You are on page 1of 101

LAPORAN PRAKTIKUM

STATISTIK

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S.
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

1
KATA PENGANTAR

Puji syukur kita panjatkan kepada Allah SWT, laporan praktikum ini
akhirnya dapat terselesaikan. Laporan ini adalah laporan hasil praktikum Mata
Kuliah Statistik. Tanpa ridha dan kasih sayang serta petunjuk dari-Nya mustahil
laporan ini dapat terselesaikan.
Laporan ini disusun atas dasar tugas dari Dosen dalam Mata Kuliah
Statistik. Laporan ini mengulas antara lain : (1) teknik sampling dan pengumpulan
data; (2) pengolahan dan penyajian data; (3) mengukur pemusatan dan
penyebaran data; (4) hitung peluang dan distribusi teoritis; (5) pengujian
hipotesis; (6) analisis ragam dan (7) analisis regresi dan korelasi.
Mudah-mudahan laporan ini dapat bermanfaat bagi mahasiswa dan
pembaca yang memerlukan pengetahuan tentang statistik. Dalam kesempatan
ini penulis mengucapkan terima kasih kepada semua pihak yang telah
memberikan bantuan baik secara materiil maupun moril dalam penulisan laporan
ini. Kami juga mengucapkan terima kasih kepada Dosen yang telah memberikan
tugas pada kami, juga teman-teman yang telah berperan dalam pembuatan
makalah ini.
Akhirnya sesuai kata pepatah “Tiada Gading Yang Tak Retak,” kami
mengharapkan saran dan kritik yang dapat membangun. Kebenaran dan
kesempurnaan hanya Allah lah yang punya dan Maha Kuasa.

Purwokerto, 15 Juni 2010

Penulis

2
DAFTAR ISI

HALAMAN JUDUL ....................................................................................... i


KATA PENGANTAR .................................................................................... ii
DAFTAR ISI ................................................................................................. iii
ACARA I. TEKNIK SAMPLING DAN PENGUMPULAN DATA
BAB I PENDAHULUAN ................................................................................ 1
A. Latar Belakang ........................................................................ 1
B. Tujuan ..................................................................................... 2
BAB II ALAT DAN BAHAN ............................................................................ 3
BAB III PROSEDUR KERJA ......................................................................... 4
BAB IV HASIL PENGAMATAN ..................................................................... 5
BAB V PEMBAHASAN ................................................................................. 8
BAB VI KESIMPULAN .................................................................................. 12
DAFTAR PUSTAKA ..................................................................................... 13
ACARA II. PENGOLAHAN DAN PENYAJIAN DATA
BAB I PENDAHULUAN ................................................................................ 14
A. Latar Belakang ........................................................................ 14
B. Tujuan ..................................................................................... 14
BAB II ALAT DAN BAHAN ............................................................................ 15
BAB III PROSEDUR KERJA ......................................................................... 16
BAB IV HASIL PENGAMATAN ..................................................................... 17
BAB V PEMBAHASAN ................................................................................. 19
BAB VI KESIMPULAN .................................................................................. 24
DAFTAR PUSTAKA ..................................................................................... 25
ACARA III. MENGUKUR PEMUSATAN DAN PENYEBARAN DATA
BAB I PENDAHULUAN ................................................................................ 26
A. Latar Belakang ........................................................................ 26
B. Tujuan ..................................................................................... 26
BAB II ALAT DAN BAHAN ............................................................................ 27
BAB III PROSEDUR KERJA ......................................................................... 28
BAB IV HASIL PENGAMATAN ..................................................................... 29
BAB V PEMBAHASAN ................................................................................. 32
BAB VI KESIMPULAN .................................................................................. 35

3
DAFTAR PUSTAKA ..................................................................................... 36
ACARA IV. HITUNG PELUANG DAN DISTRIBUSI TEORITIS
BAB I PENDAHULUAN ................................................................................ 37
A. Latar Belakang ........................................................................ 37
B. Tujuan ..................................................................................... 37
BAB II ALAT DAN BAHAN ............................................................................ 39
BAB III PROSEDUR KERJA ......................................................................... 40
BAB IV HASIL PENGAMATAN ..................................................................... 41
BAB V PEMBAHASAN ................................................................................. 47
BAB VI KESIMPULAN .................................................................................. 50
DAFTAR PUSTAKA ..................................................................................... 51
ACARA V. PENGUJIAN HIPOTESIS
BAB I PENDAHULUAN ................................................................................ 52
A. Latar Belakang ........................................................................ 52
B. Tujuan ..................................................................................... 53
BAB II ALAT DAN BAHAN ............................................................................ 54
BAB III PROSEDUR KERJA ......................................................................... 55
BAB IV HASIL PENGAMATAN ..................................................................... 56
BAB V PEMBAHASAN ................................................................................. 60
BAB VI KESIMPULAN .................................................................................. 62
DAFTAR PUSTAKA ..................................................................................... 63
ACARA VI. ANALISIS RAGAM
BAB I PENDAHULUAN ................................................................................ 64
A. Latar Belakang ........................................................................ 64
B. Tujuan ..................................................................................... 64
BAB II ALAT DAN BAHAN ............................................................................ 65
BAB III PROSEDUR KERJA ......................................................................... 66
BAB IV HASIL PENGAMATAN ..................................................................... 67
BAB V PEMBAHASAN ................................................................................. 69
BAB VI KESIMPULAN .................................................................................. 72
DAFTAR PUSTAKA ..................................................................................... 73
ACARA VII. ANALISIS REGRESI DAN KORELASI
BAB I PENDAHULUAN ................................................................................ 74
A. Latar Belakang ........................................................................ 74

4
B. Tujuan ..................................................................................... 75
BAB II ALAT DAN BAHAN ............................................................................ 76
BAB III PROSEDUR KERJA ......................................................................... 77
BAB IV HASIL PENGAMATAN ..................................................................... 78
BAB V PEMBAHASAN ................................................................................. 86
BAB VI KESIMPULAN .................................................................................. 88
DAFTAR PUSTAKA ..................................................................................... 89

5
LAPORAN PRAKTIKUM
STATISTIK

ACARA I
TEKNIK SAMPLING DAN PENGUMPULAN DATA

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 18 Mei 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

6
BAB I
PENDAHULUAN

A. Latar Belakang
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah „statistika‟
(bahasa inggris : statistiks) berbeda dengan „statistik‟ (statistik). Statistika
merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data,
informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpilkan atau
mendeskripsikan data, ini dinamakan statistika deskriptif. Sebagian besar konsep
dasar statistika mengasumsikan teori probability.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu
alam (misalnya atronomi dan biologi), maupun ilmu-ilmu social (termasuk
sosiologi dan psikologi), dan dibidang bisnis, ekonomi, industri. Statistika juga
digunakan dalam pemerintahan untuk berbagai macam tujuan, sensus penduduk
merupakan salah satu prosedur yang paling dikenal. Aplikasi statistik lainnya
yang sekarang popular adalah prosedur jejak pendapat atau polling, serta jejak
cepat atau quick count. Dibidang komputasi, statistika dapat pila diterapkan
dalam pengenalan pola maupun kecerdasan buatan.
Aplikasi statistika terhadap permasalahan sains, industri, atau social,
pertama-tama dimulai dari mempelajari populasi. Makna populasi dalam statistika
dapat berarti populasi benda hidup, benda mati ataupun benda abstrak. Populasi
juga dapat berupa pengukuran sebuah proses dalam waktu yang berbeda-beda,
yakni dikenal dengan istilah deret waktu.
Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan
sensus. Sebuah sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk
itu, dalam statistika sering kali dilakukan pengambilan sampel, yakni sebagian
data dari sampel nantinya digunakan untuk menggeneralisakan seluruh populasi.
Jika sampel yang diambil cukup representatif, inferensial dan simpulan
yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi
secara keseluruhan. Metode statistika tentang bagaimana cara mengambil
sampel yang tepat dinamakan teknik sampling.

7
B. Tujuan
Setelah melaksanakan secara praktikum ini diharapkan mahasiswa dapat :
1. Mengenali dan melakukan beberapa teknik sampling yang digunakan
dalam statistik.
2. Mengenali dan membedakan beberapa teknik sampling.
3. Membedakan probability sampel dengan non probability sampel.

8
BAB II
ALAT DAN BAHAN

Alat dan bahan yang digunakan dalam praktikum ini yaitu :


1. Persemaian Padi
2. Daftar IPK mahasiswa beberapa tahun angkatan
3. Mistar / penggaris dan alat tulis

9
BAB III
PROSEDUR KERJA
1. Random Sampling
Dari semai yang sudah disiapkan, lakukan mengambil semai sampel
secara acak sebanyak 60 semai, kemudian lakukan pengukuran terhadap tinggi /
panjang semai. Catat data yang saudara peroleh dalam table data yang sudah
disapkan. Pengambilan sampai dapat juga dengan menggunakan bilangan acak
(ranom numbers).
2. Sistematik Sampling
Kepada tanaman-tanaman semai yang sudah disiapkan berilah label
nomor sebanyak-banyaknya (minimal 300 nomor). Kemudian tentukan satu
angka nomor sauna sebagai titik toalk, lalu tentukan nomor kedua sedang
beberapa nomor (missal 5 nomor) untuk diambil sebagai sample ke 3, ke 4 dan
seterusnya. Ambil 60 nomor tanaman semai sebagai sampel. Lakukan
pengukuran terhadap panjang semai dan catat datanya dalam table data yang
sudah disiapkan.
3. Groups Sampling
Dari semai tanaman yang sudah disapkan untuk setiap group diambil 10
semai secara acak sederhana. Lakukan pengukuran terhadap tinggi / panjang
semai dan catat datanya dalam table yang sudah disiapkan.
4. Stratified Sampling
Siapkan data ID Mahasiswa beberapa tahun angkatan. Untuk masing-
masing angkatan, kelompokkan menjadi berdasarkan SKS yang diambil pada
suatu semester ( <12, 12-15, 16-18, 19-21, > 21). Tentukan sampel sebanyak 60
mahasiswa secara acak sederhana atau sistematis. Catat ID yang diperoleh
dalam table data yang sudah disiapkan.
5. Clustered Sampling
Tentukan secara acak 5 cluster semai padi yang sudah disiapkan. Untuk
masing-masing cluster lakukan pengamatan terhadap tinggi bibit semai. Anggota
cluster, catat datanya dalam table yang sudah disiapkan.

