Professional Documents
Culture Documents
BOBOT
SEMESTER
PREREQUISIT
DOSEN
: 3 (3 0 ) sks
: GANJIL ( III )
:MATEMATIKA
: IR. TAMSIL BUSTAMAM, MSc.
EVALUASI :
Evaluasi berupa pelaksanaan UTS, UAS, Kuis dan Tugas.
Komponen Nilai Akhir adalah 45 - 50 % nilai UAS, 25 - 30
% nilai UTS, dan 20 - 30 % nilai Kuis dan Tugas.
Mahasiswa yang kehadiran tatap mukanya kurang dari
75 % tidak boleh mengikuti UAS dan yang bersangkutan
dinyatakan GAGAL atau nilainya E.
REFERENSI :
1. Anto Dayan, 1996. Pengantar Metode Statistik Jilid
I. LP3ES, Jakarta.
2. Anto Dayan, 1996. Pengantar Metode Statistik Jilid
II. LP3ES, Jakarta.
3. Berenson, M.L., D.M. Levin, and D. Rindskopf. 1988.
Applied Statistics. A first Course. Prentice Hall,
Englewood Cliffs. New Yersey.
4. Hayslett, H.T. Jr. 1968. Statistics made simple. Made
Simple Books. Doubleday & Company, Inc. New
York.
5. Leabo, D.A. 1968. Basic Statistics.3rd Edition
Richard D. Irvin, Inc. Homewood, Illinois.
6. Steel, R.G.D. and J.H. Torrie. 1976. Introduction to
Satistics. McGraw Hill Book Company. New York.
7. Steel, R.G.D. and J.H. Torrie. 1981. Pronciples and
Procedures of Statistics A Biometrical Approach.
2nd Edition.McGraw-Hill International Book
Company
8. Sujana, 1984. Metoda Statistik. Tarsito, Bandung.
STATISTIKA TERAPAN
ALAM
71
68
79
78
69
81
84
79
49
79
73
78
75
83
68
89
88
84
85
84
68
77
84
70
96
68
79
78
73
78
78
81
54
87
81
73
80
88
74
73
82
75
79
64
57
62
62
78
83
76
80
82
79
47
89
74
56
98
64
58
92
76
77
81
83
56
60
87
66
74
DATA / INFORMASI
82
74
72
82
90
86
86
55
63
89
69
88
85
87
55
84
91
72
77
77
65
74
93
77
86
90
79
79
62
85
79
68
78
79
82
86
83
78
42
64
94
69
85
75
80
80
93
73
74
72
78
75
91
71
69
STATISTIKA DESKRIPTIF
ADALAH METODE YANG MENGURAIKAN TENTANG
TEKNIK PENGUMPULAN, PENGOLAHAN, PENYAJIAN,
DAN MERINGKAS SIFAT ATAU KHARAKTERISTIK DARI
SEKELOMPOK DATA.
DENGAN MELAKUKAN KEGIATAN DI ATAS :
1. DATA MENTAH MENJADI LEBIH TERKELOLA
( MORE MANAGEABLE).
2. DATA DAPAT DISAJIKAN DALAM BENTUK YANG
LOGIK.
3. POLA DATA YANG SUDAH DIOLAH BISA DALAM
BENTUK :
A.
B.
C.
D.
E.
STATISTIKA INFERENSIA
ADALAH TEKNIK YANG MENGURAIKAN MENGENAI
PENDUGAAN, PENGAMBILAN KESIMPULAN TENTANG
POPULASI ( KESELURUHAN ) BERDASARKAN DATA
SAMPEL ( SEBAHAGIAN ).
METODE INI SUDAH MENGGUNAKAN TEORI PELUANG
DAN TEORI SAMPLING.
ILUSTRASI :
1. MENENTUKAN CUKUP / BELUM CUKUPNYA BUMBU
MASAK.
2. DAFTAR : HASIL PEMILIHAN PRESIDEN RI 8 JULI
2009 MENURUT QUICK COUNT DAN KPU*)
NO.
LEMBAGA
SURVEY
(%)
(%)
LINGKARAN S.I
27,36
60,15
12,49
LEBAGA S.I
26,56
60,85
12,59
LP3ES
27,53
60,28
12,19
CIRUS
27,49
60,20
12,31
METRO TV
26,32
58,51
15,18
KPU
26,79
60,80
12,41
32.548.105
73.874.562
15.081.814
SUARA SYAH
(org)
TOTAL SUARA
121.504.481
Golput: 49.212.158
STATISTIKA
DESKRIPTIF
INFERENSIA
PENDUGAAN
POINT
PENGUJIAN HIPOTESIS
SELANG
STATISTIKA MATEMATIK :
UNTUK PENGEMBANGAN TEORI-TEORI STATISTIKA
BERDASARKAN TEORI MATEMATIKA.
STATISTIKA TERAPAN :
ADALAH PEMAKAIAN ATAU PENERAPAN TEORI
STATISTIKA YANG DIDAPATKAN STATISTIKA
MATEMATIKA DALAM BERBAGAI BIDANG ILMU.
DALAM DUNIA SEKARANG HAMPIR SEMUA CABANG
ILMU SUDAH MEMAKAI STATISTIKA TERAPAN INI.
KOMPUTER
STATISTIKA SANGAT BERHUBUNGAN ERAT DENGAN
KOMPUTER TERUTAMA DALAM KONDISI :
1. VOLUME DATA YANG BESAR.
2. PENGOLAHAN DATA YANG BERULANG-ULANG.
3. MEMBUTUHKAN PENYELESAIAN YANG CEPAT.
4. MEMBUTUHKAN KETEPATAN DAN KETELITIAN
YANG TINGGI.
5. PENGOLAHAN ATAU PERHITUNGAN YANG RUMIT.
VARIABEL KUANTITATIF
Adalah variabel yang hasil pengamatannya berbentuk angka. Jadi
variabel kuantitatif menghasilkan DATA KUANTITATIF yaitu
data dalam bentuk angka atau bilangan.
( tinggi badan : 163 cm, jumlah polong / batang : 27 buah, dsb )
PARAMETER :
Adalah nilai yang menunjukkan sifat atau kharakteristik dari
populasi. Nilai- nilai parameter diantaranya adalah :
NOTASI MATEMATIK :
n
1.
2
i
2
1
i 1
2.
i 1
3.
X
i 1
Yi
4.
cX
i 1
..... X
2
2
2
3
..... X
2
n
X
n
i 1
c X
i 1
i 1
nc
i 1
6.
5.
X
i 1
i 1
nc
Yi
PENGUMPULAN DATA
CARA PENGUMPULAN DATA :
1. SENSUS :
yaitu dengan cara mengamati seluruh anggota
populasi, tidak ada satupun yang tertinggal.
( x1 x2 x3 ......... xN )
2. SAMPLING :
yaitu hanya anggota sampel (sebahagian dari
populasi ) yang diamati. ( x1 x2 x3 ......... xn )
Cepat serta efisien.
Selalu mungkin dilaksanakan.
Selalu dipakai dalam statistika inferensia.
TIPE SAMPEL
NON-PROBABILITY
SAMPLE
1. Judgment sample
2. Quota sample
3. Chunk
PROBABILITY SAMPLE
1. Simple random sampling
2. Systematic random sampling
3. Stratified random sampling
4. Cluster random sampling
LEMBAGA SURVEY
MEGA PRABOWO
SBY BUDIONO
JK WIRANTO
(%)
(%)
(%)
LINGKARAN S.I
27,36
60,15
12,49
LEBAGA S.I
26,56
60,85
12,59
LP3ES
27,53
60,28
12,19
CIRUS
27,49
60,20
12,31
METRO TV
26,32
58,51
15,18
KPU
26,79
60,80
12,41
32.548.105
73.874.562
15.081.814
121.504.481
Golput: 49.212.158
PENELITIAN :
1. SURVEY : mengamati sebahagian populasi ( sampel ) di
lapangan menurut apa adanya, tidak ada sama
sekali pengaturan/pengontrolan faktor menurut
yang diinginkan sipeneliti. (kuesioner, wawancara
dan langsung ).
akurasi, presisi
JELEK
akurasi JELEK
presisi BAGUS
akurasi, presisi
BAGUS
2. SKALA ORDINAL
Ada penggolongan dan urutan
Berasal dari variabel kualitatif (level
hotel, kepangkatan, tingkat pendidikan,
rangking olah raga )
3. SKALA INTERVAL
Ada penggolongan, urutan dan jarak.
