STATISTIKA (TPE 225) -...
-
Upload
nguyendung -
Category
Documents
-
view
237 -
download
0
Transcript of STATISTIKA (TPE 225) -...
STATISTIKA (TPE 225)
Dr. Andasuryani, STP,Msi
Ashadi Hasan, STP, M.Tech
RPS MATA KULIAH
STATISTIKA (TPE 225)
KULIAH 1
Identitas Mata Kuliah:
Nama Mata Kuliah : Statistika
Kode Mata Kuliah/ SKS : TPE 225/3 (2+1)
Pelaksanaan : Semester IV (Genap)
Prasyarat : Tidak ada
Status Mata Kuliah : Wajib
No. Pokok Bahasan
1 Pendahuluan
2 Distribusi Normal
3 Pengujian hipotesis
4 Regresi dan korelasi
5 Analisis ragam RAL satu arah
6 Uji Wilayah Berganda
7 Analisis ragam RAK satu arah
8 Analisis ragam RAL dua arah
9 Analisis ragam RAK dua arah
10 Statistik non parametrik
Tujuan/ Outcomes Pembelajaran
Pendahuluan-Andasuryani 4
Setelah mengikuti kuliah ini diharapkan mahasiswa mampu:
Menguasai teori dan prinsip dasar statistika.
Mengolah dan menganalisis data statistika secara manual dan menggunakan software (Microsoft Excel dan SPSS).
Mampu menerapkan ilmu statistika dalam penyelesaian kasus di bidang Teknik Pertanian
Evaluasi
Pendahuluan-Andasuryani 5
Ujian MID Ujian UASKuis,
tugas, PRPraktikum Kehadiran
Keaktifandi kelas
Etika
Persentase (%) 25 25 10 15 10 10 5
0
5
10
15
20
25
30P
ers
en
tase
Nil
ai
(%)
Referensi
Ronald E Walpole. 1992. Pengantar Statistika. Edisi Ketiga. PT Gramedia Pustaka. Jakarta Adji Sastrosupadi. 2000.
Rancangan Percobaan Praktis (Bidang Pertanian). Edisi Revisi. Kanisius. Yogyakarta
Arif Pratisto. 2009. Statistik Menjadi Mudah dengan SPSS 17. PT Alex Media Computindo. Jakarta
Suntoyo Yitnosumarto. 1991. Percobaan (Perancangan, analisis, dan Interpretasinya). PT Gramedia Pustaka Utama. Jakarta
Pendahuluan-Andasuryani 6
Norma Akademik selama perkuliahan yakni :
1. Pendahuluan- Andasuryani
Akan mengikuti perkuliahan dengan sungguh-sungguh.
Kehadiran perkuliahan mahasiswa minimal 80%.
Baik dosen maupun mahasiswa bersedia untuk menghadiri kelas tepat pada waktunya.
Jika keterlambatan terjadi 15 menit setelah waktu yang ditentukan (tanpa ada konfirmasi sebelumnya kepada penanggung jawab kelas/dosen) maka mahasiswa tersebut tidak diizinkan mengikuti perkuliahan dan bagi dosen bersedia untuk mencari jadwal pengganti.
Jika tidak bisa menghadiri kelas karena izin / sakit maka disertai dengan Surat Pengantar/Surat Dokter.
Akan menjujung tinggi aspek kejujuran dan tidak akan membuat kecurangan, mengganggu proses belajar mengejar, dan plagiatisme.
Tidak menggunakan fasilitas telekomunikasi selama berlangsungnya perkuliahan.
Berpakaian sopan dan bersepatu dalam perkuliahan
Norma akademik lainnya
1. PENDAHULUAN
Pengertian Statistik
Data dan Variabel
Jenis Data
Metode Analisis Data
Elemen Statistika
Hubungan Statistika dan Pengolahan dengan Komputer
PENGERTIAN STATISTIK
Asal Kata “Statistik”
Statistik berasal dari bahasa Latin yang artinya “status “ atau negara
Bahasa Inggris “ state “ yang artinya pemerintahan
Pengertian:
Statistik (secara sederhana) = suatu kumpulan data yang berbentuk angka atau non angka dan tersusun rapi dalam suatu tabel, grafik, gambar, dan lain-lain yang melukiskan suatu persoalan
Statistika= Ilmu yang mempelajari cara pengumpulan, pengolahan, analisis serta penyajian data sehingga menjadi suatu informasi yang berguna bagi pengambilan keputusan
DATA DAN VARIABEL
Data adalah sesuatu yang diketahui atau dianggap.
Data dapat memberikan gambaran tentang suatu keadaan. Umumnya data dikaitkan dengan tempat dan waktu.
Variabel adalah konsep yang memiliki variasi nilai.
JENIS DATA
Jenis Data Keterangan
Menurut Sifatnya Kualitatif
Kuantitatif
Menurut Skalanya
Nominal - klasifikasi
Ordinal - klasifikasi dan urutan
Interval - pengukuran, urutan dan jarak
Rasio - pengukuran, urutan, jarak & rasio/ kelipatan
Menurut Cara Pengumpulannya Cross Section (at point of time) - dikumpulkan suatu saat tertentu
Berkala (time series) - dari waktu ke waktu mengumpulkannya
Menurut Banyaknya/ Jumlah yang diambil
Sensus
Sampling/ Survei
Menurut Sumbernya Internal - keadaan suatu organisasi
Eksternal - keadaan diluar organisasi
Menurut cara memperolehnya Primer - dikumpulkan dan diolah sendiri
Sekunder - data sudah tersedia, dikumpulkan pihak lain
DATA KUALITATIF : Data yang dinyatakan dalam bentuk bukan angka. Contoh : warna, jenis pekerjaan, bentuk buah, jenis kemasan, tingkat kepuasan kerja
DATA KUANTITATIF : Data yang dinyatakan dalam bentuk angka Contoh : lama penyimpanan, jumlah gaji, usia, hasil ulangan, kapasitas alat
DATA
JENIS
DATA
NOMINAL ORDINAL
INTERVAL RASIO
KUALITATIF KUANTITATIF
JENIS DATA
Nominal Ordinal Interval Rasio
Kategori
Tingkatan
Jarak
Operasi matematika
Contoh Agama Jenis Kelamin Warna
Sikap: Sangat setuju Setuju Kurang setuju Tidak setuju
Suhu IP
Berat badan
angka nolnya [0] tidak mutlak- nol ada maknanya
Metode Analisis Data
Uji Hipotesis
Eksplorasi
Tujuan studi
Uji Perbedaan
Deskriptif
Korelasi
Prediksi, Sebab akibat
Statistik Deskriptif
Uji Hubungan
STATISTIK INFERENSIA / INDUKTIF (Parametrik/non Parametrik)
TIPE SKALA PENGUKURAN DAN METODE STATISTIK
Deskriptif
Statistik
Deskriptif
Distribusi data
normal
Statistik
Parametrik
Deskriptif
Skala
Nominal dan
Ordinal
Skala Interval
dan Rasio
Uji
Hipotesis
Uji
Hipotesis
Statistik Non
Parametrik
Distribusi data
tidak normal
Elemen Statistika
Sampel
Populasi
Deskriptif Inferensia
POPULASI Sebuah kumpulan dari semua kemungkinan orang-orang, benda-benda dan ukuran lain dari objek yang menjadi perhatian.
SAMPEL Suatu bagian dari populasi tertentu
yang menjadi perhatian.
Hubungan Statistik dan Pengolahan Data dengan Komputer
Statistik
• Metode Pengolahan Data
KEPUTUSAN
Komputer
• Sarana Pengolahan Data
Aplikasi Statistik Berbasis Komputer
Program Statistik Buatan Sendiri
Bahasa pemprograman BASIC, PASCAL, FORTRAN dll.
