You are on page 1of 57

Tugas merangkum yang bersumber dari

buku : Prof. Drs. Sutrisno Hadi. M. A;
Metodologi Research Jilid 3

1. Tugas merangkum yang bersumber dari buku : Prof. Drs. Sutrisno Hadi. M. A;
Metodologi Research Jilid 3

BAB I PENGANTAR

1001. PENGERTIAN
Dalam pengertian yang sempit kata statistik digunakan untuk menunjuk
semua kenyataan yang berwujud angka-angka tentang sesuatu kejadian khusus.
Misalnya statistik kecelakaan lalu lintas, statistik nikah-talak-rujuk, dll.
Dalam pengertian luas (teknik metodologik) statistik berarti cara-cara
ilmiah yang dipersiapkan untuk mengumpulkan, menyusun, menyajikan, dan
menganalisa dat penyelidikan yang berwujud angka-angka.

1002. LANDASAN KERJA STATISTIK
Tiga jenis landasan kerja pokok statistik adalah: Variasi, Reduksi, dan
Generalisasi.
1003. CIRI-CIRI POKOK STATISTIK
1. Ia bekerja dengan angka-angka. Angka-angka dalam statistik mempunyai 2 arti, yaitu
angka sebagai jumlah yang menunjukkan jumlah atau frekwensi, dan angka yang
menunjukan nilai atau harga.
2. Ia bersifat obyektif. Kerja statistik menutup pintu bagi masuknya unsur-unsur
subyektif yang dapat menyulapkeinginan menjadi kenyataan atau kebenaran.
3. Ia bersifat universal. Dalam arti dapat digunakan hampir dalam semua bidang
penyelidikan.

1004. MENGAPA STATISTIK ?
Hampir semua penyelidikan ilmiah dilakukan terhadap sampel kejadian.
Tetapiolehkarena sampel hampir tidak perna dapat secara sempurna mewakili
populasinya, maka semua generalisasi yang didasarkan atas studi sampling pasti besar
atau kecil mengalami kesalahan atau kesesatan, maka segera timbul satu persoalan.
Persoalan inilah yang menjadi salah satu tugas terpenting statistik, yaitu
memperhitungkan kesalahan generalisasi.

1005. PENYAJIAN DATA STATISTIK
Bagaimana menyajikan data penyelidikan secara teratur, singkat, mudah
dimengerti, tetapi masih memberi gambaran yang tepat tentang sesuatu keadaan, adalah
salah satu tugas statistik yang sangat penting.
Penyajian data statistik pada dasarnya ada dua bentuk :
1. Bentuk penyajian dengan tabel-tabel.
2. Bentuk penyajian dengan grafik-grafik.

1006. VARIABEL
Semua obyek yang menjadi sasaran penyelidikan kita sebut saja Gejala.
Gejala-gejala yang menunjukan variasi baik dalam jenisnya, maupun dalam
tingkatanya, disebut Variabel.
Sesuatu gejala yang hanya dapat dibagi menurut jenisnya disebut Gejala
Diskrit, Gejala Kategorik, atau Gejala Nominal. Sedang sesuatu gejala yang dapat
digolongkan menurut tingkatan besar kecilnya disebut Gejala Kontinum.

BAB II DISTRIBUSI FREKWENSI

1007. TABEL DISTRIBUSI
Bahan-bahan penyelidikan yang terkumpul dan belum disusun dengan
cara apapundisebut data kasar atau bahan mentah. Akan tetapi jika data itu telah disusun
menurut urut-urutan besar kecilnya, baik dari atas ke bawah ataupun dari bawah ke atas,
data itudisebut Array.
Suatu penyajian dalam bentuk tabel yang berisi data yang telah digolong-
golongkan ke dalam kelas-kelas menurut keurutan tingkatanya beserta jumlah individu
yang termasuk dalam masing-masing kelas itu disebut Tabel Distribusi, atau lengkapnya
Tabel Distribusi Frekwensi.
DATA KASAR
I. Q.
116
97
109
102
114
89

ARRAY
I. Q.
89 116
97 114
102 109
109 102
114 97
116 89

Contoh Tabel Distribusi
I. Q. r
125 – 129 2
120 – 124 3
115 – 119 7
110 – 114 12
105 – 109 21
100 – 104 18
95 – 90 20
90 – 94 11
85 – 89 5
80 – 84 1
Total 100

1008. BATAS KELAS
Angka-angka 120-124 seperti terlihat dalam tabel diatas disebut Interval
Kelas atau Kelas atau Interval. Angka-angka itu membatasi kelasnya dari kelas-kelas
diatas dan di bawahnya, disebut angka-angka Batas Kelas. Angka 120 adalah angka
batas bawah. Sedang angka 124 adalah angka batas atas.
Batas Nyata adalah bilangan-bilangan dengan nyata-nyata membatasi
kelasnya dengan kelas lainya. Kadang-kadang batas- batas nyata digunakan untuk
menandai penggolongan-penggolongan dalam suatu tabel distribusi.

1009. LEBAR KELAS
Umumnya pencatatan dalam suatu tabel distribusi menggunakan
penggolongan-penggolongan kelas sama lebarnya. Suatu kelas yang tidak dengan jelas
menetapkan batasnya ke atas dan ke bawah dalam tabel disebut Kelas Terbuka.

1010. TANDA KELAS
Tanda Kelas adalah titik tengah daripada kelas, yang diperoleh dari
jumlah batas atas dan batas bawah dibagi dua.

1011. JUMLAH KELAS
Banyaknya kelas dalam distribusi disebut Jumlah Kelas. Jumlah kelas
yang lebih dari 20 memberikan gambaran yang sangat jelas tentang ciri- ciri individu,
tetapi tidak menunjukan dengan tajam karakteristik grup.

1012. TATA KERJA MEMBUAT TABEL DISTRIBUSI
1. Siapkan suatu blangko tabulasi dengan kepala kolom :
a. x, untuk skor atau interval kelas.
b. Jari-jari, untuk menghitung frekwensi skor atau kelas.
c. f, untuk menyalin frekwensi dalam bentuk jari-jari ke dalam frekwensi dalam
bentuk angka.
2. Carilah angka yang tertinggi dan angka yang terendah, dan kurangkan.
3. Bagi range itu sejumlah kelas yang layak (diantara 5 dan 20).
4. Masukan kelas- kelas itu ke dalam kolom pertama blangko tabulasi, yaitu kolom “x”.
5. Hitung dengan jari-jari dan masukan dalam kolom kedua blangko tabulasi semua
frekwensi daripada
bilangan-bilangan atau skor yang termasuk dalam tiap-tiap kelas.
6. Hitung jari-jari dalam kolom kedua itu dan salin dalam angka dalam kolom ketiga,
yaitu kolom “f”.
7. Ganti blangko tabulasi itu dengan tabel distribusi yang sebenarnya.

1013. DISTRIBUSI FREKWENSI RELATIV
Frekwensi yang dihitung dalam persen disebut Frekwensi Relativ.
Diperoleh dari membagi frekwensi kelas dengan jumlah frekwensi dan mengalikanya
dengan 100.
Jika semua frekwensi dalam tabel distribusi diubah ke dalam frekwensi
relativ, tabel distribusi itu akan menjadi tabel distribusi frekwensi relativ. Ini sangat
penting untuk membandingkan 2 kelompok penyelidikan yang tidak sama besarnya.

1014. DISTRIBUSI FREKWENSI KUMULATIV
Frekwensi kumulstiv dari suattu kelas adalah frekwensi yang dihitung
secara meningkat ke atas dai frekwensi kelas yang terbawah sampai kelas yang
bersangkutan.Suatu tabel yang berisi tentang frekwensi kumulativ disebut tabel
distribusi frekwensi kumulativ. Frekwensi kumulativ dari kelas yang teratas harus sama
dengan jumlah frekwensi dalam distribusi.
Perlu diketahui bahwa untuk memudahkan pekerjan dalam menentukan
batas-batas kelas, diambil ketentuan : batas bawah kelas adalah bilangan kelipatan “i”.

BAB III PENYAJIAN GRAFIK

1015. GRAFIK HISTOGRAM
Grafik Histogram adalah salah satu grafik yang dibuat diatas sistim
koordinat. Umumnya absisnya menyatakan besar kecilnya gejala, sedang
ordinatnyamenyatakan frekwensinya
Histogranm tersusun dari segiempat-segiempat yang didirikan pada absis,
membentang selebar-lebar kelas. Tinggi daripada segiempat-segiempat itu sebanding
dengan frekwensi masing-masing kelas yang diwakilinya.

1016. GRAFIK FREKWENSI POLIGON
Grafik lain yang juga sering kali digunakan ole seorang penyelidik untuk
melaporkan hasil penyelidikanya adalah Grafik Frekwensi Poligon. Poligon itu dibuat
dari data yang sama seperti histogram.

1017. POLIGON RELATIV
Jika dari suatu distribusi relativ dibuat suatu poligon, poligon ini akan
menjadi poligon relativ. Segala prinsip pembuatan poligon yang biasa tetap berlaku
sepenuhnya untuk pembuatan poligon relativ, kecuali satu hal yaitu ordinat di sebelah
kanan tidak lagi mencamtumkan “f”, melainkan “f%”. Maka dalam tabel distribusi
persiapanya ditambahkan satu kolom lagi dibelakang kolom “f”,yaitu kolom “f%”.

1018. POLIGON KUMULATIV atau OGIVE
Dari tabel distribusi frekwensi kumulativ dapat dibuat suatu poligon
kumulativ atau ogive. Dalam menyelidiki poligon ini absisnya adalah batas atas nyata
dari tiap-tiap kelas.

