,500

Y= 1110 Y2 = 132,100
Pertanyaannya :
a. Tentukan persamaannya dan jelaskan arti dari nilai-nilai yang
menggambarkan hubungan antara belanja konsumsi mingguan keluarga
dan pendapatan mingguan keluarga.
b. Jika pendapatan mingguannya sebesar Rp. 5.000.000,-, berapa perkiraan
belanja konsumsinya.
c. Dengan = 10%, dugalah perubahan pendapatan mingguan keluarga
terhadap belanja konsumsi mingguan yang sebenarnya.
d. Ujilah apakah hubungan antara belanja konsumsi mingguan keluarga dan
pendapatan mingguan keluarga berarti (signifikan).
e. Jika dari jawaban (e) hasilnya sangat berarti, apakah hubungan antara
belanja konsumsi mingguan keluarga dan pendapatan mingguan keluarga
untuk data diatas erat, jelaskan.
(Sumber : Soal UAS Statistika 2009)
Jawaban :
Pendapatan Belanja
mingguan Konsumsi X2 Y2 XY
(X) (Y)
80 70 6400 4900 5600
100 65 10000 4225 6500
120 90 14400 8100 10800
140 95 19600 9025 13300

160 110 25600 12100 17600
180 115 32400 13225 20700
200 120 40000 14400 24000
220 140 48400 19600 30800
240 155 57600 24025 37200
260 150 67600 22500 39000
X = 1700 Y = 1110 X2 = Y2 = XY =
322000 132100 205500
(132100)(1700)(1110)(205500)
a. a = ()
= 10(132100)(1110)2
= 24.4545
( )( )( ) 10(205500)(1110)(1700)
= ()
= 10(132100)(1110)2 = 0.5090
maka persamaan regresinya adalah Y = 24.4545 + 0.5090X.
Dari persamaan tersebut dapat diketahui bahwa pendapatan tanpa

dipengaruhi oleh variabel apapun adalah sebesar 24.4545 rupiah.
Sedangkan jika dipengaruhi oleh biaya konsumsi, jika biaya konsumsi naik
sebesar 1 rupiah, maka rata-rata pendapatan akan naik sebesar 0.5090
satuan, ceteris paribus.
b. X = 500
Y = 24.4545 + 0.50909X
Y = 24.4545 + 0.5090(500)
Y = 278.995
Jadi jika pendapatan mingguannya sebesar Rp. 5.000.000,-, maka
diperkirakan belanja konsumsinya sebesar Rp. 2.789.950,-
c. (n 30)
b t1/2.Sb < konstanta < b + t1/2.Sb
1
Sb = SYX .
()2
x2 = X2
2890000
x = 322000
2
10
= 33000

SYX =
1
132100 (24.45(1110)) (0.509)(205500)

=
10 1 1
= 6.717514421
1
Maka Sb =6.717514421. 33000
Sb = 0.036978699 df = 10-1-1=8
0.5091,86*0.036978699< Konstanta < 0.509+1,86*0.036978699
0.4402< Konstanta < 0.5778
Dengan tingkat signifikansi 10%, perubahan pendapatan mingguan keluarga
terhadap belanja konsumsi mingguan yang sebenarnya adalah berkisar pada
Rp4,402 sampai Rp5,778.
d. Ho: = 0 (tidak ada pengaruh signifikan)

Ha: 0 (Ada pengaruh signifikan)
= 0.05 df = 8
t /2 = 2.3060

t=
0.509 0
t = 0.046978699
t = 13.76
Kriteria
-thitung <-t1/2 atau thitung > t1/2 Ho ditolak
ternyata 13.76> 2.3060 Ho ditolak
Jadi dengan tingkat signifikansi 5%, hubungan antara belanja konsumsi

mingguan keluarga dan pendapatan mingguan keluarga berarti (mempunyai
pengaruh signifikan)
(10205500)(17001110)
e. = = =
(nX2 (X)2 )(nY2 (Y)2 ) (10(322000)(170002 )(10(132100)(17002 ))
0,9808474
hubungan antara belanja konsumsi mingguan keluarga dan pendapatan
mingguan keluarga sangat kuat.
3. An important application of regression analysis in accounting is in the

estimation of cost. By collecting data on volume and cost and using the least
squares method to develop an estimated regression equation relating volume
and cost, an accountant can estimate the cost associated with a particular
manufacturing volume. Consider the following sample of production volumes
and total cost data for a manufacturing operation.
Production Volume Total Cost ($)

(units)
400 4000
450 5000
550 5400
600 5900
700 6400
750 7000
Determine :
a. The regression equation and give the interpretation!

b. How much r and 2 and give the interpretation!
c. The standard error of estimation and interpretation!
d. With significance 5%, estimate interval constanta !
e. With significance 5%, estimate interval constanta and test constanta
can influence the regression model significantly!
f. At significance 5%, can we conclude that the sample comes from
population which have correlation?
Answer :
Production (X) Cost (Y) X2 Y2 XY
400 4000 160000 16000000 1600000

450 5000 202500 25000000 2250000
550 5400 302500 29160000 2970000
600 5900 360000 34810000 3540000
700 6400 490000 40960000 4480000
750 7000 562500 49000000 5250000
X = 3450 Y = 33700 X 2
= Y 2
= XY =
2077500 194930000 20090000
(2077500)(33700)(3450)(20090000)
a= = = 1246.667
() 6(2077500)(3450)2
( )( )( ) 6(20090000)(3450)(33700)
= ()
= 6(2077500)(3450)2
=7.6
So, the regression equation is Y = 1246.667+ 7.6X. It means that average

production if not influenced by anything variabel is about 1246.667 units.
And if influenced by cost, in one US $/unit increasing in cost then average
production will be increasing about 7.6US $/unit, ceteris paribus.
b.

= =
(nX2 (X)2 )(nY2 (Y)2 )
(620090000)(3450x33700)
=0.9791271
(6(2077500)(337002 )(6(194930000)(337002 ))
So, the correlation between production and cost is 0.9791271. On the other
hand, the corelation is very strong and positive, because the value close to
+1.
r2 = (0.9791271)2 = 0.9586899 x 100% = 95.86899%
k2 + r2 = 100%
k 2 = 100% - 95.86899% = 4.131012%
so, the variation of production can explain total variation of cost about
95.86899% and the residual about 4.131012%is explained by variable out
of model.
2 194930000(1246.667)(33700)(7.6)(20090000)
c. SYX = =
1 611
= 241.517139
So the standard error of estimate is 241.517139. It means that varians of

production prediction can explain real production about 241.51713999.
2 () ( 3450)
d. Sa = SYX . 2 x2 = X2
=2077500 6
= 93750
2077500
Sa =241.517139 . 693750
Sa = 464.1487746 df = 6-1-1=4
a t1/2.Sa < konstanta < a + t1/2.Sa

1246.6672,776*464.1487746 < Konstanta < 1246.667+
2.776*464.1487746
-41.809 < Konstanta < 2535.144
So, with significance 5% the limits of estimated are constant in the

population regression -41.809 to 2535.144.
e. (n 30)
1
Sb = SYX .

()
x2 = X2
() ( 3450)
x2 = X2 =2077500 = 93750
6
1
Maka Sb =241.517139 . 93750
Sb = 0.7888 df = 6-1-1=4
7.6 2,776*0.7888< Konstanta <7.6 + 2,776*0.7888
5.410< Konstanta < 9.789
With significance 5%, interval estimation constanta for regression of

population is between 5.410 to 9.789
Uji t
Ho: = 0 (tidak ada pengaruh signifikan)

= 0,05 df = 4
t /2 = 2.776

t=
7.6 0
t=
0.7888
t = 9,6348
criteria
evidently 9,6348 > 2.7764 Ho rejected
so, with significance 5%, the test shows that constanta 0. It means that
constanta influence significantly.
f. Ho : = 0 (no correlation)
Ha : 0 (correlation)
df = 6-1-1 = 4
t 1/2 = 2,7764
(2 0.9791271 62
t= =
1 10.9586899
t = 9,634761
criteria :
Ho rejected if
-thitung < -t1/2 or thitung > t1/2
9,634761> 2,7764 then Ho is rejected
So, at significance 5%, there are positif correlation between production and
price.
4. A marketing professor at Givens College is interested in the relationship

between hours spent studying and total points earned in a course. Data
collected on 10 students who took the course last quarter follow.
Hours Spent Total Points
Studying Earned
45 40
30 35
90 75
60 65
105 90
65 50
90 90
80 80
55 45
75 65
a. Develop an estimated regression equation showing how total points earned
is related to hours spent studying.
b. Test the significance of the model with =0 .05.
c. Predict the total points earned by Mark Sweeney. He spent 95 hours
studying.
d. Develop a 95% prediction interval for the total points earned by Mark
Sweeney.
Answer :
Hours Total
Spent Points X2 Y2 XY
Studying Earned
45 40 2025 1600 1800
30 35 900 1225 1050
90 75 8100 5625 6750
60 65 3600 4225 3900
105 90 11025 8100 9450
65 50 4225 2500 3250
90 90 8100 8100 8100
80 80 6400 6400 6400
55 45 3025 2025 2475
75 65 5625 4225 4875
X = Y = 635 X2 = 53025 Y2 = 44025 XY = 48050

695
(53025)(635)(695)(48050)
a= ()
= 10(53025)(695)2
= 5.847009
( )( )( ) 10(48050)(695)(635)
= ()
= 10(53025)(695)2
= 0.8295394

total points earned if not influenced by anything variabel is about 5.847009
points. And if influenced by hours spent studying, in one hour increasing
then total points earned will be increasing about 0.8295394 point, ceteris
paribus.
2 44025(5.847009)(635)(0.8295394)(48050)
b. SYX = 1
= 1011
= 7.523140
1
Sb = SYX .
()
x2 = X2

( 695)
x2 = 53025 10
= 4722.5
1
Maka Sb =7.523140. 4722.5
Sb = 0.1094745
Uji t
= 0,05 df = 8
t /2 = 2.3060

t=

0.8295394 0
t= 0.10947455
t = 7.577464
criteria
evidently 7.577464 > 2.3060 Ho rejected

c. Y = 5.847009 + 0.8295394X
Y = 5.847009 + 0.8295394(95)
Y = 84.65325
So, the total points earned by Mark Sweeney if he spent 95 hours studying
is 84,65325 point.
d. b t1/2.Sb < konstanta < b + t1/2.Sb
0.82953942.3060*0.10947455< Konstanta < 0.8295394+
2.3060*0.10947455
0.5770911 < Konstanta < 1.081988
population is between 0.5770911 to 1.081988.
5. Dibawah ini merupakan data yang digunakan Manajer Perusahaan untuk

mengetahui hubungan biaya pelatihan karyawan dengan total produksi tiap
bulannya selama satu tahun. (dalam juta rupiah)
Biaya
pelatihan 12 14 17 19 18 21 22 24 25 25 26 26
karyawan
Total
50 52 54 53 55 56 57 57 58 59 60 60
penjualan
Tentukan :
a. Persamaan regresi dari kedua variabel tersebut.
b. Dengan tingkat signifikansi 5%, berapa perubahan total penjualan terhadap
biaya pelatihan karyawan yang sebenarnya.
Jawab :
Biaya
Total
Pelatihan
Penjualan X2 Y2 XY
Karyawan
(Y)
(X)
12 50 144 2500 600

14 52 196 2704 728
17 54 289 2916 918
19 53 361 2809 1007
18 55 324 3025 990
21 56 441 3136 1176
22 57 484 3249 1254
24 57 576 3249 1368
25 58 625 3364 1450
25 59 625 3481 1475
26 60 676 3600 1560
26 60 676 3600 1560
X2 = XY =
X = 249 Y = 671 Y2 = 37633
5417 14086
a. Persamaan regresi
(5417)(671)(249)(14086)
a= = = 42.42191
() 12(5417)(249)2
( )( )( ) 12(14086)(249)(671)
= = = 0.6503497
() 12(5417)(249)2
maka persamaan regresinya adalah Y = 42.42191 + 0.6503497X
Dari persamaan tersebut dapat diketahui bahwa total penjualan tanpa

dipengaruhi oleh variabel apapun adalah sebesar 42.42191 juta rupiah.
Sedangkan jika dipengaruhi oleh biaya pelatihan karyawan , jika biaya
tersebut naik sebesar 1 rupiah, maka rata-rata pendapatan akan naik
sebesar 0.6503497 juta rupiah, ceteris paribus.
b. b t1/2.Sb < konstanta < b + t1/2.Sb

1
Sb = SYX .

()2
x2 = X2

( 249)
x2 = 5417 12
= 250.25

SYX =
1
37633 (42.42191(671)) (0.6503497)(14086)

=
12 1 1
= 0.84098252
1
Maka Sb =0.84098252 250.25
Sb = 0.05316183 df = 12-1-1=10
0.65034972.228*0.05316183< Konstanta < 0.6503497+
2.228*0.05316183
0.531905142< Konstanta < 0.768794257
Dengan tingkat signifikansi 5%, perubahan total penjualan terhadap
biaya pelatihan karyawan yang sebenarnya adalah berkisar pada
0.531905142 Juta sampai 0.768794257 Juta rupiah
6. Jensen Tire & Auto is in the process of deciding whether to purchase a

maintenance contract for its new computer wheel alignment and balancing
machine. Managers feel that maintenance expense should be related to usage,
and they collected the following information on weekly usage (hours) and
annual maintenance expense (in hundreds of dollars).
Weekly Usage Annual
(hours) Maintenance
Expense
13 17.0
10 22.0
20 30.0
28 37.0
32 47.0
17 30.5
24 32.5
31 39.0
40 51.5
38 40.0
a. Develop the estimated regression equation that relates annual maintenance
expense to weekly usage.
b. Test the significance of the relationship in part (a) at a 0.05 level of
significance.
c. Jensen expects to use the new machine 30 hours per week. Develop a 95%
prediction interval for the companys annual maintenance expense.
Answer :
Weekly
Annual
Usage
Maintenance X2 Y2 XY
(hours)
Expense (Y)
(X)
13 17 169 289 221
10 22 100 484 220
20 30 400 900 600
28 37 784 1369 1036
32 47 1024 2209 1504
17 30,5 289 930,25 518,5

24 32,5 576 1056,25 780
31 39 961 1521 1209
40 51,5 1600 2652,25 2060
38 40 1444 1600 1520
X = 253 Y = 346,5 X2 = Y2 = XY =
7347 13010,75 9668,5
(7347)(346,5)(253)(9668,5)
a= ()
= 10(7347)(253)2
= 10.52796
( )( )( ) 10(9668,5)(253)(346,5)
= ()
= 10(7347)(253)2
= 0.9534404

annual maintenance expense if not influenced by anything variabel is about
10.52796 hundreds of dollars. And if influenced by weekly usage, in one
hour increasing then annual maintenance expense will be increasing about
0.9534404 hundreds of dollars, ceteris paribus.
2 13010,75(10,52796)(346,5)(0,9534404)(9668,5)
b. SYX = 1
= 1011
= 4.249608
1
Sb = SYX .

()
x2 = X2

( 253)
x2 = 7347 10
= 946.1
1
Maka Sb = 4.249608
946.1
Sb = 0.1381594
Uji t
= 0.05 df = 8
t /2 = 2.3060

t=
0,9534404 0
t=
0.1381594
t = 6.901019
criteria
evidently 6.901019 > 2.3060 Ho rejected

c. b t1/2.Sb < konstanta < b + t1/2.Sb
0.95344042.3060*0.1381594 < Konstanta < 0.9534404+
2.3060*0.1381594
0.6348448 < Konstanta < 1.272036

population is between 0.6348448 to 1.272036
7. Berikut ini merupakan data mengenai total gaji dan jam kerja lembur yang
didapatkan melalui survey terhadap 10 responden.
Total Gaji Jam kerja
(dalam juta Lembur
rupiah)
1 5
1.5 5
1.2 4
1.4 6
1.8 7
2 8
2.1 8
1.6 5
1.7 7
1.9 7
Tentukan :
a. Persamaan regresi dan interpretasi!
b. Hitunglah standard error estimasinya!
c. Taksirlah berapa total gaji, apabila jam kerja lembur yang digunakan
selama 8 jam?
Jawab :
Jam
total gaji kerja
X2 Y2 XY
Y Lembur
X
1 5 25 1 5
1.5 5 25 2.25 7.5
1.2 4 16 1.44 4.8
1.4 6 36 1.96 8.4
1.8 7 49 3.24 12.6
2 8 64 4 16
2.1 8 64 4.41 16.8
1.6 5 25 2.56 8
1.7 7 49 2.89 11.9
1.9 7 49 3.61 13.3
Y = Y2 =
16.2 X = 62 X = 402
2
27.36 XY = 104.3
(402)(16,2)(62)(104,3)
a. a = ()
= 10(402)(62)2
= 0.2602273
( )( )( ) 10(104,3)(62)(16,2)
= = = 0.2193182
() 10(402)(62)2
maka persamaan regresinya adalah Y = 0.2602273 + 0.2193182X.
Dari persamaan tersebut dapat diketahui bahwa total gaji tanpa dipengaruhi
oleh variabel apapun adalah sebesar Rp260227.3. Sedangkan jika
dipengaruhi oleh jam kerja lembur, jika naik sebesar 1 jam, maka rata-rata
total gaji akan naik sebesar Rp219318.2, ceteris paribus.
27,36(0,2602273)(16,2)(0,2193182)(104,3)
b. SYX = 1
= 1011
= 0.1835175
Jadi, rata-rata penyimpangan variabel total gaji prediksi terhadap variabel

total gaji sebenarnya adalah 0.1835175.
c. Y = 0.2602273 + 0.2193182X
Y = 0.2602273 + 0.2193182(8)
Y = 2.014773
Jadi, ketika mendapatkan jatah lembur sebanyak 8 jam, maka total gaji yang
akan didapat adalah sebesar Rp2.014.773.
REGRESI DAN KORELASI BERGANDA
REGRESI LINEAR BERGANDA
Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh

antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat.
Misalnya, hubungan antara hasil penjualan dengan harga dan daya beli, hubungan
antara rata-rata harga beras dengan dengan jumlah penduduk, pendapatan, dan
jumlah uang beredar, atau hubungan antara produksi padi dengan bibit, pupuk, luas
sawah, dan curah hujan. (Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2
(Statistik Inferensif), edisi kedua).Friedman (1962) menyatakan bahwa keputusan
seseorang untuk mengonsumsi sesuatupada dasarnya tidak hanya dipengaruhi oleh
faktor pendapatannya, tetapi juga perkiraan pendapatannya pada masa akan dating,
selain faktor suku bunga, pajak, distribusi pendapatan, dan lainnya.
Persamaan regresi linear berganda :
= + + + +
Keterangan :
Y = variabel dependen
X1, X2, Xk = variabel independen
a = bilangan konstan (konstanta)
b1, b2, bk = koefisien variabel
Bentuk umum persamaan regresi linear berganda :

a. Bentuk Stokastik
= a + b1X1 + b2X2+ ... +bkXk + e
b. Bentuk Nonstokastik (Deterministik)
= a + b1X1 + b2X2+ ... +bkXk
Keterangan:
= variabel terikat / dependen (nilai duga Y)
X1, X2, ..., Xk = variabel bebas / independen
a = bilangan konstan (konstanta)
b1, b2, ..., bk = koefisien regresi (parameter)
e )
= nilai residual / error / pengganggu (Y-Y
Persamaan Regresi Linear Berganda dengan Dua Variabel Bebas
Bentuk umum persamaan regresi linear berganda dengan dua variabel bebas
adalah sebagai berikut:
= a + b1X1 + b2X2
Keterangan:
Y = variabel terikat / dependen (nilai duga Y)
X1, X2 = variabel bebas / independen
b1,b2 =koefisien regresi linear berganda disebut juga sebagai koefisien

regresi parsial (partial coefficient regression)
a = konstanta (nilai Y, apabila X1 = X2 = 0)
b1 = besarnya kenaikan/penurunan Y dalam satuan, jika X1naiksatu

satuan dan X2 konstan
b2 = besarnya kenaikan/penurunan Y dalam satuan, jika X2naik satu

satuan dan X1 konstan
+ atau - = tanda yang menunjukkan arah hubungan antara Y dan X1atau X2
Nilai dari koefisien a, b1, b2 dapat ditentukan salah satunya dengan

metode kuadrat terkecil atau Ordinary Least Square Method.
Metode Kuadrat Terkecil
Metode Kuadrat terkecil atau Ordinary Least Square Method pada prinsipnya
adalah meminimumkan jumlah kuadrat deviasi di sekitar garis regresi. Dan nilai
koefisien regresi a, b1, dan b2 dapat dipecahkan secara simultan dari tiga persamaan
berikut :
Y = na + b1X1 + b2X2
X1Y = aX1 + b1X12 + b2X1X2
X2Y = aX2 + b1X1X2 + b2X22
Untuk mendapatkan koefisien regresi a, b1, dan b2 dengan menggunakan persamaan

di atas, diperlukan perhitungan yang cukup panjang, oleh karena itu, dikembangkan
beberapa cara yang lebih mudah, sebagai berikut :
A = nX1Y X1Y
B = nX22 (X2)2
C = nX1X2 - X1X2
D = nX2Y - X2Y
E = nX12 (X1)2
F = EB C2
Dari beberapa persamaan tersebut, nilai koefisien regresi untuk a, b1, dan b2dapat
diperoleh dengan cara berikut :