Program Statistik sebagai Bagian dari Program Lain
Add Ins dari aplikasi Spreadsheet seperti Lotus, Excel
Program Khusus Statistik
SPSS, SAS, Minitab
Pengolahan data Statistik dengan SPSS
Apa itu SPSS???
“Statistical Product for Service Solutions”
Dahulu “ Statistical Packedge for Social Sciences”
Mengapa SPSS Populer??
Bentuk pemaparan yang baik ( Grafik dan Tabel)
Dinamis (mudah dilakukan perubahan data dan update analisis)
Mudah dihubungkan dengan aplikasi lain misalnya ekspor/impor data ke/dari Excel
Presisi dan Akurasi
STATISTIK DESKRIPTIF
STATISTIKA (TPE 225)
KULIAH 2
JENIS-JENIS STATISTIKA
STATISTIKA
Statistika Deskriptif
Statistika Inferensia/Induktif
Materi:
1. Ukuran penyebaran/ dispersion
2. Ukuran pemusatan/ central tendency
3. Ukuran distribusi data/ distributions
4. Penyajian data
Materi:
1. Probabilitas dan teori keputusan
2. Teori pendugaan
3. Pengujian hipotesa
4. Regresi dan korelasi
5. Analisis varian RAL. RAK
6. Statistika nonparametrik
http://onlinestatbook.com/2/regression/acc
uracy.html
1. Statistik Deskriptif
Menjelaskan atau menggambarkan karakteristik - karakteristik data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum.
Lingkup Statisitika deskriptif :
perhitungan modus, median, mean, desil, persentil, rata-rata, standar deviasi, dll.
penyajian data melalui tabel, grafik, piktogram
2. Statistik Induktif/Inferensia
Membuat inferensia (keputusan, perkiraan/peramalan) terhadap kumpulan data
Statistik deskriptif Ukuran penyebaran data/ dispersi Derajat atau ukuran sampai seberapa jauh data numerik cenderung
tersebar disekitar nilai rata-ratanya Kuartil, persentil, range (rentang), varian, simpangan baku, standar
error
Ukuran pemusatan data Rata-rata, median, modus
Ukuran distribusi data Distribusi adalah pola atau model penyebaran yang merupakan
gambaran kondisi sekelompok data Skewness, kurtosis
1. Kuartil
Nilai pembatas yang membagi data terurut menjadi empat bagian yang sama atau kuartil merupakan nilai yang memisahkan tiap-tiap 25 persen frekuensi dalam distribusi.
Kuartil ada 3 macam yaitu kuartil pertama (sampai 25% data), kuartil 2 (sampai 50% data) dan kuartil 3 (sampai 75% data)
Simbol : Q1, Q2 dan Q3
Rumus Kuartil ke-i (i = 1,2,3)
)1(4
3
)1(4
2
)1(4
1
3
2
1
nxQ
nxQ
nxQ
Kuartil data tunggal, n ganjil
databanyakn
ikekuartilQi
ni
Qi
)1(4
Rumus Kuartil ke-i (i = 1,2,3)
Kuartil data tunggal, n genap
4/233
1)2/(2/2
4/21
4
2
n
nn
n
xQ
xxQ
xQ
Contoh 1
Data : 3, 5, 6, 6, 6, 7, 7, 8, 8, 9, 10
n = 11
Data sudah terurut
Contoh 2
Data : 3, 4, 7, 8, 7, 4, 8, 4, 9, 10 ,8, 3, 7, 12
n = 14
Data diurutkan: 3, 3, 4, 4, 4, 7, 7, 7, 8, 8, 8, 9, 10, 12
Rumus Kuartil ke-i (i = 1,2,3)
Kuartil data kelompok
kuartilkelasfrekuensif
kuartilkelassebelumkelaskumulatiffrekuensiF
kelaslebarl
kuartilkelasbawahtepibi
databanyakn
ikekuartilQi
f
Fni
lbiQi
4
Contoh 1
Nilai Frekuensi Frekuensi Kumulatif
40-49 4 4
50-59 5 9
60-69 14 23
70-79 10 33
80-89 4 37
90-99 3 40
Persentil merupakan nilai yang memisahkan setiap 1 persen frekuensi dalam distribusi.
Simbol : P1, P2, P3, .....P99
a. Data tunggal
Letak Pi diurutan data ke :
b. Data kelompok
Pi = persentil ke-i
b = tepi bawah kelas persentil
l = lebar kelas
n = banyak data
F = frekuensi kumulatif kelas sebelum kelas persentil
f = frekuensi kelas persentil
i = persentil
2. Persentil
f
Fni
lbiPi100
Contoh Persentil Data Tunggal
Data : 9, 10, 11, 6, 8, 7, 7, 5, 4, 5. Hitung P30 dan P75
n = 10
Data diurutkan: 4, 5, 5, 6, 7, 7, 8, 9, 10, 11
Contoh Persentil
Hitunglah persentil ke-25
x f F kumulatif
41-45 3 3
46-50 6 9
51-55 16 25
56-60 8 33
61-65 7 40
Ukuran Penyebaran
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :
1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIAN (Variance)
4. DEVIASI STANDAR (Standard Deviation)
Rentang (Range)
Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.
Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan dengan bilangan terbesar dan terkecil.
A : 100 90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10
C : 100 100 100 90 80 30 20 10 10 10
Contoh :
X rata = 55
r = 100 – 10 = 90
Deviasi rata-rata
Deviasi Rata-rata : penyebaran berdasarkan harga mutlak simpangan bilangan-bilangan terhadap rata-ratanya.
Nilai X Xi - Xrata |Xi – X rata|
100 45 45
90 35 35
80 25 25
70 15 15
60 5 5
50 -5 5
40 -15 15
30 -25 25
20 -35 35
10 -45 45
550 0 250 Jumlah
Varian dan Deviasi Standar
Deviasi Standar : penyebaran berdasarkan akar dari varians; menunjukkan keragaman kelompok data
Varian : penyebaran berdasarkan jumlah kuadrat simpangan bilangan-bilangan terhadap rata-
ratanya melihat ketidaksamaan sekelompok data.
Standar error of mean =
1
1
2
n
xxi
sd
n
i
1)( 1
2
2
n
xxi
sVarian
n
i
Nilai X X -Xrata
(X–Xrata)2
100 45 2025
90 35 1225
80 25 625
70 15 225
60 5 25
50 -5 25
40 -15 225
30 -25 625
20 -35 1225
10 -45 2025
Jumlah 8250
Nilai X X -Xrata
(X –Xrata)2
100 45 2025
100 45 2025
100 45 2025
90 35 1225
80 25 625
30 -25 625
20 -35 1225
10 -45 2025
10 -45 2025
10 -45 2025
Jumlah 15850
Kelompok A Kelompok B
STATISTIK DESKRIPTIF (LANJUTAN)
STATISTIKA (TPE 225)
KULIAH 3
Ukuran Pemusatan
PENGANTAR
• Ukuran Pemusatan
Nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data.
Ukuran pemusatan menunjukkan pusat dari nilai data.
• Contoh pemakaian ukuran pemusatan
(a) Berapa rata-rata berat buah mangga?
(b) Berapa rata-rata volume buah mangga?
(c) Berapa rata-rata perubahan berat buah naga setelah penyimpanan pada beberapa tingkat
suhu yang berbeda?
(d) Berapa rata-rata ketebalan pengirisan kentang ?
Ukuran Pemusatan , meliputi
1. Rata-rata
2. Median
3. Modus
1. RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan
RATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya data
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi, maka rata-rata
hitung menjadi :
n
Xn
i
i1
k
i
i
k
i
ii
f
fX
1
1
n
XXXXX n....321
k
kk
ffff
fXfXfXfXX
....
....
321
332211
2. MEDIAN
Definisi:
Nilai yang letaknya berada di tengah data di mana data tersebut sudah diurutkan dari terkecil sampai
terbesar atau sebaliknya.