1019. GRAFIK SERABI
Satu bentuk grafik lagi yang kerapkali digunakan untuk melaporkan hasil
penyelidikan adalah Grafik Serabi. Grafik ini berbentuk lingkaran (mensimbulkan
keseluruhan) dengan jari-jari yang membagi lingkaran itu menjadi beberapa daerah
yang luasnya seimbang dengan bagian-bagian gejala yang digambarkan.
BAB IV PENGUKURAN TENDENSI SENTRAL
Untuk mengadakan deskripsi suatu grup kita dapat mencari suatu bilangan
yang dapat mewakili grup itu, misalnya bilangan rata-rata. Bilangan rata-rata adalah
bilangan tendensi sentral diantara bilangan-bilangan tendensi sentral lainya.
Tendensi Sentral adalah suatu bilangan yang menunjukan tendensi
menjadi pemusatan (sentarl) dari bilangan- bilangan lainya dalam distribusi.

1020. MODE
Mode adalah suatu nilai atau golonagn gejala yang paling banyak terjadi,
paling besar frekwensinya.

1021. MEAN
Mean diperoleh dari menjumlahkan seluruh nilai dan membaginya dengan
jumlah individu. Dalam istilah sehari-hari ia disebut angka rata-rata. Dalam statistik ia
kerapkali disebut Mean Aritmetik dan diberi simbul M. Rumusnya adalah :
M = mean
M = ∑ X
X = jumlah nilai
N
N = jumlah individu
Cara yang lebih efisien untuk mencari mean dari sesuatu distribusi adalah :

MK = mean kerja
M = MK + ( ∑ f x’ ) i
N X’ = deviasi dari MK
i = lebar kelas

1022. MEDIAN
Suatu nilai atau bilangan yang membatasi separo frekwensi bagian bawah
distribusi dari separo bagian atas disebut Median, dan diberi simbul Mdn.
Untuk menetapkan bilangan median, data kasar harus terlebih dahulu
disusun menjadi array atau tabel distribusi, contoh :
Subyek No. 1 2 3 4 5 6 7 8 9
IQ 117 113 113 111 (108) 105 101 93 89
Dalam contoh diatas Mdn = 108. Bilangan 108 ini membatasi empat orang di bawah
dengan empat orang di atasnya.

1023. KEDUDUKAN MEAN, MEDIAN, dan MODE
Kedudukan tiga tendensi ini sangat tergantung pada bentuk distribusi.
Dalam praktek penyelidikan pada umumnya kita akan menjumpai tiga kemungkinan
bentuk distribusi sebagaimana ditunjukan oleh bentuk kurve poligonya.
1. Bentuk distribusi normal, kurvenya menyerupai bentuk genta. Pada keadaan ini
mean, median, dan mode bersekutu ( M = Mdn = Mo ).
2. Bentuk distribusi juling positiv, kurvenya hampir menyerupai genta dengan ekor
disebelah kanan. Pada posisi ini Mo terletak di bawah puncak kurve, Mdn
terletak disebelah kananya, dan M terletak dikanayan lagi ( MO < Mdn < M ).
3. Bentuk distribusi juling negativ, kurvenya hampir menyerupai genta denga ekor
disebelah kiri. Pada posisi ini Mo di bawah puncak kurve, Mdn di sebelah
kirinya, dan M disebelah kirinya kagi
( Mo > Mdn > M ).

1024. BILAMANA MENGGUNAKAN MODE, MEDIAN, DAN MEAN
Kegunaan masing- masing bilangan tendensi sentral, antara lain :
1. Mode
a. Merupakan alat deskriipsi yang cepat tetapi kasar.
b. Cocok untuk mendeskripsi kasus tipikal atau mencari kejadian yang
populer.
c. Tidak terpengaruh oleh kasus ekstrim.
2. Median
a. Alat deskripsi yang lebih baik untuk menghadapi distribusi-distribusi
yang tidak normal.
b. Tepat untuk menghadapi distribusi terbuka.
3. Mean
a. Paling stabil untuk melayani analisa- analisa matematik.
b. Paling cocok untuk menghadapi distribusi normal.
c. Paling reliabel untuk alat estimasi ( menaksir ).
BAB V PENGUKURAN VARIASI

1027. PENGERTIAN

Makin besar variasi sesuatu gejala, makin jauh gejala itu dari keadaan
homogen. Sebab besar kecilnya variasi mencerminkan besar kecilnya homogenita.
Istilah-istilah variasi, variabilita, dan dispersi dalam statistik pada
umumnya mempunyai arti yang sama, yaitu keadaan penyebaran nilai-nilai dari
tendensi sentralnya.

1028. RANGE
Jarak antara nilai yang tertinggi dengan nilai terendah disebut Range. Jadi
misalnya jika IQ yang tertinggi adalah 120 dan IQ yang terendah adalah 85, maka range
IQ dalam grup itu adalah
120 – 85 = 35.
1029. RANGE 10 - 90
Nilai yang ekstrim ( terlalu rendah atau terlalu tinggi ) adalah nilai yang
tidak stabil. Range sangat tergantung pada nilai-nilai ekstrim itu.
Untuk menghindari nilai yang tidak stabil dapat diambil range yang lebih
sempit, yaitu range antara P10 dengan P 90. Dengan range 10 - 90 ini distribusi telah
dipotong 20 %, masing-masing
10 % pada tiap-tiap ujungnya.
Jadi misalnya jika dari suatu distribusi IQ diketemukan P 10 = 92 dan P 90
= 116, maka range 10 – 90 nya adalah :

Re10 – 90 = P90 – P10 = 116 – 92 = 24

1030. RANGE ANTAR KWARTIL
Daripada memotong 10% pada tiap-tiap ujung distribusi seperti range 10
– 90, range antar kwartil ini memotong 25%. Karena itu range antar kwartil ini tidak
lain adalah range 25 – 27 yang dapat diselesaikan dengan rumus :

Re25 – 75 = P75 – P25 = K3 – K1

1031. RANGE SEMI ANTAR KWARTIL
Range semi antara kwartil diperoleh dari membagi dua range antar
kwartil. Rumusnya :
RSAK = K3 – K1
2

1032. MEAN DEVIASI
Secara aritmetik mean deviasi adalah mean dari harga mutlak semua
deviasi nilai-nilai individual. Deviasi adalah penyimpangan sesuatu nilai dari mean
grupnya. Deviasi dalam statistik diberi simbul dengan huruf-huruf kecil seperti x, y, d,
dan sebagainya.

1033. STANDAR DEVIASI
Satu kelemahan pokok dari pada mean deviasi adalah terletak cara
perhitunganya yang mengabaikan tanda plus dan minus sehingga karenanya mean
deviasi tidak dapat dikenai perhitungan-perhitungan matematik yang tetap
mempertahankan harga-harga plus dan minus. Standar deviasi dapat mempertahankan
segi-segi baik dari mean deviasi, dan mengatasi kelemahan pokoknya, semua
deviasinya dikwadradkan, kemudian dijumlahkan, dan akirnya diakar. Maka akan
diperoleh bilangan standar deviasi yang bertanda plus dan minus. Standar deviasi yang
plus menunjukan deviasi diatas mean, sedang yang bertanda negativ menunjukan
penyimpangan di bawah mean. Rumusnya :

SD = √ ∑ fxx
N
1034. ARTI STANDARD DEVIASI
Jika yang digunakan untuk mendeskripsi tendensi sentralnya adalah
mean, standard deviasi selalu digunakan untuk mendiskripsi variasi. Standard deviasi
membagi range menjadi beberapa bagian yang sama lebarnya, pembagian dimulai
pertama-tama dari mean distribusi, membentang ke atas dan ke bawah dengan tanda-
tanda plus dan minus.
Untuk menguji apakah sesuatu gejala mengikuti kurve normal atau tidak,
statistik menyediakan beberapa teknik pengujian normalitas ( test of normality).

1035. STANDARD SCORE
Standard score atau angka standard mempunyai arti yang penting untuk
membandingkan angka-angka dari beberapa variabel. Seperti contoh-contoh di bawah
ini :

Individu cabang lomba Prestasi
A. 1. loncat tinggi 188 cm
2. Angkat besi 65 kg
3. Lari 100 m 13 dtk
B. 1. Loncat tinggi 185 cm
2. Angkat besi 70 kg
3. Lari 100 m 11 dtk

Bilangan-bilangan tersebut diatas disebut angka kasar ( raw score ). Angka
angka kasar semacam itu jarang sekali dapat dibandingkan. Untuk dapat
membandingkanya kita dapat mengubah atau menstranformasikannya ke dalam
persentil, atau yang lebih tepat lagi ke dalam angka standard. Ada banyak macam angka
atandard, tetapi yang menjadi sumbernya adalah apa yang disebut Z – score atau
bilangan - Z.

Z = angka standard
Z = X– M X = angka kasar yang diketahui
SD
M = mean distribusi
SD = standard deviasi angka kasar

1036. ANGKA SEKALA
Dengan sumber angka – Z yang baru dibicarakan banyak dikembangkan
angka-angka standard lainya yang dikenal orang sebagai angka sekala. Angka-angka ini
dibuat sedemikian rupa sehingga tanda minus dapat dihindari untuk meniadakan
kebingungan. Beberapa diantaranya :
1. T – Score
Yaitu angka skala yang menggunakan mean = 50 dan SD = 10. Untuk
menemukan T – Score masing-masing angka –Z mula-mula dikalikan 10,
kemudian ditambah 50. Rumus angka – T adalah :
T = 102 + 50

2. GRE Score
Angka GRE ( Graduate Record Examination) dari Educational Testing
Service, Princeton,
New Jersey menggunakan angka sekala dengan M = 500 dan SD = 100.
Rumusnya :

GRE = 1002 500

3. AGCT Score
The Army General Classification Test Score dari Angkatan Darat USA
mempunyai angka sekala sendiri dengan M = 100 dan SD = 20.
Rumusnya :
AGCT = 202 + 100

4. Stanine
Us Air Force menciptakan suatu sistim angka sekala yang lain lagi. Kata
Stanine berasal dari standard nine score. Stanine plan yang
dikembangkan pada PD II ini membagi populasi dalam 9 grup dengan
simbul angka berturut-turut dari bawah ke atas 1, 2, 3, ….,9.
5. Stanel
Fakultas Ilmu Pendidikan UGM dengan menyesuaikan diri dengan sistim
penilaian di Indonesia membuat sistim angka sekala II golongan, yaitu
angka-angka 0, 1, 2, 3, ……,10.

