You are on page 1of 210

Tahun Pembuatan : 2011

Dibuat oleh team dosen Statistika Industri:
Ir. Wiyono MT
Judi Alhilman Drs. MSIE
Ir. Hermita dyah MT.



FAKULTAS REKAYASA INDUSTRI
INSTITUT TEKNOLOGI TELKOM
Toshiba | RISET OPERASI II I-2

KATA PENGANTAR
Bismillaahirrohmaanirrohiim,
Assalaamu‟alaikum Warohmatulloohi Wabarokaatuh

Dengan ridlaNYA, Alhamdulillah penulis dapat menyelesaikan buku ajar mata
kuliah Statistika Industri ini walaupun masih banyak kekurangan-kekurangannya
yang harus diperbaiki di masa yang akan datang.
Edisi pertama dari buku ajar mata kuliah Statistika Industri ini diperuntukan
digunakan di lingkungan Fakultas Rekayasa Industri Institut Teknologi Telkom di
mana penyusun mengajar.
Buku ajar Statistika Industri pegangan kuliah ini ditujukan agar mahasiswa lebih
dapat berkonsentrasi terhadap apa yang disampaikan dosen di kelas sehingga
mahasiswa diharapkan akan lebih maksimal dalam menerima ilmu yang
disampaikan oleh dosen di kelas.
Buku Ajar ini ditulis dan disusun berdasarkan sumber dari beberapa buku yang
telah ada dan dari pengalaman penulis selama mengajar di beberapa perguruan
tinggi.
Penulis sangat berterima kasih kepada semua pihak yang telah membantu dan
memberi semangat untuk menulis buku ajar ini dan penulis berterima kasih
kepada rekan-rekan sejawat yang telah membantu dalam penulisan buku ini.
Akhirnya, sangat diharapkan adanya masukan dari rekan pembaca sekalian demi
perbaikan Buku Ajar ini ke depannya.

Wassalaamu‟alaikum Warohmatulloohi Wabarokaatuh.

Bandung, Agustus 2011,

Penulis


(team dosen Statistika Industri )
Toshiba | RISET OPERASI II I-3


SATUAN ACARA PENGAJARAN (SAP)


Mata Kuliah : Statistika Industri (3 SKS)

Kode Mata Kuliah : IE2333

Buku Acuan :
1. Walpole, Ronald E., et all: “Probability & Statistics for Engineers & Scientists”, Prentice Hall, 2007
2. Hogg, Robert V., and Elliot A. Tanis: “Probability and Statistical Inference”, Pearson Education, 2006
3. Spiegel, Murray R.: “Seri Buku Schaum: Teori dan Soal-Soal Statistika”, Erlanggan (Terjemahan), 1988
4. Box,G.E.P , Hunter,Willam, Hunter, J.Stuart : “Statistics For Experimenters”, John Wiley & Sons.1978
5. Draper, N.R : “ Applied Regression Analysis (Second Edition), John Wiley & sons, 1981
6. Daniel, Wayne.W : “ Applied Nonparametric Statistics, Houghton Mifflin Company, 1978
7. Ledolter. J, Hogg, Robert V. : “ Applied Statistics fot Engineers and Physical Scientists”, Pearson Prentice Hall, 2010.


Toshiba | RISET OPERASI II I-4


Minggu
ke
Pokok
Bahasan

Materi

Tujuan
Instruksional
Umum (TIU)
Tujuan Instruksional
Khusus (TIK)
Kegiatan

Evalua
si
Acuan
(1) (2) (3) (4) (5) (6) (7) (8)
1. Pendahulu
an
Teori Sampling Mahasiswa
memahami tentang
pengertian konsep
dasar metoda
sampling
Mahasiswa mampu
menjelaskan pengertian:
1. sampling
2. populasi dan sample
3. statistik dan parameter
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
8)

2. Distribusi
sampling
rataan
Distribusi sampling
rataan dari satu
populasi dan dua
populasi ( Z dan t)

Mahasiswa
memahami distribusi
sampling rataan dari
satu populasi dan dua
populasi

Mahasiswa mampu:
1. menjelaskan teorema
“central limit”
2. menghitung nilai
probabilitas distribusi
sampling satu rataan dan
dua rataan
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
8]

3. Distribusi
sampling
variansi
Distribusi sampling
variansi ( Chi Square
dan F)
Mahasiswa
memahami distribusi
sampling Chi Square
Mahasiswa mampu:
1. menghitung nilai
probabilitas distribusi
sampling variansi dari
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
8]
Toshiba | RISET OPERASI II I-5

dan F

satu populasi
2. menghitung nilai
probabilitas distribusi
sampling variansi dari
dua populasi
4. Distribusi
sampling
proporsi
Distribusi sampling
proporsi dari satu
populasi dan dua
populasi
Mahasiswa
memahami distribusi
sampling proporsi dari
satu populasi dan dua
populasi

Mahasiswa mampu:
1. menghitung nilai
probabilitas distribusi
sampling variansi dari
satu populasi
2. menghitung nilai
probabilitas distribusi
sampling variansi dari
dua populasi
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
9]
5. Estimasi
rataan
populasi
1. Pengertian dan
sifat-sifat
estimator
2. Estimasi rataan
satu populasi
3. Estimasi rataan
dua populasi
4. Estimasi Bayes

Mahasiswa
memahami pengertian
dan sifat-sifat umum
estimator dan
khususnya estimasi
selang rataan baik satu
populasi maupun dua
populasi
Mahasiswa mampu :
1. menjelaskan pegertian
dan sifat-sifat umum
estimator
2. menjelaskan metoda
untuk menentukan
estimator rataan
populasi
3. menghitung nilai
estimasi selang rataan
suatu populasi (satu dan
dua populasi).
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
9, 18]
[2, Bab
6]
[3, Bab
9]
Toshiba | RISET OPERASI II I-6

4. menghitung nilai
estimasi selang rataan
menggunakan metoda
Bayes
6. Estimasi
proporsi
populasi
1. Estimator
proporsi
2. Estimasi selang
proporsi baik
satu dan dua
populasi
Mahasiswa
memahami pengertian
dan sifat-sifat umum
estimator dan
khususnya estimasi
selang proporsi baik
satu populasi maupun
dua populasi
Mahasiswa mampu :
1. menjelaskan metoda
untuk menentukan
estimator proporsi
populasi
2. menghitung nilai
estimasi selang proporsi
suatu populasi (satu dan
dua populasi).
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
9]
[2, Bab
6]
7. Estimasi
variansi
3. Estimator
variansi
4. Estimasi selang
varisni baik satu
dan dua populasi
Mahasiswa
memahami pengertian
dan sifat-sifat umum
estimator dan
khususnya estimasi
selang variansi baik
satu populasi maupun
dua populasi
Mahasiswa mampu :
3. menjelaskan metoda
untuk menentukan
estimator variansi
populasi
4. menghitung nilai
estimasi selang variasni
suatu populasi (satu dan
dua populasi).
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
9]
[2, Bab
6]
8. UTS
9. Uji 1. Jenis kesalahan
dalam uji
Mahasiswa
memahami pengertian
Mahasiswa mampu : Tatap Tanya [1, Bab
Toshiba | RISET OPERASI II I-7

Hipotesis

hipotesis
2. Uji hipotesis
rataan, proporsi
dan variansi baik
dari satu
maupun dua
populasi
kesalahan dalam uji
hipotesis dan uji
hipotesis rataan,
proporsi dan variansi
baik satu populasi
maupun dua populasi
3. menjelaskan kesalahan
dalam uji hipotesis
4. melakukan uji hipotesis
rataan, proporsi dan
variansi suatu populasi
(satu dan dua populasi).
muka
Diskusi
Jawab 10]
[2, Bab
8]
10. Uji
Hipotesis

1. Goodness of fit
2. Uji independesi

Mahasiswa
memahami metoda uji
goodness of fit dan uji
independensi
Mahasiswa mampu :
5. melakukan uji goodness
of fit
6. melakukan uji
independesi
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
10]
[2, Bab
8]
11. Regresi
sederhana

3. Regresi
sederhana

Mahasiswa
memahami metoda
regresi sederhana
Mahasiswa mampu :
1. melakukan
perhitungan regresi
sederhana
7.
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
11]

12. Korelasi 1. Korelasi
2. Korelasi parsial

Mahasiswa
memahami konsep
korelsi dan korelasi
parsial
Mahasiswa mampu :
1. Menghitung nilai
korelasi dan korelasi
parsial

Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
11]
[3, Bab
14, 15]

Toshiba | RISET OPERASI II I-8

13. Uji
Hipotesis
non
parametrik

1. Uji tanda
2. Run test

Mahasiswa
memahami metoda uji
tanda dan run test
Mahasiswa mampu :
3. melakukan uji tanda
4. melakukan run test
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
16]
[2, Bab
8]
14. Uji
Hipotesis
non
parametrik

1. Uji Wilcoxon
2. Uji Kruskal
Wallis

Mahasiswa
memahami metoda uji
Wilcoxon dan Uji
Kruskal Wallis
Mahasiswa mampu :
3. melakukan uji Wilcoxon
4. melakukan uji Kruskal
Wallis
Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
16]
[2, Bab
8]
15. Uji
variansi
satu arah

1. Metoda analisis
varian
2. CRD (complety
randomize
design)
Mahasiswa
memahami metoda uji
variansi satu arah
Mahasiswa mampu :
1. Menjelaskan metoda uji
variansi
2. melakukan uji variansi
satu arah

Tatap
muka
Diskusi
Tanya
Jawab
[1, Bab
13]
[2, Bab
10]
16. UAS




Toshiba | RISET OPERASI II I-9


Penilaian :
UTS : 35%
UAS : 35%
QUIS : 10%
TUGAS : 20%
Buku Ajar Statistika Industri FRI

x
IT TELKOM


DAFTAR ISI
BAB I TEORI SAMPLING ................................................................................................... 1
I.1 PENGERTIAN DASAR .................................................................................... 3
I.1.1 Sampling ................................................................................................ 3
I.1.2 Sample (n) : ............................................................................................ 3
I.1.3 Elemen / unsur ....................................................................................... 4
I.1.4 Populasi (N) ........................................................................................... 4
I.1.5 Kerangka sampel .................................................................................... 5
I.2 SYARAT SAMPEL YANG BAIK ................................................................... 5
I.3 UKURAN SAMPEL .......................................................................................... 7
I.4 TEKNIK-TEKNIK PENGAMBILAN SAMPEL.............................................. 9
I.4.1 Sampling dengan Pengembalian .......................................................... 10
I.4.2 Sampling tanpa Pengembalian : ........................................................... 10
I.4.3 Tipe Sampling menurut Peluang Pemilihannya ................................... 11
I.5 TEKNIK PENYAJIAN DATA SAMPEL ....................................................... 17
I.5.1 Penyajian Data ..................................................................................... 17
I.5.2 Tabel Distribusi frekuensi .................................................................... 17
I.5.3 Distribusi Frekuensi Relatif : ............................................................... 21
I.5.4 Penyajian dalam Bentuk Grafik ........................................................... 22
BAB II DISTRIBUSI SAMPLING ....................................................................................... 30
II.1 DISTRIBUSI SAMPLING RATAAN Z ......................................................... 31
II.2 DISTRIBUSI SAMPLING RATAAN T ......................................................... 41
II.3 DISTRIBUSI SAMPLING PROPORSI .......................................................... 44
II.4 DISTRIBUSI SAMPLING PROPORSI 2 POPULASI ................................... 45
II.5 DISTRIBUSI SAMPLING VARIANSI .......................................................... 47
BAB III TEORI ESTIMASI ................................................................................................... 53
III.1 ESTIMASI RATAAN ..................................................................................... 57
III.1.1 Selang kepercayaan mean sampel ........................................................ 57
III.1.2 Selang kepercayaan untuk µ; diketahui ............................................ 58
III.1.3 Kesalahan estimasi ............................................................................... 58
III.1.4 Sampel sedikit ...................................................................................... 60
III.1.5 Selang kepercayaan untuk µ; σ tidak diketahui. .................................. 61
Buku Ajar Statistika Industri FRI

xi
IT TELKOM

III.2 ESTIMASI PROPORSI ................................................................................... 62
III.2.1 Estimasi Selisih Dua Proporsi .............................................................. 67
III.3 ESTIMASI VARIANSI ................................................................................... 72
III.3.1 Estimasi Nisbah Dua Variansi ............................................................. 74
BAB IV UJI HIPOTESIS ........................................................................................................ 86
IV.1 HIPOTESIS STATISTIK ................................................................................ 88
IV.2 ARAH PENGUJIAN HIPOTESIS .................................................................. 90
IV.2.1 Uji Ekasisi ............................................................................................ 91
IV.2.2 Uji Dwisisi ........................................................................................... 93
IV.3 KESALAHAN DALAM PENGUJIAN HIPOTESIS ..................................... 94
IV.4 LANGKAH PENGERJAAN UJI HIPOTESIS ............................................... 97
IV.5 UJI MENYANGKUT RATAAN .................................................................... 97
IV.6 UJI MENYANGKUT PROPORSI ................................................................ 100
IV.7 UJI MENYANGKUT VARIANSI ................................................................ 103
BAB V UJI CHI-SQUARE.................................................................................................. 110
V.1 GOODNESS OF FIT TEST........................................................................... 112
V.2 INDEPENDENSI (UJI KEBEBASAN) ........................................................ 118
BAB VI REGRESI DAN KORELASI ................................... Error! Bookmark not defined.
VI.1 REGRESI ......................................................... Error! Bookmark not defined.
VI.1.1 Regresi Linier Sederhana ..................... Error! Bookmark not defined.
VI.1.2 Regresi Linier Berganda .................................................................... 148
VI.2 KORELASI ...................................................... Error! Bookmark not defined.
VI.2.1 Definisi Korelasi .................................. Error! Bookmark not defined.
VI.2.2 Koefisien Korelasi ............................... Error! Bookmark not defined.
VI.2.3 Teknik Korelasi .................................... Error! Bookmark not defined.
VI.2.4 Uji Hipotesis Korelasi .......................... Error! Bookmark not defined.
BAB VII ANOVA .................................................................................................................. 150
VII.1 ONE WAY ANOVA ........................................... Error! Bookmark not defined.
VII.2 TWO WAY ANOVA .......................................... Error! Bookmark not defined.
VII.2.1 Two Way Anova dengan n replikasi .................................................. 165



Buku Ajar Statistika Industri FRI

1
IT TELKOM

BAB I. TEORI SAMPLING







Teori sampling didasarkan pada lima kategori sesuai dengan kondisi yang dihadapi yaitu:
a) Pengertian dasar teori sampling
b) Syarat sampel yang baik
c) Ukuran sampel
d) Teknik-teknik pengambilan sampel
e) Teknik penyajian data sampel

PENDAHULUAN

Buku Ajar Statistika Industri FRI

2
IT TELKOM





Setelah mempelajari materi ini mahasiswa mengetahui proses sampling dan dapat
menggambarkan proses dan metode yang digunakan dalam pengumpulan data dan dapat
menjelaskan proses dan metode yang digunakan dalam pengolahan data.



1. Mahasiswa dapat memahami konsep dasar teori sampling
2. Mahasiswa akan dapat memahami apa saja syarat sampel yang baik
3. Mahasiswa dapat memahami ukuran sample yang baik.
4. Mahasiswa diharapkan memahami teknik-teknik pengambilan sample
5. Mahasiswa dapat memahami teknik penyajian data sampel



Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup



TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

3
IT TELKOM



I.1 PENGERTIAN DASAR
I.1.1 Sampling
Proses pengambilan atau memilih n buah elemen/objek/unsur dari populasi yang
berukuran N. Misalnya memilih sebagian murid SD Negeri di Kota Bandung, dalam sebuah
penelitian yang bertujuan untuk mengetahui proporsi latar belakang tingkat pendidikan orang
tua dari seluruh murid SD Negeri di Kota Bandung.
I.1.2 Sample (n) :
Merupakan bagian dari populasi. Elemen anggota sampel, merupakan anggota
populasi dimana sampel diambil. Jika N banyaknya elemen populasi, dan n banyaknya
elemen sampel, maka n < N. Artinya tidak akan ada sampel jika tidak ada populasi. Populasi
adalah keseluruhan elemen atau unsur yang akan kita teliti. Penelitian yang dilakukan atas
seluruh elemen dinamakan sensus. Idealnya, agar hasil penelitiannya lebih bisa dipercaya,
seorang peneliti harus melakukan sensus. Namun karena sesuatu hal peneliti bisa tidak
meneliti keseluruhan elemen tadi, maka yang bisa dilakukannya adalah meneliti sebagian dari
keseluruhan elemen atau unsur tadi.
HUBUNGAN SAMPEL DAN POPULASI
Populasi Sampel

Berbagai alasan yang masuk akal mengapa peneliti tidak melakukan sensus antara
lain adalah,(a) populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin
seluruh elemen diteliti; (b) keterbatasan waktu penelitian, biaya, dan sumber daya manusia,
RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

4
IT TELKOM

membuat peneliti harus telah puas jika meneliti sebagian dari elemen penelitian; (c) bahkan
kadang, penelitian yang dilakukan terhadap sampel bisa lebih reliabel daripada terhadap
populasi – misalnya, karena elemen sedemikian banyaknya maka akan memunculkan
kelelahan fisik dan mental para pencacahnya sehingga banyak terjadi kekeliruan. (Uma
Sekaran, 1992); (d) demikian pula jika elemen populasi homogen, penelitian terhadap seluruh
elemen dalam populasi menjadi tidak masuk akal, misalnya untuk meneliti kualitas jeruk dari
satu pohon jeruk
Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya
dalam artian masih bisa mewakili karakteristik populasi, maka cara penarikan sampelnya
harus dilakukan secara seksama. Cara pemilihan sampel dikenal dengan nama teknik
sampling atau teknik pengambilan sampel .
I.1.3 Elemen / unsur
Elemen adalah setiap satuan populasi. Kalau dalam populasi terdapat 30 laporan
keuangan, maka setiap laporan keuangan tersebut adalah unsur atau elemen penelitian.
Artinya dalam populasi tersebut terdapat 30 elemen penelitian. Jika populasinya adalah
pabrik sepatu, dan jumlah pabrik sepatu 500, maka dalam populasi tersebut terdapat 500
elemen penelitian.
I.1.4 Populasi (N)
Kumpulan lengkap dari elemen-elemen yang sejenis akan tetapi dapat dibedakan
berdasarkan karekteristiknya. Misalnya Mahasiswa Indonesia dapat dibedakan berdasarkan
variabel jenis kelamin dengan karakteristik laki-laki dan perempuan, atau variabel IPK
dengan karektaristik indeks antara 0-4.
Atau dapat diartikan sebagai sekelompok orang, kejadian, atau benda, yang dijadikan
obyek penelitian. Jika yang ingin diteliti adalah sikap konsumen terhadap satu produk
tertentu, maka populasinya adalah seluruh konsumen produk tersebut. Jika yang diteliti
adalah laporan keuangan perusahaan “X”, maka populasinya adalah keseluruhan laporan
keuangan perusahaan “X” tersebut, Jika yang diteliti adalah motivasi pegawai di departemen
“A” maka populasinya adalah seluruh pegawai di departemen “A”.
Buku Ajar Statistika Industri FRI

5
IT TELKOM

I.1.5 Kerangka sampel
Kerangka sampel adalah daftar yang memuat seluruh elemen/anggota populasi,
sebagai dasar untuk penarikan sampel random Sedangkan sampel adalah suatu himpunan
bagian dari populasi.
I.2 SYARAT SAMPEL YANG BAIK
Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin
karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa
mengukur sesuatu yang seharusnya diukur. Kalau yang ingin diukur adalah masyarakat
Sunda sedangkan yang dijadikan sampel adalah hanya orang Banten saja, maka sampel
tersebut tidak valid, karena tidak mengukur sesuatu yang seharusnya diukur (orang Sunda).
Sampel yang valid ditentukan oleh dua pertimbangan.
Pertama : Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam
sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam sampel, makin
akurat sampel tersebut. Tolok ukur adanya “bias” atau kekeliruan adalah populasi.
Cooper dan Emory (1995) menyebutkan bahwa “there is no systematic variance”
yang maksudnya adalah tidak ada keragaman pengukuran yang disebabkan karena pengaruh
yang diketahui atau tidak diketahui, yang menyebabkan skor cenderung mengarah pada satu
titik tertentu. Sebagai contoh, jika ingin mengetahui rata-rata luas tanah suatu perumahan,
lalu yang dijadikan sampel adalah rumah yang terletak di setiap sudut jalan, maka hasil atau
skor yang diperoleh akan bias. Kekeliruan semacam ini bisa terjadi pada sampel yang diambil
secara sistematis
Contoh systematic variance yang banyak ditulis dalam buku-buku metode penelitian
adalah jajak-pendapat (polling) yang dilakukan oleh Literary Digest (sebuah majalah yang
terbit di Amerika tahun 1920-an) pada tahun 1936. (Copper & Emory, 1995, Nan lin, 1976).
Mulai tahun 1920, 1924, 1928, dan tahun 1932 majalah ini berhasil memprediksi siapa yang
akan jadi presiden dari calon-calon presiden yang ada. Sampel diambil berdasarkan petunjuk
dalam buku telepon dan dari daftar pemilik mobil. Namun pada tahun 1936 prediksinya
salah. Berdasarkan jajak pendapat, di antara dua calon presiden (Alfred M. Landon dan
Franklin D. Roosevelt), yang akan menang adalah Landon, namun meleset karena ternyata
Roosevelt yang terpilih menjadi presiden Amerika.
Buku Ajar Statistika Industri FRI

6
IT TELKOM

Setelah diperiksa secara seksama, ternyata Literary Digest membuat kesalahan dalam
menentukan sampel penelitiannya . Karena semua sampel yang diambil adalah mereka yang
memiliki telepon dan mobil, akibatnya pemilih yang sebagian besar tidak memiliki telepon
dan mobil (kelas rendah) tidak terwakili, padahal Rosevelt lebih banyak dipilih oleh
masyarakat kelas rendah tersebut. Dari kejadian tersebut ada dua pelajaran yang diperoleh :
(1), keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya
jumlah sampel; (2) agar sampel dapat memprediksi dengan baik populasi, sampel harus
mempunyai selengkap mungkin karakteristik populasi (Nan Lin, 1976).
Kedua : Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi.
Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik
populasi. Contoh : Dari 300 pegawai produksi, diambil sampel 50 orang. Setelah diukur
ternyata rata-rata perhari, setiap orang menghasilkan 50 potong produk “X”. Namun
berdasarkan laporan harian, pegawai bisa menghasilkan produk “X” per harinya rata-rata 58
unit. Artinya di antara laporan harian yang dihitung berdasarkan populasi dengan hasil
penelitian yang dihasilkan dari sampel, terdapat perbedaan 8 unit. Makin kecil tingkat
perbedaan di antara rata-rata populasi dengan rata-rata sampel, maka makin tinggi tingkat
presisi sampel tersebut.
Belum pernah ada sampel yang bisa mewakili karakteristik populasi sepenuhnya. Oleh
karena itu dalam setiap penarikan sampel senantiasa melekat keasalahan-kesalahan, yang
dikenal dengan nama “sampling error” Presisi diukur oleh simpangan baku (standard error).
Makin kecil perbedaan di antara simpangan baku yang diperoleh dari sampel (S) dengan
simpangan baku dari populasi (σ), makin tinggi pula tingkat presisinya. Walau tidak
selamanya, tingkat presisi mungkin bisa meningkat dengan cara menambahkan jumlah
sampel, karena kesalahan mungkin bisa berkurang kalau jumlah sampelnya ditambah (
Kerlinger, 1973 ). Dengan contoh di atas tadi, mungkin saja perbedaan rata-rata di antara
populasi dengan sampel bisa lebih sedikit, jika sampel yang ditariknya ditambah. Katakanlah
dari 50 menjadi 75.
Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan seperti
yang diutarakan oleh Kerlinger


Buku Ajar Statistika Industri FRI

7
IT TELKOM







I.3 UKURAN SAMPEL
Pertanyaan yang sering diajukan oleh peneliti ketika akan melakukan penelitian adalah
”berapa besar sampel yang harus diteliti dari sebuah populasi?”, agar hasil (berupa data
perkiraan) penelitian dapat mewakili atau merepresentasikan populasi. Data perkiraan
(statistik) disebut mewakili jika angkanya mendekati parameter. Jika parameter 100, 95
disebut lebih mewakili dibandingkan dengan 90.
Ukuran sampel atau jumlah sampel yang diambil menjadi persoalan yang penting
manakala jenis penelitian yang akan dilakukan adalah penelitian yang menggunakan analisis
kuantitatif. Pada penelitian yang menggunakan analisis kualitatif, ukuran sampel bukan
menjadi nomor satu, karena yang dipentingkan alah kekayaan informasi. Walau jumlahnya
sedikit tetapi jika kaya akan informasi, maka sampelnya lebih bermanfaat.
Dikaitkan dengan besarnya sampel, selain tingkat kesalahan, ada lagi beberapa faktor
lain yang perlu memperoleh pertimbangan yaitu, (1) derajat keseragaman, (2) rencana
analisis, (3) biaya, waktu, dan tenaga yang tersedia . (Singarimbun dan Effendy, 1989).
Makin tidak seragam sifat atau karakter setiap elemen populasi, makin banyak sampel yang
harus diambil. Jika rencana analisisnya mendetail atau rinci maka jumlah sampelnya pun
harus banyak. Misalnya di samping ingin mengetahui sikap konsumen terhadap kebijakan
perusahaan, peneliti juga bermaksud mengetahui hubungan antara sikap dengan tingkat
pendidikan. Agar tujuan ini dapat tercapai maka sampelnya harus terdiri atas berbagai jenjang
pendidikan SD, SLTP. SMU, dan seterusnya.. Makin sedikit waktu, biaya , dan tenaga yang
dimiliki peneliti, makin sedikit pula sampel yang bisa diperoleh. Perlu dipahami bahwa
apapun alasannya, penelitian haruslah dapat dikelola dengan baik (manageable).
Misalnya, jumlah bank yang dijadikan populasi penelitian ada 400 buah.
Pertanyaannya adalah, berapa bank yang harus diambil menjadi sampel agar hasilnya
mewakili populasi?. 30?, 50? 100? 250?. Jawabnya tidak mudah. Ada yang mengatakan, jika
besar
kesalahan
kecil
kecil
besar Besarnya sampel
Buku Ajar Statistika Industri FRI

8
IT TELKOM

ukuran populasinya di atas 1000, sampel sekitar 10 % sudah cukup, tetapi jika ukuran
populasinya sekitar 100, sampelnya paling sedikit 30%, dan kalau ukuran populasinya 30,
maka sampelnya harus 100%.
Ada pula yang menuliskan, untuk penelitian deskriptif, sampelnya 10% dari populasi,
penelitian korelasional, paling sedikit 30 elemen populasi, penelitian perbandingan kausal, 30
elemen per kelompok, dan untuk penelitian eksperimen 15 elemen per kelompok (Gay dan
Diehl, 1992).
Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah
sampel sebagai berikut :
1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD/SLTP/SMU, dsb),
jumlah minimum subsampel harus 30
3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel
harus beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.
4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat, ukuran
sampel bisa antara 10 s/d 20 elemen.
Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa
dipakai untuk menentukan jumlah sampel sebagai berikut (Lihat Tabel)

Tabel 0.1 Tabel Penentuan Jumlah Sampel
Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
Buku Ajar Statistika Industri FRI

9
IT TELKOM

100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384

Sebagai informasi lainnya, Champion (1981) mengatakan bahwa sebagian besar uji
statistik selalu menyertakan rekomendasi ukuran sampel. Dengan kata lain, uji-uji statistik
yang ada akan sangat efektif jika diterapkan pada sampel yang jumlahnya 30 s/d 60 atau
dari 120 s/d 250. Bahkan jika sampelnya di atas 500, tidak direkomendasikan untuk
menerapkan uji statistik. (Penjelasan tentang ini dapat dibaca di Bab 7 dan 8 buku Basic
Statistics for Social Research, Second Edition)

I.4 TEKNIK-TEKNIK PENGAMBILAN SAMPEL

Ada beberapa teknik pengambilan sampel yang sering digunakan dalam penelitian
diantaranya adalah: Sampling non probabilitas dan sampling probabilitas.
 Sampel nonprobabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga setiap anggota tidak memiliki probabilitas atau peluang yang
sama untuk dijadikan sampel.
DEFINISI
 Sampel probabilitas
Merupakan suatu sampel yang dipilih sedemikian rupa dari populasi
sehingga masing-masing anggota populasi memiliki probabilitas atau
peluang yang sama untuk dijadikan sampel.


Buku Ajar Statistika Industri FRI

10
IT TELKOM

Lebih detailnya dapat dilihat pada gambar dibawah ini:
TEKNIK SAMPLING
Menurut proses memilih
Menurut peluang
pemilihannya
Sampling dengan
pengembalian
Sampling tanpa
pengembalian
Non probability
sampling
Probability sampling/
random sampling
quota snowball purposive convinience haphazard
Stratified
random
sampling
Cluster
sampling
Systematic
sampling
Area
sampling
Simple
random
sampling

Gambar 0.1 Tipe Sampling menurut Proses Memilih

I.4.1 Sampling dengan Pengembalian
Satuan sampling yang terpilih, “dikembalikan” lagi ke dalam populasi (sebelum
dilakukan kembali proses pemilihan berikutnya). Sebuah satuan sampling bisa terpilih lebih
dari satu kali. Untuk populasi berukuran N=4 dan sampel berukuran n=2, maka sampel yang
mungkin terambil adalah N
n
= 4
2
= 16 buah sampel. Teknik sampling seperti ini bisa
dikatakan tidak pernah digunakan dalam suatu penelitian, hanya untuk keperluan teoritis yang
berkatian dengan pengambilan sampel.
I.4.2 Sampling tanpa Pengembalian :
Satuan sampling yang telah terpilih, “tidak dikembalikan” lagi ke dalam populasi.
Tidak ada kemungkinan suatu satuan sampling terpilih lebih dari sekali. Untuk populasi
berukuran N=4 (misalnya A, B, C, D) dan sampel berukuran n=3, maka sampel yang
mungkin terambil ada 4 buah sampel yaitu ABC, ABD, ACD, dan BCD. Secara umum untuk
menghitung banyaknya macam sampel yang mungkin jika pengambilan sampel tanpa
pengembalian adalah: nCr = n!/(r!(n-r)!)
Buku Ajar Statistika Industri FRI

11
IT TELKOM

I.4.3 Tipe Sampling menurut Peluang Pemilihannya
I.4.3.1 Random sampling
Random sampling adalah cara pengambilan sampel yang memberikan kesempatan
yang sama untuk diambil kepada setiap elemen populasi. Artinya jika elemen populasinya
ada 100 dan yang akan dijadikan sampel adalah 25, maka setiap elemen tersebut mempunyai
kemungkinan 25/100 untuk bisa dipilih menjadi sampel.
Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak adalah
memperoleh atau membuat kerangka sampel atau dikenal dengan nama “sampling frame”.
Yang dimaksud dengan kerangka sampling adalah daftar yang berisikan setiap elemen
populasi yang bisa diambil sebagai sampel. Elemen populasi bisa berupa data tentang
orang/binatang, tentang kejadian, tentang tempat, atau juga tentang benda. Jika populasi
penelitian adalah mahasiswa perguruan tinggi “A”, maka peneliti harus bisa memiliki daftar
semua mahasiswa yang terdaftar di perguruan tinggi “A “ tersebut selengkap mungkin.
Nama, NRP, jenis kelamin, alamat, usia, dan informasi lain yang berguna bagi penelitiannya..
Dari daftar ini, peneliti akan bisa secara pasti mengetahui jumlah populasinya (N). Jika
populasinya adalah rumah tangga dalam sebuah kota, maka peneliti harus mempunyai daftar
seluruh rumah tangga kota tersebut. Jika populasinya adalah wilayah Jawa Barat, maka
penelti harus mepunyai peta wilayah Jawa Barat secara lengkap. Kabupaten, Kecamatan,
Desa, Kampung. Lalu setiap tempat tersebut diberi kode (angka atau simbol) yang berbeda
satu sama lainnya.
Di samping sampling frame, peneliti juga harus mempunyai alat yang bisa dijadikan
penentu sampel. Dari sekian elemen populasi, elemen mana saja yang bisa dipilih menjadi
sampel?. Alat yang umumnya digunakan adalah Tabel Angka Random, kalkulator, atau
undian. Pemilihan sampel secara acak bisa dilakukan melalui sistem undian jika elemen
populasinya tidak begitu banyak. Tetapi jika sudah ratusan, cara undian bisa mengganggu
konsep “acak” atau “random” itu sendiri.