10
BAB IV
HASIL PENGAMATAN
1. Random Sampling

No Tinggi (Cm) No Tinggi (Cm) No Tinggi (Cm) No Tinggi (Cm)


1 12,1 16 13,3 31 18,5 46 19,5
2 17,5 17 16,2 32 21,0 47 20,2
3 19,0 18 14,3 33 19,0 48 19,0
4 17,6 19 16,5 34 15,5 49 16,5
5 19,5 20 17,2 35 18,3 50 14,5
6 21,2 21 14,5 36 22,0 51 15,0
7 18,6 22 20,6 37 17,0 52 19,0
8 19,0 23 14,4 38 17,0 53 15,5
9 15,8 24 16,0 39 18,0 54 15,0
10 15,2 25 21,5 40 19,5 55 19,5
11 19,7 26 15,0 41 16,5 56 17,0
12 18,8 27 18,0 42 16,0 57 18,5
13 16,3 28 17,2 43 13,5 58 17,0
14 18,5 29 19,5 44 17,4 59 17,5
15 14,1 30 17,7 45 19,3 60 17,3

11
2. Sistematik sampling

SPL NO TGG SPL NO TGG SPL NO TGG SPL NO TGG


1 121 15,0 16 168 19,0 31 213 16,6 46 257 17,5
2 124 20,1 17 171 16,1 32 215 17,5 47 260 19,2
3 127 16,7 18 174 16,3 33 218 21,5 48 263 10,0
4 130 20,2 19 177 16,0 34 221 18,9 49 266 16,6
5 133 17,9 20 180 17,4 35 224 15,5 50 269 21,3
6 136 18,2 21 183 19,0 36 227 14,0 51 272 10,7
7 139 18,5 22 186 17,5 37 230 14,0 52 275 15,4
8 142 16,8 23 189 20,5 38 233 22,0 53 278 17,0
9 145 16,6 24 192 18,6 39 236 16,4 54 281 17,6
10 148 15,4 25 195 19,0 40 239 18,0 55 284 14,4
11 151 16,7 26 198 16,1 41 242 15,8 56 287 16,5
12 154 19,1 27 201 17,5 42 245 14,3 57 290 16,0
13 157 18,0 28 204 13,3 43 248 20,0 58 293 164,4
14 162 14,2 29 207 20,0 44 251 17,0 59 296 14,0
15 165 13,9 30 210 17,0 45 254 16,6 60 299 13,6

3. Group sampling

No Group
Spl I II III IV V VI VII VIII
1 19.5 16.0 21.0 18.2 17.9 13.0 18.5 20.5
2 19.5 20.5 22.0 25.6 14.6 18.5 16.5 25.6
3 21.0 20.1 18.3 16.6 20.5 16.0 16.7 23.2
4 22.5 18.6 23.0 16.4 17.6 11.5 15.3 17.3
5 20.0 15.9 18.5 15.7 21.0 20.5 16.7 14.5
6 19.0 20.0 20.0 20.0 18.6 16.7 14.0 20.1
7 18.0 17.8 19.0 12.0 21.6 15.7 17.5 18.5
8 19.1 22.3 20.6 13.3 20.7 12.5 18.6 17.5
9 20.9 19.5 21.3 17.7 20.1 18.7 15.5 22.6
10 22.0 22.2 16.5 14.6 16.0 12.8 12.0 19.5

12
4. Clustered sampling

No. Ten Cluster Sample ke


Sample 1 2 3 4 5
1 21.5 19.3 16.5 17.0 14.5
2 17.0 23.3 10.4 21.0 28.0
3 18.5 14.4 18.5 18.5 21.5
4 19.7 19.5 11.4 19.0 22.0
5 15.0 18.6 16.2 17.0 23.5
6 19.8 17.9 18.8 23.0 21.0
7 16.7 18.6 16.2 21.0 17.5
8 17.5 17.2 18.1 16.5 14.0
9 18.1 20.7 14.9 22.0 18.2
10 16.5 18.3 19.7 21.0 25.5
11 17.6 20.6 19.7 22.0 24.4
12 18.5 16.9 22.3 22.2 17.0
13 16.8 14.1 17.8 20.5 20.0
14 16.3 16.1 17.3 23.5 16.0
15 19.5 15.4 20.3 23.0 24.0

5. Stratified sampling

Pengambilan Capaian Indeks Prestasi


SKS < 1.49 1.50 – 2.01 – 2.51 – > 3.00
2.00 2.50 3.00
< 16 2 7 6 5 -
17 – 18 1 4 7 7 1
19 – 24 - 2 8 8 2
21 – 22 - - 5 9 6
23 – 24 - - 1 10 9

13
BAB V
PEMBAHASAN

Suatu tes statistik parametrik adalah suatu tes yang modelnya


menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang
merupakan sumber sample penelitiannya. Syarat-syarat itu biasanya tidak diuji
dan dianggap sudah dipenuhi. Seberapa jauh makna hasil suatu tes parametrik
bergantung pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga
menuntut bahwa skor-skor yang dianalisis merupakan hasil suatu pengukuran
yang sedikitnya berkekuatan sebagai skala interval.
Tes statistik non parametrik adalah tes yang modelnya tidak menetapkan
syarat-syarat mengenai parameter populasi yang merupakan induk sample
penelitiannya. Terlebih lagi tes non parametrik tidak menuntut pengukuran
sekuat yang dituntut tet-tes parametrik. Sebagian besar tes non parametrik dapat
diterapkan untuk data dalam skala ordinal, dan beberapa yang lain juga dapat
ditetapkan untuk data dalam skala nominal (Sidney, 1997).
Penggunaan karakteristik sampel untuk memperoleh keterangan
mengenai karakteristik populasi dari mana sampel tersebut dipilih merupakan
prosedur yang fundamental dalam penelitian statistik. Sampel yang representatif
harus dipilih dengan cara sedemikian rupa agar hasil karakteristik sampel
tersebut dapat memberi gambaran yang tepat tentang karakteristik populasi yang
diselidiki.
Jenis sampel yang paling banyak digunakan oleh peneliti ialah sampel
random, sampel sistematik, sampel luas, quota sampel dan sampel berstrata.
1. Sampel random
Sebuah sampel yang terdiri dari unsur-unsur yang dipilih dari populasi
dianggap random bila tiap unsur yang terdapat dalam populasi tersebut memiliki
probabilitas yang sama untuk terpilih. Secara teoritis, sampel yang terdiri dari
hasil poelemparan uang logam merupakan sampel random karena pada tiap
pelemparan sisi bergambar atau berangka uang logam tersebut memiliki
probabilitas yang sama untuk terwujud.
Pemilihan sampel yang bersifat random akan memberikan hasil yang
memuaskan bila populasi dari means sampel tersebut dipilih benar-benar bersifat
homogen. Bila sebuah sampel dipilih secara random dari populasi yang terdiri

14
dari beribu-ribu bola billiar yang memiliki bentuk, berat dan ukuran yang sama,
maka populasi sedemikian itu dianggap sama jenis (homogen).

2. Sampel sistematis
Sebuah sampel dianggap sistematis bila proses pemilihannya dilakukan
secara sistematis dari populasinya. Dalam proses pengawasan kualitas,
pemilihan sampel dilakukan dengan cara memilih serta menguji semua produk
yang dihasilkan pada tiap-tiap satu jam interval.
Proses pemilihan sampel mahasiswa fakultas ekonomi yang akan diukur
tinggi badannya dapat dilakukan dengan cara memilih mahasiswa yang nomor
mahasiswanya berakhiran 50. sampel sistematis sedemikian itu banyak sekali
dipergunakan dalam berbagai penelitian statistik.

3. Sampel Cluster
Prosedur pemilihan samplenya merupakan prosedur pemilihan kelompok-
kelompok secara random dari unit-unit yang tertentu. Prosedur pemilihan sampel
dalam sensus pertanian dapat dilakukan dengan jalan melakukan pemilihan
secara random terhadap (a) propinsi di tiap daerah pertanian yang berbeda, (b)
kabupaten-kabupaten di tiap sampel propinsi, (c) desa-desa dalam tiap sampel
kabupaten, (d) kampung-kampung dalam tiap sampel desa, dan (e) seksi-seksi
dalam tiap sampel kampung. Pada dasarnya, riset tentang pemasaran dapat
juga menggunakan prosedur kelompok sebagai dasar pengumpulan datanya.

4. Sampel Berstrata
Bila populasi ternyata terdiri dari bermacam-macam jenis (heterogen),
maka populasi sedemikian itu dapat dibagi kedalam beberapa stratum dan
sampelnya dapat dipilih secara random dari tiap stratum. Prosedur pemilihan
sampel yang berstrata sedemikian itu tidak dapat digunakan kecuali bila kita
memang memiliki keterangan-keterangan yang cukup tentang populasi dan
stratumnya. Selain dari pada itu, bila jumlah sampelnya tidak besar, maka
sampel berstrata umumnya lebih representatif daripada sampel random
sederhana.

5. Sampel Kuota

15
Baik buruknya suatu riset yang menggunakan data sampel tergantung
pada persoalan apakah sampelnya memang representatif atau tidak. Tidak
semua persoalan pemilihan sampel selalu dapat dipecahkan sekedar dengan
menggunakan sampel random. Kondisi-kondisi dimana sampel tersebut
dipergunakan, biaya pemilihan sampel dan konsiderasi-konsiderasi lain selalu
membentuk batas-batas tertentu dan mengharuskan penggunaan sampel yang
tertentu pula.

Kelebihan dan kekurangan teknik sampel


1. Random Sampling
Kelebihan : a. mudah dilakukan
b. tidak ada batasan
kekurangan : a. tempat yang kurang mendukung
b. kesulitasn pengukuran
c. tanaman yang telah dicabut tidak berakhir.
2. Sistematik Sampling
Kelebihan : a. Mudah dilakukan
b. Sesuai dengan nomor pengambilan
Kekurangan : a. Tolak ukur yang berbeda dengan group sebelumnya
b. tanaman tidak teratur
c. tanaman terlalu dekat jaraknya.
3. Group Sampling
Kelebihan : a. mudah dilakukan
b. batasan-batasan sangat jelas
Kekurangan : a. Membutuhkan daftar populasi
4. Stratified Sampling
Kelebihan : a. Mudah dilakukgan
b. batasan-batasan sangat jelas, karena sudah dibagi
berdasarkan tingatknya.
Kekurangan : a. daftar populasi tiap strata diperlukan.

5. Cluster Sampling
Kelebihan : a. mudah dilakukgan
b. ukuran dalam skala kecil

16
c. data sudah merupakan rata-rata hasil pengamatan
Kekurangan : a. Prosedur estimasi sulit.

Kesulitan-kesulitan pada saat praktikum :


Sampling Kelebihan Kekurangan
Random sampling - mudah dilakukan - tempat yang kurang
- tidak ada batasan mendukung
- kesulitan pengukuran
- tanaman yang telah tercabut
tidak berakhir
Sistematik sampling - sesuai dengan nomor - tolak ukur yang berbeda
pengambilan dengan group sebelumnya
- mudah dilakukan - tanaman tidak teratur
- tanaman terlalu dekat
jaraknya
- membutuhkan daftar
populasi
Group sampling - mudah dilakukan
- batasan-batasan
sangat jelas

Stratified sampling - mudah dilakukan - daftar populasi setiap strata


- batasan-batasan diperlukan
sangat jelas karena
sudah dibagi
berdasarkan stratanya
Clustered sampling - mudah dilakukan - prosedur estimasi sulit
- ukurannya skala kecil
- data sudah merupakan
rata-rata hasil
pengamatan

17
BAB VI
KESIMPULAN

Kesimpulan yang didapat dari percobaan ini ialah :


1. Terdapat beberapa teknik sampling dalam pengambilan sampel yang
digunakan dalam statistik
2. Tiap teknik sampling berbeda, serta memiliki kelebihan dan kekurangan
masing-masing terutama pada metode pengambilan sampel.
3. Probability sampel dan non probability sampel terdapat perbedaan pada
penarikan individu sebagai sampel.