Tidak ada 0 mutlak,
tidak bisa diperbandingkan (ratio)
Berasal dari variabel kuantitatif
( To, waktu suatu daerah, tanggal)
4. SKALA RATIO
Ada pengolongan, urutan, jarak, dan ada
0 mutlak yaitu tidak nilai dibawah nol,
bisa diperbandingkan
Ber asal dari variabel kuantitatif (berat,
panjang, luas, volume )
Skala pengukuran paling kuat.
RATIO
4
INTERVAL
3
ORDINAL
2
NOMINAL
1
Berasal dari variabel kualitatif, dan banyak dipakai
dalam statistika non parametrik.
PENYEDERHANAAN DATA
NILAI MATA KULIAH STATISTIKA DARI 125 MAHASISWA
71
68
79
78
69
81
84
79
49
79
73
78
75
83
68
89
88
84
85
84
68
77
84
70
96
68
79
78
73
78
78
81
54
87
81
73
80
88
74
73
82
75
79
64
57
62
62
78
83
76
80
82
79
47
89
74
56
98
64
58
92
76
77
81
83
56
60
87
66
74
82
74
72
82
90
86
86
55
63
89
69
88
85
87
55
84
91
72
77
77
65
74
93
77
86
90
79
79
62
85
79
68
78
79
82
86
83
78
42
64
94
69
85
75
80
80
93
73
74
72
78
75
91
71
69
1.2.
1.3.
1.4.
1.5.
ILUSTRASI :
THE STEM-AND-LEAF DISPLAY
STEM
LEAF
3
4
729
5
8565476
6
88892440839262582499
7
1596479946288373399848592928947579971344858038
8
0328038520076692298214143644596415773541
9
6323001418
10
DATA TERURUT
STEM
LEAF
3
4
279
5
4556678
6
0222344456888889999
7
01122233333444444555566777778888888889999999999
8
000011112222233334444455556666777888999
9
0011233468
10
2.
Tb Bb
1
gap
2
Ta Ba
1
gap
2
Tb Ta
2
atau
Ntk
Bb Ba
2
range
k
46 - 50
51 - 55
56 - 60
61 - 65
66 - 70
71 - 75
76 - 80
81 - 85
86 - 90
91 - 95
96-100
43
-7
.008
Kelas
kurang
dari
<41
2
3
5
8
11
20
30
22
15
6
2
125
48
53
58
63
68
73
78
83
88
93
98
-6
-5
-4
-3
-2
-1
0
1
2
3
4
.016
.024
.040
.064
.088
.160
.240
.176
.120
.048
.016
1.00
<46
<51
<56
<61
<66
<71
<76
<81
<86
<91
<96
<101
Fi
Xi
Ci
Frel
Fkum
1
3
6
11
19
30
50
80
102
117
123
125
Kelas
lebih
dari
>40
Fkum
>45
>50
>55
>60
>65
>70
>75
>80
>85
>90
>95
>100
125
124
122
119
114
106
95
75
45
23
8
2
0
f i rel .
fi
atau
f i rel .
fi
n
i1
fi
k
i 1
x100%
atau
fi(%)
fi
x100%
n
KELAS
INTERVAL
41 - 45
46 - 50
51 - 55
56 - 60
61 - 65
66 - 70
71 - 75
76 - 80
81 - 85
86 - 90
91 - 95
96 - 100
JUMLAH
FREKUENSI
( fi )
1
2
3
5
8
11
20
30
22
15
6
2
125
FREKUENSI
RELATIF
( fi rel. )
1/125 = 0.008
0.016
0.024
0.040
0.064
0.088
0.160
0.240
0.176
0.120
0.048
0.016
1.000
FREKUENSI Rel
Persentase
(
fi %)
0.8
1.6
2.4
4.0
6.4
8.8
16.0
24.0
17.6
12.0
4.8
1.6
100.0
KELAS
FREK.KUM.
INTERVAL
( fi kum.)
<41
<46
<51
<56
<61
<66
<71
<76
<81
<86
<91
<96
<101
0
1
3
6
11
19
30
50
80
102
117
123
125
FREK.KUM.
RELATIF
( fi kum.rel. )
0
0.008
0.024
0.048
0.088
0.152
0.240
0.400
0.640
0.816
0.936
0.984
1.000
FREK.KUM. Rel
Persentase
( fi kum.%)
0
0.8
2.4
4.8
8.8
15.2
24.0
40.0
64.0
81.6
93.6
98.4
100.0
KELAS
FREK. KUM
INTERVAL
( fi kum )
>40
>45
>50
>55
>60
>65
>70
>75
>80
>85
>90
>95
>100
125
124
122
119
114
106
95
75
45
23
8
2
0
FREK. KUM.
RELATIF
( fi kum. rel. )
1.000
0.992
0.976
0.952
0.912
0.848
0.760
0.600
0.360
0.184
0.064
0.016
0
OGIVE
140
120
100
80
60
40
20
0
<41
<46
<51
<56
<61
<66
<71
<76
<81
<86
<91
<96
<101
140
120
100
80
60
40
20
>45
>50
>55
>60
>65
>70
>75
>80
>85
>90
>95
>100
PENGUKURAN DESKRIPTIF
TIGA BENTUK PENGUKURAN DESKRIPTIF YANG
MENJELASKAN SIFAT ATAU CIRI SUATU
KELOMPOK DATA :
I. TENDENSI SENTRAL / UKURAN PEMUSATAN
1. Rata-Rata Hitung ( Arithmatic mean ).
2. Median ( kuartil, desil dan persentil ).
3. Modus.
4. Rata-rata Ukur ( Geometric mean ).
5. Rata-rata Harmonis ( Harmonic mean ).
I. TENDENSI SENTRAL :
Suatu kelompok data mempunyai tendensi untuk
mengelompok atau memusat pada nilai tertentu.
Sifat seperti ini yang disebut Tendensi Sentral atau
Gejala Pemusatan. Nilai tertentu seperti telah
diutarakan di atas, dan nilai itu bisa dipakai untuk
mewakili atau menggambarkan sifat dari
kelompok data itu.
1. RATA-RATA HITUNG
adalah jumlah nilai semua data dibagi dengan
banyak data tersebut. Rata-rata populasi diberi
lambang dengan (mu), dan rata-rata sampel
dilambangkan dengan x.
a. RATA-RATA UNTUK DATA INDIVIDUAL
N
Xi
i 1
= N
X 1 X 2 X 3 ....... XN
N
(parameter)
X 1 X 2 X 3 ....... Xn
n
(statistik)
Xi
i 1
x = n
fiXi
i 1
k
fi
f 1 X 1 f 2 X 2 f 3 X 3 ........ fkXk
f 1 f 2 f 3 ...... fk
i 1
X X
f
i
C
i
i1
fi
i1
X i X ci
Ci
p
2. MEDIAN
adalah nilai yang letaknya paling ditengah dari satu
set data yang terurut dari kecil ke besar. Median
membagi dua data sama banyak.
Karakteristik Median :
Nilai median ada dan hanya satu.
Tidak dipengaruhi nilai ekstrim.
Bisa ditentukan untuk data kualitatif ordinal, dan
TDF terbuka atas/bawah.
Bagus untuk mewakili populsi yang mempunyai
nilai ektrim.
MEDIAN untuk data yang belum dikelompokan
Me = nilai ke
1
2
Me T b
n
F
2
p
fm
3. MODUS
adalah nilai yang paling banyak muncul dala suatu
set data.
Karkateristik Modus :
Nilainya tidak unik, bisa satu, dua, tidak ada.
Nilainya tidak dipengaruhi nilai ekstrim.
Nilai modus sangat tidak stabil, mudah sekali
berubah dengan sedikit perubahan.
Nilai modus bisa juga ditentukan untuk data
kualitatif.
Modus untuk data yang sudak dikelompokkan :
a1
Mo T b p
a1 a 2
Mo = nilai modus
Tb = tepi bawah kelas yang mengandung nilai
Modus.
P = panjang kelas interval.
a1 = beda frekuensi kelas modus dengan
frekuensi kelas sebelumnya.
a2 = beda frekuensi kelas modus dengan
frekuensi kelas sesudahnya.
Mo = M - 3 ( M - Me )
4. RATA-RATA UKUR
Rata-rata ukur untuk data yang belum dikelompokan
:
RU
log RU
x 1 . x 2 . x 3 ...... x n
atau
log RU
5. RATA-RATA HARMONIS
a. Data yang belum dikelompokan
RH
n
1
1
1
1
....
x1
x2
x3
xn
RH
fi
fi
Xi
i 1
k
i 1
f1 f
f1
f
X1
X
2
2
2
..... f k
f 3
fk
....