BAB VI. PENGUKURAN KORELASI

1037. ARTI KORELASI
Korelasi ialah hubungan timbale balik ( hubungan antara variable ). Dimana
variable tersebut adalah atribut yang memiliki perbedaan. Misalnya hubungan antara
permintaan dan penawaran, hubungan antara kemlaratan dan kejehatan, dan lainnya

1038. ARAH KORELASI
Arah korelasi merupakan suatu teori untuk mempelajari cara untuk mengetahui
kuat atau lemahnya hubungan antara variable.

1039. KOEFISIEN KORELASI
Besar kecilnya korelasi slalu dinyatakan dalam angka. Angka korelasi ini disebut
koefisian korelasi. Koefisien slalu bergerak diantara 0,000 sampai dengan 1,000.

1040. KORELASI ANTARA BERJENIS – JENIS GEJALA
Golongan gejala ada 2 yaitu gejala diskrit atau nominal atau gejala kontinum.
Gejala nominal misalnya jabatan dan jenis kelamin sedangkan gejala kontinum ialah
tinggi badan.
1041. LINIERITAS HUBUNGAN
Dapat dilihat dari peta korelasi dibawah ini:

Y Y

X X
Grafik 10.14. Korelasi linier Grafik 10.15. korelasi linier
positif negatif

Y Y Y

X X
Grafik 10.16. Korelasi kurviliner Grafik 10.17. tak korelasi
1042. KORELASI PRODUCT MOMENT
Korelasi ini melukiskan antar 2 gejala interval. Gejala interval ialah gejala yang
menggunakan skala pengukuran yang berjarak sama. Rumus menghitungnya ialah:

rxy = Σ xy

√(Σ X²) (Σ Y²)
keterangan: rxy = Koefisien korelasi antara gejala X dan gejala Y
Σ xy= jumlah produk dari x dan y

1043. KORELASI TATA JENJANG
Jika dua gejala dua – duanya dilaporkan dalam bentuk tata jenjang perhitungan
korelasinya menggunakan korelasi tata jenjang rumusnya berbunyi sebagai berikut.

rho xy = 1- 6 Σ B²
N (N² – 1)

Keteranagan. rho = koefisien korelasi tata jenjang

Σ B² = Kwadrad jumlahlah beda antar jenjang

1044. KOEFISIEN KONTINGENSI
Koefisien ini akan menunjukkan korelasi antara 2 gejala nominal rumus dan
pergunaannya sebagai berikut:

KK = √ X²

X² + N

Kerterangan. KK = Koefisien kontingensi
X² = Chi kwadrad yang cara menghitungnya akan diperhitungkan
Jumlah yang diharapkan atau fh. frekuwensi yang diharapkan ini diperoleh dari
rumus sebagai berikut:
f h = Total baris ( tanpa kolom )
N

Rumus X² adalah sebagai berikut:

X² = Σ [ ( f o – fh ) ² ]
fh

1045. KORELASI SERIAL
Jika gejala yang satu berskala ordinal dan yang satu interval perhitungan
korelasinya menggunakan teknik korelasi serial rumusnya berbunyi:

r ser = Σ { ( o – o ) (M ) }
r t

SD tot Σ {
( or – ot ) ²}
P
Keterangan. r ser = Koefisien korelasi serial
or = Ordinat yang lebih rendah
ot = Ordinat yang lebih tinggi
M = Mean
SD tot = Standart deviasi total
P = proporsi individu dalam golongan

1046. KORELASI POINT SERIAL
Teknik korelasi ini disediakan untuk menyelidiki ada tidaknya korelasi antara
dua gejala dalam mana yang satu merupakan gejala nominal dan yang satunya lagi
gejala interval. Dibawah ini adalah rumus memakai teknik korelasi untuk mencari
gejala interval dan gejala nominal:

[ M1 – M2 ]
rp = √ pq
SD tot

Dalam mana: M1 = Mean gejala interval dari grup I
M2 = M ean gejala interval dari grup II
SD tot = Standrad deviasi dari gejala interval dari grup I dan grup II secara
total
p = Proporsi kasus (individu) dalam grup I
q = 1- p
Jika gejala niminalnya tidak hanya terbagi dalam dua golongan untuk itu
dipergunakan rumus:
Σ [ ( or – ot) M ]
rp =
SD tot √ Σ [ (o – o ) ]
r t
2

p

1047. TEKNIK – TEKNIK KORELASI LAINNYA
Jika ada tiga gejala atau lebih bakan hanya dua yang harus dikorelasikan kita
harus menggunakan teknik korelasi berganda ( multiple correlation techniques ).

XI. METODOLOGI STATISTIK
BAGIAN INTERENSIAL
I
BAB VII. TEORI PROBABILITAS
1101. ARTI PROBABILITAS
Jika sebutir mata uang logam kita lemparkan keatas denagan bebas
kemungkinan kita akan memperoleh kepala (K) atau ekor (E). kemungkinan timbul atau
tidak timbulnya suatu kejadian itu disebut probabilitas kejadian. Kemungkinan timbul
disebut sukses dan kemungkinan tidak timbul disebut gagal.

1102. PROBABILITAS TEORETIS DAN PROBABILITAS EMPIRIS
Perbandingan probabilitas sukses dan gagal seperti disebutkan diatas adalah
perbandingan teoritis. Umumnya ada factor –faktor “kebetulan” diluar kekuasaan
tangan manusia yang mengubah keadaan probabilitas teoritik itu.
Maksud dari pada probabilitas empirik dari suatu kejadian tidak lain adalah
probabilitas timbulnya kejadian itu darisejumlah besar observasi.

1103. DISTRIBUSI PROBABILITAS GEJALA DISKRIT
Jika dua buah mata uang yang masih baik kita lemparkan bebas bersama – sama
kita akan memperoleh KK, KE,EK dan EE dalam perbandingan 1 : 1 : 1 : 1 atau bentuk
probabilitas ¼ : ¼ : ¼ : ¼. Jumlah seluruh probabilitas adalah 1.

1104. DISTRIBUSI PROBABILITAS GEJALA KONTINUM
Pengertian mengenai distribusi probabilitas seperti yang baru dibicarakan diatas
dapat diperluas untuk gejala kontinum dinyatakan dalam grafik polygon.

x1 x2

II. DISTRIBUSI BINOMIAL DAN DISTRIBUSI NORMAL
1105. DISTRIBUSI BINOMINAL
Jika sukses = p dan gagal = 1 – p maka probabilitas bahwa suatu gejala G akan
timbul X dalam N kejadian ( artinya X kali akan sukses dan N – X kali akan gagal )
dinyatakan dalam rumus:
N1
X N-X
P (x) = NKXp q = pXqN-X
X1 (N-X) 1

Dalam mana: X = semua bilangan dari 0 sanpai N
NKX = X kali sukses dari N kejadian
N = N ( N – 1 ) ( N – 2 ) . . . 1. 0! = 1menurut definisi
Persamaan diatas yang digunakan untuk menetapkan probabilitas suatu gejala
telah diperluas untuk menetapkan probabilitas distribusi gejala diskrit yang mempunyai
dua penampakan. Persamaan perluasaan ini disebut ekspensi biomisi, distribusi
binominal, atau distribusi Bernoulli. Persamaanya berbunyi:

(p+q)N = pN + NK1pN-1q + NK2pN-2q2. + . . . + qN

Dalam mana : 1, NK1, NK2, . . .1 Disebut koefisien binominal,

1106. CIRI – CIRI DISTRIBUSI BINOMINAL
Ciri – ciri distribusi binominal adalah:
Table
Mean = M = Np
Standard deviasi = SD = √ Npq
Varians = SD2 = Npq

1107. DISTRIBUSI NORMAL
Salah satu distribusi – distribusi probabilitas gejala kontinum yang paling
banyak diharapkan akan muncul adalah distribusi normal atau distribusi Guasse.
Distribusi ini menunjukkan persamaan sebagai berikut:
Y = 1
SD √ 2 π
π = 3,14159 . . .
e = 2,71828. . .
z =(X–M)
SD

1108. BEBERAPA CIRI KURVE NORMAL
Ciri – cirri kurve normal seperti ditunjukan oleh persamaan diatas itu adalah
sebagai berikut:
Mean = M = ΣX/N
Standard deviasi = SD = √ Σ X2 / N
Varians = SD2 = Σ X2 / N

1109. HUBUNGAN ANTARA DISTRIBUSI BINOMINAL DENGAN
DISTRIBUSI NORMAL
Sekitar N cukup besar dan p maupun q tidak mendikati bilangan 0, maka
distribusi binomial akan sangat mendekati distribusi normal dengan
X - Np
=
√ Npq

Pendekatan itu semakin sempurna jika N ditmbah – tambah. Secara praktis
pendekatan itu sudah cukup baik jikalau Np dan Np lebih besar dari pada 5, untuk
distribusi kontinum rumus z-nya adalah:

z = X–M
SD

1110. HUBUNGAN ANTARA DISTRIBUSI TEORETIK DENGAN DISTRIBUSI
FREKWENSI
Baik dengan perhitungan – perhitungan probabilistic maupun dengan
pertimbanga – pertimbangan lain orang dapat mengenakan disribusi teoritik ( distribusi
harapan ) pada distribusi sample dari suatu populasi.
BAB IX. DISTRIBUSI SAMPLING

1111. STATISTIK DAN PARAMETER
Statistik ialah segala bilangan yang diperolrh dari sample, seperti mean, median,
mean deviasi, standard deviasi. Sedangkan parameter ialah bilangan – bilangan dari
populasi yang tidak diketahui dan akan ditaksir dari bilangan – bilangan statistic.

1112. TEORI SAMPLING
Teori ini mempunyai 2 tugas yaitu:
a. Mengadakan estimasi ( menaksir ) keadaan parameter dari statistic seperti
yang baru dibicarakan.
b. Mengadakan penyelidikan adalah perbedaan – perbedaan yang diobservasi
antara dua sample atau lebih merupakan perbedaan yang meyakinkan
ataukah karena hanya factor kebetulan.

