Professional Documents
Culture Documents
Interval kelas :
Contoh :
Berikut data mengenai pengeluaran konsumsi rumah
tangga di DIY selama 1 bulan dari 80 rumah tangga
(dalam ribuan rupiah)
68 84 75 82 68 90 62 88 76 93
73 79 88 73 62 93 71 59 85 75
62 65 75 87 74 62 95 78 63 72
66 78 82 75 94 77 69 74 68 62
96 78 89 62 75 95 62 79 83 71
79 62 67 97 78 85 76 65 71 75
65 80 73 57 88 78 62 76 53 74
86 67 73 81 72 63 76 75 85 77
Jawab :
1. Menentukan jumlah kelas dengan rumus Sturgess
59 – 64 2 61,5 3 77
65 – 70 17 67,5 20 60
71 – 76 13 73,5 33 47
77 – 82 24 79,5 57 23
83 – 88 9 85,5 66 14
89 – 94 7 91,5 73 7
95 - 100 7 97,5 80 0
JUMLAH 80
GAMBAR HISTOGRAM
frekuensi
Nilai tengah
GAMBAR POLIGON
Nilai tengah
KURVA OGIVE
FKKD
FKLD
Contoh :
KELAS F Xi F. Xi
53 – 58 1 55,5 55,5
59 – 64 2 61,5 123
65 – 70 17 67,5 1147,5
71 – 76 13 73,5 955,5
77 – 82 24 79,5 1908
83 – 88 9 85,5 769,5
89 – 94 7 91,5 640,5
95 - 100 7 97,5 682,5
JUMLAH 80 6282
Jadi
b) Median
1. Rumus untuk data yang tidak berkelompok
Untuk jumlah data ganjil
dimana :
TKB = tepi bawah kelas median
N = banyaknya data
FKSM = frekuensi kumulatif sebelum kelas median
FM = frekuensi kelas median
i = interval
Contoh :
Letak Median
TKB = 76,5
FKSM= 33
FM = 24
I = 6
Jadi
c) Modus
1. Untuk data berkelompok
Dimana :
TKB = Tepi bawah kelas modus
d1 = selisih frekuensi kelas modus dengan
frekuensi kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan
frekuensi kelas sesudahnya
i = interval
Contoh :
Letak kelas modus adalah kelas yang memiliki frekuensi
terbesar, jika ada lebih dari satu maka dipilih salah
satunya. Dalam tabel di depan diketahui bahwa kelas
modus terletak pada kelas ke-5
TKB = 76,5
d1 = 24 – 13 = 11
d2 = 24 – 9 = 15
i = 6
Jadi
UKURAN DISPERSI (PENYEBARAN)
Ukuran dispersi merupakan suatu metode analisis
data yang ditunjukkan untuk mengukur besarnya
penyimpangan/ penyebaran dari distribusi data yang
diperoleh terhadap nilai sentralnya.
Macam-macam ukuran dispersi :
1. Range (Jangkauan)
2. Mean Deviation (deviasi rata-rata)
3. Standard Deviation (standar deviasi) dan Variance
1. Range
Merupakan ukuran penyebaran yang didasarkan
pada perbedaan antara nilai data tertinggi dengan
nilai yang terendah. Perhitungan ini hanya
berdasarkan dua pengamatan saja dan
menghasilkan perhitungan yang relatif kasar.
Range yang penyebarannya kecil berarti bahwa
suatu distribusi memiliki rangkaian data yang lebih
homogen.