1. Simple Random Sampling atau Sampel Acak Sederhana
Cara atau teknik ini dapat dilakukan jika analisis penelitiannya cenderung deskriptif
dan bersifat umum. Perbedaan karakter yang mungkin ada pada setiap unsur atau elemen
populasi tidak merupakan hal yang penting bagi rencana analisisnya. Misalnya, dalam
populasi ada wanita dan pria, atau ada yang kaya dan yang miskin, ada manajer dan
Buku Ajar Statistika Industri FRI

12
IT TELKOM

bukan manajer, dan perbedaan-perbedaan lainnya. Selama perbedaan gender, status
kemakmuran, dan kedudukan dalam organisasi, serta perbedaan-perbedaan lain tersebut
bukan merupakan sesuatu hal yang penting dan mempunyai pengaruh yang signifikan
terhadap hasil penelitian, maka peneliti dapat mengambil sampel secara acak sederhana.
Dengan demikian setiap unsur populasi harus mempunyai kesempatan sama untuk bisa
dipilih menjadi sampel. Prosedurnya :
o Susun “sampling frame”
o Tetapkan jumlah sampel yang akan diambil
o Tentukan alat pemilihan sampel
o Pilih sampel sampai dengan jumlah terpenuhi

2. Stratified Random Sampling atau Sampel Acak Distratifikasikan
DEFINISI
Penarikan sampel acak terstruktur:
Penarikan sampel acak terstruktur dilakukan dengan membagi anggota
populasi dalam beberapa sub kelompok yang disebut strata, lalu suatu
sampel dipilih dari masing-masing stratum.

Karena unsur populasi berkarakteristik heterogen, dan heterogenitas tersebut
mempunyai arti yang signifikan pada pencapaian tujuan penelitian, maka peneliti dapat
mengambil sampel dengan cara ini. Misalnya, seorang peneliti ingin mengetahui sikap
manajer terhadap satu kebijakan perusahaan. Dia menduga bahwa manajer tingkat atas
cenderung positif sikapnya terhadap kebijakan perusahaan tadi. Agar dapat menguji
dugaannya tersebut maka sampelnya harus terdiri atas paling tidak para manajer tingkat
atas, menengah, dan bawah. Dengan teknik pemilihan sampel secara random
Buku Ajar Statistika Industri FRI

13
IT TELKOM

distratifikasikan, maka dia akan memperoleh manajer di ketiga tingkatan tersebut, yaitu
stratum manajer atas, manajer menengah dan manajer bawah. Dari setiap stratum
tersebut dipilih sampel secara acak. Prosedurnya :
o Siapkan “sampling frame”
o Bagi sampling frame tersebut berdasarkan strata yang dikehendaki
o Tentukan jumlah sampel dalam setiap stratum
o Pilih sampel dari setiap stratum secara acak.
Pada saat menentukan jumlah sampel dalam setiap stratum, peneliti dapat menentukan
secara (a) proposional, (b) tidak proposional. Yang dimaksud dengan proposional
adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah unsur populasi
dalam stratum tersebut. Misalnya, untuk stratum manajer tingkat atas (I) terdapat 15
manajer, tingkat menengah ada 45 manajer (II), dan manajer tingkat bawah (III) ada
100 manajer. Artinya jumlah seluruh manajer adalah 160. Kalau jumlah sampel yang
akan diambil seluruhnya 100 manajer, maka untuk stratum I diambil (15:160)x100 =
9 manajer, stratum II = 28 manajer, dan stratum 3 = 63 manajer.
Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur atau
elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja, kalau dalam
stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti bisa mengambil
semua manajer dalam stratum tersebut , dan untuk manajer tingkat menengah (II)
ditambah 5, sedangkan manajer tingat bawah (III), tetap 63 orang.

3. Cluster Sampling atau Sampel Gugus
Teknik ini biasa juga diterjemahkan dengan cara pengambilan sampel berdasarkan
gugus. Berbeda dengan teknik pengambilan sampel acak yang distratifikasikan, di mana
setiap unsur dalam satu stratum memiliki karakteristik yang homogen (stratum A : laki-
laki semua, stratum B : perempuan semua), maka dalam sampel gugus, setiap gugus
boleh mengandung unsur yang karakteristiknya berbeda-beda atau heterogen. Misalnya,
dalam satu organisasi terdapat 100 departemen. Dalam setiap departemen terdapat
banyak pegawai dengan karakteristik berbeda pula. Beda jenis kelaminnya, beda tingkat
pendidikannya, beda tingkat pendapatnya, beda tingat manajerialnnya, dan perbedaan-
perbedaan lainnya. Jika peneliti bermaksud mengetahui tingkat penerimaan para pegawai
terhadap suatu strategi yang segera diterapkan perusahaan, maka peneliti dapat
Buku Ajar Statistika Industri FRI

14
IT TELKOM

menggunakan cluster sampling untuk mencegah terpilihnya sampel hanya dari satu atau
dua departemen saja. Prosedur :
a. Susun sampling frame berdasarkan gugus
b. Tentukan berapa gugus yang akan diambil sebagai sampel
c. Pilih gugus sebagai sampel dengan cara acak
d. Teliti setiap pegawai yang ada dalam gugus sample

4. Systematic Sampling atau Sampel Sistematis
Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki alat
pengambil data secara random, cara pengambilan sampel sistematis dapat digunakan.
Cara ini menuntut kepada peneliti untuk memilih unsur populasi secara sistematis, yaitu
unsur populasi yang bisa dijadikan sampel adalah yang “keberapa”. Misalnya, setiap
unsur populasi yang keenam, yang bisa dijadikan sampel. Soal “keberapa”-nya satu
unsur populasi bisa dijadikan sampel tergantung pada ukuran populasi dan ukuran
sampel. Misalnya, dalam satu populasi terdapat 5000 rumah. Sampel yang akan diambil
adalah 250 rumah dengan demikian interval di antara sampel kesatu, kedua, dan
seterusnya adalah 25. Prosedurnya :
- Susun sampling frame
- Tetapkan jumlah sampel yang ingin diambil
- Tentukan K (kelas interval)
- Tentukan angka atau nomor awal di antara kelas interval tersebut secara acak atau
random – biasanya melalui cara undian saja.
- Mulailah mengambil sampel dimulai dari angka atau nomor awal yang terpilih.
- Pilihlah sebagai sampel angka atau nomor interval berikutnya

5. Area Sampling atau Sampel Wilayah
Teknik ini dipakai ketika peneliti dihadapkan pada situasi bahwa populasi
penelitiannya tersebar di berbagai wilayah. Misalnya, seorang marketing manajer
sebuah stasiun TV ingin mengetahui tingkat penerimaan masyarakat Jawa Barat atas
sebuah mata tayangan, teknik pengambilan sampel dengan area sampling sangat tepat.
Prosedurnya :
o Susun sampling frame yang menggambarkan peta wilayah (Jawa Barat) –
Kabupaten, Kotamadya, Kecamatan, Desa.
Buku Ajar Statistika Industri FRI

15
IT TELKOM

o Tentukan wilayah yang akan dijadikan sampel (Kabupaten ?, Kotamadya?,
Kecamatan?, Desa?)
o Tentukan berapa wilayah yang akan dijadikan sampel penelitiannya.
o Pilih beberapa wilayah untuk dijadikan sampel dengan cara acak atau random.
o Kalau ternyata masih terlampau banyak responden yang harus diambil datanya,
bagi lagi wilayah yang terpilih ke dalam sub wilayah.

I.4.3.2 Non random sampling atau nonprobability sampling
Seperti telah diuraikan sebelumnya, jenis sampel ini tidak dipilih secara acak. Tidak
semua unsur atau elemen populasi mempunyai kesempatan sama untuk bisa dipilih menjadi
sampel. Unsur populasi yang terpilih menjadi sampel bisa disebabkan karena kebetulan atau
karena faktor lain yang sebelumnya sudah direncanakan oleh peneliti.
1. Convenience Sampling atau sampel yang dipilih dengan pertimbangan kemudahan.
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali
berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan orang
tadi ada di situ atau kebetulan dia mengenal orang tersebut. Oleh karena itu ada beberapa
penulis menggunakan istilah accidental sampling – tidak disengaja – atau juga captive
sample (man-on-the-street) Jenis sampel ini sangat baik jika dimanfaatkan untuk
penelitian penjajagan, yang kemudian diikuti oleh penelitian lanjutan yang sampelnya
diambil secara acak (random). Beberapa kasus penelitian yang menggunakan jenis
sampel ini, hasilnya ternyata kurang obyektif.

2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu.
Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa
seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya.
Dua jenis sampel ini dikenal dengan nama judgement dan quota sampling.
- Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang
paling baik untuk dijadikan sampel penelitiannya.. Misalnya untuk memperoleh data
tentang bagaimana satu proses produksi direncanakan oleh suatu perusahaan, maka
manajer produksi merupakan orang yang terbaik untuk bisa memberikan informasi.
Buku Ajar Statistika Industri FRI

16
IT TELKOM

Jadi, judment sampling umumnya memilih sesuatu atau seseorang menjadi sampel
karena mereka mempunyai “information rich”.
Dalam program pengembangan produk (product development), biasanya yang
dijadikan sampel adalah karyawannya sendiri, dengan pertimbangan bahwa kalau
karyawan sendiri tidak puas terhadap produk baru yang akan dipasarkan, maka jangan
terlalu berharap pasar akan menerima produk itu dengan baik. (Cooper dan Emory,
1992).
- Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara kebetulan saja.
Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40%. Jika
seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin tadi
maka dia harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan
pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga puluh sampel
tadi tidak dilakukan secara acak, melainkan secara kebetulan saja.

3. Snowball Sampling – Sampel Bola Salju
Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi
penelitiannya. Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa
dijadikan sampel. Karena peneliti menginginkan lebih banyak lagi, lalu dia minta kepada
sampel pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel.
Misalnya, seorang peneliti ingin mengetahui pandangan kaum lesbian terhadap lembaga
perkawinan. Peneliti cukup mencari satu orang wanita lesbian dan kemudian melakukan
wawancara. Setelah selesai, peneliti tadi minta kepada wanita lesbian tersebut untuk bisa
mewawancarai teman lesbian lainnya. Setelah jumlah wanita lesbian yang berhasil
diwawancarainya dirasa cukup, peneliti bisa mengentikan pencarian wanita lesbian
lainnya. . Hal ini bisa juga dilakukan pada pencandu narkotik, para gay, atau kelompok-
kelompok sosial lain yang eksklusif (tertutup).

4. Haphazard Sampling
Satuan sampling dipilih sembarangan atau seadanya, tanpa perhitungan apapun
tentang derajat kerepresentatipannya. Misalnya ketika kita akan melakukan penelitian
mengenai kompetensi dosen di sebuah Universitas, pertanyaan dapat diajukan kepada
Buku Ajar Statistika Industri FRI

17
IT TELKOM

siapapun mahasiswa dari universitas tersebut (sebagai sampel) yang kebetulan datang
pada saat kita berada di sana untuk melakukan penelitian.

I.5 TEKNIK PENYAJIAN DATA SAMPEL
I.5.1 Penyajian Data
Penyajian data dilakukan untuk mempermudah dalam pengambilan keputusan. Data-
data yang kita ambil dari populasi atau biasa disebut sebagai data sampel, dapat diperoleh
dengan berbagai cara, antara lain:
 Wawancara
 Pengamatan
 Surat menyurat
 Kuisioner
Data mentah yang diperoleh dapat disajikan sebagai statistika tataan (pengurutan data)
dalam bentuk tabel distribusi frekuensi,histogram, box plot, diagram dahan daun, dan lain-
lain.

I.5.2 Tabel Distribusi frekuensi
Tabel distribusi frekuensi adalah metode pengelompokan data ke dalam beberapa
kategori yang menunjukan banyaknya data dalam setiap kategori. Setiap data tidak dapat
dimasukan ke dalam dua atau lebih kategori agar data menjadi informatif dan mudah
dipahami. Data yang sudah dirangkum dalam distribusi frekuensi dinamakan data
berkelompok.
Tabel 0.2 Contoh tabel distribusi frekuensi
Kelas interval Frekuensi
3 – 5 2
6 – 8 5
9 – 11 7
12 – 14 1
15 – 17 1

- Langkah-langkah distribusi frekuensi:
1. Mengurutkan data dari data terkecil hingga data terbesar atau sebaliknya.
2. Menentukan banyaknya kelas dengan menggunakan kaidah Sturges, yaitu
Buku Ajar Statistika Industri FRI

18
IT TELKOM



N : banyaknya pengamatan
Banyaknya kelas sebaiknya antara 5 sampai dengan 15

3. Menentukan interval kelas (KI), dengan rumus :

KI sebaiknya kelipatan 5.
4. Melakukan penturusan atau tabulasi dengan memasukan nilai ke dalam interval
kelas.
5. Untuk komposisi kelas,perhatikan bahwa kelas tidak tumpang tindih (lihat batas
atas dan batas bawah tiap kelasnya kelas).
6. Bila tabel distribusi frekuensi akan digunakan untuk membuat histogram atau
poligon, maka komposisinya diubah ke bentuk batas kelas, yaitu batas bawah
dikurangi ( ½ x satuan pengukuran terkecil dari data) dan batas atas ditambah (½ x
satuan pengukuran terkecil dari data).
Batas kelas adalah nilai terendah dan tertinggi dalam satu kelas tabel distribusi
frekuensi. Batas kelas dalam suatu interval kelas terdiri dari dua macam :
 Batas kelas bawah – lower class limit, yaitu nilai terendah dalam suatu interval
kelas
 Batas kelas atas – upper class limit, yaitu nilai tertinggi dalam suatu interval
kelas

Contoh Batas Kelas :

Kelas Jumlah Frekuensi (F)
1 215 2122 14
2 2123 4030 4
3 4031 5938 1
4 5939 7846 1
5 7847 9754 1
Interval
k = 1 + 3,3 log N
Buku Ajar Statistika Industri FRI

19
IT TELKOM

Nilai tengah Kelas ke 1
= [ 215 + 2122] / 2
= 1168.5


Nilai tengah adalah tanda atau perinci dari suatu interval kelas dan merupakan suatu
angka yang dapat dianggap mewakili suatu interval kelas. Nilai tengah kelas berada di
tengah-tengah pada setiap interval kelas.

Contoh nilai tengah:


Nilai tepi kelas (Class Boundaries) adalah nilai batas antara kelas yang memisahkan
nilai antara kelas satu dengan kelas lainnya. Nilai tepi kelas ini dapat dihutung dengan
penjumlahan nilai atas kelas dengan nilai bawah kelas diantaranya dan di bagi dua.



Contoh nilai tepi kelas :
Kelas Nilai tengah
1 215 2122 1168.5
2 2123 4030 3076.5
3 4031 5938 4984.5
4 5939 7846 6892.5
5 7847 9754 8800.5
Interval
Kelas Interval
Jumlah Frekuensi
(F)
Nilai Tepi
Kelas
1 215 2122 14 214.5
2 2123 4030 3 2122.5
3 4031 5938 1 4030.5
Batas kelas bawah Batas kelas atas
Buku Ajar Statistika Industri FRI

20
IT TELKOM

Nilai tepi kelas ke 2
= [ 2122 +2123 ] / 2
= 2122,5







Contoh 1 :
1.








2. N = 20
k = 1 + 3,322 Log 20
k = 1 + 3,322 (1,301)
k = 1 + 4,322
k = 5,322
3. Nilai tertinggi = 9750
Nilai terendah = 215
Interval kelas = [ 9750 – 215 ] / 5 = 1907
4 5939 7846 1 5938.5
5 7847 9754 1 7846.5

9754.5
No Perusahaan Harga saham
1 Jababeka 215
2 Indofarma 290
3 Budi Acid 310
4 Kimia farma 365
5 Sentul City 530
6 Tunas Baru 580
7 proteinprima 650
8 total 750
9 Mandiri 840
10 Panin 1200
11 Indofood 1280
12 Bakrie 1580
13 Berlian 2050
14 Niaga 2075
15 Bumi resources 2175
16 BNI 3150
17 Energi mega 3600
18 BCA 5350
19 Bukit Asam 6600
20 Telkom 9750
Buku Ajar Statistika Industri FRI

21
IT TELKOM

Jadi interval kelas 1907 yaitu jarak nilai terendah dan nilai tertinggi dalam suatu kelas
atau kategori


4. Lakukan penturusan atau tabulasi data
Kelas Interval Frekuensi Jumlah Frekuensi (F)
1 215 2122 IIIII IIIII IIII 14
2 2123 4030 III 3
3 4031 5938 I 1
4 5939 7846 I 1
5 7847 9754 I 1

I.5.3 Distribusi Frekuensi Relatif :
Distribusi frekuensi relatif adalah frekuensi setiap kelas dibandingkan dengan
frekuensi total. Tujuan pembuatan distribusi ini adalah untuk memudahkan membaca data
secara tepat dan tidak kehilangan makna dari kandungan data.

Kelas
1 215 2122
2 2123 4030
3 4031 5938
4 5939 7846
5 7847 9754
Interval
Nilai terendah
Kelas ke 2
= 2122 + 1
= 2123
Nilai tertinggi :
= 215 + 1907
= 2122
2122
2123
Buku Ajar Statistika Industri FRI

22
IT TELKOM







I.5.4 Penyajian dalam Bentuk Grafik
Manusia pada umunya tertarik dengan gambar dan sesuatu yang ditampilkan delam
bentuk visual karena akan lebih mudah diingat dari pada dalam bentuk angka. Untuk itu
grafik dapat digunakan sebagai laporan. Grafik juga dapat digunakan untuk menarik
kesimpulan tanpa kehilangan makna yang sesungguhnya.
1. Grafik Histogram
Penyajian dalam bentuk histogram tidak lain merupakan pengembangan dari bentuk
tabel frekuensi. Bentuk histogram memberikan gambaran frekuensi untuk setiap nilai atau
selang nilai tertentu dari data. Gambaran ini akan lebih memudahkan pengguna dalam
mengungkap informasi yang terkandung dalam data. Histogram merupakan diagram yang
berbentuk balok. Histogram menghubungkan antara tepi kelas interval dengan pada sumbu
horizontal (X) dan frekuensi setiap kelas pada sumbu vertikal (Y).
Contoh Histogram:
Kelas Interval Jumlah Frekuensi (F)
1 215 2122 14
2 2123 4030 3
3 4031 5938 1
4 5939 7846 1
Contoh Distribusi Frekuensi Relatif :

Kelas Interval
Jumlah Frekuensi
(F)
Frekuensi relatif (%)
1 215 2122 14 70
2 2123 4030 3 15
3 4031 5938 1 5
4 5939 7846 1 5
5 7847 9754 1 5
Frekuensi relatif (%)
= [ 14 / 20 ] x 100 %
= 70 %
Buku Ajar Statistika Industri FRI

23
IT TELKOM

5 7847 9754 1

Gambar 0.2 Contoh Histogram





2. Grafik Polygon
Grafik polygon menggunakan garis yang mengubungkan titik–titik yang merupakan
koordinat antara nilai tengah kelas dengan jumlah frekuensi pada kelas tersebut.
Contoh Grafik Polygon:
Kelas Nilai Jumlah
Tengah Frekuensi (F)
1 1168.5 14
2 3076.5 3
3 4984.5 1
4 6892.5 1
5 8800.5 1

Gambar 0.3 Contoh Grafik Polygon




0
5
10
15
Tepi Kelas
Jumlah Frekuensi (F)
0
2
4
6
8
10
12
14
16
1 2 3 4 5
Jumlah
Frekuensi (F)
Buku Ajar Statistika Industri FRI

24
IT TELKOM



3. Kurva Ogif
Kurva ogif merupakan diagram garis yang menunjukan kombinasi antara interval
kelas dengan frekuensi kumulatif.
Contoh kurva ogif:
Kelas
Interval
Nilai Tepi Kelas
Frekuensi kumulatif
Bawah Atas Kurang dari Lebih dari
1 215 2122 214.5 0 20
2 2123 4030 2122.5 14 6
3 4031 5938 4030.5 17 3
4 5939 7846 5938.5 18 2
5 7847 9754 7846.5 19 1

9754.5 20 0

Gambar 0.4 Contoh kurva ogif






4. Box plot
Dalam membuat boxplot, pendekatan yang digunakan adalah dengan membagi
kumpulan data yang telah diurutkan menjadi empat bagian sama banyak. Keempat bagian
0
5
10
15
20
25
1 2 3 4 5 6
Interval kelas
F
r
e
k
u
a
n
s
i

K
u
m
u
l
a
t
i
f
Kurang dari
Lebih dari
Buku Ajar Statistika Industri FRI

25
IT TELKOM

tersebut mempunyai lima pembatas, yaitu : data terkecil (Xmin), K1, K2 atau median, K3,
dan data terbesar (Xmax) seperti terlihat di bawah ini :

25% 25% 25% 25%
Xmin K1 K2 K3
Xmax
Pembatas-pembatas tersebut biasa juga disebut dengan Statistik Lima Serangkai.
Kegunaan : Secara visual, boxplots dapat menggambarkan :
- Lokasi pemusatan, yang diwakili oleh nilai median
- Rentangan penyebaran, diperlihatkan oleh panjangnya kotak yang merupakan jarak
antara K1 dan K3
- Kemiringan pola sebaran data, ditunjukkan oleh letak median dalam kotak, letak
median lebih dekat ke K1 mencirikan suatu sebaran dengan kemiringan positif
(menjulur kekanan), dan kemiringan negatif terjadi bilaposisi median lebih dekat ke
K3.
Selain itu, dengan menggunakan boxplots kita dapat pula mendeteksi ada atau
tidaknya data pencilan (data ekstrim). Data pencilan dideteksi dengan menggunakan nilai-
nilai Pagar Dalam (PD) dan Pagar Luar (PL). Nilai-nilai pagar tersebut dihitung
menggunakan rumus :

Nilai data yang terletak antara PD dan PL dikategorikan sebagai data pencilan dekat
(∗), dan nilai data yang terletak di luar PL dikategorikan sebagai data pencilan jauh (ο).
Gambar 0.5 contoh boxplot


Buku Ajar Statistika Industri FRI

26
IT TELKOM

5. Diagram dahan daun
Diagram dahan daun adalah suatu cara mencatat data secara tersusun. Diagram ini
sangat berguna pada saat kita ingin menyajikan data dalam bentuk gambar tentang bentuk
sebarannya tanpa kehilangan informasi nilai numerik dari data. Penggunaan diagram dahan-
daun memungkinkan kita untuk mengelompokkan data sekaligus memberi kita informasi
visual; panjang tiap baris memperlihatkan frekuensi tiap baris. Terdapat kesamaan fungsi
antara histogram dan diagram dahan-daun, yaitu mengelompokkan data, tetapi pada
histogram, kita kehilangan informasi tentang nilai numerik dari data.
Diagram dahan-daun sangat mudah dibuat. Angka-angka data kita bagi menjadi dua
bagian, bagian pertama menjadi dahan, dan bagian kedua menjadi daun. Angka yang menjadi
daun biasanya adalah satu atau dua angka terakhir.

Gambar 0.6 contoh diagram batang daun

Stem-and-leaf of C1 N = 30
Leaf Unit = 1.0
3 0 333
5 0 45
7 0 66
11 0 8899
(6) 1 000011
13 1 2223
9 1 55
7 1 6
6 1 88
4 2 01
2 2
2 2 44
Buku Ajar Statistika Industri FRI

27
IT TELKOM

SOAL – SOAL SAMPLING

1. Jelaskan apa yang dimaksud dengan:
a) Sampling seadanya
b) Sampling purposif
c) Sampling pertimbangan
d) Sampling kuota
e) Sampling nonpeluang
f) Sampling peluang
g) Sampling acak
h) Sampling proporsional
i) Sampling petala
j) Sampling area
k) Sampling sistematik
l) Sampling ganda
m) Sampling tunggal
n) Sampling multiple
o) Sampling sekuensial
p) Sampling klaster


2. Apa yang dimaksud dengan kekeliruan sampling? Jelaskan pula apa yang dimaksud
dengan kekeliruan nonsampling!

3. Sebuah populasi berukuran N. Diambil sampel berukuran n dengan cara:
a) Pengembalian
b) Tanpa pengembalian
c) Ada berapa buah sampel yang mungkin?

4. Diberikan sebuah populasi dengan data:
23, 23, 21, 21, 22, 21, 20, 22, 23, 24
Diambil sampel berukuran dua.
a) Ada berapa buah sampel semuanya?
b) Berikan semua sampel yang mungkin!
c) Tentukan rata-rata tiap sampel!
d) Dari rata-rata yang didapat, hitunglah lagi rata-ratanya!
e) Hitunglah rata-rata populasi!
f) Bandingkan hasil poin d. dan poin e. Apa yang tampak?

5. PT Danun Jaya berlokasi di Jl. Solo Km 4 merupakan perusahaan batik sutera yang
relatif besar. Pada tahun 2003 terdapat 120 desain produk yang dihasilkan. Apabila
PT Danun Jaya ingin mengetahui keberhasilan dari setiap desain produk tersebut
dengan mengambil 10 sampel. Dengan menggunakan tabel acak, cobalah cari nomor
Buku Ajar Statistika Industri FRI

28
IT TELKOM

berapa saja yang menjadi sampel PT Danun Jaya dengan titik awal adalah baris dan
kolom ke-1.

6. PT Bawasda Tunggal Perkasa (BTP) merupakan produsen sepatu. PT BTP ingin
mengetahui permasalahan produksi yang dialami oleh 60 perusahaan bimbingannya.
Untuk keperluan tersebut dilakukan survei terhadap 30 perusahaan dengan
menggunakan metode terstruktur porporsional. Berikut adalah jumlah perusahaan
masing-masing strata, tentukan berapa jumlah sampel setiap stratanya.


Kelompok/Strata Jumlah Perusahaan
Tenaga kerja 1-5 5
Tenaga kerja 6-10 15
Tenaga kerja 11-15 20
Tenaga kerja 16-20 5
Tenaga kerja 21-25 10
Tenaga kerja >25 5


7. Diketahui populasi yang terdiri dari 4, 3, 9, 7.
Diambil sampel ukuran n=2. Jika diambil dengan pengembalian,
Carilah:
a) Rata2 dan simpangan baku populasi
b) Rata2 dan simpangan baku distribusi sampelnya.
c) Berapa prob. Rata2 sampel ukuran 2 akan akan mempunyai nilai minimal 6?

8. Diketahui data sbb:
Umur: 29 33 37 38 39 40 42 43 45 47 50 59
Frek.: 1 1 3 4 2 3 2 2 3 1 1 1

Buatlah diagram kotak garisnya /box plot
Buku Ajar Statistika Industri FRI

29
IT TELKOM


Buku Ajar Statistika Industri FRI

30
IT TELKOM

BAB II DISTRIBUSI SAMPLING




Distribusi sampling didasarkan pada lima kategori sesuai dengan kondisi yang dihadapi
yaitu:
a) Distribusi sampling rataan Z
b) Distribusi sampling rataan T
c) Distribusi sampling proporsi
d) Distribusi sampling proporsi 2 populasi
e) Distribusi sampling variansi



Setelah mempelajari materi ini mahasiswa dapat menggunakan dan menghitung berdasarkan
macam-macam distribusi sampling.



1. Mahasiswa dapat memahami konsep dasar distribusi sampling
2. Mahasiswa akan dapat mengetahui berbagai macam distribusi sampling



Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
PENDAHULUAN


TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

31
IT TELKOM

6. Evaluasi pencapaian
7. Penutup




Bidang statistika sering membahas mengenai generalisasi/penarikan kesimpulan dan
prediksi/ peramalan dari suatu kasus atau penelitian terhadap suatu populasi. Tetapi
Generalisasi dan prediksi tersebut sangat jarang melibatkan populasi karena keterbatasan
kemampuan penelitian dan begitu besarnya jumlah populasi, sehingga lebih sering
menggunakan sampel dari populasi tersebut.
Sebagai contoh, suatu mesin pelayanan minuman yang diatur rata-rata mengeluarkan
250 ml minuman per gelasnya. Kemudian seorang karyawan menghitung rataan 40 gelas
minuman yang dikeluarkan dari mesin tadi dan memperoleh ̅ = 246 ml, dan berdasarkan
hasil ini diberikan kesimpulan bahwa mesin tadi masih mengeluarkan minuman dengan rata-
rata isi = 250 ml. ke 40 gelas minuman tadi merupakan sampel dari populasi minuman yang
tak terhingga dari kemungkinan isi minuman yang akan dikeluarkan mesin tadi. Kesimpulan
ini mungkin diambil karena karyawan tadi tahu dari teori sampling bahwa nilai sampel
seperti itu kemungkinan munculnya besar. Tetapi apabila nilai ̅ yang didapat nantinya
berbeda jauh dari 250 ml maka petugas tadi akan mengambil tindakan memperbaiki mesin
tersebut. Hal ini dikarenakan statistik merupakan peubah acak yang tergantung hanya pada
sampel yang diamati, maka tentulah ada distribusi peluangnya. Distribusi peluang suatu
statistik disebut dengan distribusi sampel.
II.1 DISTRIBUSI SAMPLING RATAAN Z
Misalkan sampel acak n pengamatan diambil dari populasi normal dengan rataan dan
variansi σ
2
. Tiap pengamatan
̅
i
, i = 1,2,…,n, dari sampel acak tersebut akan berdistribusi
normal yang sama dengan populasi yang diambil sampelnya. Jadi, berdasarkan sifat
merambat distribusi normal, dapat disimpulkan bahwa

̅


1
+
2
+⋯+
3

RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

32
IT TELKOM

Berdistribusi normal dengan rataan



Dan variansi



CONTOH MENGHITUNG RETURN ON ASSET
Bank Retun On Asset %
Bank Bukopin 2
Bank BCA 4
Citi Bank 6
Bank Jabar 4
Bank Tugu 4
a. Nilai rata-rata populasi
µ = ¿X/N = 2 + 4 + 6 + 4 + 4 = 20/5 = 4
5
b. Nilai rata-rata populasi dan sampel apabila
diambil sampel 2 dari 5 bank
1) Kombinasi
N
C = N!/n! (N - n)! = 5!/2!(5 - 2)! = 10
n

̅

+ +⋯+




Buku Ajar Statistika Industri FRI

33
IT TELKOM

CONTOH MENGHITUNG RETURN ON ASSET
2) Perhitungan rata-rata dari setiap sampel
3) Nilai rata-rata sampel
¿ = X
C
X
N
n
1
4 40/10 4 5 5 4 4 5 3 3 4 3
10
1
= = + + + + + + + + + = X
Bank Kombinasi Retun On Asset % Rata-rata Hitung
Bukopin-BCA 2 + 4 (6/2)= 3
Bukopin-Citibank 2 + 6 (8/2)= 4
Bukopin-Bank Jabar 2 + 4 (6/2)= 3
Bukopin-Bank Tugu 2+ 4 (6/2)= 3
BCA-Citibank 4 + 6 (10/2)= 5
BCA-Bank Jabar 4 + 4 (8/2)= 4
BCA-Bank Tugu 4 + 4 (8/2)= 4
Citi Bank-Bank Jabar 6 + 4 (10/2)= 5
Citi Bank-Bank Tugu 6 + 4 (10/2)= 5
Bank Jabar-Bank Tugu 4 + 4 (8/2)= 4
x




Buku Ajar Statistika Industri FRI

34
IT TELKOM

CONTOH MENGHITUNG RETURN ON ASSET
c. Nilai rata-rata populasi
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
2 4 6
0
0,1
0,2
0,3
0,4
0,5
3 4 5
Distribusi probabilitas dalam bentuk poligon
X
Nilai Frekuensi Probabilitas Nilai Frekuensi Probabilitas
2 1 (1/5)= 0,20 3 3 (3/10)= 0,30
4 3 (3/5)= 0,60 4 4 (4/10)= 0,40
6 1 (1/5)=0,20 5 3 (3/10)= 0,30
Jumlah 5 1.00 10 1.00
Populasi Sampel
X
X




Buku Ajar Statistika Industri FRI

35
IT TELKOM

CONTOH MENGHITUNG RETURN ON ASSET
d. Standar deviasi populasi
(X - µ)
¿( X - µ)
2
X
2 -2 4
4 0 0
6 2 4
4 0 0
4 0 0
(X - µ)
¿( X - µ)
2
¿X = 20
µ = 20/5 = 4
¿( X - µ)
2
= 8.0
o = \ ¿( X - µ)
2
/N = \8/5 = 1,3
Standar deviasi populasi
N
X
¿
µ ÷
= o
2
) (

Buku Ajar Statistika Industri FRI

36
IT TELKOM

CONTOH MENGHITUNG RETURN ON ASSET
Standar deviasi sampel
( )
2
N
n
1
s X x
C
= ÷
¿
X
3 -1 1
4 0 0
3 -1 1
3 -1 1
5 1 1
4 0 0
4 0 0
5 1 1
5 1 1
(X - ) ¿( X - )
2
¿X = 40
µ
x
= 40/10 = 4
¿( X - )
2
= 6,0
o
x
= \ 1/C
N
n
¿( X -µ
x
)
2
=\6/10 = 0,77
X
X
X

HUBUNGAN STANDAR DEVIASI SAMPEL
DAN POPULASI
Hubungan antara o
x
dan o untuk populasi terbatas
Hubungan antara o
x
dan o untuk populasi yang tidak terbatas
N n
s
N 1 n
o ÷
=
÷
s
n
o
=

Buku Ajar Statistika Industri FRI

37
IT TELKOM

Bila populasi yang diambil sampelnya dan tidak diketahui distirbusinya, berhingga atau tidak,
maka distribusi sampel
̅
masih akan berdistribusi hampir normal dengan rataan dan
variansi σ
2
/n, asalakan ukuran sampelnya besar (n > 30). Hal ini dikenal dengan Teorema
Limit Pusat, yaitu bila
̅
rataan sampel acak ukuran n yang diambil dari populasi dengan
rataan dan variansi σ
2
yang berhingga, maka bentuk limit dari distribusi



bila n , adalah distribusi normal baku n(z;0,1)
Hampiran normal untuk
̅
umumnya cukup baik jika menggunakan sampel ukuran
besar (n > 30), terlepas dari bentuk populasi. Bila menggunakan sampel ukuran kecil (n <
30), hampirannya hanya akan baik bila populasinya tidak jauh berbeda dengan normal. Bila
populasinya normal, maka distribusi sampel
̅
akan tepat berdistribusi normal, dan ukuran
sampelnya tidak menjadi masalah.