1 = 2 =

1 1 2 2
=

PENGUJIAN KOEFISIEN REGRESI
1. Standard Error of Estimate / KesalahanBaku dalam Penaksiran (SE)

Kesalahan baku dalam penaksiran melihat seberapa jauh nilai penduga, yaitu b1
dan b2 dari nilai sebenarnya, yaitu B1 dan B2 (parameter populasi). Oleh karena
nilai ini menunjukkan besarnya penyimpangan atau error, maka semakin kecil
nilainya dianggap akan lebih baik. Untuk menghitung kesalahan baku ini dapat
digunakan rumus berikut :
=
2 2
1 2 = 2
1 2 2 2 ( 1 2 )2
1 2
2 2 = 2
1 2 2 2 ( 1 2 )2
df = n k 1 = n 3
2
2 =
1
2 = ( 1 1 2 2 )2
2. Pendugaan Hipotesis Koefisien Regresi Berganda (Parameter 1 dan 1)
a. Pengujian Hipotesis Simultan (F statistik)

Digunakan untuk melihat signifikansi variabel independent
(1 , 2 , , )secara keseluruhan / bersamasama dalam mempengaruhi
nilai variabel dependen (Y).Langkah-langkah pengujiannya adalah sebagai
berikut :
i. Menentukan formulasi hipotesis
0 : 1 , 2 , , = (X1 dan X2 secara bersama-sama tidak
mempengaruhi Y)
: 1 , 2 , , (X1 dan X2 secara bersama-sama mempengaruhi

Y atau paling sedikit ada satu X yang
mempengaruhi Y)
ii. Menentukan Taraf nyata () dan nilai F

Taraf nyata () dan nilai F tabel ditentukan dengan derajat kebebasan
v1 = k - 1 dan v2 = n k.
iii. Menentukan nilai F stat

SSR SSE
MSR MSE
df1 df 2
SST = Y2 n Y 2
SSR = b1 X1Y + b2 X2Y
SSE = SST SSR
iv. Menentukan Kriteria Pengujian

F stat F tabel Ho tidak dapat ditolak
F stat > F tabel Ho ditolak
atau
Sig. 0 tidak dapat ditolak
Sig. < 0 ditolak
v. Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
b. Pengujian Hipotesis Individual / Parsial (t statistik)

Digunakan untuk melihat signifikansi variabel independent (1 , 2 , , )
secara parsial dalam mempengaruhi variabel dependen (Y).Langkah-langkah
pengujiannya adalah sebagai berikut :
i. Menentukan formulasi hipotesis
Ho : i = 0 ( tidak ada pengaruh Xi secara parsial terhadap Y)
Ha : i > 0 ( ada pengaruh positif Xi secara parsial terhadap Y)
i < 0 ( ada pengaruh negatif Xi secara parsial terhadap Y)
i 0 ( ada pengaruh Xi secara parsial terhadap Y)
ii. Menentukan Taraf nyata () dan nilai t tabel
Taraf nyata dari t tabel ditentukan dengan derajat kebebasan :
df = n k 1, (k = banyaknya jumlah variabel X)
iii. Menentukan nilai t stat
iv. B
Menentukan KriteriabPengujian
t stat i i
, i 2,3
-ttabel tstat ttabel Ho tidak
Sbi dapat ditolak
tstat< -ttabel Ho ditolak
tstat> ttabel Ho ditolak
atau
Sig. < 0 ditolak
v. Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.
KORELASI LINEAR BERGANDA
Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi
antara variabel terikat (variabel Y) dan dua atau lebih variabel bebas (X 1, X2, ...,
Xk). Analisis korelasinya menggunakan tiga koefisien korelasi, yaitu koefisien
determinasi berganda, koefisien korelasi berganda dan koefisien korelasi parsial.(Ir.
M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2 (Statistik Inferensif), edisi
kedua )
a. Koefisien Determinasi Berganda (R2)

Koefisien Determinasi Berganda, dilambangkan dengan R2, merupakan ukuran
kesesuaian garis regresi linear berganda terhadap suatu data. Koefisien
determinasi tersebut digunakan untuk :
Mengukur besarnya kontribusi variasi X1 dan X2 (variable independen)
terhadap variasi Y dalam hubungnnya dengan persamaan garis regresi linear
berganda = a + b1X1 + b2X2.
Menentukkan apakah garis regresi linear berganda Y terhadap X 1 dan X2
sudah cocok untuk dipakai sebagai pendekatan hubungan linear antar
variabel berdasarkan hasil observasi (goodness of fit).
Nilai koefisien determinasi berganda terletak antara 0 dan 1 (0 R2 1).
Koefisien determinasi berganda dirumuskan:
b x1 y b2 x2 y
(Ir. M. Iqbal Hasan, M.M., R 2
1
Pokok-Pokok Materi Statistik 2 (Statistik Inferensif),
edisi kedua )
y2
b. Koefisien Korelasi Berganda (R)

Koefisien korelasi berganda, disimbolkan Ry.12, merupakan ukuran keeratan
hubungan antara variabel terikat dan semua variabel bebas secara bersama-sama.
b1 x1 y b2 x2 y
R y.12
y 2
c. Koefisien Korelasi Parsial (r)

Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel jika
variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua
variabel. Sebelum menghitung koefisien korelasi parsial, dilakukan terlebih
dahulu perhitungan koefisien korelasi sederhana, yaitu:
1 1
1 =
[ 2 ()2 ][1 2 (1 )2 ]
2 2
2 =
[ 2 ()2 ][2 2 (2 )2 ]
1 2 1 2
12 =
[1 2 (1 )2 ][2 2 (2 )2 ]
Koefisien Korelasi Parsial antara Y dan X1, apabila X2 konstan

1 2 12
1.2 =
(1 2 2 )(1 12 2 )
Koefisien Korelasi Parsial antara Y dan X2, apabila X1 konstan

2 1 12
2.1 =
(1 1 2 )(1 2 2 )
Koefisien Korelasi Parsial antara X1 dan X2, apabila Y konstan

12 1 2
12. =
(1 1 2 )(1 2 2 )
(Suharyadi & Purwanto, Statistika, Untuk Ekonomi dan Keuangan Modern,

Edisi 2)
CONTOH SOAL :
STA, pemilik perkebunan tembakau yang relatif besar di Sumedang, selama 2 tahun
terakhir, Deasy melakukan uji coba pemberian 2 jenis pupuk pada tanaman
tembakaunya demi mendapatkan tembakau dengan kualitas terbaik, yaitu pupuk
jenis Zwazelzure Kali (ZK) dan pupuk jenis Zwazelzure Amoniak (ZA). Tembakau
jenis ini dipanen setiap 4 bulan sekali, sehingga didapat 8 data penggunaan kedua
jenis pupuk terhadap hasil panen tembakau. Berikut data yang berhasil diperoleh :
Hasil Panen Pupuk ZK Pupuk ZA

Waktu Panen
(Kw) (Kg) (Kg)
Panen I 160 75 60
Panen II 200 125 100
Panen III 250 130 125
Panen IV 185 100 97
Panen V 300 170 156
Panen VI 325 175 160
Panen VII 400 230 218
Panen VIII 500 200 230
a. Tentukan persamaan regresinya dan interpretasikan !

b. Tentukan koefisien determinasi, korelasi berganda, dan korelasi
parsial ! Interpretasikan !
c. Lakukan pengujian secara parsial antar variabel hasil panen dan
jumlah pupuk ZK yang digunakan, juga variabel hasil panen dan
jumlah pupuk ZA yang digunakan, dengan tingkat signifikansi 5% !
d. Lakukan pengujian simultan antara variabel jumlah pupuk ZK dan
variabel jumlah pupuk ZA yang digunakan terhadap variabel hasil
panen tembakau !
e. Jika anda juga memiliki perkebunan tembakau, apakah anda harus
menambah pupuk ZK saja, pupuk ZA saja, atau keduanya ?
Penyelesaian:
Langkah langah dengan menggunakan softwareSPSS :
1. Buka SPSS, masukkan nama variabel pada variable view, dan

masukkan data pada data view
2. pada menu bar, pilih analyze, sub menu regression, lalu klik linear
3. masukkan variabel Y ke dalam kotak dependent dan X1 dan X2 ke
dalam kotak independent
4. Klik Statistics
Regression Coefficient aktifkan estimates
Aktifkan model fit, descriptives, dan part and partial
correlations
Klik Continue
5. Klik Option
Pilih Stepping Method Kriteria entry 0.05
Aktifkan Include Constant in Equation
Pada box missing value pilih exclude cases pairwise
Klik Continue
Lalu klik OK
6. Outputnya adalah sebagai berikut :
Coefficientsa
Unstandardized Standardized
Correlations
Coefficients Coefficients
Model T Sig.
B Std. Error Beta Zero-order Partial Part
(Constant) 54.154 27.025 2.004 .101
1 X1 -1.286 .586 -.576 -2.195 .080 .902 -.700 -.152
X2 2.998 .513 1.532 5.839 .002 .976 .934 .403
a. Dependent Variable: Y
a. Persamaan regresi :
Y = 54,1541,286 X1 + 2,998 X2
Interpretasi :
a = 54,154
Tanpa dipengaruhi oleh variabel apapun, rata rata hasil panen yang
dihasilkanadalah sebanyak 54,154 Kwintal.
b1 = -1,286
Artinya, setiap kenaikan penggunaan pupuk ZK sebanyak 1 Kg, maka rata rata
hasil panen akan turun sebesar 1,286 Kwintal dengan variabel penggunaan
pupuk ZA dianggap konstan.
b2 = 2,998
Artinya, setiap kenaikan penggunaan pupuk ZA sebanyak 1 miliar rupiah, maka
rata rata hasil panen akan naik sebanyak2,998 Kwintal dengan variabel
penggunaan pupuk ZK dianggap konstan.
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .988a .976 .967 21.29678
a. Predictors: (Constant), X2, X1
b. Koefisien determinasi : R2 = 0,967 (Adjusted R2)

Koefisien nondeterminasi : K2 = 1 - R2 = 1 0,967 = 0,033
Artinya, variabel penggunaan pupuk ZK dan variabel penggunaan pupuk ZA
mampu menjelaskan variasi dari hasil panen Tembakau sebesar 96,7%, dan
sisanya sebesar 3,3% dijelaskan oleh faktor lain di luar model.
c. Standard Error of Estimate (SE)

SE = 21,29678
Artinya, rata-rata penyimpangan variabel hasil panen tembakau yang diprediksi
dengan variabel hasil panen tembakau yang sebenarnya adalah sebanyak
21,29678 Kwintal.
d. Koefisien korelasi berganda (R) = 0,988

Artinya, hubungan keseluruhan antara variabel hasil panen tembakau, variabel
penggunaan pupuk ZK, dan variabel penggunaan pupuk ZA adalah searah dan
sifatnya sangat erat yaitu sebesar 0,988.
Correlations
Y X1 X2
Y 1.000 .902 .976
Pearson Correlation X1 .902 1.000 .965
X2 .976 .965 1.000
Y . .001 .000
Sig. (1-tailed) X1 .001 . .000
X2 .000 .000 .
Y 8 8 8
N X1 8 8 8
X2 8 8 8
Koefisien Korelasi Parsial :

ry1.2 = 0,902
Artinya hubungan antara variabel penggunaan pupuk ZK secara parsial
terhadap variabel hasil panen tembakau adalah searah dan sifatnya sangat
erat dengan nilai sebesar 0,902, dengan menganggap variabel penggunaan
pupuk ZA ekspor konstan.
ry2.1 = 0,976
Artinya hubungan antara variabel penggunaan pupuk ZA secara parsial
terhadap variabel hasil panen tembakau adalah searah dan sifatnya sangat
erat dengan nilai sebesar 0,976, dengan menganggap variabel penggunaan
pupuk ZK konstan.
r12.y = 0,965
Artinya hubungan antara variabel penggunaan pupuk ZK dan variabel
penggunaan pupuk ZA secara parsial adalah searah dan sifatnya sangat erat
dengan nilai sebesar 0,965, dengan menganggap variabel hasil panen
tembakau konstan.
e. Uji t statistik :
1. Uji Parsial variabel Hasil Panen terhadap Variabel Penggunaan Pupuk
ZK
Hipotesis :
0 : 1 = (variabel penggunaan pupuk ZK secara parsial tidak
berpengaruh signifikan terhadap variabel hasil panen
tembakau)
: 1 (variabel penggunaan pupuk ZK secara parsial berpengaruh
signifikan terhadap variabel hasil panen tembakau)
Nilai t stat dan t tabel :
t stat = -2,195
t tabel = 2,571
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
i. Uji tabel t
-ttabel tstat ttabel Ho tidak dapat ditolak
Ternyata -ttabel tstat ttabel, yaitu -2,571< -2,195 <2,571 maka Ho tidak
dapat ditolak
ii. Uji sig.

Sig. < 0 ditolak
Sig. = 0,08 dan = 0,05
Ternyata Sig. , yaitu 0,08 0,05 maka tidak dapat ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZK secara
parsial tidak berpengaruh signifikan terhadap variabel hasil panen
tembakau
2. Uji Parsial Variabel Hasil PanenTerhadap Variabel Penggunaan Pupuk

ZA
Hipotesis :
0 : 2 = (variabelpenggunaan pupuk ZA secara parsial tidak
berpengaruh
signifikanterhadap variabel hasil panen tembakau)
: 2 (variabelpenggunaan pupuk ZA secara parsial berpengaruh
signifikan terhadap variabel hasil panen tembakau)
t stat = 5,839
t tabel = 2,571
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
i. Uji tabel t

Ternyata tstat> ttabel, yaitu 5,839> 2,571 maka Ho ditolak
ii. Uji sig.
Sig. < 0 ditolak
Sig. = 0,002 dan = 0,05
Ternyata Sig. < , yaitu 0,008 < 0,05 maka ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZA secara
parsial berpengaruh signifikan terhadap variabel hasil panen tembakau.
f. Uji F statistik
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
Regression 92882.235 2 46441.118 102.394 .000a
1 Residual 2267.765 5 453.553
Total 95150.000 7
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Hipotesis :
0 : 1 = 2 = (variabel penggunaan pupuk ZKdan variabel
penggunaan pupuk ZA secara bersama-sama tidak
berpengaruh signifikan terhadap variabel hasil
panen tembakau)
: 1 2 (variabel penggunaan pupuk ZK dan variabel

penggunaan pupuk ZA secara bersama-sama
berpengaruh signifikan terhadap variabel hasil
panen tembakau)
Nilai F stat dan F tabel :

F stat = 102,394 F tabel = 5,99 = 0,05
v1 = k 1 = 2 1 = 1
v2 = n k = 8 2 = 6
Kriteria uji :
i. Uji tabel F
Ternyata F stat > F tabel, yaitu 102,394>5,99 maka Ho ditolak
ii. Uji Sig.
Sig. < 0 ditolak
Sig. = 0,000 dan = 0,05
Ternyata Sig. < , yaitu 0,000< 0,05, maka ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk ZK dan
variabel penggunaan pupuk ZA secara bersama-sama berpengaruh
signifikan terhadap variabel hasil panen tembakau.
SOAL REGRESI DAN KORELASI BERGANDA
1. The owner of Showtime Movie Theaters, Inc., would like to estimate weekly
gross revenue as a function of advertising expenditures. Historical data for a
sample of eight weeks follow.
Weekly Gross Television Newspaper
Revenue Advertising Advertising
($1000) ($1000) ($1000)
96 5 1,5
90 2 2
95 4 1,5
92 2,5 2,5
95 3 3,3
94 3,5 2,3
94 2,5 4,2
94 3 2,5
a. Develop an estimated regression equation with both television advertising
and newspaper advertising as the independent variables.
b. What is the estimate of the weekly gross revenue for a week when $3500 is
spent on television advertising and $1800 is spent on newspaper
advertising?
Jawab :
Coefficientsa
Coefficients Coefficients Correlations
Model B Std. Error Beta T Sig. Zero-order Partial Part
1 (Constant) 83.230 1.574 52.882 .000

television 2.290 .304 1.153 7.532 .001 .808 .959 .958
newspaper 1.301 .321 .621 4.057 .010 -.021 .876 .516
a. Dependent Variable:
Gross_revenue
a. Regression Equation :
Y = 83,23 + 2,29 X1 + 1,301 X2
Interpretation :
a = 83,23
Without affected with no variable, the average of weekly gross revenue
is about $83,230.
b1 = 2,29
Every increasing of $1,000 television advertising, the average of weekly

gross revenue will be increase as much as 2,29 or $2,290, considering
newspaper advertising variable are constant.
b2 = 1,301
Every increasing of $1,000 newspaper advertising, the average of

weekly gross revenue will be increase as much as 1,301 or $1,301,
considering television advertising variable are constant.
b. Estimation :
Television Advertising = 3,5
Newspaper Advertising = 1,8
Y = 83,23 + 2,29 X1 + 1,301 X2
Y = 83,23 + 2,29 (3,5) + 1,301 (1,8)
Y = 93,58680
So, there would be $93,586.8 weekly gross revenue for a week when
$3500 is spent on television advertising and $1800 is spent on
newspaper advertising.
2. Data dibawah ini dikumpulkan untuk mengetahui hubungan antara produksi

padi dengan penggunaan pupuk dan insektisida dari sebuah daerah di
Kabupaten XYZ, hasilnya adalah sbb :
No. Daerah sebagai sampel 1 2 3 4 5 6 7 8 9 10
Produksi Padi (Kwt/Ha) 42 44 46 48 52 58 60 68 74 80
Pupuk (Kg/Ha) 6 8 12 18 20 22 26 28 32 36
Insektisida (Kg/Ha) 4 5 6 8 9 12 14 20 21 24
Jika persamaan regresinya adalah : Y = b0 + b1 X1 + b2 X2
Dan hasil perhitungan maka persamaan regresinya adalah
Y = 32,78 + 0,86 X1 + 1,25 X2 dan
2
R = 0,9625 Sb1 = 0,22 Sb2 = 0,25
Pertanyaannya :
a. Apa arti masing-masing koefisien regresi diatas, jelaskan secara kualitatif
dan kuantitatif.
b. Dan jelaskan pula arti dari koefisien determinasinya R2
c. Berapa besarnya estimasi dari produksi padi jika diketahui penggunaan
pupuk sebanyak 26 Kg per Ha dan insektisida 8 Kg per Ha.
d. Ujilah apakah koefisien b1 dan b2 signifikan (berarti)
(sumber : Soal Tim Dosen Ujian Akhir Semester tahun 2010/2011)
Jawab :
a. Interpretasi :
Y = 32,78 + 0,86 X1 + 1,25 X2
a = 32,78
Tanpa dipengaruhi oleh variabel apapun, rata rata produksi padi adalah
sebesar 32,78 Kwt/Ha.
b1 = 0,86
Artinya, setiap kenaikan penggunaan pupuk sebanyak 1 Kg/Ha , maka
rata rata produksi padi akan naik sebesar 0,86 Kwt/Ha dengan variabel
insektisida dianggap konstan.
b2 = 1,25
Artinya setiap kenaikan penggunaan insektisida sebanyak 1 Kg/Ha, maka
rata rata produksi padi akan naik sebesar 1,25 Kwt/Ha dengan variabel
pupuk dianggap konstan.
b. Koefisien Determinasi : R2 = 0,9625
Koefisien Non Determinasi : K2 = 1 - R2 = 1 0,9625 = 0,0375
Artinya, variabel pupuk dan variabel insektisida mampu menjelaskan
variasi dari produksi padi sebesar 96,25%, dan sisanya sebesar 3,75%
dijelaskan oleh faktor lain di luar model
c. Pupuk = 26 Kg/Ha
Insektisida = 8 Kg/Ha
Y = 32,78 + 0,86 X1 + 1,25 X2
Y = 32,78 + 0,86 (26) + 1,25 (8)
Y = 65,14
Jadi, besarnya estimasi dari produksi padi jika diketahui penggunaan
pupuk sebanyak 26 Kg per Ha dan insektisida 8 Kg per Ha adalah 65,14
Kwt/Ha.
d. Uji t statistik :
Uji Parsial variabel produksi padi terhadap variabel penggunaan
pupuk
Hipotesis :
0 : 1 = (variabel penggunaan pupuk secara parsial tidak
berpengaruh signifikan terhadap variabel produksi padi)
: 1 (variabel penggunaan pupuk secara parsial berpengaruh
signifikan terhadap variabel produksi padi)