X 3
Xk
3
Ukuran lokasi :
1. Kuartil
a. Data yang belum dikelompokkan :
Ki nilaike
i
n 1
4
in
Ki Tb p 4
f Ki
2. Desil
a. Data yang belum dikelompokkan :
Di nilaike
i
n 1
10
Di Tb p 10
f Di
3. Persentil
a.Data yang belum dikelompokkan :
Pi nilaike
i
n 1
100
Pi
Tb
in
p 100
f Pi
1
II. PENGUKURAN DISPERSI
UNTUK MENDESKRIPSIKAN SUATU KELOMPOK DATA
ATAU SUATU POPULASI TIDAK CUKUP HANYA DENGAN
NILAI TENDENSI SENTRAL SAJA. NILAI TENDENSI
SENTRAL HANYA MENUNJUKKAN TEMPAT
MENGUMPULNYA ANGGOTA POPULASI, TETAPI TIDAK
BISA MENJELASKAN BAGAIMANA ANGGOTA POPULASI
ITU BERVARIASI ATAU MENYEBAR. VARIASI ATAU
DISPERSI INI PENTING SEKALI UNTUK MENILAI
DISTRIBUSI POPULASI.
1
66
20
10
10
70
7
74
100
100
100
70
Rata
rata
Range
70
70
70
70
70
RANGE
DEVIASI KUARTIL
DEVIASI RATA-RATA
RAGAM DAN STANDAR DEVIASI
1. RANGE :
adalah beda antara nilai tertinggi dengan nilai terendah.
Semakin besar nilai range berarti variasi data besar pula,
semakin kecil nilai range berarti variasi data kecil pula,
dan bilai range sama dengan nol berarti data tidak bervariasi atau semua data mempunyai nilai yang sama.
Kelemahan pengukuran range ini adalah dia hanya ditentukan oleh dua buah nilai saja, terbesar dan terkecil,
sehingga variasi antara kedua nilai ini tidak bisa dijelaslaskannya, lihat nilai mahasiswa C dan D.
2. DEVIASI KUARTIL :
Pada dasarnya pengukuran dispersi dengan Deviasi
Kuartil sama dengan Range, sehingga sifatnya kurang
lebih sama. Deviasi Kuartil ditentukan oleh nilai K3 dan
K1, sehingga nilainya adalah :
Deviasi Kuartil = K3 - K1
3. DEVIASI RATA-RATA :
kelemahan Range dan Deviasi Kuartil diatasi oleh Deviasi
Rata-rata, yaitu dengan melibatkan seluruh data dalam
menentukan ukuran dispersinya. Deviasi ( jarak) masingmasing data dengan nilai rata-ratanya dipertimbangkan.
Untuk mendapatkan Deviasi rata-rata, seluruh deviasi
masing-masing data dijumlahkan dan dibagi dengan
banyak data, atau dengan rumus :
Deviasirat arata
i 1
( populasi )
Deviasirat arata
Xi
Xi
i 1
x
(sampel)
Deviasirat
arata
fi Xi X
i 1
k
fi
i 1
Xi
N
i 1
Xi
(ragam populasi)
i1
(ragam sampel)
n 1
atau
Xi
i 1
n Xi
2
i 1
n
n 1
fi
i 1
N fiXi
N
2 i 1
f
i
X
i
N
i1
N
i 1
f X X
s
fi 1
n
i 1
i 1
n fiXi
n
2 i 1
fi
X
i
n
i1
n 1
S p
i 1
fi c i
n
n f ic i
i 1
n n 1
CV KK
x 100 %
X
Kegunaan :
1. menilai tingkat ketelitian
2. membandingkan variasi dari sampel atau populasi.
Awal
X1
X2
X3 ......... XN
x
+c
X1+c X2+c X3+c ...... XN+c
-c
X1-c X2-c X3-c ....... XN-c
Xi
X i
i 1
2
x
i 1
Xi C X 1 NC
i 1
N
dan ragamnya:
X c c
N
Xi
x c
i 1
i 1
x2
i 1
x2 ,
Xi C X
i 1
x c
X c c
N
NC
i 1
i 1
Xi
N
x2
i 1
x2 ,
x2
cX 1 cX 2 cX 3 ..... cX N
c Xi
i 1
c x
cXcx cXx
N
2 i1`
i1
X x
N
C2
i1
C2 x2
X 1 / C X 2 / C X 3 / C ..... XN / C
N
dan ragamnya adalah :
X x
N
1
C2
i 1
1 N
Xi 1
c i 1
x
N
c
C2
2
x
x2
1. M = Me = Mo :
2. M > Me > Mo
3. M < Me < Mo
KOEFISIEN SKEWNESS :
Mo
1. KOEF. Skew. PEARSON 1 =
( POPULASI )
Atau
X Mo
s
3 Me
( SAMPEL )
( POPULASI )
Atau
3 X Me
( SAMPEL )
JIKA NILAINYA :
K 3 2 K 2 K1
K 3 K1
= 0 : KURVA SIMETRIS
> 0 : KURVA MIRING KE KANAN
< 0 : KURVA MIRING KE KIRI
JIKA NILAINYA :
= 0 : KURVA SIMETRIS
> 0 : KURVA MIRING KE KANAN
< 0 : KURVA MIRING KE KIRI
1
N
f X
i
0 ,5 K 3 K 1
1. KOEF. KURTOSIS =
P90 P10
JIKA NILAINYA
2. KOEF. KURTOSIS 4
1
N
f X
i 1
JIKA NILAINYA : = 3
> 3
< 3
: KURVA MESOKURTIK
: KURVA LEPTOKURTIK
: KURVA PLATIKURTIK
PENYAJIAN DATA
I.
TABEL
JUDUL TABEL ;
KEPALA
BARIS
KEPALA KOLUM
SEL
II.
GAMBAR
1.
2.
3.
4.
5.
DIAGRAM BATANG
HISTOGRAM
DIAGRAM LINGKARAN
PICTO GRAPH
GRAFIK GARIS
CONTOH :
JUMLAH PELAJAR
300
250
200
LK
150
PR
100
50
0
TK
SD
SMP
SMA
JUMLAH PELAJAR
500
450
400
350
300
250
200
150
100
50
0
PR
LK
TK
SD
SMP
SMA
JUMLAH PELAJAR
300
250
200
150
LK
100
PR
50
0
TK
SD
SMP
SMA
JUMLAH PELAJAR
500
400
300
PR
200
LK
100
0
TK
SD
SMP
SMA
SMA
SMP
PR
LK
SD
TK
0
50
100
150
200
250
300
SMA
SMP
LK
PR
SD
TK
0
100
200
300
400
500
LAIN-LAIN
17%
TNH KERING
13%
SAWAH
11%
HUTAN
59%
TNH KERING
13%
HUTAN
59%
SAWAH
11%
HUTAN
59%
HUTAN
59%
TNH KERING
13%
HUTAN
59%
SAWAH
11%
TNH KERING
13%
SAWAH
11%
HUTAN
59%
120
100
80
60
Series1
40
20
0
I
II
III
IV
VI
VII
VII
IX
XI
120
100
80
60
Series1
40
20
0
I
II
III
IV
VI
VII
VII
IX
XI
DISTRIBUSI PELUANG
( PROBABILITY DISTRIBUTUION)
Distribusi Binomial
Distribusi Normal/Gauss
Distribusi t Student
Distribusi Chi Square
Distribusi F
Distribusi Poisson
Distribusi Hypergeometric.
DISTRIBUSI BINOMIAL
Distribusi Binomial sangat penting sekali karena dia
memungkinkan kita untuk bisa menghitungpeluang dari suatu
sampel.
Distribusi Binomial merupakan distribusi peluang yang
dihasilkan melalui eksperimen yang menghasilkan dua macam
hasil saja, seperti hasilnya dalam bentuk sukses dan gagal,
menang dan kalah, sisi muka dan sisi belakang, Kartu As dan
bukan kartu As.
Besar peluang untuk Sukses dilambangkan dengan p dan peluang
untuk Gagal dilambangkan dengan q, dimana
a.
X i P X i
i 1
Xi
:
P(Xi) :
b. = np.
0
1/16
1
4/16
3
4/16
4
1/16
= 4 x 0,5 = 2
Binomial adalah :
a.
Xi
P Xi
i 1
b.
npq
SOAL:
3. Pada suatu pabrik ban mobil ternyata hanya 92% dari ban
yang diproduksinya yang bagus. Kalau diambil 20 buah ban
sebagai sampel, berapa kemungkinan dari sampel itu akan
terambil 18 ban bagus dan 2 rusak.