̅

/



Contoh :
Suatu perusahaan memproduksi bola lampu yang umurnya berdistribusi hampir
normal dengan rataan 800 jam dan simpangan baku 40 jam. Hitunglah peluangnya
bahwa suatu sampel acak dengan 16 bola lampu akan mempunyai umur rata-rata
kurang dari 775 jam.

Buku Ajar Statistika Industri FRI

38
IT TELKOM

Sekarang misalkan ada dua populasi, yang pertama dengan rataan
1
dan variansi σ
2
1
,
dan yang kedua dengan rataan
2
dan variansi σ
2
2
. Misalkanlah statistik
̅
1
menyatakan
rataan sampel acak ukuran n
1
yang diambil dari populasi pertama, dan statistik
̅
2

menyatakan rataan sampel acak ukuran n
2
yang diambil dari populasi kedua, dan kedua
sampel bebas satu sama lain. Maka distribusi sampel dari selisih rataan,
̅
1

̅
2
,
berdistribusi hampir normal dengan rataan dan variansi :




775 800
10
2,5
Jawab :
Secara hampiran, distribusi sampel
̅
akan normal dengan

̅
= 800 dan

̅
=
40 / 16 = 10. Peluang yang dicari diberikan oleh luas daerah yang dihitami
pada Gambar 1.1. Nilai z yang berpadanan dengan ̅ = 775 adalah
Sehingga
P(
̅
< 775) = P( < -2,5)
= 0,0062

̅
10

2

̅
1
;

2


2
1

1
+

2
2

2

̅
1
;

2

1

2


Buku Ajar Statistika Industri FRI

39
IT TELKOM


Sehingga



Secara hampiran merupakan peubah normal baku.
Jika (n
1
dan n
2
> 30), maka hampiran normal untuk distribusi
̅
1

̅
2
sangat baik tidak
tergantung dari bentuk kedua populasi. Tetapi, bila (n
1
dan n
2
< 30), maka hampiran normal
lumayan baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila kedua
populasi normal, maka
̅
1

̅
2
berdistribusi normal terlepas dari ukuran n
1
dan n
2
.








Z

̅
1

̅
2

1

2

1
2
/
1
+
2
2
/
2

Contoh :
Suatu sampel berukuran n
1
= 15 diambil secara acak dari populasi yang berdistribusi
normal dengan rataan
1
= 50 dan variansi σ
2
1
= 9, dan rataan sampel ̅
1
dihitung. Sambel
acak kedua berukuran n
2
= 4 diambil, bebas dari yang pertama, dari populasi lain yang juga
berdistribusi normal, dengan rataan
2
= 40 dan variansi σ
2
1
= 4, dan rataan sampel ̅
2

dihitung. Cari nilai P(
̅
1

̅
2
< 8,2)!
Buku Ajar Statistika Industri FRI

40
IT TELKOM

SKEMA SELISIH POPULASI ATAU SAMPEL
Populasi 1
µ
1
,o
1
Apakah
Sampel 2
berukuran
Sampel 1
berukuran
Populasi 2
µ
2
,o
2
2 1 2 1
µ µ = , , X X
2 2 x
S X ,
1
1
x
S X ,

OUTLINE
Distribusi selisih rata-rata
Distribusi selisih proporsi
2 1 1 1 2 1
µ ÷ µ = ÷ =
÷
X X X
x x
2 1 2 1 2 1
p p p P p P P
p p
÷ = ÷ =
÷





Buku Ajar Statistika Industri FRI

41
IT TELKOM




DISTRIBUSI SAMPLING RATAAN T
Untuk ukuran sampel besar (n > 30), taksiran σ
2
yang baik dapat diperoleh dengan
menghitung nilai S
2
. Bila ukuran sampelnya kecil (n < 30), nilai S
2
akan berubah cukup besar
dari sampel ke sampel lainnya dan distribusi peubah acak (

̅
;
/
) menyimpang cukup jauh
dari distribusi normal baku. Dalam hal ini kita menghadapi distribusi statistic yang
dinamakan distribusi t, dengan



8,2 10

2,8
1,08
Jawab :
Dari distribusi sampel
̅
1

̅
2
kita tahu bahwa distribusinya normal dengan :
Rataan :

̅
1
;

2

1

2
50 40 10
Variansi :
2

̅
1
;

2


2
1

1
+

2
2

2

9
5
+
4
4
2,8
Peluang yang dicari dinyatakan oleh luas daerah yang dihitami di Gambar 1.2.
berpadanan dengan nilai ̅
1
̅
2
= 8,2, diperoleh
Sehingga
P(
̅
1

̅
2
< 8,2) = P( < 1,08)
= 0,1401


̅

/

Buku Ajar Statistika Industri FRI

42
IT TELKOM

Misalkan Z peubah acak normal baku dan V peubah acak khi-kuadrat dengan derajat
kebebasan v. bila Z dan V bebas, maka distribusi peubah acak T, bila





Diberikan oleh


Ini dikenal dengan nama distribusi t dengan derajat kebebasan v.
Dalam menurunkan distribusi sampel T, akan kita misalkan bahwa sampel acaknya berasal
dari populasi normal. Selanjutnya :


Dengan


Berdistribusi normal baku, dan


Berdistribusi chi-kuadrat dengan derajat kebebasan v = n – 1. Jika sampel berasal dari
populasi normal maka dapat dibuktikan bahwa
̅
dan
2
bebas, oleh karena itu Z dan V juga
bebas. Sekarang akan kita turunkan distribusi T.

̅
1
;
̅
2
1,673


/

ht
Г[:1/2]
Г:2
π
1 +

2

;:1/2
, ∞ < < ∞

̅
//

2
/
2

/ 1
,


̅

/


1
2

2

Buku Ajar Statistika Industri FRI

43
IT TELKOM

Distribusi T mirip dengan distribusi Z, keduanya setangkup terhadap rataan nol. Keduanya
berbentuk lonceng, tapi distribusi t lebih berbeda satu sama lain karena nilai T tergantung
pada dua besaran yang berubah-ubah,
̅
dan
2
, sedangkan nilai Z hanya tergantung pada
perubahan
̅
dari sampel ke sampel lainnya. Distribusi T dan Z berbeda karena variansi T
bergantung pada ukuran sampel n dan variansi ini selalu lebih besar dari 1. Hanya bila ukuran
sampel, n , kedua distribusi menjadi sama. Gambar 1.3 di bawah memperlihatkan
hubungan antara distribusi normal baku (v = ) dan distribusi t untuk derajat kebebasan 2
dan 5.






Gambar 1.3 Kurva distribusi t
Distribusi t setangkup terhadap rataan nol, maka
1;

, yaitu nilai t yang luas sebelah
kanannya 1, atau luas sebelah kirinya , sama dengan minus nilai t yang luas bagian
kanannya





V = 2
V = 5
V =

1;

0
Buku Ajar Statistika Industri FRI

44
IT TELKOM


II.2 DISTRIBUSI SAMPLING PROPORSI
Bila populasi berukuran N mengandung jenis p sebanyak X, maka proporsi p adalah X/N.
Jika dari populasi tersebut diambil sampel berukuran n yang juga mengandung proporsi x/n
dan sampel diambil berulang maka distribusi sampel proporsinya mempunyai :
1. Rata-rata
Contoh :
Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan menyala rata-rata selama 500
jam. Untuk mempertahankan nilai tersebut, tiap bulan diuji 25 bola lampu. Bila nilai t
yang dihitung terletak antara -t
0,05
dan t
0,05
maka pengusaha pabrik tadi
akan mempertahankan keyakinannya. Kesimpulan apakah yang seharusnya dia ambil dari
sampel dengan rataan
̅
= 518 jam dan simpangan baku s = 40 jam ? Anggap bahwa distribusi
waktu menyala ,secara hampiran,normal.

518 500
40/25
2,25
Jawab :
Dari tabel t, diperoleh t
0,05
= 1,711 untuk derajat kebebasan v = 25 – 1 = 24. Jadi
pengusaha tadi akan puas dengan keyakinannya bila sampel 25 bola lampu memberikan
nilai t antara -1,711 dan 1,711. Bila memang = 500, maka :
Suatu nilai yang cukup jauh di atas 1,711. Peluang mendapat nilai t, dengan
derajat kebebasan v = 24, sama atau lebih besar dari 2,25, secara hampiran
adalah 0,02. Bila > 500, nilai t hasil perhitungan dari sampel tadi akan terasa lebih
wajar. Jadi pengusaha tadi kemungkinan besar akan menyimpulkan bahwa produksinya
lebih baik daripada yang didudaganya semula.
Buku Ajar Statistika Industri FRI

45
IT TELKOM

̂

2. Simpangan baku

̂


1



1

3. Variabel random

̂

̂

Contoh :
Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk
mencuci pakaiannya. Jika dari populasi tersebut diambil sampel berukuran 100 :
a. Tentukan rata-rata dan simpangan baku dari populasi ibu-ibu rumah tangga yang
memakai detergen A!
b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang
memakai detergen A, tentuka probabilitasnya!
Jawab:
a. Rata-rata = 0,1

̂


1


0,1 0,9
100
0,03

b. Proporsi yang memakai detergen A adalah 15/100 = 0,15

̂

̂

0,15 0,1
0,03
1,67
P(Z>1,67) = 0,5-0,4525 = 0,0475

II.3 DISTRIBUSI SAMPLING PROPORSI 2 POPULASI
Terdiri dari 2 populasi.
Populasi 1 berukuran
1
terdapat jenis
1
dengan proporsi
1
/
1

Populasi 2 berukuran
2
terdapat jenis
2
dengan proporsi
2
/
2

Bila populasi 1 diambil sampel acak berukuran
1
maka sampel ini akan mengandung
jenis
1
dengan proposi
1
/
1
. Demikian juga dengan populasi 2 diambil sampel acak
berukuran
2
maka sampel ini juga akan mengandung jenis
2
dengan proporsi
2
/
2

Buku Ajar Statistika Industri FRI

46
IT TELKOM

Smapel 1 dan 2 dapat membentuk sampel acak baru yaitu sampel beda dua proporsi.
Distribusinya mempunyai :
a) Rata-rata

̂
1

2

1

2

b) Simpangan baku

̂
1

2

1
1
1

1
+

2
1
2

2

1
+
2

1
+
2

1

2
1

c) Variabel random

̂
1
̂
2

1

2

̂
1

2

Contoh :
5% barang di gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak
10%. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari
gudang barat, tentukan probabilitas persentase barang yang cacat dalam gudang barat 2%
lebih banyak disbanding gudang timur!
Jawab :
Gudang barat :
1
300,
1
0,1
Gudang timur:
2
200,
2
0,05
̂
1
= proporsi barang yang cacat di gudang barat dalam sampel
̂
2
= proporsi barang yang cacat di gudang timur dalam sampel

̂
1

2

1
1
1

1
+

2
1
2

2


0,10,9
300
+
0,050,95
200
0,023

̂
1

2
;
1
;
2

̂
1
̂
2
=
̂
1

2
;,1;,5
,23

Karena barang cacat di gudang barat 2% lebih banyak daripada di gudang timur maka
̂
1
̂
2
> 0,02 sehingga diperoleh :

0,02 0,05
0,023
1,3
Buku Ajar Statistika Industri FRI

47
IT TELKOM

Jadi probabilitasnya adalah P ̂
1
̂
2
0,02 = P (Z > -1,3) = 0,5 + 0,4032 = 0,9032 =
90,32 %.
II.4 DISTRIBUSI SAMPLING VARIANSI
Bila sampel berukuran n diambil dari populasi normal dengan variansi
2
, dan variansi
sampel
2
dihitung maka kita peroleh suatu nilai dari statistic
2
. Variansi sampel hasil
perhitungan ini akan digunakan sebagai taksiran titik untuk
2
. Karena itu statistic
2
disebut
penaksir
2
.
Taksiran selang untuk
2
dapat diturunkan dengan menggunakan statistic.

2

1
2

2


Contoh
Suatu pabrik baterai mobil menjamin bahwa baterai akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Bila lima baterainya tahan 1,9,2,4,3,0,3,5,dan 4,2 tahun, apakah
pembuatnya masih yakin bahwa simpangan baku baterai tersebut 1 tahun?
Jawab
Mula-mula dihitung variansi sampel :

2

548,26; 15
2
54
= 0,815
Kemudian

2

40,815
1
3,26
Merupakan suatu nilai distribusi khi-kuadrat dengan derajat kebebasan 4. Karena 95% nilai

2
dengan derajat kebebasan 4 terletak antara 0,484 dan 11.143, nilai perhitungan dengan
menggunakan
2
= 1 masih wajar,sehingga tidak ada alasan bagi pembuatnya untuk
mencurigai bahwa simpangan baku baterainya bukan 1 tahun
Buku Ajar Statistika Industri FRI

48
IT TELKOM

SOAL – SOAL
1. Sebuah populasi berukuran 80 mempunyai rata-rata 69,7 dan varians 3,50. Dengan
sampling pengambilan diambil 1000 buah sampel acak yang masing-masing berukuran
5. Untuk tiap sampel dihitung rata-rata dan variansnya. Berapa nilai yang kita harapkan
untuk :
a) rata-rata ke 1000 rata-rata?
b) varians ke 1000 rata-rata?
c) rata-rata ke 1000 varians?

2. Misalkan bahwa tinggi rata-rata mahasiswa Indonesia 162 cm dengan simpangan baku
6,5 cm. Sebuah sampel acak akan diambil dengan syarat bahwa galat baku rata-rata
maksimum 0,5 cm.
a) Berapa paling sedikit mahasiswa perlu diambil sebagai sampel?
Dengan ukuran sampel yang terkecil, tentukan peluang rata-rata tinggi mahasiswa :
a) Paling sedikit 155 cm
b) Paling besar 175 cm
c) Antara 158 cm dan 172 cm
d) Kurang dari 160 cm

3. Lihat soal nomer 2 diatas. Misalkan populasinya berdistribusi normal. Ada berapa buah
sampel diharapkan akan mempunyai rata-rata :
a) antara 62 dan 72
b) paling sedikit 72,5
c) kurang dari 67

4. Diberikan dua buah populasi dengan:
data populasi I: 3,2,3,5,4,8.
data populasi II: 10,12,15,10.
a) Dari populasi I diambil semua sampel acak berukuran 3 dan dari populasi II
semua yang berukuran 2. Tulislah semua sampelnya lalu :
b) Hitung rata-rata kedua populasi.
c) Hitung rata-rata distribusi sampling rata-rata dari kedua populasi itu. Sebut ini
µ
x
dan µ
y
.
d) Hitung µ
x
- µ
y
dan bandingkan dengan selisih rata-rata populasi I dan
populasi II. Apa yang nampak?
e) Bagaimana untuk µ
x
+ µ
y ?


5. Macam lampu A rata-rata menyala 1.400 jam dan macam lampu B menyala 1.300
jam. simpangan bakunya masing-masing 160 jam dan 125 jam. dari tiap populasi
diambil sebuah sampel acak yang berukuran 85 dari sampel lampu A dan 100 dari
sampel lampu B. Tentukan peluang rata-rata menyala lampu dalam sampel dari A
paling sedikit akan 50 jam lebihnya dari rata-rata menyala lampu dalam sampel dari
B.
Buku Ajar Statistika Industri FRI

49
IT TELKOM



6. Besi baja yang diproduksi perush A mempunyai rata-rata daya regang sebesar 4500
lbs dan variansi sebesar 40000 lbs. Sedangkan yang diproduksi perush. B mempunyai
rata-rata daya regang sebesar 4000 lbs dan variansi 90000 lbs. Misalkan sampel
random sebanyak n1= 50 diambil dari perush. B . Berapakah probabilitas rata-rata
daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs?

7. Berikut adalah harga saham dari 5 perusahaan dalam Industri pertanian di BEJ 12
Januari 2004.

Perusahaan Harga persaham
PT Rajawali 275
PT Bukaka Plantindo 280
PT London 500
PT Inti Boga 350
PT Surya Pangan
Nusantara
575

Apabila diambil sampel berukuran 2 untuk mengetahui kinerjanya, hitunglah rata-rata
hitung dan standar deviasi sampel serta populasi, dan berapa probabilitas perusahaan
dengan harga diatas 400 terpilih sebagai sampel?

8. Berikut adalah hasil investasi pada 5 perusahaan reksadana untuk tahun 2003

Perusahaan Hasil Investasi (%/tahun)
Nikko 17
Investa 15
GTF Tunai 10
Dana Investa 11
Phinis Dana Kas 14

Buku Ajar Statistika Industri FRI

50
IT TELKOM

Seorang investor ingin menanamkan modal di reksadana dengan mencoba survei pada 3
perusahaan reksadana. Hitunglah berapa nilai rata-rata dan standar deviasi dari distribusi
sampel rata-rata. Berapa peluang terpilihnya perusahaan untuk disurvey dengan harapan
perusahaan tersebut mempunyai hasil investasi di atas 13%.

9. PT Caraka Bumi merencanakan akan memergerkan dua perusahaan yaitu PT Indah
Karya dan PT Dharma Raya. PT Caraka Bumi juga merencanakan PHK dalam rangka
efisiensi yaitu pada PT Indah Karya sekitar 10% dan PT. Dharma Raya 15% dari total
karyawan yang ada. Untuk keperluan tersebut, dipanggil 100 karyawan dari PT Indah
Karya dan 200 dari PT Dharma Raya untuk wawancara. Berapa probabilitas beda
persentase tentang PHK di PT Indah Karya 5% akan lebih kecil dari PT Dharma
Raya?

10. PT PSK Jaya mempunyai dua anak perusahaan yaitu PT AYU yang bergerak dalam
konveksi dan PT NANI ABADI yang bergerak dalam realestate. Kedua diharapkan
mempunyai kinerja yang sama baiknya. Pengamatan selama 30 bulan PT AYU.
menunjukan keuntungan rata-rata 500 juta dengan standar deviasi 75 juta. Sedangkan
pengamatan terhadap PT NANI ABADI selama 50 bulan menunjukkan keuntungan
rata-rata 300 juta dengan standar deviasi 52 juta. Apabila PT PSK menginginkan
selisih dari kedua perusahaan kurang dari 150 juta, berapa peluang keinginan tersebut
tercapai?


11. Hitunglah peluang bahwa suatu sampel acak ukuran 25 pengamatan, diambil dari
populasi normal dengan variansi
2
= 6, akan mempunyai variansi
2

a) Lebih besar dari 9,1;
b) Antara 3,462 dan 10,745
c) Misalkan bahwa variansi sampel merupakan pengukuran yang kontinu.

12. Ada anggapan bahwa peluang usaha di Jawa untuk relatif berhasil lebih besar
dibandingkan dengan di luar Jawa. Sebuah survey menunjukkan bahwa 200 UKM di
Jawa, 45%-nya berhasil dan 100 UKM di luar Jawa, 30%-nya berhasil. Apabila
pemerintah menginginkan perbedaan di Jawa dan Luar Jawa hanya 5%, berapa
peluang keinginan tersebut tercapai.

13. Suatu perusahaan menyatakan bahwa baterai yang dipakai dalam mainan
elektroniknya akan tahan rata-rata 30 jam. Untuk mempertahankan nilai ini, 16
baterai diuji setipa bulan. Bila diperoleh nilai – berada antara
,25
dan
,25

maka perusahaan puas dengan pernyataannya. Kesimpulan apa yang seharusnya
diambil perusahaan dari sampel acak yang mempunyai ̅ = 27,5 jam dengan
simpangan baku = 5 jam? Anggap baterai berdistribusi hampiran normal.


Buku Ajar Statistika Industri FRI

51
IT TELKOM

14. Suatu perusahaan rokok mengatakan bahwa rata-rata kadar nikotin rokoknya 1,83 mg.
Apakah anda setuju dengan pendapat pengusaha rokok tersebut bila suatu sampel
ukuran 8 rokok dari perusahaan tersebut mengandung kadar nikotin 2.0, 1.7, 2.1, 1.9,
2.2, 2.1, 2.0, dan 1.6 mg?

15. Dari sekelompok pegawai yang terdiri atas 40.000 orang telah diambil sekelompok
kecil sebanyak 100 orang . Yang menjadi perhatian disini ialah penghasilan pegawai
tiap bulan. Apabila ditaksir bahwa keseluruhan pegawai pukul rata mempunyai
pendapatan Rp. 27500 dengan simpangan baku Rp. 1000 maka:
a) Untuk kelompok kecil tadi , berapa rata-rata upahnya akan antara Rp.25000
dan Rp.30.000?
b) Seperti di a tapi paling rendah Rp. 20.000?
c) Apabila dikehendaki perbedaan rata-rata upah untuk tiap kelompok paling
besar Rp. 500, maka setiap kelompok itu paling sedikit harus terdiri atas
berapa orang pegawai yang perlu diambil secara acak?

16. Dalam setiap pengiriman gelas minum , biasanya 95% diterima dalam keadaan baik.
Pada suatu waktu telah dikirimkan 100.000. buah gelas. Berapa peluangnya untuk
pemeriksaan yang terdiri dari 60 buah gelas dari pengiriman itu, akan berisikan gelas
yang baik:
a) Antara 90% dan 98%?
b) Paling sedikit 97,5%?

17. A dan B menghasilkan dua macam kabel, yang daya tahannya masing-masing pukul
rata 4000 dan 4500 kg dengan simpangan baku berturut-turut 300 dan 200 kg. Jika
dari kabel yang dihasilkan oleh A diuji 100 potong sedangkan dari yang dihasilkan B
diuji 50 potong, maka tentukanlah peluangnya pukul rata daya tahan kabel B akan:
a) Paling sedikit 600 kg lebih daripada daya tahan kabel A?
b) Paling banyak 450 kg lebih daripada daya tahan kabel A?

18. Pengalaman memperlihatkan bahwa dikota A sekitar 65% dari para ibu ternyata lebih
menyenangi sabun mandi XYZ bila dibandingkan dengan sabun-sabun mandi merk
lain. Tentukanlah berapa peluangnya bahwa dua buah sampel acak yang terdiri atas
para ibu dikota itu, tiap sampel terdiri atas 200 ibu, akan memperlihatkan perbedaan
lebih dari 10% yang menyenangi sabun mandi XYZ.

19. Misalkan X peubah acak binomial dengan distribusi peluang :
x x
x
x f
÷
=
3
) 5 / 3 ( ) 5 / 2 )(
3
( ) ( x=0,1,2,3
= 0 untuk lainnya
Carilah distribusi peluang peubah acak Y = X
2

Buku Ajar Statistika Industri FRI

52
IT TELKOM

20. Misalkan ̅ adalah rata-rata dari sampel acak ukuran 12 dari distribusi uniform
dengan interval (0,1) . Hitunglah P(1/2 ≤ ̅ ≤ 2/3)

21. Diketahui Y = x1 + x2 +....+x15 adalah jumlah dari sampel acak dengan ukuran 15
dari distribusi yang pdf nya f(x) =3/2 x2; -1< x < 1. Hitunglah P(-0,3≤Y 1,5


22. Diketahui ̅ adalah rata-rata dari sampel acak ukuran 36 dari distribusi exponensial
dengan rata-rata 3. Hitunglah P(2,5 ≤ ̅ ≤ 4)

23. Hitunglah P(39,75 ̅ 41,25) dimana ̅ adalah rata-rata dari sampel acak
ukuran 32 dari distribusi dengan rata-rata µ = 40 dan var.
2
=8

24. Sample acak ukurann n = 18 diambil dari distribusi dengan pdf
f(x) = {1-x/2 ; 0≤ x≤2
; 0 untuk yang lainnya
a) Hitung µ dan
2

b) Hitung P(2/3 ̅ 5/6)



Buku Ajar Statistika Industri FRI

53
IT TELKOM

BAB III TEORI ESTIMASI




Teori estimasi adalah suatu ilmu yang menghususkan bagaimana caranya memperkirakan
besaran-besaran populasi yang tidak diketahui yang dihitung berdasarkan suatu sample.
Dalam bab ini akan dibahas tiga kategori sesuai dengan kondisi yang dihadapi:
a) Teori estimasi berdasarkan rataan
b) Teori estimasi berdasarkan proporsi
c) Terori estimasi berdasarkan variansi
Pokok bahasan pada materi “teori estimasi” dititik beratkan bedasarkan interval estimasi baik
untuk satu populasi ataupun dua populasi.



Setelah mempelajari materi ini mahasiswa dapat mengestimasi parameter populasi yang tidak
diketahui berdasarkan statistik sampel.




1. Mahasiswa dapat memahami konsep dasar teori estimasi baik estimasi rataan,
proporsi dan variansi untuk satu dan dua populasi.
2. Mahasiswa diharapkan dapat menggunakan teori estimasi pada dunia nyata.




PENDAHULUAN


TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

Buku Ajar Statistika Industri FRI

54
IT TELKOM




Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

55
IT TELKOM

 Penduga Tidak Bias
SIFAT-SIFAT PENDUGA
E( ) =µ
E( ) = µ
Gambar A Penduga Bersifat Tidak Bias Gambar B Penduga Bersifat Bias
Penduga titik dikatakan tidak bias (unbiased estimator) jika di
dalam sampel random yang berasal dari populasi, rata-rata atau
nilai harapan (expexted value, ) dari statistik sampel sama dengan
parameter populasi (µ) atau dapat dilambangkan dengan E( ) = µ.
X
X
X
X

 Penduga Efisien
SIFAT-SIFAT PENDUGA
s
x1
2
< s
x2
2
s
x1
2
s
x2
2
Penduga yang efisien (efficient estimator) adalah penduga yang tidak bias dan
mempunyai varians terkecil (s
x
2
) dari penduga-penduga lainnya.

RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

56
IT TELKOM

DEFINISI
 Penduga Konsisten
Penduga yang konsisten (consistent estimator) adalah nilai dugaan ( ) yang semakin
mendekati nilai yang sebenarnya µ dengan semakin bertambahnya jumlah sampel (n).
n kecil
n sangat besar
n besar
n tak terhingga
X



Buku Ajar Statistika Industri FRI

57
IT TELKOM

III.1 ESTIMASI RATAAN
III.1.1 Selang kepercayaan mean sampel

DEFINISI
Pendugaan interval:
Pendugaan interval adalah menyatakan jarak di dalam mana
suatu parameter populasi mungkin berada.

Estimator titik dari mean populasi µ adalah statistik
̅
. Sebaran statistik ini berpusat
pada µ dan variansinya lebih kecil daripada estimator lain.

2

2

, sehingga semakin besar ukuran sampelnya akan menghasilkan variansi yang
semakin kecil.
Selang kepercayaan dari populasi yang terdistribusi normal atau jika ukuran sampelnya
cukup besar, dapat diturunkan sbb :

Dari gambar di atas
(
2 ⁄
< <
2 ⁄
) = 1 - α, dimana

/

Jadi
2 ⁄
<
;

<
2 ⁄
atau
̅

2 ⁄

< <
̅
+
2 ⁄

Buku Ajar Statistika Industri FRI

58
IT TELKOM

Sampel acak berukuran n dari suatu populasi dengan variansi σ
2
yang diketahui dan mean ̅
yang dihitung akan menghasilkan selang kepercayaan sebesar (1-α)100%.

̅

/2

< <
̅
+
/2

III.1.2 Selang kepercayaan untuk µ; diketahui
Bila ̅ rataan sampel acak berukuran n dari suatu populasi dengan variansi
2
yang
diketahui maka selang kepercayaan (1-α)100% untuk µ ialah
̅
/2

< < ̅ +
/2

z
α/2
adalah nilai sebaran normal yang menghasilkan luas α/2 di sebelah kanannya.
Contoh : mean dan simpangan baku dari IPK sebanyak 36 orang mahasiswa adalah 2.6 dan
0.3. tentukan selang kepercayaan 95% dan 99% untuk nilai mean-nya.
Jawab : titik estimasi adalah ̅ = 2.6. karena sampel beukuran besar, simpangan baku σ dapat
didekati dengan s = 0.3. nilai z yang memberikan luas daerah dibawah kurva sebesar 0.025 di
sebelah kanan, atau 0.975 di sebelah kiri, adalah z
0.025
= 1.96 (dari tabel). Oleh karena itu
selang kepercayaan 95% adalah
2.6 – (1.96) (0.3)/36) < µ < 2.6 + (1.96) (0.3/36) atau
2.50 < µ < 2.70
Dengan cara yang sama, selang kepercayaan 99% memerlukan z
0.005
= 2.575 dan selang
kepercayaan ini adalah :
2.6 – (2.575) (0.3/36) < µ < 2.6 + (2.575) (0.3/36) atau
2.47 < µ < 2.73
Terlihat selang ini lebih lebar dari sebelumnya.
III.1.3 Kesalahan estimasi

Buku Ajar Statistika Industri FRI

59
IT TELKOM

DISTRIBUSI NORMAL DAN STANDAR DEVIASI
POPULASI TIDAK DIKETAHUI
Standar error untuk populasi tidak terbatas
Standar error untuk populasi yang terbatas dan n/N > 0,05:
Distribusi t dengan n=25
Distribusi t dengan n=5
Distribusi normal standar
Distribusi t dengan n=15
n
S
S
x
=
1 ÷
÷
=
N
n N
n
S
S
x

Selang kepercayaan (1-α)100% memberikan ketelitian estimasi titik. Jika µ adalah titik pusat
selang, ̅ mengestimasi µ tanpa kesalahan.
Pada umumnya akan ada kesalahan yang besarnya berbeda antara ̅ dengan µ, dan kita
percaya (1-α)100% bahwa perbedaan ini kurang dari z
α/2
(σ/).