Median Data tunggal:
(a) Data ganjil, median terletak di tengah data terurut
(b) Data genap, median berada pada dua data yang terletak di tengah.
2
1n
Contoh Median untuk data tidak berkelompok
Jumlah data ganjil
Data: 8, 12, 5, 3, 16, 7, 2, 3, 8
n= 9
Data setelah diurutkan: 2, 3, 3, 5, 7, 8, 8, 12, 16
Jumlah data genap
Data: 8, 12, 5, 3, 16, 7, 2, 3, 8, 17
n= 10
Data setelah diurutkan: 2, 3, 3, 5, 7, 8, 8, 12, 16, 17
Rumus Median Data Berkelompok:
Md = median
bi = tepi bawah kelas median
l = lebar kelas
n = banyak data
F = frekuensi kumulatif kelas sebelum kelas median
f = frekuensi kelas median
f
Fn
lbMd i2
Contoh Median untuk data berkelompok
Tentukan nilai median dari data berikut:
Interval kelas Frekuensi Frekuensi Kumulatif
31 - 40 4 4 41 - 50 6 10 51 - 60 8 18 61 - 70 14 32 71 - 80 26 58 81 - 90 12 70 91 -100 20 90 Jumlah 90
3. MODUS
Definisi:
Nilai yang (paling) sering muncul perhatikan nilai frekuensi tertinggi.
Rumus Modus Data Berkelompok:
Dimana bi = batas kelas bawah dari kelas modus. b1 = selisih frekuensi kelas modus dan frekuensi kelas sebelumnya b2 = selisih frekuensi kelas modus dan frekuensi kelas sesudahnya l = lebar kelas
21
1
bb
blbModus i
Contoh Modus
Interval kelas Frekuensi 31-40 4 41-50 6 51-60 8 61-70 14 71-80 26 81-90 12
91 -100 20 Jumlah 90
Tentukan nilai modus dari data berikut:
Ukuran distribusi
A. Skewness atau kemiringan atau kecondongan kurva
B. Kurtosis atau keruncingan kurva.
Ukuran distribusi
A. Skewness atau kemiringan atau kecondongan kurva
Kecondongan suatu kurva dapat dilihat dari perbedaan letak mean, median dan modusnya.
Ukuran kecondongan data terbagi atas tiga bagian, yaitu :
simetrisKurva
MoMdx
kanancondongKurva
MoMdx
kiricondongKurva
MoMdx
Skewness atau kemiringan atau kecondongan
Persamaan untuk menentukan nilai skewness/ kemiringan kurva:
sd
MeXs
atausd
MoXs
Pearson
k
k
3
:).1
3
3
i-kekuartilQi
databanyakn
i-kedataXi
ikedatafrekuensifi
bakusimpangansd
medianMe
modusMo
ratarataX
skewnesss
3
3
3.
.
:).2
sdn
XXifis
matematisMoment
k
13
123
223
1223 2
1
:).3
QQQ
QQQQ
QQQQs
Bowley
k
Ketentuan:
Pearson, Moment matematis
Sk > 0.01 Kurva condong kiri
Sk = 0.01 Kurva normal
Sk < 0.01 Kurva condong ke kanan
Bowley (Sk ± 0.1)
Sk > 0.1 Kurva condong kiri
Sk = 0. 1 Kurva normal
Sk < 0. 1 Kurva condong ke kanan
Bowley (Sk ± 0.3)
Sk > 0.3 Kurva condong kiri
Sk = 0.3 Kurva normal
Sk < 0.3 Kurva condong ke kanan
Jika Sk >0.3 maka tingkat
kecondongannya semakin berarti
Interval kelas
Frekuensi Frekuensi Kumulatif
Xi=mid point
fi FK Xi Xi . fi Xi-Xrata (Xi-
Xrata)^2 fi (Xi-Xrata)^2 (Xi-Xrata)^3 fi (Xi-Xrata)^3
10-19 10 10 14.5 145 -33.51 1122.96 11229.63 -37631.20 -376312.03
20-29 15 25 24.5 367.5 -23.51 552.75 8291.25 -12995.51 -194932.62
30-39 20 45 34.5 690 -13.51 182.54 3650.75 -2466.20 -49323.92
40-49 12 57 44.5 534 -3.51 12.32 147.89 -43.27 -519.21
50-59 8 65 54.5 436 6.49 42.11 336.89 273.28 2186.23
60-69 6 71 64.5 387 16.49 271.90 1631.39 4483.44 26900.65
70-79 9 80 74.5 670.5 26.49 701.69 6315.18 18587.22 167285.00
80-89 4 84 84.5 338 36.49 1331.47 5325.89 48584.62 194338.48
90-99 10 94 94.5 945 46.49 2161.26 21612.61 100475.63 1004756.33
Jumlah 94 4513 58541.49 774378.90
Rata-
rata
Standar deviasi Modus Median Q1
k
i
i
k
i
ii
f
fX
1
1
1
1
2
n
XXif
sd
n
i
i
21
1
bb
blbModus i
f
Fn
lbMd i2
f
Fni
lbiQi4
kiricondongKurva
MoMdx
? Modus,Median rata,RataHubungan
35.3317.4101.48
ModusMedianrataRata
37.0:
52.0:
82.058.0:
BowleySk
matematisMomentSk
atauPearsonSk
skewnnespengolahanHasil
kirikecondongKurva
B. Kurtosis atau keruncingan kurva
Keruncingan dinilai sebagai bentuk distorsi dari kurva normal. Tingkat keruncingan diukur dengan membandingkan bentuk keruncingan kurva distribusi data dengan kurva normal.
Terbagi atas tiga, yaitu :
Leptokurtic, yaitu kurva runcing (K>3).
Mesokurtic, yaitu kurva normal (K=3).
Platykurtic, yaitu kurva datar (K<3).
4
4
.4
sn
XXifiK
Contoh kurtosis
Interval kelas
Frekuensi Frekuensi Kumulatif Xi=mid point
fi FK Xi Xi . fi Xi-Xrata (Xi-Xrata)^4 fi (Xi-Xrata)^4
10-19 10 10 14.5 145 -33.51 1261045.63 12610456.28
20-29 15 25 24.5 367.5 -23.51 305532.69 4582990.314
30-39 20 45 34.5 690 -13.51 33319.88 666397.6626
40-49 12 57 44.5 534 -3.51 151.90 1822.743638
50-59 8 65 54.5 436 6.49 1773.40 14187.2399
60-69 6 71 64.5 387 16.49 73929.09 443574.5582
70-79 9 80 74.5 670.5 26.49 492363.64 4431272.763
80-89 4 84 84.5 338 36.49 1772821.73 7091286.91
90-99 10 94 94.5 945 46.49 4671048.04 46710480.36
Jumlah 94 4513 76552468.83
4
4
.4
sn
XXifiK
94n
25.09:deviasiStandar
PENYAJIAN DATA
1. TABEL
Tingkat Kematangan Kapasitas (buah/jam)
Muda 27
Sedang 32
Tua 38
bidang pekerjaan
keuanganmarketingproduksipersonaliaadministrasi
Cou
nt
30
20
10
0
bidang pekerjaan
keuanganmarketingproduksipersonaliaadministrasi
Jum
lah
30
20
10
0
keuangan
marketing
produksi
personalia
administrasi
prestasi kerja
sangat baikbaikcukup baikjeleksangat jelek
Mea
n ga
ji pe
rbul
an
800000
700000
600000
500000
400000
300000
Jenis kelamin
laki-laki
w anita
Grafik Batang (Bar) Grafik Garis (line)
Grafik lingkaran (pie) Grafik Interaksi (interactive)
2. GRAFIK
2. PIKTOGRAM
Piktogram merupakan suatu cara menampilkan data dengan menggunakan
gambar-gambar tertentu yang sesuai dengan data yang diperoleh.