DISTRIBUSI BINOMIAL
JUMLAH
X = JUMLAH MUNCUL H
EVENT
n =1
T
p
H
q
TT
HT
HT
2 HT
2 pq
HH
HTT
THT
TTH
3 HT2
3 pq2
HHT
HTH
THH
3 H2T
3 p2q
HHH
TTTT
HTTT
THTT
TTHT
TTTH
HHHT
HHTH
HTHH
THHH
HHHH
(p + q )4
T4
q4
4 HT3
4 pq3
HHTT
HTHT
HTTH
TTHH
THTH
THHT
6 H2T2
6 p2q2
4 H3T
4 p3q
H4
p4
P( H ) = p
P( T ) = q
n = 2
(p + q)2
T2
q2
TTT
n = 3
(p + q)3
T3
q3
n = 4
H2
p2
H3
p3
q = (1 - p )
n!
PX x n, p
pxqnx
x!n x!
f x
1
x 2
1 X
i x
2 x
x : rata-rata populasi
x : standard deviasi populasi
Garis kurva tidak pernah menyinggung sumbu X,
sedangkan peluangnya ditunjukkan oleh daerah yang
teletak anatara dua garia vertical, dan peluang pada satu
titik atau satu nilai x adalah nol.
http://serc.carleton.edu/nnn/teachwdata/Statcentral.html 19 Oktober
2012
http://en.wikipedia.org/wiki/Normal_distribution 21 Oktober
2012
http://en.wikipedia.org/wiki/Normal_distribution 21
Oktober
2012.
= 0
Pop.
Xi : 2
=1
Zi
Xi x
x
10 12
14
x = 8 x=4
f x
f z
1
x 2
1
e
2
1 X i x
2 x
1 2
Z
2
z = 0 z=1
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
http://www.mathsisfun.com/data/standard-normal-distribution-table.html 11/10/2012
The z-Distribution
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
http://mips.stanford.edu/courses/stats_data_analsys/234_99.html
Eq. 1. P( 0 Z 1,00 )
4. P( Z 1,19 )
Xi x
Zi
x
Distribusi Binomial : x = np
Distribusi Binomial
dan x npq
X i np
Zi
npq
Contoh ;
Satu sampel 1600 ban mobil diambil secara acak dari
pabrik ban yang produksi berpeluang rusak sebesar 8 %.
Berapa peluang dari sampel tersebut akan mengandung
150 ban rusak.
: X1
X2
X3
Sampel n
: S1
S2
S3
S4
X3
X 4 ..
Rata2 sampel
X :
X1
X2
X4 .. XN
SNn
X Nn
X X
Pertanyaan :
1. Jumlah anggota populasi
3. Hubungan antara
X dengan x
4. Hubungan antara X
dengan
ILUSTRASI
Populasi Xi : 2
N=3
x = 4 ;
x2 = 8/3
TDF X
2
3
4
3
4
5
4
5
6
2
3
4
5
6
n=4 : N = N = 3 = 81
= 36/9 = 4
TDF X
2,0
2,67
3,33
4,00
4,67
..
5,33
5,33
6,00
x2 = 12/9
fi
2,00
2,67
3,33
4,00
4,67
5,33
6,00
1
3
6
7
6
3
1
N = Nn = 33 = 27
X
n
1
2
3
2
1
N = Nn = 32 = 9
X
n =3 : sampel X
2,2,2
2,2,4
2,2,6
........
2,4,6
2,6,6
4,6,6
6,6,4
6,6,6
fi
= 108/27 = 4 ,
= 324/81 = 4 ,
x2 = 24/27
x2 = 54/81
KESIMPULAN :
1. Jumlah anggota populasi dari distribusi rata-rata sampel
dengan sampel pengembalian adalah Nn.
2. Distribusi rata-rata sampel mendekati distribusi normal
dengan semakin meningkatnya jumlah sampel n :
http://www.google.co.id/imgres?imgurl=http://1.bp.blogspot.com/_0Lnn2o
P30gU/TTyVkV3_mII/AAAAAA 16 Oktober 2012
X = x
x2 x
n
atau
(standard error)
5 %.
x
n
N n
N 1
2,0
3,0
4,0
4,0
5,0
6,0
X
x
x
3
4
8/3
6,0
n = 3
2,0
2,67
3,33
4,0
4,67
5,33
6,0
9
4
12/9
Fi
n = 4
Fi
2,0
2,5
3,0
10
3,5
16
4,0
19
4,5
16
5,0
10
5,5
6,0
2,00
2,25
2,50
2,75
3,00
3,25
3,50
3,75
4,00
4,25
4,50
4,75
5,00
5,25
5,50
5,75
6,00
27
4
24/27
n = 8
81
4
54/81
Fi
1
8
36
112
266
504
784
1016
1107
1016
784
504
266
112
36
8
1
6561
4
2187/6561
http://www.google.co.id/imgres?imgurl=http://upload.wikimedia.org/wiki
pedia/en/1/1d/Marginoferror95.PNG&imgrefurl=http://terrytao.wordpress.
com/2010/09/14/a-second-draft-of-a-non-technical-article-onuniversality/&usg=__IWo2zeikutDwJPG7G94SMZWL7xg=&h=973&w=1029&sz=49&hl
=id&start=12&zoom=1&tbnid=Cf9yT_9bvbw4VM:&tbnh=142&tbnw=150&ei=qMuAUKH
dO9GHrAeGq4CoBQ&um=1&itbs=1 16 Oktober 2012.
dengan rumus
Zi
Z dengan rumus
Xi x
x
Zi
X i x
x
n
CONTOH SOAL :
1. Lama hidup dari baterai merek A menyebar menurut
distribusi normal dengan rata-ratanya 100 jam dan simpang
bakunya 10 jam.
a. Berapa persen dari baterai tersebut yang mempunyai masa
hidup antara 100 105 jam.
b. Jika diambil 16 baterai secara acak sebagai sampel :
b.1. Berapa peluang nilai rata-rata sampel tersebut akan
berada antara 100 105 jam?
b.2. Berapa peluang nilai rata-rata sampel tersebut diatas
110 jam ?
RAGAM SAMPEL
DAN DISTRIBUSI t STUDENT
HUBUNGAN RAGAM POPULASI 2 DENGAN RAGAM
SAMPEL S2
Xi
N
i 1
S2
Xi x
n
i 1
n 1
Tarik sampel n = 2
Sampel
X
2,2
2,4
2,6
4,2
4,4
4,6
6,2
6,4
6,6
Rata-rata
2
3
4
3
4
5
4
5
6
36 / 9 = 4
x = 4
i 1
Xi
x2
X
n
0
1
4
1
0
1
4
1
0
12/ 9 = 4/3
i 1
8
3
Xi X
n 1
0
2
8
2
0
2
8
2
0
24/9 = 8/3
Xi X
n
S2
Xi
n
X i2 i 1
n
S 2 i 1
n 1
i 1
n 1
JK dan FK, db
Kesimpulan :
Bila semua sampel yang besarnya n ditarik dari suatu
populasi, maka nilai tengah ragam dari ragam semua
sampel ( S2 ) adalah sama dengan ragam populasi x2 ,
artinya ragam sampel adalah penduga yang bagus untuk
ragam populasi, atau S adalah yang bagus untuk
x.
DISTRIBUSI t STUDENT
Zi
Terdahulu sudah didapatkan rumus
Xi x
x
n
Zi
Xi x
x
n
ti
Xi
Pop ti :
X1
t1
Xi x
S
n
Xi
.. X N
X2
X3
X4
t2
t3
t4 tN
x ; x
t =0 sama seperti
z =0 .
z = 1.
0,005
1
2
t ( n 1 ) = ?
3
One Tail
0.10
0.05
0.025
0.01
0.005
0.001
0.0005
Contoh : Tentukanlah
1. t0,25( 9 )
2. t0,05( 20 )
3. t/2(n 1)
= 0,05
4. t( 12 ) = 2,6810
5. t( 12 ) = - 2,6810
6. t(n 1 ) = 1,9944
t0,025/2(21
= ?
= ?
n= ?