1113. STATISTIK INFERENSIAL
Semua penyelidikan tentang populasi yang didasarkan atas data statistic beserta
petunjuk – petunjuk tentang ketelitian dan kemantapan dari pada keputusan yang
diambil berdasarkan teori probabilitas disebut statistic inverensial.

1114. SAMPEL YANG REPRESENTATIV; RENDOM SAMPEL
Agar supaya teori kesimpulan – kesimpulan statistic mengandung kebeneran,
maka sample yang dipilih sebagai landasan penyimpulan haruslahmewakili atau
representative untuk populasinya. Random sampling adalah bahwa semua anggota
populasi mempunyai peluang yang sama.

1115. SAMPLING DENGAN DAN TANPA PENGGANTI
Sebelum melakukan pengambilan anggauta sample yang kedua, anggauta
sample yang pertama yang telah diambil secara random diganti lebih dahulu, maka
sampling semacam ini disebut random sampling dengan penggantian. Dengan sampling
penggantian nomer anggauta yang sama mungkin sekali akan terpilh lagi. Sebaliknya
dalam sampling tanpa penggantian, pengambilan anggauta populasi yang dilakukan
terus menerus secara random tanpa penggantian – penggantian.

1116. DISTRIBUSI SAMPLING
Distribusi sampling ialah distribusi suatu statistic yang diambil dari sejumlah
sample. Dari sebuah sample kita dapat menghitung macam – macam statistic dari
jumlah sample kita akan mempunyai jumlah statistic yang berbeda satu sama lain.

1117. DISTRIBUSI SAMPLING MEAN
Jika populasi terbaras jumlahnya, dan semua kemungkinan sampel yang masing
– masing besarnya adalah N telah diambil tapa pergantian, maka:

MS = MP dan SDM = SD √ N –N
P

N NP – 1
Dalam mana: MS = Mean dari distribusi sampling mean
MP = mean parameter
SDM = standard defiasi mean
NP = N parameter
N = N sample

1118. DISTRIBUSI SAMPLING
Contohnya kemungkinan timbulnya suatu kejadian (kemungkinan sukses) kita
sebut p dan kemungkinan tidak timbulnya kejadian itu (kemungkinan gagal) kita sebut q
= 1-p. maka jika kita buat distribusi dari semua p kita akan memperoleh suatu distribusi
dari semua p yang ditunjukkan oleh persamaan sebagai berikut:

MP = p dan SDP = √ pq
N

1119. DISTRIBUSI SAMPLING
Adapun mean dan standard difiasi dari suatu distribusi sampling ditunjukkan

masing – masing oleh symbol M (S1 – S2) dan SD(S1 – S2) , dan rumusnya adalah sebagai
berikut:
M (S1 – S2) = MS1 – MS2 dan SD (S1 – S2) = √ SD2S1 + SD2S2

1120. STANDARD KESALAHAN
Standard kesalahan statistik ialah standard deviasi dari sampling suatu statistik.
Daftar itu disusun atas syarat syarat sebagai berikut:
1. Sampel diambil secara random.
2. populasi tidak terbatas.
3. atau sampling dilakukan pada populasi terbatas tetapi dengan pengganti –
penggantinya.
Kecuali itu diberikan catatan – catatan secara umum sebagai berikut:
1. jika N ≥ 30, sample disebut sample besar.
2. jika N < 30, sample disebut sample kecil.

BAB X. TEORI – TEORI ESTIMASI

1121. DASAR PENGERTIAN ESTMASI
Teori ini merupakan landasan yang sangat amat penting untuk pekerjaan –
pekerjaan statistic dalam praktek – praktek research. Sebab menurut praktek kita tidak
mencari keterangan tentang sampel dari kerangan yang diperoleh dari populasi,
melainkan dari sebaliknya, kita ingin menarik kesimpulan tentang keadaan populasi dari
hasil – hasil penyelidikan kita.

1122. ESTIMASI YANG JITU
Suatu alat estimasi disebut jitu sekiranya mean dari distribusi sampling dari
sesuatu statistic tidak berbeda dengan bilangan parameter yang sejenis.

1123. ESTIMASI YANG EFISIEN
Dari semua jenis statistik yang distribusi samplingnay mempunyai mean yang
sama, salah satu yang varians-nya paling kecil disebut estimator yang terbaik atau yang
efisien.
1124. RELIABIITAS ESTIMASI
estimasi yang menggunakan satu bilangan disebut estimasi tunggal. Sebaliknya
estimasi yang menggunakan dua bilangan dalam mana keadaan parameternya
diperkirakan terletak diantara dua bilangan disebut estimasi bejarak (interval estimate).

1125. INTERVAL KEPERCAYAAN
Bilangan – bilangan 1,2,3,1,96,2,58. . . . dalam batas kepercayaan itu disebut
koefisien kepercayaan atau lebih sering disebut harga kritik dan diberi symbol zk .

1126. MENG ESTIMASI MEAN DAN PROPORSI
Dengan pengertian tersebut diatas kita dapat mengkhususkan diri pada dua tiga
statistik yang paling sering dihadapi dalam praktek research untuk mengestimasi mean
parameter kita gunakan rumus:

M = MS = zk . ( SD M )

Dalam mana : M = mean parameter.
MS = mean statistik.
zk = batas kepercayaan yang digunakan.
SD M = standard kesalahan mean parameter yang dapat ditaksir dari sd
statistik.
Sekiranya populasi terbatas dan sampling dilakukan tanpa penggantian rumusnya
menjadi:

Sd N - n
M = Ms ± zk √ N - 1
√n
Dalam mana: N = jumlah kasus dalam populasi yang terbatas.
n = jumlah kasus dalam sampel.
sd = standard diviasi statistik.
Untuk mengestimasi proporsi parameter digunakan rumus:
est P = p ± zk √ PQ
n

Dalam mana: P = proporsi parameter (yang dihipotasekan)
Q=1–P
p = proporsi yang diopserfasi pada sample
n = besarnya sample
est P = proporsi yang diestimasi
Jika proporsi terbatas dan sampling dilakukan tanpa penggantian:

N-n
est P = p = zk √ PQ √ N-1
n

BAB XI. TEORI – TEORI KEPUTUSAN STATISTIK
PENGETESAN HIPOTESA DAN SIGNIFIKANSI

1127. KEPUTUSAN STATISTIK
Suatu keputusan yang didasarkan atas kerja statistik disebut keputusan statistik.
Keputusan statistic adalah suatu keputusan tentang keadaan parameter yang berlandasan
pada informasi – informasi dari sampel penyelidikan.

1128. HIPOTESA STATISTIK : HIPOTESA NIHIL
Hipotesa statistik adalah suatu dugaan yang merupakan suatu pernyataan tentang
keadaan parameter yang didasarkan keadaan probabilitas distribusi sampling dari
parameter itu. Hipotesa statistik dinyatakan dalam bentuk hipotesa nihil, semua hipotesa
yang menyimpang dari hipotesa nihil disebut hipotesa alternativ.

1129. PENGETESAN SIGNIFIKASI
Tata kerja yang memungkinkan kita menetapkan apakah keadaan sampel yang
kita opserfasi berbeda secara signifikasi (meyakinkan) dari keadaan populasi yang kita
harapkan.
1130. KESALAHAN TIPE I DAN TIPE II
Ada satu cara untuk mungkin satu – satunya cara untuk mengurangi kesalahan
kedua tipe pengambilan keputusan itu, yaitu dengan mengulangi lagi penyelidikan
dengan menggunakan sampel yang lebih besar serta alat – alat opservasi / pengukuran
yang teliti, hal mana mungkin tidak praktis atau tidak dapat dijalankan.

1131. TARAF SIKNIFIKANSI
Pada umumnya yang dipakai sebagai taraf signifikasi adalah 5% atau 1% (0,5
atau 0,1). Sekiranya telah ditetapkan taraf signifikasi 0,5 untuk mengetes suatu hipotesa,
maka kemungkinan kita akan menolak hipotesa yang benar adalah 5 antara 100. atau
dengan kata lain kita percaya bahwa 95% dari keputusan kita adalah benar.

1132. PENERAPAN TES SIGNIFIKANSI PADA DISTRIBUSI NORMAL
Contohnya distribusi sampling dari suatu statistik S adalah normal dengan mean
dan standard deviasi MS dan SDS. maka z-soere dari distribusi itu ialah:

z = S - MS dengan mean = 0 dan variasi = 1
SDS

1133. TEST DUA-EKOR DAN TEST SATU-EKOR
Pengetahuan signifikasi seperti yang baru dibicarakan diatas adalah pengetesan
dua-ekor. Sebab kita menggunakan z-soere dari suatu statistik S pada kedua ujung atau
ekor distribusinya. Selain test dua-ekor tidak jarang seorang penyelidik memakai test
satu ekor yaitu apabila ia hanya menggunakan salah satu ujung ekor distribusi. Test satu
ekor ini digunakan misalnya untuk mengetest hipotesa yang mengatakan bahwa suatu
serum lebih baik dari pada serum yang lama atau bahwa suatu cara kerja lebih jelek dari
pada cara kerja lainnya.

1134. TEST KHUSUS
Ada dua maca test khusus yang sering digunakan dalam praktek adalah:
1. Test khusus untuk menyelidiki apakah mean sampel telah menyimpang terlalu
jauh dari mean populasi.
2. Test khusus untuk menyelidiki apakah proporsi sampel berbeda terlalu besar dari
proporsi populasi.
Kedua test diatas rumusnya adalah:
1. M E A N: n-m z = harga kritik
z= m = mean sampel
SD/ √ n M = mean populasi
SD = standard deviasi
N = besarnya sampel
2. P R O P O R S I
p–P z = harga kritik
z= p = proporsi sukses / muncul dalam sampel

√ PQ P = proporsi sukses / muncul dalam populasi
N Q = 1-P = proporsi gagal / tidak muncul dalam
populasi
n = besarnya sampel

X = jumlah atau frekewensi sukses yang
diopservasi
X – nP dalam sampel
z= n = besarnya sampel
√ nPQ

1135. KEKUATAN SUATU TEST OPERATING CHARATERISTIC CURVES
Operating Charateristic Curves atau kurve AC adalah grafik yang sangat berguna
untuk mengendalikan kesalahan tipe II sampai sekecil – kecilnya.