DISTRIBUSI NORMAL DAN PENGUJIAN HIPOTESIS
STATISTIKA (TPE 225)
KULIAH 4-5
DISTRIBUSI NORMAL
Defenisi distribusi normal
Bentuk kurva normal
Sifat-sifat distribusi normal
Distribusi normal standar
Penggunaan tabel Z
Suatu data dikatakan berdistribusi normal apabila suatu data tersebut berdistribusi secara simetris, yaitu bila nilai mean, median dan modusnya sama.
Distribusi normal dipengaruhi oleh dua parameter, yaitu
mean (µ) menentukan lokasi pusat statistik
standar deviasi (σ) menentukan lebar dari kurva normal
Bentuk kurva yang tidak memiliki kriteria di atas dikenal dengan distribusi tidak simetris (distribusi condong ke kiri atau ke kanan)
Karakteristik distribusi normal antara lain: 1. Grafiknya akan selalu di atas sumbu datar x 2. Bentuknya simetris terhadap x = µ. 2. Mempunyai satu modus (unimodal) 4. Grafiknya mendekati (berasimptot) sumbu datar x 5. Luas daerah grafik selalu sama dengan satu satuan unit persegi.
Peranan distribusi normal: Analisis data Pengujian hipotesis
Daerah kurva normal
Merupakan ruangan yang dibatasi oleh daerah kurva dengan absisnya (sumbu alas).
Luas daerah biasanya dinyatakan dalam persen atau proporsi, dan daerah yang ada dalam kurva tersebut menunjukkan besarnya peluang.
x1 μ x2
Persamaan distribusi normal
22
22
1)(
X
exf
Untuk menghitung luas daerah dibawah kurva biasanya digunakan perhitungan integral.
Oleh karena perhitungan integral normal tersebut sulit, maka disusunlah daftar (tabel) nilai probabilitas. Akan tetapi karena nilai probabilitasnya juga tergantung pada μ dan σ maka sangatlah tidak mungkin mentabelkan untuk semua nilai μ dan σ
Dalam penggunaannya dibutuhkan Tabel Distribusi Normal Standar atau yang dikenal dengan Tabel Z.
Tabel Z menggunakan distribusi normal standar yang selalu memiliki mean nol (μ =0) dan standar deviasi satu (σ =1)}
Semua distribusi normal dapat ditransformasikan menjadi distribusi normal standar.
Rumus umumnya :
deviasistandar δ
ratarataμ
datax
xZ
Transformasi ini juga mempertahankan luasan dibawah kurvanya, artinya:
Luas daerah dibawah kurva distribusi
normal antara x1 dan x2
Luas daerah dibawah kurva distribusi
normal standar antara z1 dan z2
=
Ada dua hal terpenting dalam penggunaan Tabel Z, yaitu
Taraf signifikansi (nilai alpha, α)
Titik kritis (nilai Z).
Taraf signifikansi atau nilai α adalah luas daerah yang berada di bawah kurva normal dan di atas sumbu datar (Sumbu-X) atau nilai probabilitas dari variabel X dengan batas titik kritisnya.
Titik kritis atau nilai Z adalah titik batas yang membatasi luas daerah tersebut.
Coba perhatikan gambar berikut :
Jika titik kritisnya dari negatif tak hingga sampai positif tak hingga, maka luas daerahnya adalah satu.
Luas daerah dari titik kritis 0 sampai titik positif tak hingga sama dengan luas daerah dari negatif tak hingga sampai 0 yaitu 0,5 (karena simetris, yaitu 1/2=0,5).
𝟏 − 𝜶
𝜶
Contoh
Hasil penelitian terhadap 500 buah kopi, menunjukkan bahwa rata-rata diameter buah kopi tersebut 15.1 mm dengan standar deviasi sebesar 15 mm. Dengan asumsi buah kopi yang diamati tersebut memiliki diameter yang berdistribusi normal diantara buah kopi tersebut.
1. Berapa banyakkah buah kopi yang memiliki diameter
antara 12 mm sampai 15.5 mm?
2. Berapa banyakkah buah kopi kopi yang memiliki
diameter setidaknya 15.5 mm?
3. Berapa banyakkah buah kopi kopi yang memiliki
diameter paling tinggi 12.8 mm?
PENGUJIAN HIPOTESIS
Definisi hipotesis
Langkah dalam pengujian hipotesis
Contoh
A. Hipotesis :
Asal kata Hipo dan Tesis
Hipo = di bawah
Tesis = pernyataan yang telah diuji
Hipotesis merupakan suatu asumsi atau anggapan mengenai parameter populasi yang dapat diuji secara statistik melalui sampel yang diambil dari populasi
Hipotesis ada 2:
Hipotesis nol atau Null Hypothesis disebut Ho (dibaca H nol) : selalu memuat tanda “=“.
Hipotesis alternatif atau Alternatif Hypothesis disebut H1 (dibaca H satu) atau HA : tidak memuat tanda ”=”.
Pengujian hipotesis statistik :
Suatu prosedur untuk membuat keputusan apakah akan menolak atau gagal menolak hipotesis statistik.
Beberapa simbol
contoh proporsi p̂
populasi proporsi p
contohbaku simpangan s
contoh.baku simpangan nilain berdasarka didugaakan
populasi.baku simpangan
contoh rata-rata nilai x
contoh.rataratanilaidarididugaakanyangnilaimerupakaniniNilai
populasi.darirataratanilaiμ
:pendugaan dalamdigunakan banyak yang simbol Beberapa
Selang kepercayaan : (1-α) x 100% Koefisien kepercayaan: (1-α) Tingkat kesalahan : α %
B. Langkah untuk menguji suatu hipotesis :
Rumuskan hipotesis
Pilih suatu taraf nyata
Tentukan Uji Statistik
Buat aturan pengambilan keputusan
Ambillah sampel, ambil keputusan
Tidak menolak H0 Menolak H0 atau
Langkah 5
Langkah 1
Langkah 2
Langkah 3
Langkah 4
Langkah 1 : Rumuskan hipotesis.
• Dalam merumuskan hipotesis dikenal istilah
Hipotesis satu arah (one tailed atau one side)
Hipotesis dua arah (two tailed atau two side).
Hipotesis satu arah: nilai kritis diperoleh dari tabel untuk nilai yang telah dipilih sebelumnya.
Hipotesis dua arah: nilai kritis ini diperoleh dari tabel untuk nilai /2 yang telah dipilih sebelumnya.
Bentuk penulisan hipotesis satu arah secara matematis
H0 : μ = μ0
H1 : μ > μ0 atau H1 : μ < μ 0
Bentuk penulisan hipotesis dua arah secara matematis
H0 : μ = μ0
H1 : μ μ 0
Langkah 1 : Rumuskan hipotesis.
Langkah 1 : Rumuskan hipotesis.
• Antara Ho dan H1 selalu berlawanan
Contoh jika Ho menyatakan rata-rata kadar air dalam bahan adalah 14 %, maka H1 menyatakan alternatifnya, yaitu rata-rata kadar air dalam bahan bukan 14 % namun dapat lebih dari 14 % atau kurang dari 14 %.
H0 : μ = 0.14
H1 : μ > 0.14
H0 : μ = 0.14
H1 : μ < 0.14
Langkah 2 : Taraf nyata
Taraf nyata diberi tanda (alpha), disebut juga tingkat resiko karena menggambarkan resiko yang harus dipikul bila menolak hipotesis nol padahal hipotesis nol sebetulnya benar.
Tingkat signifikansi ini menunjukkan probabilitas menolak hipotesis yang benar.
Tidak ada satu taraf nyata yang diterapkan untuk semua penelitian yang menyangkut penarikan sampel.
Biasanya ditentukan oleh peneliti sendiri Nilai alpha 10 % (taraf 0,10) atau Nilai alpha 5 % (taraf 0,05) atau Nilai alpha 1 % (taraf 0,01)
Semakin besar tingkat signifikansinya (α) yang dipilih, semakin besar probabilitas menolak hipotesis yang benar.