7. t0,05() =
= Z0,05 = 1,6449
8. t0,025() =
= Z0,025 = 1,96
. http://easycalculation.com/statistics/t-distribution-critical-value-table.php 11/10/2012
(1 tail) 0.05
0.025
0.01
0.005
0.0025
0.001
0.0005
(2 tail) 0.1
0.05
0.02
0.01
0.005
0.002
0.001
df
1
2.9200 4.3026
6.9646
9.9247
14.0887
22.3276
31.5989
2.3534 3.1824
4.5407
5.8408
7.4534
10.2145
12.9242
2.1319 2.7764
3.7470
4.6041
5.5976
7.1732
8.6103
2.0150 2.5706
3.3650
4.0322
4.7734
5.8934
6.8688
1.9432 2.4469
3.1426
3.7074
4.3168
5.2076
5.9589
1.8946 2.3646
2.9980
3.4995
4.0294
4.7852
5.4079
1.8595 2.3060
2.8965
3.3554
3.8325
4.5008
5.0414
1.8331 2.2621
2.8214
3.2498
3.6896
4.2969
4.7809
10
1.8124 2.2282
2.7638
3.1693
3.5814
4.1437
4.5869
11
1.7959 2.2010
2.7181
3.1058
3.4966
4.0247
4.4369
12
1.7823 2.1788
2.6810
3.0545
3.4284
3.9296
4.3178
13
1.7709 2.1604
2.6503
3.0123
3.3725
3.8520
4.2208
14
1.7613 2.1448
2.6245
2.9768
3.3257
3.7874
4.1404
15
1.7530 2.1314
2.6025
2.9467
3.2860
3.7328
4.0728
16
1.7459 2.1199
2.5835
2.9208
3.2520
3.6861
4.0150
17
1.7396 2.1098
2.5669
2.8983
3.2224
3.6458
3.9651
18
1.7341 2.1009
2.5524
2.8784
3.1966
3.6105
3.9216
19
1.7291 2.0930
2.5395
2.8609
3.1737
3.5794
3.8834
20
1.7247 2.0860
2.5280
2.8454
3.1534
3.5518
3.8495
21
1.7207 2.0796
2.5176
2.8314
3.1352
3.5272
3.8193
22
1.7172 2.0739
2.5083
2.8188
3.1188
3.5050
3.7921
23
1.7139 2.0686
2.4998
2.8073
3.1040
3.4850
3.7676
24
1.7109 2.0639
2.4922
2.7970
3.0905
3.4668
3.7454
25
1.7081 2.0596
2.4851
2.7874
3.0782
3.4502
3.7251
26
1.7056 2.0555
2.4786
2.7787
3.0669
3.4350
3.7067
27
1.7033 2.0518
2.4727
2.7707
3.0565
3.4211
3.6896
28
1.7011 2.0484
2.4671
2.7633
3.0469
3.4082
3.6739
29
1.6991 2.0452
2.4620
2.7564
3.0380
3.3962
3.6594
30
1.6973 2.0423
2.4572
2.7500
3.0298
3.3852
3.6459
31
1.6955 2.0395
2.4528
2.7440
3.0221
3.3749
3.6334
32
1.6939 2.0369
2.4487
2.7385
3.0150
3.3653
3.6218
33
1.6924 2.0345
2.4448
2.7333
3.0082
3.3563
3.6109
34
1.6909 2.0322
2.4411
2.7284
3.0019
3.3479
3.6008
35
1.6896 2.0301
2.4377
2.7238
2.9961
3.3400
3.5912
36
1.6883 2.0281
2.4345
2.7195
2.9905
3.3326
3.5822
37
1.6871 2.0262
2.4315
2.7154
2.9853
3.3256
3.5737
38
1.6859 2.0244
2.4286
2.7115
2.9803
3.3190
3.5657
39
1.6849 2.0227
2.4258
2.7079
2.9756
3.3128
3.5581
40
1.6839 2.0211
2.4233
2.7045
2.9712
3.3069
3.5510
41
1.6829 2.0196
2.4208
2.7012
2.9670
3.3013
3.5442
42
1.6820 2.0181
2.4185
2.6981
2.9630
3.2959
3.5378
43
1.6811 2.0167
2.4162
2.6951
2.9591
3.2909
3.5316
44
1.6802 2.0154
2.4142
2.6923
2.9555
3.2861
3.5258
45
1.6794 2.0141
2.4121
2.6896
2.9521
3.2815
3.5202
46
1.6787 2.0129
2.4102
2.6870
2.9488
3.2771
3.5149
47
1.6779 2.0117
2.4083
2.6846
2.9456
3.2729
3.5099
48
1.6772 2.0106
2.4066
2.6822
2.9426
3.2689
3.5051
49
1.6766 2.0096
2.4049
2.6800
2.9397
3.2651
3.5004
50
1.6759 2.0086
2.4033
2.6778
2.9370
3.2614
3.4960
51
1.6753 2.0076
2.4017
2.6757
2.9343
3.2579
3.4917
52
1.6747 2.0066
2.4002
2.6737
2.9318
3.2545
3.4877
53
1.6741 2.0057
2.3988
2.6718
2.9293
3.2513
3.4838
54
1.6736 2.0049
2.3974
2.6700
2.9270
3.2482
3.4800
55
1.6730 2.0041
2.3961
2.6682
2.9247
3.2451
3.4764
56
1.6725 2.0032
2.3948
2.6665
2.9225
3.2423
3.4730
57
1.6720 2.0025
2.3936
2.6649
2.9204
3.2394
3.4696
58
1.6715 2.0017
2.3924
2.6633
2.9184
3.2368
3.4663
59
1.6711 2.0010
2.3912
2.6618
2.9164
3.2342
3.4632
60
1.6706 2.0003
2.3901
2.6603
2.9146
3.2317
3.4602
61
1.6702 1.9996
2.3890
2.6589
2.9127
3.2293
3.4573
62
1.6698 1.9990
2.3880
2.6575
2.9110
3.2269
3.4545
63
1.6694 1.9983
2.3870
2.6561
2.9092
3.2247
3.4518
64
1.6690 1.9977
2.3860
2.6549
2.9076
3.2225
3.4491
65
1.6686 1.9971
2.3851
2.6536
2.9060
3.2204
3.4466
66
1.6683 1.9966
2.3842
2.6524
2.9045
3.2184
3.4441
67
1.6679 1.9960
2.3833
2.6512
2.9030
3.2164
3.4417
68
1.6676 1.9955
2.3824
2.6501
2.9015
3.2144
3.4395
69
1.6673 1.9950
2.3816
2.6490
2.9001
3.2126
3.4372
70
1.6669 1.9944
2.3808
2.6479
2.8987
3.2108
3.4350
71
1.6666 1.9939
2.3800
2.6468
2.8974
3.2090
3.4329
72
1.6663 1.9935
2.3793
2.6459
2.8961
3.2073
3.4308
73
1.6660 1.9930
2.3785
2.6449
2.8948
3.2056
3.4288
74
1.6657 1.9925
2.3778
2.6439
2.8936
3.2040
3.4269
75
1.6654 1.9921
2.3771
2.6430
2.8925
3.2025
3.4250
76
1.6652 1.9917
2.3764
2.6421
2.8913
3.2010
3.4232
77
1.6649 1.9913
2.3758
2.6412
2.8902
3.1995
3.4214
78
1.6646 1.9909
2.3751
2.6404
2.8891
3.1980
3.4197
79
1.6644 1.9904
2.3745
2.6395
2.8880
3.1966
3.4180
80
1.6641 1.9901
2.3739
2.6387
2.8870
3.1953
3.4164
81
1.6639 1.9897
2.3733
2.6379
2.8859
3.1939
3.4147
82
1.6636 1.9893
2.3727
2.6371
2.8850
3.1926
3.4132
83
1.6634 1.9889
2.3721
2.6364
2.8840
3.1913
3.4117
84
1.6632 1.9886
2.3716
2.6356
2.8831
3.1901
3.4101
85
1.6630 1.9883
2.3710
2.6349
2.8821
3.1889
3.4087
86
1.6628 1.9879
2.3705
2.6342
2.8813
3.1877
3.4073
87
1.6626 1.9876
2.3700
2.6335
2.8804
3.1866
3.4059
88
1.6623 1.9873
2.3695
2.6328
2.8795
3.1854
3.4046
89
1.6622 1.9870
2.3690
2.6322
2.8787
3.1844
3.4032
90
1.6620 1.9867
2.3685
2.6316
2.8779
3.1833
3.4020
91
1.6618 1.9864
2.3680
2.6309
2.8771
3.1822
3.4006
92
1.6616 1.9861
2.3676
2.6303
2.8763
3.1812
3.3995
93
1.6614 1.9858
2.3671
2.6297
2.8755
3.1802
3.3982
94
1.6612 1.9855
2.3667
2.6292
2.8748
3.1792
3.3970
95
1.6610 1.9852
2.3662
2.6286
2.8741
3.1782
3.3959
96
1.6609 1.9850
2.3658
2.6280
2.8734
3.1773
3.3947
97
1.6607 1.9847
2.3654
2.6275
2.8727
3.1764
3.3936
98
1.6606 1.9845
2.3650
2.6269
2.8720
3.1755
3.3926
99
1.6604 1.9842
2.3646
2.6264
2.8713
3.1746
3.3915
100
1.6602 1.9840
2.3642
2.6259
2.8706
3.1738
3.3905
101
1.6601 1.9837
2.3638
2.6254
2.8700
3.1729
3.3894
102
1.6599 1.9835
2.3635
2.6249
2.8694
3.1720