1136. KARTU KONTROL
Kartu control diperlukan sekali untuk mengendalikan mute (Qualita control).
Kartu kontrol atau control chart merupakan diagram yang menunjukkan batas – batas
penyimpangan suatu produksi dari standard pada taraf kepercayaan tertentu. Misalnya
suatu mesin dibuat untuk memproduksir bola lampu dengan gaya standart 1000 jam
dengan SD = 100 jam, untukmenguji apakah mesin itu masih memenuhi standard itu
atau tidak.
1137. TEST SIGNIFIKASI PERBEDAAN SAMPEL
1. Mean dari perbedaan mean atau M (m1 – m2) = 0
2. Standard deviasi perbedaan mean atau
SD (m1 – m2) = √ SD1 2
+ SD22
n1 n2

Jika standard deviasi populasi SD tidak tersedia dapat digunakan standard
deviasi sampel sd sebagai estimasi dari SD itu. Dengan menggunakan z-score yang
rumusnya:

(m1-m2) - 0 m1 - m2
z = =

SD (m1 – m2) √ SD1 2
+ SD22
n1 n2

BAB XII. TEORI SAMPEL KECIL

1138. PENGANTAR
Suatu sampel yang n-nya < 30 disebut sampel kecil. Teori sampling kecil
dikembangkan untuk menghadapi sampel – sampel kecil semacam itu. Teori ini lebih
sering disebut teori sampling eksakkarena berlaku juga untuk menghadapi sampel –
sampel besar.

1139. DISTRIBUSI STUDENT’S t
Distribusi “ Student’s t “ dikemukakan oleh GOSSET pada permulaan abad ke
XX ini. Penemuannya itu diterbitkan dengan nama samaran “ student’s “ dengan
mengambil huruf terakhir dari nama penemunya maka distribusi ini disebut distribusi
student’s t.
Rumus dari statistik t adalah

t= m–M √ n - 1
sd
m = mean sampel
M = mean populasi
Sd = standard deviasi sampel
n = besarnya sampel
Kurve dari distribusi t ditunjukkan oleh persamaan

Y= Yo

t2 n
(1 + )2
n-1

Yo = tinggi ordinat dri kurve pada db yang bersangkutan. Db = (n-1)

1140. TARAF KEPERCAYAAN DAN TARAF SIGNIFIKANSI
Bahwa komplemen dari taraf kepercayaan disebut taraf signifikansi.
Komplemen dari taraf kepercayaan 95% dan 99% masing - masing adalah taraf
signifikansi 5% dan 1%.
1141. MENAKSIR MEAN POPULASI M DARI MEAN SAMPEL m DENGAN t
Untuk menaksir mean populasi M dari mean statistic m kita menggunakan
rumus:
sd
M = m ± tk
√ n - 1
1142. PENGETESAN HIPOTESA DAN SIGNIFIKANSI MEAN DAN
PERBEDAAN MEAN
Kita dapat mengenakan pengetesan hipotesa dan signifikansi dengan z-score
seperti yang telah kita bicarakan pada sampel kecil dengan mengganti z-score dengan t-
score.
1. MEAN
Hipotesa nihil Ho bahwa populasi normal mempunyai mean M ditest dengan.

t= m–M √ n - 1
sd

2. PERBEDAAN MEAN

t= n 1 - n2 √1 + 1
SD n1 n2

Adapun standard deviasi populasi SD dapat ditaksir dari persamaan

n1 (sd12) + n2 (sd12)
SD = √ n1 + n2 - 2

1143. DISTRIBUSI CHI KWADRAT

½ (db – 2) -½ χ2
Y = Yo ( χ 2 ) e

- ½ χ2
= Yo ( χ db-2 )( e )

Yo adalah suatu bilangan konstan yang besarnya sedemikian rupa sehingga daerah
kurvenya 100%.
Adapun harga chi kwadrad dapat diperoleh dari persamaan:

n (sd2) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
χ2 = =
2
SD SD2

Dalam mana χ2 = chi kwadrad
n = besarnya sampel
sd = standard deviasi sampel
1144. INTERVAL KEPERCAYAAN DARI χ 2
Juga dalam distribusi chi kwadrad kita dapat menggunakan taraf – taraf
kepercayaan 99%, 95% atau lain – lain kepercayaan.

1145. MENAKSIR SD DARI sd DENGAN CHI KWADRAD
Untuk menaksir standard deviasi populasi SD dari standard deviasi sampel sd
digunakan rumus:

sd √ n
SD =
√ χ2k
XIII. CHI KWADRAT

1146. FREKWENSI YANG DIOPSERVASI f o
Perumpamaan kita mempunyai mata uang logam dan kita lemparkan dengan
bebas keatas 10 kali, jika memperoleh sisi kepala 7 x dan ekor 3 x itu disubut frekwensi
yang diopservasi atau fo dari K dan E.

1147. FREKWENSI YANG DIHARAPKAN fh
Frekwensi yang diharapkan merupakan misalny kita lemparkan uang logam
bebas keatas 10 kali dan mengharap akan memperoleh 5K dan 5E. bilangan – bilangan
5K dan 5E itu disebut frekwensi yang diharapkan fo.
1148. CHI KWADRAT SEBAGAI TEST PERBEDAAN fo DENGAN fh
Chi kwadrad dikembangkan untuk menguji apakah perbedaan antara fo dengan fh
dari opserfasi yang terbatasmerupakan perbedaan yang signifikan ataukah tidak.

1149. DEFINISI
Statistik chi kwadrat untuk menguji signifikansi perbedaan antara fo dengan fh
diberikan rumus:
( fo1 - fh1 )2 ( fo1 - fh1 )2
χ2 = +
fh1 fh2

Rumus dapat juga dinyatakan sebagai berikut:

(fo - fh)2
χ = ∑
2

fh

1150. TEST SIGNIFIKANSI
Test signifikansi dengan bermaksud χ2 bermaksut menguji apakah frekwensi
yang diopserfasi fo berbeda dengan signifikan dan frekwensi yang diharapkan fh .
1151. TABEL HARGA KRITIK CHI KWADRAT
Perhitungan derajat kebebasanya akan segera di bahas.
1152. CHI KWADRAT DARI TABEL KONTINGENSI
Dalam one-way classification table fo dimuat hanya dalam satu kolom. Itulah
sebabnya table itu disebut 1xk
Untuk memudahkan rumus itu direproduksir kembali disini sebagai berikut:

(Total Frekwensi Sebaris) x (Total Frekwensi Sekolom)
fh =
N

1153. DERAJAD KEBEBASAN DARI CHI KWADRAT
Jumlah kebebasan kita miliki dalam mengisi petak – petak fn disebut derajat
kebasan dari chi kwadrat. Batasan yang kita alami dalam hal ini adalah bahwa jumlah
petak total dari fh harus sama dengan jumlah frekwensi petak total dari fo.

1154. TEST CHI KWADRAT UNTUK GOODNESS OF FIT
Kecocokan atau goodness of fit dari sesuatu distribusi empiric terhadap
distribusi teoritik seperti distribusi normal, distribusibinomial, dll.dapat ditest dengan
chi kwadrat.

1155. KOREKSI YATES KARENA KONSTINUITAS
Koreksi adalah mengurangkan 0,5 terhadap selisih (dalam harga mutlaknya)
antara fo dengan fh. koreksi ini terkenal dengan sebutan “Koreksi Yates” adanya koreksi
terhadap /fo - fh/rumusnya adalah:

( / fo - fh / -0,5)2
χ2 = ∑
fh

1156. RUMUS – RUMUS SINGKAT
Dalam rumus singkat ini chi kwadrat dihitung langsung dari fo tanpa menghitung
fh lebih dulu.
Untuk table konsingensi 2x2
N (ad-cb)2
a) χ =
2
(a+b) (c+d) (a+c) (b+d)

M (/ad-cd/ - 0,5N)2
b). dikoreksi χ2 =
(a+b) (c+d) (a+c) (b+d)
dalam mana a,b,c,dan d
a b a+b
c d c+d
a+c b+d N
1157. KOEFISIAN KONTINGENSI
Chi kwadrat juga digunakan untuk mencari korelasi antara gejala – gejala
nominal. Rumus koefisien kontingensi KK:

KK = √ χ2
χ2 + N

Makin besar harga KK akan makin besar derajat korelasi. Sebagai korelasi tidak lebih
besar dari +1,000.

KK < √ (k-1)/k

1158. KOEFISIEN PHI
Koefisien korelasi yang dihitung dari tabel kontingensi 2x2 disebut koefisien
phi. Rumusnya adalah

φ = √ χ2
N

1159. CIRI TAMBAHAN DARI CHI KWADRAT
Jika penyelidikan yang sejenis dilakukan berkali – kali harga dari chi kwadrat
keseluruh adalah jumlah dari masing – masing chi kwadrat dengan derajat kebebasan
jumlah dari masaing – masing db.