=

0,86 0
= = 3,909091
0,22
t tabel = 2,5706
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
i. Uji tabel t
Ternyata ttabel tstat, yaitu 2,5706< 3,909091 maka Ho ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan pupuk secara

parsial berpengaruh signifikan terhadap variabel produksi padi
Uji Parsial Variabel Hasil PanenTerhadap Variabel Penggunaan
Pupuk ZA
Hipotesis :
0 : 2 = (variabel penggunaan insektisida secara parsial tidak
: 2 (variabel penggunaan insektisida secara parsial

=

1,25 0
= =5
0,25
t tabel = 2,5706
df = n k 1 = 8 2 1 = 5
= 0,05
Kriteria uji :
Uji tabel t
Ternyata tstat> ttabel, yaitu 5,000> 2,5706 maka Ho ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel penggunaan insektisida
secara parsial berpengaruh signifikan terhadap variabel produksi
padi.
3. A 10-year study conducted by the American Heart Association provided data

on how age, blood pressure, and smoking relate to the risk of strokes. Assume
that the following data are from a portion of this study. Risk is interpreted as
the probability (times 100) that the patient will have a stroke over the next 10-
year period. For the smoking variable, define a dummy variable with 1
indicating a smoker and 0 indicating a nonsmoker.
Risk Age Pressure Smoker
12 57 152 No
24 67 163 No
13 58 155 No
56 86 177 Yes
28 59 196 No
51 76 189 Yes
18 56 155 Yes
31 78 120 No
37 80 135 Yes
15 78 98 No
22 71 152 No
36 70 173 Yes
15 67 135 Yes
48 77 209 Yes
15 60 199 No
36 82 119 Yes
8 66 166 No
34 80 125 Yes
3 62 117 No
37 59 207 Yes
a. Develop an estimated regression equation that relates risk of a stroke to the
persons age, blood pressure, and whether the person is a smoker.
b. Is smoking a significant factor in the risk of a stroke? Explain. Use =
0.05.
c. What is the probability of a stroke over the next 10 years for Art Speen, a
68-year-old smoker who has blood pressure of 175? What action might the
physician recommend for this patient?
Coefficientsa
Std. Partia
Model B Error Beta t Sig. Zero-order l Part
1 (Constant -
-91.759 15.223 .000
) 6.028
Age 1.077 .166 .697 6.488 .000 .650 .851 .577
Pressure .252 .045 .553 5.568 .000 .388 .812 .495

Smoker 8.740 3.001 .302 2.912 .010 .680 .589 .259
risk
Y = -91,759 + 1,077 X1 + 0,252 X2 + 8,740 X3
Interpretation :
a = 91,759
Without affected with no variable, the risk of strokes is about 91,759.
b1 = 1,077
Every increasing of 1 years old of age, the risk of strokes will be increase as
much as 1,077, considering blood pressure variable and smoke variable are
constant.
b2 = 0,252
Every increasing of 1 blood pressure, the risk of strokes will be increase as
much as 0,252, considering age and smoke variable are constant.
b3 = 8,740
Everyone who smoking, the risk of strokes will be increase as much as 8,74,
considering age and blood pressure variable are constant.
b. Partial Test of Smoker Variable to The Risk of Strokes

Hypothesis :
0 : 3 = (smoker variable partially doesnt affect significantly to
the risk of strokes variable)
: 3 (smoker variable partially affects significantly to the risk
of strokes variable)
Value of t-stat and t-table :
t stat = 2,912
t table = 2,1199
df = n k 1 = 20 3 1 = 16
= 0,05
Criteria :
i. t-Table Test
-ttable tstat ttable Ho cannot rejected
tstat< -ttable Ho rejected
tstat> ttable Ho rejected
-ttable tstat ttable, or 2,1199 < 2,912, so Ho rejected
ii. Sig. Test
Sig. 0 cannot rejected
Sig. < 0 rejected
Sig. = 0,010 and = 0,05
Sig. , or 0,010< 0,05 so rejected
Conclusion :
Using 5% significance level, smoker variable partially affects
significantly to the riks of strokes.
c. Age = 68+next 10 years = 78
Blood pressure = 175
Smoker
Y = -91,759 + 1,077 X1 + 0,252 X2 + 8,740 X3
Y = -91,759 + 1,077 (78) + 0,252 (175) + 8,740 (1)
Y = 45,087
So, the probability of a stroke over the next 10 years for Art Speen, a 68-
year-old smoker who has blood pressure of 175 is 45,087%. The patient
should stop smoking because of the possibility of stroke is large enough.
4. Berikut adalah data tentang tingkat kehadiran di kelas dan skor IQ mahasiswa
yang diperkirakan mempengaruhi nilai akhir yang diperoleh!
Kehadiran di kelas Skor Nilai

(%) IQ akhir
1. 60 110 65
2. 70 120 70
3. 75 115 75
4. 80 130 75
5. 80 110 80
6. 90 120 80
7. 95 120 85
8. 95 125 95
9. 100 110 90
10. 100 120 98
a. Tentukan persamaan regresinya dan interpretasikan!

b. Tentukan koefisien determinasi, korelasi berganda, dan korelasi parsial!
Interpretasikan!
c. Berapa besar penyimpangan variabel nilai akhir yang diprediksi terhadap
variabel nilai akhir yang sebenarnya?
d. Lakukan pengujian secara parsial antar variabel nilai akhir dan kehadiran,
juga variabel nilai akhir dan skor IQ, dengan tingkat signifikansi 5%!
e. Lakukan pengujian simultan antara variabel kehadiran di kelas dan variabel
skor IQ terhadap variabel nilai akhir!
Jawab :
Coefficientsa
Zero-
Model B Std. Error Beta t Sig. order Partial Part
1 (Constant) 23.054 25.572 .902 .397
Kehadiran .737 .109 .938 6.752 .000 .934 .931 .913
Skor_IQ -.034 .221 -.022 -.156 .881 .194 -.059 -.021
a. Dependent Variable: Nilai_akhir
Y = 23,054 + 0,737 X1 0,034 X2
Interpretasi :
a = 23,054
Tanpa dipengaruhi oleh variabel apapun, rata rata nilai akhir yang
didapatkan mahasiswa adalah sebesar 23,054.
b1 = 0,737
Artinya, setiap kenaikan kehadiran di kelas sebanyak 1 kali, maka rata

rata nilai akhir mahasiswa akan naik sebesar 0,737 dengan variabel skor
IQ dianggap konstan.
b2 = 0,034
Artinya setiap kenaikan skor IQ sebanyak 1 satuan, maka rata rata nilai
akhir akan turun sebesar 0,034 dengan variabel kehadiran dikelas
dianggap konstan.
Model Summary
Adjusted R Std. Error of

Model R R Square Square the Estimate
1 .934a .872 .835 4.34592
a. Predictors: (Constant), Skor_IQ, Kehadiran
Correlations
Nilai_akhir Kehadiran Skor_IQ
Pearson Correlation Nilai_akhir 1.000 .934 .194
Kehadiran .934 1.000 .229
Skor_IQ .194 .229 1.000
Sig. (1-tailed) Nilai_akhir . .000 .296
Kehadiran .000 . .262
Skor_IQ .296 .262 .
N Nilai_akhir 10 10 10
Kehadiran 10 10 10
Correlations
Nilai_akhir Kehadiran Skor_IQ
Pearson Correlation Nilai_akhir 1.000 .934 .194
Kehadiran .934 1.000 .229
Skor_IQ .194 .229 1.000
Sig. (1-tailed) Nilai_akhir . .000 .296
Kehadiran .000 . .262
Skor_IQ .296 .262 .
N Nilai_akhir 10 10 10
Kehadiran 10 10 10
Skor_IQ 10 10 10
b. Koefisien Determinasi : R2 = 0,835 (Adjusted R2)

Koefisien Non Determinasi : K2 = 1 - R2 = 1 0,835 = 0,165
Artinya,variabel kehadiran di kelas dan variabel skor IQ mampu
menjelaskan variasi dari nilai akhir mahasiswa sebesar 83,5%, dan
sisanya sebesar 16,5% dijelaskan oleh faktor lain di luar model.
Koefisien Korelasi Berganda (R) = 0,934

Artinya, hubungan keseluruhan antara variabel nilai akhir mahasiswa,
variabel kehadiran di kelas, dan variabel skor IQ adalah searah dan
sifatnya sangat erat yaitu sebesar 0,934 atau 93,4%.
Koefisien Korelasi Parsial (r)

ry1.2 = 0,934
Artinya hubungan antara variabel kehadiran di kelas secara parsial

terhadap variabel nilai akhir mahasiswa adalah searah dan sifatnya
sangat erat dengan nilai sebesar 0,934, dengan menganggap variabel
skor IQ konstan.
ry2.1 = 0,194
Artinya hubungan antara variabel skor IQ secara parsial terhadap

variabel nilai akhir mahasiswa adalah searah dan sifatnya kurang erat
dengan nilai sebesar 0,194, dengan menganggap variabel kehadiran di
kelas konstan.
r12.y = 0,229
Artinya hubungan antara variabel kehadiran di kelas dan variabel skor

IQ secara parsial adalah searah dan sifatnya lemah dengan nilai
sebesar 0,2
29, dengan menganggap variabel nilai akhir mahasiswa konstan.
c. Standard Error of Estimate (SE)

SE = 4,34592
Artinya, rata-rata penyimpangan variabel nilai akhir mahasiswa yang
diprediksi dengan variabel nilai akhir mahasiswa yang sebenarnya adalah
sebesar 4,34592.
d. Uji t statistik :
1. Uji Parsial Variabel Nilai Akhir Mahasiswa Terhadap Variabel
Kehadiran di kelas
Hipotesis :
0 : 1 = (variabel kehadiran di kelas secara parsial tidak
berpengaruh
signifikan terhadap variabel nilai akhir mahasiswa)
: 1 (variabel kehadiran di kelas secara parsial berpengaruh
t stat = 6,752
t tabel = 2,3646
df = n k 1 = 10 2 1 = 7
= 0,05
Kriteria uji :
i. Uji tabel t
Ternyata tstat> ttabel, yaitu 6,752 2,3646 maka Ho ditolak
ii. Uji sig.
Sig. < 0 ditolak
Sig. = 0,000 dan = 0,05
Ternyata Sig. < , yaitu 0,000< 0,05 maka ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel kehadiran di kelas secara
parsial berpengaruh signifikan terhadap variabel nilai akhir
mahasiswa.
2. Uji Parsial Variabel Nilai akhir mahasiswa Terhadap Variabel
Skor IQ
Hipotesis :
0 : 2 = (variabel skor IQ secara parsial tidak berpengaruh
: 2 (variabel skor IQ secara parsial berpengaruh signifikan
terhadap variabel nilai akhir mahasiswa)
t stat = 0,156
t tabel = 2,3646
df = n k 1 = 10 2 1 = 7
= 0,05
Kriteria uji :
i. Uji tabel t
Ternyata -ttabel tstat ttabel, yaitu -2,3646<0,156< 2,3646 maka

Ho tidak dapat ditolak
ii. Uji sig.
Sig. < 0 ditolak
Sig. = 0,881 dan = 0,05
Ternyata Sig. > , yaitu 0,881 > 0,05 maka tidak dapat
ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel skor IQ secara parsial tidak
berpengaruh signifikan terhadap variabel nilai akhir mahasiswa.
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 899.891 2 449.946 23.823 .001a
Residual 132.209 7 18.887
Total 1032.100 9
a. Predictors: (Constant), Skor_IQ, Kehadiran
b. Dependent Variable: Nilai_akhir
Hipotesis :
0 : 1 = 2 = (variabel kehadiran di kelas dan variabel skor IQ
secarabersama-sama tidak berpengaruh
signifikan terhadap variabel nilai akhir
mahasiswa)
: 1 2 (variabel kehadiran di kelas dan variabel skor IQ

secara bersama-sama berpengaruh signifikan
terhadap variabel nilai akhir mahasiswa)
Nilai F stat dan F tabel :
F stat = 23,823 F tabel = = 0,05
v1 = k 1 = 2 1 = 1
v2 = n k = 10 2 = 8
Kriteria uji :
i. Uji tabel F
Ternyata F stat > F tabel, yaitu 23,823> 5,32 maka Ho ditolak
ii. Uji Sig.

Sig. < 0 ditolak
Sig. = 0,001 dan = 0,05

Ternyata Sig. < , yaitu 0,001< 0,05, maka ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel kehadiran di kelas dan
variabel skor IQ secara bersama-sama berpengaruh signifikan
terhadap variabel nilai akhir mahasiswa.
5. The owner of a large chain of health spas has selected eight of her smaller
clubs for a test in which she varies the size of the newspaper ad and the amount
of the initiation fee discount to see how this might affect the number of
prospective members who visit each club during the following week. The
results are shown in the table below.
Ad
New Discount
Club Column-
Visitors Amount
Inches
1 23 4 $100
2 30 7 20
3 20 3 40
4 26 6 25
5 20 2 50
6 18 5 30
7 17 4 25
8 31 8 80
a. Determine the least-squares multiple regression equation.
b. Interpret partial regression coefficients.
c. What is the estimated number of new visitors to a club if the size of the ad
is 5 column-inches and a $75 discount is offered?
Jawab :
Coefficientsa
Std. Zero-
Model B Error Beta T Sig. order Partial Part
1 (Constant 10.68
3.875 2.758 .040
) 7
ad_colum
2.157 .628 .818 3.434 .019 .816 .838 .818
n
Discount .042 .044 .226 .949 .386 .219 .391 .226
New_visitor
Y = 10,687 + 2,157 X1 + 0,042 X2
Interpretation :
a = 10,687
Without affected with no variable, the number of new visitors is about
10,687, or 11 people.
b1 = 2,157
Every increasing of 1 inches size of the newspaper ad, the number of new
visitors will be increase as much as 2,157, considering discount variable are
constant.
b2 = 0,042
Every increasing of 1 dollar discount amount, the number of new visitors
will be increase as much as 0,042, considering ad column-inches variable
are constant.
b. Partial Test of Ad Column-Inches Variable to The New Visitor
Hypothesis :
0 : 3 = (ad column variable partially doesnt affect significantly to
the new visitors variable)
: 3 (ad column variable partially affects significantly to the
new visitors variable)
t stat = 3,434
t table = 2,5706
df = n k 1 = 8 2 1 = 5
= 0,05
Criteria :
i. t-Table Test
tstat > ttable, or 3,434 > 2,5706, so Ho rejected
ii. Sig. Test
Sig. < 0 rejected
Sig. = 0,019 and = 0,05

Sig. , or 0,019< 0,05 so rejected
Conclusion :
Using 5% significance level, ad column variable partially affects
significantly to the number of new visitors.
Partial Test of Discount Amount Variable to The New Visitor

Hypothesis :
0 : 3 = (discount amount variable partially doesnt affect
significantly to the new visitors variable)
: 3 (discount amount variable partially affects significantly to
the new visitors variable)
t stat = 0,949
t table = 2,5706
df = n k 1 = 8 2 1 = 5
= 0,05
Criteria :
i. t-Table Test
-ttable tstat ttable, or -2,5706< 0,949 < 2,5706, so Ho cannot rejected
ii. Sig. Test
Sig. < 0 rejected
Sig. = 0,386 and = 0,05
Sig. , or 0,386> 0,05 so cannot rejected

Conclusion :
Using 5% significance level, discount amount variable partially
doesnt affect significantly to the number of new visitors.
c. Ad = 5
Discount = 75
Y = 10,687 + 2,157 X1 + 0,042 X2
Y = 10,687 + 2,157 (5) + 0,042 (75)
Y = 24,622
So, the estimated number of new visitors to a club if the size of the ad is 5
column-inches and a $75 discount is offered is about 25 people.
6. Berikut ini adalah data harga jual, ukuran rumah, dan kondisi rumah hasil
survei sebuah lembaga appraisal pada suatu real estate. Satuan harga jual
adalah ratus juta rupiah, ukuran rumah dalam ratus meter persegi, dan kondisi
rumah berskala 1 sampai 10.
Harga Jual 71 41 66 56 57 65
Ukuran
22 10 20 17 15 21
Rumah
Kondisi
5 2 9 3 8 4
Rumah
a. Tentukan persamaan regresi dan berikan interpretasinya!

b. Tentukan koefisien determinasi, korelasi berganda, dan korelasi parsial
untuk setiap variabel independen terhadap variabel dependen !
Interpretasikan
Jawab :
Coefficientsa
Std.
Model B Error Beta t Sig. Zero-order Partial Part
1 (Constant
18.083 3.138 5.763 .010
)
Ukuran 11.58
2.150 .186 .911 .001 .977 .989 .850
5
Kondisi .703 .300 .184 2.344 .101 .511 .804 .172
Harga_jual
Y = 18,083 + 2,150 X1 + 0,703 X2
Interpretasi
a = 18,083
Tanpa dipengaruhi oleh variabel apapun, rata rata harga jual adalah
sebesar 18,083 juta rupiah.
b1 = 2,150
Artinya, setiap kenaikan ukuran rumah sebanyak 100 meter persegi, maka
rata rata harga jual akan naik sebesar 2,15 juta rupiah dengan variabel
kondisi rumah dianggap konstan.
b2 = 0,703
Artinya setiap kenaikan kondisi rumah sebesar 1 satuan, maka rata rata
harga jual akan naik sebesar 0,703 juta rupiah dengan variabel ukuran
rumah dianggap konstan.
Model Summary
Adjusted R Std. Error of