18
DAFTAR PUSTAKA

Anto, Dajan, 1973. Pengantar Metode Statistik Jilid 1. LP3ES. Jakarta


Bambang Prasetyo dan Lina Miftahul Jannah. 2005. Metode Penelitian Kuantitatif
: Teori dan Aplikasi. PT. Radjagrafindo Persada. Jakarta.
Miles, Mathew B & A. Michael Huberman. 1992. Analisis Data Kualitatif.
Diterjemahkan oleh Tjetjep Rohendi Rohidi. Universitas Indonesia Press
. Jakarta.
Sevila, Sonsuelo. 1993. Pengantar Metode Penelitian. Diterjemahkan oleh
Alimudin Tuwu. Universitas Indonesia Press. Jakarta
Sidney, Siegel. 1997. Statistik non Parametrik. Gramedia. Jakarta.

19
LAPORAN PRAKTIKUM
STATISTIK

ACARA II
PENGOLAHAN DAN PENYAJIAN DATA

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 21 Mei 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

20
BAB I
PENDAHULUAN

A. Latar belakang
Kita dapat bercerita tentang nilai tertinggi dan terendah. Tetapi informasi
tersebut belum cukup memberikan gambaran tetang kemampuan, bila kita dapat
menyajikan dalam bentuk yang lebih sederhana, tetapi informative, tentunya
akan sangat bermanfaa.
Cara yang umum digunakan adalah menata atau menyusun data yang
kita miliki kedalam sebuah table yang disebut table frekuensi. Table frekuensi
merupakan table yang menunjukkan sebaran atau distribusi frekuensi data yang
kita milki yang tersusun atas frekuensi tiap-tiap kelas atau kategori. Frekuensi
tiap kelas / kategori menunjukkan banyaknya pengamatan dalam kelas atau
kategori yang bersangkutan.
Data yang sudah dikumpulkan baik yang diperoleh dari hasil
pengumpulan sendiri ataupun data yang diperoleh dari sumber lain yang sudah
jadi perlu tahap pengolahan. Sehingga data tersebut dapat dikomunikasikan
secara mudah dan akurat kepada para user.
Tahap pengolahan data ini merupakan satu tahap yang penting dalam
proses penarikan kesimpulan statistik, berapa banyak data yang tersebar begitu
saja pada instansi, data tersebut dibiarkan begitu saja, sehingga tidak
memberikan konstribusi yang bersih dalam proses pengambilan kebijakan.

B. Tujuan
Setelah mengikuti acara praktikum ini diharapkan mahasiswa dapat :
1. Melakukan pengolahan data dengan benar
2. Menyajikan data dalam berbagai bentuk sajian dengan benar
3. Menyusun data dalam bentuk table distribusi frekuensi

21
BAB II
ALAT DAN BAHAN

1. Data yang dicatat pada acara pertama yang diambil dengan teknik sample
random sampling dan sistematik sampling.
2. Kalkulator
3. Alat-alat tulis (kertas, ballpoint, kertas grafik, pensil warna, dsb)

22
BAB III
PROSEDUR KERJA

Data yang diperoleh pada acara teknik sampling dan pengumpulan data,
buatlah :
1. Grafik histogram, grafik polygon dan lingkaran (piechart)
2. Susunlah dalam table distribusi frekuensi dengan nomor, interval kelas (1
kb – 1 ka), batas kelas (bkb – bkba), tanda kelas, frekuensi, frekuensi
relative, frekuensi kumulatif, frekuensi dalam persen.

23
BAB IV
HASIL PENGAMATAN

Rentang : 25,6 – 11,5 = 14,1


Interval Kelas = 1 + 3,3 log 80 = 7
14 ,1
Lebar kelas = 2
7
Class Clas
No Clas M limit F F< FK F% X1.f1 (x1.fi)2
Boundaris Mark
1 11.48 – 13.58 11.0 – 12.0 12 4 0 4 5% 48 2304
2 13.58 – 15.68 13.0 – 14.0 14 4 4 8 5% 56 3136
3 15.68 – 17.78 15.0 – 16.0 16 13 8 21 16.25% 208 43.264
4 17.78 – 19.88 17.0 – 18.0 18 18 21 34 22.5% 324 104.976
5 19.88 – 21.48 19.0 – 20.0 20 25 39 64 31.25% 500 250.000
6 21.98 – 24.08 21.0 – 22.0 22 11 64 75 13.75% 242 58.564
7 24.08 – 26.18 23.0 – 24.0 24 3 78 78 3.75% 72 5184
25.0 – 26.0 26 2 80 80 2.5% 52 2704
Σ 100% 1502 470132

28
26
24
22
20
18
16
14
12
10
8
6
4
2

12 14 16 18 20 22 24 26 28
Grafik Poligon

24
28
26
24
22
20
18
16
14
12
10
8
6
4
2

12 14 16 18 20 22 24 26 28

Grafik Histogram

25
BAB V
PEMBAHASAN

Salah satu hal yang mempengaruhi kualitas hasil penelitian adalah


kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan
berbagai cara.
Ada 2 sumber data :
1. Data primer
Data primer adalah data yang langsung diambil dari sumbernya. Ada
3 cara pengumpulan data primer yaitu :
a. Observasi
Observasi adalah teknik pengumpulan data yang dilakukan dengan
melakukan pengamatan. Data yang dihasilkan adalah data yang kualitatif.
b. Wawancara
Wawancara adalah teknik pengumpulan data yang dilakukan dengan
mengajukan pertanyaan secara lisan. biasanya dilakukan jika ingin
diketahui hal-hal yang lebih mendalam dari responden. Data yang
dihasilkan adalah data yang kualitatif.
c. Kuesioner
Kuesioner adalah teknik pengumpulan data yang dilakukan dengan cara
memberi seperangkat pertanyaan atau pertanyaan tertulis kepada
responden untuk dijawab. Data yang dihasilkan bisa data kuantitatif dan
kualitatif.

2. Data Sekunder
Data sekunder adalah data yang diambil dari hasil mengumpulkan orang
lain. Contoh : data yang dimiliki perusahaan, data BPS, Browsing di internet dan
sebagainya.

A. Pengolahan data
Pengolahan data adalah mentabulasi data, menjumlahkan atau memilih-
milih data menjadi data yang siap disajikan dan kemudian dianalisa sesuai
dengan kebutuhan.

26
B. Penyajian data
1. Penyajian Data Acak
Data yang sudah diolah kemudian disajikan. Tujuan penyajian data
adalah agar para pengguna mudah dalam membaca data. Ada 2 cara penyajian
data yaitu :
a. Tabel
Syarat-syarat sebuah table yaitu minimal terdapat :
1) Judul tabel
2) Judul baris dan atau judul kolom
3) Catatan kaki yang berisi sumber data dan atau keterangan. Sumber
adalah darimana data tersebut diperoleh. Keterangan adalah penjelasan
singkat jikat ada data yang ekstrim.
b. Grafik
Ada beberapa macam grafik / diagram
1) Diagram batang
Diagram batang adalah diagram berdasarkan data berbentuk
kategori. Diagram ini banyak digunakan untuk membandingkan
data maupun menunjukkan hubungan suatu data dengan data
keseluruhan. Diagram ini penyajian datanya dalam bentuk batang,
sebuah batang melukiskan jumlah tertentu dari data.
Contoh :
Jumlah siswa di Fakultas Pertanian

2) Grafik garis

27
3) Diagram garis
Diagram garis adalah suatu diagram yang digambarkan
berdasarkan satu waktu, biasanya waktu yang digunakan dalam
bulan atau tahun. Kegunaan diagram garis adalah untuk dapat
melihat gambaran tentang perubahan peristiwa dalam suatu
periode (jangka waktu) tertentu dibuat diagram garis.
Contoh :

4) Diagram lingkaran
Penyajian data dalam bentuk diagram lingkaran berdasarkan pada
sebuah lingkaran yang dibagi-bagi dalam beberapa bagian sesuai
dengan macam data dan perbandingan frekuensi masing-masing
data yang disajikan.
Contoh :

28
2. Penyajian data berkelompok
Selain disajikan dalam bentuk grafik/diagram, jika jumlahnya banyak
dapat disajikan dengan terlebih dahulu dikelompokkan atau yang dikenal dengan
nama pembuatan tabel distribusi frekuensi. Ada tiga jenis penyebaran data :
a. Berdistribusi negatif
Data didistribusikan negatif berarti kebanyakan data berada dibawah rata-
rata atau jika digambarkan sebagai berikut :

b. Berdistribusi simetris
Data berdistribusi simetris berarti kebanyakan data berada disekitar rata-
rata, atau jika digambarkan sebagai berikut :

c. Berdistribusi positif
Data didistribusikan positif berarti kebanyakan data berada diatas rata-
rata, atau jika digambarkan sebagai berikut :

Langkah-langkah pembuatan distribusi frekuensi

29
1. Tentukan rentang
Rentang adalah jarak antara data terkecil dengan data terbesar :
R= Xmaxs – Xmin

2. Tentukan banyaknya kelas interval


Banyaknya kelas interval adalah banyaknya kelompok data. Untuk
menentukan beberapa banyaknya kelompok digunakan rumus sturges :
K = 1 + 3,3 log n
Dimana n adalah jumlah data

3. Tentukan panjang kelas interval


Panjang kelas interval adalah panjang interval dari tiap kelompok data.
Persamaannya :
R
P
K

4. Membuat tabel distribusi frekuensi


Tentukan ujung bawah interval pertama, biasanya menggunakan data
terkecil atau data yang lebih kecil dari data terkecil.

ANALISA DATA
Kesulitan – kesulitan pada saat praktikum :
1. Kurang pemahaman mengenai interval class, rentang, lebar, sehingga
susah membuat distribusi frekuensi.
2. Tidak membawa mistar
3. Distribusi frekuensi mengalami hambatan
4. Kurang ketelitian dalam membuat distribusi fekuensi
5. Kurang pemahaman tentang menggambar grafik.

30
BAB VI
KESIMPULAN

1. Tahap pengolahan data merupakan satu tahap penting dalam proses


penarikan kesimpulan statistik.
2. Model penyajian data dibagi menjadi dua yaitu skala nominal atau ordinal
kategorial dan skala interval atau rasio.
3. Pada tabel frekuensi ada beberapa perhitungan yang harus dilakukan
terlebih dahulu yaitu range, jumlah kelas, interval kelas, titik tengah kelas,
batas atas kelas dan batas bawah kelas.

31
DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Metode Statistik jilid I . LP3S. Jakarta


Biro Pusat Statistik : Statistik Indonesia. 1979. Biro Pusat Statistik. Jakarta
Lungen, Richard. 2006. Aplikasi Statistika & Hitung Peluang. Graha Ilmu.
Yogyakarta
Sudjana. 2005. Metode Statistik. Taisito. Bandung
Supranto. 1983. Statistik Teori dan Aplikasi. Erlangga. Jakarta

32
LAPORAN PRAKTIKUM
STATISTIK

ACARA III
MENGUKUR PEMUSATAN DAN PENYEBARAN DATA

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 21 Mei 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

33
BAB I
PENDAHULUAN

A. Latar Belakang
Pada gejala tunggal penarikan kesimpulan dapat dengan mudah di
lakukan, karena datanya selalu tunggal, sehingga dimanapun akan mempunyai
hasil yang sama. Misal besarnya grafitasi bumi maka kesimpulan akan sama.
Pada gejala yang setiap saat berubah-ubah tidak mungkin menyimpulkan
hanya mendasarkan suatu individu atau subyek pengamatan maupun penyebut
satu persatu semua subyek penelitian yang diukur, hal ini akan menimbulkan
kejenuhan dan terlalu bertele-tele, maka atas dasar itu dibutuhkan cara untuk
menggambarkan variasi begitu banyak data dalam beberapa indikator yang bisa
mewakili begitu banyak variasi data.
Ada beberapa indikator yang bisa digunakan untuk manggambarkan
variasi data yang disebut dengan ukuran pemusatan yaitu rata-rata, nilai tengah
dan nilai yang paling sering muncul. Penggunaan ukuran ini dapat dilakukan
pada data tunggal atau data kelompok atau data yang sudah dalam bentuk tabel
distribusi frrekuensi.