Tugas membuat pertanyaan dan jawaban yang
bersumber dari buku : Prof. Drs. Sutrisno
Hadi. M. A; Metodologi Research Jilid 3
1. Tugas membuat pertanyaan dan jawaban yang bersumber dari buku :
Prof. Drs. Sutrisno Hadi. M. A; Metodologi Research Jilid

BAB I PENGANTAR

1. Statistik digunakan untuk menujuk semua kenyataan yang berwujud angka
tentang sesuatu kejadian khusus. Adalah pengertian statistik secara ....
a. luas c. besar e. tinggi
b. sempit d. kecil
2. Statistik berarti cara – cara ilmiah yang dipersiapkan untuk mengumpukkan ,
menyusun, menyajikan dan menganalisa data penyelidikan yang berwujud angka,
adalah pengertian statistik secara ....
a. luas c. besar e. tinggi
b. sempit d. kecil
3. Apa 3 jenis landasan kerja pokok dalam statistik ?
a. reduksi , angka dan nominal d. variasi, reduksi dan
generalisasi
b. nominal, ordinal dan variasi e. variasi, angka dan huruf
c. ordinal, generalisasi
4. Apa ciri – ciri pokok statistik ?
a. bekerja dengan angka – angka saja d. obyektif dan universal
b. bekerja dengan angka – angka e. universal dan ordinal
c. obyektif dan universal
5. Kesimpulan – kesimpulan statistik biasanya dirumuskan dalam bentuk .....
a. kalimat – kalimat d. bilangan dan kalimat
b. bilangan dan kata e. kata – kata atau kalimat – kalimat
c. kata – kata
6. Semua obyek yang menjadi sasaran penyelidikan kita sebut .....
a. variabel c. gejala e. frekwensi
b. kontinum d. diskrit
7. Gejala – gejala yang menunjukkan variasi , baik dalam jenisnya , maupun dalam
tingkatannya disebut .....
a. variabel c. gejala e. frekwensi
b. kontinum d. diskrif
8. Suatu gejala yang hanya dapat dibagi menurut jenisnya disebut ....
a. gejala c. frekwensi e. variabel
b. kontinum d. diskrif
9. Suatu gejala yang dapat digolongkan menurut tingkat besar kecilnya , disebut ...
a. gejala c. frekwensi e. variabel
b. kontinum d. diskrif
10. Angka – angka yang dilekatkan pada variabel diskrif adalah angka ...
a. variabel c. kwantitatif e. diskrif
b. frekwensi d. kontinum

KUNCI JAWABAN

1. b
2. a
3. d
4. b
5. e
6. c
7. a
8. d
9. b
10. c

BAB II DISTRIBUSI FREKWENSI
1. Bahan – bahan penyelidikan yang terkumpul dan belum disusun dengan cara
apapun disebut .....
a. data obyek c. data besar e. data kasar
b. data lembut d. data kecil
2. Data yang disusun menurut urut – urutan besar kecilnya, baik dari atas ke bahwa
atau dari bawah ke atas, disebut .....
a. data besar c. data kasar e. data kecil
b. data array d. data obyek
3. Suatu penyajian dalam bentuk tabel yang berisi data yang telah digolong –
golongkan ke dalam kelas – kelas menurut keurutan tingkatannya beserta jumlahj
individu yang termasuk dalam masing – masing kelas , disebut .....
a. tabel diskriptif c. tabel distribusi
b. tabel frekwensi e. data array
c. data kasar
4. Bilangan – bilangan dengan nyata – nyata membatasi kelasnya dengan kelas
lainnya disebut ....
a. batas kelas c. batas nyata e. batas bawah
b. batas akhir d. batas atas
5. Suatu kelas yang tidak dengan jelas menetapkan batasnya , ke atas dank e bawah
dalam tabel disebut .....
a. kelas terbuka c. tanda kelas e. kelas atas
b. lebar kelas d. jumlah kelas
6. Titik tengah daripada kelas , yang diperoleh dari jumlah battas atas dan batas
bawah dibagi dua disebut ......
a. tanda kelas c. jumlah kelas e. lebar kelas
b. kelas terbuka d. kelas atas
7. Banyaknya kelas dalam distribusi disebut .....
a. tanda kelas c. jumlah kelas e. lebar kelas
b. kelas terbuka d. kelas atas
8. Frekwensi yang dihitung dalam persen disebut ......
a. kelas terbuka d. blangko tabulasi
b. tanda kelas e. frekwensi relatif
c. jumlah kelas

9. Frekwensi yang dihitung secara meningkat ke atas dari frekwensi kelas yang
terbawah sampai kelas yang bersangkutan, disebut ......
a. frekwensi dari suatu kelas
b. frekwensi komulatif dari suatu kelas
c. distribusi dari suatu kelas
d. frekwensi komulatif
e. frekwensi kumulatif dari bangko tabulasi
10. Untuk memudahkan pekerjaan dalam menentukan batas – batas kelas ditentukan
oleh ......
a. batas bahwa kelas adalah bilangan kelipatan a
b. batas bawah kelas adalah bilangan kelipatan i
c. dengan distribusi frekwensi
d. jumlah kelas di antara 5 atau 20
e. dengan jari – jari

KUNCI JAWABAN

1. E
2. B
3. D
4. C
5. A
6. A
7. C
8. E
9. B
10. B
BAB III PENYAJIAN GRAFIK

1. Salah satu grafik yang dibuat di atas system koordinat disebut .....
a. grafik histogram d. grafik serabi
b. grafik frekwensi polygon e. frekwensi
c. grafik frekwnsi
2. Umumnya absis dari grafik histogram menyatakan …..
a. frekwensireja d. besar kecilnya gejala
b. frekwensi polygon e. hubungan antar gejala
c. penyajian data
3. Sedang ordinat dari grafik histogram menyatakan ….
a. grafiknya d. kuat lemahnya gejala
b. besar kecilnya gejala e. hubungan antar gejala
c. frekwensinya
4. Grafik lain yang juga seringkali digunakan oleh seorang penyelidik untuk
melaporkan hasil penyelidikannya adalah ….
a. grafik histogram d. grafik frekwensi polygon
b. grafik frekwensi c. grafik – garfiknya
c. grafik serabi
5. Perbandingan absis dan ordinat dalam polygon kira – kira ….
a. 3:1 d. 4:2
b. 2:1 e. 2:4
c. 3:2
6. Ordinat dari polygon menyatakan …..
a. data d. gejala
b. frekwensi e. tabel
c. grafik
7. Jika dari suatu distribusi relatif dibuat suatu polygon , polygon ini akan menjadi
..
a. grafik histogram d. grafik frekwensi polygon
b. grafik frekwensi e. polygon relative
c. grafik serabi
8. Absis dari polygon kumatif atau ogif mencantumkan …..
a. batas atas nyata
b. batas atas nyata dari tiap – tiap grafik
c. batas bawah dari tiap – tiap kelas
d. batas atas nyata dari tiap – tiap kelas
e. batas akhir nyata dari tiap – tiap kelas
9. Satu bentuk grafik lagi yang kerap kali digunakan untuk melaporkan hasil
penyelidikan adalah ….
a. grafik serabi d. grafik frekwensi polygon
b. grafik histogram e. polygon relativ
c. grafik frekwensi
10. Berbentuk apa grafik pada grafik serabi ?
a. segitiga d. persegi panjang
b. segiempat e. jajar genjang
c. lingkaran

KUNCI JAWABAN

1. A
2. D
3. C
4. B
5. C
6. B
7. E
8. D
9. A
10. C
BAB IV
PENGUKURAN TENDENSI SENTRAL
1. Suatu bilangan yang menunjukkan tendensi menjadi pemusatan ( sentral ) dari
bilangan – bilangan lainnya dalam distribusi, disebut …..
a. mode d. median
b. mean e, distribusi
c. tendensi
2. Suatu nilai atau suatu golongan gejala yang paling banyak terjadi, paling besar
frekwensinya , disebut ….
a. mode d. median
b. mean e, distribusi
c. tendensi
3. Diperoleh dari apa penjumlahan seluruh nilai dan membaginya dengan jumlah
individu ?
a. mode d. median
b. mean e, distribusi
c. tendensi
4. Dalam istilah sehari – hari Mean disebut ……
a. tendensi sentral d. mean
b. median e. angka rata – rata
c. mode
5. Dalam istilah statistik Mean disebut …..
a. Angka rata - rata d. mode
b. Tendensi sentral e. median
c. Mean aritmetik
6. Apakah simbul dari Mean aritmetik …..
a. O d. M
b. P e. N
c. B
7. Apa rumus dari Mean ?
a. M = ∑ƒX d. M= ∑

N N
b. M= ∑X e. M= N
N ∑X
c. M= X
N

8. Suatu nilai atau bilangan yang membatasi separo frekwensi bagian bawah
distribusi dari separo bagian atas, disebut …..
a. mode d. mediun
b. mean e. distribusi
c. tendensi sentral
9. Bagaimana bentuk distribusi grafik yang kurvenya menyerupai bentuk genta ?....
a. Normal d. juling negativ
b. juling positif e. ke kanan dank e kiri
c. juling
10. Salah satu kegunaan persentil adalah …..
a. untuk mendeskripsikan d. untuk melihat kenyataan
b. untuk menaksir e. untuk menormaliasasikan distribusi
c. untuk menghitung

KUNCI JAWABAN

1. C
2. A
3. B
4. E
5. C
6. D
7. B
8. D
9. A
10. E

BAB V
PENGUKURAN VARIASI
1. Besar kecilnya variasi mencerminkan besar kecilnya ……
a. Variasi d. homogenita
b. Dispersi e. variabilitas
c. range
2. Keadaan penyebaran nilai – nilai dari tendensi sentralnya, disebut ….
a. homogenita d. homogin
b. variasi e. distribusi
c. range
3. Jarak antara nilai yang tertinggi dengan nilai terendah disebut ….
a. Homogenita d. variasi
b. disperse e. homogin
c. range
4. Range semi antara kwartil diperoleh dari ….
a. membagi dua range antar kwartil d. mean dan medium
b. membagi range e. mean deviasi
c. membagi antar kwartil
5. Mean dari harga mutlak semua deviasi nilai – nilai individual adalah ….
a. variabilita d. range semi
b. range antar kwartil e. mean deviasi secara aritmetik
c. mean dan mode
6. Salah satu standart pengukura variasi yang terpenting adalah …..
a. distribusi normal d. range antar kwartil
b. standart deviasi e. range semi
c. variasi
7. Untuk membandingkan angka – angka dari beberapa variabel adalah kegunaan
dari ..
a. range antar kwartil d. standart deviasi
b. range semi e. angka standart
c. variasi
8. Dengan sumber angka – 2 banyak dikembangkan angka – angka standart lainnya
yang dikenal orang sebagai ……
a. standart deviasi d. range antar kwartil
b. angka standart e. distribusi normal
c. angka sekala