Teorema : jika ̅ digunakan sebagai estimasi dari µ, kita dapat percaya (1-α)100% bahwa
nilai kesalahannya akan kurang dari z
α/2
(σ/).
Pada contoh soal sebelumnya, kita percaya 95% bahwa mean sampel ̅ = 2.6 berbeda sebesar
0.1 dari nilai sebenarnya dan percaya 99% bahwa nilainya berbeda sebesar 0.13.
Seringkali kita ingin tahu seberapa besar sampel yang kita inginkan untuk memastikan bahwa
kesalahan estimasi dari µ kurang dari nilai tertentu e. Jadi kita harus memilih n sedemikian
hingga z
α/2
(σ/) = e.
Teorema : jika ̅ digunakan untuk mengestimasi µ, kita dapat percaya (1-α)100% bahwa
kesalahannya akan kurang dari nilai e tertentu jika jumlah sampelnya adalah

2 ⁄

2

Buku Ajar Statistika Industri FRI

60
IT TELKOM

Teorema di atas dapat diterapkan jika variansi populasi diketahui, atau tersedia n ≥ 30 untuk
melakukan estimasi variansi tersebut.
FAKTOR UKURAN SAMPEL
Faktor yang mempengaruhi jumlah sampel
1. Tingkat keyakinan yang dipilih.
2. Kesalahan maksimum yang diperbolehkan.
3. Variasi dari populasi.

Contoh : seberapa banyak jumlah sampel yang diperlukan pada contoh sebelumnya jika kita
ingin percaya 95% bahwa estimasi µ kita kurang dari 0.05?
Jawab : simpangan baku sampel s = 0.3 diperoleh dari sampel asal 36 akan dipakai untuk
menentukan σ. Sebelumnya juga telah diperoleh z
α/2
= 1.96,maka berdasarkan teorema di atas
n =
2 ⁄

2
= [(1.96)(0.3)/0.05]
2
= 138.3
dengan demikian, kita dapat percaya 95% bahwa sampel acak sebesar 139 akan memberikan
hasil estimasi ̅ yang berbeda di bawah 0.05 dari µ.
III.1.4 Sampel sedikit
Bagaimana jika syarat n ≥ 30 untuk menghitung variansi populasi tidak dapat
dipenuhi? Gunakan distribusi T sebagai ganti distribusi Gauss. Disini
T =
̅ ;


Prosedur lain sama dengan yang sebelumnya.
Buku Ajar Statistika Industri FRI

61
IT TELKOM


Mengacu pada gambar di atas, nilai peluang pada daerah diarsir
P(-t
α/2
<T< t
α/2
) = 1 – α
Di mana t
α/2
adalah nilai t untuk derajat bebas n-1. Luas sebelah kanan nilai ini adalah α/2,
dan berdasarkan simetri, luas sebelah kiri dari -t
α/2
juga α/2. Substitusi untuk T menghasilkan
P(-t
α/2
<(

̅
;

)< t
α/2
) = 1 – α
Maka diperoleh P(
̅

2 ⁄

< <
̅
+
2 ⁄

) = 1 – α
Dengan demikian, untuk n sampel, mean ̅ dan simpangan baku s, interval kepercayaan (1 –
α)100% diberikan oleh
̅

2 ⁄

< <
̅
+
2 ⁄

III.1.5 Selang kepercayaan untuk µ; σ tidak diketahui.
Suatu selang kepercayaan (1 – α)100% untuk µ adalah:

̅
2 ⁄

< < ̅ +
2 ⁄

Dimana ̅ dan s adalah mean dan simpangan baku sampel berukuran n < 30 dari suatu
populasi yang terdistribusi mendekati normal, dan
2 ⁄
adalah nilai distribusi-t dengan derajat
bebas sebesar v=n-1 yang menghasilkan luas α/2 di sebelah kanannya.
Contoh : ada 7 kontainer serupa yang berisi asam sulfat dengan volume : 9.8, 10.2, 10.4, 9.8,
10.0, 10.2, dan 9.6 liter. Tentukan selang kepercayaan 95% untuk mean dari kontainer-
kontainer tersebut juka distribusinya mendekati normal.
Buku Ajar Statistika Industri FRI

62
IT TELKOM

Jawab : dari data yang diberikan,diketahui mean sampel ̅ =10.0 dan simpangan baku sampel
s=0.283. berdasarkan tabel T, kita dapatkan t
0.025
= 2.447 untuk derajat bebas v=6. Karena itu,
selang kepercayaan 95% dari adalah
10.0 – (2.447) (0.283 / 7)< < 10.0 + (2.447) (0.283 / 7), atau
9.74< <10.26
Tambahan soal latihan estimasi rataan
1. Suatu mesin minuman diatur sedemikian rupa sehingga banyaknya minuman yang
dikeluarkannya berdistribusi hampir normal dengan simpangan baku 0,15 desiliter.
Hitunglah selang kepercayaan 95% untuk rataan semua minuman yang dikeluarkan
mesin tersebut bila sampel acak 36 cangkir minuman berisi rata-rata 2,25 desiliter.
2. Seorang ahli dalam efisiensi ingin menentukan rata-rata waktu yan diperlukan untuk
membor tiga lubang pada sejenis kepitan logam. Berapa besar sampelkah yang dia
perlukan agar yakin 95% bahwa rataan sampelnya paling jauh 15 detik dari rataan
sesungguhnya? Misalkan dari penelitian sebelumnya diketahui bahwa σ=40 detik.

III.2 ESTIMASI PROPORSI
Penaksir titik untuk proporsi p dalam suatu percobaan binomial diberikan oleh statistic

̂

⁄ dengan X menyatakan banyaknya yang berhasil dalam n usaha. Jadi, proporsi
sampel ̂

⁄ akan digunakan sebagai taksiran titik untuk parameter p.
Bila proporsi p yang tak diketahui diharapkan tidak akan terlalu dekat dengan nol atau
1, maka selang kepercayaan untuk p dapat dicari dengan menggunakan distribusi sampel
̂
.
Dengan menyatakan suatu kegagalan dalam tiap usaha binomial dengan nilai 0 dan
keberhasilan dengan nilai 1 maka banyaknya yang berhasil , x, dapat ditafsirkan sebagai
jumlah dari n nilai yang terdiri atas hanya nol dan satu, maka ̂ hanyalah rataan sampel dari n
nilai ini. Karena itu, menurut Teorema Limit Pusat, untuk n cukup besar,distribusi
̂
hampir
normal dengan rataan

̂
(
̂
)

Dan variansi
Buku Ajar Statistika Industri FRI

63
IT TELKOM

̂

2

2

2

2

Dengan demikian dapat dituliskan

2 ⁄
< <
2 ⁄
1
Dengan

̂



dan
2 ⁄
menyatakan nilai kurva normal baku yang di sebelah kanannya terdapat daerah
seluas

2
. Gantikan Z dalam ketidaksamaan
(
2 ⁄
<

̂
;

<
2 ⁄
) 1
Kalikan tiap suku dalam ketidaksamaan ⁄ , kemudian kurangi dengan
̂
dan kalikan
dengan -1, diperoleh
(
̂

2 ⁄

< <
̂
+
2 ⁄

) 1
Ketidaksamaan ini sulit untuk disederhanakan untuk mendapat selang acak yang
kedua ujungnya tidak mengandung p, paremeter yang tidak diketahui. Tapi bila n besar,
galatnya kecil sekali bila p di bawah tanda akar diganti taksiran titik ̂ ⁄ . Dalam hal
demukian, maka dapat ditulis
(
̂

2 ⁄

̂̂

< <
̂
+
2 ⁄

̂̂

) 1
Untuk suatu sampel acak ukuran n, hitunglah proporsi sampel ̂ ⁄ , maka
hampiran selang kepercayaan (1-α) 100% untuk p dapat diperoleh.
Bila n kecil dan proporsi p yang tidak diketahui diyakini dekat ke 0 atau ke 1 maka cara
mencari selang kepercayaan ini tidak dapat diandalkan dan, karena itu, sebaiknya tidak
digunakan. Untuk menjamin hasil yang baik sebaiknyalah usahakan agar selalu ̂ dan ̂
lebih besar atau sama dengan 5. Cara penghitungan selang kepercayaan untuk parameter
Buku Ajar Statistika Industri FRI

64
IT TELKOM

binomial p juga dapat dipakai bila distribusi normal digunakan utnuk menghampiri distribusi
hipergeometrik, yaitu, bila n kecil dibandingkan dengan N seperti pada contoh 1
Selang kepercayaan sampel-besar untuk p
Bila
̂
menyatakan proporsi yang berhasil dalam sampel berukuran acak ukuran n, dan
̂ 1 ̂ , maka hampiran selang kepercayaan (1-) 100% untuk parameter binomial p
adalah

̂

2


̂̂

< p <
̂
+
2


̂̂

dengan
2

menyatakan nilai z sehingga luas di sebelah kanannya α/2.

Contoh 1
Pada suatu sampel acak n = 500 keluarga yang memiliki pesawat televise di kota Hamilton,
Kanada, ditemukan bahwa x = 340 memiliki tv berwarna. Carilah selang kepercayaan 95%
untuk proporsi sesungguhnya dari keluarga yang memiliki tv berwarna di kota tersebut.
Jawab
Taksiran titik untuk p ialah ̂
34
5
0,68. Dari table diperoleh
,25
1,96. Jadi, selang
kepercayaan 95% untuk p adalah
0,68 1,96

0,680,32
500
< < 0,68 +1,96

0,680,32
500

Yang, bila disederhanakan akan menjadi
0,64 < p < 0,72
Bila p berada tepat di tengah selang kepercayaan (1-) 100% maka ̂ menaksir p
tanpa galat. Tapi, biasanya, ̂ tidak akan tepat sama dengan p dan taksiran titik meleset

Buku Ajar Statistika Industri FRI

65
IT TELKOM


(mempunyai galat). Besarnya galat akan smaa dengan selisih positif antara ̂ dan p, dan
dengan selang kepercayaan (1- ) 100% selisih ini akan lebih kecil dari
2 ⁄
̂ ̂ ⁄ .
Teorema 1
Bila ̂ dipakai sebagai taksiran p, galatnya akan lebih kecil daripada

̂̂ ⁄
dengan kepercayaan (1-α) 100%.

Pada contoh 1 diatas, proporsi sampel ̂ 0,68 berbeda dengan proporsi p yang
sesungguhnya tidak lebih dari 0,04 dengan kepercayaan 95%. Sekarang ingin ditentukan
berapa besarkah sampel yang diperlukan agar terjamin bahwa galat dalam menaksir p tidak
melebihi suatu besaran g. Menurut teorema 1, ini berarti n harus dipilih agar

2 ⁄
̂ ̂ ⁄

Teorema 2
Bila ̂ dipakai sebagai taksiran p, maka dengan kepercayaan (1-α) 100% galat
akan lebih kecil dari besaran tertentu g bila ukuran sampel sebesar


̂̂

Teorema 2 agak membingungkan karena untuk menentukan ukuran sampel n
digunakan ̂ , padahal ̂ dihitung dari sampel. Bila p dapat ditaksir secara kasar tanpa
mengambil sampel maka taksiran ini dapat dipakai untuk menentukan n. Bila ini tidak
tersedia, ambil sampel pendahuluan berukuran n ≥ 30 untuk menaksir p. Kemudian, dengan
menggunakan teorema 2, dapat ditentukan perkiraan besarnya sampel yang diperlukan agar
derajat ketepatan yang diinginkan tercapai. Sekali lagi, semua nilai pecahan n agar dibulatkan
ke bilangan bulat yang lebih besar terdekat.

Buku Ajar Statistika Industri FRI

66
IT TELKOM

Contoh 2
Berapa besarkah diperlukan sampel pada contoh 1 agar taksiran p meleset kurang dari 0,02
dengan kepercayaan 95%?
Jawab :
Pandanglah ke-500 keluarga sebagai sampel pendahuluan yang memberikan taksiran
̂ 0,68. Maka menurut teorema 3

1,96
2
0,680,32
0,02
2
2090
Jadi, bila taksiran p didasarkan atas sampel acak ukuran 2090 maka proporsi sampel tidak
akan berbeda lebih dari 0,02 dengan proporsi sesungguhnya, dengan kepercayaan 95%.
Terkadang tidak praktis mencari taksiran p untuk digunakan dalam menentukan
ukuran sampel n untuk suatu taraf kepercayaan tertentu. Bila ini terjadi, batas atas untuk n
dapat diperoleh dengan menyadari bahwa ̂ ̂ ̂ 1 ̂ 1 4 ⁄ , karena ̂ terletak antara 0
dan 1. Ini dapat dibuktikan dengan melengkapi kuadrat. Jadi
̂ 1 ̂ ̂
2
̂
1
4
̂
2
̂ +
1
4

1
4
̂
2

1
2

2
,
yang selalu lebih kecil dari 1 4 ⁄ kecuali bila p = 1 2 ⁄ yang mengakibatkan ̂ ̂ 1 4 ⁄ . Jadi,
bila dimasukkan ̂ 1 2 ⁄ pada rumus n di teorema 3, padahal, sesungguhnya, p cukup
berbeda dengan 1 2 ⁄ , maka tentunya n akan melebihi dari yang diperlukan untuk taraf
kepercayaan yang ditetapkan dan sebagai akibatnya taraf kepercayaan yang diperoleh akan
meningkat.
Teorema 3
Bila ̂ dipakai sebagai taksiran p, maka dengan kepercayaan paling sedikit (1-α) 100%
galat akan lebih kecil dari besaran tertentu g bila ukuran sampel

Buku Ajar Statistika Industri FRI

67
IT TELKOM


Contoh 3
Berapa besarkah sampel yang diperlukan pada contoh 1 agar kita yakin paling sedikit dengan
kepercayaan 95% bahwa taksiran p melesat kurang dari 0,02?
Jawab
Berbeda dengan contoh2, disini kita anggap tidak ada sampel pendahuluan diambil untuk
menaksir p. Karena itu, dengan kepercayaan paling sedikit 95% proporsi sampel yang kita
peroleh tidak akan berbeda dari proporsi sesungguhnya melebihi 0,02 bila kita memilih
ukuran sampel
1,96
2
4 ,2
2
2401

Dengan membandingkan contoh 2 dan contoh 3, terlihat bahwa keterangan (taksiran)
mengenai p, yang diperoleh dari sampel pendahuluan atau pun mungkin dari pengalaman
masa silam, dapat dipakai untuk menarik sampel yang lebih kecil dengan tetap
mempertahankan taraf ketelitian semula.
III.2.1 Estimasi Selisih Dua Proporsi
Pandang persoalan menafsir selisih dua parameter binomial p
1
dan p
2
. Sebagai
contoh, misalkan p
1
proporsi yang merokok dan terkena kanker paru-paru dan p
2
proporsi
yang tidak merokok dan terkena kanker paru-paru. Persoalannya ialah menaksir selisih kedua
proporsi itu. Pertama-tama, pilihlah sampel acak bebas masing-masing berukuran n
1
dan n
2
dari dua populasi binomial dengan rataan n
1
p
1
dan n
2
p
2
serta variansi n
1
p
1
q
1
dan n
2
p
2
q
2
,
kemudian tentukan jumlah x
1
dan x
2
dari orang yang terkena kanker paru-paru pada tiap
sampel, dan tentukanlah proporsi ̂
1

1

1
⁄ dan ̂
2

2

2
⁄ . Penaksir titik untuk selisih
dua proporsi p
1
- p
2
adalah statistik
̂
1

̂
2
. Jadi, selisih kedua proporsi sampel, ̂
1
̂
2
,
akan digunakan sebagai taksiran titik untuk p
1
- p
2
.
Selang kepercayaan untuk p
1
- p
2
dapat ditetapkan dengan menggunakan distribusi sampel

̂
1

̂
2
. Dari materi menaksir proporsi diketahui
̂
1
dan
̂
2
masing-masing berdistribusi
hampir normal, dengan rataan p
1
dan p
2
, dan variansi p
1
q
1
/ n
1
dan p
2
q
2
/ n
2
. Dengan
mengambil kedua sampel secara bebas dari kedua populasi maka peubah
̂
1

̂
2
akan
Buku Ajar Statistika Industri FRI

68
IT TELKOM

bebas satu sama lain, dank arena distribusi normal bersifat merambat, maka dapat
disimpulkan bahwa

̂
1

̂
2
berdistribusi hampir normal dengan rataan

̂
1

2
= p
1
– p
2

dan variansi

2
̂
1

2

1

1

1
+

2

2

2

Dengan demikian dapat ditulis
(
2 ⁄
< <
2 ⁄
) 1
Dengan

(
̂
1

̂
2
)
1

2

1

1

1
+

2

2

2


Dan
2 ⁄
nilai kurva normal baku sehingga luas di sebelah kanannya 2 ⁄ . Ganti Z pada
rumus di atas, maka dapat ditulis

[

2 ⁄
<
(
̂
1

̂
2
)
1

2

1

1

1
+

2

2

2

<
2 ⁄
]

1
Setelah melakukan perhitungan seperti biasa,ganti p
1
, p
2
, q
1
dan q
2
yang berada di bawah
tanda akar dengan taksirannya ̂
1

1

1
⁄ , ̂
2

2

2
⁄ , ̂
1
1 ̂
1
dan ̂
2
1 ̂
2
, asal
saja
1
̂
1
,
1
̂
1
,
2
̂
2
dan
2
̂
2
semuanya lebih besar atau sama dengan 5, maka diperoleh
hampiran selang kepercayaan (1-α) 100% untuk
1

2
.




Buku Ajar Statistika Industri FRI

69
IT TELKOM

Selang kepercayaan sampel-besar untuk

Bila ̂
1

2
menyatakan proporsi yang berhasil dalam sampel acak masing-masing ukuran

1

2
, ̂
1
1 ̂
1
̂
2
1 ̂
2
, maka hampiran selang kepercayaan (1-α) 100%
untuk selisih kedua parameter binomial,
1

2
, adalah
̂
1
̂
2

2 ⁄

̂
1
̂
1

1
+
̂
2
̂
2

2
<
1

2
< ̂
1
̂
2
+
2 ⁄

̂
1
̂
1

1
+
̂
2
̂
2

2

Bila
2 ⁄
nilai kurva normal sehingga luas di sebelah kanannya 2 ⁄
Contoh 4
Suatu perusahaan dalam cara pembuatan suku cadang sedang direncanakan. Sampel diambil
dari cara lama maupun yang baru untuk melihat apakah cara baru tersebut memberikan
perbaikan. Bila 75 dari 1500 suku cadang yang berasal dari cara lama ternyata cacat dan 80
dari 2000 yang berasal dari cara baru ternyata cacat, carilah selang kepercayaan 90% untuk
selisih sesungguhnya proporsi yang cacat dalam kedua cara.
Jawab :
Misalkan p
1
dan p
2
masing-masing menyatakan proporsi yang sesungguhnya yang cacat
dalam cara lama dan baru. Jadi ̂
1
75 1500 ⁄ 0,05 dan ̂
2
80 200 ⁄ 0,04 , dan
taksiran titik untuk
1

2
ialah ̂
1
̂
2
0,05 0,04 0,01
Dari table diperoleh
,5
1,645. Jadi bila dimasukkan nilai ini ke dalam rumus di atas,
maka diperoleh kepercayaan 90%,
0,01 1,645√
,5,95
15
+
,4,96
2
<
1

2
< 0,01 +1,645√
,5,95
15
+
,4,96
2
,
Yang disederhanakan, menjadi
-0,0017 < p
1
– p
2
< 0,0217
Karena selang ini mengandung nilai 0, tak ada alasan mempercayai bahwa cara baru tersebut
memberikan penurunan yang berarti dalam proporsi suku cadang yang cacat disbanding
dengan cara lama.

Buku Ajar Statistika Industri FRI

70
IT TELKOM

Latihan soal
1. Dari suatu sampel acak 1000 rumah di suatu kota ternyata 228 menggunakan gas
Elpiji. Cari selang kepercayaan 99% untuk proporsi rumah di kota tadi yang
menggunakan gas Elpiji.

2. Suatu sistem peluncur roket tertentu sedang dipertimbangkan untuk dipakai
meluncurkan sejumlah roket jarak pendek. Sistem yang sekarang mempunyai peluang
berhasil meluncurkan sebuah roket p =0,8. Sampel 40 peluncuran percobaan dengan
sistem yang baru menunjukkan 34 yang berhasil.
a) Buatlah selang kepercayaan 95% untuk p
b) Apakah kenyataannya cukup besar untuk mendukung

3. Berapakah sampel yang diperlukan di soal 1 bila diinginkan yakin 99% bahwa
proporsi sampel paling banyak berjarak 0,05 dari proporsi sesungguhnya dari rumah
di kota tersebut yang menggunakan gas Elpiji.

4. Suatu penelitian ingin dilakukan untuk menaksir berapa persen penduduk suatu kota
yang memilih arinya diberi flour. Berapa besarkah sampel yang diperlukan bila
seseorang berharap yakin paling sedikit 95% taksirannya paling banyak sejauh 1%
dari presentasi sesungguhnya?

5. Suatu perusahaan rokok menyatakan bahwa rokoknya merek A terjual 8% lebih
banyak dari rokoknya merek B. Bila dari 200 perokok ada 42 yang lebih menyukai
merk A dan 18 dari 150 perokok lebih menyukai merek B, hitunglah selang
kepercayaan 94% untuk selisih antara proporsi penjualan kedua merek dan tentukan
apakah perbedaan 8% tersebut suatu pernyataan yang kena.


Buku Ajar Statistika Industri FRI

71
IT TELKOM

6. Dalam pengukuran waktu reaksi seseorang terhadap semacam stimulus, seorang ahli
psikologi memperkirakan bahwa simpangan bakunya 0,08 detik. Untuk menentukan
berapa orang yang perlu diukur agar didapat hasil rata-rata waktu reaksi dengan
kepercayaan 95%, dan kekeliruan penaksiran tidak melebihi 0,015 detik, asumsi
apakah yang harus diambil mengenai distribusi waktu reaksi? Tentukan berapa orang
yang perlu diukur! Bagaimana jika dikehendaki kepercayaan 99%? Apa yang tampak?

7. Telah ditimbang 10 buah tomat dengan hasil (dalam gram): 142, 157, 138, 175, 152,
149, 148, 200, 182, 164.
Jika berat tomat berdistribusi normal, tentukan interval kepercayaan, 95% untuk rata-
rata berat tomat.

8. Sampel acak yang terdiri atas 400 petani, ternyata 65% tidak memiliki tanah sendiri.
Tentukan interval kepercayaan 95% persentase sebenarnya untuk para petani yang
memiliki tanah sendiri. Bagaimana jika koefisien kepercayaannya diambil 0,99?
Jelaskan apa yang tampak?

9. Diberikan dua buah sampel dengan data:
Sampel I : 38, 42, 51, 47, 38, 60, 57, 58, 32, 45
Sampel II : 44, 49, 53, 46, 41, 47, 34, 60, 59, 63
yang diambil dari dua buah populasi.
Untuk menentukan batas-batas interval kepercayaan selisih rata-rata sebenarnya
antara kedua populasi, asumsi apa yang diambil? Tentukan interval kepercayaan 95%
untuk selisih tersebut jika:
a) Simpangan baku kedua populasi diketahui sama besar, yaitu 9,5.
b) Simpangan baku kedua populasi sama besar tetapi tidak diketahui nilainya.
c) Simpangan baku kedua populasi tidak sama besar.

10. Hasil dua jenis semacam tanaman tiap satuan luas tertentu, dalam satuan berat, adalah
sebagai berikut:
Jenis I : 39,3 – 45,5 – 41,2 – 53 – 44,2 – 42,5 – 63,9
Jenis II : 51,5 – 39,4 – 41,2 – 56,7 – 35,7
Tentukan jenis mana yang akan dipilih untuk ditaman selanjutnya!

11. Metode latihan pertama telah digunakan terhadap 250 orang dan 160 dinyatakan
berhasil. Metode latihan kedua dilakukan terhadap 300 orang dan 225 berhasil.
Tentukan interval kepercayaan 0,95 untuk selisih persentase sebenarnya bagi yang
berhasil, juga untuk interval kepercayaan 0,99! Apa yang tampak?


Buku Ajar Statistika Industri FRI

72
IT TELKOM

III.3 ESTIMASI VARIANSI
Bila sampel berukuran n diambil dari populasi normal dengan variansi
2
dan variansi
sampel S
2
dihitung maka kita peroleh suatu nilai dari statistic S
2
. Variansi sampel hasil
perhitungan ini akan digunakan sebagai taksiran titik untuk
2
. Karena itu statistik S
2
disebut
penaksir
2
.
Taksiran selang untuk
2
dapat diturunkan dengan menggunakan statistic

2

1
2

2

Statistik
2
berdistribusi khi-kuadrat dengan derajat kebebasan n – 1 bila sampel berasal dari
populasi normal.
Jadi, dapat ditulis

2
1; 2 ⁄
<
2
<
2
2 ⁄
1
Bila
2
1; 2 ⁄
dan
2
2 ⁄
masing- masing menyatakan nilai distribusi khi-kuadrat dengan
derajat kebebasan n -1 , sehingga luas di sebelah kanannya 1- 2 ⁄ dan 2 ⁄ . Ganti
2
dalam
rumus di atas, peroleh
*
2
1; 2 ⁄
<
1
2

2
<
2
2 ⁄
+ 1
Bagilah tiap suku dalam ketidaksamaan dengan (n-1) S
2
, dan kemudian balikkan tiap suku
(jadi ubah arah ketidaksamaan), maka diperoleh
*
1
2

2
2 ⁄
<
2
<
1
2

2
1; 2 ⁄
+ 1
Untuk ukuran sampel n, hitunglah variansi sampel S
2
, maka diperoleh selang kepercayaan (1-
α) 100% untuk
2
.
Selang kepercayaan (1-α)100% untuk diperoleh dengan menarik akar setiap ujung selang
untuk
2
.


Buku Ajar Statistika Industri FRI

73
IT TELKOM

Selang kepercayaan untuk

Bila S
2
variansi sampel acak ukuran n dari populasi normal maka selang kepercayaan (1-α)
100% untuk variansi
2
diberikan oleh
1
2

2
2 ⁄
<
2
<
1
2

2
1; 2 ⁄

Bila
2
2 ⁄
dan
2
1; 2 ⁄
menyatakan nilai distribusi khi-kuadrat dengan derajat kebebasan
1 sehingga luas di sebelah kanannya, masing-masing sebesar 2 ⁄ dan 1 - 2 ⁄ .

Contoh 5
Data berikut menyatakan berat, dalam gram, 10 bungkus bibit sejenis tanaman yang
dipasarkan oleh suatu perusahaan : 46,4, 46,1 , 45,8 , 47,0 , 46,1 , 45,9 , 45,8 , 46,9 , 45,2 dan
46, 0 . Carilah selang kepercayaan 95 % untuk variansi semua bungkusan bibit yang
dipasarkan perusahaan tersebut, anggap populasinya normal.
Jawab
Mula-mula hitunglah

2

<1
2

<1

2
1

1021273,12 461,2
2
109
0,286
Untuk memperoleh selang kepercayaan 95%, ambil α = 0,05. Dari table chi-kuadrat untuk
derajat kebebasan 9 diperoleh
,25
2
19,023 dan
,975
2
2,700
Jadi, selang kepercayaan 95% untuk
2

90,286
19,023
<
2
<
90,286
2,700

atau
0,135 <
2
< 0,953

Buku Ajar Statistika Industri FRI

74
IT TELKOM

III.3.1 Estimasi Nisbah Dua Variansi
Taksiran titik untuk nisbah dua variansi populasi
1
2

2
2
⁄ diberikan oleh nisbah
variansi sampel
1
2

2
2
⁄ . Karena itu statistik
1
2

2
2
⁄ disebut penaksir
1
2

2
2
⁄ .
Bila
1
2
dan
2
2
variansi dua populasi normal, maka taksiran selang untuk
1
2

2
2
⁄ dapat
diperoleh dengan memakai statistic

2
2

1
2

1
2

2
2

Menurut teorema 6.20, peubah acak F mempunyai distribusi-F dengan derajat kekebasan

1

1
1 dan
2

2
1. Jadi, dapat ditulis (lihat gambar 7.8)

[
1; 2 ⁄

1
,
2
< <
2 ⁄

1
,
2
] 1 , bila
1; 2 ⁄

1
,
2
dan
2 ⁄

1
,
2

menyatakan nilai distribusi F dengan derajat kebebasan
1
dan
2
sehingga di sebelah
kanannya, masing-masing, luasnya 1- 2 ⁄ dan 2 ⁄ . Ganti F dalam rumus di atas, diperoleh
*
1; 2 ⁄

1
,
2
<

2
2

1
2

1
2

2
2
<
2 ⁄

1
,
2
+ 1
Gambar 7.8
Kalikan tiap suku dalam ketidaksamaan dengan
2
2

1
2
⁄ dan balikkan tiap suku (ubah arah
ketidaksamaan) diperoleh
*

1
2

2
2
1

2 ⁄

1
,
2

<

2
2

1
2
<

1
2

2
2

1

1; 2 ⁄

1
,
2

+ 1
Hasil teorema 6.19 memungkinkan kita mengganti
1; 2 ⁄

1
,
2
dengan 1/
2 ⁄

2
,
1
. Jadi
*

1
2

2
2
1

2 ⁄

1
,
2

<

2
2

1
2
<

1
2

2
2

2 ⁄

2
,
1
+ 1
Untuk dua sampel acak bebas ukuran n
1
dan n
2
, yang diambil dari dua populasi normal,
hitunglah nisbah variansi sampel
1
2

2
2
⁄ , maka diperoleh selang kepercayaan (1-α) 100%
untuk
1
2

2
2
⁄ .
Buku Ajar Statistika Industri FRI

75
IT TELKOM

Seperti pada pasal 7.10, selang kepercayaan (1- α) 100% untuk
1

2
⁄ , dapat diperoleh
dengan mengambil akar setiap ujung selang untuk
1
2

2
2
⁄ .
Selang kepercayaan untuk


Bila
1
2
dan
2
2
variansi dari sampel bebas masing-masing ukuran n
1
dan n
2
dari populasi
normal maka selang kepercayaan (1-α) 100% untuk nisbah
1
2

2
2
⁄ adalah

1
2

2
2
1

2 ⁄

1
,
2

<

1
2

2
2
<

1
2

2
2

2 ⁄

2
,
1

Bila
2 ⁄

2
,
1
menyatakan f
1
dengan derajat kebebasan
1

1
1 dan
2

2
1,
sehingga luas di sebelah kanannya 2 ⁄ , dan
2 ⁄

2
,
1
menyatakan nilai f yang sama
dengan derajat kebebasan
2

2
1 dan
1

1
1

Contoh 6
Suatu selang kepercayaan untuk perbedaan rataan kadar ortofosfor, diukur dalam mg per liter,
pada dua stasion di sungai James telah dihitung di contoh 7.8 dengan menganggap kedua
variansi populasi normal tidak sama. Beri dukungan atas anggapan ini dengan membuat
selang kepercayaan 98% untuk
1
2

2
2
⁄ dan untuk
1

2
⁄ , bila
1
2
dan
2
2
variansi populasi
kadar ortofosfor masing-masing di stasion 1 dan 2.
Jawab
Dari contoh 7.8 diperoleh n
1
= 15, n
2
= 12, s
1
= 3,07 dan s
2
= 0,80 . Untuk selang
kepercayaan 98%, α = 0,02. Dengan menggunakan interpolasi dari tabel, kita peroleh

,1
14,11 4,3
,1
11,14 3,87
Jadi, selang kepercayaan 98 % untuk
1
2

2
2
⁄ adalah
3,07
2
0,80
2
(
1
4,30
) <

1
2

2
2
<
3,07
2
0,80
2
3,87
Yang, bila disederhanakan, menjadi
3,425 <

1
2

2
2
< 56,991
Buku Ajar Statistika Industri FRI

76
IT TELKOM

Ambil akar batas kepercayaan selang ini maka diperoleh selang kepercayaan 98% untuk

1
2

2
2
⁄ adalah
1,851 <

1
2

2
2
< 7,549
Karena selang ini tidak mencakup kemungkinan
1

2
⁄ sama dengan 1, maka anggapan
bahwa
1

2
atau
1
2

2
2
di contoh 7.8 mendapat dukungan dari data
Sampai tahap ini semua selang kepercayaan yang disajikan berbentuk taksiran titik K g.b
(taksiran titik), K disini suatu tetapan (ataukah r ataupun titik perseratus normal). Hal ini
benar bila parameternya suatu rataan, selisih dua rataan, proporsi, atau selisih dua proporsi.
Akan tetapi, hal ini tidak berlaku untuk variansi dan nisbah dua variansi.