B. Tujuan
Setelah melaksanakan acara praktikum ini diharapkan mahasiswa dapat:
1. Memahami dan mengerti salah satu statistik dari populasi yang diamati
berdasarkan statistik yang diperoleh dari data sampel.
2. Menghitung nilai-nilai statistik ukuran pemusatan data.
3. Menghitung nilai – nilai statistik ukuran penyebaran data.

34
BAB II
ALAT DAN BAHAN

1. Data sempel yang diperoleh dengan teknik sampling sederhana dan


systematic sampling pada acara pertama.
2. Kalkulator.
3. Alat-alat tulis (kertas, pensil, ballpoint, kertas grafik dsb).

35
BAB III
PROSEDUR KERJA

1. Siapkan data sampel hasil sampling sederhana yang telah dicatat pada acara
pertama.
2. Siapkan data sampel hasil sistematik pada acara pertama.

36
BAB IV
HASIL PENGAMATAN

1. Mean :

2. Medians =

3. Median =

4. Kuartil
1
N fs . k 1
a. Q1 4
Kb I
fx 1

20 8
15 2
13

15 0 , 307 15 , 30

37
1 N fs . k 2
b. Q2 2
Kb I
fx 2

40 39
19 2
25

19 0 , 08 19 , 08

3 N fs . k 3
c. Q3 4
Kb I
fx 3

60 39
19 2
25

19 1 , 68 20 , 68

a. Rentang = 25,6 – 11,5 = 14,1

b. Simpangan = D = Σ|X1- X |
=|12–18,78|+|14–18,78|+|16–18,78|+|18–18,78|+|20–18,78|+|22–18,78|+|24-
18,78|+|26–18,78|
= 32

|X 1 X | 32
c. Simpangan rata-rata = D 0 ,4
n 80

2
2
F1 X 1
d. JKX = F1 X 1
N

2256004
28924
80

28924 28200 , 05

723 , 95

38
JK 723 , 95
e. S 2 X
9 ,16
n 1 79

f. S S 9 ,16 3 , 02

S 3 , 02
g. S X 0 , 33
n 80

S 3 , 02
h. KK 100 % 100 % 16 , 08
X 18 , 78

mean modus 18 , 78 19 , 6
i. Kemencenga n 0 , 27
baku 3 , 02

39
BAB V
PEMBAHASAN

Iqbal Hasan (2001 : 7) menjelaskan bahwa statistik deskriptif adalah


bagian dari statistik yang mempelajari cara penyimpulan data-data penyajian
data sehingga mudah dipahami. Statistik deskriptif hanya berhubungan dengan
hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data
atau keadaan. Dengan kata statistik deskriptif berfungsi menerangkan keadaan,
gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif (jika ada)
hanya ditujukan pada kumpulan data yang ada.
Bahasa statistik deskriptif mencangkup : Distribusi frekuensi beserta
bagian-bagiannya seperti : a) Grafik distribusi (histrogram, polygon, dan ogif), b)
Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan sebagainya), c) Ukuran
dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan
sebagainya).
Bambang Suryoatmono (2004 : 18) menyatakan statistika deskriptif
adalah statistika yang menggunakan data pada suatu kelompok untuk
menjelaskan atau menarik kesimpulan mengenai kelompok itu saja, yaitu:
a. Ukuran Lokasi : mide, mean, median, dan lain-lain.
b. Ukuran Variabilitas : varians, deviasi standar, range, dan sebagainya.
Pangestu Subagyo (2003 : 1) menyatakan yang dimaksud dengan
ststistika deskriptif adalah bagian statistika mengenai pengumpulan data,
penyajian, penentuan nilai-nilai statistik, pembuatan diagram atau gambar
mengenai sesuatu hal, di sini data yang disajikan dalam bentuk yang lebih
mudah dipahami atau dibaca.
Iqbal Hasan (2004 : 185) menjelaskan Analisis deskriptif merupakan
bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian
berdasarkan satu sampel. Analisis deskriptif ini dilakukan dengan pengujian
hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat
digeneralisasikan atau tidak.
Menurut jenjang keilmuannya statistika dibedakan menjadi dua, yaitu
statistika deskriptif dan statistika inferensia. Statistika deskriptif sering disebut
sebagai statistika deduktif yang membahas tentang bagaimana merangkum
sekumpulan data dalam bentuk yang mudah dibaca dan cepat memberikan

40
informasi, yang disajikan dalam bentuk tabel, grafik, nilai pemusatan dan nilai
penyebaran.
Statistika deskriptif belum dilakukan analisis sehingga kesimpulan yang
dapat ditarik sangat terbatas, yakni hanya terbatas pada nilai pemusatan dan
penyebaran data. Sedangkan statistika inferensia disebut juga statistika induktif
karena dapat menganalisis dan mengambil kesimpulan dengan metode tertentu
tentang suatu fenomena berdasarkan sample.
Fase statistika di mana hanya berusaha melukiskan atau menganalisa
kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang
populasi atau kelompok yang lebih besar dinamakan statistika deskriptif.
Macam-macam Statistika Deskriptif
Ukuran Numerik
Ukuran numerik dibagi menjadi dua, yaitu ukuran ukuran pemusatan
data,meliputi mean,median,modus,serta ukuran penyebaran data,meliputi
rentang,variasi dan simpangan baku.
a. Ukuran Pemusatan
Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang
menyatakan di mana distribusi data tersebut terpusat (Howell, 1982). Ukuran
pemusatan berupa nilai tunggal yang bisa mewakili suatu kumpulan data dan
karakteristiknya (menunjukkan pusat dari nilai data).
Jenis – jenis ukuran pemusatan antara lain :
1) Rata-rata (Mean)
Rata-rata merupakan ukuran pemusatan yang sering digunakan.
Keuntungan dari menghitung rata-rata adalah angka tersebut dapat
digunakan sebagai gambaran atau wakil dari data yang diamati.
Rata-rata peka dengan adanya nilai ekstrim atau pencilan.
2) Median atau nilai tengah
Median merupakan suatu nilai ukuran pemusatan yang menempati posisi
tengah setelah data diurutkan.
3) Modus
Modus adalah nilai yang sering muncul dari serangkaian data. Modus
tidak dapat digunakan sebagai gambaran mengenai data (Huwell, 19820).
b. Ukuran Penyebaran Data

41
Ukuran penyebaran data adalah suatu ukuran baik parameter atau statistika
untuk mengetahui seberapa besar penyimpangan data. Melalui ukuran
penyebaran dapat diketahui seberapa jauh data – data menyebar dari titik
pusatnya.
Jenis – jenis ukuran penyebaran data antara lain:
1) Rentang (Range)
Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang
menunjukan selisih nilai antara maksimum dan minimum. Rentang cukup
baik digunakan untuk mengukur penyebaran data yang simetrik dan nilai
datanya menyebar merata ukuran ini menjadi tidak relevan jika nilai data
maksimum dan minimumnya merupakan nilai ekstrim.
2) Variasi
Variasi dinotasikan sebagai S2 adalah ukuran penyebaran data yang
mengukur rata-rata kuadrat jarak seluruh titik pengamatan dari nilai
tengah (meannya).
3) Simpangan Baku
Simpangan baku dinotasikan sebagai S, menunjukan rata-rata
penyimpangan data dari harga rata-ratanya. Simpangan baku merupakan
akar pangkat dua dari variasi.

Analisis Data:
Kesulitan – kesulitan dalam praktikum:
1. Data yang masih acak-acakan.
2. Kurang paham mengenai pemusatan data-data penyebaran data.
3. Tidak dapat menggunakan kalkulator.

42
BAB VI
KESIMPULAN

1. Ukuran pemusatan merupakan salah satu ukuran lokasi data.


2. Ukuran penyebaran data merupakan melengkapi informasi yang diberikan
oeh ukuran pemusatan diperlukan satu ukuran lagi.
3. Ada beberapa macam rata-rata antara lain : rata-rata hitung, rata-rata,
gemetrik, rata-rata harmonik dan rata-rata timbang.
4. Ada beberapa ukuran penyebaran dan diantaranya adalah kisaran nilai
tengah, simpangan dan ragam.

43
DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Metode Statistika Jilid 1. LP3ES. Jakarta.

Biro Pusat Statistik. Statistik Indonesia. 1979. Biro Pusat Statistik. Jakarta.

Lungen, Richard. 2006. Metode Statistik. Taisito. Bandung.

Supranto. 1983. Statistik Teori dan Aplikasi. Erlangga. Jakarta.

44
LAPORAN PRAKTIKUM
STATISTIK

ACARA IV
HITUNG PELUANG DAN DISTRIBUSI TEORITIS

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 25 Mei 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

45
BAB I
PENDAHULUAN

A. Latar Belakang

Keseharian kita, seringkali tidak bisa diperkirakan dengan tepat suatu


kegiatan meskipun fakta-fakta yang ada menujukkan kecenderungan terjadinya
suatu tersebut. Fenomena alam misalnya gunung meletus. Gunung meletus
biasanya tandan-tanda yang dapat diindikasikan akan terjadinya letusan, teatpi
ternyata meskipun tanda-tanda jelas “belum tentu akan meletus”. Demikian juga
dalam dunia kesehatan seringkali gejala-gejala yang ditunjukkan mengarah pada
kasus tertentu, ternyata bukan kasus yang diduga.
Kejadian diatas merupakan fakta individual yang seringkali sangat
berbeda antara individu yang satu dengan individu lainnya. Namun, keputusan
yang diambil hendaknya didasarkan pada agregasi (sekumpulan) data yang
mengarah pada gejala terentu meskipun kemudian ada satu dua kasus yang
berbeda dari gejala pada umumnya.
Misal, efektifitas kontrasepsi tersebut katakanlah 99% hal ini kemudian
ada seorang ibu menggunakan kontrasepsi tersebut, dan ternyata dia hamil, hal
ini tidak bisa dikatakan bahwa kontrasepsi tersebut tidak efektif, tapi lebih baik
dikatakan bahwa dari 100 ibu yang menggunakan kontrasepsi tersebut 99 orang
akan tidak hamil tetapi satu orang akan hamil, inilah yang disebut untertinity
(ketidakpastian) dan ini menjadi hokum dasar statistik yaitu satu-satunya
kepastian adalah ketidakpastian. Hal-hal mudah dipahami, karena dasar
pemikiran statistik berasal dari teori peluang, yaitu seberapa besar peluang
kejadian kasus yang akan diawali.

B. Tujuan
Setelah mengikuti acara praktikum ini diharapkan mahasiswa dapat :
1. Memahami pengertian peluang suatu peristiwa
2. menghitung peluang suatu peristiwa
3. menentukan distribusi peluang suatu peristiwa
4. mengenali dan memahami peluang suatu peristiwa

46
5. menghitung peluang variabel random distrik dan variabel random
kontinyu.