9. Angka skala yang menggunakan mean = 50 dan SD = 10 , disebut …..
a. angka standart d. T – test
b. standart deviasi e. T – score
c. range semi
10. Kata stanine berasal dari ….
a. GRE score d. Standart Nine Csore
b. AGCT score e. Standart
c. Stanel

KUNCI JAWABAN

1. D
2. B
3. C
4. A
5. E
6. B
7. E
8. C
9. E
10. D

BAB VI
1. Apa korelasi itu ?
a. Hubungan antar agama. d. Hubungan antar Negara
b. Hubungan antar manusia. e. Hubungan antar lingkungan
c. Hubungan timbal balik.
2. Koefisien korelasi antara berapa ?
a. 0,100 dan ± 1,000. d. 1,000 dan ± 1,010
b. 0,001 dan ± 1,100. e. 0,000 dan ± 1,000
c. 0,010 dan ± 1,000.
3. Apa yang arti daripada arah korelasi itu ?
a. Teori untuk mempelajari cara untuk mengetahui kuat atau lemahnya
hubungan antar variabel.
b Teori mempelajari makhluk hidup.
.
c. Ilmu mempelajari arah listrik.
d Ilmu tentang kehidupan.
.
e. Teori tentang mengetahui asal usul manusia / makhluk hidup.
4. Bagaimana rumus cara mencari koefisien kontingensi KK tersebut ?

a. KK = √ X2 d. . KK = √ N2
X2 + N X2 + N

b. KK = √ X2 e. . KK = √ X2
X2 + t X2 + t2

c. . KK = √ X
2
X +t

5. dibawah ini yang menunjukkan grafik linier kulvilinier ?
a. b.

c. d.
e.

6. Cara mencari frekwensi yang diharapkan ?
a. Total baris dibagi t. d. Total baris dibagi KK.
b. Total baris dibagi N. e. Total baris dibagi X2.
c. Total baris dibagi X.
7. Gejala kontinum ada tiga golongan, apa saja itu ?
a. Ordinal, Interval, Rasional. d. Ordinal, Nominal, Rasional.
b. Nominal, Interval, Rasional. e. Original, Interval, Rasional.
c. Ordinal, Interval, Nominal.
8. Apakah Gejala Interval ?
a. Gejala yang tidak menggunakan skala pengukuran yang berjarak sama.
b. Gejala yang timbul salah menghitung.
c. Gejala yang menimbulkan masalah perhitungan korelasi.
d. Gejala yang menggunakan skala pengukuran yang berjarak sama.
e. Gejala dari masalah sendiri.
9. Bagaimana rumus korelasi point serial ?
[ M1 – M2 ] [ M1 – M2 ]
a. rp = √ pq d. rp = √M
SD tot SD tot

[ M1 – M2 ] [ M1 – M2 ]
b. rp = √ pq e. rp = √N
N SD tot

[ M1 – M2 ]
c. rp = √ t
SD tot
10. Apa guna dari teknik korelasi berganda atau multiple correlation techniques
tersebut ?
a. Jika ada tiga gejala korelasi atau lebih. d. Jika terdapat dua gejala.
b. Jika tidak ada gejala. E. Jika ada satu gejala.
c. Jika rumus tidak diketahui.
KUNCI JAWABAN

1. c. Hubungan timbal balik.
2. e. 0,000 dan ± 1,000.
3. a. Teori untuk mempelajari cara untuk mengetahui kuat atau lemahnya hubungan
antar variabel.

4. a. KK = √ X2
X2 + N
5. d.

6. b. Total baris dibagi N.
7. a. Ordinal, Interval, Rasional.
8. d. Gejala yang menggunakan skala pengukuran yang berjarak sama.
[ M1 – M2 ]
9. a. rp = √ pq
SD tot
10. a. Jika ada tiga gejala korelasi atau lebih.

BAB VII
1. Apa yang dimaksud probabilitas empirik itu ?
a. Probabilitas timbulnya kejadian dari sebesar observasi.
b. Kejadian yang tak menentu.
c. Terjadinya gejala – gejala korelasi.
d. Adanya faktor kebetulan.
e. Terjadinya kesuksesan atau tidaknya.
2. Apa yang kemungkinan akan timbul jika suatu uang logam dilempar keatas ?
a. Akan mendapatkan badan logam.
b. Kemungkinan kita akan memperoleh kepala atau ekor.
c. Kita akan kehilangan uang logam tersebut.
d. Selalu dapat kepala.
e. Selalu dapat ekor.
3. Maksud dari pada probabilitas kejadian merupakan ?
a. Kejadian yang tak menentu
b. Kemungkinan timbul atau tidaknya suatu kejadian.
c. Timbulnya suatu yang tak mungkin.
d. Semua perkiraan akan selalu benar.
e. Perkiraan akan selalu salah.
4. Yang termasuk cirri – cirri distribusi binomial ?
a. SD = 0 d. M = Np
b. N = 10 e. SD = Npq
c. SD2 = p
5. Bagaimana rumus z dalam distribusi kontinum ?

a. z = X – M d. z = X – M
N SD

b. z = X – M2 e. z = X – M
SD SD2

c. z = X2 – M
SD

6. Apa yang anda ketahui tentang distribusi normal itu ?
a. Distribusi yang tidak ada gangguan.
b. Distribusi probabilitas yang baik.
c. Distribusi yang diharapkan selalu tidak muncul.
d. Distribusi yang selalu muncul.
e. Gejala Kontinum yang paling banyak diharapkan muncul.
7. Apa saja ciri – ciri kurve normal itu ?
a. M = ∑ X/N d. SD = N2
b. M = N2 e. SD2 = X2
c. SD = √N
8. Cara mencari SD standard deviasi ?
a. √N d. √ Np
b. √pq e. Np
c. √Npq
9. Berapa besar nilai π tersebut ?
a. 3, 14159… d. 0,000…
b. 1,000… e. 3,54…
c. 2,71828…
10. Berapa besar nilai e tersebut ?
a. 3, 14159… d. 0,000…
b. 1,000… e. 3,54…
c. 2,71828…

\KUNCI JAWABAN

1. a. Probabilitas timbulnya kejadian dari sebesar observasi.
2. b. Kemungkinan kita akan memperoleh kepala atau ekor.
3. b. Kemungkinan timbul atau tidaknya suatu kejadian.
4. d. M = Np
5. d. z = X – M
SD
6. e. Gejala Kontinum yang paling banyak diharapkan muncul.
7. a. M = ∑ X/N
8. c. √Npq
9. a. 3, 14159…
10. c. 2,71828…

BAB VIII
1. Apakah yang dimaksud dengan statistk itu ?
a. Kejadian yang selalu ada. d. Bilangan yang diambil dari
sampling.
b. Bilangan yang diperoleh dari sampel. e. Bilangan yang sulit dicari.
c. Bilangan yang sulit dicari.
2. petunjuk tentang ketelitian dan kemantapan dari pada keputusan yang diambil
berdasarkan teori probabilitas adalah pengertian dari ?
a. Statistik inferensial. d. Distribusi sampling.
b. Teori sampling. e. Random sampel.
c. Parameter.
3. dibawah ini tugas teori sampling adalah ?
a. Mengadakan eksperimen. d. Mengadakan estimasi.
b. Mengetes signifikansi. e. Mengetes hipotesa.
c. Meneliti statistik
4. Apa dasar dari random sampling ?
a. Semua anggota populasi mempunyai peluang yang sama.
b. Semua anggota populasi tidak mempunyai peluang.
c. Penyimpulan harus untuk populasi.
d. Agar kesimpulan statistic mengandung kebenaran.
e. Mengadakan penyelidikan terhadap perbedaan yang diopservisi.
5. Dibawah ini salah satu syarat standart kesalahan ialah ?
a. Jika N = 20. d. Populasi tak terbatas.
b. Populasi terbatas. e. Sampel diambil secara acak.
c. Distribusi sampling tidak normal.
6. Bagaimana cara mencari distribusi sampling mean ?
a. SDm = sd d. SDm = sd
√n √p
b. SDm = pq e. SDm = √pq
c. SDm = n2
7. Penyelidikan yang diopservasi terhadap dua sampel atau lebih disebut ?
a. Distribusi sampling. d. Parameter.
b. Pengetesan signifikansi. e. Rendom sampel.
c. Statistik.
8. Bilangan – bilangan dari populasi yang yang tidak diketahui dan ditaksir dar bilangan
tersebut, merupakan pengertian dari ?
a. Hipotesa. d. Distribusi sampling.
b. Parameter. e. Mean.
c. Pengetesan signifikansi.
9. Jika N ≥ 30 maka sampel ini disebut ?
a. Sampel kecil. d. Sampel besar.
b. Sampel sedang. e. sampel mati.
c. Sampel hidup.
10. Jika N < 30 maka sampel ini disebut ?
a. Sampel kecil. d. Sampel besar.
b. Sampel sedang. e. sampel mati.
c. Sampel hidup.

KUNCI JAWABAN

1. b. Bilangan yang diperoleh dari sampel.
2. a. Statistik inferensial.
3. d. Mengadakan estimasi.
4. a. Semua anggota populasi mempunyai peluang yang sama.
5. d. Populasi tak terbatas.
6. a. SDm = sd
√n
7. b. Pengetesan signifikansi.
8. b. Parameter.
9. d. Sampel besar.
10. a. Sampel kecil.