Buku Ajar Statistika Industri FRI

77
IT TELKOM

Latihan soal
1. Suatu perusahaan baterai mobil menyatakan baterainya tahan, pada rata-ratanya, 3
tahun dengan variansi 1 tahun. Bila 5 dari baterai ini tahan selama 1,9 , 2,4 , 3,0 , 3,5
dan 4,2 tahun, buatlah selang kepercayaan 95% untuk
2
dan jelaskan apakah
pernyataan perusahaan tadi bahwa
2
= 1 dapat dibenarkan. Anggap umur populasi
baterai berdistribusi hampiran normal.

2. Sarapan teratur sereal yang diberi pemanis sebelumnya menyebabkan kerusakan gigi,
sakit jantung, dan penyakit lainnya menurut penelitian yang dilakukan oleh Dr.W.H.
Bowen dari Institut Kesehatan Nasional dab Dr. J. Yudhen, Profesor Nutrisi dan Diet
di Universitas London. Dalam suatu sampel acak 20 porsi yang sama Alpha-Bits
(sejenis sereal) rata-rata kadar gulanya 11,3 gr dengan simpangan baku 2,45 gr. Bila
dimisalkan bahwa kadar gula berdistribusi normal, buatlah selang kepercayaan 95%
untuk !

3. Suatu percobaan yang dipopulerkan di Popular Science, tahun 1981, membandingkan
pemakaian bahan bakar dua jenis truk-mini diesel dengan perlengkapan yang sama.
Misalkan 12 truk VW dan 10 truk Toyota digunakan dalam uji coba pada kecepatan
tetap 90 km per jam. Bila ke 12 truk VW rata-rata menempuh 16 km per liter dengan
simpangan baku 1,0 liter per km dan 10 truk Toyota rata-rata 11 km per liter dengan
simpangan baku 0,8 km per liter, buatlah selang kepercayaan 98% untuk
1

2
⁄ , bila

1
dan
2
masing-masing simpangan baku dari jarak yang ditempuh per liter bahan
bakar oleh truk VW dan Toyota.

4. Suatu perusahaan taksi ingin menentukan apakah membeli ban merek A atau merek B
untuk armada taksinya. Untuk menaksir perbedaan kedua merek, dilakukan suatu
percobaan menggunakan 12 ban dari tiap merek. Ban dipakai sampai aus. Hasil merek
A : ̅
1
36300 , s
1
= 5000 km ; merek B : ̅
2
38100 , s
2
= 6100 km.
Hitunglah selang kepercayaan 90% untuk
1
2

2
2
⁄ . Apakah anggapan bahwa
1
2

2
2

mendapat dukungan dalam membuat selang kepercayaan untuk
1

2
?
Buku Ajar Statistika Industri FRI

78
IT TELKOM

5. Dari suatu sampel acak 1000 rumah di suatu kota ternyata 228 menggunakan gas
Elpiji.
a) Cari selang kepercayaan 99% bila taksiran proporsi rumah di kota tadi yang
menggunakan gas Elpiji.
b) Berapakah besar sampel yang diperlukan, jika diinginkan yakin 99% bahwa
proporsi sampel paling banyak berjarak 0.05 dari proporsi sesungguhnya dari
rumah di kota tersebut yang menggunakan gas Elpiji

6. Suatu sistem peluncur roket tertentu sedang dipertimbangkan untuk dipakai
meluncurkan sejumlah roket jarak pendek. Sistem yang sekarang mempunya
peluang berhasil meluncurka sebuah roket p=0.8. Sampel 40 peluncuran
percobaan dengan sistem yang baru menunjukkan 34 yang berhasil.
a) Buatlah selang kepercayaan 95% untuk p
b) Apakah kenyataannya cukup besar mendukung bahwa sistem yang baru ini lebih
baik? Jelaskan.

7. A. Menurut suatu laporan di koran Roanoke times & world news, 20 agustus
1981, sekitar 2/3 dari 1600 orang dewasa yang disigi lewat tilpon mengatakan
bahwa program pesawat ulang alik merupakan investasi yang baik bagi negara
(AS). Cari selang kepercayaan 95% untuk proporsi orang AS dewasa yang
berpendapat bahwa program pesawat ulang alik merupakan investasi yang baik
bagi negara.
B. Apa yang dapat dikatakan mengenai kemungkina besarnay galat denga
kepercayaan95% bila taksiran proporsi orang AS dewasa yang berpendapat
bahwa program pesawat ulang alik invesatasi yang baik sebesar 2/3

8. Washington University school of Dental Medicine di St. Louis, dua cangkir teh
hijau atau teh hitam Cina tiap hari sudah akan cukup memberi fluor untuk menjaga
gigi anda dari kerusakan. Mereka yang tidak suka teh dan tinggal di daerah yang
airnya tidak diberi fluor seharusnya meminta pemerintah daerahnya memberi
fluor pada airnya. Berapa besarkah sampel yang diperlukan untuk menaksir
persentasi penduduk di suatu kota tertentu yang memilih airnya diberi fluor bila
diinginkan paling sedikit 99% yakin bahwa taksirannya paling banyak sejauh 1% dari
presentasi sesungguhnya.

9. Suatu penelitian ingin dilakukan untuk menaksir proporsi penduduk di suatu kota dan
pinggirannya yang mendukung pendirian PLTN. Berapakah sampel yang
diperlukan agar yakin paling sedikit 95% bahwa taksirannya paling banyak
Buku Ajar Statistika Industri FRI

79
IT TELKOM

berjarak 0.04 dari proporsi sesungguhnya dari penduduk di kota tersebut dan
pinggirannya uang mendukung pendirian PLTN?

10. Seorang pimpinan perusahaan ingin mengetahui perbedaan rata-rata gaji bulanan
karyawan diperusahan A dan perusahan B. Untuk itu diambil sampel acak masung-
masing 9 orang karyawan dari dua perusahaan tersebut dan kemudian mereka
diwawancara satu persatu. Hasil wawancara menunjukan bahwa gaji perbulan (dalam
dolar) karyawan di dua perusahaan tersebut adalah sbb.:


Kywn 1 2 3 4 5 6 7 8 9
Gaji
perusahaan
A
40 46 50 36 38 34 42 44 30
Gaji
perusahaan
B
30 24 16 25 35 40 46 38 34

Simpangan baku populasi kedua perusahaan tidak diketahui dan diasumsikan sama.
Buatlah interval taksiran untuk menduga berapa sesungguhnya perbedaan rata-rata
gaji karyawanperbulan didua perusahaan tersebut.

11. Suatu perusahaan rokok menyatakan bahwa rokoknya merek A terjual 8% lebih
banyak dari rokoknya merek B. Bila dari 200 perokok ada 42 yang lebih
menyukai merek A dan 18 dari 150 perokok lebih menyukai merek B, hitunglah
selang kepercayaan 94% untuk selisih antara proporsi penjualan kedua merek
dan tentukan apakah perbedaan 8% tersebut suatu pernyataan yang kena.

12. Suatu perusahaan baterai mobil menyatakan bahwa baterainya tahan, pada rata-
ratanya, 3 tahun dengan variansi 1 tahun. Bila 5 dari baterai ini tahan selama 1,9, 2,4,
3,0, 3,5, dan 4,2 tahun, buatlah selang kepercayaan 95% untuk σ
2
dan jelaskan
apakah pernyataan perusahaan tadi bahwa σ
2
= 1 dapat dibenarkan. Anggap umur
populasi baterai berdistribusi hampiran normal.


Buku Ajar Statistika Industri FRI

80
IT TELKOM

13. Suatu penelitian bertujuan menentukan apakah cairan A mempunyai pengaruh
terhadap banyaknyalogam yang tersingkirkan jika logam itu direndam dalam cairan
tersebut. Suatu sampel acak 100 potong logam direndam selama 24 jam dalam cairan
lain dan menghasilkan rata-rata 12,2 mm logam yang tersingkir dengan simpangan
baku 1,1 mm. sampel kedua dengan 200 potong logam yang sma direndam selama 24
jam dalam cairan A menyingkirkan rata-rata 9,1 mm logam dengan simpangan baku
0,9 mm. hitunglah selang kepercayaan 98 % untuk selisih kedua rataan populasi.
Apakah cairan A menurunkan banyaknya logam yang tersingkir?


14. Dalam suatu penelitian yang dilakukan di Virginia Polytechnic Institute and State
University pada 1983 mengenai perkembangan ectomycorrhizal, hubungan simbiosis
antara akar pohon dan cendawan yang memindahkan mineral dari cendawan ke pohon
dan gula dari pohon ke cendawan. Untuk itu 20 bibit oak merah dengan cendawan
Pisolithus tinctorus ditanam dalam rumah kaca. Semua bibit ditanam dalam sejenis
tanah yang sama dan mendapat jumlah sinar matahari dan air yang sama. Setengahnya
sama sekali tidak mendapat nitrogen waktu penanaman yang bertindak sebagai
control dan setengah lainnya mendapat 368 ppm nitrogen dalam bentuk NaNO
3
. Berat
batang, dalam gr, pada hari ke 140 tercatat sbb:

Tanpa Nitrogen Nitrogen
0,32
0,53
0,28
0,37
0,47
0,43
0,36
0,42
0,38
0,43
0,26
0,43
0,47
0,49
0,52
0,75
0,79
0,86
0,62
0,46

Buatlah selang kepercayaan 95% untuk selisih rataan berat batang antara bibit yang tidak
mendapat nitrogen dan yang mendapat 368 ppm nitrogen. Anggap populasinya
berdistribusi normal dengan variansi yang sama.
Buku Ajar Statistika Industri FRI

81
IT TELKOM

15. Data berikut, dalam hari menyatakan waktu yang diperlukan penderita sampai
sembuh, penderita dipilih secara acak untuk mendapat salah satu dari dua obat yang
dapat menyembuhkan infeksi berat pada saluran kencing;
Obat 1 Obat 2
N
1
= 14

1
=17
s
1
2
=1,5
N
2
= 116

2
= 19
s
2
2
= 1,8

Buat selang kepercayaan 99% untuk selisih rataan waktu sembuh untuk kedua obat
µ
1
- µ
2
, anggap populasinya berdistribusi normal dengan variansi yang sama.

16. Suatu percobaan yang dilaporkan di Popular Science, tahun 1981, membandingkan
pemakaian bahan bakar dua jenis truk-mini diesel dengan perlengkapan yang sama.
Misalkan 12 truk VW dan 10 truk Toyota digunakan dalm uji coba pada kecepatan 90
km/jam. Bila ke 12 truk VW rata-rata menempukh 16 km per liter dengan simpangan
baku 1,0 km per liter dan 10 truk Toyota rata-rata 11 km dengan simpangan baku 0,8
per liter. Buat lah selang kepercayaan 90% untuk selisih antara rataan km per liter
kedua jenis truk mini. Anggap bahwa jarak perliter untuk setiap model truk
berdistribusi normal dengan variansi yang sama.

17. Suatu perusahaan taksi ingin menentukan apakah membeli ban merek A atau merek B
untuk armada taksinya. Untuk menaksir perbedaan kedua merek, dilakukan suatu
percobaan menggunakan 12 ban dari tiap merek. Ban dipakai sampai aus. Hasil merek
A: x
1
= 36.300 km, s
1
= 5000 km; merek B x
2
= 38.100 km, s
2
=6100 km. hitunglah
selang kepercayaan 95% untuk µ
1
- µ
2,
anggap kedua populasi berdistribusi hamper
normal.

18. Data berikut menyatakan waktu putar film yang diproduksi dua perusahaan film
gambar hidup.
perusahaan Waktu (menit)
A 103 94 110 87 98
88 118 B 97 82 123 92 175

Buku Ajar Statistika Industri FRI

82
IT TELKOM

Hitunglah selang kepercayaan 90% untuk selisih kedua rataan waktu putar film yang
diproduksi kedua perusahaan. Anggap bahwa perbedaan waktu putar berdistribusi
normal.

19. Hitunglah selang kepercayaan 99% untuk µ
1
- µ
2
bila suatu ban dari tiap merek
dipasang secara acak di roda belakang delapan taksi dan jarak yang di tempuh, dalam
km, adalah ;
Taksi
Merek
A
Merek
B
1 34,400 36,700
2 45,500 46,800
3 36,700 37,700
4 32,000 31,100
5 48,400 47,800
6 32,800 36,400
7 38,100 38,900
8 30,100 31,500

Anggap selisih jarak berdistribusi hampir normal.


20. Pemerintah memberikan dana ke jurusan pertanian Sembilan universitas untuk
menguji kemampuan menghasilkan dua varietas gandum yang baru. Tiap varietas di
tanam di petak sawah yang sama luasnya di tiap universitas dan hasilnya, dalam
kilogram per petak, adalah sebagai berikut;
varietas
Universitas
1 2 3 4 5 6 7 8 9
Varietas A 38 23 35 41 44 29 37 31 38
Varietas B 45 25 31 38 50 33 36 40 43

HItunglah selang kepercayaan 95% untuk rataan selisih hasil kedua jenis , anggap
bahwa distribusi hasil hampir normal, jelaskan mengapa kedua varietas perlu dibuat
berpasangan dalam soal ini.

21. Departemen Perindustrian dan Perdagangan ingin mengetahui pendapatan rata-rata
dari usaha UKM di Jawa Barat tahun 2003. Dari total 660 UKM di bawah bimbingan
Departemen, diambil sampel 120 UKM yang terdapat di Bogor, Cirebon, Tasikmalaya
dan Cianjur. Rata-rata pendapatan perbulannya ternyata meningkat menjadi 2,1 juta
Buku Ajar Statistika Industri FRI

83
IT TELKOM

dengan standar deviasi populasinya 0,8 juta. Dengan tingkat keyakinan 95%, buatlah
interval rata-rata kenaikan pendapatan UKM di Jawa Barat!

22. Pemerintah DKI Jakarta mengadakan program peningkatan usaha kecil dan
menengah dalam rangka peningkatan pendapatan golongan ekonomi lemah. Untuk
mengetahui apakah proyek ini berhasil atau tidak, maka akan dibedakan antara orang
yang mengikuti proyek dan tidak. Pendapatan 13 orang dari 67 peserta yang ikut proyek
sebesar 1,2 juta perbulan dengan standar deviasi sebesar 0,2 juta. Sedang pendapatan 5
orang dari 34 orang nonpeserta rata-rata sebesar 0,8 juta dengan standar deviasi 0,4.
Dengan menggunakan tingkat keyakinan 99%, buatlah interval keyakinan tentang
selisih dari kedua kelompok tersebut.

23. PT Lipo Karawaci yang merupakan perusahaan perumahan di Indonesia akan
membangun perumahan di Sentul, Bogor. Untuk keperluan tersebut diadakan survey
tentang daya beli masyarakat. Berdasarkan data di Kecamatan diketahui standar deviasi
pendapatan masyarakat sebesar 0,8 juta. Apabila diasumsikan bahwa kesalahan
penarikan sampel sebesar 0,1 juta, dengan tingkat kepercayaan 99%, berapa sampel
yang harus diambil oleh PT Lipo Karawaci?

24. PT. Islamic Net ingin mengetahui jumlah rata-rata nilai penjualan per hari dari
tenaga pemasaran sebagai dasar dari penentuan prestasinya. Hasil sementara
menunjukkan rata-rata perjalanan 150 ribu dengan standar deviasi 14 ribu. Berapa
sampel pramuniaga yang harus diambil, apabila diinginkan kesalahan yang ditoliler
adalah 2 ribu dan tingkat keyakinan 99%?

25. Sebuah mesin menghasilkan potongan logam yang berbentuk silinder.Sampel
beberapa potongan diukur, dan ternyata diameternya 1.01,0.97,1.03,1.04,0.99 ,
0.98,0.99,1.01, dan 1.03.Hitunglah selang kepercayaan 0.99% untuk rataan potongan
diameter yang dihasilkan mesin tersebut bila dimisalkan distribusinya hamper normal.
26. Pengukuran berikut memberikan waktu mengering, dalam jam, sejenis cat lateks
merek tertentu.
3 ,4 2,5 4,8 2,9 3,6
2,8 3,3 5,6 3,7 2,8
4,4 4,0 5,2 3,0 4,8
Bila dimisalkan pengukuran menyatakan sampel acak yang diambil dari populasi
normal, hitunglah batas toleransi 99% yang akan mengandung 95% waktu
mengering.
Buku Ajar Statistika Industri FRI

84
IT TELKOM


27. Sebuah mesin menghasilkan potongan logam yang berbentuk selinder. Sampel
beberapa potongan diukur dan ternyata diameternya :
1,01 0,97 1,03 1,04 0,99 0,98 0,99 1,01 dan 1,03 cm.
Hitunglah selang kepercayaan 99 % untuk rataan diameter potongan yang dihasilkan
mesin tersebut bila dimisalkan distribusinya hampir normal.

28. Diketahui x1 + x2 +......+ x7, diambil ample acak dari populasi yang mempunyai
rata-rata μ dan variansi
2
. Perhatikan estimator µ sbagai berikut:
1
̅̅̅̅
= (x1+x2+....+x7)/7
2
̅̅̅̅
= (2x1 – x6 + x4)/2
Apakah kedua estimator unbiased?
Yang mana estimator terbaik?

29. Misalkan kita mempunyai sampel acak dengann ukuran n dari populasi yang
dinotasikan sebagaii x, dan E(x) = μ dan var x =
2
.
Diketahui ̅ 1 =
1
2

2
<1
dan ̅ 2 =
1

<1

Adalah dua estimator μ . Yang mana estimator μ yang lebih baik? Jelaskan pilihan anda.

30. Misalkan 1
̅̅̅̅
, 2
̅̅̅̅
3
̅̅̅̅
adalah estimator estimator θ . Kita tahu bahwa E(1
̅̅̅̅
=
E(2
̅̅̅̅
dan = θ, E(3
̅̅̅̅
≠θ, var 1
̅̅̅̅
=12, var 2
̅̅̅̅
=10 and E[3
̅̅̅̅
– θ]
2
=6. Bandingkan ke
tiga estimator. Yang mana yang lebih baik? Kenapa?

31. In a binomial experiment exactly x successes are observed in n independent trials. The
following two statistics are proposed as estimators of the proportion parameter p: T1 =
x/n and T2 = (x+1)/(n+2)
Determine and compare the MSE for T1 and T2.

32. X1, X2, X3 and X4 adalah sample random dengan ukuran n= 4 dari suatu populasi
yang berdistribusi exponensial dengan parameter θ yang tidak diketahui.
Buku Ajar Statistika Industri FRI

85
IT TELKOM

Diantara:
T1= 1/6(x1+x2) + (1/3(x3+x4)
T2=(x1+2x2+3x3+4x4)/5
T3=(x1+x2+x3+x4)/4
Tentukan Statistik mana yang unbiased estimator dari θ?
Diantara estimator θ yang unbiased , tentukan estimator yang terbaik

33. Diketahui populasi 1 dengan rata-rata = 80 dan simpangan baku=5, dan populasi 2
dengan rata-rata = 75 dan simpangan baku = 3, diambil sampel masing-masing n1= 25
dan n2=36.
Ditanya: berapa probabilitas (3,4≤̅ 1-̅ 2≤5,9)

Buku Ajar Statistika Industri FRI

86
IT TELKOM

BAB IV UJI HIPOTESIS




Dalam bab ini akan dibahas bagaimana cara menguji suatu statemen dimana statemen
tersebut belum tentu kebenarannya. Uji hipotesis yang akan dibahas antara lain :
a) Uji menyangkut rataan
b) Uji menyangkut proporsi
c) Uji menyangkut variansi
Baik untuk satu ataupun dua populasi.


Setelah mempelajari materi ini mahasiswa dapat menguji berbagai pernyataan dan diharapkan
dapat digunakan dalam situasi nyata.



1. Mahasiswa dapat memahami konsep dasar uji hipotesis
2. Mahasiswa akan dapat mengetahui berbagai macam ilustrasi dalam penyelesaian
masalah menggunakan uji hipotesis
3. Mahasiswa diharapakan dapat mengidentifikasi terhadap masalah yang dihadapi
perusahaan






TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

PENDAHULUAN

Buku Ajar Statistika Industri FRI

87
IT TELKOM




Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

88
IT TELKOM





IV.1 HIPOTESIS STATISTIK

DEFINISI
Pengujian hipotesa
Pengujian hipotesa adalah prosedur yang didasarkan pada
bukti sampel yang dipakai untuk menentukan apakah
hipotesa merupakan suatu pernyataan yang wajar dan oleh
karenanya tidak ditolak, atau hipotesa tersebut tidak wajar
dan oleh karena itu harus ditolak.

Pengujian hipotesis statistik merupakan suatu bidang besar inferensi statistik. Hipotesis
statistik adalah suatu anggapan, pernyataan atau dugaan, yang mungkin benar atau tidak,
mengenai satu atau lebih populasi. Pengujian hipotesis berhubungan dengan penerimaan atau
penolakan suatu hipotesis. Kebenaran suatu hipotesis tidak akan pernah diketahui dengan
pasti, kecuali kita memeriksa seluruh populasi. Namun, karena tidak memungkinkan
memeriksa seluruh populasi, maka kita dapat mengambil sampel acak dan menggunakan
informasi atau bukti dari sampel tersebut untuk menerima atau menolak suatu hipotesis.
Penerimaan suatu hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENOLAK
hipotesis tersebut dan BUKAN karena HIPOTESIS ITU BENAR dan penolakan suatu
hipotesis terjadi karena TIDAK CUKUP BUKTI untuk MENERIMA hipotesis tersebut dan
BUKAN karena HIPOTESIS ITU SALAH.
RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

89
IT TELKOM

PENGERTIAN KESALAHAN JENIS I DAN II
Situasi H
0
H
0
Keputusan Benar Salah
Terima H
0
Keputusan tepat (1 – a) Kesalahan Jenis II (
Tolak H
0
Kesalahan Jenis I (a) Keputusan tepat (1

PENGERTIAN KESALAHAN JENIS I DAN II
Kesalahan Jenis II
Adalah apabila keputusan menerima H
0
,
padahal seharusnya H
0
salah"
Kesalahan Jenis I
Adalah apabila keputusan menolak H
0
, pada
hal seharusnya H
0
benar"

Buku Ajar Statistika Industri FRI

90
IT TELKOM

MERUMUSKAN HIPOTESA
Hipotesa nol
Satu pernyataan mengenai nilai parameter populasi
Hipotesa alternatif
Suatu pernyataan yang diterima jika data sampel
memberikan cukup bukti bahwa hipotesa nol adalah salah

Prosedur pengujian hipotesis diawali dengan perumusan Hipotesis Awal yang diharap
akan ditolak dan biasanya disebut dengan Hipotesis Nol (H
0
). Hipotesis Nol ini juga sering
menyatakan kondisi yang menjadi dasar pembandingan dan harus menyatakan dengan pasti
nilai parameter. Penolakan H
0
membawa kita pada penerimaan Hipotesis Alternatif (H
1
).
- H
0
→ ditulis dalam bentuk persamaan (=)
- H
1
→ ditulis dalam bentuk pertidaksamaan (< ; > ; ≠)
Contoh 1
Sebelum tahun 1993, pendaftaran mahasiswa Universtas GD dilakukan dengan pengisian
formulir secara manual. Pada tahun 1993, PSA Universitas GD memperkenalkan sistem
pendaftaran "ONLINE". Seorang Staf PSA ingin membuktikan pendapatnya “bahwa rata-rata
waktu pendaftaran dengan sistem ONLINE akan lebih cepat dibanding dengan sistem yang
lama”. Pada sistem lama, rata-rata waktu pendaftaran adalah 50 menit. Perumusan
hipotesisnya adalah sebagai berikut:
- H
0
: µ = 50 menit (sistem baru dan sistem lama tidak berbeda)
- H
1
: µ < 50 menit (sistem baru lebih cepat dibanding sistem lama)
IV.2 ARAH PENGUJIAN HIPOTESIS
Pengujian Hipotesis dapat dilakukan secara :
1. Uji Satu Arah (uji ekasisi)
Buku Ajar Statistika Industri FRI

91
IT TELKOM

2. Uji Dua Arah (uji dwisisi)
Hipotesis nol (H
0
), akan selalu dinyatakan dengan menggunakan tanda
kesamaan yang berarti menyatakan suatu nilai yang tunggal. Untuk penggunaan uji ekasisi
dan uji dwisisi tergantung pada kesimpulan yang akan diambil jika H
0
ditolak. Letak daerah
kritis (daerah penolakan H
0
) baru dapat ditentukan hanya setelah H
1
ditentukan.
MENENTUKAN DAERAH KEPUTUSAN
Daerah tidak
menolak Ho
Daerah penolakan
Ho
Skala z
1,65
Probabilitas 0,95 Probabilitas 0,5
Daerah Keputusan Uji Satu Arah
Daerah Keputusan Uji Dua Arah
Daerah tidak
menolak Ho
Daerah penolakan
Ho
Daerah penolakan
Ho
0,025 0,025 0,95
0 -1,95 1,95


IV.2.1 Uji Ekasisi
Uji ekasisi ini digunakan apabila peneliti memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati. Pengajuan H
0
dan H
1
dalam
uji satu arah adalah sebagai berikut:
- H
0
: ditulis dalam bentuk persamaan (menggunakan tanda =)
- H
1
: ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
Pada uji ini nilai α (taraf keberartian atau ukuran daerah kritis) tidak dibagi dua,
karena seluruh α diletakkan hanya di salah satu sisi selang.
Misalkan :
H
0
: µ = µ
0

0
adalah suatu rata-rata yang diajukan dalam H
0
)
H
1
: µ < µ
0

Wilayah kritis : z < -z
α
atau t < -t
(db;α)
(pengunaan z atau t tergantung
pada ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)
Buku Ajar Statistika Industri FRI

92
IT TELKOM



Gambar IV.1 Wilayah Kritis untuk Uji Ekasisi Kiri
OUTLINE
Daerah penolakan H
0
Daerah penolakan H
0
Tidak menolak H
0
Tidak menolak H
0
1,65 1,65
Gambar A Gambar B
H
0
: m
x
£ 13,17 H
0
: m
pa
– m
pl
³ 0
H
1
: m
x
> 13,17 H
1
: m
pa
– m
pl
< 0

Daerah yang terarsir : daerah penolakan hipotesis (daerah kritis)
Daerah yang tidak terarsir : daerah penerimaan hipotesis

Misalkan :
H
0
: µ = µ
0

0
adalah suatu rata-rata yang diajukan dalam H
0
)
H
1
: µ < µ
0

Wilayah kritis : z < -z
α
atau t < -t
(db;α)
(pengunaan z atau t tergantung pada
ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)

Buku Ajar Statistika Industri FRI

93
IT TELKOM


Gambar IV.2 Wilayah Kritis untuk Uji Ekasisi Kanan

Daerah yang terarsir : daerah penolakan hipotesis (daerah kritis)
Daerah yang tidak terarsir : daerah penerimaan hipotesis

Langkah 1. Merumuskan Hipotesa
(Hipotesa nol (H
0
) dan Hipotesa Alternatif (H
1
))
Langkah 2. Menentukan Taraf Nyata
(Probabilitas menolak hipotesa)
Langkah 3. Menentukan Uji statistik
(Alat uji statistik, uji Z, t, F, X
2
dan lain-lain)
Langkah 4. Menentukan Daerah Keputusan
(Daerah di mana hipotesa nol diterima atau
ditolak))
Langkah 5. Mengambil Keputusan
Menolak H
0
Menerima H
1
Menolak H
0
PROSEDUR PENGUJIAN HIPOTESA


IV.2.2 Uji Dwisisi
Uji dwisisi digunakan apabila peneliti tidak memiliki informasi mengenai arah
kecenderungan dari karakteristik populasi yang sedang diamati. Pengajuan H
0
dan H
1
dalam
uji satu arah adalah sebagai berikut:
- H
0
: ditulis dalam bentuk persamaan (menggunakan tanda =)
- H
1
: ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
Pada uji ini nilai α (taraf keberartian atau ukuran daerah kritis) dibagi dua, karena α
diletakkan di kedua sisi selang.
Buku Ajar Statistika Industri FRI

94
IT TELKOM

Misalkan :
H
0
: µ = µ
0

0
adalah suatu rata-rata yang diajukan dalam H
0
)
H
1
: µ < µ
0

Wilayah kritis : z < -z

2

atau t < -t
(db;

2
⁄ )
(pengunaan z atau t tergantung
pada ukuran sampel, sampel besar menggunakan z; sampel kecil
menggunakan t)


Gambar IV.3 Wilayah Kritis untuk Uji Dwisisi

IV.3 KESALAHAN DALAM PENGUJIAN HIPOTESIS
Dalam mengambil kesimpulan untuk suatu uji hipotesis kita mungkin akan melakukan
kesalahan (kesalahan = error = galat), yaitu:
- Galat jenis 1 (α) : menolak H
0
padahal H
0
benar
- Galat jenis 2 (β) : menerima H
0
padahal H
0
salah

Tabel IV.1 Kemungkinan Kesalahan dalam Pengujian Hipotesis Statistik
Kesimpulan
Keadaan Sebenarnya
H
0
benar H
0
salah
Terima H
0
Keputusan benar Galat jenis 2
Tolah H
0
Galat jenis 1 Keputusan benar

Prinsip pengujian hipotesis yang baik adalah meminimalkan nilai α dan β. Dalam
perhitungan, nilai α dapat dihitung sedangkan nilai β hanya bisa dihitung jika nilai hipotesis
alternatif sangat spesifik.

Contoh 2
Sejenis vaksin flu diketahui hanya efektif 25% setelah jangka waktu 2 tahun. Untuk
menentukan apakah vaksin baru leih unggul daripada vaksin lama, dipilih 100 orang secara
acak dan diberi suntikan vaksin baru tersebut. Bila dalam waktu lebih dari 2 tahun, 36 orang
Buku Ajar Statistika Industri FRI

95
IT TELKOM

atau lebih tidak terserang virus, maka vaksin baru dianggap lebih unggul daripada vaksin
lama. Hitung galat jenis I (α) dan galat jenis II (β) dengan p =
1
2
!