Model R R Square Square the Estimate
1 .992a .984 .973 1.74516
a. Predictors: (Constant), kondisi, ukuran
b. Koefisien determinasi : R2 = 0,973 (Adjusted R2)

Koefisien nondeterminasi : K2 = 1 - R2 = 1 0,973 = 0,027
Artinya, variabel ukuran rumah dan variabel kondisi rumah mampu
menjelaskan variasi dari harga jual rumah sebesar 97,3%, dan sisanya
sebesar 2,7% dijelaskan oleh faktor lain di luar model.
Koefisien korelasi berganda (R) = 0,992

Artinya, hubungan keseluruhan antara variabel harga jual, variabel ukuran
rumah, dan variabel kondisi rumah adalah searah dan sifatnya sangat erat
yaitu sebesar 0,992.
Correlations
Harga_jual ukuran kondisi
Pearson Correlation Harga_jual 1.000 .977 .511
Ukuran .977 1.000 .358
Kondisi .511 .358 1.000
Sig. (1-tailed) Harga_jual . .000 .150

Ukuran .000 . .243
Kondisi .150 .243 .
N Harga_jual 6 6 6
Ukuran 6 6 6
Kondisi 6 6 6
Koefisien Korelasi Parsial :

ry1.2 = 0,977
Artinya hubungan antara variabel ukuran rumah secara parsial terhadap
variabel harga jual adalah searah dan sifatnya sangat erat dengan nilai
sebesar 0,977, dengan menganggap variabel kondisi rumah konstan.
ry2.1 = 0,511
Artinya hubungan antara variabel kondisi rumah secara parsial terhadap
variabel harga jual adalah searah dan sifatnya cukup erat dengan nilai
sebesar 0,511, dengan menganggap variabel ukuran rumah konstan.
r12.y = 0,358
Artinya hubungan antara variabel ukuran rumah dan variabel kondisi rumah
secara parsial adalah searah dan sifatnya lemah dengan nilai sebesar 0,358,
dengan menganggap variabel harga jual konstan.
7. A university placement director is interested in the effect that grade point
average (GPA) and the number of university activities listed on the resume
might have on the starting salaries of this years graduating class. He has
collected these data for a sample of 10 graduates:
Starting Salary
Grade Point Number of
Graduate (Thousand
Average Activities
dollars)
1 40 3,2 2
2 46 3,6 5
3 38 2,8 3
4 39 2,4 4
5 37 2,5 2
6 38 2,1 3
7 42 2,7 3
8 37 2,6 2
9 44 3,0 4
10 41 2,9 3
a. Determine the multiple regression equation and interpret the partial

regression coefficients.
b. Dave has a 3.6 grade point average and 3 university activities listed on his
resume. What would be his estimated starting salary?
Jawab :
Coefficientsa
Standardize
d
Unstandardized Coefficient
Coefficients s Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part
1 (Constant
24.309 3.192 7.616 .000
)
GPA 3.842 1.234 .537 3.113 .017 .756 .762 .493
activities 1.681 .529 .548 3.177 .016 .763 .768 .503

Coefficientsa
Standardize
d
Unstandardized Coefficient
Coefficients s Correlations
Model B Std. Error Beta t Sig. Zero-order Partial Part
1 (Constant
24.309 3.192 7.616 .000
)
GPA 3.842 1.234 .537 3.113 .017 .756 .762 .493
activities 1.681 .529 .548 3.177 .016 .763 .768 .503
salary
Y = 24,309 + 3,842 X1 + 1,681 X2
Interpretation :
a = 24,309
Without affected with no variable, the average of starting salary is about
$24,309.
b1 = 3,842
Every increasing of 1 point of GPA, the average of starting salary will be
increase as much as 3,842, considering number of activities are constant.
b2 = 1,681
Every increasing of 1 number of activities, the average of starting salary
will be increase as much as 1,681, considering GPA variable are constant.
b. GPA = 3,6
Activities = 3
Y = 24,309 + 3,842 X1 + 1,681 X2
Y = 24,309 + 3,842 (3,6) + 1,681 (3)
Y = 43,183.2
So, the estimate starting salary for Dave who has a 3.6 grade point average
and 3 university activities listed on his resume is about $43,183.2.
CHI-SQUARE
Bila kita mempunyai dua macam proporsi dan kita ingin menguji apakah
perbedaan antar kedua proporsi itu signifikan atau tidak, maka disini kita
menggunakan pengujian hipotesa mengenai beda dua proporsi. Perluasan dari pada
pengujian selisih proporsi (beda antara dua proporsi) adalah pengujian Chi
Kuadrat, karena didalam pengujian ini kita mengadakan pengujian hipotesa
tentang perbedaan proporsi dari proporsi yang banyaknya lebih dari dua. Dengan
perkataan lain, pengujian 2 ada-lah pengujian hipotesa mengenai perbe-daan k
proporsi dimana k 2 proporsi.
Chi square merupakan suatu ukuran yang menyangkut perbedaan yang

terdapat di antara frekuensi pengamatan dengan frekuensi teoritis/frekuensi harapan
(Schaums). Maksud dari pengujian chi square adalah untuk membandingkan fakta
yang diperoleh berdasarkan hasil observasi dan fakta yang didasarkan secara teoritis
(Drs. Andi Supangat, M.Si.) Dalam statistik, distribusi chi-square (dilambangkan
dengan 2 BUKAN X2) termasuk dalam statistik nonparametrik. Distribusi
nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui.
Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak
memiliki informasi tentang populasi atau jika asumsi-asumsi yang dipersyaratkan
untuk penggunaan statistik parametrik tidak terpenuhi.
Berikut ini beberapa hal yang berhubungan dengan chi square:
a. Adanya derajat kebebasan/ degree of freedom (df). Besarnya df menunjukan

banyak observasi yang bebas untuk bervariasi sesudah batasan-batasan tertentu
dikenakan pada data. (Sidney Siegel)
b. Chi-square tidak pernah bernilai negatif. Hal ini dikarenakan selisih antara
frekuensi data observasi ( f o ) dengan frekuensi data yang diharapkan fe
dikuadratkan, yaitu f o f e 2
c. Jika 2= 0 maka frekuensi-frekuensi teoritis sama dengan frekuensi
pengamatan. Jika 2>0 maka frekuensi-frekuensi teoritis tidak tepat sama
dengan frekuensi pengamatan. Semakin besar nilai 2 semakin besar pula
perbedaan antara frekuensi yang diobservasi dan frekuensi teoritis.
d. Distribusi chi-square adalah menceng kanan. Jika n nya sangat besar maka
distribusi 2 ini mendekati distribusi normal.
1. Penaksiran Standar Deviasi

Dalam pembahasan sebelumnya telah di sampaikan bahwa pada umumnya
ada dua cara menaksir, yakni titik taksiran dan interval taksiran. Titik taksiran untuk
2 digunakan varians dari sampel yang dipakai sebagai bahan untuk menaksir. Guna
mendapatkan interval taksiran parameter maka:
s 2 (n 1) s 2 (n 1)
rumus : ; df = n-1
2 / 2 12 / 2
dimana: s = standar deviasi

n = banyaknya data yang diobservasi
= tingkat signifikansi
2 / 2 dan 12 / 2 didapat dari daftar distribusi chi-square dengan df = n-1
dan p masing-masing sama dengan dan 1- .

2 2
Uji Hipotesis Standar Deviasi
Langkah-langkah pengujian standar deviasi:
1. Tentukan hipotesis awal dan alternatifnya
Uji dua pihak Uji pihak kanan Uji pihak kiri
Ho : a Ho : a Ho : a
Ha : a Ha : a Ha : a
2. Tentukan uji kriteria distribusi dengan df = n-1 dan tingkat signifikansi

3. Lakukan uji statistik pada data yang diobservasi dengan menggunakan rumus:
s n 1
; df = n-1

4. Bandingkan nilai dengan nilai distribusi yang telah didapat pada langkah
sebelumnya sesuai kriteia uji yang digunakan
5. Buat kesimpulan
Uji dua pihak Uji pihak kanan Uji pihak kiri
Ho tidak dapat
1 / 2 / 2 1
ditolak
/ 2 1
Ho ditolak
1 / 2
2. Uji Chi-Square Dari Data Multinomial

Uji ini dilakukan untuk meneliti peristiwa yang terdiri lebih dari dua
golongan. Eksperimen yang dilakukan sebanyak n kali dan hasilnya dicatat,
dikumpulkan menrut golongan atau kategorinya masing-masing lalu diperoleh
sebuah data, data yang diperoleh demikian dinamakan data multinomial.(Sudjana)
Langkah-langkah:
1. Tentukan hipotesis awal dan hipotesis alternatifnya
Ho : 1 2 3 ... c
Ha : terdapat paling sedikit satu tanda

2. Tentukan nilai 2 pada distribusi chi-square dengan df = c-1 dan tingkat
signifikansi dimana c adalah banyaknya kolom dari data.

3. Lakukan uji statistik dengan menggunakan rumus
( oi e j ) 2
2
ej
Dimana:
oi = data hasil observasi
ej = data yang diharapkan atau diestimasikan
4. lakukan uji kriteria dengan membandingkan nilai 2 dan 2 , yaitu:
2 2 Ho tidak dapat ditolak
2 2 Ho ditolak
5. Buat kesimpulan
3. Uji Chi-Square dari Tabel Kontingensi

Tabel kontingensi merupakan tabel klasifikasi dua arah yang terdiri dari
banyak kolom dan banyak baris yang merupakan pengambangan konsep dari uji
chi-square data multinomial yang menggunakan tabel klasifikasi satu arah atau
hanya sebuah variabel saja.
Langkah-langkah:
1. Tentukan hipotesis awal dan alternatifnya
Ho : 11 12 13 ... 1c
21 22 23 ... 2c
31 32 33 ... 3c
2. Tentukan nilai 2 dari distribusi chi-square dengan tingkat signifikansi dan df
= (r-1).(c-1), dimana r adalah banyaknya baris dari data dan c adalah

banyaknya kolom dari data.
3. Lakukan uji statistik dengan menggunakan rumus:
o eij
2

2 ij
eij
Dimana:
oij= data hasil observasi dari baris ke-i kolom ke-j
eij= data hasil estimasi dari baris ke-i kolom ke-j
4. Tentukan uji kriterianya
2 2 Ho ditolak
5. Buat kesimpulan
Koefisien Kontingensi (C)

Koefisien kontingensi yaitu bilangan yang digunakan untuk menentukan
derajat hubungan antara dua faktor yang telah disusun dalam daftar kontingensi.
2 m 1
Rumus: C dengan nilai maksimum Cmax
n
2
m
Dimana:
n = banyaknya data
m = banyaknya baris atau kolom minimal
keterangan:
Cmax-C < C, hubungan erat
Cmax-C = C, hubungan cukup erat
Cmax-C > C, hubungan kurang erat
Tambahan Materi Lab

1. Interpolasi
Berfungsi untuk mencari nilai 2 yang df atau v nya tidak ada nilai tepatnya
dalam tabel (biasanya df atau v yang bernilai di atas 30).
(C1C0)
C = Co + (B1B0) x (B B0)
Contoh :
Mencari nilai 20,05 dengan nilai v = 55 dan jumlah sample (n = 5).
maka, C0 = 67,5 ; C1 = 79,1 ; B0 = 50 ; B1 = 60 ; B = 55
(79,167,5)
C = 67,5 + (6050)
x (55 50) = 73,3
Jadi, nilai 20,05 dengan v = 55 adalah 73,3.
2. Goodness of Fit
Berfungsi untuk menguji, apakah proporsi yang dihasilkan dari perhitungan sama
atau sesuai dengan proporsi yang seharusnya (dari data mentah).
Hipotesis
Ho : 1 2 ... n
Ha : minimal ada satu tanda
Menentukan nilai 2
Tentukan nilai 2 dari distribusi chi-square dengan tingkat signifikansi dan df =

c-1, dimana c adalah jumlah kolom pada data atau jumlah kelompok data.
Menentukan nilai 2 :
(oi e j ) 2

2
ej
Bandingkan nilai 2 dengan 2 dengan kriteria :
2 2 Ho ditolak
Buat kesimpulan
Contoh Soal Materi Chi-Square

Dilakukan suatu penelitian terhadap seorang penjual sepatu untuk
mengetahui apakah ada pengaruh warna sepatu terhadap banyaknya sepatu yang
terjual. Berikut adalah hasil pengamatan sepatu berbagai warna selama satu periode
tertentu:
Warna Sepatu Hitam Putih Biru Coklat Total

Sepatu yang 90 55 25 30 200
terjual (unit)
Pada tingkat signifikansi 1% dapatkah disimpulkan bahwa warna sepatu tersebut

berpengaruh terhadap banyaknya sepatu yang terjual?
Jawab:
Ho: 1 2 3 4
Ha: terdapat paling sedikit satu

df = c-1= 4-1 = 3
= 1%
2 = 11, 3449
Uji statistik:
ej
o 200 50
e 4

2 o e2
90 50
2

55 50
2

25 50
2

30 50
2
53
e 50 50 50 50
Uji kriteria:
2 2 Ho ditolak
Ternyata 53>11,3449 atau 2 2 Ho ditolak
Pada tingkat signifikansi 1% hasil pengamatan diatas menunjukkan bahwa warna
sepatu mempengaruhi banyaknya sepatu yang terjual karena perbedaannya
signifikan.
SOAL CHI-SQUARE
1. The Federal Correction Agency wants to investigate the question citied

below : Does a male released from federal prison make a different
adjustment to civilian life if he returns to his hometown or if he goes
elsewhere to live? The agencys psychologist interviewed 200 randomly
selected former prisoners.
Adjustment to civilian life
Residence
after released Outstanding Good Fair Unsatisfactory
from prison
Hometown 27 35 33 25
Not
13 15 27 25
hometown
To put it another way, is there a relationship between adjustment to civilian

life and place of residence after released from prison?
Jawab :
Dik : = 1%
df = (r-1)(c-1) = (2-1)(4-1) = 3
2 = 11,345
Dit : is there a relationship between adjustment to civilian life and place
of residence after released from prison?
Jawab :
Residence
after
Outstanding Good Fair Unsatisfactory Total
released
from prison
Hometown 27 35 33 25 120
Not
13 15 27 25 80
hometown
Total 40 50 60 50 200
Ho : There is no relationship between adjustment to civilian life and place

of residence after released from prison
Ha : There is a relationship between adjustment to civilian life and place of
residence after released from prison

= 0
120 40 80 40
11 = 200
= 24 21 = 200
= 16
120 50 80 50
12 = 200
= 30 22 = 200
= 20
120 60 80 60
13 = = 36 23 = = 24
200 200
120 50 80 50
14 = = 30 24 = = 20
200 200
( )2
2 =
(2724)2 (3530)2 (3336)2 (2530)2 (1316)2 (1520)2

2 = 24
+ 30
+ 36
+ 30
+ 16
+ 20
+
(2724)2 (2520)2
+
24 20
2 = 5,729
2 > 2 Ho ditolak
Ternyata, 5,729 < 11,345 maka 2 2 Ho tidak dapat ditolak

Kesimpulan : At 1% significance level there is no relationship between
adjustment to civilian life and place of residence after released from prison.
2. Simpangan baku dari kekuatan kabel yang dihasilkan oleh perusahaan

Shiho adalah 100 kg. Didapat data dari industri penjualan kabel bahwa
berdasarkan 8 sampel kabel yang diteliti, nilai simpangan bakunya adalah
120 kg. Telitilah, apakah proses dalam pembuatan kabel perusahaan Shiho
mengalami perubahan variasi kekuatan kabel yang berarti atau tidak? Ujilah
dengan tingkat signifikansi 1%!
Jawab :
Dik : s = 100 df = n-1 = 8-1 = 7
n=8 = 1%
= 120
Dit : apakah proses dalam pembuatan kabel perusahaan Shiho

mengalami perubahan variasi kekuatan kabel yang berarti atau tidak
Jawab :
Ho : = 120
Ha : 120
1 = 0,989265 = 0,99462
2
= 20,2777 = 4,50308
2
1
=
10081
=
120
= 2,2048
Uji Kriteria : 1 Ho tidak dapat ditolak

2 2
> Ho ditolak
2
< 1 Ho ditolak
2
Ternyata, 0,99462 < 2,2048 < 4,50308 maka 1 Ho tidak

2 2
dapat ditolak
Kesimpulan : Dengan tingkat signifikansi 1 %, maka proses dalam

pembuatan kabel perusahaan Shiho tidak mengalami perubahan variasi
kekuatan kabel yang berarti.
3. Simpangan baku dari masa hidup lampu pijar adalah 36 jam dengan sampel
26 buah. Tentukan batas-batas taksiran simpangan baku dari masa hidup
seluruh produksi lampu, dengan menggunakan tingkat kepercayaan 95%!
Jawab :
Dik : s = 36 = 5%
n = 26
Dit : taksiran simpangan baku
Jawab :
df = n-1 = 26-1 = 25
2 /2 = 40,6465
21/2 = 13,1197
2 (1) 2 (1)
2 /2
< < 2
1/2
362 (261) 362 (261)

<<
40,6465 13,1197
28,2325349 < < 49,69475489
Kesimpulan : Dengan tingkat signifikansi 5%, maka batas-batas taksiran

simpangan baku dari masa hidup seluruh produksi lampu adalah antara
28,2325349 jam sampai dengan 49,69475489 jam.
4. In Indonesia radio market, there are four commercial radio station, each
with its own morning quiz program from 08.00 to 09.00 am. According to
report on today local newspaper, a random sample of 180 viewers last
morning revealed 53 listened the quiz on Bee Radio, 64 listened on Hype
Radio, 33 on Ixu Radio, and 30 listened on Boom Radio. At the 5%
significance level, is there a difference in the proportion of listeners of four
radio?
Jawab :
Radio Bee Hype Ixu Boom

Listeners 53 64 33 30
Dik :
= 5%
Dit : is there a difference in the proportion of listeners of four radio?
Jawab :
Ho : there is no difference in the proportion of listeners of four radio
Ha : there is difference in the proportion of listeners of four radio
( )2
2 =
(5345)2 (6445)2 (3345)2 (3045)2