3.3885
103
1.6598 1.9833
2.3631
2.6244
2.8687
3.1712
3.3875
104
1.6596 1.9830
2.3627
2.6240
2.8682
3.1704
3.3866
105
1.6595 1.9828
2.3624
2.6235
2.8675
3.1697
3.3856
106
1.6593 1.9826
2.3620
2.6230
2.8670
3.1689
3.3847
107
1.6592 1.9824
2.3617
2.6225
2.8664
3.1681
3.3838
108
1.6591 1.9822
2.3614
2.6221
2.8658
3.1674
3.3829
109
1.6589 1.9820
2.3611
2.6217
2.8653
3.1667
3.3820
110
1.6588 1.9818
2.3607
2.6212
2.8647
3.1660
3.3812
111
1.6587 1.9816
2.3604
2.6208
2.8642
3.1653
3.3803
112
1.6586 1.9814
2.3601
2.6204
2.8637
3.1646
3.3795
113
1.6585 1.9812
2.3598
2.6200
2.8632
3.1640
3.3787
114
1.6583 1.9810
2.3595
2.6196
2.8627
3.1633
3.3779
115
1.6582 1.9808
2.3592
2.6192
2.8622
3.1626
3.3771
116
1.6581 1.9806
2.3589
2.6189
2.8617
3.1620
3.3764
117
1.6580 1.9805
2.3586
2.6185
2.8612
3.1614
3.3756
118
1.6579 1.9803
2.3583
2.6181
2.8608
3.1607
3.3749
119
1.6578 1.9801
2.3581
2.6178
2.8603
3.1601
3.3741
120
1.6577 1.9799
2.3578
2.6174
2.8599
3.1595
3.3735
121
1.6575 1.9798
2.3576
2.6171
2.8594
3.1589
3.3727
122
1.6574 1.9796
2.3573
2.6168
2.8590
3.1584
3.3721
123
1.6573 1.9794
2.3571
2.6164
2.8585
3.1578
3.3714
124
1.6572 1.9793
2.3568
2.6161
2.8582
3.1573
3.3707
125
1.6571 1.9791
2.3565
2.6158
2.8577
3.1567
3.3700
126
1.6570 1.9790
2.3563
2.6154
2.8573
3.1562
3.3694
127
1.6570 1.9788
2.3561
2.6151
2.8569
3.1556
3.3688
128
1.6568 1.9787
2.3559
2.6148
2.8565
3.1551
3.3682
129
1.6568 1.9785
2.3556
2.6145
2.8561
3.1546
3.3676
130
1.6567 1.9784
2.3554
2.6142
2.8557
3.1541
3.3669
131
1.6566 1.9782
2.3552
2.6139
2.8554
3.1536
3.3663
132
1.6565 1.9781
2.3549
2.6136
2.8550
3.1531
3.3658
133
1.6564 1.9779
2.3547
2.6133
2.8546
3.1526
3.3652
134
1.6563 1.9778
2.3545
2.6130
2.8542
3.1522
3.3646
135
1.6562 1.9777
2.3543
2.6127
2.8539
3.1517
3.3641
136
1.6561 1.9776
2.3541
2.6125
2.8536
3.1512
3.3635
137
1.6561 1.9774
2.3539
2.6122
2.8532
3.1508
3.3630
138
1.6560 1.9773
2.3537
2.6119
2.8529
3.1503
3.3624
139
1.6559 1.9772
2.3535
2.6117
2.8525
3.1499
3.3619
140
1.6558 1.9771
2.3533
2.6114
2.8522
3.1495
3.3614
141
1.6557 1.9769
2.3531
2.6112
2.8519
3.1491
3.3609
142
1.6557 1.9768
2.3529
2.6109
2.8516
3.1486
3.3604
143
1.6556 1.9767
2.3527
2.6106
2.8512
3.1482
3.3599
144
1.6555 1.9766
2.3525
2.6104
2.8510
3.1478
3.3594
145
1.6554 1.9765
2.3523
2.6102
2.8506
3.1474
3.3589
146
1.6554 1.9764
2.3522
2.6099
2.8503
3.1470
3.3584
147
1.6553 1.9762
2.3520
2.6097
2.8500
3.1466
3.3579
148
1.6552 1.9761
2.3518
2.6094
2.8497
3.1462
3.3575
149
1.6551 1.9760
2.3516
2.6092
2.8494
3.1458
3.3570
150
1.6551 1.9759
2.3515
2.6090
2.8491
3.1455
3.3565
151
1.6550 1.9758
2.3513
2.6088
2.8489
3.1451
3.3561
152
1.6549 1.9757
2.3511
2.6085
2.8486
3.1447
3.3557
153
1.6549 1.9756
2.3510
2.6083
2.8483
3.1443
3.3552
154
1.6548 1.9755
2.3508
2.6081
2.8481
3.1440
3.3548
155
1.6547 1.9754
2.3507
2.6079
2.8478
3.1436
3.3544
156
1.6547 1.9753
2.3505
2.6077
2.8475
3.1433
3.3540
157
1.6546 1.9752
2.3503
2.6075
2.8472
3.1430
3.3536
158
1.6546 1.9751
2.3502
2.6073
2.8470
3.1426
3.3531
159
1.6545 1.9750
2.3500
2.6071
2.8467
3.1423
3.3528
160
1.6544 1.9749
2.3499
2.6069
2.8465
3.1419
3.3523
161
1.6544 1.9748
2.3497
2.6067
2.8463
3.1417
3.3520
162
1.6543 1.9747
2.3496
2.6065
2.8460
3.1413
3.3516
163
1.6543 1.9746
2.3495
2.6063
2.8458
3.1410
3.3512
164
1.6542 1.9745
2.3493
2.6062
2.8455
3.1407
3.3508
165
1.6542 1.9744
2.3492
2.6060
2.8452
3.1403
3.3505
166
1.6541 1.9744
2.3490
2.6058
2.8450
3.1400
3.3501
167
1.6540 1.9743
2.3489
2.6056
2.8448
3.1398
3.3497
168
1.6540 1.9742
2.3487
2.6054
2.8446
3.1394
3.3494
169
1.6539 1.9741
2.3486
2.6052
2.8443
3.1392
3.3490
170
1.6539 1.9740
2.3485
2.6051
2.8441
3.1388
3.3487
171
1.6538 1.9739
2.3484
2.6049
2.8439
3.1386
3.3483
172
1.6537 1.9739
2.3482
2.6047
2.8437
3.1383
3.3480
173
1.6537 1.9738
2.3481
2.6046
2.8435
3.1380
3.3477
174
1.6537 1.9737
2.3480
2.6044
2.8433
3.1377
3.3473
175
1.6536 1.9736
2.3478
2.6042
2.8430
3.1375
3.3470
176
1.6536 1.9735
2.3477
2.6041
2.8429
3.1372
3.3466
177
1.6535 1.9735
2.3476
2.6039
2.8427
3.1369
3.3464
178
1.6535 1.9734
2.3475
2.6037
2.8424
3.1366
3.3460
179
1.6534 1.9733
2.3474
2.6036
2.8423
3.1364
3.3457
180
1.6534 1.9732
2.3472
2.6034
2.8420
3.1361
3.3454
181
1.6533 1.9731
2.3471
2.6033
2.8419
3.1358
3.3451
182
1.6533 1.9731
2.3470
2.6031
2.8416
3.1356
3.3448
183
1.6532 1.9730
2.3469
2.6030
2.8415
3.1354
3.3445
184
1.6532 1.9729
2.3468
2.6028
2.8413
3.1351
3.3442
185
1.6531 1.9729
2.3467
2.6027
2.8411
3.1349
3.3439
186
1.6531 1.9728
2.3466
2.6025
2.8409
3.1346
3.3436
187
1.6531 1.9727
2.3465
2.6024
2.8407
3.1344
3.3433
188
1.6530 1.9727
2.3463
2.6022
2.8406
3.1341
3.3430
189
1.6529 1.9726
2.3463
2.6021
2.8403
3.1339
3.3428
190
1.6529 1.9725
2.3461
2.6019
2.8402
3.1337
3.3425
191
1.6529 1.9725
2.3460
2.6018
2.8400
3.1334
3.3422
192
1.6528 1.9724
2.3459
2.6017
2.8398
3.1332
3.3419
193
1.6528 1.9723
2.3458
2.6015
2.8397
3.1330
3.3417
194
1.6528 1.9723
2.3457
2.6014
2.8395
3.1328
3.3414
195
1.6527 1.9722
2.3456
2.6013
2.8393
3.1326
3.3411
196
1.6527 1.9721
2.3455
2.6012
2.8392
3.1323
3.3409
197
1.6526 1.9721
2.3454
2.6010
2.8390
3.1321
3.3406
198
1.6526 1.9720
2.3453
2.6009
2.8388
3.1319
3.3403
199
1.6525 1.9720
2.3452
2.6008
2.8387
3.1317
3.3401
200
1.6525 1.9719
2.3451
2.6007
2.8385
3.1315
3.3398
PENDUGAAN PARAMETER
( PARAMETER ESTIMATION )
Nilai parameter seperti x, x2 , x adalah nilai-nilai yang
diketahui karena N yang terlalu besar atau semua N tidak bisa
diamati. Tetapi dalam kehidupan nilai-nilai parameter ini yang
akan banyak manfaatnya kalau nilainya diketahui.