Jawab :
H
0
: p =
1
4

H
1
: p >
1
4

Daerah kritis : x > 36 daerah penerimaan : x ≤ 36
(gunakan pendekatan distribusi normal baku)
a. µ = n . p = 100 .
1
4
= 25 o = = √100
1
4

3
4
= 4,33

Z =
;
o
=
36,5;25
4,33
= 2,66



Gambar IV.4 Peluang Suatu Galat Jenis I
α = P (galat jenis I)
= P (H
0
tolak H
0
benar)
= P (x > 36 p =
1
4
)
= P (Z > 2,66)
= 1 - P (Z < 2,66)
= 1 – 0,9961
= 0,0039
b. µ = n . p = 100 .
1
2
= 50 o = = √100
1
2

1
2
= 5




25
36,5
α
25
Buku Ajar Statistika Industri FRI

96
IT TELKOM

Gambar IV. Peluang Suatu Galat Jenis II

c. Z =
;
o
=
36,5;5
5
= -2,7

α = P (galat jenis II)
= P (H
0
terima H
0
salah)
= P (x ≤ 36 p =
1
2
)
= P (Z < - 2,7)
= 0,0035

Sifat-sifat galat :
- Galat jenis I dan galat jenis II berkaitan. Memperkecil peluang yang satu dapat
biasanya memperbesar peluang yang lainnya.
- Ukuran daerah kritis, jadi juga peluang melakukan galat jenis I, selalu dapat
diperkecil dengan menyesuaikan nilai kritis.
- Menaikkan ukuran sampel nakan memperkecil α dan β secara serentak.
- Bila H
0
salah, β akan mencapai maksimum bila nilai parameter sesungguhnya dekat
dengan nilai yang dihipotesiskan. Makin besar jarak antara nilai sesungguhnya
dengan nilai yang dihipotesiskan, maka makin kecil pula β.
Suatu pengertian yang amat penting yang berkaitan dengan kedua peluang galat ialah
perngertian kuasa uji. Kuasa suatu uji adalah peluang menolak H
0
bila suatu tandingan
tertentu benar. Kuasa suatu uji dapat dinotasikan dengan Ɣ dan dapat dihitung dengan 1 – β.

25
Buku Ajar Statistika Industri FRI

97
IT TELKOM

IV.4 LANGKAH PENGERJAAN UJI HIPOTESIS
Untuk melakukan suatu uji hipotesis, langkah-langkah yang harus dilakukan adalah
sebagai berikut :
1. Tentukan hipotesis nol (H
0
) dan hipotesis tandingan (H
1
).
2. Pilih taraf keberartian α
3. Tentukan arah pengujian (ekasisi atau dwisisi)
4. Tentukan daerah kritisnya
5. Pilih uji statistik yang sesuai
6. Hitunglah nilai uji statistik dari data sampel
7. Tentukan kesimpulan (tolak H
0
bila uji statistik mempunyai nilai di dalam daerah
kritis dan terima H
0
bila uji statistilk mempunyai nilai di luar daerah kritis)
Beberapa nilai Z yang sering digunakan:
z
5%
= z
0.05
=1.645 z
2.5%
= z
0.025
=1.96
z
1%
= z
0.01
= 2.33 z
0.5%
= z
0.005
= 2.575

IV.5 UJI MENYANGKUT RATAAN
Pengujian hipotesis yang menyangkut rataan terdiri dari berbagai macam cara,
diantaranya adalah uji menyangkut satu rataan dengan variansi diketahui, uji menangkut satu
rataan dengan variansi tidak diketahui, uji menyangkut dua rataan dengan variansi diketahui,
uji menyangkut dua rataan dengan variansi tidak diketahui tapi o
1
=o
2
atau o
1
≠ o
2,
dan uji
menyangkut rataan dengan pengamatan berpasangan.

Tabel IV.2 Uji Menyangkut Rataan
N
O
H
0
Statistik H
1
Daerah Kritis
1.
µ


0


̅ ;
/

; o diketahui
µ<µ
0
µ>µ
0
µ

= µ
0

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2

2.
µ


0


̅ ;


;
o tidak diketahui
v= n-1
µ<µ
0
µ>µ
0
µ

= µ
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

3.
µ
1

2
=d
0

z =
̅
1

2
;

√(
1
2

1
⁄ ):(
2
2

2
⁄ )
;
µ
1

2
<d
0
µ
1

2
>d
0
Z <- Z
o

Z > Z
o
Buku Ajar Statistika Industri FRI

98
IT TELKOM

Contoh 3. Uji menyangkut satu rataan dengan variansi diketahui
Sampel acak catatan 100 kematian di AS selama tahun lalu menunjukan rata-rata usia mereka
71,8 tahun. Andaikan simpangan bakunya 8,9 tahun, apakah ini menunjukan bahwa rata-rata
usia dewasa ini lebih dari 70 tahun? Gunakan taraf keberartian (α) 0,05.
Jawab :
1. H
0
: µ = 70 tahun
2. H
1
: µ > 70 tahun
3. α = 0,05
daerah kritis z > 1,645
Gambar IV.5 Daerah Kritis contoh 3.
4. perhitungan : ̅ = 71,8 tahun ; o = 8,9 tahun
Z =
;
o/
=
71,8;7
8,9/1
= 2,02
5. Keputusan : Tolak H
0

6. Kesimpulan : rata-rata usia dewasa ini lebih dari 70 tahun.

Contoh 4. Uji menyangkut dua rataan dengan variansi tidak diketahui
Suatu percobaan dilakukan untuk membandingkan keausan, karena gosokan dua bahan yang
dilapisi. Dua belas potong bahan diuji dengan memasukan tiap potong bahan ke dalam mesin
pengukur aus. Sepuluh potong bahan 2 diuji dengan cara yang sama. Sampel bahan 1
memberikan rata-rata keausan sebanyak 85 satuan dengan simpangan baku 4 sedangkan
sampel bahan 2 memberikan rata-rata keausan sebanyak 81 dengan simpangan baku sampel
o
1
dan o
2
diketahui µ
1

2
= d
0
Z <- Z
o/2
;

Z > Z
o/2

4.
µ
1

2
=d
0


̅
1

2
;

1
1
⁄ :1
1


; v = n
1
+ n
2

o
1
=o
2
tetapi tidak diketahui

2
=

1
;1
1
2
:
2
;1
2
2

1
:
2
;2

µ
1

2
<d
0
µ
1

2
>d
0
µ
1

2
= d
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

5.
µ
1

2
=d
0


̅
1

2
;

√(
1
2

1
⁄ ):(
2
2

2
⁄ )

o
1
≠ o
2
dan tidak diketahui

(
1
2

1
:
2
2

2
⁄ ⁄ )
2
(
1
2

1
⁄ )
2

1
1
:
(
2
2

2
⁄ )
2

2
1

µ
1

2
<d
0
µ
1

2
>d
0
µ
1

2
= d
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

6. µ
D
=d
0

̅
;



v = n-1
pengamatan berpasangan
µ
D
<d
0
µ
D
>d
0
µ
1D
= d
0

t <- t
o

t > t
o

t <- t
o/2
;
t > t
o/2

Buku Ajar Statistika Industri FRI

99
IT TELKOM

5. Dapatkah disimpulkan bahwa pada taraf kepercayaan 0,05 keausan bahan 1 melampaui
keausan bahan 2 sebanyak lebih dari 2 satuan? Anggaplah populasi hampir normal dengan
variansi yang sama.
Jawab :
Misalkan µ
1
dan µ
2
masing-masing menyatakan rataan populasi keausan bahan 1 dan bahan
2.
1. H
0
: µ
1
- µ
2
= 2
2. H
1
: µ
1
- µ
2
> 2
3. α = 0,05
4. daerah kritis t > 1,725
5. perhitungan : ̅
1
= 85 ; s
1
= 4 ; n
1
= 12 ; ̅
2
= 81 ; s
2
= 5 ; n
2
= 10
s
p
= √
12;116:1;125
12:1;2
= 4,478
t =
85; 81;2
4,478/√
1
12
:
1
1
= 1,04
6. Keputusan : Terima H
0

7. Kesimpulan : tidak dapat disimpulkan bahwa keausan bahan 1 melampaui bahan 2
lebih dari 2 satuan.

Contoh 5. Uji menyangkut rataan dengan pengamatan berpasangan
Dalam makalah „Influence of Physical Restraint and Restraint-Facilitating Drugs on Blood
Measuraments of White-Tailed Deer and Other Selected Mammals‟, Virginia Polythechnic
Institue and State University (1976), J.A. Wesson memeriksa pengaruh obat succinylcholine
terhadap kadar peredaran androgen dalam darah. Sampel darah dari rusa liar yang hidup
bebas diambil melalui urat nadi leher segera serelah disuntikan succinylcholine pada otot
menggunakan panah dan senapan penangkap. Risa kemudian diambil lagi darahnya kira-kira
30 menit setelah suntikan dan kemudian dilepaskan. Kadar androgen pada waktu ditangkap
dan 30 menit kemudian diukur dalam nanogram per ml (ng/ml) untuk 15 rusa adalah sebagai
berikut: (anggap populasi androgen berdistribusi normal)

Rusa Androgen (ng/ml) d
i

Waktu
suntikan
30 menit setelah
suntikan
1 2,76 7,02 4,26
2 5,18 3,10 -2,08
Buku Ajar Statistika Industri FRI

100
IT TELKOM

3 2,68 5,44 2,76
4 3,05 3,99 0,94
5 4,10 5,21 1,11
6 7,05 10,26 3,21
7 6,60 13,91 7,31
8 4,79 18,53 13,74
9 7,39 7,91 0,52
10 7,30 4,85 -2,45
11 11,78 11,10 -0,68
12 3,90 3,74 -0,16
13 26,00 94,03 68,03
14 67,48 94,03 26,55
15 17,04 41,70 24,66

Dengan menggunakan taraf keberartian 0,05, apakah konsentrasi androgen berubah setelah
ditunggu 30 menit?
Jawab :
Misalkan µ
1
dan µ
2
masing-masing menyatakan rataan konsentrasi androgen pada waktu
suntikan dan 30 menit setelah suntikan.
1. H
0
: µ
1
= µ
2
atau H
D
: µ
1
- µ
2
= 0
2. H
1
: µ
1
µ
2
atau H
D
: µ
1
- µ
2
≠ 0
3. α = 0,05
4. daerah kritis t < -2,145 dan t > 2,145 v = 14
5. perhitungan : rataan sampel dan simpangan baku untuk nilai d
i
adalah
̅
= 9,848 dan
s
d
= 18,474
t =
9,848;
18,474/15
= 2,06
6. Keputusan : Terima H
0

7. Kesimpulan : ada kenyataan tentang adanya perbedaan dalam rataan kadar peredaran
androgen.

IV.6 UJI MENYANGKUT PROPORSI
Uji hipotesis yang manyangkut proporsi banyak dipakai dalam berbagai bidang.
Sebagai contoh, politisi tentunya tertarik untuk mengetahui berapa bagian dari pemilih yang
akan mendukungnya dalam pemilihan. Uji hipotesis ini terdiri dari uji menyangkut rataan dan
uji menyangkut selisih rataan.

Tabel IV.3 Uji Menyangkut Proporsi
Buku Ajar Statistika Industri FRI

101
IT TELKOM

Ho Statistik H1 Daerah Kritis

p=p
0



;




p<p
0
p>p
0
p =p
0

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2


p
1
=p
2


1
;
2
1
1
⁄ :1
2
⁄ ⁄


p
1
<p
2
p
1
>p
2
p
1
= p
2

Z <- Z
o

Z > Z
o
Z <- Z
o/2
;

Z > Z
o/2

p
1
=p
2
=.....=p
k

2

;

2

Tidak semuanya
sama
_
2
>_
o
2




SEMAKIN BANYAK SAMPEL MENDEKATI NORMAL
0
Distribusi Z
Distribusi t, v= n - 1= 25
Distribusi t, v= n- 1= 15
Distribusi t, v= n - 1= 2

Contoh 6. Menguji proporsi dengan sampel kecil
Suatu perusahaan tv menyatakan bahwa 70% tv di kota B berasal dari perusahaan tersebut.
Apakah anda setuju dengan pernyataan itu bila suatu sampel acak di kota B menunjukan
bahwa 8 dari 15 tv berasal dari perusahaan tadi? Gunakan taraf keberartian 0,01.
Jawab :
1. H
0
: p = 0,7
2. H
1
: p ≠ 0,7
3. α = 0,10
4. uji statistik: peubah binomial X dengan p = 0,7 dan n = 15
5. perhitungan : x = 8 dan np
o
= (15)(0.7) = 10,5
Buku Ajar Statistika Industri FRI

102
IT TELKOM

P = 2P(X ≤ 8 bila p = 0,7)
= 2∑ 15 0,7
8
<1

= 0,2622 > 0,10
6. Keputusan : Terima H
0

7. Kesimpulan : tidak cukup alasan meragukan pernyataan perusahaan tersebut.

Contoh 7. Menguji proporsi
Suatu obat yang biasa dijual untuk mengurangi ketegangan syaraf diyakini manjur hanya
60%. Hasil percobaan dengan obat baru yang dicobakan pada sampel acak 100 orang dewasa
yang menderita ketegangan syaraf menunjukan bahwa 70 merasa tertolong. Apakah
kenyataan ini cukup untuk menyimpulkan bahwa obat baru tadi lebih unggul dari yang biasa/
gunakan taraf keberertian 0,05.
Jawab :
1. H
0
: p = 0,6
2. H
1
: p > 0,6
3. α = 0,05
4. daerah kritis z > 1,645
5. perhitungan : x = 70 ; n = 100 ; np
o
= (100)(0,6) = 60
Z =
7,5;6

1,6,4
= 2,14
6. Keputusan : Tolak H
0

7. Kesimpulan : obat baru lebih unggul.

Contoh 8. Menguji selisih dua proporsi
Pemungutan suara diambil dari suatu kotamadya dan kabupaten di sekitarnya untuk
menentukan apakah suatu rencana pembangunan pabrik kimia boleh diteruskan. Daerah
industri tersebut masih berada dalam batas kota dan karena itu banyak penduduk kabupaten
merasa bahwa rencana itu akan disetujui karena proporsi terbesar penduduk kota menyetujui
pembangunan pabrik tersebut. Untuk menentukan apakah ada perbedaan yang berarti antara
proporsi penduduk kota dan kabupaten yang mendukung rencana tersebut, suatu pol
diadakan. Bila 240 dari 500 penduduk kabupaten yang menyetujuinya, apakah anda
sependapat bahwa proporsi penduduk kota yang setuju lebih besar dari proporsi penduduk
kabupaten yang tidak setuju? Gunakan taraf keberartian 0,025.
Jawab :
Buku Ajar Statistika Industri FRI

103
IT TELKOM

Misalkan p
1
dan p
2
menyatakan proporsi sesungguhnya penduduk kota dan kabupaten yang
menyetujui rencana tersebut.
1. H
0
: p
1
= p
2

2. H
1
: p
1
> p
2

3. α = 0,025
4. daerah kritis z > 1,96
5. perhitungan :
̂
1
=
1
1
=
12
2
= 0,6
̂
2
=
2
2
=
24
5
= 0,48
̂ =
1:2
1:2
=
12:24
2:5
= 0,51
Z =
,6;,48
√,51,49
1
2
:
1

= 2,9
6. Keputusan : Tolak H
0

7. Kesimpulan : penduduk kota yang menyetujui rencana tersebut lebih besar dari proporsi
penduduk kabupaten yang tidak menyetujui.

IV.7 UJI MENYANGKUT VARIANSI
Pengujian hipotesis mengenai variansi populasi atau simpangan baku berarti kita ingin
menguji hipotesis mengenai keseragaman suatu populasi ataupun barangkali membandingkan
keseragaman suatu populasi dengan populasi lainnya. Statistik yang cocok sebagai dasar
keputusan adalah statistik chi-square dan statistik F.

Tabel IV.4 Uji Menyangkut Variansi
Ho

Statistik H1 Daerah Kritis
o=o
0

2

;1
2

2

u
= n-1

o<o
0
o>o
0
o = o
0

_
2
<_
o
2
_
2
>_
o
2
_
2
<_
2
o/2

_
2
>_
2
o/2

o
1
=o
2

1
2

2
2

u
1 = n1-1
u
1 = n1-1

o
1
<o
2
o
1
<o
2
o
1
= o
2

f < f
1-o
(u
1,
u
2
)

f > f
o
(u
1,
u
2
)
f < f
1-o/2
(u
1,
u
2
)
f > f
o/2
(u
1,
u
2
)

Contoh 9. Menguji variansi
Buku Ajar Statistika Industri FRI

104
IT TELKOM

Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya berdistribusi hampir
normal dengan simpangan baku 0,9 tahun/ Bila sampel acak 10 beterai tersebut menghasilkan
simpangan baku 1,2 tahun, apakah anda setuju bahwa o > 0,9 tahun? Gunakan taraf
keberartian 0,05.
Jawab :
1. H
0 :
o
2
=
0,81.
2. H
1 :
o
2

> 0,81.
3. α = 0,05.
4. Daerah kritis _
2
> 16,919 dengan derajat kebebasan v = 9
5. Perhitungan
2
= 1,44, = 10
_
2
=
91,44
,81
= 16,0
6. Keputusan : Statistik
2
tidaklah berarti pada taraf 0,05. Akan tetapi, ada sedikit
kenyataan bahwa o

> 0,9.

Contoh 10. Menguji selisih dua variansi
Dalam menguji selisih keausan kedua bahan di contoh V.2, dianggap bahwa kedua variansi
populasi yang tidak diketahui sama besarnya. Apakah anggapan seperti ini beralasan ?


Jawab :
1. H
0 :

1
2
=

2
2

2. H
1 :

1
2

2
2

3. α = 0,10
4. Daerah kritis :
f
0,05
(11,9) = 3,11
f
0,95
(11,9) =
1
,5 9,11
= 0,34
Jadi, hipotesis nol ditolak bila f < 0,43 atau f > 3,11, untuk f =
1
2
/
2
2
dengan derajat
kebebasan v
1
= 9 dan v
2
= 9
5. Perhitungan
1
2
= 16,
1
2
= 25, jadi
f =
16
25
= 0,64
6. Keputusan : terima H
0
.
7. Kesimpulan : tidak cukup kenyataan untuk menyatakan bahwa variansinya berbeda.
Buku Ajar Statistika Industri FRI

105
IT TELKOM


Latihan Soal

1. Proporsi keluarga yang membeli susu dari perusahaan A di suatu kota ditaksir sebesar p =
0,6. Bila sampel acak 10 keluarga menunjukan bahwa hanya 3 atau kurang yang membeli
susu dari perusahaan A maka hipotesis bahwa p = 0,6 akan ditolak dan tandingan p < 0,6
didukung.
a. Carilah peluang melakukan galat jenis I bila proporsi sesungguhnya p = 0,6.
b. Carilah peluang melakukan galat jenis II untuk tandingan p = 0,3, p = 0,4, dan p = 0,5.

2. Proporsi orang dewasa yang tamat perguruan tinggi yang tinggal di suatu kota ditaksir
sebanyak p = 0,3. Untuk menguji hipotesis ini sampel acak 200 orang dewasa dipilih. Bila
banyaknya yang tamat perguruan tinggi dalam sampel tadi antara 48 dan 72, maka
hipotesis nol bahwa p = 0,3 diterima. Jika tidak, maka disimpulkan bahwa p ≠ 0,3.
a. Carilah α kalau p = 0,3.
b. Carilah β untuk tandingan p =0,2 dan p = 0,4.

3. Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya berdistribusi hampir
normal dengan rataan 800 jam dan simpangan baku 40 jam. Ujilah hipotesis bahwa µ =
800 jam lawan tandingan µ ≠ 800 jam bila sampel acak 30 bola lampu mempunyai rata-
rata umur 788 jam. Gunakan taraf keberartian 0,04.

4. Suatu pernyataan menyatakan bahwa rata-rata sebuah mobil dikendarai sejauh 20.000 km
setahun di suatu daerah. Untuk menguji pernyataan ini sampel acak sebanyak 100
pengemudi mobil diminta mencatat jumlah kilometer yang mereka tempuh. Apakah anda
setuju dengan pernyataan di atas bila sampel tadi menunjukan rata-rata 23.500 km dan
simpangan baku 3900 km? Gunakan taraf keberartian 0,05.

5. Suatu pabrik menyatakan bahwa daya rentang rata-rata benang A melebihi daya rentang
rata-rata benang B paling sedikit 12 kg. Untuk menguji pernyataan ini, 50 potong benang
dari tiap jenis diuji dalam keadaan yang sama. Benang jenis A mempunyai rata-rata daya
rentang 86,7 dengan simpangan baku 6,28 kg, sedangkan benang jenis B mempunyai rata-
Buku Ajar Statistika Industri FRI

106
IT TELKOM

rata daya rentang 77,8 dengan simpanagn baku 5,61 kg. Ujilah pernyataan pengusaha tadi
dengan menggunakan taraf keberartian 0,05.

6. Untuk menentukan apakah suatu serum baru akan memperlambat leukemia, 9 tikus dipilih
yang semuanya telah kena penyakit tersebut pada tahap yang lanjut. Lima tikus mendapat
serum tadi dan empat lainnya tidak. Umur, dalam tahun, sejak permulaan percobaan
sebagai berikut:
perlakuan 2,1 5,3 1,4 4,6 0,9
Tanpa perlakuan 1,9 0,5 2,8 3,1

Pada taraf keberartian 0,05 dapatkah disimpulkan bahwa serum tadi menolong? Anggap
kedua populasi berdistribusi normal dengan variansi yang sama.

7. Data berikut memberikan waktu putar film yang dihasilkan oleh dua perusahaan film
gambar hidup:
Perusahaan Waktu (menit)
A 102 86 98 109 92
B 81 165 97 134 92 87 114

Ujilah hipotesis bahwa rata-rata waktu putar film hasil perusahaan B lebih 10 menit dari
rata-rata waktu putar film hasil perusahaan A lawan tandingan ekapihak bahwa selisihnya
melebihi 10 menit. Gunakan taraf keberartian 0,1 dan anggaplah kedua distribusi tersebut
hampir normal dengan variansi tidak sama.

8. Dari penelitian „Comparison of Sorbic Acid in Countri Ham Before and After Storage‟
yang dilakukan di Virginia Polythecnic Institute and State University pada tahun 1983,
diperoleh data berikut yang menyangkut perbandingan sisa asam sorbat dinyatakan dalam
bagian per sajuta, dalam daging ham segera setelah dicelupkan dalam larutan sorbat dan
setelah disimpan 60 hari dicatat:
Potongan Sisa asam sorbat dalam ham
Sebelum disimpan Setelah disimpan
1 224 116
2 270 96
3 400 239
4 444 329
5 590 437
6 660 597
Buku Ajar Statistika Industri FRI

107
IT TELKOM

7 1400 689
8 680 576

Bila dianggap kedua populasinya berdistribusi normal, apakah terdapat kenyataan yang
cukup, pada taraf keberartian 0,05, untuk menyatakan bahwa lamanya penyimpanan
mempengaruhi konsentrasi sisa asam sorbat?

9. Misalkan bahwa dulu 40% dari semua orang dewasa menyetujui hukuman mati. Apakah
cukup ada kenyataan untuk mendukung bahwa proporsi orang dewasa sekarang yang
menyetujui hukuman mati lebih banyak bila dalam suatu sampel acak 15 orang dewasa, 8
yang menyetujui hukuman mati? Gunakan taraf keberartian 0,05.

10. Diduga paling sedikit 60% rumah tangga di suatu daerah memiliki pesawat televisi.
Kesimpulan apakah yang akan anda ambil bila hanya 110 dalam sampel 200 keluarga
yang memiliki televisi? Gunakan taraf keberartian 0,04.

11. Suatu perusahaan rokok memasarkan dua merek rokok. Bila diketahui bahwa 56 dari 200
perokok lebih menyenangi merek A dan 19 dari 150 perokok lebih menyenangi merek B,
dapatkah disimpulkan pada taraf keberartian 0,06 bahwa merek A lebih laris daripada B?

12. Pengalaman menunjukan bahwa waktu yang diperlukan murid kelas 3 SMA untuk
menyelesaikan suatu ujian baku merupakan suatu peubah acak normal dengan simpangan
baku 6 menit. Ujilah hipotesis bahwa o = 6 lawan tandingan bahwa o < 6 bila sampel
acak 20 murid SMA kelas 3 mempunyai simpangan baku s = 4,51. Gunakan taraf
keberartian 0,05.

13. Data masa lalu menunjukan bahwa uang yang disumbangkan oleh karyawan di suatu
kota pada PMI berdistribusi normal dengan simpangan baku 1,40 ribu rupiah. Ada
dugaan bahwa sumbangan dari para pedagang pada PMI mempunyai simpangan baku
1,75 ribu rupiah. Dapatkan disimpulkan, pada taraf keberartian 0,01, bahwa simpangan
baku sumbangan dari para pedagang lebih besar daripada para karyawan di kota
tersebut?

Buku Ajar Statistika Industri FRI

108
IT TELKOM

14. Suatu mesin minuman dikatakan diluar kendali bila variansi isi minuman yang
dikeluarkannya melebihi 1,15 desiliter. Bila sampel acak 25 cangkir minuman dari
mesin ini mempunyai variansi 2,03 desiliter, apakah ini menunjukan, pada taraf
keberartian 0,05, bahwa mesin diluar kendali? Anggap bahwa isi cangkir berdistribusi
hampir normal.


15. Seorang ahli mengemukakan kepada manajer bahwa dengan mengadakan perubahan-
perubahan tertentu dalam proses produksi akan meningkatkan efisiensi, karena rata-
rata persentase kerusakan produksi tiap mesin akan berkurang.
Perubahan-perubahan akan memerlukan biaya sehingga percobaan perlu diadakan
terlebih dahulu sebelum dilakukan secara menyeluruh dalam proses produksi.
Percobaan terhadap 6 unit proses produksi (dalam persen), sebagai berikut:
8,2 – 7,9 – 8 – 8,4 – 8,3 – 7,8
Manajer hanya akan melakukan perubahan-perubahan apabila dalam proses baru terjadi
rata-rata kerusakan paling banyak 8%. Atas dasar hasil di atas, tentukanlah keputusan
apa yang dapat diambil oleh manajer disertai besar resiko yang diperkirakan!

16. Dari pengalaman masa lampau ternyata sekitar 40% mahasiswa tingkat pertama lulus
mata kuliah A. jika tahun ini 496 dari 1.078 lulus mata kuliah A, dapatkah kita
menyimpulkan bahwa pola masa lampau masih berlaku?
Ambil Taraf nyata 0,05 dan 0,01 lalu bandingkan!

17. Suhu udara di kota B selama 60 bulan terakhir mencapai simpangan baku 0,8°
Celsius. Pengamatan pada tiap tengah bulan selama satu tahun mencapai rata-rata
suhu (dalam ° Celsius): 28,4 – 30,7 – 30,2 – 29,4 – 29,9 – 31,2 – 27,9 – 29,8 – 30,9 –
29,2 – 28 – 30,2.
Tentukanlah apakah variabilitas suhu udara berubah atau tidak jika dibandingkan
dengan selama 60 bulan terakhir tersebut. Ambil taraf nyata 0,05.

18. Sepuluh orang pasien melakukan diet. Berat badan sebelum diet dan sesudahnya
ditimbang untuk mengetahui apakah diet itu berhasil atau tidak. Hasilnya (dalam kg)
sebagai berikut:

Pasien Berat Sebelum Diet Berat Sesudah Diet
1
2
3
4
5
6
7
78,3
84,7
77,4
95,6
82,0
69,4
79,7
77,4
83,2
75,7
92,4
80,2
68,1
76,9
Buku Ajar Statistika Industri FRI

109
IT TELKOM

8
9
10
85,6
92,8
99,2
83,9
90,4
95,2

Asumsi apa yang harus diambil mengenai distribusi berat badan?
Ujilah terlebih dahulu apakah simpangan baku berat badan sebelum dan sesudah diet
sama besar!
Dapatkah disimpulkan bahwa diet yang telah dilakukan itu berhasil?

19. Sampel-sampel acak yang masing-masing berukuran 100 mengenai pendapatan
bulanan pegawai (dalam ribuan rupiah dan disimbolkan dengan Yij), telah diambil
dari tiga kota. Hasilnya sebagai berikut:

Kota Ukuran Sampel Σ
j
Y
ij
Σ
j
Y
ij
2

I
II
III
100
100
100
475,0
526,5
507,5
5.001,25
5.948,50
5.678,25

Misalkan bahwa pendapatan bulanan itu berdistribusi normal. Dengan taraf nyata 0,05
ujilah apakah varians pendapatan pegawai itu sama besar ataukah tidak!


Buku Ajar Statistika Industri FRI

110
IT TELKOM

BAB V UJI CHI-SQUARE




Yang akan dibaha sdalam bab ini antara lain pengujian:
a) Goodest of fit test
b) Indepedent (uji kebebasan)



Setelah mempelajari materi ini mahasiswa dapat menganalisis dan menguji baik kecocokan
ataupun kebebasan dengan menggunakan uji Chi- Square.


1. Mahasiswa dapat memahami konsep dasar uji chi-square
2. Mahasiswa akan dapat mengetahui berbagai macam ilustrasi dalam penyelesaian
masalah
3. Mahasiswa diharapkan dapat mengimplementasikan terhadap masalah yang dihadapi
perusahaan



Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
PENDAHULUAN


TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

111
IT TELKOM

4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
7. Penutup

Buku Ajar Statistika Industri FRI

112
IT TELKOM





Uji Chi Square adalah pengujian hipotesis mengenai perbandingan antara frekuensi
observasi atau frekuensi aktual dengan frekuensi harapan atau frekuensi ekspektasi.
Frekuensi obserfasi diperoleh dari nilai pada hasil percobaan, sedangkan frekuensi harapan
diperoleh dari perhitungan secara teoritis. Bentuk distribusi Chi Square dinotasikan dengan

2
oleh karena itu nilainya selalu positif.

V.1 GOODNESS OF FIT TEST
Goodness of fit test atau uji kebaikan suai merupakan pengujian terhadap kecocokan
atau baiknya kesesuaian antara frekuensi terjadinya pengamatan pada sampel teramati dengan
frekuensi harapan yang diperoleh dari distribusi yang dihipotesiskan. Uji goodness of fit
antara frekuensi pengamatan dan frekuensi harapan didasarkan pada besaran:

2

;

2

<1

2
: nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Kuadrat
dengan derajat kebebasan v=k-1
k : jumlah sel atau kelas
o
i
: frekuensi amatan
e
i
: frekuensi harapan

Bila frekuensi amatan dekat dengan frekuensi harapan, maka nilai
2
akan kecil. Hal
ini menunjukkan adanya kesesuaian yang baik antara frekuensi amatan dengan frekuensi
harapan. Tetapi jika frekuensi amatan cukup berbeda dengan frekuensi harapan maka nilai

2
akan besar dan hal ini menunjukkan kesesuaiannya jelek. Kesesuaian yang baik akan
mendukung penerimaan terhadap H
0
, sedangkan keseuaian yang jelek akan mendukung
penolakan terhadap H
0
.
Daerah kritis berada pada ujung kanan distribusi Chi-Kuadrat. Untuk taraf keberartian
α, ditemukan nilai kritis

2
dari tabel, maka daerah kritisnya adalah
2
>

2
. Uji goodness
of fit sebaiknya digunakan jika setiap frekuensi harapan paling sedikit 5. Jika kurang dari 5,
maka dilakukan penggabungan sel yang berdampingan, yang berakibat pada pengurangan
besarnya derajat kebebasan.
RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

113
IT TELKOM

Contoh 1
Pada percobaan pelemparan dadu sebanyak 120 kali, dihipotesiskan bahwa dadu tersebut
setangkup. Ini berarti sama saja menguji hipotesis bahwa distribusi hasil pelemparan dadu
tersebut adalah distribusi seragam (uniform) diskret. Maka :
H
0
= Hasil pelemparan dadu setangkup
H
1
= Hasil pelemparan dadu tidak setangkup
f(x) =
1
6
x = 1,2,…,6
Secara teoritis apabila dadu tersebut seimbang maka diharapkan bahwa kemunculan setiap
muka sebanyak 20 kali. Hasilnya diberikan pada tabel berikut :

Tabel V.1 Frekuensi Amatan dan Harapan dari Lantunan Dadu 120 Kali

MUKA
1 2 3 4 5 6
Amatan 20 22 17 18 19 24
Harapan 20 20 20 20 20 20

Dari tabel tersebut diperoleh nilai
2
adalah:

2
=
2;2
2
2
+
22;2
2
2
+
17;2
2
2
+
18;2
2
2
+
19;2
2
2
+
24;2
2
2
= 1,7
Apabila ditetapkan taraf keberartian, α = 5% maka dari tabel distribusi Chi-Kuadrat diperoleh
:

2
11070 dengan derajat kebebasan v = 5

Gambar V.1 Daerah Kritis Distribusi Chi-Square

Karena nilai
2
<

2
, maka H
0
diterima.
Jadi dapat disimpulkan hasil pelemparan dadu tersebut setangkup.