2 = 45
+ 45
+ 45
+ 45
2
= 1,42 + 8,02 + 3,2 + 5 = 17,64
df = 4-1 = 3
2 = 7,81473
2 > 2 Ho ditolak
Ternyata 17,64 > 7,81437 atau 2 > 2 Ho ditolak
Kesimpulan : At 5% significance level, there is difference in the proportion

of listerners of the four radio.
5. Suatu penelitian diadakan untuk mengetahui apakah ada hubungan antara
umur seseorang yang digolongkan dalam 3 kategori yaitu anak-anak,
remaja, dan dewasa, dengan makanan kegemarannya. Makanan yang dapat
dipilih ada tiga, yaitu makanan ringan kemasan, jajanan pasar, dan makanan
berat. Hasilnya diberikan dalam daftar berikut :
Makanan
Jajanan pasar Makanan berat
ringan kemasan
Anak-anak 130 270 16
Remaja 215 214 39
Dewasa 80 28 140
Apakah ada hubungan yang berarti antara golongan umur dan makanan
yang digemari? Gunakan tingkat signifikansi 1%. Tentukan pula sifat
hubungan tersebut!
Jawab :
Dik :
Makanan
Jajanan Makanan
ringan Jumlah
pasar berat
kemasan
Anak-anak 130 270 16 416
Remaja 215 214 39 468
Dewasa 80 28 140 248
Jumlah 425 512 195 1132
df = (r-1)(c-1) = (3-1)(3-1) = 4
= 1%
Dit : Apakah ada hubungan yang berarti antara golongan umur dan
makanan yang digemari?
Jawab :
Ho : 11 = 12 = 13
21 = 22 = 23
31 = 32 = 33
2 = 13,3
eij
o o
io oj
o
416 425
e11 156,183
1132 468 512
416 512 e22 211,675
e12 188,155 1132
1132 468 195
416 195 e23 80,618
e13 71,661 1132
1132 248 425
468 425 e31 93,110
e21 175,707 1132
1132 248 512
e32 112,170
1132
248 195
e33 42,721
1132
o eij
2

2 ij
eij
(130 156,183)2 (270 188,155)2 (16 71,661)2

2 = + +
156,183 188,155 71,661
(215 175,707)2 (214211,675)2 (39 80,618)2
+ + +
175,707 211,675 80,618
(80 93,110)2 (28 112,170)2 (140 42,721)2
+ + +
93,110 112,170 42,721
2 = 400,0387
2 2 Ho ditolak
Ternyata 400,0387 > 13,3 maka 2 2 Ho ditolak
Kesimpulan : Dengan tingkat signifikansi 1% maka terdapat hubungan

antara golongan umur dan makanan yang digemari.
2 m 1
C Cmax
n 2
m
400,0387 31
C= 400,0387+1132 = 0,511 C max= 3
= 0,8165
Kriteria :
Cmax-C < C, erat
Cmax-C = C, cukup erat
Cmax-C > C, kurang erat
Cmax-C = 0,8165 0,5111 = 0,3055

C = 0,5111
Ternayata 0,5111 > 0,3055, maka C > Cmax-C, erat
Kesimpulan : Maka sifat hubungan antara golongan umur dan makanan

yang digemari erat.
6. Classic Golf, Inc., manages six courses in the Jacksonville, Florida, area.
The director of golf wishes to studt the number of rounds of golf played per
6 day in a week at the six courses. He gathered the following sample
information shown below. At the 5% significance level, is there a difference
in the number of rounds played by day of the week?
Day Monday Tuesday Wednesday Thursday Friday Saturday
Rounds 127 112 121 109 132 149
Jawab :
Dik : df = 6-1 = 5
= 5%
Dit : is there a difference in the number of rounds played by day of the
week?
Jawab :
Ho : there is no difference in the number of rounds played by day of the
week
Ha : there is difference in the number of rounds played by day of the week
2 = 11,0705
\

2127 125
2

112 125
2
....
149 125
2
8,56
125 125 125
Kriteria :
2 2 Ho ditolak
Ternyata 8,56 < 11,0705 atau 2 2 Ho tidak dapat ditolak
Kesimpulan : At 5% significance level, there is no difference in the number

of rounds played by day of the week.
STATISTIK NON PARAMETRIK
Ringkasan Teori
Di dalam ilmu statistika dikenal statistik parametrik dan statistik non

parametrik. Istilah non parametrik pertama kali digunakan oleh Wolfowitz pada
tahun 1942. Statistik nonparametrik merupakan bagian dari statistik inferensia
atau induktif atau yang sering disebut juga dengan statistik bebas distribusi,
dikarenakan statistik ini tidak memerlukan asumsi asumsi tertentu tentang
bentuk distribusinya dan juga tidak memerlukan uji hipotesis yang berhubungan
dengan parameter parameter populasinya. Statistik non-parametrik
merupakan statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter
populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya
menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya
tidak berdistribusi normalBerikut ini merupakan perbedaan antara statistik
parametrik dan non parametrik.
Perbedaan Parametrik Non-Parametrik
Skala pengukuran Skala interval dan rasio Skala nominal dan ordinal
Bentuk distribusi Harus diketahui bentuk Tidak mempermasalahkan

distribusinya, mis. bentuk distribusinya (bebas
berdistribusi normal atau distribusi).
bentuk distribusi yang
lainnya (binomial,
poisson, dsb).
Jumlah sampel Jumlah sampel besar, Sampel kecilpun dapat

atau bisa juga jumlah dipergunakan (misalnya
sampel kecil tetapi sampelnya (n) = 6.
memenuhi asumsi salah
satu bentuk distribusi.
Keunggulan uji statistika non-parametrik antara lain sebagai berikut:
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan

lebih mudah dimengerti jika dibandingkan dengan statistik parametrik
karena ststistika non-parametrik tidak membutuhkan perhitungan
matematik yang rumit seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan

jenjang (ordinal).
[Contoh data nominal (menurut namanya saja): PAN, PDI, PKS,

GOLKAR; contoh data ordinal (terdapat urutan peringkat): memuaskan,
sedang, buruk]
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau

jenjang secara formal karena sering dijumpai hasil pengamatan yang
dinyatakan dalam data kualitatif
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung

pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal

populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
7. Dapat digunakan pada ukuran sampel yang kecil
Kelemahan uji statistika non-parametrik antara lain sebagai berikut::
1. Statistik non-parametrik terkadang mengabaikan beberapa informasi

tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi

studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-
parametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu
Salah satu bagian penting dalam ilmu statistika adalah persoalan inferensi
yaitu penarikan kesimpulan secara statistik. Dua hal pokok yang menjadi
pembicaraan dalam statistik inferens adalah penaksiran parameter populasi dan uji
hipotesis. Teknik inferensi yang pertama dikembangkan adalah mengenai
pembuatan sejumlah besar asumsi sifat populasi di mana sampel telah
diambil. Teknik yang banyak digunakan pada metode-metode pengujian
hipotesis dan penafsiran interval ini kemudian dikenal sebagai statistik parametrik,
karena nilainilai populasi merupakan parameter. Distribusi populasi atau
distribusi variabel acak yang digunakan pada teknik inferensi ini mempunyai
bentuk matematik yang diketahui, akan tetapi memuat beberapa parameter yang
tidak diketahui.
Permasalahan yang harus diselesaikan adalah menaksir

parameterparameter yang tidak diketahui tersebut dengan data sampel atau
melakukan uji hipotesis tertentu yang berhubungan dengan parameter populasi.
Pada kenyataannya sangatlah sulit untuk mendapatkan sampel yang

memenuhi asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang
diperoleh hanyalah sebatas mendekati tertentu, seperti mendekati normal. Bahkan
banyak juga sampel yang distribusinya tidak diketahui sama sekali. Oleh karena itu
kemudian dikembangkan suatu teknik inferensi yang tidak memerlukan uji
asumsi-asumsi tertentu mengenai distribusi sampelnya, dan juga tidak
memerlukan uji hipotesis yang berhubungan dengan parameter populasinya.
Teknik statistik ini dikenal dengan statistik non-parametrik.
Statistik non-parametrik adalah statistik yang tidak memerlukan
asumsiasumsi yang melandasi metode statistik parametrik, terutama tentang
bentuk distribusinya, dan juga tidak memerlukan uji hipotesis yang berhubungan
dengan parameter-parameter populasinya, oleh karena itu teknik ini dikenal juga
dengan distribution-free statistics dan assumption-free test.
Asumsi-asumsi berikut inilah yang harus dipenuhi dalam uji statistik

parametrik:
Distribusi sampel diambil dari distribusi populasi yang terdistribusi

secara normal
Sampel diperoleh secara random (mewakili populasi)
Skala pengukuran harus kontinyu(rasio/interval) atau skala nominal

yang diubah menjadi proporsi
Pada uji t dan uji F untuk dua sampel atau lebih, kedua sampel
diambil dari dua populasi yang mempunyai varians sama.
Ukuran sampel yang memadai (direkomendasikan > 30 per

kelompok) -central limit theorem
Jika terjadi pelanggaran terhadap salah satu asumsi di atas, maka lebih baik
digunakan uji statistik non-parametrik. Metode non-parametrik memiliki
keunggulan, di antaranya adalah tidak mengharuskan data berdistribusi normal dan
syarat skala pengukuran datanya tidak terlalu ketat. Selain itu, dapat digunakan pada
level data nominal dan ordinal.
Grafik di bawah ini menunjukkan kondisi untuk memilih uji statistik non-
parametrik.
Berikut ini adalah beberapa metode statistik non-parametrik yang sering
digunakan:
Metode Non- Penjelasan

Parametrik
Sign Test Uji yang digunakan untuk mengetahui apakah

terdapat perbedaan yang nyata atau tidak dari
pasangan data dengan skala ordinal. Data yang akan
dianalisis dinyatakan dalam bentuk tanda-tanda yang
tanda positif dan negatif. Biasanya digunakan pada
kasus sebelum sesudah.
Wilcoxon Signed Rank Sama seperti sign test tapi lebih menitikberatkan pada
Test besaran perbedaannya.
Mc Nemar Test Digunakan untuk menguji hipotesis komparatif dua

sampel yang berkorelasi bila datanya nominal/diskrit.
Rancangan penelitiannya biasanya berupa before after.
Mann-Whitney Test Digunakan untuk menguji perbedaan dua populasi

yang berupa dua sampel yang independen.
Kolmogorov Smirnov Digunakan untuk goodness of fit test dan menguji dua
Test sampel independen (data berbentuk ordinal),
khususnya untuk perbedaan varians.
Cox and Stuart Test Digunakan untuk mengetahui tren suatu data yang
minimal ordinal.
Spearman Correlation Digunakan untuk mengetahui hubungan atau untuk

Test menguji signifikansi hipotesis asosiatif bila masing-
masing variabel berbentuk ordinal dan sumber datanya
tidak sama.
Kruskal Wallis Test Memiliki kegunaan sama seperti Mann Whitney tapi
menggunakan lebih dari dua sampel.
Koefisien korelasi Pada dasarnya mempunyai fungsi yang sama dengan

T-Kendall koefisien Spearman (rs), hanya saja T-kendall
mempunyai kelebihan, yaitu dapat digeneralisasikan
menjadi koefisien korelasi parsial.
Menurut Ali Muhson (2013), berdasarkan tujuan ujinya, berikut merupakan jenis-
jenis statistik uji non-parametrik:
Uji Dua Sampel Uji Dua Sampel Uji k Sampel Uji k Sampel
Uji Satu Sampel Analisis Korelasi
Berpasangan Independen Berhubungan Independen
Koefisien
Uji Binomial Uji McNemar Uji Fisher Uji Q Cochran Uji Chi-Square
Kontingensi
Analisis Korelasi Rank

Uji Chi-Square Sign Test Uji Chi-Square Uji Median
Friedman Spearman
Analisis
Korelasi Tau
Run Test Uji Wilcoxon Uji Median Varians
Kendall
Ranking
Uji
Uji U Mann- Kruskall- Korelasi
Kolmogorov- Uji Walsh
Whitney Wallis Parsial Kendall
Smirnov
Uji Reaksi Koefisien

Uji Ekstrem Konkordasi
Randomisasi Moses Kendall W
Run Test
Wald-
Wolfowitz
Uji
Kolmogorov-
Smirnov
Uji
Randomisasi
NON-PARAMETRIK I
A. SIGN TEST
Apabila kita telah menetapkan pasangan ukuran ordinal yang diambil
dari subjek yang sama atau subjek yang dicocokkan, dan apabila kita hanya tertarik
pada apakah terdapat perbedaan nyata atau tidak sebelum dan sesudah terjadi
perlakuan tanpa memperhatikan perbedaan tersebut, maka prosedur uji tanda
harus digunakan. Diberi nama uji tanda karena pengujian dalam prosedur ini
menggunakan tanda tambah (+) dan tanda kurang (-) yang berfungsi mewakili arah
perbedaan antara kedua sampel tersebut. Dengan demikian uji tanda tidak
menggunakan ukuran kuantitatif untuk melihat perbedaan arah tetapi menggunakan
tanda tambah atau kurang untuk menentukan tingkatan kedua responden yang
didasarkan pada hubungan antara kedua sampel tersebut.
Langkah Langkah Penyelesaian Sign Test Problems
1. Bandingkanlah nilai dari pasangan data yang tersedia, jika data

sebelum (x) lebih besar dari data sesudah (y) maka beri tanda + . Jika
sebaliknya nilai x < y maka beri tanda , Tapi jika nilai data x = y
maka data diabaikan atau dihilangkan. Namun ini tergantung pada data
yang dibandingkan tetapi harus konsisten
2. Kemudian hitunglah jumlah data yang masuk kedalam masing
masing tanda baik + maupun , lalu ambil data + = T
3. Lalu, buatlah Hipotesis untuk :
4. Menentukan kriteria pengujian
Two-Tailed test Lower tailed test Upper tailed test

Ho : P (+) = P (-) Ho : P (+) P (-) Ho : P (+) P (-)
Ha : P (+) P (-) Ha : P (+) < P (-) Ha : P (+) > P (-)
Uji Dua Pihak Uji Pihak Kiri Uji Pihak Kanan
Ho Tidak Dapat Ditolak t T n-t Tt T n-t

Ho Ditolak T<t T <t T > n-t
T>nt
5. Menentukan nilai uji statistika

Merupakan nilai probabilitas hasil sampel. (lihat tabel probabilitas
binomial dengan n, x tertentu dan p = 0,5), dimana x = jumlah tanda yang
terkecil
6. Untuk n > 20 maka kita dapat mengunakan distribusi normal.sebagai
pendekatan distribsui binomial (gunakan tabel distribusi normal baku)
dengan menggunakan faktor koreksi sebagai berikut:
1
( 0,5)
= 2
1
2
Note :
T + 0,5 jika T < n, danT 0,5 jika T > n
Kriteria:
Z < maka 0 ditolak

Z > maka 0 tidak dapat ditolak
7. Kesimpulan.
Buatlah kesimpulan berdasarkan kepada apakah hipotesa tersebut tidak
dapat ditolak atau dapat ditolak
Contoh Soal:
PT Patri Jasa telah melaksanakan sebuah training berupa English course

kepada sejumlah karyawannya guna meningkatkan kemampuan karyawan tersebut
dalam berbahasa Inggris. Untuk mengevaluasi hasil dari training tersebut, diambil
sebanyak lima belas orang karyawan untuk menjadi sampel yang akan diukur
kemampuannya dalam berbicara bahasa Inggris dengan native speakers sebelum
dan sesudah diadakan training tersebut dengan menggunakan skala berikut:
1 luar biasa
2 sangat baik
3 baik
4 cukup baik
5 kurang baik
Berikut merupakan hasil penilaiannya:
Pegawai 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sebelum 3 4 2 5 2 3 5 2 3 5 3 4 3 3 5
Sesudah 1 2 3 3 2 1 4 1 5 3 1 2 4 1 3
Dengan tingkat signifikansi 5%, apakah terdapat perubahan yang signifikan pada
kemampuan berbahasa Inggris karyawan di PT Patri Jasa tersebut sebelum dan
sesudah diadakan training English Course?
(Sumber: fiktif)
Jawab:
Pegawai Sebelum Sesudah Tanda Perbedaan

1 3 1 +
2 4 2 +
3 2 3 -
4 5 3 +
5 2 2 0
6 3 1 +
7 5 4 +
8 2 1 +
9 3 5 -
10 5 3 +
11 3 1 +
12 4 2 +
13 3 4 -
14 3 1 +
15 5 3 +
Hipotesis ( uji 2 pihak ):
Ho: tidak adanya perbedaan kemampuan berbahasa Inggris
sebelum dan setelah adanya training.
H1: terdapat perbedaan sebelum dan setelah training.
Pengujian
n = 14,tanda + = 11, tanda - = 3
Nilai T = 11
Nilai tabel untuk n=14 dan p =0,05 berdasarkan tabel
binomial maka diperoleh nilai yang mendekati = 0,05 adalah y
= 0,0287 t = 3
Kriteria
T < n - t Ho tidak dapat ditolak
T n - t Ho ditolak
Ternyata
T < n - t ( 11 11 ) maka Ho ditolak
Kesimpulan
Jadi, dengan taraf signifikansi 5 %, tidak ada perbedaan
kemampuan berbahasa Inggris karyawan PT Patri Jasa sebelum dan
setelah adanya training English course.
B. WILCOXON SIGNED RANK TEST
Ringkasan Teori
Metode statistik non-parametrik populer lain yang digunakan untuk
data berpasangan (matched / paired data), yaitu Wilcoxon Signed Rank
Test. Wilcoxon signed rank test pertama sekali diperkenalkan oleh
Frank Wilcoxon (18921965) pada tahun 1949 sebagai penyempurnaan
dari uji tanda. Selain memperhatikan tanda dari perbedaan, uji ini juga
memperhatikan besaran perbedaan yang diobservasi.
Wilcoxon signed rank test merupakan test atau uji yang
sangat berguna untuk ilmu pengetahuan sosial, dengan data sosial
(seperti : tingkah laku manusia, sosial, antropologi, psikologi, dan lain
lain).
Langkah langkah pengujian Wilcoxon Signes Rank Test:
1. Tentukan formulasi hipotesisnya, apakah uji 2 pihak atau 1 pihak