47
BAB II
ALAT DAN BAHAN

1. Uang logam
2. Kancing berwarna
3. Kantong kain
4. Data tinggi bibit dari acara pertama
5. Alat-alat tulis (kertas, ballpoint dsb)
6. Kalkulator
7. Table statistik (table binomium, table pusson, table z (normal baku)

48
BAB III
PROSEDUR KERJA

1. Hitung peluang dan membuat table distribusi peluang peristiwa binomium


a. Siapkan 4 koin dengan bentuk dan ukuran yang sama
b. Lantuntkan ke-4 koin tersebut sekaligus dan catat hasil yang muncul,
dengan ketentuan sebagai berikut :
X = 0, jika ada 1 gambar di atas
X = 1, jika ada 2 gambar di atas
Y = 2, jika ada 3 gambar di atas
Y = 4, jika ada 3 gambar di atas
c. Lakukan pelantunan tersebut sebanyak 64 kali
d. Catatlah data yang saudara peroleh dalam table data yang sudah
disiapkan
2. Hitung peluang pada peristiwa Poisson
Lakukan penghitungan jumlah mobil yang lewat di suatu tempat dengan
ketentuan sebagai berikut :
e. Untuk setiap 1 menit, hitunglah jumlah mobil yang lewat
f. Lakukan penghitungan selama 15x 1 menit
g. Catat datanya dalam table yang sudah disiapkan
3. Hitung proporsi pada distribusi Normal
h. Siapkan data tinggi semai yang diperoleh dengan teknik sistematik
sampling
i. Hitunglah harga rata-ratanya (m)
j. Hitunglah simpangan bakunya (6)

49
BAB IV
HASIL DAN PENGAMATAN

Hitung peluang dan table distribusi peluang binomium


Ltn Output Ltn Output Ltn Output Ltn Output
1 1G2G3A4A 17 GGAG 33 AAGG 49 AAAG
2 1A2G3A4G 18 GGAG 34 GGGG 50 GGGG
3 1G2G3A4A 19 AAAG 35 AAGG 51 AAAA
4 1G2A3A4A 20 GGAG 36 AAGG 52 GAAA
5 1A2G3G4A 21 GAAG 37 GAGA 53 GAAA
6 1G2G3A4A 22 AGGA 38 GGGG 54 GGAA
7 1G2G3A4A 23 GGGG 39 GGAA 55 GAAG
8 1G2A3G4A 24 GAAG 40 AGAG 56 AAAA
9 AGGA 25 GAGG 41 GAAG 57 AGGG
10 AGAA 26 AGGA 42 GAAA 58 AAAG
11 GAAG 27 GAAG 43 GGAA 59 GAGA
12 GAGG 28 GGGG 44 AGAA 60 GAGA
13 AGAA 29 AGGA 45 GGGA 61 AGAG
14 AGAG 30 GAGA 46 GGAA 62 AGGA
15 AAGA 31 GAAG 47 GAAA 63 GGAA
16 AAAA 32 AGGG 48 GGGA 64 GGGG

X i Fi
n

1502
80

18 , 78

50
Simpangan baku (S)
2
S S

9 ,164 3 , 027

Proporsi bibit padi


X < ( – 2 . S)
X < (18,87 – 2 (3,027))
X< 12,73

b. = ( – 2S) < x < ( + S)


= (18,78 – 2 (3,027)) < x < (18,78 + 3,027)
= 12,73 < x < 21,80

c. = ( +S) < x < ( + 2S)


= (18,78 + 3,027) < x < (18,78 + 2(3,027)}
= 21,80 < x < 24,83

d. = x > ( +S)
= x > (18,78 + 3,027)
= x > 21,807

e. = ( – S) < x <
= (18,78 – 3,027) < x < 18,78
= 15,75 < x < 18,78

51
Kurva

a)

0,228

0,222

`
-2,01 0

b)

0,500

0,0233

-1,99 0 0,9
c)

0,500

0,1587

d)

0,500
0,1587

0 1,0

52
e)

0,500
0,1587

-1,0 0

a. x < 12,7
x = 12,69
x
zt
q

12 , 69 18 , 78
3 , 027

2 , 01

b. 12,73 < x < 21,8


x
z1
q

12 , 74 18 , 78
1 , 99
3 , 027

x
z2
q

21 , 79 18 , 78
0 , 99
3 , 027

53
c. 21,80 < x < 24,83
x
z1
q

21 , 80 18 , 78
1, 0
3 , 027

x
z2
q

24 , 82 18 , 78
1 , 99
3 , 027

d. x >21,80
x = 21,81
x
zt
q

21 , 81 18 , 78
3 , 027

1, 0

e. 15,75 < x < 18,3


x
z1
q

15 , 75 18 , 78
1, 0
3 , 027

x
z2
q

18 , 78 18 , 78
0
3 , 027

54
X1 = –4 = 4,133 – 4
= 0,133 = 0
X2 = –3 = 4,133 – 3
= 1,133 = 1
X3 = +3 = 4,133 + 3
= 7,133 = 7
X4 = + 5 = 4,133 + 5
= 9,133 = 9
e = 2,718
m x 4 ,133 0
e m 2 , 718 4 ,133
p1 0 , 016
x1 0 ,1

m x 4 ,133 1
e m 2 , 718 4 ,133
p2 0 , 066
x1 1,1

m x 4 ,133 7
e m 2 , 718 4 ,133
p3 0 , 065
x1 7

m x 4 ,133 9
e m 2 , 718 4 ,133
p4 0 , 015
x1 9

55
BAB V
PEMBAHASAN

Peluang merupakan suatu indicator kebolehjadian munculnya suatu


kejadian dari sekian banyak kejadian yang boleh jadi secara bebas akan muncul.
Besarnya peluang akan bergerak dari mulai 0 sampai 1, dikatakan peluang 0
artinya kejadian itu tidak mungkin atau mustahil akan muncul, sedangkan jika
peluang sama dengan 1 bisa dipastikan kejadian tersebut akan terjadi.
Pada teori peluang, suatu kejadian adalah suatu peristiwa yang secara
bebas akan muncul dibandingkan dengan peristiwa lainnya. Misalkan A adalah
suatu kejadian yang diinginkan, maka nilai peluang kejadian A dinyatakan
dengan :

Banyaknya Kejadian A
P ( A)
Banyaknya kejadian yang mungkin

Batas-batas nilai peluang :


Nilai peluang suatu kejadian (P) memenuhi sifat 0 < P < 1, yang berarti :
Jika P = 0, maka kejadian tersebut tidak pernah terjadi atau suatu kemustahilan
Jika P =1, maka kejadian tersebut merupakan kepastian
Jika A adalah suatu kejadian yang terjadi, dan A adalah suatu kejadian dimana
A1 tidak terjadi, maka :
P (A) + P (A1) = 1
Peluang dapat didefinisikan berdasar 3 konsep
1. Relatif frekuensi yaitu peluang sebagai proporsi kejadian dibandingkan
seluruh outcome yang mungkin muncul.
Relatif frekuensi disusun berdasarkan data yang diperoleh dari seluruh
kejadian yang mungkin muncul.
2. Teori peluang, yaitu berdasarkan pendekatan matematis
3. Subyektif, yaitu berdasarkan pendapat penilaian individu mengenai
kemungkinan munculnya suatu kejadian.
Banyaknya X (perubah acak) yang sukses dalam n usaha Bernauli
disebut peubah acak binomial. Distribusi peluang acak diskrit ini disebut distribusi
binomial yang dinotasikan dengan b (x; n, p) atau b (n,p), karena nilainya

56
tergantung pada banyaknya percobaan (n) dan peluang sukses dalam suatu
usaha (P).
Ruang sample A untuk percobaan E yang terdiri dari himpunan tak hingga
tetapi masih terhitung dari titik-titik sampel.
Jika S = sukses dan G = gagal
E1 = S (sukses pada percobaan pertama)
E2 = GS (sukses pada percobaan pertama dan sukses pada percobaan kedua)
E3 = GGS (gagal dipercobaan pertama dan kedua, sukses pada percobaan
ketiga)
E4 = GSG (gagal dipercobaan 1 dan 3, sukses pada percobaan 2)
En = SSS …G GGG …G sukses sebanyak x kali, gagal sebanyak
n-x kali)
x n-x

Dapat dilihat bahwa E3, E4, dan E5 memberikan hasil yang sama, jumlahnya
3
[ 1 ] yaitu jumlah hasil titik sampel yang mungkin menghasilkan X yang sukses dan

n-x yang gagal adalah [ nx ] . Dan distribusi peluang peubah acak X disebut

berdistribusi binomial. Jika dan hanya jika :


n x n x
P(X X ) F (X ) ( x ) P (1 P)

Untuk x = 0,1,2,3,…..n dan 0 < P < 1


Distribusi puisson disebut juga distribusi peristiwa yang jarang terjadi.
Distribusi D. Poisson (1781 – 1841), seorang ahli matematika Perancis. Distribusi
Poisson termasuk distribusi probabilitas diskrit yang sangat penting dalam
beberapa aplikasi praktis.
Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan
dapat menjelaskn dengan sangat memuaskan terhadap probabilitas binomial
b(x/n-p) untuk X = 1,2,3,….n, namun demikian, untuk suatu kejadian dimana n
sangat besar (lebih besar dari SO) sedangkan probabilitas sukses (p) sangat
kecil seperti 0,1 atau kurang, maka nilai binimialnya sangat sulit dicari. Suatu
bentuk dan distribusi ini adalah rumus pendekatan peluang puisson untuk
peluang binomial yang dapat digunakan untuk pendekatan probabilitas binomial
dalam situasi tertentu.
Cirri-ciri distribusi poisson adalah :

57
- Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari
hasil percobaan diselang waktu dan tempat lain yang terpisah.
- Peluang terjadinya waktu dan luas tempat percobaan terjadi panjang selang
waktu dan luas tempat percobaan terjadi.
- Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu selang
waktu dan luaskan tempat yang sama diabaikan.
Distribusi probabilitas kontinyu yang terpenting dibidang statistik adalah
distribusi normal. Grafiknya disebut kurva normal, berbentuk lonceng, distribusi
ini ditemukan Karl Friedrich (1777 – 1855) yang juga disebut distribusi ganss.
Peubah acak x yang bentuknya seperti lonceng disebut peubah acak normal
dengan persamaan matematika distribusi probabilitas yang tergantung parameter
m (mean) dan G (simpangan baku) dinyatakan (n s; m, x)

58
BAB VI
KESIMPULAN

1. Peluang suatu peristiwa adalah harga angka yang menunjukan seberapa


besar kemampuan suatu peristiwa akan terjadi.
2. Distribusi peluang diskrit terdiri dari distribusi binomial dan distribusi puisson.
3. Distribusi peluang kontinyu terdiri dari distribusi normal, t, f, dan x 2

59
DAFTAR PUSTAKA

Adi, Ningsih. 2001. Statistik Edisi Pertama. Yogyakarta : BPFE.


Anonim. 2009. “Pengertian Peluang dalam Statistika” (online).
(http://freedownloadbooks.net/pengertian-peluang-dalam-statistika-
doc.html. diakses tanggal 28 Mei 2010).
Anonim. 2009. “Pengertian distribusi puisson dalam statistika” (online)
(http://free-
pdfebooks.com/?s=pengertian+distribusi+poisson+dalam+statistika,
diakses tanggal 28 Mei 2010).
Anonim. 2009. “Distribusi peluang” (online)
(http://learning.gunadarma.ac.id/docmodul/statistika-industri/bab6-
distribusi-peluang.pdf, diakses tanggal 28 Mei 2010).