BAB IX

1. Apakah arti dari Estimasi tunggal itu. ?
a. Estimasi yang menggunakan lima bilangan.
b. Estimasi yang menggunakan satu bilangan.
c. Estimasi yang sangat jitu.
d. Estimasi yang efisien.
e. Estimasi yang menggunakan dua bilangan.
2. Kemanakah teori estimasi akan disasarkan atau ditujukan ?
a. Penyelidikan terhadap sampel. d. Ditujukan kestatistik.
b. Terhadap bilangan estimasi tunggal. e. Terhadap mean.
c. Terhadap bilangan ganda.
3. Yang dimaksud dengan estimasi berjarak ialah ?
a. Estimasi yang menggunakan lima bilangan.
b. Estimasi yang menggunakan satu bilangan.
c. Estimasi yang sangat jitu.
d. Estimasi yang efisien.
e. Estimasi yang menggunakan dua bilangan.
4.Koefisien kepercayaan itu lebih sering disebut ?
a. Harga sembako. d. Harga kritik.
b. Harga kepercayaan. e. Estimasi
c. Statistik.
5. Mengapa dalam statistik kita sering menggunakan Estimasi Berjarak ?
a. Karena estimasi berjarak lebih jitu.
b. Kerena estimasi berjarak menunjukkan presesi yang jauh lebih besar dari pada
estimasi kecil.
c. Karena estimasi berjarak lebih mudah.
d. Karena estimasi berjarak mudah ditemui.
e. Karena estimasi tunggal kurang efisien.
6. Bagaiman rumus untuk eng-estimasikan mean parameter ?
a. M = MS = zk . ( SD M ) d. M = MS = zk . ( pq )
b. M = MS = N. ( SD M ) e. M = MS = zk . ( sd )
c. M = MS = zk . ( n )

7. Bagaiman rumus untuk eng-estimasikan proporsi parameter ?

a. est P = p ± zk √ PQ d. est P = p ± zk √ p
n n

b. est P = p ± zk √ PQ e. est P = p ± zk √ PQ
p N

c. est P = p ± zk √ PQ
2
N
8. Statiatik yang distribusi samplingnya mempunyai mean yang sama,salah satu
variannya paling kecil aialah pengertian dari pada ?
a. Estimasi. d. Estimator yang terbaik.
b. Statistik e. Parameter.
c. Standart deviasi.
9. Sasaran pokok statistik inferensial ada satu yaitu ?
a.Mengadakan estimasi tentang parameter dari informasi statistik.
b. Penyelidikan terhadap sampel. d. Ditujukan kestatistik.
c. Terhadap bilangan estimasi tunggal. e. Terhadap mean.
10. Jika populasinya terbatas dan sampling dilakukan tanpa pergantian maka rumusnya
ialah ?

N - SD
a. est P = p = zk √ PQ √ N-1
n
N-n
b. est P = p = zk √ SD √ N-1
n
N
c. est P = p = zk √ PQ √ N-1
n
N-n
d. est P = p = zk √ PQ √ N
n
N-n
e. est P = p = zk √ PQ √ N-1
n

KUNCI JAWABAN

1. b. Estimasi yang menggunakan satu bilangan.
2. a. Penyelidikan terhadap sampel.
3. e. Estimasi yang menggunakan dua bilangan.
4. d. Harga kritik.
5. b. Kerena estimasi berjarak menunjukkan presesi yang jauh lebih besar dari pada
estimasi kecil.
6. a. M = MS = zk . ( SD M )

7. a. est P = p ± zk √ PQ
n
8. d. Estimator yang terbaik.
9. a.Mengadakan estimasi tentang parameter dari informasi statistik.
N-n
10. e. est P = p = zk √ PQ √ N-1
n

BAB X

1. Apakah yang dimaksud dengan keputusan statistik ?
a. Suatu keputusan yang dadasarkan atas kerja statistik.
b. Keputusan yang tidak dapat dirubah.
c. Suatu keputusan dari suatu penyelidikan.
d. Suatu keputusan mencari Hipotesa statistik.
e. Keputusan kurang akurat.
2. Apa dibawah ini pengertian dari pada Hipotesa statistik ?
a. Suatu pernyataan tentang keadaan parameter yang didasarkan atas probabilitas
distribusi sampling dari parameter itu.
b. Semua hipotesa yang menyimpang dari hipotesa.
c. Suatu kerja statistik.
d. Hipotesa statistik dalam bentuk hipotesa nihil.
e. Suatu kesalahn statistik.
3. Semua hipotesa yang menyimpang dari hipotesa disebut ?
a. Statistik. d. Hipotesa nihil.
b. Hipotesa statistik. e. Hipotesa alternativ.
c. Kepitisan statistik.
4. Jika hipotesa benar dan seharusny diterima sedangkan kita menolaknya maka itu
merupakan kesalahan apa ?
a. Kesalahan tipe II. d. Kesalahan tipe I.
b. Kesalaha hipotesa. e. Kesalahan tipe III
c. Kesalahan keputusan statistik.
5. Bagaimana cara-cara untuk mengurangi kesalahan-kesalahan dari pengambilan
keputusan ?
a. Mengulangi lagi penyelidikan dengan mengginakan sampel yang lebih besar.
b. Dibiarkan saja.
c. Menggunakan sampel kecil.
d. Menekan kesalahan sekecil-kecilnya.
e. tidak diadakan pertimbangan-pertimbangan toeritik.
6. Bagaiman cara mencari z-score?
a. z = pq - MS d. z = N - MS

SDS SDS
b. z = S - MS 2 e. z = S - MS

SDS N
c. z = S - MS
SDS
7. Apa kegunaan daripada test satu ekor ?
a. Untuk mengetest kesalahan keputusan stitistik.
b. Untuk mengetest hipotesa yang mengatakan suatu serum lebih baik daripada
yang lama.
c. Untuk menyelidiki statistic.
d. Pengetesan suatu hipotesa.
e. Untuk menyaingi test dua ekor.
8. Daerah kritik suatu grafik biasanya disebut ?
a. Daerah signifikansi. d. Daerah penerimaan.
b. Daerah non signifikansi. e. Daerah statistik.
c. Daerah normal.
9. Diagram yang menunjukkan batas-batas penyimpangan suatu produksi dari standart
kepercayaan adalah pengertian dari ?
a. Kartu control. d. Sampel.
b. Kurve OC e. Grafik.
c. Proporsi.
10. Grafik yang sangat berguna untuk mengendalikan kesalahan tepi II sampai
kesalahan sekecil-kecilnya adalah maksud daripada ?
a. Kartu control. d. Sampel.
b. Kurve OC. e. Diagram.
c. Proporsi.

KUNCI JAWABAN

1. a. Suatu keputusan yang dadasarkan atas kerja statistik.
2. a. Suatu pernyataan tentang keadaan parameter yang didasarkan atas probabilitas
distribusi sampling dari parameter itu.
3. e. Hipotesa alternativ.
4. d. Kesalahan tipe I.
5. a. Mengulangi lagi penyelidikan dengan mengginakan sampel yang lebih besar.
6. c. z = S - MS
SDS
7. b. Untuk mengetest hipotesa yang mengatakan suatu serum lebih baik daripada yang
lama.
8. a. Daerah signifikansi.
9. a. Kartu control.
10. b. Kurve OC.

BAB XI

1. Teori sampling kecil biasa sering disebut ?
a. Signifikansi. d. Sampling eksak.
b. Student. e. Mean sampel.
c. Teori kerja
2. Distribusi sampling kecil ada dua, salah satu dibawah ini adalah ?
a. Distribusi Chi kwadrat. d. Distribusi normal.
b. Distribusi t. e. Harga kritik.
c. Distribusi sampling statistik.
3. Distribusi apa yang dikemukakan GOSSET ?
a. Distribusi Chi kwadrat. d. Distribusi sampling statistik.
b. Distribusi Student’s t. e. Harga kritik.
c. Distribusi normal.
4. Ho bahwa populasi normal mempunyai mean M, bagaimana cara mengetestnya ?

a. t = M √ n - 1
sd
b. t = m – M √ n - 1
sd
c. t = m – M √ n - 1
Y
d. t = m – M √ n - 1
N
e. t = m – M √
n - 1
2
sd
5. Untuk menaksir standart deviasi populasi SD dari standart deviasi sampel sd
menggunakan rumus ?
sd √ n2 sd √ M
a. SD = d. SD =
√ χ2k √ χ2k

sd √ n sd √ M2
b. SD = e. SD =
√ χk2
√ χ2k

sd2 √ n
c. SD =
√ χ2k
6. Untuk menaksir mean populasi M dari mean statistik m kita menggunakan rumus ?
sd N
a. M = m ± tk d. M = m ± tk
√n-1 √n-1
sd2 sd
b. M = m ± tk e. M =
√n-1 √n-1
sd
c. M = m ± tk
√n2-1
7. Kesalahan karena menerima hipotesa yang palsu ialah pengertian dari ?
a. Kesalahan tipe II. d. Kesalahan tipe I.
b. Kesalaha hipotesa. e. Kesalahan tipe III
c. Kesalahan keputusan statistik.
8. Harga chi kwadrat dapat diperoleh dengan rumus ?
n (sd2) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
a. χ2 = =
2
SD SD2
n (sd) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
b. χ2 = =
2
SD SD2

n (sd2) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
c. χ2 = =
SD SD

n (sd2) (X1 – m) + (X2 – m) + . . . + (Xn - m )
d. χ =
2
=
SD2 SD2

n (sd2) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
e. χ =
2
=
N2 N2
9. Jika data tentang SD tidak tersedia dapat ditaksir dengan sd dengan rumus ?
sd2 sd
a. SD = d. SD =
√n √ n

sd X
b. SD = e. SD =
√ n2 √ n2

sd
c. SD =
√ X2

10. Pada permulaan abad keberapa Distribusi student’s t dikemukakan ?
a. X d. XII
b. XII e. XX
c. IX

KUNCI JAWABAN

1. d. Sampling eksak.
2. a. Distribusi Chi kwadrat.
3. b. Distribusi Student’s t.

4. b. t = m – M √ n - 1
sd
5. sd √ n
b. SD =
√ χ2k
sd
6. a. M = m ± tk
√n-1
7. a. Kesalahan tipe II.
n (sd2) (X1 – m)2 + (X2 – m)2 + . . . + (Xn - m )2
8. a. χ2 = =
2
SD SD2
sd2
9. a. SD =
√n

10. e. XX