2. Untuk setiap pasangan tentukanlah selisihnya.
3. Rankinglah nilai selisih tersebut tanpa melihat tanda + atau -.
4. Berilah tanda pada setiap ranking (+ atau -) sesuai dengan tanda
selisih yang dihasilkan.
5. Tentukanlah T = jumlah yang terkecil dari kedua kelompok ranking
yang memiliki tanda yang sama.
6. Dengan menggunakan tabel uji wilcoxon dan dibantu dengan nilai
dan N hitunglah T
7. Tentukanlah N = banyaknya pasangan data yang memiliki selisih / tanpa
tanda 0.
8. Pengujian yang dilakukan:
Jika N 20 menggunakan tabel uji Wilcoxon.
Jika N > 20, melakukan pengujian dengan nilai Z, dengan menggunakan
tabel distribusi normal.
Kriteria:
Tolak Ho jika T hasil perhitungan T dari tabel sesuai dengan
yang telah ditentukan.
Untuk sampel yang besar N >20, jumlah rangking T mendekati
distribusi normal.
Untuk sampel yang besar N >20. T = jumlah rangking +
(Mathematical statistics with aplication, KM Ramachandran: 615
(+1) (+1)(2+1)
= 4
=
= 24
Kriteria Untuk N > 30 :
Daerah penolakan apabila
z > z untuk upper tail

z < - z untuk lower tail
|z|> z/2 untuk two tail
9. Membuat kesimpulan
Buatlah kesimpulan berdasarkan kepada apakah hipotesa tersebut tidak
dapat ditolak atau dapat ditolak.
Contoh Soal:
Pada suatu universitas negeri di Bandung dilakukan penelitian untuk mengetahui

pengaruh pemasangan wi-fi di area kampus dengan produktivitas mahasiswa/i.
Pengumpulan data terhadap produktivitas mahasiswa/i dilakukan pada waktu
wi-fi sebelum dipasang dan sesudah dipasang. Data produktivitas kerja
mahasiswa/i sebelum dipasang wi-fi adalah X dan sesudah dipasang adalah Y.
Jumlah mahasiswa/i yang dijadikan sampel adalah 10 orang.
Mahasisw Anit Loi Eva Kar Farh Ham Aly Nin Ep Fau
a/i a s n a at di a a a zi
Sebelum 100 98 76 90 87 89 77 92 78 82
Sesudah 105 94 78 98 90 85 86 87 80 83
Dengan = 5%, hitunglah apakah ada pengaruh yang berarti bagi produktivitas
mahasiswa/i sebelum dan sesudah pemasangan wi-fi di area kampus? (Sumber:
fiktif)
Jawab:
Buatlah tabel seperti tertera di bawah ini kemudian lakukan perhitungan sesuai
dengan langkah langkah yang diberikan diatas.
Tanda Ranking
Mahasiswa/i X Y Beda (Y-X)
Ranking - +
Anita 100 105 5 7,5 7,5
Lois 98 94 -4 5,5 5,5
Evan 76 78 2 2,5 2,5
Kara 90 98 8 9,0 9,0
Farhat 87 90 3 4,0 4,0
Hamdi 89 85 -4 5,5 5,5
Alya 77 86 9 10,0 10,0
Nina 92 87 -5 7,5 7,5
Epa 78 80 2 2,5 2,5
Fauzi 82 83 1 1,0 1,0
T =
JUMLAH 36,5
18,5
T = 18,5 dan n = 10
Hipotesis:
H0 = Pemasangan wi-fi di area kampus tidak mempunyai pengaruh
terhadap produktivitas mahasiswa/i
H1 = Pemasangan wi-fi di area kampus mempunyai pengaruh
terhadap produktivitas mahasiswa/i
Tarif nyata = 5 % dan n = 10 dengan melihat tabel t distribution atau tabel
uji wilcoxon maka kita mendapatkan T = 11.
Kriteria pengujian :
H0 tidak dapat ditolak apabila T > T
H0 ditolak apabila T < T
Kesimpulan :
Karena T = 18,5 dan T = 11, T > T, maka H0 tidak dapat ditolak.
Jadi dengan taraf kepercayaan 95 % pemasangan wi-fi di area kampus
tidak mempunyai pengaruh yang berarti terhadap produktivitas
mahasiswa/i.
C. MC NEMAR TEST
Uji McNemar digunakan untuk penelitian yang

membandingkan sebelum dan sesudah peristiwa/treatment di mana tiap
objek digunakan pengontrol dirinya sendiri. Uji ini dilakukan pada 2
sampel yang berhubungan, skala pengukurannya berjenis nominal (binary
respons) dan untuk crostabulasi data 2 x 2.
Contoh Soal:
Seorang manajer salon ingin meningkatkan penjualan dari

salah satu jasa di salonnya yaitu creambath. Untuk itu, dia akan
melakukan sebuah penelitian untuk mengetahui perilaku konsumen.
Diambil sampel sebanyak 200 orang pengunjung salon, kemudian bersama-
sama para pelayan salon melakukan promosi dan menawarkan secara
langsung kepada calon konsumen yang datang ke salon tersebut.
Diperoleh data konsumen yang ingin creambath sebelum promosi adalah 77
dan sisanya tidak creambath. Setelah dilakukan promosi, jumlah
pengunjung sebanyak 13 orang yang tadinya ingin creambath jadi tidak
creambath dan 36 pengunjung yang tadinya tidak akan creambath
menjadi creambath. Dapatkah pemilik salon tersebut mengambil simpulan
bahwa promosi creambath berpengaruh pada penjualan jasa creambath?
(Sumber: Modul Statistika I 2012).
Jawab:
a. hipotesis:
Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen
untuk menggunakan jasa creambath sebelum dan sesudah promosi)
Ha: P(Xi) P(Yi) (Ada perubahan keinginan konsumen untuk
menggunakan jasa creambath sebelum dan sesudah promosi)
SESUDAH
Tidak Membeli Membeli Jumlah
SEBELUM
Tidak Membeli 87 36 123

Membeli 13 64 77
Jumlah 100 100 200
b. pengujian
()2 (3613)2
2 = (+)
= (36+13)
= 10,79591837
= ( 1)( 1) = (2 1)(2 1) = 1
= 5%
Lihat tabel Chi-square 2 = 3,84146
c. kriteria:
2 2
2 > 2
Ternyata,
2 > 2 atau 10,79591837 > 3,84146 Ho ditolak
Kesimpulan
Jadi, dengan tingkat signifikansi 5% manajer salon tersebut dapat

mengambil kesimpulan bahwa promosi jasa creambath berpengaruh
pada permintaan jasa creambath karena terdapat perubahan keinginan
konsumen sebelum dan sesudah promosi dilakukan.
CARA KOMPUTER
Langkah-langkah:
1. Buka software SPSS

2. Pada lembar Variable View ketik sebelum pada baris 1 dan sesudah
pada baris 2, untuk measure: pilih nominal
3. Masukkan data di Data View.
4. Klik Analyze Non Parametric Tests 2 Related Samples, pada
menu maka kotak dialog Two Related Samples Tests akan muncul.
5. Blok sebelum dan sesudah sehingga aktif dan pindahkan ke kotak
Test Pair(s) List dengan klik tombol panah sehingga muncul sebelum-
sesudah pada kotak tersebut.
6. Pada kotak Test Type, pilih McNemar
7. Klik Ok
Maka diperoleh output sebagai berikut :
a. Hipotesis
Ho: P(Xi) = P(Yi) (Tidak ada perubahan keinginan konsumen
untuk menggunakan jasa creambath sebelum dan sesudah promosi)
Ha: P(Xi) P(Yi) (Ada perubahan keinginan konsumen untuk
menggunakan jasa creambath sebelum dan sesudah promosi)
b. Exact Sig. (2-tailed) dan Tingkat Signifikansi
Exact Sig. (2-tailed) = 0,002
= 5%
c. Kriteria
Exact Sig. (2-tailed) : Ho tidak dapat ditolak
Exact Sig. (2-tailed) < : Ho ditolak
d. Ternyata
Exact Sig. (2-tailed) < atau 0,002 < 0,05 Ho ditolak
e. Kesimpulan
Jadi, dengan tingkat kepercayaan 95% manager salon tersebut
dapat mengambil kesimpulan bahwa promosi jasa creambath
berpengaruh pada permintaan jasa creambath karena terdapat
perubahan keinginan konsumen sebelum dan sesudah promosi
dilakukan.
D. PROSEDUR NON PARAMETRIK 1 DENGAN APLIKASI
Sebenarnya banyak sekali aplikasi pada komputer yang dapat kita

gunakan untuk menguji Sign test, Wilcoxon Rank Test, dan Mc Nemar
dengan komputer diantaranya seperti SPSS ( Statistical Program for Social
Science), Minitab, E -Views, bahkan kita juga bisa menggunakan Microsoft
Excel untuk bagian bagian tertentu yang tentu kita sudah familiar dengan
itu, karena program SPSS lebih mudah untuk digunakan maka kita akan
menggunakan program ini dalam penyelesaian persoalan Nonparametrik ini.
Langkah langkah :
1. Pada Komputer atau Laptop yang telah di instal program SPSS,

klik Program SPSS tersebut.
2. Pada Lembar Variable View isilah kotak yang tesedia yang
nantinya akan menjadi label kolom pada lembar Data view.
3. Masukkan data pada Data view
4. Kemudian Klik Analyze Non Parametric Test 2 Related samples
5. Pindahkan isi kotak sebelah kiri ke kotak test pair(s) list dengan
mengklik tombol panah yang berada di tengah tengah
6. Jika ingin melakukan test sign test maka beri tanda pada sign test
yang berada di kotak test type, begitu juga jika ingin melakuakn
wilcoxon rank test dan Mc Nemar test. Lebih lanjut silahkan lihat
contoh dibawah ini.
Contoh soal:
Universitas Padjadjaran setiap tahunnya menerima Mahasiswa baru melalui jalur

jalur khusus misalnya SMUP dan mahasiswa undangan. Guna mengetahui kualitas
mahasiswa yang telah diterima melalui jalur tersebut, dilakukan test matrikulasi dan
pihak pelaksana melakukan dua kali ujian yaitu sebelum program matrikulasi
dilakukan dan setelahnya untuk mengetahui efektivitas program tersebut. Dan
untuk itu diambil sampel sebanyak 15 orang dari IPA untuk mata ujian Statistika,
dan diperoleh data ( = 5 %).
Peserta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sebelum 67 54 67 55 87 60 70 45 54 66 73 88 80 65 75
Sesudah 66 75 80 60 78 89 65 70 68 75 74 85 89 90 75
(Sumber: Modul Statistika II 2012)
Analisanya dalam SPSS adalah sebagai berikut ;
1. Buka Software SPSS

2. Pada Variable View ketikkan Sebelum pada Kolom nama baris 1 dan
sesudah pada kolom nama baris ke 2
3. Kemudian pada Data view masukkan data sebagai berikut.
4. Klik Analyze Nonparametric Test 2 Relates samples
Aktifan Wilcoxon pada test type jika ingin melakukan wilcoxon rank
test dan masukkan variabel yang akan di uji sebagaimana tampak pada
kotak dialog :
Kemudian Klik OK maka akan muncul outputnya :

Dari output tersebut diperoleh:
Negative Ranks atau selisih antara variabel sebelum dan sesudah yang
negatif sebanyak 4 observasi atau dengan kata lain terdapat 4 observasi
pada variabel sesudah yang kurang dari observasi pada variabel sebelum.
Dan rata-rata rangkingnya = 4 dengan jumlah rangking negatif = 16.
Positive Ranks atau selisih variabel sebelum dan sesudah yang positif
sebanyak 10 observasi atau denga kata lain terdapat 10 observasi pada
variabel sesudah yang lebih dari observasi pada variabel sebelum
dengan ratarata rangkingnya = 8,90 dan jumlah rangking positif = 89.
Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah
sebanyak 1 observasi. Oleh karena jumah rangking negatif lebih kecil
dibanding rangking positif maka nilai T yang digunakan adalah jumlah
rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:
1) Hipotesis
H0 : P = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan
sesudah matrikulasi)
H1 : P 0 (ada perbedaan diantara nilai tes sebelum matrikulasi
dan sesudah matrikulasi )
Tingkat signifikansi = 0,05

2) Statistik Uji
Untuk nilai statistik uji, tinjau tabel output berikut:
Dari tabel diperoleh nilai asymp sig = 0,022.
3) kriteria
H0 ditolak jika nilai asymp sig <
Ho tidak dapat ditolak jika nilai asymp sign
4) Kesimpulan
Oleh karena asymp sig < , (0,022 < 0,05 ) maka Ho ditolak yang
berarti bahwa tidak ada perbedaan nilai Statistika calon mahasiswa
sebelum dan sesudah mengikuti program matrikulasi.
SOAL NON-PARAMETRIK I
1. Kepala BPS Provinsi X memutuskan untuk mengadakan program

pelatihan komputer bagi para Kepala Sub Bagian Tata Usaha (Kasubag TU)
BPS Kab/Kota dengan tujuan untuk meningkatkan pengetahuan mereka
tentang penggunaan komputer dalam pengelolaan data keuangan. Beberapa
Kesubag TU merasa bahwa program tersebut hanya akan menghabiskan
waktu mereka. Meskipun demikian, training tettap dilakukan dan akan diuji
efektivitasnya. Data sampel diperoleh dari 15 Kasubag TU yang dipilih
secara random. Sebelum training, panitia pelatihan terlebih dahulu telah
mengukur kemampuan para Kasubag TU dalam bidang komputer. Dan
setelah mengikuti pelatihan, panitia yang sama kembali mengukur
kemampuan mereka, seperti pada tabel berikut. Lakukan pengujian apakah
training efektif atau tidak efektif pada taraf nyata =10%.
No. Nama Sebelum Sesudah

1 A Baik Baik Sekali
2 B Baik Cukup
3 C Kurang Baik
4 D Cukup Baik
5 E Baik Sekali Baik
6 F Cukup Baik Sekali
7 G Baik Baik
8 H Kurang Cukup
9 I Cukup Baik
10 J Baik Sekali Baik
11 K Baik Cukup
12 L Kurang Baik
13 M Baik Baik Sekali
14 N Cukup Baik
15 O Baik Baik Sekali
Catatan:
Tanda + menandakan adanya kemajuan; tanda -
menandakan adanya kemunduran, dan tanda 0 tidak ada
perubahan.
(Sumber: Sekolah Tinggi Ilmu Statistik Jakarta 2013)
Jawab:
No. Nama Sebelum Sesudah Tanda

1 A Baik Baik Sekali +
2 B Baik Cukup -
3 C Kurang Baik +
4 D Cukup Baik +
5 E Baik Sekali Baik -
6 F Cukup Baik Sekali +
7 G Baik Baik 0
8 H Kurang Cukup +
9 I Cukup Baik +
10 J Baik Sekali Baik -
11 K Baik Cukup -
12 L Kurang Baik +
13 M Baik Baik Sekali +
14 N Cukup Baik +
15 O Baik Baik Sekali +

Ho: tidak adanya perbedaan kemampuan sebelum dan setelah
adanya training.
H1: terdapat perbaikan kemampuan setelah diadakan trainng
Pengujian
n = 14,tanda + = 10, tanda - =4
Nilai T = 10
Nilai tabel untuk n=14 dan p =0,5 berdasarkan tabel binomial
maka diperoleh nilai yang mendekati = 0,10 adalah y = 0,0898
t=4
Kriteria
T n - t Ho tidak dapat ditolak
T > n - t Ho ditolak
Ternyata
T n - t ( 10 = 10 ) maka Ho tidak dapat ditolak
Kesimpulan
Jadi, dengan taraf signifikansi 5 %, tidak ada perbedaan
kemampuan berbahasa Inggris karyawan PT Patri Jasa sebelum dan
setelah adanya training English course.
2. Montgomery, Peck, and Vining (2001) report on a study in which a rocket

motor is formed by binding an igniter propellant and a sustainer propellant
together inside a metal housing. The shear strength of the bond between the
two propellant types is an important characteristics. The results of testing
20 randomly selected motors are shown in the table below. We would like
to test the hypothesis that the median shear strength is 2000 psi, using =
0,05.
Obse 1 2 3 4 5 6 7 8 9 10
rvati
on
Shear 2158. 1678. 2316. 2061. 2207. 1708. 1784. 2575. 2357. 2256.
Stren 70 15 00 30 50 30 70 10 90 70
gth
Obse 11 12 13 14 15 16 17 18 19 20
rvati
on
Shear 2165. 2399. 1779. 2336. 1765. 2053. 2414. 2200. 2654. 1753.
Stren 20 55 80 75 30 50 40 50 20 70
gth
(Sumber: Non-parametrics Statistics Chapter XV)
Jawab:

Ho: Median shear strength is 2000 psi
H1: Median shear strength is different from 2000 psi
Pengujian
n = 20,tanda + = 14, tanda - =6
Nilai T = 14
t=5
Kriteria
Ternyata
T n - t ( 14 < 20 5 ) maka Ho tidak dapat ditolak
Kesimpulan
So, with 5% significance level, the median shear strength is not
different from 2000 psi.
3. Two professors found the final formulas for their own made analgesic drugs
at the same time. The table below shows the hours of relief provided by two
analgesic drugs in 12 patients suffering from arthritis. If there is no
evidence that one drug provides longer relief than the other, the patent
worth $500.000 will be devided and each of them will get the same amount.
The other way, the fully amount money will be received by him who found
the most durable formula. With =5%, please determine, how much money
will one of those professors get.
(Sumber: fiktif)
Jawab:
CARA KOMPUTER

Ho: Tidak ada perbedaan lamanya efek obat A dan obat B
H1: Ada perbedaan lamanya efek obat A dan obat B
Kriteria :
Exact sig. (2-tailed) < maka Ho ditolak
Exact sig. (2-tailed) maka Ho tidak dapat ditolak
Kesimpulan :
Ternyata 0,146 > 0,05 (Exact sig. (2-tailed) > ) maka Ho tidak dapat
ditolak
Jadi, dengan tingkat signifikansi 0,05, tidak ada perbedaan lamanya

efek obat yang ditemukan profesor satu dan lainnya, sehingga masing-
masing akan mendapatkan $250.000.
CARA MANUAL
CASE Drug A Drug B Sign
1 2.0 3.5 +
2 3.6 5.7 +
3 2.6 2.9 +
4 2.6 2.4 -
5 7.3 9.9 +
6 3.4 3.3 -
7 14.9 16.7 +
8 6.6 6.0 -
9 2.3 3.8 +
10 2.0 4.0 +
11 6.8 9.1 +
12 8.5 20.9 +
Pengujian
n = 12,tanda + = 9, tanda - =3
Nilai T = 9
t=2
Kriteria
Ternyata
T n - t ( 9 < 10) maka Ho tidak dapat ditolak
Kesimpulan
Jadi, dengan tingkat signifikansi 0,05, tidak dapat perbedaan lama efek
obat yang ditemukan kedua profesor, sehingga masing-masing profesor
mendapat $250.000.
1. Demi menunjang kompetensi dan produktivitas mahasiswa/i di sebuah
perguruan tinggi negeri di Bandung, rektor perguruan tinggi tersebut
mengeluarkan aturan baru untuk mengadakan ujian tertulis per bulan untuk
setiap mata kuliah. Untuk mengevaluasi kebijakan tersebut, setiap fakultas,
tak terkecuali Fakultas Ekonomi dan Bisnis mengadakan penelitian.
Penlitian tersebut diadakan dengan mengambil sepuluh orang mahasiswa/i
sebagai sampel dan mendata rata-rata nilai UAS mereka pada semester I
(sebelum kebijakan ulangan per bulan diadakan) dan semester II (setelah
kebijakan diadakan). Apabila ternyata kebijakan tersebut membuat nilai
UAS mahasiswa/i lebih baik, maka akan dilanjutkan untuk periode
selanjutnya. Dengan tingkat signifikansi sebesar 5%, bantulah rektor
universitas tersebut dalam membuat kebijakan bagi kampusnya.
Nama Mawar Melati Dahlia Lily Tulip Kamboja Anggrek Teratai Lavender Sakura
Sebelum 80 80 80 80 80 80 80 80 80 80
Sesudah 80 75 90 87 85 77 60 70 85 90
(Sumber: Modul Statistika II 2012, diolah kembali)