Range yang penyebarannya besar berarti bahwa
suatu distribusi memiliki rangkaian data yang lebih
bersifat heterogen (bervariasi cukup besar)
Contoh 1 : berikut data keuntungan yang diperoleh dari
8 Toko Kelontongan di jalan Solo
Toko A = Rp4.000,00 Toko E = Rp4.000,00
B = Rp5.000,00 F = Rp6.000,00
C = Rp6.000,00 G = Rp5.500,00
D = Rp5.000,00 H = Rp4.500,00
Dari data di atas diperoleh bahwa rata-rata keuntungan=
2. Xi
4.000 1.000
5.000 0
6.000 1.000
5.000 0
5.000 0
2.000
3. Jadi
b. Rumus untuk data yang berkelompok
dimana :
MD = Mean Deviation
F = frekuensi masing-masing kelas
Xi = nilai tengah
= nilai rata-rata (mean)
KELAS F Xi F.Xi X I Xi - X l F l Xi - X l
53 - 58 1 55.5 55.5 78.5 23.0 23.0
59 - 64 2 61.5 123.0 78.5 17.0 34.1
65 - 70 17 67.5 1,147.5 78.5 11.0 187.5
71 - 76 13 73.5 955.5 78.5 5.0 65.4
77 - 82 24 79.5 1,908.0 78.5 1.0 23.3
83 - 88 9 85.5 769.5 78.5 7.0 62.7
89 - 94 7 91.5 640.5 78.5 13.0 90.8
95 - 100 7 97.5 682.5 78.5 19.0 132.8
80 6,282.0 78.5 619.6
Dari tabel diatas maka
3. Standard Deviation dan Variance
Merupakan ukuran penyimpangan dari suatu
rangkaian data X₁, X₂,…,Xn terhadap nilai rata-rata
(mean)
dimana :
= deviasi standar
Xi = nilai tengah masing-masing kelas
= nilai rata-rata
N = banyaknya data
4. Rumus Variance untuk data berkelompok
Contoh :
KELAS F Xi F.Xi X I Xi - X l (Xi - X)² F (Xi - X)²
53 - 58 1 55.5 55.5 78.5 23 529 529
59 - 64 2 61.5 123 78.5 17 289 578
65 - 70 17 67.5 1,147.50 78.5 11 121 2057
71 - 76 13 73.5 955.5 78.5 5 25 325
77 - 82 24 79.5 1,908.00 78.5 1 1 24
83 - 88 9 85.5 769.5 78.5 7 49 441
89 - 94 7 91.5 640.5 78.5 13 169 1183
95 - 100 7 97.5 682.5 78.5 19 361 2527
80 6,282.00 7664
MEREK B :
MEREK C :
Jadi dapat disimpulkan bahwa KVA = 3,4%, KVB = 0,98%, KVC = 7,96%.
Hal ini berarti bahwa variabilitas bola lampu merek B yang paling rendah
sehingga bola lampu manapun yang dipilih dari merek rata-rata memiliki
kekuatan sebesar 800 jam (kualitasnya lebih seragam)
Bola lampu merek A dan C memiliki koefisien variasi yang lebih besar
dari B. Hal ini berarti bahwa produksi bola lampu merek A dan C
kualitasnya lebih bervariasi (tidak seragam) dibandingkan dengan merek
B. Sehingga dapat disimpulkan bahwa kualitas bola lampu yang terbaik
adalah merek B
ANALISIS TIME SERIES (TREND)
Analisis deret berkala (time series) merupakan suatu
metode yang ditujukan untuk melakukan suatu
estimasi maupun peramalan pada masa mendatang.
Analisis time series dapat digolongkan ke dalam
analisis jangka pendek dan jangka panjang. Apabila
analisis yang dipakai jangka pendek, maka ada
kecendrungan model analisisnya berbentuk
persamaan garis linear. Sedangkan dalam jangka
panjang banyak faktor yang ikut mempengarhi
fluktuasi dari data time series yang diperoleh,
sehingga analisisnya bersifat non linear
METODE- METODE ANALISIS TREND LINEAR
1. Free Hand Method
2. Semi Average Method
3. Least Square Method
1. 231,5 = a + b (2,5)
2. 348 = a + b (8,5)
-116,5 = -6 b
b = 19,41
Setelah mendapatkan nilai a maka subsitusikan ke salah
satu persamaan, misalnya ke persamaan pertama :
231,5 = a + 2,5 b
231,5 = a + 2,5 (19,41)
a = 183
Jadi persamaan regresinya adalah
Y = 183 + 19,41 X
Artinya : Jika X bertambah satu tahun maka penjualan
akan meningkat sebesar 19.410 unit
2460 = 9a + 18b x2
5695 = 18a + 96b x1
Y na c X 2
XY b X 2
X Y a X 2 c X 4
2
DEPOSIT
TAHUN X XY X² X²Y X4
UANG
1998 71 -13 -923 169 11999 28561
1999 49 -11 -539 121 5929 14641
133.675,2 = 716,8a
a = 133.675,2/716,8
a = 186,49
Dimana :
Log adalah logaritma bilangan alam atau elog.