60
LAPORAN PRAKTIKUM
STATISTIK

ACARA V
PENGUJIAN HIPOTESIS

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 29 Mei 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

61
BAB I
PENDAHULUAN

A. Latar Belakang
Hipotesis adalah pernyataan sementara tentang satu atau lebih populasi
yang dapat benar atau salah. Benar atau salahnya pernyataan tersebut tidak
dapat diketahui apabila tidak mengamati seluruh populasi. Berhubung
pengamatan terhadap populasi tidak mungkin dilakukan, lebih-lebih untuk
populasi yang tidak terbatas atau tidak terdefinisikan dengan jelas, maka
biasanya terhadap hipotesis tentang satu atau lebih populasi tidak diusahakan
untuk dibuktikan benar atau salahnya, akan tetapi diuji dengan simpulan akhir
diterima atau ditolak.
Diterimanya suatu hipotesis tidak secara otomatis menujukkan bahwa
hipotesis itu benar, karena untuk meyakini bahwa hipotesis itu benar harus
dilakukan pengamatan terhadap seluruh populasi padahal kenyataannya yang
diamati hanya sebagian dari populasi yaitusampel. Sebaliknya ditolaknya suatu
hipotesis juga tidak berarti bahwa hipotesis itu salah, karena kalau itu terjadi
berarti kita menyalahkan hipotesis.
Kesalahan tidak sengaja yang dilakukan oleh penguji ada 2 tipe,
kesalahan tipe pertama yaitu apabila penguji menolak hipotesis yang sebenarnya
benar dan kesalahan tipe kedua yaitu apabila penguji menerima hipotesis yang
sebenarnya salah.
Kesimpulan yang dapat kita tarik yaitu diterima atau ditolaknya suatu
hipotesis harus ada batasan-batasan penerimaan atau penolakannya. Suatu
hiptesis dinyatakan diterima apabila didukung secara kuat oleh informasi dan
data yang diperoleh dari sampel, sebaliknya suatu hipotesis dinyatakan ditolak
apabila tidak cukup informasi dan data untuk mendukung diterimanya suatu
hipotesis.

62
B. Tujuan
Setelah selesai melaksanakan praktikum ini diharapkan mahasiswa
dapat :
1. Memahami pengertian hipotesis statistik dan macam-macam pengujian
hipotesis
2. Mengerti langkah-langkah pengujian hipotesis
3. Melakukan pengujian hiptesis sederhana dengan Chi Square test dan t-
test

63
BAB II
ALAT DAN BAHAN

A. Alat
1. Mistar
2. Alat tulis
3. Tabel X2, tabel “t”

B. Bahan
1. Data lantunan koin pada acara IV
2. Malai padi
3. Gabah padi

64
BAB III
PROSEDUR KERJA

Uji Chi Square


1. Siapkan data lantunan uang logam pada acara IV
2. Siapkan tabel yang menunjukkan distribusi frekuensi teoritis dan distribusi
frekuensi nyata dari eksperimen tersebut.

Uji “t” untuk satu nilai rata-rata


1. Ambil 15 malai padi suatu galur
2. Hitunglah jumlah gabahnya
3. Catatlah hasilnya dalam tabel yang telah disiapkan
4. Dimisalkan seorang pemulia tanaman akan memilih galur-galur padi yang
memilih galur tersebut untuk diuji lebih lanjut kalau dia menggunakan
patokan galur yang dipilih hanya galur yang jumlah gabah per malai
minimal 200 butir.

Uji “t” untuk membandingkan data berpasangan :


1. Ambillah 15 gabah padi secara acak dari suatu varietas padi.
2. Ukurlah panjang dan lebarnya. Cara mengukur panjang dari pangkal
gabah sampai ujung gabah. Cara mengukur lebar dari tepi luar palea
sampai tepi luar lemma.
3. Catat hasilnya dalam tabel yang sudah disiapkan
4. Lakukan uji “t” untuk data berpasangan.

65
BAB IV
HASIL PENGAMATAN

Uji X2 (5% , 3)
No. Kategori f0 fc f0 Sc
fc

1 X0 3 4 3 4
2

0 , 25
4

2 X1 12 16 12 16
2
4
2

1
16 16

3 X2 34 24 34 24
2
10
2

4 ,16
24 24

4 X3 10 16 10 16
2
6
2

2 , 25
16 16

5 X4 5 4 5 4
2
1
0 , 25
4 4

ΣX2 hitung = 7,917

Uji “t” tabel = 1,66 M = 100


No Xi Di(Xi – M) Di2
1 88 -12 144
2 70 -30 900
3 74 -21 441
4 108 8 64
5 150 50 2500
6 72 -28 784
7 159 -41 1681
8 54 -46 2116
9 66 -34 1156
10 46 -64 096
11 84 -16 256
12 79 -21 441

66
13 66 -34 1156
14 133 33 1089
15 58 -42 1764
∑ 1212 -298 18588

JKDi =

= 18588 – 5920,2667
= 12667,733

= 904,83807

= 30,08

67
t hitung =

= - 2,47

No YA (mm) YB (mm) Di(YB.YA) Ddi(Di-D) (di)2


1 7 4 (4-7)= -3 - 0,4 0,16
2 7 4 (4-7)= -3 - 0,4 0,16
3 6 3 (3-6)= -3 - 0,4 0,16
4 6 4 (4-6)= -2 - 1,4 1,96
5 7 4 (4-7)= -3 - 0,4 0,16
6 9 4 (4-9)= -5 - 1,6 2,56
7 6 3 (3-6)= -3 - 0,4 0,16
8 8 4 (4-8)= -4 - 0,6 0,36
9 7 3 (3-7)= -4 - 0,6 0,36
10 8 4 (4-8)= -4 - 0,6 0,36
∑ -34 6,8 6,4

68
t hitung

t hitung (3,66) > t tabel (1,81)


hipotesis ditolak

69
BAB V
PEMBAHASAN

Ada beberapa pengujian d yang dikenal dalam statistik antara lain : uji
mengenai rata-rata, uji beda dua rata-rata, uji beda dua proporsi, uji data
berpasangan, uji proporsi, uji varians, uji kesamaan dan varians dan uji
kebebasan. Jika ditinjau dari bentuk-bentuk distribusi peluang yang sering
dipakai ada distribusi chi square (X 2), distribusi “t”, distribusi z (distribusi normal)
dan distribusi F, sehingga akhirnya dikenal ada uji chi square (X 2), uji “t”, uji f
yang banyak digunakan dalam analisis ragam.
Langkah-langkah umum pengujian yang baik adalah sebagai berikut :
1. Tentukan variable dan parameter yang akan digunakan. Missal : variable
2
hasil (Y) dan parameter M atau
2. Tentukan statistik untuk pengujiannya = “t”, F, X2 dan sebagainya
3. Tuliskan : H0 = …………., H1=……………..
4. Tuliskan tingkat signifikan : a = 5%, a = 1% dsb
5. Lakukan pengumpulan data, sampling + observasi langsung, eksperimen
dsb.
6. Tuliskan aturan pengujian hipotesis, kapan menerima dan kapan
menolak.
7. Hitung nilai-nilai statistik yang akan digunakan untuk menguji hipotesis.
8. Bandingkan dengan nilai statistik dalam tabel baku yang sesuai
9. Ambil simpulan : menerima atau menolak hipotesis yang diajukan.

1. Distibusi z (distribusi normal)


Berbicara mengenai distribusi normal tidak terlepas dari apa yang disebut
variabel random kontinyu dan distribusi probabilitas kontinyu. Variabel
random kontinyu adalah variabel random yang nilainya dapat terjadi
dimanapun di dalam suatu interval tertentu. Sedangkan distribusinya adalah
distribusi probabilitas kontinyu. Ada beberapa distribusi kontinyu seperti
distribusi uniform, eksponential, normal, dll.
Cirri-ciri distribusi normal :
a. Kurvanya mempunyai puncak tunggal
b. Kurvanya berbentuk seperti lonceng

70
c. Rata-rata terletak di tengah distribusi dan distribusinya simetris disekitar
garis tegak lurus yang ditarik melalui rata-rata.
d. Kedua ekor kurva memanjang tak terbatas dan pernah memotong sumbu
horizontal.
Dalam distribusi variabel random kontinyu, kita tidak dapat
menggambarkan garis tegak lurus untuk menunjukkan probabilitas nilai masing-
masing variabel. Sebagai gantinya, probabilitas untuk suatu interval digambarkan
sebagai suatu luas wilayah. Sehingga harus sama dengan satu.
Fungsi hipotesis menurut Nasution adalah :
a. Untuk menguji kebenaran suatu teori.
b. Memberikan gagasan baru untuk mengembangkan suatu teori.
c. Memperluas pengetahuan peneliti mengenai suatu gejala yang dipelajari.
Cara merumuskan hipotesis ialah dengan tahapan sebagai berikut :
rumuskan hipotesis penelitian, hipotesis operasional, hipotesis statistik. Hipotesis
penelitian ialah hipotesis yang dibuat dan dinyatakan dalam bentuk kalimat.
Hipotesis operasional ialah mendifinisikan hipotesis secara operasional variabel-
variabel yang dibedakan menjadi 2, yaitu hipotesis 0 yang bersifat netral dan
hipotesis 1 yang bersifat tidak netral.

2. Distribusi “t”
Uji “t” berpasangan (paired t-test_ adalah salah satu metode pengujian
hipotesis dimana data yang digunakan tidak bebas (berpasangan). Cirri-ciri yang
paling sering ditemukan yaitu satu individu dikenai dua perlakuan yang berbeda.
Jika uji “t” independent adalah metode yang digunakan untuk menguji
kesamaan rata-rata dari 2 populasi yang bersifat independen. Independen
maksudnya adalah abhwa populasi yang satu tidak dipengaruhi atau tidak
berhubungan dengan populasi yang lain.

71
BAB VI
KESIMPULAN

1. Hipotesis yaitu jawaban sementara yang diberikan oleh peneliti terhadap


hasil penelitian yang akan dilaksanakan. Macam-macam pengujian
hipotesis adalah uji “2”, uji “t”, uji “f” dan uji “Chi Square”.
2. Langkah-langkah pengujian hipotesis
a. Buat hipotesis H0 = ……….
H1 = …………..
b. Tentukan nilai α
c. Tentukan derajat bebas
d. Uji yang sesuai
e. Operasionalisasikan rumus
f. Titik kritis pada tabel
g. Penarikan kesimpulan

72
DAFTAR PUSTAKA

Dajan, Anto. 1986. Pengantar Metode Statistik. LP3S : Jakarta


Marmono, Efendi. 2008. Statistika. USOED : Purwokerto
Supranto. J. 1988. Statistik Edisi Kelima : Jakarta
Sutrisno. Hadi. 2004. Statistik Jilid I : Yogyakarta. Andi

73
LAPORAN PRAKTIKUM
STATISTIK

ACARA VI
ANALISIS RAGAM

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 2 Juni 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

74
BAB I
PENDAHULUAN

A. Latar Belakang
Pekerjaan yang berhubungan dengan statistik, terutama penelitian, baik
eksperimen lapang maupun survai, sering kita harus berhadapan dengan banyak
faktor yang ikut menentukan keragaman data suatu atribut obyek yang kita
kerjakan. Oleh karena itu seberapa besar faktor-faktor tersebut berpengaruh dan
faktor-faktor apa saja yang berpengaruh perlu diketahui agar simpulan mengenai
tingkah laku, sifat atau karakter dari suatu atribut yang ada dalam obyek tersebut
benar.
Setiappenelitian baik dengan survey maupun percobaan memiliki
perkiraan model matematik datanya sendiri-sendiri. Model matematik data inilah
yang menjadi sumber prakiraan dari mana saja keragaman data berasal atau
dengan kata lain faktor-faktor apa saja yang dapat mempengaruhi keragaman
data. Faktor-faktor inilah yang perlu diidentifikasi dengan cara memisahkannya
satu sama lain, sehingga akhirnya dapat diketahui faktor manakah yang paling
nyata pengaruhnya terhadap keragaman data yang ada.
Apabila faktor yang paling nyata pengaruhnya terhadap keragaman data
telah diketahui, maka dapat diambil simpulan data tindak lanjut yang tepat bagi
penelitian yang dilakukan.