Jawab:
Hipotesis:
H0= ada peningkatan nilai siswa setelah diadakannya ulangan
H1= tidak ada peningkatan nilai setelah diadakanya ulangan
CARA KOMPUTER
Uji statistik :
Dengan menggunkan prosedur yang telah dijelaskan diatas pada SPSS
maka kita mendapatkan outputnya sebagai berikut :
Uji statistik ditunjukkan pada tabel test statistik diatas yaitu Exact sign. (2-
tailed) =0,765. Nilai uji ini nantinya akan dibandingkan dengan = 0,05
Kriteria :
Exact sig. (2-tailed) < maka Ho ditolak
Exact sig. (2-tailed) maka Ho tidak dapat ditolak
Kesimpulan :
Ternyata 0,765 > 0,05 (Exact sig. (2-tailed)> ) maka Ho tidak dapat
ditolak.
Jadi dengan taraf signifikansi 5 %, Nilai nilai mahasiswa/i tidak

meningkat setelah adanya kebijakan ulangan per bulan. Sehingga
kebijakan tersebut sebaiknya dihapuskan.
CARA MANUAL
Kriteria :
T + / T terkecil T tabel H0 ditolak
T + / T terkecil > T tabel H0 tidak dapat ditolak
T hitung dan T tabel :
T hitung = jumlah ranking terkecil = 20
T tabel = dicari dengan menggunakan tabel wilcoxon dengan
n (jumlah sampel tanpa tanda nol ) = 9, = 5 % maka
didapatkan T tabel = 9
Kesimpulan :
Karena T hitung > T tabel, 20 > 9, maka H0 tidak dapat

ditolak.
Jadi dengan taraf signifikansi 5%, Nilai nilai mahasiswa/i tidak

meningkat setelah diadakanya ulangan per bulan. Sehingga kebijakan
tersebut sebaiknya dihapuskan.
2. Grahamedia & Co. is one of the most profitable bookstore & publisher in
Indonesia. It has many outlets spread around the country. Beside selling its
products directly in the bookstores, Grahamedia & Co. has also served their
customers who like to order books online. The customers can access its
website and easily pay the books they order via credit cards. The price list is
shown in the table below.
As a student who needs books to support your academy process but has
limited budget, will purchasing online be more satisfying? ( = 5%)
(Sumber: Wilcoxon Signed Ranks Test: Nonparametric Analysis for Two
Related Populations, diolah kembali)
Jawab:
Hipotesis
H0 = Harga buku di toko buku dan online tidak berbeda
H1 = Harga buku di toko buku lebih mahal daripada online
Jumlah R+ = 144
Jumlah R- = 46
Kriteria :
Kesimpulan :
Karena T hitung T tabel, 46 < 54, maka H0 ditolak.
Jadi dengan taraf signifikansi 5%, dapat disimpulkan bahwa

berbelanja online lebih memuaskan bagi mahasiswa karena harganya
lebih murah.
3. An economist who is interested in public economics had a thought that
political constellation in Indonesia will affect financial market, especially
banking, by rising interest rate. He said that market will respond quickly to
big political events due to the expectation. To test his theory, a curious
economics student collects quarterly deposit rate datas from ten private
banks and eight public banks before and after the election day. With 1%
significance level, please determine whether the economists thought were
right or wrong.
Bank Deposit Rate Before (%) Deposit Rate After (%)
1 5,50 5,60
2 5,75 5,60
3 5,75 6,00
4 6,00 6,00
5 3,00 5,55
6 5,88 5,75
7 6,50 6,75
8 7,30 7,45
9 5,88 6,00
10 6,25 6,50
11 5,50 5,58
12 5,75 5,88
13 6,00 6,00
14 5,75 6,50
15 5,50 5,50
16 5,50 6,00
17 6,25 6,50
18 6,88 7,30
Jawab:
Ho: p(+) = p(-), pemilu tidak meningkatkan tingkat bunga deposito 3
bulanan
H1: p(+) > p(-), pemilu meningkatkan tingkat bunga deposito 3 bulanan
: 0,01
Deposit Deposit
D1
Bank Rate Rate Rank Rank (+) Rank (-)
(after-before)
Before (%) After (%)
1 5,50 5,60 0,10 2 2
2 5,75 5,60 -0,15 6,5 6,5
3 5,75 6,00 0.25 9,5 9,5
4 6,00 6,00 0 - - -
5 3,00 5,55 2,55 15 15
6 5,88 5,75 -0,13 4,5 4,5
7 6,50 6,75 0,25 9,5 9,5
8 7,30 7,45 0,15 6,5 6,5
9 5,88 6,00 0,12 3 3
10 6,25 6,50 0,25 9,5 9,5
11 5,50 5,58 0,08 1 1
12 5,75 5,88 0,13 4,5 4,5
13 6,00 6,00 0 - - -
14 5,75 6,50 0,75 14 14
15 5,50 5,50 0 - - -
16 5,50 6,00 0,50 13 13
17 6,25 6,50 0,25 9,5 2,5
18 6,88 7,30 0,42 12 12
Total 102 11
Hipotesis
H0 = Pemilu tidak menyebabkan tingkat suku bunga naik
H1 = Pemilu menyebabkan tingkat suku bunga naik
Jumlah R- = 11
Kriteria :
Kesimpulan :
Karena T hitung T tabel, 11 < 20, maka H0 ditolak.
Jadi dengan taraf signifikansi 1%, dapat disimpulkan bahwa pemilu

dapat meningkatkan suku bunga deposito dan pernyataan sang ekonom
tersebut benar.
4. Diambil sampel 50 orang, mereka diminta untuk menentukan pemilihan

Kepala Desa yang akan dipilih. Data di ambil sebelum dan sesudah debat
dari 2 calon Kepala Desa. Calon A diwakili angka 1 dan Calon B diwakili
angka 2. Dengan tingkat kepercayaan 95%, apakah terdapat perbedaan atau
perubahan pilihan terhadap calon Kepala Desa setelah debat dilakukan?
Data sebagai berikut :
(Sumber: http://susenobimo.blogspot.com)
Jawab:
CARA KOMPUTER
Langkah-langkah SPSS:
1) Klik Analyze > Nonparametric Test > 2 Related Samples
2) Masukkan kedua variabel ke dalam kolom Test Pairs List
3) Pilih McNemar
4) Klik OK
Hipotesis:
H0 = Tidak terdapat perubahan yang signifikan pemilihan kepala
desa sebelum dan sesudah debat.
H1 = Terdapat perubahan yang signifikan pemilihan kepala desa
sebelum dan sesudah debat.
Kriteria uji:
Exact Sig. (2-tailed) : Ho tidak dapat ditolak
Exact Sig. (2-tailed) < : Ho ditolak
Output SPSS
Kesimpulan
Tabel pertama menunjukan hasil crosstabulasi data sebelum dan
sesudah debat dilakukan.
Dari tabel Test Statistic diketahui Exact Sig. (2-tailed) > atau (0,000<
0,05) maka tolak hipotesis nol (H0) yang artinya ada perubahan
yang signifikan pemilihan kepala desa sebelum dan sesudah debat
dilakukan dengan taraf nyata 5%.
CARA MANUAL
After
Calon 1 Calon 2 TOTAL
Calon 1 3 (a) 6 (b) 9
Before Calon 2 38 (c) 3 (d) 41
TOTAL 41 9 50
( )2 (6 38)2 1024
2 = = = = 23,272727
( + ) (6 + 38) 44
= ( 1)( 1) = (2 1)(2 1) = 1
= 5%
Look chi-square table 2 = 3,84146
Kriteria
2 2 Ho tidak dapt ditolak
2 > 2 Ho ditolak
Ternyata,
23,272727 > 3,84146 atau 2 > 2 , maka Ho ditolak.
Jadi, dengan tingkat kepercayaan 95%, ada perubahan yang signifikan
pemilihan kepala desa sebelum dan sesudah debat dilakukan.
5. A researcher wanted to investigate the impact of an intervention on

smoking. In this hypothetical study, 50 participants were recruited to take
part, consisting of 25 smokers and 25 non-smokers. All participants
watched an emotive video showing the impact that deaths from smoking-
related cancers had on families. Two weeks after this video intervention, the
same participants were asked whether they remained smokers or non-
smokers.Therefore, participants were categorized as being either smokers or
non-smokers before the intervention and then re-assessed as either smokers
or non-smokers after the intervention.
With 5% significance level, please determine whether the proportion of
non-smokers statistically significantly different after the intervention as
compared to before or not.
(Sumber: Laerd Statistics, McNemar's test using SPSS)
Jawab:
After
Non-Smoker Smoker TOTAL
Non-Smoker 20 (a) 5 (b) 25
Before Smoker 16 (c) 9 (d) 25
TOTAL 36 14 50
( )2 (5 16)2 121
2 = = = = 5,761904762
( + ) (5 + 16) 21
= ( 1)( 1) = (2 1)(2 1) = 1
= 5%
Look chi-square table 2 = 3,84146
Kriteria
2 > 2 Ho ditolak
Ternyata,
5,761904762 > 3,84146 atau 2 > 2 , maka Ho ditolak.
Jadi, dengan tingkat kepercayaan 95%, ada perubahan antara jumlah
populasi perokok dan bukan perokok sebelum dan setelah adanya intervensi
video.
NON-PARAMETRIK II
Data pada penelitian kuantitatif dianalisis dengan cara tertentu yaitu

menggunakan statistik. Statistik tersebut dibagi menjadi dua kelompok, yaitu
statistik deskriptif dan statistik inferensial. Statistik deskriptif adalah jenis statistik
yang menganalisis data populasi dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul, dan tanpa membuat kesimpulan yang
berlaku umum. Sedangkan statistik inferensial adalah jenis statistik yang
menganalisis data sampel, dan membuat generalisasi (diberlakukan secara umum)
pada populasi.
Statistik inferensial kemudian dibedakan menjadi statistik parametrik dan

statistik non-parametrik. Statistik parametrik mensyaratkan banyak asumsi, yaitu
asumsi tentang kenormalan data, homogenitas data, dan datanya berupa interval
atau rasio. Sedangkan statistik non-parametrik tidak memerlukan asumsi-
asumsi di atas terpenuhi.
Statistik non-parametrik dipakai apabila peneliti tidak mengetahui

karakteristik kelompok item yang menjadi sumber sampelnya. Metode ini
dapat diterapkan terhadap data yang diukur dengan skala ordinal dan dalam
kasus tertentu, dengan skala nominal. Pengujian non-parametrik bermanfaat
untuk digunakan apabila sampelnya kecil dan lebih mudah dihitung daripada
metode parametrik.
Metode ini digunakan untuk situasi berikut:
1. Apabila ukuran sampel demikian kecil sehingga distribusi

statistik pengambilan sampel tidak mendekati normal, dan
apabila tidak ada asumsi yang dapat dibuat tentang bentuk
distribusi populasi yang menjadi sumber sampel.
2. Apabila digunakan data peringkat atau ordinal. (Data ordinal
hanya memberikan informasi tentang apakah suatu item lebih
tinggi, lebih rendah, atau sama dengan item lainnya; data ini sama
sekali tidak menyatakan ukuran perbedaan).
3. Apabila digunakan data nominal. (Data nominal adalah data dimana
sebutan seperti laki-laki atau perempuan diberikan kepada item
dan tidak ada implikasi dalam sebutan tersebut).
A. SPEARMAN
Koefisien korelasi peringkat sperman, rs, adalah ukuran erat-tidaknya

kaitan antara dua variabel ordinal; artinya rs merupakan ukuran atas
kadar/derajat hubungan antara data yang telah disusun menurut peringkat
(ranked data) (Supranto, Johanes; 2001). Koefisien korelasi (r) dihitung
dengan menggunakan nilai aktual dari X dan Y, sedangkan koefisien Spearman
yang akan kita bicarakan berikut ini menggunakan nilai peringkat untuk X dan
Y, dan bukan nilai aktual.
Hipotesis
a. Two-tailed tes
H0: tidak ada korelasi antara variabel X dengan variabel Y
(independent)
H1 : ada korelasi antara variabel X dengan variabel Y (dependent)
b. Lower-tailed test untuk korelasi negatif
H0: tidak ada korelasi antara variabel X dengan variabel Y
(independent)
H1: ada kecenderungan untuk nilai yang lebih kecil dari X untuk
dipasangkan dengan nilai lebih besar dari Y, dan sebaliknya.
c. Upper-tailed test untuk korelasi positif
H0 : tidak ada korelasi antara variabel X dengan variabel Y
(independent)
H1 : ada kecenderungan untuk nilai lebih besar dari X dan Y
untuk dipasangkan bersama-sama
Prosedur penghitungan koefisien korelasi peringkat Spearman:
1. Menyusun peringkat data

2. Menghitung perbedaan antara pasangan peringkat
3. Menghitung rs
Tidak ada angka yang sama
6 2
1
= 1 ( )
(2 1)
Dimana:
rs = koefisien korelasi Spearman
d = selisih antara rank X dan rank Y = R(X) R(Y)
n = jumlah pasangan
Ada angka yang sama
+

= ()()( )
=

+ +
(
= () ( ) ) (= () ( ) )

(Sumber: Conover, W.J. 1999. Practical Nonparametric Statistics.

United States of America: John Wiley)
Kendall berpendapat bahwa nilai rs terletak antara: -1 rs 1
-1 : mempunyai korelasi sempurna tetapi berlawanan atau negatif
0 : tidak ada atau tidak mempunyai korelasi
1 : mempunyai korelasi sempurna dan searah atau positif
4. Menghitung Wp dengan menggunakan tabel Quantiles of Spearmans

5. Bandingkan nilai rs dan Wp dengan kriteria:
a. Two-tailed test
|rs| W1- /2 H0 tidak dapat ditolak
|rs|> W1- /2 H0 ditolak
b. Lower-tailed test untuk korelasi negatif
rs -W1- H0 tidak dapat ditolak
rs < -W1- H0 ditolak
c. Upper-tailed test untuk korelasi positif
rs W1- H0 tidak dapat ditolak
rs > W1- H0 ditolak
6. Menarik kesimpulan
Menggunakan SPSS
Langkah-langkah menyelesaikan korelasi peringkat Spearman dengan

menggunakan SPSS:
1. Buka software SPSS

2. Pilih menu FileNewData
3. Klik Variable View pada data editor, kemudian buat variabel yang
telah ditentukan
4. Klik Data View kemudian isilah sesuai variabel yang telah dibuat
5. Mengolah data:
a) Pilih menu Analyze, pilih submenu Correlate kemudian klik Bivariate
b) Pilih variabel yang akan dikorelasikan ke dalam Test Variables
c) Klik Spearman dan Two-tailed / One-tailed test pada kolom Test of
Significance
d) Klik Flag Significant Correlation
e) Klik OK
6. Menarik kesimpulan:
Kriteria:
Sig Ho tidak dapat ditolak
Sig < H0 ditolak
Contoh Soal
Seorang manajer personalia ingin mengetahui apakah ada hubungan antara

prestasi kerja seseorang dengan tingkat kecerdasan (diukur dengan IQ). Untuk itu,
diambil 9 orang pekerja dan seorang supervisor diminta memberi penilaian pada
tiap pekerja tersebut tentang prestasi kerjanya. Gunakan taraf nyata 5%!
Pekerja Prestasi IQ
1 84 110
2 85 100
3 87 108
4 92 103
5 91 102
6 96 97
7 83 124
8 89 130
9 88 116
(Sumber: Modul Statistika II 2011)
Jawab:
Hipotesis
H0: tidak ada hubungan antara prestasi pekerja dan IQ-nya
H1: ada hubungan antara prestasi pekerja dan IQ-nya
6 2
= 1 ( (1
2 1) )

6 162
= 1 (9(92 1))
972
= 1 (720)
= 0,35
=9
Wp = W1-/2 = W1-0,05/2 = W0,975 = 0,6833
Kriteria:
|rs| W1- /2 H0 tidak dapat ditolak
|rs| > W1- /2 H0 ditolak
Ternyata : |0,35| < 0,6833 H0 tidak dapat ditolak
Menggunakan SPSS
Kriteria:
Sig H0 tidak dapat ditolak
Sig < H0 ditolak
Ternyata: 0,356 > 0,05 H0 tidak dapat ditolak
Kesimpulan:
Pada tingkat signifikansi 5% tidak ada hubungan antara prestasi
pekerja dan IQ-nya.
B. MANN-WHITNEY
Asumsi :
Sampelnya adalah sampel acak dan kedua sampel saling bebas
/ independen.
Memiliki dua variabel, yaitu variabel independen (categorical) dan
dependen (continuous or ordinal).
Yang diuji pada uji Mann Whitney ini adalah adanya perbedaan
pengaruh pada dua buah sampel bebas yang diambil dari satu atau
dua buah populasi.
Mann-Whitney dapat digunakan ketika jumlah data pada kedua
sampel tidak seimbang.
Hipotesis yang akan diuji adalah :

H0 : Tidak ada perbedaan peringkat untuk kedua cara
H1 : Peringkat yang lebih tinggi akibat efek dari salah satu cara.
Misalkan X1, X2,,Xn sampel acak untuk populasi pertama dan

Y1,Y2,,Ym sampel acak untuk populasi kedua. Misalkan R(Xi) adalah
peringkat untuk Xi dan R(Yi) adalah peringkat untuk Yi.
Sehingga hipotesis yang akan diuji adalah:
H0: E(X) = E(Y)
H1: E(X) E(Y)
CONOVER
Prosedur pengujian:
1. Menyatakan hipotesis dan
Hipotesis:
Uji Dua Pihak Uji Pihak Kanan Uji Pihak Kiri
H0: P(X) = P(Y) H0: P(X) = P(Y) H0: P(X) = P(Y)
Ha: P(X) P(Y) Ha: P(X) > P(Y) Ha: P(X) < P(Y)
2. Menyusun peringkat data tanpa memperhatikan kategori sample (gabungan)

3. Menjumlahkan peringkat di setiap kategori sample yang telah digabungkan
dan hitung T-statistik.
Jika tidak ada peringkat yang sama atau hanya sedikit yang
sama peringkatnya maka statistic ujinya:

= ()
=1
1 (1 + 1)
=
2
Jika Banyak peringkat yang seri maka statistic ujinya:
+1
2
1 =
( 1)
=+ 12
( 1) =1 4( 1)
4. Lihat table, tentukan nilai table ( W )
5. Lakukan pengujian kriteria:
Uji Dua Pihak Uji Pihak Kiri Uji Pihak Kanan

Ho Tidak Dapat
W/2 T W1- /2 T W T W1-
Ditolak
T < W /2
Ho Ditolak T < W T > W1-
T > W1-/2
Keterangan: W1-/2 = n(N+1) - W /2
W1- = n(N+1) - W
6. Untuk n > 20, pakai rumus :

(++1)
= 2
+ 12
CARA KOMPUTER
1. Masuk ke SPSS
2. Masuk ke Variable View, measure Ordinal
3. Masukkan data ke dalam Data View (gabungkan sample 1 & sample
2 dalam 1 kolom)
4. Kolom 1 = [dependent variable], kolom 2 = [independent variable]
(isikan 0 untuk grup [dependent variable] & 1 untuk [independent
variable])
5. Masuk ke Analyze, klik Nonparametric Test
6. Klik 2 Independent sample, masukkan [dependent variable] di Test
Variable List dan [independent variable] di Grouping Variable
7. Klik Define Group, masukkan grup 1 = 0, grup 2 = 1, continue
8. Checklist Mann-Whitney, OK
Kriteria computer:
Exact Sig (1-tailed) , H0 tidak dapat ditolak

Exact Sig (1-tailed) < , H0 ditolak
Asymp Sig (2-tailed) , H0 tidak dapat ditolak
Asymp Sig (2-tailed) < , H0 ditolak
Contoh Soal
Berikut ini adalah data mengenai pendapatan dari pegawai di PT Telephone

Indonesia yang merupakan lulusan Universitas Dalam Negeri dan Luar Negeri.
Universitas Dalam Universitas Luar
Negeri Negeri
85 79
78 68
83 85
80 82
74 80
65 75
88 81
79 64
69 65
71
Dengan menggunakan taraf nyata 5% ,tentukanlah apakah terdapat perbedaan

pendapatan yang signifikan antara pegawai yang merupakan lulusan Universitas
Dalam Negeri dan Luar Negeri !
(Sumber: Soal Modul Statistka II 2013)
Jawab:
Hipotesis
Ho : Tidak terdapat perbedaan pendapatan antara pegawai
yang merupakan lulusan Universitas Dalam Negeri dan Luar
Negeri
Ha : Terdapat perbedaan pendapatan antara pegawai yang
merupakan lulusan Universitas Dalam Negeri dan Luar Negeri
S = R(1) = 105
10(10+1)
= 105
2
T = 60
W/2 = 21
W1-/2= 69
Kriteria
T < W/2 Ho ditolak
T > W1-/2 Ho ditolak
Ternyata, 60 < 21 maka Ho tidak dapat ditolak
Kesimpulan:
Dengan taraf nyata 5%, dapat disimpulkan bahwa tidak terdapat
perbedaan
pendapatan antara pegawai yang merupakan lulusan Universitas Dalam
Negeri dan Luar
Negeri.
SOAL NON-PARAMETRIK II
1. STA Corporation, sebuah perusahaan konsultan statistik yang sudah sukses di