Untuk mencari a dan b digunakan rumus :
Log Y (X LogY)
a anti Log
b anti Log
n
x 2
UJI CHI KUADRAT (χ²)
Analisa uji chi kuadrat atau analisa tabel r x k : dimana r
menunjukkan banyaknya baris suatu tabel dan k
menunjukkan banyknya kolom dalam tabel
Distribusi χ² dalam pengujian hipotesis biasanya
digunakan untuk mengetahui perbedaan antara frekuensi
pengamatan dan frekuensi yang diharapkan
Tahap-tahap penyelesaian analisa uji kuadrat :
1. Merumuskan hipotesis
Ho : P₁₁ = P₁₂ = P₁₃ = P₁₄
P₂₁ = P₂₂ = P₂₃ = P₂₄
P₃₁ = P₃₂ = P₃₃ = P₃₄
P₄₁ = P₄₂ = P₄₃ = P₄₄ (semua proporsi sama)
Ha : Tidak semua proporsi sama
2. Menentukan Level of Signifikan (α) = 0,05 atau 0,01
χ² tabel = (α ; (r-1)(k-1))
3. Kriteria pengujian
Ho diterima jika χ² hitung < χ² tabel
Ho ditolak jika χ² hitung > χ² tabel
4. Menghitung χ² hitung dengan tahap-tahap
Menghitung proporsi baris
Menghitung expected frequency (eij)
Rumus
Menghitung nilai χ² hitung dengan rumus :
5. Membandingkan χ² hitung dan χ² tabel
6. Kesimpulan
Contoh :
Pemilik perusahaan PT Maju berpendapat bahwa sikap
para karyawan mengenai kondisi kerja yang
diperolehnya di berbagai divisi adalah sama. Berikut
data para karyawan di berbagi divisi mengenai kondisi
kerja.
DIV. A DIV. B DIV. C DIV. D JUMLAH
Baik 76 85 91 75 327
Cukup 25 32 40 28 125
Buruk 12 15 10 11 48
JUMLAH 113 132 141 114 500
Pertanyaan :
Ujilah pendapat tersebut dengan taraf nyata 1%
Jawaban :
1. Formulasi hipotesis
Ho : P₁₁ = P₁₂ = P₁₃ = P₁₄
P₂₁ = P₂₂ = P₂₃ = P₂₄
P₃₁ = P₃₂ = P₃₃ = P₃₄
P₄₁ = P₄₂ = P₄₃ = P₄₄
Ha : Tidak semua proporsi sama
2. Menentukan LOS dan χ² tabel
α = 0,01 dengan db = (3-1)(4-1)=6
χ² tabel = 16,812
3. Menentukan kriteria pengujian
Ho diterima jika χ² hitung < χ² tabel
Ho ditolak jika χ² hitung > χ² tabel
4. Menghitung nilai χ² hitung :
Menghitung expected frequency
n₁ = 327 n₂ = 125 n₃ = 48 n = 500
n₋₁ = 113 n₋₂ = 132 n₋₃ = 141 n₋₄ = 114
i = 1,2,3 j = 1,2,3,4
nij eij nij - eij (nij-eij)²/eij
76 73.902 2.098 0.0596 χ² Hitung = 2,6257
85 86.328 -1.328 0.0204
91 92.214 -1.214 0.0160
75 74.556 0.444 0.0026
25 28.25 -3.25 0.3739
32 33 -1 0.0303
40 35.25 4.75 0.6401
28 28.5 -0.5 0.0088
12 10.848 1.152 0.1223
15 12.672 2.328 0.4277
10 13.536 -3.536 0.9237
11 10.944 0.056 0.0003
JUMLAH 2.6257
5. Kesimpulan
Karena χ² hitung = 2,6257 < χ² tabel = 16,812, maka
H0 diterima. Jadi pendapat pemilik perusahaan
bahwa proporsi sikap para karyawan mengenai
kondisi kerja yang diperolehnya di berbagai divisi
sama adalah benar
REGRESI LINEAR SEDERHANA
Persoalan pokoknya adalah mencari suatu persamaan
garis dengan bentuk persamaan Y = a + b X dimana
Y adalah variabel dependen, X adalah variabel
independen, sedangkan “a” dan “b” adalah koefisien
regresi yang harus dihitung nilainya. Persamaan ini
digunakan untuk peramalan.