Pada umumnya pada proyek penelitian menggunakan taraf 0,05.
Langkah 3 : Uji statistik
Merupakan suatu nilai yang ditentukan berdasarkan informasi dari sampel dan akan digunakan untuk menentukan apakah akan menerima atau menolak hipotesis.
Ada bermacam-macam uji statistik, seperti uji z, uji t, dll Jika jumlah sampel > 30, gunakan uji Z,
Jika jumlah sampel <= 30, gunakan uji t
Untuk pengujian hipotesis mengenai nilai rata-rata (μ) , maka dapat menggunakan uji z , atau
uji t berikut:
koreksifaktorperluN
n
koreksifaktorperlutidakN
n
,05.0
,05.0
1
N
nNFk
s
xz
populasijumlah N
sampeljumlah n
populasideviasistandarδ
sampeldeviasistandars
populasiratarataμ
sampelrataratax
n
xz
/
1
N
nN
n
xz
s
xt
n
xt
/
1
N
nN
n
xt
Langkah 4 : Aturan pengambilan keputusan
Aturan pengambilan keputusan merupakan pernyataan mengenai kondisi di mana hipotesis nol ditolak dan kondisi di mana hipotesis nol tidak ditolak.
Gambar berikut menggambarkan daerah penolakan untuk suatu uji taraf nyata :
Probabilitas 0,05 Probabilitas 0,95
1,645
Terima H0/Tidak
menolak H0
Daerah
Penolakan
Nilai Kritis
Distribusi Sampling bagi Statistik z – Diterapkan: uji satu arah.
– Taraf nyata: 0,05.
– Nilai 1,645 : nilai kritis
– Nilai 1,645 memisahkan daerah-daerah
dimana hipotesis nol ditolak (daerah di
sebelah kanan 1,645) dan di mana
hipotesis nol tidak ditolak (daerah di
sebelah kiri dari 1,645)
𝜶
Langkah 4 : Aturan pengambilan keputusan
– Diterapkan: uji dua arah.
– Taraf nyata: 0,05.
– Nilai 1,96 : nilai kritis
– Wilayah –z α/2 <z < z α/2 : wilayah penerimaan Ho
Probabilitas 0,025 Probabilitas 0,95
1,96
Terima H0/Tidak
menolak H0
Daerah Penolakan
Nilai Kritis
Distribusi Sampling bagi Statistik z
-1,96
Daerah Penolakan
Nilai Kritis Probabilitas 0,025
Langkah 5 : Mengambil keputusan
Langkah terakhir dalam uji statistik adalah mengambil keputusan untuk menolak atau tidak menolak hipotesis nol.
Keputusan menolak hipotesis nol karena nilai uji statistik terletak di daerah penolakan.
Contoh 1
Pernyataan bahwa rata-rata produksi gabah di kota A adalah sekitar 50 ton/panen.
Pernyataan mengenai produksi gabah di kota A tersebut mungkin benar atau mungkin juga salah.
Pada kasus di atas pernyataan mengenai rata-rata produksi gabah di kota A adalah suatu hipotesis.
Untuk membenarkan atau menyalahkan hipotesis maka dilakukan pengujian hipotesis
Ho : μ = 50 Rata-rata produksi gabah di kota A sama dengan 50 ton/panen
H1 : μ ≠ 50 Rata-rata produksi gabah di kota A tidak sama dengan 50 ton/panen
H1 : μ > 50 Rata-rata produksi gabah di kota A lebih dari 50 ton/panen
H1 : μ < 50 Rata-rata produksi gabah di kota A kurang dari 50 ton/panen
UJI DUAI ARAH
UJI SATU ARAH, ARAH KIRI
UJI SATU ARAH, ARAH KANAN
Uji satu arah Contoh 2
Dugaan rata-rata kapasitas kerja alat tanam jagung lebih dari 70 kg/jam dengan simpangan baku 8.9 kg/jam. Berdasarkan 100 kali hasil pengujian yang dilakukan oleh sebuah bengkel alsintan, diperoleh bahwa rata-rata kapasitas kerja alat tanam jagung adalah 71.8 kg/jam.
Nyatakan dugaan tersebut dalam pernyataan hipotesis statistik!
Untuk tingkat signifikansi 5 %, benarkah dugaan tersebut?
statistikujikesimpulan (b)
statistikhipotesis(a):Ditanya
05.0
9.8
8.71
70
100
x
n
Contoh 3
Sebuah perusahaan mengembangkan jenis pipa yang mempunyai kekuatan dengan nilai rat-rata 8 Pa dan simpangan baku 0.5 Pa. Ujilah hipotesis bahwa µ=8 Pa dan lawan alternatifnya μ≠8 Pa bila suatu contoh acak 50 batang pipa itu telah diuji dan memberikan nilai rata-rata 7.8 Pa. Gunakan taraf nyata 0.01.
Uji dua arah
statistikujikesimpulan (b)
statistikhipotesis(a):Ditanya
01.0
5.0
8.7
8
50
x
n
Contoh 4
Waktu rata-rata yang dibutuhkan untuk mengukur kandungan katekin dalam gambir tiap adalah 50 menit dengan simpangan baku 10 menit. Suatu prosedur pengukuran dengan menggunakan alat modern sedang dicoba. Bila suatu contoh acak 12 sampel gambir memerlukan waktu pengukuran rata-rata 42 menit dengan menggunakan alat baru tersebut. Ujilah hipotesis bahwa nilai rata-rata populasinya kurang dari 50. Gunakan taraf nyata 0.05.
statistikujikesimpulan (b)
statistikhipotesis(a):Ditanya
05.0
10
42
50
12
x
n
KORELASI DAN REGRESI
KULIAH 6
KORELASI DAN REGRESI
Analisis Korelasi
Jenis Korelasi
Koefisien Korelasi
Koefisien Determinasi
Uji Signifikansi Korelasi
Analisis Regresi
Regresi Linear Sederhana
Regresi Linear Berganda
Korelasi
Analisis korelasi
Untuk mengetahui eratnya hubungan antara dua variabel.
Jenis korelasi
Korelasi Bivariate
Hubungan antara dua variabel
Korelasi Partial
Hubungan linear antara dua variabel dengan melakukan kontrol terhadap satu atau lebih
variabel tambahan (disebut variabel kontrol)
Koefisien Korelasi
Kekuatan hubungan dapat dikuantifikasi melalui suatu koefisien yaitu koefisien korelasi r
r mengukur sejauh mana titik-titik bergerombol di sekitar garis lurus.
Pola hubungan pada diagram scatter
xx
yy
xx
yy
xx
yy
xx
yy
xx
yy
xx
yy
Hubungan Positif
Jika X naik, maka Y juga naik dan
jika X turun, maka Y juga turun
Hubungan Negatif
Jika X naik, maka Y akan turun dan
jika X turun, maka Y akan naik
Tidak ada hubungan antara X dan Y
• Korelasi antara ke dua peubah semakin menurun secara numerik dengan
semakin memencarnya titik-titik dari suatu garis lurus.
• Bila titik-titik mengikuti suatu pola acak atau tidak ada pola, maka korelasi = 0,
tidak ada hubungan linear antara X dan Y
• Koefisien korelasi akan berkisar antara 0 – 1.
r = 0 tidak ada hubungan linier.
r = 1 hubungan linier sempurna.
r = 0-1 bila mendekati 1 semakin kuat hubungannya,
bila mendekati 0 semakin lemah hubungannya.