Bandung, ingin membuka cabang peusahaannya di daerah Jatinangor. Untuk
itu, Divisi Marketing ingin mengetahui pengaruh besarnya biaya iklan yang
digunakan terhadap jumlah konsumen guna menunjang strategi ekspansi bisnis
perusahaan tersebut. Untuk mencapai tujuan penelitian tersebut dikumpulkanlah
data biaya iklan dan jumlah konsumen dari masing-masing cabang di daerah
Bandung di periode yang sama. Setelah diolah dengan software SPSS, berikut
adalah hasil yang diperoleh.
Dengan tingkat signifikansi 1%, jawablah pertanyaan berikut.
a. Berapa banyak jumlah cabang STA Corporation di Bandung?

b. Apakah biaya iklan berpengaruh signifikan terhadap jumlah konsumen?
Mengapa?
c. Apakah jawaban poin b. berubah dengan tingkat signifikansi 5%?
(Sumber: fiktif)
Jawab:
a. N = 10
b. Kriteria Uji :
Sig. Ho tidak dapat ditolak
Sig. < Ho ditolak ditolak
Ternyata. Sig. < ( 0.009 < 0,01 ), maka Ho ditolak.
Jadi dapat disumpulkan terdapat hubungan yang signifikan antara biaya
iklan dengan jumlah konsumen STA Corporation.
c. Tidak berubah, karena dengan = 5%, tetap berlaku Sig. < (0.009 <
0,05).
2. A psychologist from University of South Caroline believed that doing sport

could stimulate brain to think faster and do difficult calculation on math. To
prove this statement, a researcher collects some data from a public school in
Bandung. The following data concerning the relationship between the
score of sport and mathematics subjects of the 10 students.
Sports 82 75 85 70 77 60 63 66 80 89
Mathematics 79 80 89 65 67 62 61 68 81 84
Examine, if there is a real positive correlation between the score of sport and
mathematics subjects? (significance level 5 %).
(Sumber: Modul Statistika II 2013, diolah kembali).
Jawab:
Nilai Olahraga Nilai Matematika

Mahasiswa D (X-Y) D2
X Urutan Y Urutan
1 82 8 79 6 2 4
2 75 5 80 7 -2 4
3 85 9 89 10 -1 1
4 70 4 65 3 1 1
5 77 6 67 4 2 4
6 60 1 62 2 -1 1
7 63 2 61 1 1 1
8 66 3 68 5 -2 4
9 80 7 81 8 -1 1
10 89 10 84 9 1 1
JUMLAH 22
Hipotesis
H0 : rs = 0
Ha : rs > 0
6(22)
= 1 10(102 1) = 0,867
s tabel(dimana n = 10 dan = 5 %) = 0,5315

Kriteria pengujian ; Ho tidak dapat ditolak apabila rs s tabel
Karena rs = 0,867 > dari s tabel = 0,5315, maka Ho ditolak. Jadi dengan
taraf nyata 5%, ada hubungan positif yang nyata antara nilai olahraga
dengan nilai matematika.
3. Barang Giffen dalam ilmu ekonomi didefinisikan sebagai barang yang akan
turun permintaannya seiring dengan bertambahnya pendapatan seseorang. Salah
satu komoditi yang dianggap masuk pada kelompok barang giffen adalah
singkong. Namun, terdapat dugaan bahwa komoditi ini tidak lagi bersifat giffen
ketika dijual daerah pedesaan karena orang di pedesaan masih menganggap
singkong sebagai salah satu bahan makanan pokok. Berikut ini adalah data
pendapatan masyarakat desa dan konsumsi singkong selama satu bulan yang
dikumpulkan dari 11 rumah tangga.
Rumah Tangga Pendapatan (Rp.) Konsumsi Singkong (kg)

A 500.000 5
B 1.000.000 9
C 700.000 7,5
D 325.000 4
E 675.000 8
F 710.000 10
G 400.000 3
H 830.000 4,5
I 200.000 4,3
J 250.000 6
K 475.000 5,5
Dengan tingkat signifikansi 1%, buktikanlah apakah singkong masih merupakan

barang Giffen di daerah pedesaan! (ceteris paribus).
(Sumber: fiktif)
Jawab:
Rumah Pendapatan Konsumsi Singkong

D (X-Y) D2
Tangga X Urutan Y Urutan
1 500.000 6 5 5 1 1
2 1.000.000 11 9 10 1 1
3 700.000 8 7,5 8 0 0
4 325.000 3 4 2 1 1
5 675.000 7 8 9 -2 4
6 710.000 9 10 11 -2 4
7 400.000 4 3 1 3 9
8 830.000 10 4,5 4 6 36
9 200.000 1 4,3 3 -2 4
10 250.000 2 6 7 -5 25
11 475.000 5 5,5 6 -1 1
JUMLAH 86
Hipotesis
H0 : rs 0
Ha : rs < 0
6(86)
= 1 11(112 1) = 0,6090909

Kriteria pengujian ; Ho ditolak apabila rs < -W1-
Karena rs = 0,60909 > dari -W1- = -0,7000, maka Ho tidak dapat ditolak.
Jadi dengan taraf nyata 5%, tidak ada hubungan negatif antara pendapatan
RT dengan konsumsi singkong, sehingga singkong tidak bersifat Giffen jika
dijual di area pedesaan, ceteris paribus.
4. Graphic below gives the number of years of formal education (X) and the age of
entry into the labour force (Y) for 12 males from the Regina Labour Force
Survey. Both variables are measured in years, a ratio level of measurement and
the highest level of measurement. All of the male are aged 30 or over, so that
most of these males are likely to have completed their formal education.
Years of Education (X) & Ages of Entry

into Labour Force (Y) for 12 Regina Males
25 22 22
20 19
20 17 18 18 17 18 18
16 15 15 15 15 16
15 12 12 12
10 10 10
10 8 8
5
0
1 2 3 4 5 6 7 8 9 10 11 12
X Y
By testing with Spearman rank correlation, can we say that those respondents
who obtained more years of schooling generally entered the labour force at the
older ages? ( = 1%).
(Sumber: University of Reginas Book Chapter XI: Association Between
Variables)
Jawab:
Rank
Respondent X Y Rank X Rank Y Rank X*Rank Y Rank X ^2 Y^2
1 10 16 4 3,5 14 16 12,25
2 12 17 7 5 35 49 25
3 15 18 9,5 7,5 71,25 90,25 56,25
4 8 15 1,5 1,5 2,25 2,25 2,25
5 20 18 12 7,5 90 144 56,25
6 17 22 11 11,5 126,5 121 132,25
7 12 19 7 10 70 49 100
8 15 22 9,5 11,5 109,25 90,25 132,25
9 12 18 7 7,5 52,5 49 56,25
10 10 15 4 1,5 6 16 2,25
11 8 18 1,5 7,5 11,25 2,25 56,25
12 10 16 4 3,5 14 16 12,25
Total 602 645 643,5
Hipotesis
Ho: Tidak ada hubungan positif antara lamanya bersekolah dengan
umur memasuki angkatan kerja
Ha: Terdapat hubungan positif antara lamanya bersekolah dengan
umur memasuki angkatan kerja
Pengujian
Karena banyak angka yang sama, maka gunakan rumus rs yang kedua.
13
60212( )2
2
rs =
(6451242,25)643,51242,25)
95
rs = 11,74734012 11,68332145
rs = 95 / 137,2479508
rs = 0,692177912
Kriteria pengujian ; Ho tidak dapat ditolak apabila rs s tabel

Karena rs = 0,6922 > dari s tabel = 0,6713, maka Ho tidak dapat ditolak.
Jadi dengan taraf nyata 1%, tidak terdapat bukti yang cukup bahwa lamanya
bersekolah berpengaruh positif dengan umur memasuki angkatan kerja.
5. Education is the important thing to all countries around the world. Based on
that, large proportion of their GNP are spent on education, including teachers
payment, school building, books purchasing, ect. In July 2014 there was a
science testing that required all sophomores in science study to answer 100
questions related to their disciplines. Table below shows the proportion of each
county spent on education and the average correct answers in science testing
their candidates made. With significance level of 5%, can you tell that the
countries that have lower education quality should rise their proportion of GNP
on education?
Average Correct answers on

Country % of GNP spent on Education
Science testing
Canada 7.4 69
Spain 3.2 68
Scotland 5.2 68
Korea 4.5 78
Italy 4.0 70
US 7.5 67
Switzerland 4.8 74
France 6.1 69
Russia 7.0 71
Jordan 7.1 57
Hungary 5.7 73
Israel 10.2 70
Jawab:
Average Correct
% of GNP spent
Country answers on Science Rank X Rank Y D D^2
on Education
testing
Canada 7.4 69 10 5,5 4,5 20,25
Spain 3.2 68 1 3,5 -2,5 6,25
Scotland 5.2 68 5 3,5 1,5 2,25
Korea 4.5 78 3 12 -9 81
Italy 4.0 70 2 7,5 -5,5 30,25
US 7.5 67 11 2 9 81
Switzerland 4.8 74 4 11 -7 49
France 6.1 69 7 5,5 1,5 2,25
Russia 7.0 71 8 9 -1 1
Jordan 7.1 57 9 1 8 64
Hungary 5.7 73 6 10 -4 16
Israel 10.2 70 12 7,5 4,5 20,25
TOTAL 373,5
Hipotesis
H0 : rs = 0
Ha : rs > 0
6(373,5)
= 1 12(122 1) = 1- (2241/1716) = -0,305944056
s tabel(dimana n = 12 dan = 5%) = 0,4965

Kriteria pengujian ; Ho ditolak apabila rs > W1-
Karena rs = -0,305944056 < dari W1- = 0,4965, maka Ho tidak dapat
ditolak. Jadi dengan taraf nyata 5%, tidak terdapat bukti yang cukup akan
adanya hubungan positif antara besarnya proporsi GNP suatu negara
terhadap kualitas pendidikan / tingkat kecerdasan masyarakatnya.
6. The effectiveness of advertising for two rival products (Brand X and

Brand Y) was compared. Market research at a local shopping centre was
carried out, with the participants being shown adverts for two rival brands
of coffee, which they then rated on the overall likelihood of them buying
the product (out of 10, with 10 being "definitely going to buy the
product"). Some of the participants gave ratings for one of the products,
the others gave ratings for another product.
Brand X Brand Y
Participant Rating Participant Rating
1 3 1 9
2 4 2 7
3 2 3 5
4 6 4 10
5 2 5 6
6 5 6 8
7 10
Can we say that there is a significant difference between the ratings given
to each brand in terms of the likelihood of buying the product? Use the
best testing method with 95% confidence level.
(Sumber: www.sussex.ac.uk)
Jawab:
Brand X Brand Y
Participant Rating Rank Participant Rating Rank
1 3 3 1 9 11
2 4 4 2 7 9
3 2 1,5 3 5 5,5
4 6 7,5 4 10 12,5
5 2 1,5 5 6 7,5
6 5 5,5 6 8 10
7 10 12,5
TOTAL - 23 - - 68
Hipotesis
Ho : Tidak terdapat perbedaan signifikan antara rating produk X
dan Y
Ha : Terdapat perbedaan signifikan antara rating produk X dan Y
S = R(1) = 68
1 (1 +1)
= 2
= 68-28 = 40
W/2 = 35
W1-/2 = n(N+1) - W/2 = 7.14-35 = 63
Kriteria uji
T < W/2 Ho ditolak
T > W1-/2 Ho ditolak
Ternyata, 40 35 atau T W/2 dan 40 < 63 atau T < W1-/2 maka H0
tidak dapat ditolak.
Kesimpulan:
Jadi, dengan tingkat signifikansi 5%, tidak terdapat bukti yang cukup
bahwa negara yang memiliki proporsi GNP yang lebih tinggi untuk biaya
pendidikan akan mempunyai masyarakat yang lebih cerdas.
Cara II:
2
=1 1 = 817
+1

1 =
2
(1)
(1) =+
=1 12
4(1)
14
687.
1 = 7.6
2
6.7(131)
13(131) .817
4(131)
14
687.
1 = 7.6
2
6.7(131)
13(131).817 4(131)
19
1 =
219,961538510,5
19
1 =
14,47278613
1 = 1,312808731
7. Tabel dibawah ini merupakan tabel yang berisikan data mengenai

pendapatan dari Manajer Sumber Daya Manusia di kota Medan dan
Makassar. Hitunglah apakah pendapatan di Medan lebih besar daripada di
Makassar ? (dalam ribuan Rupiah). Gunakan = 5%.
Medan 450 600 575 700 540 540 630 580 715 450 650
0 0 0 0 0 0 0 0 0 0 0
Makass 430 520 490 570 600 620 540 470 640
ar 0 0 0 0 0 0 0 0 0
Jawab:
Hipotesis
Ho : Pendapatan Manajer Sumber Daya Manusia di Medan
tidak lebih besar dari Manajer Sumber Daya Manusia di
Makassar
Ha : Pendapatan Manajer Sumber Daya Manusia di Medan
lebih besar dari Manajer Sumber Daya Manusia di Makassar
S = R(1) = 130.5
T = 130.5 - [11(11+1)/2]
T = 64.5
W = 94
Kriteria T > W Ho ditolak
Ternyata, 64.5 < 28 maka Ho tidak dapat ditolak
Kesimpulan : Dengan taraf nyata 5%, dapat disimpulkan bahwa pendapatan
Manajer Sumber
Daya Manusia di Medan tidak lebih besar dari Manajer Sumber Daya Manusia
di Makassar.
8. A psychologist to make the hypothesis that students from high schools in

urban possessed a National Examination score greater than at the high
school students in the rural. The following results obtained from the
following tests.
UN 43 56 31 30 41 38 53 32 45 33 41
Urban
UN 47 68 39 42 33 54 40 24 30
Rural
With a 5% significance level, determine whether there is a difference
between National
Examination scores in urban and rural?
(Sumber: fiktif)
Jawab:
Hipotesis
H0: there is not a difference between National Examination scores
in urban and rural
H1: there is a difference between National Examination scores in
urban and rural
CARA MANUAL
UN di Kota R (X) UN di Desa R (Y)

43 14 47 16
56 19 68 20
31 4 39 9
30 2 42 13
41 11,5 33 6,5
38 8 54 18
53 17 40 10
32 5 24 1
45 15 30 3
33 6,5
41 11,5
S = R(X) = 113.5
1 (1 +1)
= 2
11(11+1)
T = 113,5 2
T = 47.5
Lihat tabel:
n = 9, m = 11, = 0,05
W /2 = 24
W1-/2 = (n x m) - W /2 = (99)-24= 75
Kriteria : 2 tailed-test, T < W /2 atau T > W1-/2 H0 ditolak

Ternyata: 24< 47.5<75, Ho tidak dapat ditolak
Conclusion: So, with the significant level 5%, there is not a difference
between National Examination scores in urban and rural.
CARA KOMPUTER
Penyelesaian Komputer
Masuk ke SPSS
Masuk ke variable view, measure Ordinal
Masukkan data ke dalam data view (gabungkan sample 1 & sample 2 dalam 1
kolom)
Kolom 1 = nilai, kolom 2 = grup ( isikan 0 untuk nilai UAN di kota & 1 untuk
nilai UAN di desa)
Masuk ke Analyze , klik Nonparametric Test
Klik 2 Independent sample, masukkan nilai di Test Variable List dan Skor di
grouping Variable
Klik Define Group, masukkan grup 1 = 0, grup 2 = 1, continue
Checklist Mann whitney, Ok

APPENDIX
Tabel Distribusi Normal Z
Tabel Chi-Square
Tabel Product Moment R

Modul Statistika II PDF

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul Statistika II PDF

Uploaded by

Copyright:

Available Formats

MODUL STATISTIKA II

LEMBAR PENGESAHAN MODUL PRAKTIKUM STATISTIKA II

Mengetahui dan Menyetujui,

Ketua Program Studi IESP UNPAD

Nurul Fatimah Indriana Oktavia Shafira Nurhasna R. Rizki Rahmawati

Pebriantara Widya Amira H. Riri Ardyaningtyas Tio Maranatha

Eiffel Nindya H Yuki Sakura Kristi Umar Harredy

DISTRIBUSI SAMPLING RATA-RATA DAN PROPORSI .......................................................... 1

DISTRIBUSI SAMPLING SELISIH RATA-RATA DAN SELISIH PROPORSI ........................ 17

PENAKSIRAN RATA-RATA DAN PROPORSI .......................................................................... 29

PENAKSIRAN SELISIH RATA-RATA DAN SELISIH PROPORSI .......................................... 41

UJI HIPOTESIS RATA-RATA DAN PROPORSI ........................................................................ 56

UJI HIPOTESIS SELISIH RATA-RATA DAN PROPORSI ........................................................ 75

REGRESI DAN KORELASI SEDERHANA ................................................................................. 91

REGRESI DAN KORELASI BERGANDA................................................................................. 122

STATISTIK NON PARAMETRIK .............................................................................................. 183

NON-PARAMETRIK I ................................................................................................................ 190

NON-PARAMETRIK II ............................................................................................................... 226

APPENDIX ................................................................................................................................... 252

Populasi Terbatas adalah suatu populasi yang unsurnya terbatas berukuran N.

Alasan melakukan sampling adalah :

Mengenai biaya atau faktor ekonomis

Distribusi Sampling terdiri dari :

Distribusi Sampling Rata-rata

DISTRIBUSI SAMPLING RATA-RATA

Distribusi Sampling Rata-rata adalah kumpulan dari bilangan-bilangan yang masing-masing

Rumus Distribusi Sampling Rata-rata :

n : ukuran sampel N : ukuran populasi

DISTRIBUSI SAMPLING PROPORSI

Rumus Distribusi Sampling Proporsi :

: standar deviasi pada distribusi sampling proporsi

Jawab : = 18 = 0,003711 < 5% (tidak menggunakan faktor koreksi)

(1) 0,55(0,45) 200100

(1) 0,435(0,565) 1048300

7. Tentukanlah probabilita bahwa diantara 50 orang yang datang ke supermarket S, terdapat :

DISTRIBUSI SAMPLING SELISIH RATA-RATA

Distribusi Sampling Selisih Rata-rata adalah kumpulan bilangan-bilangan yang merupakan

(x1 x2 ) x1 x2 500 550

Luas kanan 0 = 0,5000

Luas kanan Z = 0,9370

DISTRIBUSI SAMPLING SELISIH PROPORSI

Distribusi Sampling Selisih Proporsi adalah kumpulan bilangan-bilangan yang merupakan

b. Simpangan baku proporsi

Jika 1 dan2 tidak diketahui dan dianggap sama maka nilai :

sehingga standar baku proporsinya menjadi :

Jwb : x1 x2 = 1 2 = ( 0,5 0,5 ) = 0

Luas kanan 0 = 0,5000

Luas kanan Z = 0,0901

(x1 x2 )x1x2 2022

Dit : a. P(x1 x2 10)

(x1 x2 )x1x2 108

Luas kanan 0 = 0,5000

Luas kanan Z = 0,0239

Luas Kiri 0 = 0,5000

Luas kiri Z = 0,1611

(x1 x2 )x1x2 17.18017.210

Luas kanan 0 = 0,5000

(x1 x2 )x1x2 300.000350.000

Luas kanan 0 = 0,5000

Jawab : x1 x2 = 1 2 = (0,5 0,5) = 0

Luas kanan 0 = 0,5000

Luas kanan Z = 0,0287