Formulasi rumus untuk mencari “a” dan “b” adalah
sebagai berikut :
Dimana :
PENGUJIAN HIPOTESIS
Pengujian hipotesis dilakukan terhadap β, dimana
dalam perhitungan garis regresi β ditaksir dengan b.
Dalam hal ini digunakan uji “t” yang tujuannya untuk
mengetahui ada tidaknya hubungan yang cukup
berarti antara variabel X terhadap variabel Y
artinya :
Terdapat korelasi positif antara luas tanah dengan
biaya produksi.
Koefisen korelasi = 0,97 menunjukkan bahwa
hubungan antara variabel sangat erat karena
mendekati r =1, atau dengan kata lain hubungan
yang sempurna antara dua variabel
REGRESI LINEAR BERGANDA
Model regresi digunakan jika variabel independen
mempunyai hubungan terkait dengan variabel
dependent. Hubungan kausal antara variabel
independent terhadap variabel dependent sering
dikenal dengan hubungan fungsional yang dapat
diformulasikan dalam persamaan fungsi seperti
berikut :
Y = f (X1, X2, ...., Xn) dimana :
Y = variabel dependen
X1, X2, ...., Xn = variabel independen
Bentuk Persamaanya adalah sebagai berikut :
KOEFISIEN KORELASI
Untuk mengetahui keeratan hubungan antara variabel
independent terhadap variabel dependent dapat
dilihat dari nilai koefisien korelasi ( r) yang
dikemukakan sebagai berikut :
Pengujian statistik dalam model regresi berganda
Untuk membuktikan adanya pengaruh secara simultan
antara variabel independent terhadap dependent variabel
dapat dilakukan pendekatan Statistik uji F dengan
menggunakan Rumus seperti berikut :
R 2 N k 1 (Supranto, 2001:258)
F
k 1 R2
Di mana:
R2 = Koefisien determinasi berganda
di mana R dinamakan koefisien berganda.
k = Jumlah variabel independen
n = Banyaknya sampel
Sedangkan untuk menguji secara individual atau
parsial dengan pendekatan statistik uji t dengan
tahapan sebagai berikut :
1. Merumuskan Hipotesis
H₀ : β₁ = 0 ; Ha ≠ 0
H₀ : β₂ = 0 ; Ha ≠ 0
2. Menetukan LOS dan t tabel
t tabel = (α/2 ; (n-k))
3. Menghitung nilai t hitung
Dimana :
n = banyaknya data
k = banyaknya variabel
Contoh :
Seorang petani mempunyai catatan mengenai kegiatan
usahanya sebagai berikut :
Y : 2 5 7 8 5
X₁ : 8 8 6 5 3
X₂ : 0 1 1 3 4
Dimana :
Y = hasil per Ha (ton)
X₁ = jumlah pupuk yang dipakai (10 kg)
X₂ = curah hujan (cm/ thn)
Ditanya :
1. Susunlah persamaan regresi berganda
2. Hitung koefisien korelasinya
3. Ujilah keberartian hubungan tersebut dengan uji t dan
uji F dengan α = 0,05
Y X₁ X₂ Y² X₁² X₂² X₁ .Y X₂. Y X₁ . X₂
2 8 0 4 64 0 16 0 0
5 8 1 25 64 1 40 5 8
7 6 1 49 36 1 42 7 6
8 5 3 64 25 9 40 24 15
5 3 4 25 9 16 15 20 12
27 30 9 167 198 27 153 56 41