Intepretasi nilai r
Interval nilai r Tingkat Hubungan
0 Tidak ada korelasi
0.00 – 0.25 Korelasi sangat lemah
0.25 – 0.50 Korelasi cukup
0.50 – 0.75 Korelasi kuat
0.75 – 0.99 Korelasi Sangat kuat
1 Korelasi sempurna
• Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta:
Penerbit Universitas Atma Jaya Yogyakarta, 2009)
Jenis Koefisien Korelasi
a). Koefisien korelasi bivariate/ Product moment Pearson
Untuk data interval atau rasio
Syarat:
Populasi asal sampel mempunyai dua varian dan berdistribusi normal
b). Koefisien peringkat Spearman (Rank-Spearman) dan Kendall
Untuk data ordinal dan pada statistik non parametrik
Persamaan Koefisien Korelasi
2222
iiii
iiii
YYnXXn
YXYXnr
22
ii
ii
yx
yxr
n
YXYXyx
ii
iiii
n
XXx
i
ii
2
22
n
YYy
i
ii
2
22
Uji signifikansi korelasi
.
21
2
r
nrt
2;2/2;2/
2;2/2;2/
:
:
nhitungn
nhitungnhitung
tttditerimaHo
ttatauttditolakHo
Uji signifikansi:
Ho : tidak ada hubungan antara kedua variabel
H1 : ada hubungan antara kedua variabel
Contoh Korelasi
Sebuah penelitian dilakukan untuk mengukur bagaimana hubungan antara banyaknya produksi beras dengan penggunaan pupuk, seperti terlihat pada tabel.
No. Beras (Ton/Ha), Yi Pupuk (kg/Ha), Xi
1 40 10
2 45 20
3 50 30
4 65 40
5 70 50
6 70 60
7 80 70
KORELASI DAN REGRESI
KULIAH 7
Persamaan Regresi
Persamaan matematika yang memungkinkan meramalkan nilai peubah tak bebas dari nilai peubah bebas (baik satu atau lebih).
Peubah bebas : x
Peubah tak bebas/bergantung : y
Analisis regresi digunakan bila: Ingin mengetahui bagaimana variabal dependen / kriteria dapat diprediksikan
melalui variabel independen atau variabel prediktor, secara individual.
Dampak dari penggunaan analisis regresi : Dapat digunakan untuk memutuskan apakah naik dan turunnya variabel dependen
dapat dilakukan melalui menaikan dan menurunkan keadaan variabel independen,
Contoh
Regresi
Persamaan regresi linear sederhana
bXaY ˆ
Koefisien
Regresi
ugaanramalan /d nilaiˆ
kemiringangradienslope
ksumbu tegadengan n perpotongaintersep
Y
b
a
nn XbXbXbXbaY ......ˆ332211 Persamaan regresi berganda
y = 2x + 3
0
2
4
6
8
10
12
14
16
18
20
22
24
26
0 1 2 3 4 5 6 7 8 9 10 11
𝑏=𝑦/𝑥
a
Persamaan regresi linear sederhana
bXaY ˆ
Niilai b menunjukkan angka peningkatan ataupun penurunan
variabel dependen yang didasarkan pada variabel
independen.
Bila b (+) maka naik, dan bila (-) maka terjadi penurunan.
Intersep=a
Error pada prediksi
Slope
Untuk menentukan nilai 𝑎 dan 𝑏 digunakan metode kuadrat terkecil.
Metode kuadrat terkecil membuat jumlah kuadrat jarak vertikal dari titik-titik pengamatan ke garis regresi
sekecil mungkin
Persamaan menghitung nilai a dan b
XbYa
r = koefisien korelasi antara variabel X dengan Y
Sy= simpangan baku variabel Y
Sx=simpangan baku variabel x
Nilai b merupakan fungsi dari koefisien korelasi.
Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi rendah
maka harga b juga kecil.
22
ii
iiii
XXn
YXYXnb
x
y
S
Srb
Contoh
Sebuah penelitian dilakukan untuk mengukur banyaknya produksi beras dengan penggunaan pupuk, seperti terlihat pada tabel. Dugalah garis regresi linearnya dan dugalah banyaknya produksi beras bila digunakan pupuk sebanyak 65 kg/Ha.
No. Beras (Ton/Ha), Yi Pupuk (kg/Ha), Xi
1 40 10
2 45 20
3 50 30
4 65 40
5 70 50
6 70 60
7 80 70
UJI T
KULIAH 8
Metode sample t-Test dibagi menjadi tiga, yaitu one sample t-Test, paired sample t-Test dan independent sample t-Test.
Uji hipotesis t-Test adalah uji hipotesis yang digunakan untuk mengetahui apakah ada perbedaan rata-rata dari sampel yang diambil.
Variance/Ragam = simpangan baku ^2
Di dalam soal idak akan di sebutkan jenis uji yang akan di lakukan
Kita harus menganalisis soal yang di ujikan, termasuk kategori uji t yang mana
Apa yang diuji pada uji t?
Apa beda antara uji t dengan uji z
Tabel t
Langkah langkah Penyelesaian.
Contoh :
Walpole hal.302
PENGOLAHAN DATA DENGAN RUMUS
KULIAH 9-13
Rumus Anova Satu Arah
1. RAL untuk Banyak Ulangan Masing-masing Perlakuan Sama
120
Ulangan
Perlakuan
A B C D E
1 X1 X2 X3 X4 X5
2 X6 X7 X8 X9 X10
3 X11 X12 X13 X14 X15
4 X16 X17 X18 X19 X20
5 X21 X22 X23 X24 Xn
Total T1 T2 T3 T4 T5
Tabel Analisis Ragam (Anova)
Keterangan :
p = banyaknya perlakuan
n = banyaknya ulangan
v1 = db perlakuan
v2 = db galat
Keputusan :
Tolak Ho : F hitung > F tabel
Terima Ho : F Hitung < F tabel
121
Sumber
Keragaman
Derajat
Bebas
Jumlah
Kuadrat
Kuadrat Tengah F Hitung F Tabel 5
%
F Tabel 1 %
SK db JK KT F Hitung F 5 % F 1 %
Perlakuan p-1 JKP JKP/(p-1) KTP/KTG F 0,05
(v1,V2)
F 0,01
(v1,V2)
Galat p(n-1) JKG JKG/p(n-1)