Untuk mendapatkan nilai parameter tersebut, bisa dilakukan
dengan pendugaan yaiatu nilai parameter itu diduga dengan
statistik yang berasal dari sampel ( X , S2, dan S ), dan proses
inilah yang dinamakan dengan STATISTIKA INFERENSIA.
Pop. Xi
: X1
X2
X3
X4 .. XN
X2
X3
X 4 ..
Sampel n
Pop. X
X1
X Nn
X X
I.
Zi
Z dengan rumus
X i x
x
n
Note : kurva
P(X
)=(1)
P (-Z/2 Z Z/2) = ( 1 )
P ( -Z/2
Z / 2
x
n
X Z / 2
X i x
x
n
Z/2) = ( 1 )
X x Z / 2
x
n
: dikali
x
n
x X Z / 2
: ditamabah
n
x
n
P( X Z / 2
Kalau
x
n
x X Z / 2
x
n
) (100 )
= 0,10
Z /2 = Z0,05 = 1,645
= 0,05
Z /2 = Z0,025 = 1,96
= 0,01
Z /2 = Z0,005 = 2,576
Kembali ke :
Pop Xi :
x = 4
x = 1,633
P( X 1 = ?) = 0,15 dikiri
X1
= 2,8682
Antara ( X 1 -
X2
X2
X1
dan
P( X 2 = ?) = 0,15 dikanan
X2
= 5,1317
Contoh :
Diketahui produksi kentang per hektar mempunyai simpang
baku 0,18 ton. Jika rata-rata hasil kentang dari 36 daerah sampel
18 ton per hektar, tentukanlah rata-rata produksi per hektar
dengan selang kepercayaan 70, 80 dan 90 % berdasarkan data
sampel tersebut.
P( X Z / 2
x
n
x X Z / 2
x
n
) (100 )
P( X t / 2( n 1)
S
S
x X t / 2( n 1)
) (1 )
n
n
tarik sampel n
PENGUJIAN HIPOTESIS
Hubungan populasi dengan sampelnya sudah dibicarakan
sampel
sampel
Populasi
sampel
x = x
X =
x
n
Populasi (x, x2
x )
Sampel
sampel
Sampel
, s2, s
2
X,s , s
2
X,s , s
X
x
x
= 50 cm
50 cm
daerah kritis
daerah kritis
(/2)
(/2)
daerah
penerimaan
C1
C2
x = o
x o
(2): Ho :
H1 :
x
x
>
o
o
(3): Ho :
H1 :
x o
x < o
hit .
n
Kemudian secara umum nilai Zhit dibandingkan dengan
nilai Z, dan jika ternyata nilai
Zhit
>
CONTOH :
Berdasarkan laporan Rektor tahun 2000 rata-rata IPK
lulusan universitas yang dipimpinnya adalah 2,65 dengan
simpang baku 0,42. Mulai dari tahun 2001 Rektor
menerapkan sistim pengajaran dan pembimbingan yang
dianggap lebih baik. Pada tahun 2006 Rektor ingin
mengetahui apakah ada pengaruh dari sistim yang
diterapkannya tersebut terhadap IPK lulusan. Untuk
menjawab keingin tahuan Rektor itu ditarik 36 dari lulusan
sebagai sampel secara acak, dan ternyata dari sampel itu
Zhit
x = 0,42 o = 2,65
6.Perhitungan :
hit .
n
7.Keputusan
Zhit.
= 2,78
n = 36
2,78 2,65
1,86
0,42
36
t hit .
0
s
n
thit
6.Perhitungan :
t hit .
o = 2,65
0
s
n
= 2,78
t hit
s = 0,36
n = 36
2,78 2,65
2,17
0,36
36
dan
2 .
POPULASI 1 : POPULASI 2
X11
X21
X11
X21
X12
X21
X12
X21
X1N1
X2N2
X1N1
X2N2
2 populasi berpasangan
POPULASI 2
X1, X1
X2, X2
X 12
X 1N
X 1, X 1
X 21
X 22
X 2N
: X 2,
X 2
X 21
X 12
X 21
...
X 1N1
X 21
X 11
X 22
X 12
X 22
X 1N1
X 22
X 1N1
X 2N2
..
X 11
..
_
X 2N
X 12
X 2N
( X 1 _ X 2)
X 1 - X 2 = X1 - X2
x21
( X 1 _ X 2)
n1
x22
n2
X
Z
X
Z
=0
( X 1 _ X 2)
( X 1 _ X 2)
=1
X 2 1 2
X 1 X 2
1
X 2 1 2
x21
n1
x22
n2
X
t
X 2 1 2
1
1
S
n1 n 2
2
p
S p2
2
p
n1 1S12 n2 1S22
n1 n2 2
X
t
X 2 1 2
S12 S 22
n1 n 2
db
S 12
S 22
n n
2
1
2
S 12
n
1
n 1 1
S 22
n
2
n 2 1
2 )
Z hit .
X 2 1 2
x21
n1
Jka
Zhit.
>
x22
n2
Z , maka Ho ditolak.
2 )
t hit .
X 2 1 2
1
1
S
n1 n 2
2
p
dengan db = ( n1 + n2 - 2 )
Jika nilai
thit
>
t(db)
, maka
Ho ditolak.
t hit .
db
Jika nilai
X 2 1 2
S12 S 22
n1 n 2
S 12
S 22
n n
2
1
2
S 12
n
1
n 1 1
thit
>
dengan db :
S 22
n
2
n 2 1
t(db)
, maka
Ho ditolak.
CONTOH :
1. Seorang manager quality control dari suatu pabrik bola
lampu ingin menentukan apakah ada perbedaan umur
pakai dari bola lampu yang dihasilkan oleh dua jenis mesin
yaitu mesin A dan mesin B. Telah diketahui bahwa simpang
PENGAMATAN BERPASANGAN
Hal ini bertolak dari dua populasi yang bersifat tidak bebas atau
dependen, dengan perkataan lain anggota populasi 1
berpasangan dengan anggota populasi 2. Kondisi ini timbul
karena kondisi yang tidak seragam atau tidak homogen. Kondisi
homogen hanya ditemukan pada pasangan yang sama, sedangkan
antar pasangan tidak seragam.
Kaki
Subur
Paling subur
Populasi 1 Populasi 2
Jenis
Sedan Toyota
Sedan Suzuki
Sedan Nissan
Sedang Honda
Oli A
Oli B
Pop. 1
Pop. 2
POP. 1
POP. 2
Dj = ( X1j - X2j )
X11
X12
X13
X1N
X21
X22
X23
X2N
D1
D2
D3
DN
ti
X i x
S
n
ti
D x
SD
n
j 1
SD
D
j 1
2
j
n
D j
j 1
n 1
t hit .
D 0
SD
n
Jika nilai
thit
dengan db = n 1
>
t(db)
, maka
Ho ditolak.
CONTOH
Ingin diketahui apakah terdapat perbedaan nyata antara
berat biji kedele yang berasal dari polong dekat pangkal
batang dengan berat biji kedele yang berasal dari polong di
Pop. : X1 X2 X3 .. XN
Xi
Xi x
x
Jika Z dikuadratkan
2
x
i 2 x
Z 2 i
x
x
2
X 1 x 2 X 2 x 2 ........... X n x 2
x2
x2
x2
Z12 Z 22 ........ Z n2 Z i2
12
22
32
N2 : distribusi
1),
Artinya setiap sampel yang besarnya n akan membentuk satu
distribusi Chi Kuadrat dengan dbnya ( n - 1 ).
2 ( n1)
http://www.jrigol.com/Statistics/AboutChiSquare.htm 20
Oktober
2012.