2

Daerah Penolakan H
0

Buku Ajar Statistika Industri FRI

114
IT TELKOM

Contoh 2
Akan diuji hipotesis bahwa distribusi frekuensi umur baterai dapat dihampiri dengan
distribusi normal dengan rataan µ = 3,5 dan simpangan baku = 0,7. Distribusi frekuensi
umur baterai disajikan dalam tabel berikut :

Tabel V.2 Frekuensi Umur Baterai
Selang Kelas Titik Tengah Kelas Frekuensi
1,5 – 1,9 1,7 2
2,0 – 2,4 2,2 1
2,5 – 2,9 2,7 4
3 – 3,4 3,2 15
3,5 – 3,9 3,7 10
4,0 – 4,4 4,2 5
4,5 – 4,9 4,7 3

Frekuensi harapan untuk 7 kelas (sel) diperoleh dengan menghitung luas di bawah
kurva normal yang dihipotesiskan yang berada antara berbagai batas kelas.
Sebagai contoh, nilai z pada kedua batas kelas keempat adalah
Z
1
=
1;

295;3,5
,7
= -0,79 Z
2
=
2;

345;3,5
,7
= -0,07
Dari tabel distribusi normal maka dapat diperoleh luas antara z
1
= -0,79 dengan z
2
= -0,07.
Luas = P(-0,79 < Z < -0,07)
= P(Z<-0,07) – P(Z<-0,79)
= 0,4721 – 0,2148
= 0,2573
Frekuensi harapan untuk kelas keempat adalah
e
4
= luas x total frekuensi
= 0,2573 x 40
= 10,3
Frekuensi biasanya dibulatkan ke persepuluhan.
Frekuensi harapan untuk selang pertama diperoleh dengan menghitung luas di bawah
kurva normal di sebelah kiri batas 1,95. Sedangkan untuk kelas terakhir, hitung luas di bawah
kurva normal di sebelah kanan batas 4,45. Semua frekuensi harapan kelas lainnya dapat
dihitung dengan cara yang sama pada kelas keempat.
Buku Ajar Statistika Industri FRI

115
IT TELKOM


Tabel V.3 Frekuensi Amatan dan Harapan Umur Baterai Bila Distribusinya Normal
Batas Kelas o
i
e
i

1,45 – 1,95 2 0,5
1,95 – 2,45 1 2,1
2,45 – 2,95 4 5,9
2,95 – 3,45 15 10,3
3,45 – 3,95 10 10,7
3,95 – 4,45 5 7,0
4,45 – 4,95 3 3,5

Pada kelas pertama, frekuensi harapan yang diperoleh kurang dari 5, maka dilakukan
penggabungan dengan kelas yang berdekatan yaitu kelas kedua dan ketiga. Begitu juga
dengan kelas keenam dan ketujuh. Karena penggabungan tersebut, jumlah kelas (sel)
berkurang dari 7 kelas menjadi 4 kelas.

2
=
7;8,5
2
8,5
+
15;1,3
2
1,3
+
1;1,7
2
1,7
+
8;1,5
2
1,5
= 3,05
Dengan taraf keberartian, α = 5% maka dari tabel distribusi Chi-Kuadrat diperoleh :

2
7,815 dengan derajat kebebasan v = 3. Artinya tidak ada alas an untuk menolak
hipotesis nol, dan dapat disimpulkan bahwa distribusi normal dengan µ = 3,5 dan simpangan
baku = 0,7 mempunyai kesesuaian yang baik untuk distribusi umur baterai.

LATIHAN SOAL
1. Suatu mesin seharusnya mencampur kacang tanah, kemiri, mete, dan kenari dalam
perbandingan 5 : 2 : 2 : 1. Suatu kaleng yang berisi 500 keempat jenis kacang ini
ditemukan mengandung 269 kacang tanah, 112 kemiri, 74 mete, dan 45 kenari. Pada taraf
keberartian 0,05, uji hipotesis bahwa mesin tersebut mencampur kacang dalam
perbandingan 5 : 2 : 2 : 1.

2. Tiga kartu diambil dari sekotak kartu bridge, dengan pengembalian. Y adalah banyaknya
kartu spade yang terambil. Setelah percobaan sebanyak 64 kali diperoleh hasilnya sebagai
berikut :
Y 0 1 2 3
F 21 31 12 0
Ujilah hipotesis pada taraf keberartian 0,01 bahwa data yang diperoleh sesuai dengan
distribusi binomial b(y; 3, ¼), y = 0, 1, 2, 3

8
8,5
7
10,5
Buku Ajar Statistika Industri FRI

116
IT TELKOM

3. Tiga kelereng diambil dari sebuah botol yang berisi 5 kelereng merah dan 3 kelereng
hijau. X adalah banyaknya kelereng merah yang terambil, kelereng kemudian
dikembalikan lagi dan percobaan diulangi sebanyak 112 kali. Hasil yang diperoleh adalah
sebagai berikut :
X 0 1 2 3
F 1 31 55 25
Ujilah hipotesis pada taraf keberartian 5% bahwa data di atas sesuai dengan distribusi
hipergeometrik h(x,N,n,k)dimana N = 8, n = 3, k = 5.

4. Skor berikut menyatakan nilai ujian akhir mata kuliah statistika.
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 76
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61

a. Berdasarkan data tersebut buatlah tabel distribusi frekuensi data berkelompok
Ujilah kebaikan suai kelompok amatan dengan frekuensi harapan padanannya dari distribusi
normal dengan µ = 65 dan = 21 dengan menggunakan taraf keberartian 0,05.


5. Barang rusak setiap hari yang dihasilkan oleh tiga buah mesin ternyata berdistribusi
Poisson. Pengamatan telah dilakukan selama enam hari dan terdapatnya barang rusak
setiap hari dalam ketiga mesin itu dapat dilihat di bawah ini.

Mesin Banyak barang rusak tiap hari
1
2
3
4, 3, 4, 6, 3, 5
3, 2, 3, 6, 5, 2
5, 5, 3, 4, 4, 6

Dapatkah disimpulkan bahwa rata-rata dihasilkannya barang rusak setiap hari oleh
ketiga mesin itu sama besar?

6. Hasil kuisioner terhadap dua kelompok pegawai (laki-laki dan perempuan) mengenai
pendapat tentang peraturan baru adalah sebagai berikut.

Pegawai


Pendapat

Laki- Laki

Perempuan
Buku Ajar Statistika Industri FRI

117
IT TELKOM

Setuju 102 88
Tak Setuju 78 136
Tak Peduli 20 76

Apakah jenis kelamin menentukan pendapat tentang peraturan baru tersebut?

7. Dikatakan bahwa obat A dapat menyembuhkan pilek dalam tempo lima hari.
Percobaan terhadap 158 orang yang pilek telah dilakukan. Setengahnya diberi obat A
dan sisanya diberi obat gula. Pada akhir hari kelima sejak pengobatan dimulai,
hasilnya dicatat dan diberikan dalam daftar berikut.


Sembuh Bertambah
payah
Tidak
berubah
Obat A 54 10 15
Obat gula 48 12 19

Ujilah hipotesis bahwa obat A dan obat gula menghasilkan reaksi yang sama.




Buku Ajar Statistika Industri FRI

118
IT TELKOM

V.2 INDEPENDENSI (UJI KEBEBASAN)
Uji kebebasan ini digunakan untuk memeriksa kebebasan atau independensi dari dua
variabel (frekuensi observasi dan frekuensi harapan) sehingga kita dapat menyimpulkan
apakah kedua peubah tersebut saling bebas (tidak berpengaruh) ataukah keduanya saling
bertalian (berpengaruh).
Data untuk menguji kebebasan dua variabel tersebut disajikan dalam bentuk Tabel
Kontingensi atau Tabel Berkemungkinan yang umumnya berukuran r baris x k kolom.
Sebelum melakukan pengujian, terlebih dahulu kita harus mendefinisikan Hipotesis Awal
(H
0
) dan Hipotesis Alternatif (H
1
), yaitu:
- H
0
: variabel-variabel saling bebas
- H
1
: variabel-variabel tidak saling bebas
Biasanya Tabel Kontingensi berisikan data berupa frekuensi observasi yang diperoleh
dari suatu pengujian. Untuk itu, kita perlu mencari frekuensi ekspektasi terlebih dahulu
sebelum melakukan pengujian.
Frekuensi ekspektasi =



Uji kebebasan dirumuskan dalam:

2

(
;

)
2

,
,<1

2
: nilai peubah acak yang distribusi sampelnya didekati oleh distribusi Chi-Kuadrat
dengan derajat kebebasan v=(r-1)(k-1)
k : jumlah kolom
r : jumlah baris
o
ij
: frekuensi observasi baris ke-i, kolom ke-j
e
ij
: frekuensi ekspektasi baris ke-i, kolom ke-j



Buku Ajar Statistika Industri FRI

119
IT TELKOM

Contoh 1
Kita akan menguji kebebasan antara faktor gender (jenis kelamin) dengan jam kerja di suatu
pabrik. Data yang diperoleh disajikan dalam tabel berikut:

Pria Wanita Total Baris
< 25 jam/minggu 2 3 5
25-50 jam/minggu 7 6 13
> 50 jam/minggu 5 7 12
Total Kolom 14 16 Total Observasi=30

Apakah ada kaitan antara gender dengan jam kerja? Gunakan taraf uji 0,05.
Jawab :
1. H
0
: gender dan jam kerja saling bebas
2. H
1
: gender dan jam kerja tidak saling bebas
3. α = 0,05
4. Daerah kritis _
2
> 5,99147 dengan derajat kebebasan v =(3-1)(2-1)= 2
5. Perhitungan _
2

Frekuensi harapan untuk:
- Pria, < 25 jam =
14 5
3
= 2,33 - Wanita, < 25 jam =
16 5
3
= 2,67
- Pria, 25-50 jam =
14 13
3
= 6,07 - Wanita, 25-50 jam =
16 13
3
= 6,93
- Pria, > 50 jam =
14 12
3
= 5,60 - Wanita, >50 jam =
16 12
3
= 6,40
kategori o
ij
e
ij
(o
ij
- e
ij
)

/ e
ij

P, < 25 2 2,33 -0,33 0,1089 0,0467
P, 25-50 7 6,07 0,93 0,8649 0,1425
P, > 50 5 5,60 -0,60 0,36 0,0643
W, < 25 3 2,67 0,33 0,1089 0,0408
W, 25-50 6 6,93 -0,93 0,8649 0,1249
W, > 50 7 6,40 0,60 0,36 0,0563
∑ _
2
hitung = 0,4755

6. Keputusan : _
2
hitung < _
2
tabel, H
0
diterima
7. Kesimpulan : gender dan jam kerja saling bebas

Buku Ajar Statistika Industri FRI

120
IT TELKOM

Contoh 2
Suatu percobaan dilakukan untuk mengetahui apakah pendapat penduduk pemilih di negara
bagian Illinois mengenai perubahan pajak baru tidak ada hubungannya dengan tingkat
penghasilannya. Suatu sampel acak 1000 pemilih yang tercatat di Illinois dikelompokan
menurut apakah penghasilan mereka rendah, sedang, atau tinggi, dan apakah mereka setuju
atau tidak terhadap perubahan pajak baru dalam tabel kontingensi berikut: (gunakan taraf uji
0,05)

Perubahan
Pajak
Tingkat Pendapatan Total
R (Rendah) M (Menengah) B (Berada)
Setuju 182 213 203 598
Tidak Setuju 154 138 110 402
Total 336 351 313 1000

Jawab :
1. H
0
: pendapat penduduk pemilih di negara bagian Illinois mengenai perubahan pajak
baru dan tingkat penghasilannya saling bebas
2. H
1
: pendapat penduduk pemilih di negara bagian Illinois mengenai perubahan pajak
baru dan tingkat penghasilannya tidak saling bebas
3. α = 0,05
4. Daerah kritis _
2
> 5,991 dengan derajat kebebasan v =(2-1)(3-1)= 2
5. Perhitungan _
2

Frekuensi harapan untuk:
- Setuju, R =
336 598
1
= 200,9 - Tidak Setuju, R =
336 42
1
= 135,1
- Setuju, M =
351 598
1
= 209,9 - Tidak Setuju, M =
351 42
1
= 141,1
- Setuju, B =
313 598
1
= 187,2 - Tidak Setuju, B =
313 42
1
= 125,8
Kategori o
ij
e
ij

(o
ij
- e
ij
)

/ e
ij

Setuju, R 182 200,9
-18,9 357,21 1,78
Setuju, M 213 209,9
3,1 9,61 0,05
Setuju, B 203 187,2
15,8 249,64 1,33
Tidak Setuju, R 154 135,1
18,9 357,21 2,64
Tidak Setuju, M 138 141,1
-3,1 9,61 0,07
Tidak Setuju, B 110 125,8
-15,8 249,64 1,98
Buku Ajar Statistika Industri FRI

121
IT TELKOM

∑ _
2
hitung = 7,85

6. Keputusan : _
2
hitung > _
2
tabel, H
0
ditolak
7. Kesimpulan : pendapat penduduk pemilih di negara bagian Illinois mengenai
perubahan pajak baru dan tingkat penghasilannya tidak saling bebas.

Latihan Soal
1. Dalam percobaan untuk meneliti kaitan hipertensi dengan kebiasaan merokok, diperoleh
data berikut yang menyangkut 180 orang:
Bukan Perokok Perokok Sedang Perokok Berat
Hipertensi 21 36 30
Tidak hipertensi 48 26 19

Ujilah hipotesis bahwa ada tidaknya hipertensi tidak tergantung pada kebiasaan
merokok. Gunakan taraf keberartian 0,05.

2. Suatu sampel acak 200 pria yang telah berkeluarga, semuanya sudah pensiun, dibagi
menurut pendidikan dan jumlah anak:
Pendidikan Ayah Jumlah Anak
0-1 2-3 Lebih dari 3
Sekolah Dasar 14 37 32
Sekolah Menengah 19 42 17
Perguruan Tinggi 12 17 10

Ujilah hipotesis, pada taraf keberartian 0,05, bahwa banyaknya anak tidak tergantung
pada tinggi pendidikan yang dicapai oleh ayah.

3. Seorang kriminolog melakukan sigi untuk menentukan apakah terjadinya berbagai
kejahatan tertentu berbeda dari satu bagian ke bagian lain suatu kota besar. Kejahatan
yang ingin diselidiki ialah penodongan, pembongkaran, pencurian, dan pembunuhan.
Tabel berikut menunjukan banyaknya kejahatan yang terjadi di 4 bagian kota tahun lalu.
Daerah Jenis Kejahatan
Penodongan Pembongkaran Pencurian Pembunuhan
1 162 118 451 18
2 310 196 996 25
3 258 193 458 10
4 280 175 390 19

Buku Ajar Statistika Industri FRI

122
IT TELKOM

Dapatkah disimpulkan dari data ini pada taraf keberartian 0,01 bahwa terjadinya
kejahatan tersebut bergantung pada daerah di kota itu?
Buku Ajar Statistika Industri FRI

123
IT TELKOM

BAB VI
ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA

6.0. Tujuan Pembelajaran:
Mahasiswa Mampu:
1. Menghitung dan menginterpretasikan korelasi sederhana antara dua variabel
2. Mengetahui hubungan dua variabel yang tidak linier
3. Menentukan korelasi dan mengujinya
4. Menghitung dan menginterpretasikan persamaan regresi linier sederhana
5. Mengetahui asumsi yang digunakan dalam analisa regresi
6. Menentukan Model Regresi yang Layak
7. Menghitung dan Menginterpretasikan Interval Keyakinan untuk Koefisien
Regresi
8. Mengetahui bahwa analisis regresi dapat digunakan sebagai alat prediksi
9. Mengetahui bagaimana menerapkan kasus nyata yang berhubungan dengan
analisis regresi secara benar











6.1. Scatter Plot
Buku Ajar Statistika Industri FRI

124
IT TELKOM

Sebelum menentukan bentuk hubungan dengan analisis regreis linier atau
sebelum mengukur keeratan hubungan antara dua variabel, harus dilihat
apakah variabel-variabel tersebut mempunyai hubungan linier atau tidak
dengan menggunakan scatter plot seperti yang dibawah ini:

Grafik 1.Scatter Plot (Diagram Pencar)

Scatter Plot
BAB 11-
Hubungan Linier Positif
Hubungan Linier Negatif
Tidak Ada Hub.linier
Tidak ada Hubungan
© 2010 Hermita Dyah Puspita


Dalam scatter plot diatas ada empat kriteria,yaitu:
Bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan
positif, maka kedua variabel dinyatakan memiliki hubungan linier positif
Bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan
negatif, maka kedua variabel dinyatakan memiliki hubungan linier negatif
Bila titik-titik menggerombol tidak mengikuti garis lurus, maka kedua variabel
dinyatakan tidak memiliki hubungan yang linier
Bila titik-titik memencar atau membentuk suatu garis lurus mengikuti sebuah
pola yang acak atau tidak ada pola, maka kedua variabel dinyatakan tidak
memilki hubungan.
6.2. Analisis Korelasi
Buku Ajar Statistika Industri FRI

125
IT TELKOM

Analisis korelasi digunakan untuk mengukur kekuatan hubungan linier antara
dua variabel. Koefisien korelasi populasi ρ (rho) adalah ukuran kekuatan
hubungan linier antara dua variabel dalam populasi sedangkan koefisien
korelasi sampel r adalah estimasi dari ρ dan digunakan untuk mengukur
kekuatan hubungan linier dalam sampel observasi. Untuk selanjutnya r disebut
Koefisien Korelasi Pearson (Product Momernt).

6.2.1. Korelasi Pearson (Product Moment)
Korelasi pearson sering juga disebut sebagai korelasi produk-momen atau
korelasi saja. Korelasi pearson termasuk ke dalam statistika parametrik.
Besarnya koefisien menggambarkan seberapa erat hubungan linear antara dua
variabel, bukan hubungan sebab akibat. Variabel yang terlibat dua-duanya
bertipe numerik (interval atau rasio), dan menyebar normal jika ingin
pengujian terhadapnya sah.
Berikut ini pedoman menentukan kuat tidaknya korelasi antara dua
variabel menurut Walpole :

Tabel 1.
Interval Koefisien Tingkat Hubungan
0.00 – 0.199
0.20 – 0.399
0.40 – 0.599
0.60 – 0.799
0.80 – 1.000
Sangat rendah
Rendah
Cukup
Kuat
Sangat Kuat

Menurut Sarwono (2006) Batas-batas nilai koefisien korelasi diinterpretasikan
sebagai berikut:




Buku Ajar Statistika Industri FRI

126
IT TELKOM

Tabel 2.

Interval Hubungan

Tingkat Hubungan

0 Tidak ada korelasi antara dua
variabel
>0 – 0,25 Korelasi sangat lemah
>0,25 – 0,5 Korelasi cukup
>0,5 – 0,75 Korelasi kuat
>0,75 – 0,99 Korelasi sangat kuat
1 Korelasi sempurna

Hasil dari analisis korelasi menunjukkan kekuatan atau kelemahan dari suatu
hubungan.Nilai koefisien korelasi ini akan berada pada kisaran -1 sampai
dengan +1. Koefisien korelasi minus menunjukkan hubungan yang
terbalik, dimana pengaruh yang terjadi adalah pengaruh negatif. Dalam
pengaruh yang negatif ini kenaikan suatu variabel akan menyebabkan
penurunan suatu variabel yang lain, sedangkan penurunan suatu variabel akan
menyebabkan kenaikan variabel yang lain.
Koefisien korelasi positif menunjukkan hubungan yang searah dari dua
variabel, dimana kenaikan suatu variabel akan menyebabkan kenaikan
variabel yang lain dan sebaliknya penurunan suatu variabel akan
menyebabkan penurunan variabel yang lain.
Koefisien korelasi sebesar nol menunjukkan tidak adanya hubungan antara
dua variabel, dengan kata lain kenaikan atau penurunan suatu variabel tidak
mempengaruhi variabel yang lain, jadi berapapun perubahan harga pada suatu
variabel tidak akan mempengaruhi variabel yang lain karena nilainya yang
tetap.
Terdapat bermacam-macam analisis korelasi yang dapat digunakan untuk
mengukur hubungan asosiatif dari suatu variabel. Korelasi yang akan
digunakan tergantung pada jenis data yang akan dianalisis. Korelasi
berdasarkan tingkatan data dapat dilihat pada tabel berikut ini:

Buku Ajar Statistika Industri FRI

127
IT TELKOM


Tabel.3 Korelasi Berdasarkan Tingkatan Data
Tipe / Tingkat Data
Teknik Korelasi yang
Digunakan
Nominal Koefisien Kontingensi
Ordinal
Spearman Rank
Kendal Tau
Interval dan rasio
Pearson / Produk Momen
Korelasi Ganda
Korelasi Parsial.

Koefisien korelasi pearson diformulasikan sebagai berikut:



Atau:


Atau:

dimana:
r = Koefisien Korelasi Sampel
n = Ukuran Sampel
x = Nilai dari Variabel Independen
y = Nilai Variabel dependen

Dari persaamaan korelasi yang terakhir tersebut dapat dilihat adanya
hubungan antara b dan r. r digunakan untuk mengukur hubungan linier antara
x dan y, sedangkan b mengukur perubahan dalam y akibat perubahan setiap
unit x.
Dalam kasus dimanai r
1
= 0,3 dan r
2
= 0,6 hanya berarti bahwa terdapat
korelasi positif dimana r
2
lebih kuat daripada r
1
. Adalah salah jika
¿ ¿
¿
÷ ÷
÷ ÷
=
] ) ( ][ ) ( [
) )( (
2 2
y y x x
y y x x
r
¿ ¿ ¿ ¿
¿ ¿ ¿
÷ ÷
÷
=
] ) ( ) ( ][ ) ( ) ( [
2 2 2 2
y y n x x n
y x xy n
r
Buku Ajar Statistika Industri FRI

128
IT TELKOM

menyimpulkan bahwa r
2
mengindikasikan hubungan linier dua kali lebih baik
dibandingkan dengan r
1
.

6.2.2.Koefisien Determinansi
Koefisien determinansi adalah salah satu alat analisis yang dapat digunakan
untuk mengetahui lebih jauh hubungan antar variabel. Koefisien determinansi
disimbolkan dalam R
2
yang menyatakan proporsi variansi keseluruhan dalam
nilai variabel dependen yang dapat diterangkan oleh hubungan linier dengan
variabel independen atau menunjukkan proporsi total variasi dalam nilai
variabel dependen yang dapat dijelaskan oleh hubungan linier dengan nilai
variabel independen. Nilai koefisien determinansi ini berkisar : 0
2
1

2
juga dapat digunakan untuk mempertimbangkan sebuah model regresi. Jika

2
suatu model besar belum tentu model tersebut adalah model yang baik,
tetapi jika MSE model kecil maka model teresbut adalah model regresi yang
terbaik.
Koefisien determinasi biasanya dinyatakan dengan persen. Sedangkan
penafsirannya jika 0.994 sehingga R
2
= 0.989 atau 98.9% adalah pengaruh
variabel bebas terhadap perubahan variabel terikat adalah 98,9%, sedangkan
sisanya sebesar 1,1% dipengaruhi oleh variabel lain selain variabel bebas X.
Koefisien determinasi banyak digunakan dalam penjelasan tambahan untuk
hasil perhitungan koefisien regresi.

6.2.3. Korelasi Ganda
Korelasi ganda adalah korelasi yang menunjukkan arah dan kuatnya hubungan
antara dua atau lebih variabel terikat secara bersama-sama dengan variabel
yang lain (variabel bebas). Contohnya: hubungan antara kesejahteraan
pegawai, hubungan dengan pemimpin, dan pengawasan dengan efektivitas
kerja.
Korelasi berganda merupakan korelasi dari beberapa variabel bebas secara
serentak dengan variabel terikat. Misalkan ada k variabel bebas,
1 2
, ,. . . ,
k
X X X dan satu variabel terikat Y dalam suatu persamaan regresi linear
maka besarnya korelasi bergandanya adalah :

Buku Ajar Statistika Industri FRI

129
IT TELKOM

,

,,

+

+⋯+

dengan

6.2.4. Korelasi Parsial
Korelasi parsial adalah korelasi yang menunjukkan arah dan kuatnya
hubungan atau pengaruh antara dua variabel atau lebih (variabel bebas dan
terikat) setelah satu variabel yang diduga dapat mempengaruhi hubungan
variabel tersebut dikendalikan untuk dibuat tetap keberadaannya.
Persamaan korelasi antara x
1
dengan y, bila variabel x
1
dikendalikan atau
korelasi antara x
1
dengan y bila x
2
tetap yaitu :

,

,

√(

)

Dimana :

,
1
,
2
= korelasi antara x
1
dengan x
2
secara bersama-sama dengan variabel y

1
= korelasi product moment antara x
1
dengan y

2


= korelasi product moment antara x
2
dengan y

1

2
= korelasi product moment antara x
1
dengan x
2


6.3. Uji Hipotesis Korelasi
Pengujian hipotesis korelasi bertujuan untuk mengetahui apakah terdapat
hubungan antara dua variabel tertentu.
- Perumusan hipotesis untuk korelasi adalah sebagai berikut:
Buku Ajar Statistika Industri FRI

130
IT TELKOM

H
0
: Tidak ada hubungan linier yang signifikan antara dua variabel
H
1
: Ada hubungan linier yang signifikan antara dua variabel
Atau H
0
: ρ = 0
H
1
: ρ ≠ 0
- Statistik uji:
Statistik uji menggunakan uji-T, yakni dengan menggunakan rumus sebagai
berikut:

;

;

atau

- Kriteria uji
Tolak H
0
jika t
hitung
> t
tabel
atau t
hitung
< -t
tabel
- Kesimpulan

Sementara untuk menguji hipotesis koefisien korelasi dengan menggunakan
koefisien korelasi taksiran (

, dapat digunakan hipotesis sebagai berikut:
-

dimana

0

1

- Statistik uji:

*
+

+

+

(uji satu sisi) atau


(uji dua sisi)
- Kriteria uji:
Tolak H
0
jika z
hitung
> z
tabel
atau z
hitung
< -z
tabel
- Kesimpulan



S
SSR
S
S
xx
= =
b
t
hitung
Buku Ajar Statistika Industri FRI

131
IT TELKOM


6.4.Analisis Regresi
Dalam kehidupan sehari-hari, seringkali dijumpai kasus yang berhubungan dengan
dua variabel atau lebih. Hubungan tersebut dapat berupa hubungan kausal atau
hubungan fungsional. Hubungan kausal misalnya : hubungan antara panas dengan
tingkat muai panjang, sedangkan hubungan fungsional contohnya: hubungan antara
kepemimpinan dengan tingkat kepuasan kerja pegawai.
Secara umum terdapat dua macam hubungan antara dua variabel atau lebih, yaitu :
Keeratan hubungan dapat diketahui dengan analisis korelasi (bukan hubungan
sebab-akibat)
Bentuk hubungan dapat diketahui dengan analisis regresi

6.4.1. Sejarah Regresi
Sejarah Regresi dimulai ketika Sir Francis Galton (1822-1911) yang
membandingkan tinggi badan anak laki-laki dengan tinggi badan ayahnya. Galton
menunjukkan bahwa tinggi anak laki-laki dari ayah yang tinggi setelah beberapa
generasi cenderung mundur (regressed) mendekati nilai populasi. Dengan kata lain,
anak laki- laki dari ayah yang badannya sangat tinggi, cenderung lebih pendek dari
ayahnya. Sedangkan anak laki-laki dari ayah yang badannya sangat pendek
cenderung lebih tinggi dari ayahnya. Sekarang istilah regresi diterapkan pada semua
peramalan.

6.4.2. Definisi Regresi
Regresi merupakan salah satu metoda dalam analisis statistika yang digunakan untuk
menganalisis dan memodelkan secara matematis hubungan diantara dua variabel
atau lebih. Pada analisis regresi ini dikenal adanya variabel dependen (variabel tak
bebas/variabel tergantung/Unknown Variable/Response Variable) dan variabel
independen (variabel bebas/ Explanatory Variable/Regressor Variable/Predictor
Variabls/). Regresi dipakai untuk mengukur besarnya pengaruh perubahan pada
variabel dependen yang diakibatkan perubahan pada variabel independen.
Menurut Gujarati (2006) analisis regresi merupakan suatu kajian terhadap hubungan
satu variabel yang disebut sebagai variabel yang diterangkan (the explained
variabel) dengan satu atau dua variabel yang menerangkan (the explanatory).
Buku Ajar Statistika Industri FRI

132
IT TELKOM

Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua
disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis
regresi disebut regresi linear berganda. Disebut berganda karena pengaruh beberapa
variabel bebas akan dikenakan kepada variabel tergantung. Saat ini, analisis regresi
banyak digunakan untuk menelaah hubungan dua variabel atau lebih dan
menentukan pola hubungan yang modelnya belum diketahui, sehingga regresi secara
aplikatif lebih bersifat eksploratif.

6.4.3. Asumsi
Penggunaan regresi linear sederhana didasarkan pada asumsi diantaranya sbb:
- Error (ε) independen secara statistik
- Distribusi probabilitas dari Error berdistribusi Normal
- Distribusi probabilitas dari Error(*) mempunyai variansi yang konstan
- Ada hubungan linier antara kedua variabel
Catatan (*):
 Residual adalah selisih antara nilai duga (predicted value) dengan nilai
pengamatan sebenarnya apabila data yang digunakan adalah data sampel.
 Error adalah selisih antara nilai duga (predicted value) dengan nilai pengamatan
yang sebenarnya apabila data yang digunakan adalah data populasi.
 Persamaan keduanya : merupakan selisih antara nilai duga (predicted value)
dengan pengamatan sebenarnya.
 Perbedaan keduanya: residual dari data sampel, error dari data populasi.

6.4.5. Analisis Regresi Linier Sederhana
Regresi linier sederhana ini bertujuan untuk mempelajari hubungan antara dua
variabel yaitu satu variabel bebas/variabel independen (X) dan variabel
terikat/variabel dependen (Y). Bentuk umum dari pesamaan regresi linier sederhana
dari populasi adalah:
Persamaan garis regresi sampel memberikan estimasi garis regresi populasi sebagai
berikut:
ε βx y + + = o
bx yˆ
i
+ = a
Buku Ajar Statistika Industri FRI

133
IT TELKOM

Keterangan :

̂ = nilai estimasi dari variabel bebas. Ŷ juga merupakan variabel terikat (dependen
variable)
a = konstanta yang merupan nilai estimasi ̂ jika nilai x=0 (intercept)
b = koefisien regresi/gradient garis regresi (slope)
x = variabel bebas (independent variable)

6.4.5.1. Metode Kuadarat Terkecil (Least-Squares Method)
Metode untuk menaksir α dan β sehingga jumlah kuadrat dari deviasi simpangan
antara observassi-observasin dan garis regresi menjadi minimum:

2

;
̂
2

<1

2

<1

<1

Dimana ε

adalah nilai sisaan/galat/error yang merupakan penyimpangan model
regresi dari nilai yang sebenaranya.