Total pn-1 JKP+JKG
Contoh Soal: RAL dengan ulangan sama
122
Tabel 1. Data Kekerasan Buah Naga (N) Berdasarkan Indeks Kematangan
Indeks Kematangan Ulangan Pengamatan Pengambilan Data
Rata-rata 1 2 3
1
1 92.47 88.57 87.50 89.51
2 88.97 88.40 89.93 89.10
3 94.03 89.57 92.97 92.19
4 92.17 86.90 98.60 92.56
5 93.40 83.13 84.73 87.09
2
1 51.30 53.97 64.80 56.69
2 49.50 70.03 69.20 62.91
3 55.97 67.53 66.47 63.32
4 49.37 72.60 73.40 65.12
5 55.80 90.50 65.57 70.62
3
1 30.73 38.23 65.20 44.72
2 34.37 46.90 46.33 42.53
3 35.47 37.80 36.77 36.68
4 38.23 38.87 48.53 41.88
5 39.63 42.87 46.90 43.13
4
1 27.27 34.50 35.60 32.46
2 26.13 30.37 37.47 31.32
3 29.13 34.60 34.20 32.64
4 31.07 34.53 34.43 33.34
5 28.27 36.57 33.80 32.88
5
1 22.57 21.43 27.83 23.94
2 20.20 24.47 23.43 22.70
3 23.93 19.97 23.57 22.49
4 24.43 22.90 20.20 22.51
5 23.77 22.23 21.27 22.42
2. RAL Banyak Ulangan Masing-masing Perlakuan Tidak Sama
123
Ulangan
Perlakuan
A B C D E
1 X1 X2 X3 X4 X5
2 X6 X7 X8 X9 X10
3 X11 X12 X13 X14 X15
4 X16 X17 X18
5 X19 Xn
Total T1 T2 T3 T4 Tn
Tabel Analisis Ragam (Anova)
Keterangan :
p = banyaknya perlakuan
s = rata-rata banyaknya ulangan
v1 = db perlakuan
v2 = db galat
Keputusan :
Tolak Ho : F hitung > F tabel
Terima Ho : F Hitung < F tabel
124
Sumber
Keragaman
Derajat
Bebas
Jumlah
Kuadrat
Kuadrat
Tengah
F Hitung F Tabel 5 % F Tabel 1 %
SK db JK KT F Hitung F 5 % F 1 %
Perlakuan p-1 JKP JKP/(p-1) KTP/KTG F 0,05
(v1,V2)
F 0,01
(v1,V2)
Galat p(s-1) JKG JKG/(p(s-1)
Total sp-1 JKP+JKG
Contoh Soal: RAL dengan ulangan tidak sama
125
Kadar Air Akhir Ikan Asap (%)
Ulangan P1 (35-40 °C) P2 (45-50 °C) P3 (55-60 °C)
1 11.2 10.5 9.7
2 10.9 10.1 9.4
3 10.3 9.8 9.6
4 9.8 9.7
5 9.7
3. Rancangan Acak Kelompok
126
Perlakuan
Kelompok Total
I II III
A X1 X2 X3 Y1
B Y2
C Y3
D
E Xn Yn
Total T1 T2 Tn
Tabel Analisis Ragam (Anova)
Keterangan :
k = banyaknya kelompok
p = banyaknya perlakuan
v1 = db kelompok
v2 = db perlakuan
v3 = db galat
Keputusan :
Tolak Ho : F hitung > F tabel
Terima Ho : F Hitung < F tabel
127
Sumber
Keragaman
Derajat Bebas Jumlah
Kuadrat
Kuadrat Tengah F Hitung F Tabel 5 % F Tabel 1 %
SK db JK KT F Hitung F 5 % F 1 %
Kelompok k-1 JKK JKK/(k-1) KTK/KTG F 0,05 (v1,v3) F 0,01
(v1,v3)
Perlakuan p-1 JKP JKP/(p-1) KTP/KTG F 0,05
(v2,V3)
F 0,01
(v2,V3)
Galat (k-1).(p-1) JKG JKG/(k-1).(p-1)
Total kp-1 JKT
Contoh Soal : Rancangan Acak Kelompok (RAK)
128
Perlakuan
(RPM)
Panjang Hasil Cacahan Batang Jagung (cm) I II
Ulangan 1 Ulangan 2 Ulangan 3 Ulangan 1 Ulangan 2 Ulangan 3 1010 3.80 3.30 3.80 4.20 4.30 3.90 1841 2.60 3.10 3.90 4.00 4.10 4.30 2146 2.70 3.10 3.50 4.40 4.50 3.50
Rumus Anova Dua Arah
1. RAL dengan Faktorial
129
Kriteria 1 Kriteria 2 Total
v1 v2 v3
t1 X1 X4 X7 Y1
X2 X5 X8
X3 X6 X9
t2 Y2
t3 Y3
t4 Yn
Xn
Total T1 T2 Tn
130
𝑭𝑲 = (𝒙𝟏 + 𝒙𝟐 + … . + 𝒙𝒏)𝟐
𝑩𝒂𝒏𝒚𝒂𝒌𝒏𝒚𝒂𝑫𝒂𝒕𝒂
𝑱𝑲𝑻 = 𝒙𝟏𝟐 + …… . +𝒙𝒏
𝟐 –𝑭𝑲
𝑱𝑲𝑷 = 𝑿𝟏 + 𝑿𝟐 + 𝑿𝟑
𝟐 + 𝑿𝟒 + 𝑿𝟓 + 𝑿𝟔 𝟐 + ……+ 𝑿𝟑𝟒 + 𝑿𝟑𝟓 + 𝑿𝒏
𝟐
𝑱𝒖𝒎𝒍𝒂𝒉𝑼𝒍𝒂𝒏𝒈𝒂𝒏 − 𝑭𝑲
𝑱𝑲𝑩 = 𝒀𝟏
𝟐 + …… . +𝒀𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉 𝒌𝒐𝒍𝒐𝒎 𝒙 𝒃𝒂𝒏𝒚𝒂𝒌𝒏𝒚𝒂 𝒖𝒍𝒂𝒏𝒈𝒂𝒏 − 𝑭𝑲
𝑱𝑲𝑲 = 𝑻𝟏
𝟐 + …… . +𝑻𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉 𝒃𝒂𝒓𝒊𝒔 𝒙 𝒃𝒂𝒏𝒚𝒂𝒌𝒏𝒚𝒂 𝒖𝒍𝒂𝒏𝒈𝒂𝒏 − 𝑭𝑲
𝑱𝑲 (𝑩𝑲) = 𝑱𝑲𝑷 − 𝑱𝑲𝑩 − 𝑱𝑲𝑲 𝑱𝑲𝑮 = 𝑱𝑲𝑻 − 𝑱𝑲𝑷
Tabel Analisis Ragam (Anova)
131
Sumber
Keragaman
Derajat Bebas Jumlah
Kuadrat
Kuadrat Tengah F Hitung F Tabel 5 % F Tabel 1 %
SK db JK KT F Hitung F 5 % F 1 %
Perlakuan (r.k) -1 JKP JKP/(r.k)-1 KTP/KTG F 0,05 (v1,v5) F 0,01 (v1,v5)
Baris r-1 JKB JKB/(r-1) KTB/KTG F 0,05 (v2,V5) F 0,01 (v2,V5)
Kolom k-1 JKK JKK/(k-1) KTK/KTG F 0,05 (v3,V5) F 0,01 (v3,V5)
Interaksi (r-1).(k-1) JK(BK) JK(BK)/{(r-1).(k-1)} KTI/KTG F 0,05 (v4,v5) F 0,01 (v4,v5)
Galat rk(n-1) JKG JKG/{rk(n-1)}
Total rkn-1 JKT
Keterangan :
r = banyaknya baris
k = banyaknya kolom
n = banyak ulangan
v1= db perlakuan
v2= db baris
v3= db kolom
v4= db interaksi
v5= db galat
Keputusan :
Tolak Ho’ : Jika F hitung (baris) > F tabel (baris)
Terima Ho’ : Jika F hitung (baris) < F tabel (baris)
Tolak Ho” : Jika F hitung (kolom) > F tabel (kolom)
Terima Ho” : Jika F hitung (kolom) < F tabel (kolom)
Tolak Ho’” : Jika F hitung (interaksi) > F tabel (interaksi)
Terima Ho’” : Jika F hitung (interaksi) < F tabel (interaksi)
132
Contoh Soal: RAL Faktorial
133
A1 A2
0.069 0.069
0.044 0.044
0.049 0.064
0.030 0.030
0.059 0.054
0.049 0.034
0.049 0.054
0.039 0.034
0.039 0.020
0.030 0.044
0.044 0.059
0.034 0.049
B0
B1
Kosentrasi Pengawet
Larutan Gula
Vitamin C (%)
Suhu Penyimpanan
B3
B2
Keterangan:
Faktor A (Suhu Penyimpanan)
A1 = Suhu Ruang
A2 = Suhu 10 °C