B. Tujuan
1. Mengenali dan mengetahui sumber-sumber variasi data dalam suatu
penelitian.
2. Mengenali dan memahami makna model-model matematika data
3. Melakukan analisis ragam data
4. Membuat table analisis ragam
5. Melakukan uji F dari analisis ragam

75
BAB II
ALAT DAN BAHAN

1. Data tinggi semai padi pada acara grouped sampling


2. Alat-alat tulis
3. Kalkulator
4. Table Fischer (table F)

76
BAB III
PROSEDUR KERJA

1. Siapkan data tinggi semai pada acara grouped sampling


2. Olahlah data tersebut dan sajikan dalam table data yang siap dianalisis.
3. Berdasarkan table data yang saudara buat, tuliskan model matematik
datanya.
4. Model matematik data pada drouped sampling (analisis ragam model 1)
adalah :
Y = µ - g - ∑ij,
Jadi komponen data terdiri dari :
a. µ, rata-rata umum, general mean, nilainya sama untuk seluruh data, jadi
bukan merupakan penyebab terjadinya variasi.
b. g : group, jadi angka data berbeda karena pengaruh group
c. ∑ij : error, kesalahan yang terjadi karena faktor kebetulan, mencerminkan
ragam yang terjadi dalam group, faktor yang menimbulkan perbedaan-
perbedaan angka data sampel pada masing-masing group.
Jadi sumber variasi terdiri dari group (between group) dan error / galat (juga
dikenal dengan within group).

77
BAB IV
HASIL PENGAMATAN

No Group 1 2 3 4 5 6 7 8 9 10 Jumlah
1 I 19.5 19.5 21.0 22.5 20.0 19.9 19.0 14.1 159.5
2 II 16.0 20.5 20.1 18.6 15.9 20.3 17.8 22.3 19.5 22.2 190.2
3 III 21.0 22 18.3 23.0 18.5 20.0 19.0 20.6 21.3 155.5
4 IV 18.2 25.6 16.6 16.4 15.7 20.6 12.0 13.3 17.7 173.5
5 V 17.9 14.6 20.5 17.6 21.9 18.6 21.6 20.7 20.1 189.5
6 VII 13.0 18.5 16.0 11.5 20.5 16.7 15.7 12.5 18.7 12.8 155.9
7 VII 18.5 16.5 16.7 15.3 16.7 14.0 17.5 18.6 15.5 12.0 161.3
8 VIII 20.5 25.6 23.2 17.3 19.5 20.1 18.5 17.5 162.2
1347.6

1. GT
2
1347 , 6
2

fK
N 73

1 816 025 , 76
24877 , 06
73

2. JK total = (X12 + X22 + … +X82) – fK


= (3192,57 + 3778,34 + 3770,19 + 2836,15 + 3388,21 + 2520,91 +
2639,08 + 3345,9) – 24877,06
= 25471,35 – 24877,06
= 594,29

G 12 622 632 682


3. JK group = ..... fk
n1 n2 n3 n8

= 3180,03 + 3617,604 + 2686,69 + 3344,69 + 3990,02 + 2430,481


+ 2601,769 + 3288,605) – 248877,06
= 262,8

4. JK Error = JK Total – JK Group


= 594,29 – 262,8

78
= 331,48

Tabel Anova
No F of U df JK Ki (JK/df) KTgroup F tabel
f hitung
KTtotal

1 Group 7 262,81 37,54 37 , 54 2,12


7 , 37
5 , 09

2 Within (N – 1) _ 7 331,48 5,09


group ((73-1)-7)
(error) = 65
3 Total 73-1=72 594,29

Kesimpulan = Antar group keseragaman nyata, karena f hitung < f tabel.

79
BAB V
PEMBAHASAN

Analisis ragam adalah salah satu cara statistika untuk menganalisikan


variable hasil eksperimen, pengamatan atau observasi apakah produk tersebut
lebih besar atau sama dengan produk yang diharapkan. Analisis ragam dapat
dipergunakan untuk menguji signifikasi perbedaan-perbedaan mean dari
sejumlah sampel atau populasi sebagai produk dari beberapa perlakuan.
Bayaknya perlakuan dalam analisis ragam satu dalam dilambangkan dengan
huruf dan sampelnya yang diambil dari populasi dengan yang diperlukan itu
setelah diuji dengan nilai f kritikal pada derajat kebebasan (dk) dengan
probability error 1% dengan 5% lebih besar atau lebih kecil, maka dapat
ditentukan menolak atau menerima hipotesis nol.
Analisis ragam disebut juga analisis varians yang digunakan untuk
membedakan tiga nilai tengah atau lebih dengan asumsi ANOVA yang mendasar
adalah a) sampel yang diperoleh dari populasi yang normal, b) setiap populasi
mempunyai standard deviasi yang sama, c) semua populasi bersifat bebas satu
sama yang lain.
Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian
adalah varians antar kelompok atau kadang-kadang disebut pula varians
eksperimental. Varians ini terjadi karena adanya perbedaan antara kelompok-
kelompok individu.
Ada beberapa model analisis ragam yang dapat dilakukan, tergantung
berapa banyak faktor yang akan dipisahkan untuk diketahui pengaruhnya
terhadap ragam data yang diperoleh. Kalau penelitian dilakukan dengan survey,
tergantung misalnya pada teknik sampling yang digunakan, sedang kalau
percobaan lapang, tergantung pada rancangan percobaan yang dilakukan.

80
1. FK (faktor koreksi) = kuadrat jumlah seluruh data dibagi dengan banyaknya
angka data.
2 2
GT 1347 , 6
fK
N 73

1 816 025 , 76
24877 , 06
73

2. JK total = jumlah dari kuadrat setiap angka data dikurangi nilai faktor koreksi
JK total = (X12 + X22 + … +X82) – fK
= (3192,57 + 3778,34 + 3770,19 + 2836,15 + 3388,21 + 2520,91 +
2639,08 + 3345,9) – 24877,06
= 25471,35 – 24877,06
= 594,29

3. JK group = jumlah dari kuadrat jumlah nilai angka data dalam masing-masing
group dibagi banyaknya angka data dalam masing-masing group, dikurangi
nilai faktor koreksi
G 12 622 632 682
JK group = ..... fk
n1 n2 n3 n8

= 3180,03 + 3617,604 + 2686,69 + 3344,69 + 3990,02 + 2430,481 +


2601,769 + 3288,605) – 248877,06
= 262,8

4. JK Error = JK Total – JK Group


= 594,29 – 262,8
= 331,48

81
Penggunaan uji F unuk group sampling yaitu untuk menguji ada tidaknya
perbedaan sifat tertentu (Y) antara tiga kelompok atau lebih yang dibedakan atas
dasar kategori tertentu (x), dengan kata lain untuk menguji ada tidaknya varians
dalam variable tertentu (y) antar tiga kelompok atau lebih sebagai akibat variasi
variable tertentu (x).
Dari daftar distribusi f didapat bahwa t hitung 7,37 lebih besar dari t table
2,21 maka antar group keragaman nyata.

82
BAB VI
KESIMPULAN

Analisa ragam merupakan metode yang digunakan untuk menguraikan


keragaman table data menjadi komponen-komponen sumber keragaman. Hasil-
hasil analisa ragam memberikan satu acuan untuk memilih yang terbaik diantara
beberapa pilihan. Sumber variasi terdiri dari group dan error / within group model
1 karena modelnya sederhana.

83
DAFTAR PUSTAKA

Adi, Ningsih, 2001. Statistik Edisi Pertama. BPFE. Yogyakarta.


Dajan, Anto. 1973. Statistika Jilid I. LP3ES. Jakarta.
Sudjana. 2005. Metode Statistika. Tarsito. Bandung.
Supranto. 1983. Statistika dan Aplikasi. Erlangga. Jakarta.

84
LAPORAN PRAKTIKUM
STATISTIK

ACARA VII
ANALISIS REGRESI DAN KORELASI

Semester Genap :

Semester Genap :
2009/2010

Oleh:
Nama : Mokhammad Reza Ramdhan Putra
NIM : A1L009134
Rombongan : F-3
Asistan : Febri Setiawan
Tanggal Praktikum : 5 Juni 2010
Dosen Pembimbing : Ir. Marsandi Kasmiatmodjo, M.S
Ir. Budi Prakoso, M.Sc., D.Tech.Sc.

KEMENTERIAN PENDIDIKAN NASIONAL


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2010

85
BAB I
PENDAHULUAN

A. Latar Belakang
Analisa tentang masalah distribusi pasangan variabel dinamakan analisa
bivarial. Analisis ini membutuhkan data yang terdiri dari 2 kelompok hasil
observasi atau pengukuran. Data sedemiian itu dapat diperoleh dari berbagai
bidang kegiatan yang menghasilkan pasangan observasi sebanyak n yang
dinyatakan sebagai Xi,Yi) dimana i = 1,2,....n. Variabel X mungkin merupakan
jumlah uang yang beredar sedangkan variabel Y merupakan indeks harga
barang-barang konsumsi dalam periode tertentu. Variabel X mungkin merupakan
luas tanah pertanian di daerah dan pada waktu yang tertentu sedangkan variabel
Y merupakan hasil panen dari tanah pertanian tersebut. Bila pasangan observasi
(Xi,Yi) sedemikian itu digambarkan di atas kertas berskala hitung, maka kita akan
memperoleh serangkaian titik-titik koordinat yang menghubungkan hasil
observasi dari 2 variabel. Hasil penggambaran sedemikian itu dinamakan
“diagram pencar” (scatter diagram) atau “diagram titik” (dot diagram).
Pada asasnya, masalah hubungan antara variabel X dan Y umumnya
berkisar pada 2 hal yang kadang-kadang sukar sekali ditarik garis pemisahnya.
a) pencarian bentuk persamaan yang sesuai guna meramal rata-rata Y bagi X
yang tertentu, serta menaksir kesalahan peramalan sedemikian itu. Secara
teknis, persoalan di atas menitikberatkan pada observasi variabel yang tertentu
sedangkan variabel lain dikonstantir pada berbagai tingkat atau keadaan.
Persoalan sedemikian itu dinamakan persoalan regresi. b) Pengukuran tentang
tingkat asosiasi sedemikian itu tergantung pada pola variasi atau inter-relasi yang
bersifat simultan dari variabel X dan Y. Variasi sedemikian itu merupakan variasi
gabungan dari X dan Y dan pengukurannya merupakan persoalan korelasi.
Dalam pengukuran tentang tingkat asosiasi atau korelasi jumlah uang logam
yang beredar dan rata-rata harga eceran beras di pasar pedesaan. Batas
hubungan bantara X dan Y dapat dinyatakan dalam 2 kemungkinan X dan Y
dependen sempurna atau X dan Y independen sempurna. Variabel X dan Y
dianggap berasosiasi secara statistik bila hubungannya terdapat diantara kedua
batas tersebut.