2 (30)
= 18,493 = ?
3.
1.
Z 22 2(n 1) 1
2
Z
(1)
2. / 2
n= ?
2 :
Z2
Sampel
X i x
x2
2
Z
S2
Z2
x2
( n 1)
2
hit
.
X
x2
db=(n-1)
2 ( n1)
( n 1) S 2
(n 1) S 2
x2
( n 1) S
CONTOH:
Suatu pabrik accu merek A menyatakan bahwa rgam umur
pakai accu tersebut 0,81. Diambil sampel acak 10 buak accu dan
didapatkan ragam umur pakai sampel 1,44. Ujilah pernyataan
pabrik pada taraf nyata 5 %.
O i
Ei
Ei
2
2
hit
.
( n 1)
jika nilai
Contoh :
1. Dari hasil persilangan genetik Aa X Aa ada 180 buah
turunan dengan rincian genetik AA = 35, Aa = 105 , dan
aa = 40. Ujilah pada taraf nyata 5 % apakah persilangan
tersebut mengikuti kaedah hukum Mendel.
2. Sebuah mata dadu bersisi enam dilempar sebanyak 60
kali, dan jumlah frekuensi untuk masing mata dadu yang
muncul adalah :
Mata dadu
Frekuensi
1
8
2
11
3
9
4
13
5
14
6
5
i
Jumlah
1
O11
O21
O31
Oi1
O.1
Klasifikasi lajur
2
3
O12
O13
O22
O23
O32
O33
Oi2
Oi3
O.2
O.3
j
O1j
O2j
O3j
Oij
O.j
Jumlah
O1.
O2.
O3.
O1.
O..
E ij
ij
E ij
2
hit
2(r 1)(c1)
CONTOH :
Ujilah pada taraf nyata 5 % apakah ada kaitan antara tipe kom
puter dengan penggunaanya oleh pemilik berdasarkan data
berikut
Jenis kegunaan
Tipe
Jumlah
komputer
Bisnis
Pendidkan Kesenangan
IBM
55
5
6
66
Apple
34
10
5
49
Atari
5
24
23
52
Lain-lain
26
5
5
36
Jumlah
120
44
39
203
DISTRIBUSI F
Distrubusi matematis ini di dapatkan oleh R. F. Fisher
Pop. Xi
: X1
n1 :
S112
n2
S 212
X2
X3
S132
S122
S 232
S 222
S 12
F2
>
X4 .. XN
S142
S152
S 242
.. S1N
S 252 ..
S 12
F
S 22
S 22N
nilainya mendekati 1
S 22
F3
F4
F5
. . . FN
Distribusi F
1-
1-
1 2
2
2
tetapi 1 2
http://www.statistics4u.info/fundstat_eng/cc_distri_fisher_f.html
21 Oktober 2012.
Tabel distribusi F
(1 )
F(v1, v2)
V2 = db
penyebut
1
2
3
4
5
..
V1 = db pembilang
4
5
..
..
..
..
F(v1, v2)
t
2
( n 1)
F (1, v 2 )
ANALISIS REGRESI
Pada alisis terdahulu baru melibatkan satu variabel saja.
Kalau sudah melibatkan dua atau lebih variabel , maka didekati
dengan ANALISIS REGESI.
ANALISIS REGRESI :
Adalah teknik analisis statistik yang menguraikan hubungan
antara satu variabel kuantitatif dependen ( variable respon )
dengan satu atau lebih variabel kuantitatif independen ( variable
predictor ). Variabel dependen biasa dilambang dengan Y, dan
variable independen dilambangkan dengan X.
Berdasarkan jumlah variabel independen yang terlibat dalam
analisis regresi, maka analisis regresi dibagi dua yaitu :
1. REGRESI SEDERHANA : yaitu analisis regresi yang
hanya melibatkan satu variabel independen saja. ( SIMPLE
REGRESSION).
Eq. Hubungan antara dosis pupuk fospor dengan hasil.
2. REGRESI BERGANDA : yaitu analisis regesi yang
melibatkan dua tau lebih variabel independen. (MULTIPLE
REGRESSION ).
Eq. Hubungan antara dosis pupuk N dan jumlah mulsa
dengan hasil.
Hubungan antara kandungan N, K, dan Cl pada daun
tembakau dengan daya bakar daun.
Garis regresi
y / x 0 1 xi
yN
(xi, yi) .
.
.
.
1 .
..
..
y3
y2
y1
x1
x2
x3
..
..
xN
Pada gambar ini terlihat bahwa pada X tertentu nilai Y tidak satu
tetapi bervariasi membentuk satu populasi. y adalah rata-rata
Y pada X tertentu, dan semua nilai y dari seluruh nilai X
membentuk garis regresi yaitu :
y / x 0 1 xi
y/x
Bagaimana kalau : 0 = 0,
1= 0,
1= + ,
1= -
y / x 0 1 xi
b0 Y b1 X
dan
b1
X iY
X i2
X Y
i
n
2
Xi
JP
JK x
CONTOH :
Ingin dipelajari hubungan antara umur dan tinggi dari anak-anak
yang dalam masa pertumbuhan.
Sampel Umur (Xi) Tinggi (Yi)
1
2
3
4
5
6
7
8
9
10
Jumlah
Rata2
b1
5
6
7
8
10
12
14
16
18
20
116
11,6
X iY
2
i
77
89
97
110
121
130
142
156
163
164
1249
124.9
X Y
n
2
Xi
XiYi
Xi2
Yi2
385
534
.
.
.
.
.
.
.
3280
15.946
25
36
.
.
.
.
.
.
.
400
1594
5929
7921
.
.
.
.
.
.
.
26896
164865
JP
JK x
n
116X1249
15.946
1457,6
10
b1
5,87
2
246,4
(116)
1594
10
b0 Y b1 X
i = 56,81 + 5,87 Xi
INTERPRETASI
SUMBER KERAGAMAN
PADA REGRESI LINEAR SEDERHANA
i = bo + b1Xi , dimana nilai i tidak akan persis sama dengan
nilai Yi faktual seperti terlihat ilustrasi seberikut :
yi
i = bo + b1Xi
( xi , y i )
(xi, i )
(xi,y)
xi
(Yi Y ) (Yi Y ) (Y Y )
Jika dijumlahkan untuk seluruh Yi dimana I = 1, 2, ., n,
n
Maka :
(Y Y ) (Y
i 1
i 1
Y ) (Yi Y i ) 0
i 1
i 1
i 1
i 1
Maka :
(Y
i 1
Y ) (Y i Y ) (Yi Y i ) 2
JKTotal
i 1
= JK Regresi
i 1
JK Sisa
JKTotal
n
Yi
n
(Yi Y )2 Yi 2 i 1 JKY
n
i 1
2
JP
JKRe gresi b12 ( X i X ) 2
b1 JP
JKx
i 1
n
db
JK
KT
JKReg.
KT Reg.
Sisa
(n 2 )
JKSisa
KTSisa
Total
(n1)
JKTot.
Regresi
Fhit.
F(1,(n-2)
6. Data
Sampel Umur (Xi) Tinggi (Yi)
1
2
3
4
5
6
7
8
9
10
Jumlah
Rata2
5
6
7
8
10
12
14
16
18
20
116
11,6
77
89
97
110
121
130
142
156
163
164
1249
124.9
XiYi
Xi2
Yi2
385
534
.
.
.
.
.
.
.
3280
15.946
25
36
.
.
.
.
.
.
.
400
1594
5929
7921
.
.
.
.
.
.
.
26896
164865
7. Perhitungan :
JKTotal
n
Yi
n
12492
i 1
2
Yi
164865
8864,9
n
10
i 1
2
n
Yi
n
1162
i 1
2
JK X X i
1594
248,4
n
10
i 1
n
n
X i Yi
n
(116)(1249)
JP X iYi i 1 i 1 15946
1457,6
n
10
i 1
JK Re gresi
JP 2 1457,6 2
8553,13
JK x
248,4
KTRe g .
KTSisa
FHit .
JK Re g .
dbRe g .
8553,13
8553,13
1
JK Sisa 311,77
38,97
dbSisa
8
KTRe g .
KTSisa
8553,13
219,5
38,97
db
JK
8553,13
Sisa
10-2=8
311,77
Total
10-1=9
8864,90
Regresi
KT
Fhit.
8553,13 219,5*
F(1,(n-2)
5,32
38,97
ANALISIS KORELASI
2
1. r koef. deter minasi r
2.
JP
JK x JK y
X iYi
2
2
X
Y
2
2
i
i
X i
Yi
n
n
PENGUJIAN H0 : 0
t hit
X i Yi
r
1 r2
n2