Faktor B (Konsntrasi Pengawet Larutan Gula)
B0 = Tanpa Pengawet Larutan Gula
B1 = Pengawet Larutan Gula Konsentrasi 5 %
B2 = Pengawet Larutan Gula Konsentrasi 10 %
B3 = Pengawet Larutan Gula Konsentrasi 15 %
2. RAK dengan Faktorial
134
Kriteria 1 Kriteria 2 Kelompok Total
1 2 3 4
A 1 X1 X4 Y1
2 X2 X5 Y2
3 X3 X6 Y3
B 1 Y4
2 Y5
3 Y6
C 1 Y7
2 Y8
3 Y9
D 1 Y10
2 Y11
3 Y12
E 1 Y13
2 Y14
3 Xn Y15
Total T1 T2 T3 T4
135
𝑭𝑲 = (𝒙𝟏 + 𝒙𝟐 + … . + 𝒙𝒏)𝟐
𝑩𝒂𝒏𝒚𝒂𝒌𝒏𝒚𝒂𝑫𝒂𝒕𝒂
𝑱𝑲𝑻 = 𝒙𝟏𝟐 + …… . +𝒙𝒏
𝟐 –𝑭𝑲
𝑱𝑲𝑷 𝒀𝟏
𝟐 + …… . +𝒀𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉𝑲𝒆𝒍𝒐𝒎𝒑𝒐𝒌 − 𝑭𝑲
𝑱𝑲𝑲𝒆𝒍 = 𝑻𝟏
𝟐 + …… . +𝑻𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉𝒃𝒂𝒓𝒊𝒔 𝒙 𝑱𝒖𝒎𝒍𝒂𝒉𝒌𝒐𝒍𝒐𝒎 − 𝑭𝑲
𝑱𝑲𝑮 = 𝑱𝑲𝑻 − 𝑱𝑲𝑷 − 𝑱𝑲𝑲𝒆𝒍
Baris Kolom Total
1 2 3
0 Y1 Y2 Y3 A1
1 Y4 Y5 Y6 A2
2 Y7 Y8 Y9 A3
3 Y10 Y11 Y12 A4
4 Y13 Y14 Yn An
Total B1 B2 B3
136
𝑱𝑲𝑩 = 𝑨𝟏
𝟐 + …… . +𝑨𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉𝒌𝒆𝒍𝒐𝒎𝒑𝒐𝒌 𝒙 𝑱𝒖𝒎𝒍𝒂𝒉𝒌𝒐𝒍𝒐𝒎 − 𝑭𝑲
𝑱𝑲𝑲 = 𝑩𝟏
𝟐 + …… . +𝑩𝒏𝟐
𝑱𝒖𝒎𝒍𝒂𝒉𝒌𝒆𝒍𝒐𝒎𝒑𝒐𝒌 𝒙 𝑱𝒖𝒎𝒍𝒂𝒉𝒃𝒂𝒓𝒊𝒔 − 𝑭𝑲
𝑱𝑲(𝑩𝑲) = 𝑱𝑲𝑷 − 𝑱𝑲𝑩 − 𝑱𝑲𝑲
Tabel Analisis Ragam (Anova)
137
Sumber
Keragaman
Derajat Bebas Jumlah
Kuadrat
Kuadrat Tengah F Hitung F Tabel 5 % F Tabel 1 %
SK Db JK KT F Hitung F 5 % F 1 %
Kelompok g-1 JKKel JKKel/(g-1) KTKel/KTG F 0,05 (v1,v6) F 0,01 (v1,v6)
Perlakuan (r.k) -1 JKP JKP/(r.k)-1 KTP/KTG F 0,05 (v2,V6) F 0,01 (v2,V6)
Baris r-1 JKB JKB/(r-1) KTB/KTG F 0,05 (v3,V6) F 0,01 (v3,V6)
Kolom k-1 JKK JKK/(k-1) KTK/KTG F 0,05 (v4,v6) F 0,01 (v4,v6)
Interaksi (r-1).(k-1) JK(BK) JK(BK)/{(r-1).(k-1)} KTI/KTG F 0,05 (v5,v6) F 0,01 (v5,v6)
Galat (g-1).(rk-1) JKG JKG/{(g-1).(rk-1)}
Total (grk)-1 JKT
Keterangan :
g = banyaknya kelompok
r = banyaknya baris
k = banyaknya kolom
n = banyak ulangan
v1 = db kelompok
v2 = db perlakuan
v3 = db baris
v4 = db kolom
v5 = db interaksi
v6 = db galat
138
Keputusan :
Tolak Ho’ : Jika F hitung (baris) > F tabel (baris)
Terima Ho’ : Jika F hitung (baris) < F tabel (baris)
Tolak Ho” : Jika F hitung (kolom) > F tabel (kolom)
Terima Ho” : Jika F hitung (kolom) < F tabel
(kolom)
Tolak Ho’” : Jika F hitung (interaksi) > F tabel
(interaksi)
Terima Ho’” : Jika F hitung (interaksi) < F tabel
(interaksi)
Contoh Soal: RAK Faktorial
139
Pupuk N (kg/ha)
Varietas Kelompok
1 2 3 4
0 1 3.582 2.606 3.144 2.894
2 2.864 3.794 4.108 3.444
3 4.192 3.754 3.738 3.428
1 1 4.788 4.936 4.562 4.608
2 4.956 5.128 4.150 4.990
3 5.250 4.582 4.896 4.286
2 1 4.576 4.454 4.884 3.924
2 5.928 5.698 5.810 4.308
3 5.522 4.848 5.678 4.932
3 1 6.034 5.276 5.906 5.652
2 5.664 5.362 6.458 5.474
3 5.888 5.524 6.042 4.756
4 1 5.874 5.916 5.984 5.518
2 5.458 5.546 5.786 5.932
3 5.864 6.264 6.056 5.362
STATISTIK NON PARAMETRIK
KULIAH 9-13
Prosedur pengujian yang telah dipelajari selama ini adalah berdasarkan Populasi Normal, dan ini disebut dengan metode parametrik.
Sebaliknya, prosedur selain prosedur parametrik disebut non parametrik, yaitu metode bebas sebaran.
Sering digunakan untuk penelitian Sosial
Data tidak hanya kuantitatif tetapi bisa juga kualitatif Ex: “ya” atau “tidak”, atau skala ordinal (pemberian rangking pada peringkat)
Sebaiknya metode parametrik haaru digunakan, juka tidak bisa terhindarkan lagi maka non parametrik kita aplikasikan.
Uji Peringkat Bertanda Wilcoxon
Uji yang memanfaatkan tanda plus minus.
Mengabaikan jumlah selisihnya
Hasil pengurangan dari pengamatan dikurangkan dengan nilai tengah ( 1 data) disebut dengan Uji-Peringkat Bertanda Wilcoxon
Hasil Pengurangan pengamatan dengan pengamatan pasangannya ( 2 data) disebut dengan Uji Wilcoxon bagi pengamatan Berpasangan
Uji ini diajukan pada tahun 1945 oleh Frank Wilcoxon
Selisih yang hasilnya nol, dapat dibuang.
Dari hasil selisih tersebut di urut dari yang kecil ke yang besar/di rangking
Jika ada 2 atau lebih rangking yang sama maka bisa di bagi rata. Ex: rangking ke 5 dan ke 6 ada dua, maka di ambil rata ratanya 5,5 untuk rangking 5 dan 6.
Hasil dari pengurangan pengamatan dijumlahkan
Total penjumahan dari selisih pengamatan tadi di kategorikan menjadi w+, w-, dan w
Dimana,
1. w+: Jumlah rangking positif
2. W-: Jumlah rangking negatif
3. W : Adalah w yang terkecil antara w+ dan w-
Data berikut adalah berapa lama, dalam jam, sebuah alat pencukur rambut di cas kembali : 1,5 2,2 0,9 1,3 2,0 1,6 1,8 1,5 2,0 1,2 dan 1,7. Gunakan uji wilcoxon pada taraf 0.05, bahwa rata rata alat ini bekerja 1,8.
H0; m = 1.8
H1; m≠ 1.8
Wilayah kritis n= 10 wilayah kritis w≤ 8
D= -0,3 0,4 -0,9 -0.5 0.2 -0.2 -0.3 0.2 -0.6 -0,1
Peringkat : 5,5 7 10 8 3 3 5.5 3 9 1
W+= 13, w-=42 dan w=13 (w yang terkecil)
Ho diterima
Contoh