86
B. Tujuan
1. Memahami dan mengerti makna regresi antar sifat.
2. Memahami dan mengerti makna korelasi antar sifat
3. Memahami dan mengerti perbedaan dan hubungan antar regresi dengan
korelasi
4. Melakukan analisis regresi sederhana dan korelasi.

87
BAB II
ALAT DAN BAHAN

1. Malai padi
2. Mistas
3. Counter
4. Table data
5. Alat tulis

88
BAB III
PROSEDUR KERJA

1. Dengan mistar ukurlah panjang malai padi. Cara mengukur : ukurlah


panjang dan lebal malai sampai ujung gabah terujung pada malai
tersebut.
2. Hitunglah jumlah cabang malai yang ada apda malai. Cabang malai
adalah cabang primer dari batang malai utama.
3. Hitunglah jumlah gabah yang ada dalam malai, jumlah gabang termasuk
gabah yang hilang akan tetapi meninggalkan bekas pada cabang-cabang
malai.
4. Catatlah data yang saudara peroleh dalam table data yang sudah
disiapkan.

89
BAB IV
HASIL PENGAMATAN

a. Panjang malai dengan jumlah cabang


No X Y X2 Y2 XY
1 22,6 13 510,76 169 293,8
2 19,6 12 384,16 144 235,2
3 18,6 11 345,96 121 204,6
4 16,0 8 256 64 128
5 20,0 9 400 81 180
6 18,9 13 357,21 169 245,7
7 18,0 10 324 100 180
8 14,8 12 392,04 144 237,6
9 18,0 16 324 256 288
10 20,0 11 400 121 220
11 15,5 10 240,25 100 155
12 14,5 14 380,25 190 273
13 21,4 10 457,95 100 214
14 21,0 12 441 144 252
15 14,0 7 361 49 133
287,9 168 5.574,58 1949 3.239,2

Y Y b x x

b = 19,19 + 0,58 (x – 11,2)


= 19,19 + (0,58x – 6,496)
= 13,404 + 0,58x

90
b. XY X Y
Y X
X
2 N N

287 , 9 168
3 . 239 , 2
15 15
5 . 574 , 58

19 ,14 11 , 2
0 , 58

2
2 2 ( X )
X X
N

2
( 287 , 9 )
5 . 574
15

5 . 574 5 . 510 , 4

63 , 6

2
2 2 ( Y)
Y Y
N

2
(168 )
1949
15

1949 1 . 881 , 6

67 , 4

91
X Y
XY XY
N

( 287 , 9 )( 168 )
3 . 239 , 2
15

3 . 239 , 2 3224 , 48

14 , 72

XY
r
2 2
X Y

14 , 72
63 , 6 67 , 4

14 , 72
4 , 286 , 68

14 , 72
0 , 225
65 , 47

x terkecil = (15,5)
40
35
Y = 3,404 + 0,58 (15,5)
30
= 22,344
25

20 x sedang (19)
15
Y = 3,404 + 0,58 (19)
10

5 = 24,424
0
1 5 ,5 19 2 2 ,6
x terbesar (22,6)
Y = 3,404 + 0,58 (22,6)
= 36,584

92
No X Y X2 Y2 XY
1 22,6 131 510,76 17161 2960,6
2 19,6 119 384,16 14161 2332,4
3 18,6 64 345,96 4096 1190,4
4 16,0 48 256 2304 768
5 20,0 53 400 2809 1060
6 18,9 92 357,21 8464 1738,8
7 18,0 54 324 2916 972
8 14,8 105 392,04 11025 2079
9 18,0 136 324 18496 2448
10 20,0 86 400 7396 1720
11 15,5 53 240,25 2809 821,5
12 14,5 69 380,25 4761 1345,5
13 21,4 132 457,95 17424 2824,8
14 21,0 121 441 14641 2541
15 14,0 75 361 5625 1425
Σ 287,9 1278 5.574,58 134088 26227

2
2 2 ( X )
X X
N

2
( 287 , 9 )
5 . 574
15

5 . 574 5 . 510 , 4

63 , 6

93
2
2 2 ( Y)
Y Y
N

2
(1278 )
134 . 008
15

134 . 008 108 . 885 , 6

25 . 202 , 4

X Y
XY XY
N

( 287 , 9 )( 1287 )
26 . 227
15

26 . 227 24 . 529 , 08

1 . 697 , 92

XY
r
2 2
X Y

1 . 697 , 92
63 , 6 25 . 202 , 4

1 . 697 , 92
1266 , 04

1 , 341

Y Y b x x

= 85,2 + 4,70 (x – 19,19)


= 82,2 + (0,58x – 90,193)
= 4,70X – 4,99

94
XY X Y
b Y X
2
X N N

1278 287 , 9
26227
15 15
5 . 574 , 58

85 , 2 19 ,19
4 , 70

x terkecil = (22,6)
Y = 4,70 (22,6) – 4,99
= 101,23 120

100

80
X sedang (15,5)
60
Y = 4,70 (15,5) – 4,99 40

= 67,86 20

0
1 5 ,5 19 2 2 ,6
X terbesar (19)
Y = 4,70 (19) – 4,99
= 84,31

No X Y X2 Y2 XY
1 13 131 160 17161 1703
2 12 119 144 14161 1428
3 11 64 121 4096 704
4 8 48 64 2304 384
5 9 53 81 2809 477
6 13 32 169 1024 416
7 10 54 100 2916 540
8 12 105 144 11025 1260
9 16 136 256 18496 2176
10 11 86 121 7396 946
11 10 53 100 2809 530

95
12 14 69 196 4761 966
13 10 132 100 17424 1320
14 12 121 144 14641 1452
15 7 75 49 5625 525
Σ 168 1278 1949 126648 14827

2
2 2 ( X )
X X
N

2
(168 )
1949
15

1949 1881 , 64

67 , 4

2
2 2 ( Y)
Y Y
N

2
(1278 )
126648
15

126648 108 . 885 , 6

17762 , 4

X Y
XY XY
N

(168 )( 1278 )
14827
15

14827 14313

513 , 4

96
XY
r
2 2
X Y

513 , 4
67 , 4 17762 , 4

513 , 4
1197185 , 76

0 , 46

Y Y b x x

= 85,2 + 7,6 (x – 11,2)


= 82,2 + 7,60x – 85,12
= 7,60X + 0,08

X
XY Y Y
b N X
2
X N

1278
168
14827
15
15
1949

85 , 2
11 , 2
7 , 60

x terkecil = 7,60 . 7 + 0,08


= 53,28
140

120

X sedang = 7,60 . 11,5 + 0,08 100

80
= 87,28 60

40

20
X terbesar = 7,60 . 16 + 0,08
0
= 121,48 7 1 1 ,5 16

97
BAB V
PEMBAHASAN

Garis linier yang diterapkan melalui titik-titik koordinat diagram pancer


kerap kali juga dinamakan garis taksir (estimating line). JIka garis sedemikian itu
diterapkan pada diagram pancar dengan menggunakan metode kuadrat
minimum, maka kita akan memperoleh garis regresi Y terhadap X.
Garis regresi sedemikian itu memiliki persamaan :
Y = a + bX
Dimana konstanta a dan b diberikan oleh persamaan normal
na + ∑Xb = ∑Y
∑Xa + ∑X2b = ∑XY
Kedua persamaan normal di atas tidak dapat disederhanakan menjadi
persamaan seperti dalam halnya pengukuran trend linier, karena nilai-nilai X
umumnya tidak berspasi sama.
Pada hakekatnya, persamaan Y = a + bX menggambarkan garis regresi
guna menaksir nilai Y bila nilai X telah diketahui. Dalam hal tersebut nilai-nilai X
dianggap tidak terdapat kesalahan-kesalahan yang berarti sedangkan nilai-nilai Y
akan bervariasi secara acak-acakan sekitar garis regresi.
Jika garis sedemikian itu ditetapkan pada diagram pancar dengan
menggunakan metode kuadrat minimum agar dapat memperkecil jumlah kuadrat
dari tiap jarak antara titik-titk koordinat dan garis liniernya yang sejajar dengan
sumbu X maka kita akan memperoleh garis regresi X terhadap Y dan dirumuskan
sebagai :
X = a1 + b1Y
Dimana koefisien a1 dan b1 dapat dirumuskan sebagai :

b1= (n∑XY - ∑X∑Y)/[(n∑Y2 – (∑Y)2]


= SXY/S2Y
dan
a1 = (∑x – b1∑Y)/n
Perumusan X = a1 + b1Y memberikan garis taksir nilai X bila nilai Y telah
ditekahui. Dalam hal sedemikian itu, nilai-nilai Y dapat dianggap bebas dari

98
kesalahan-kesalahan dan nilai-nilai X akan bervariasi secara random sekitar
garis regresi.
Karena kita dapat secara teoritis menentukan variabel mana yang
dianggap X dan yang mana dianggap Y dank arena umumnya hanya terdapat
satu variabel yang dapat dianggap dependen terhadap yang lainnya, maka
pembaca tidak perlu menggunakan kedua garis regresi secara bersamaan.
Interpretasi tentang ko-efisien korelasi.
a. Korelasi r dapat dianggap sebagai pengukuran yang berguna tentang
hubungan antara X dan Y bila tend titik-titik koordinat dalam diagram pancar
membentuk suatu garis linier. Bila trend sedemikian itu liner, r yang
mendekati nol berarti tidak terdapat hubungan antara X dan Y. Dalam hal
demikian ini X dan Y dapat dianggap sebagai variabel-variabel yang
independen.
b. Bila X dan Y independen, r = 0, tetapi bila r = 0, X dan Y tidak perlu
independen. Variabel X dan Y hanya tidak berasosiasi.
c. Pada umumnya hubunga, fungsional antara variabel dan koefisien
korelasinya tidaklah member dugaan tentang adanya hubungan kansal
antara vaiabel yang bersangkutan. Dalam banyak hal, isitilah korelasi dan
kausasi selalu dikaburkan. Adanya korelasi yang sangat tinggi dan positif
antara jumlah frekuensi merokok dan penyakit jantung tidak perlu
memberikan interpretasi bawha “penyakit jantung disebabkan oleh merokok”.
Dengan kata lain koefisien korelasi tidak perlu dianggap sebagai pembuktian
tentang adanya hubungan yang bersifat kansal.

99
BAB VI
KESIMPULAN

Analisis regresi membandingkan dua variabel atau lebih yang saling


berkaitan, sedangkan analisis korelasi menggunakan dua variabel yang tidak
mengandung sebab akita.

100
DAFTAR PUSTAKA

Dajan, Anto. 1986. Pengantar Metode Statistik. LP3S : Jakarta


Marmono, Efendi. 2008. Statistika. UNSOED : Purwokerto
Supranto. J. 1988. Statistik Edisi Kelima : Jakarta
Sutrisno. Hadi. 2004. Statistik Jilid I : Yogyakarta. Andi
Sarwono, 2010. Regresi. www.zonathansarwono.info. Diakses 5 Juni 2010
Sudjana. 2005. Metode Statistik. Tarsito. Bandung

101

You might also like