Gambar 0.2 Grafik Regresi Linier dengan Nilai ε

Dengan cara mendeferensialkan persamaan di atas terhadap α dan kemudian
terhadap β, kemudian menyamakan hasil pendeferensilan itu dengan nol, maka:

2∑

̅

<1
0
Buku Ajar Statistika Industri FRI

134
IT TELKOM

= 2 ∑(

(

̅

=1
))(

̅ ) = 0
Penyederhanaan dua persamaan tersebut di atas menghasilkan persamaan normal
kuadrat terkecil sebagai berikut:
+ ∑

=1
= ∑

=1

dan

= ∑

+ ∑

2

=1

=1

=1

Dari persamaan di atas, maka diperoleh persamaan:
atau atau atau

atau


Dari persamaan di atas disubstitusi, maka diperoleh persamaan untuk menentukan
nilai a: a =

1

1

atau:
a = ̅ – b̅
Dimana:
̅ = rata – rata y
i

̅ = rata – rata x
i

¿
¿
÷
÷ ÷
=
2
) (
) )( (
x x
y y x x
b
¿
¿
¿
¿ ¿
÷
÷
=
n
x
x
n
y x
xy
b
2
2
) (
( ) ¿
¿ ¿ ¿
¿
÷
÷
=
x
x n
y x xy n
b
2
2
Buku Ajar Statistika Industri FRI

135
IT TELKOM

6.4.5.2. Partisi dari Varians Total
Estimasi parameter
2
menghasilkan variansi yang disebabkan karena kesalahan
model dan variansi yang disebabkan karena kesalahan eksperimen. Dekomposisi
varians dapat dijabarkan sebagai berikut:
SST = SSR + SSE
Keterangan:
SST = Sum of Square Total / Jumlah Kuadrat Total =

SSR = Sum of Square Regression / Jumlah Kuadrat Regresi = b

SSE = Sum of Square Eror / Jumlah Kuadrat Eror =

b

Dimana :

2
̅
2

2
̅
2

̅ ̅

6.4.5.3. Estimasi dari

Sum of Square Error (SSE) merupakan variansi yang menggambarkan
penyimpangan dari nilai–nilai observasi di sekitar garis regresi sampel. Nilai SSE
(

) atau yang biasa disebut MSE (Mean Squared Error) adalah estimasi dari
2
dan
diestimasi dengan persamaan berikut:

= S = √
∑ ; ̂
2

;2
=√

;2
=√

;

;2

Buku Ajar Statistika Industri FRI

136
IT TELKOM


Standar Error Koefisien Regresi
Jika diambil sampel x dan y dari populasi, maka masing–masing sampel tersebut
memiliki gradien/slope (b) sendiri. Gradien sampel tersebut akan bervariasi disekitar
nilai koefisien regresi tersebut. Maka perlu diketahui variasi koefisien regresi
tersebut dengan persamaan berikut:




6.4.5.3. Standar Error untuk bila nilai x diketahui
Jika nilai x dimasukkan berulang–ulang pada persamaan regresi, maka nilai rata–rata
yang diperoleh tidak akan sama, yang artinya nilai ̅ bervariasi. Sehingga nilai
standar error ̅ dapat ditentukan dengan persamaan berikut (bila x diketahui):

̅
=

(√
1

+


2

)

6.4.6.Uji Parsial Parameter Regresi
Digunakan untuk menguji apakah parameter β berarti pada model secara parsial.
Tahapan uji yang dilakukan:
 Hipotesis:
H
0
: β = 0
H
1
: β ≠ 0
 Statistik Uji:

;

;

 Pengambilan Keputusan:
Tolak H
0
jika t
hitung
> t
a/2(df= n-2)
pada selang kepercayaan α
 Kesimpulan


¿
¿ ¿
÷
=
÷
= =
n
x) (
x
s
) x (x
s
s
2
2
ε
2
ε
b
xx
S
s
Buku Ajar Statistika Industri FRI

137
IT TELKOM

6.4.7. Uji Intersep Model Regresi
Tahapan uji yang dilakukan:
 Hipotesis:
H
0
: α = 0
H
1
: α ≠ 0
 Statistik Uji:

;

 Pengambilan Keputusan
Tolak H
0
jika t
hitung
> t
a/2(db= n-2)
pada selang kepercayaan α
 Kesimpulan

6.4.8. Selang Kepercayaan
Selang Kepercayaan untuk α:



Selang Kepercayaan untuk β:


6.4.9.Prediksi
Estimasi selang keyakinan untuk Rata-rata y, diberikan pada saat x
p




Estimasi selang keyakinan untuk Nilai individual y diberikan pada saat x
p




b /2
s b
o
t ±
¿
÷
÷
+ ±
2
2
p
ε /2
) x (x
) x (x
n
1
s ˆ
o
t y
¿
÷
÷
+ + ±
2
2
p
ε /2
) x (x
) x (x
n
1
1 s ˆ
o
t y
xx
i
nS
x S
t
¿
±
2
/2
a
o
Buku Ajar Statistika Industri FRI

138
IT TELKOM

6.5. Pemilihan Model Regresi
Penentuan model regresi linier sederhana ditekankan pada konsep linieritasnya
dengan asumsi awal bahwa hubungan tersebut linier diparamater regresinya.
Pemilihan variabel independen yang kurang tepat dapat menimbulkan bias
dalam estimasinya.
Tahapan uji yang dilakukan:
 Hipotesis
H
0
: β = 0
H
1
: β ≠ 0
 Tentukan daerah kritis dengan Level of Significance (α) yang biasa
digunakan adalah 0,01 atau 0,05
Tabel 0.1 Analysis of Variance
Sumber
Variansi

SS

df

MS

F
hitung
Regresi SSR 1 MSR = SSR/1 MSR/s
2
Error SSE n –
2
S
2
= SSE/n-2
Total SST n –
1


 Pengambilan Keputusan
Tolak H
0
jika F
hitung
> F
tabel(1 , n-2)
pada selang kepercayaan (level of
significance) α
 Kesimpulan

6.5.1 Pendekatan Analisis Varians (Anova)
Untuk menguji kelayakan dari suatu model regresi digunakan pendekatan analisis
varians.Analisis varians adaah suatu prosedur membagi variansi total variabel
dependen menjadi dua komponen, yaitu: variansi model sistematik dan variansi
error.
Buku Ajar Statistika Industri FRI

139
IT TELKOM



6.6. Analisis Residual
Analisis residual dapat dilakukan dengan:
a. Pengujian Unequal variances: Varians pada setiap nilai x harus identik,
yaitudengan melakukan plot

̂ dengan ̂ , apabila terdapat pola-pola tertentu
berarti varians tidak identik sehingga perlu distabilkan dengan transformasi.

b. Pengujian Non normal error,yaitu dengan:
- Stem and leaf
- Histogram
- Dot diagram
- Plot normal (Normal Probability Plot)
c. Jika terdapat extreme skewness (kemiringan yang ekstrim) pada data, maka tidak
berdistribusi normal.
d. Pengujian Correlated Error (independent), yaitu dengan melihat plot

̂ dengan
time order (i). Jika ada pola tertentu, maka terjadilah dependent residual dimana
penyebabnya dapat karena kesalahan eksperimen atau kesalahan dalam
pembentukan model atau karena variabel prediktor yang diabaikan.
e. Pengecekan Ouliers residual yaitu dengan cara plot residual dalam batas
pengujian ±3σ (

̂ dengan ̂).Apabila residual terletak di luar batas 3σ atau
nilainya lebih besar dari 3σ, maka ada indikasi outlier.
Buku Ajar Statistika Industri FRI

140
IT TELKOM


6.7. Pengujian Linieritas Regresi:untuk data dengan observasi berulang
Pada beberapa percobaan untuk mendapatkan hasil yang akurat seringkali dilakukan
pengulangan observasi untuk setiap nilai x, sehingga perlu dilakukan pengujian
apakah model yang dihasilkan sudah memenuhi atau tidak. Untuk menggambarkan
kondisi tersebut diatas dilakukan pengujian kecocokan model dengan pendekatan
Lack Of Fit.

6.7.1. Pengujian Lack Of Fit
Sum of squared error terdiri atas dua komponen, yaitu variasi random yang
muncul antar nilai y untuk setiap nilai x (pure experimental error) dan komponen
yang dikenal dengan istilah Lack Of Fit (LoF), untuk mengukur ketepatan model.
Prosedur Pengujian:
- Hipotesis
H
0
: Tidak ada LoF
H
1
: Ada LoF Model Linier tidak sesuai
- Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
- Hitung Pure Error sum of square ()

∑ ∑

̅̅̅̅
2
<1

<1
dengan df = n – k

Tabel 0.2 Analysis of Variance
Sumber
variansi

SS

df

MS

F
hitung
Regresi SSR 1 MSR = SSR/1 MSR/s
2
Error: SSE n –
2
S
2
= SSE(/n-2)
Lof
Pure error
SSE - k - 2 (SSE – / 2

2
2

n - k S
2
= /(n-k)
Total SST n

Buku Ajar Statistika Industri FRI

141
IT TELKOM


- Pengambilan Keputusan
Tolak H
0
jika F
hitung
> F
tabel(k-2 , n-k)
pada selang kepercayaan (level of significance) α
- Kesimpulan

Contoh 1
nilai 9 mahasiswa dari suatu kelas pada ujian tengah semester (x) dan pada ujian akhir
semester (y) sebagai berikut :
n 1 2 3 4 5 6 7 8 9
x
i
77 50 71 72 81 94 96 99 67
y
i
82 66 78 34 47 85 99 99 68

a. Tentukan persamaan garis regresi linear.
b. Tentukan nilai ujian akhir seorang murid yang mendapat nilai 85 pada ujian
tengah semester.
Jawab :
persamaan regresi linear
n 1 2 3 4 5 6 7 8 9 Σ
x
i
77 50 71 72 81 94 96 99 67 707
y
i
82 66 78 34 47 85 99 99 68 658
x
i
y
i
6314 3300 5538 2448 3807 7990 9504 9801 4556 53258
x
i
2
5929 2500 5041 5184 6561 8836 9216 9801 4489 57557

Sehingga b =
953258;77658
957557;77
2
= 0,777142
dan
a =
658;,77714277
9
= 12,06232
jadi, persamaan regresi linear adalah
̂ = 12,06232 + 0,777142x
x = 85
̂ = 12,06232 + (0,777142)(85) = 78,11936
Buku Ajar Statistika Industri FRI

142
IT TELKOM

Contoh 2
Lakukan uji regresi dengan pendekatan ANOVA pada :
x 3,4 2,8 2,5 3,7 3,2 3,1 2,9 3 2,2 2,4 2,7
y 25 20 18 25 21 22 30 22 10 20 17

Jawab :
Σx = 31,9 Σy = 230 Σ x
i
y
i
= 675,5
Σ x
i
2 =
94,49 Σ y
i
2
= 4866
̅ = 2,9 ̅ = 20,9091
b = 0,777142
a = 12,06232
Sxx = Σ x
i
2
– n(̅ )
2
= 1,98
Sxy = Σ x
i
y
i
– n(̅ ̅)= 8,4997
Syy = Σ y
i
2
– n(̅)
2
= 56,9049
SSR = b
2
Sxx = 36,4894
SSE = Syy – SSR = 20,4155
- Hipotesis
H
0
: β = 0
H
1
: β ≠ 0
α = 0.05
- Tabel Anaysis of Variance
KomponenRegresi SS df MS F
hitung
Regresi 36,49 1 36,49 16,08276
Error 20,42 9 2,27
Total 56,9049 10
- Pengambilan Keputusan
F tabel = F
(0.05;1,9)
= 5,12
Karena Fhitung > Ftabel maka Ho ditolak
- Kesimpulan:Model Regresi linier sesuai




Buku Ajar Statistika Industri FRI

143
IT TELKOM

Contoh 3
Berikut adalah data jumlah biaya promosi (x) dan jumlah penjualan (y) pada perusahaan
ABC.
Tahun Jumlah Biaya Promosi x) Jumlah Penjualan (y)
2005 22 30
2006 36 38
2007 31 35
2008 32 37
2009 31 34
2010 32 38

Tentukanlah apakah terdapat hubungan antara biaya promosi dengan penjualan
menggunakan uji korelasi Spearman Rank dan tingkat kesalahan 1%!
Jawab:
Tahun
Jumlah
Biaya
Promos
i (x)
Jumlah
Penjuala
n (y)
Range
x
Range
y

2005 22 30 1 1 0 0
2006 36 38 6 5.5 0.5 0.25
2007 31 35 2.5 3 -0.5 0.25
2008 32 37 4.5 4 0.5 0.25
2009 31 34 2.5 2 0.5 0.25
2010 32 38 4.5 5.5 -1 1
∑ 2

, ,
Uji Hipotesis:
H
0
: Tidak ada hubungan yang signifikan antara variabel biaya promosi dengan variabel
penjualan
Buku Ajar Statistika Industri FRI

144
IT TELKOM

H
1
: Ada hubungan yang signifikan antara variabel biaya promosi dengan variabel
penjualan.

Statistika uji:

,
,

,
,
,

,


,
Kriteria uji: Karena t
hitung
> t
tabel
maka tolak H
0

Kesimpulan: Karena tolak H
0
maka terima H
1
yakni ada hubungan yang signifikan antara
variabel biaya promosi dengan variabel penjualan

LATIHAN SOAL:

1. Data berikut menyatakan IQ=X untuk kelompok anak berumur tertentu dan hasil ujian
prestasi pengetahuan umum (Y).
Xi Yi Xi Yi Yi Yi
114
110
113
137
116
132
90
121
107
120
125
92
29
41
48
73
55
80
40
75
43
64
53
31
130
142
137
140
125
134
106
121
111
126
95
105
71
68
69
66
39
78
49
59
66
67
46
47
96
89
105
125
107
97
134
106
99
98
117
100
45
32
50
57
59
48
55
45
47
59
47
49

a. Gambar diagram pencarnya.
b. Tentukn regresi linear Y atas X lalu gambarkan.
Buku Ajar Statistika Industri FRI

145
IT TELKOM

c. Jelaskan arti koefisien arah yang didapat.
d. Berapa rata-rata prestasi anak dapat diharapkan jika IQ nya 120?
e. Tentukan interval kepercayaan 95% untuk rata-rata prestasi anak dengan IQ=120.
Jelaskan artinya!
f. Tentukan interval kepercayaan 95% untuk seorang anak dengan IQ=120. Jelaskan
artinya!
g. Tentukan interval kepercayaan 95% untuk perubahan rata-rata prestasi jika IQ
berubah dengan satu unit.
h. Perlukah diambil model berbentuk lain?
i. Asumsi apakah yang harus diambil untuk menyelesaikan pertanyaan-pertanyaan
diatas?

2. Dari tabel berikut ini:
X (
o
C) Y (gram)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
Carilah persamaan garis regresi
Gambarkan garis tersebut pada diagram pencar
Taksirlah banyaknya senyawa yang larut dalam 100 g air pada 50
o
C.

3. Lakukan uji model regresi pada soal no.1.

4. Berikut adalah data banyaknya modal (dalam juta rupiah) dan keuntungan yang
diperoleh
(dalam juta rupiah) yang dihasilkan dalam waktu 10 bulan.



Buku Ajar Statistika Industri FRI

146
IT TELKOM


Modal (x) 189 204 192 214 218 178 189 167 180 194
Keuntungan
(y)
10 15 13 17 19 14 13 11 13 15

a. Hitunglah koefisien korelasi Pearson dan determinasi berdasarkan data di atas dan
ujiah!
b. Tentukan apakah pernyataan bahwa koefisien korelasi antara jumlah karyawan dan
keuntungan tidak lebih dari 0,7 adalah benar! Gunakan tingkat kesalahan 5%!

5. Hitunglah koefisien korelasi kondisi temperatur (x) dan kepuasan pekerja (y) serta
apakah
ada hubungan yang signifikan antara keduanya dengan menggunakan teknik korelasi
pearson!

n
Kondisi temperatur
(x)
KepuasanKerja
(y)
1 8 20
2 12 20
3 10 17
4 7 18
5 8 19
6 7 20
7 12 18
8 10 19
9 12 16
10 9 17
11 10 16
12 12 17
13 12 18
14 12 12
15 12 17
Buku Ajar Statistika Industri FRI

147
IT TELKOM



6. Dibawah ini diberikan data yang secara acak diambil dari populasi normal bervariabel
dua (X dan Y).

X Y X Y X Y
15
13
10
11
16
12
9
12
4
8
108
106
99
110
135
97
74
98
20.
69
8
11
17
20
12
18
16
13
18
11
56
75
137
163
84
149
140
137
170
109
17
6
8
5
3
6
14
5
15
16
153
73
95
26
24
50
96
35
132
141




Buku Ajar Statistika Industri FRI

148
IT TELKOM


V.2.1 Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menganalisis hubungan antara
variabel bebas (x) dan variabel terikat (y). Namun pada regresi linier berganda ini, variabel
bebas (x) yang digunakan lebih dari dari satu. Bentuk persamaan umum untuk model regresi
linier berganda:
̂= a +
1

1
+
2

2
+ +

Keterangan:
̂ = nilai dari variabel terikat
a = konstata nilai estimasi ̂ jika nilai x=0 (intercept)

= koefisien regresi gradient garis regresi (slope)

= variabel bebas

V.2.1.1 Metode Kuadarat Terkecil (Least-Squares Method)
Untuk setiap pengamatan
1
,
2

1, 2, , } akan memenuhi persamaan:
̂= a +
1

1
+
2

2
+ +

+

Dengan menggunakan metode kuadrat terkecil, maka diperoleh persamaan:

= ̂- a -
1

1

2

2

Dengan syarat meminimasikan nilai a,
1
, dan
2
penurunannya, maka diperoleh persamaan:

= an +
1

1

<1
+
1

2

<1



1

<1

= a∑
1

<1
+
1

1
2
<1
+
2

1

<1

2


2

<1

= a∑
2

<1
+
2

2
2
<1
+
1

1

<1

2


Asumsi yang digunakan dalam analisis regresi linier berganda antara lain:
a. Setiap nilai error berdistribusi normal dengan rata–rata 0 dan dan varians σ
2

b. Bersifat homoskedastisitas
c. Kovarian error = 0, tidak terjadi autokorelasi
d. Tidak terdapat multikolinieritas, artinya tidak terdapat hubungan linier yang sempurna
diantara variabel–variabel bebas.

Latihan soal
Buku Ajar Statistika Industri FRI

149
IT TELKOM

1. Dari tabel berikut ini:
X (
o
C) Y (gram)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
a. Carilah persamaan garis regresi
b. Gambarkan garis tersebut pada diagram pencar
c. Taksirlah banyaknya senyawa yang larut dalam 100 g air pada 50
o
C.

2. Lakukan uji model regresi pada soal no.1.


Buku Ajar Statistika Industri FRI

150
IT TELKOM

BAB VI ANOVA (ANALISA VARIANS)


Dalam bab ini akan dibahas mengenai rancangan percobaan baik satu factor ( one way
ANOVA) dan dua factor (two way ANOVA).



Setelah mempelajari materi ini mahasiswa dapat membuat rancangan percobaan dan
menyelesaikannya baik satu factor ataupun dua faktor.


Mahasiswa mampu:
1. Mengetahui konsep desain eksperimen
2. Mengetahui asumsi yang harus dipenuhi dalam analisa varians (Anova)
3. Mengetahui penggunaan One Way Anova untuk menguji perbedaan rata-rata dari
beberapa populasi
4. Mengetahui penggunaan Random Block Design/Two Way Anova
5. Mahasiswa diharapkan dapat mengiplementasikan terhadap masalah yang dihadapi
didunia nyata.
6.

Kegiatan perkuliahan dilaksanakan dengan skenario sebagai berikut:
1. Perkuliahan
2. Penjelasan tentang concept map (tunjukan di peta konsep dimana posisi materi yang
akan dibahas), pokok bahasan, dan kompetensi yang akan dicapai (TIU dan TIK)
3. Tes pendahuluan
4. Ringkasan materi disampaikan dengan metode ceramah, critical incident, diskusi dan
tanya jawab
5. Tes akhir
6. Evaluasi pencapaian
PENDAHULUAN


TUJUAN INSTRUKSIONAL
UMUM
TUJUAN INSTRUKSIONAL KHUSUS

SKENARIO PEMBELAJARAN
1………….
2………….
3………….
4………….
Buku Ajar Statistika Industri FRI

151
IT TELKOM

7. Penutup




Anova (Analysis of Variance) merupakan salah satu Uji Hipotesis pada Statistika
Parametrik, untuk melakukan pengujian terhadap interaksi antara dua faktor dalam suatu
percobaan dengan membandingkan rata-rata dari lebih dua sampel.
Dalam banyak kasus penelitian seringkali ditemukan jumlah variabel yang
diuji lebih dari dua atau cukup besar, penggunaan uji t dan uji z tidak akan efektif
karena memakan waktu cukup lama dalam perhitungan dimana perhitungan
dilakukan secara berpasangan untuk masing-masing variabel.Andaikan saja akan
dilakukan pengujian terhadap lima variabel, maka harus dilakukan pengujian dengan
uji t sebanyak sepuluh kali pasangan variabel.Selain banyak menghabiskan waktu
untuk pengerjaannya, maka kemungkinan terjadi kesalahan baik itu kesalahan dalam
perhitungan, pembandingan ataupun pengulangan menjadi semakin besar.
Anova (Analysis of Variance) merupakan salah satu metode dalam statistika
parametrik.. Tujuan dari analisis varians adalah untuk dapat menemukan variabel
independen dalam penelitian dan mengetahui bagaimana interaksi antar variabel dan
bagaimana pengaruhnya terhadap suatu perlakuan.
Keunggulan dari analisis varians selain mampu melakukan perbandingan
untuk banyak variabel juga antar replikasi (pengulangan) observasi serta dapat
mengurangi sejumlah kesalahan yang mungkin terjadi dalam perhitungan.
Sebagai dasar dalam pengambilan keputusan dari analisis varians digunakan
distribusi F. Distribusi F ini diturunkan oleh R. A. Fisher dan George W. Snedecor
(tahun 1950), oleh karena itu dinamakan distribusi F (Fisher-Snedecor Distribution).


7.1.2. Asumsi
Penggunaan analisis Anova didasarkan pada asumsi diantaranya sbb:
1. Data berdistribusi normal
2. Skala pengukuran minimal interval
3. Varians homogen
RINGKASAN MATERI

Buku Ajar Statistika Industri FRI

152
IT TELKOM

4. Pengambilan sampel secara acak dan masing-masing sampel independen

Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data
setiap kelompok. Asumsi adanya homogenitas varians menjelaskan bahwa variansi
dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas (independen) menjelaskan bahwa variansi masing-masing terhadap rata-ratanya
pada setiap kelompok bersifat saling bebas.

7.1.3. One Way ANOVA (Complete Random Design/CRD)
Analisis variansi satu arah atau yang sering disebut sebagai rancangan acak
lengkap adalah suatu prosedur untuk menguji perbedaan rata-rata/ pengaruh
perlakuan dari beberapa populasi (lebih dari dua) dari suatu percobaan yang
menggunakan satu faktor,dimana satu faktor tersebut memiliki 2 atau lebih level.
Disebut juga Desain Seimbang jika seluruh level faktor mempunyai ukuran sampel
yang sama. Dalam analisis variansi satu arah ini sampel acak yang berukuran n
diambil masing-masing dari k populasi. Ke k populasi yang berbeda ini
diklasifikasikan menurut perlakuan atau grup yang berbeda.
Model perbandingan k teratment (perlakuan):

+

+

Dimana:
µ = Mean

= efek perlakuan ke-j

IIDN(0,σ)

Prosedur pengujian dalam analisis varians ini adalah:
 Pengujian hipotesis:

:
1
=
2
=…=

,

1
: paling sedikit dua diantara rataan tersebut tidak sama.
Buku Ajar Statistika Industri FRI

153
IT TELKOM

 Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
 Hitung dengan menggunakan tabel Anova
 Pengambilan Keputusan:
Tolak H
0
jika F
hitung
> F
tabel(k-1 , k(n-1))
pada selang kepercayaan (level of
significance) α
 Kesimpulan
Ada dua cara dalam melakukan perhtiungan untuk mendapatkan tabel Anova, yaitu:
1. Dengan cara Matriks
2. Dengan Cara rumus

Tabel VII.1 k sampel acak
Perlakuan
1 2 … j … k

11

12

1

1

21

22

2

2

… … …

1

2

Jumlah
1

T..
Rataan ̅
1
̅
2
… ̅

… ̅

̅..
Keterangan:

: menyatakan pengamatan ke i dalam perlakuan ke j.

: menyatakan jumlah semua pengamatan dalam sampel dari perlakuan ke i.
̅

: menyatakan rataan semua pengamatan dalam sampel dari perlakuan ke j.
T.. : jumlah semua nk pengamatan.
̅.. : rataan semua nk pengamatan
Dengan cara matriks:

Observasi = Grand Mean + Deviasi Treatment + Deviasi Residual
Buku Ajar Statistika Industri FRI

154
IT TELKOM

= ̅̅̅̅ +

̅̅̅̅ ̅̅̅̅ + (

-

̅̅̅̅

(

- ̅̅̅̅ =

̅̅̅̅ ̅̅̅̅ + (

-

̅̅̅̅

(

- ̅̅̅̅ =

̅̅̅̅̅ + (

-

̅̅̅̅ + 2

̅̅̅̅ ̅̅̅̅ (

-

̅̅̅̅

= 0
∑ ∑

̅̅̅̅̅
2

<1

<1

̅̅̅̅ ̅̅̅̅

<1
+ ∑ ∑

̅̅̅̅

<1

<1


SST SSA
SSE
Keterangan:
SST = Sum Square Total
SSA = Sum Square of Treatment
SSE = Sum Square of Error

Atau dengan cara rumus perhitungan jumlah kuadrat dengan ukuran sampel sama adalah:
SST = ∑ ∑

2
<1

<1

2

SSA =

2
1

2

SSE = SST – SSA

Tabel VI.2 Analisis Variansi untuk Klasifikasi satu arah
Sumber
variansi

SS

df

MS

F
hitung

Perlakuan

SSA k-1

1

Error

SSE k(n-1)

1


Total SST nk-1
Contoh 1:
Buku Ajar Statistika Industri FRI

155
IT TELKOM

Berikut adalah data kecepatan merakit produk (dlm menit) yang dihasilkan oleh 4
macam operator:
Mesin
1 2 3 4 Total
12 22 19 11
10 13 14 13
14 16 20 16
13 15 19 12
11 14 18 18
Total 60 80 90 70 300
Rataan 12 16 18 14 15

Ujilah dengan taraf keberartian 0,05 apakah rata-rata kecepatan merakit produk yang
dihasilkan beberapa mesin tersebut berbeda!
Jawab:

:
1
=
2
=…=
4
,

1
: paling sedikit dua rataan tersebut tidak sama.
Daerah kritis: f
hitung
> f
tabel=
3,24 dengan derajat kebebasan
1
3 dan
2
16
Dengan cara matriks:
Observasi = Grand Mean + Deviasi Treatment + Residual

= ̅ +

̅̅̅̅̅ + (

-

̅̅̅̅
[

12 22 19 11
10 13 14 13
14 16 20 16
13 15 19 12
11 14 18 18

]

[

15 15 15 15
15 15 15 15
15 15 15 15
15 15 15 15
15 15 15 15
]

+
[

3 1 3 1
3 1 3 1
3 1 3 1
3 1 3 1
3 1 3 1
]

+
[

0 6 1 3
2 3 4 1
2 0 2 2
1 1 1 2
1 2 0 4
]

(dikuadratkan)=100 (dikuadratkan)=116

SSA SSE

SST = SSA +SSE = 216

Buku Ajar Statistika Industri FRI

156
IT TELKOM

Dengan cara rumus:
SST= 12
2
+22
2
+⋯+18
2

3
2
2
216
SSA=
6
2
:8
2
:9
2
:7
2
5

3
2
2
100
SSE= 216-100=116

Tabel Anova
Sumber
variansi

SS

df

MS

F
hitung

Perlakuan 100 3 33,3333 4,5977
Error 116 16 7,25
Total 216 19

Dari perhitungan dengan cara matrik dan cara rumus untuk tabel Anova didapatkan hasil
yang sama, sehingga untuk melakukan perhitungan boleh dilakukan dengan salah satu
cara tersebut.
Karena f
hitung=4,5977
> f
tabel=
3,24
Keputusan: tolak

dan disimpulkan bahwa keempat mesin tidak mempunyai rataan
yang sama (Mesin memang berpengaruh)

Latihan soal:
1. Uji hipotetis pada taraf 0,01 bahwa rata-rata aktivitas khusus sama saja untuk
keempat konsentrasi.
Konsentrasi NaCl
A B C D
11,01 11,38 11,02 6,04
12,09 10,67 10,67 8,65
10,55 12,33 11,50 7,76
11,26 10,08 10,31 10,13

2. Enam mesin sedang dipertimbangkan untuk dipakai dalam pembuatan karet penutup.
Mesin tersebut dibandingkan berdasarka daya rentang barang yang dihasilkan.
Buku Ajar Statistika Industri FRI

157
IT TELKOM

Sampel acak empat karet penutup dari tiap mesin dipakai untuk menentukan apakah
rataan daya rentang tiap mesin berbeda. Berikut ini ialah pengukuran daya rentang
dalam kg per
2
x 10
;1
.
Mesin
1 2 3 4 5 6
17,5 16,4 20,3 14,6 17,5 18,3
16,9 19,2 15,7 16,7 19,2 16,2
15,8 17,7 17,8 20,8 16,5 17,5
18,6 15,4 18,9 18,9 205 20,1
Kerjakan analisi variansi pada taraf keberartian 0,05 dan tentukanlah apakah rataan
daya rentang ke 6 mesin berbeda secara berarti. ANALISIS VARIANS!

3. Tiga cara mengajar matematika telah diberikan kepada tiga kelompok anak SD kelas
V, satu cara hanya diberikan pada satu kelompok.Hasil ujian pada akhir pengajaran
dengan cara tersebut diberikan dalam daftar berikut.
Cara I Cara II Cara III
89
93
75
69
83
99
69
57
85
67
90
79
75
86
94

64
69
78
92
81
70
84

Anggap hasil ini sebagai sampel hasil belajar matematika dengan cara mengajar
masing-masing.Sebutkan syarat-syarat yang harus dipenuhi agar percobaan ini sah
untuk dibandingkan hasilnya. Berikan analisis lengkap mengenai hasil belajar
matematika menggunakan ketiga cara tersebut. Ujilah persyaratan yang perlu
menggunakan data yang diberikan.

Buku Ajar Statistika Industri FRI

158
IT TELKOM

7.1.4 TWO WAY ANOVA
Two Way Anova dikenal juga dengan factorial design atau Randomized Block
Design. Sama dengan One Way Anova dasar perhitungan yang digunakan adalah
Distribusi F. Pada Two way Anova pengujian dilakukan dengan tidak hanya melihat
satu faktor atau perlakuan saja, tetapi juga dengan mempertimbangkan faktor blok.
Uji blok dilakukan untuk mengetahui pengaruh blok terhadap perbedaan rata-rata.
Uji blok ini akan mengurangi kombinasi kesalahan.
Model random Block experiment untuk perbandingan k tratment (perlakuan):

+

+

+

Dimana:
µ = Mean

= efek blok ke-i

= efek perlakuan ke-j

IIDN(0,σ)

Prosedur pengujian dalam analisis varians dua arah ini adalah:
 Pengujian hipotesis untuk treatment:

: h ttt/

1
: Ada pengaruh treatment
 Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
 Hitung dengan menggunakan tabel Anova
 Pengambilan Keputusan:
Tolak H
0
jika F
hitung
=

> F
tabel (k-1 ,(b-1)(k-1))
pada selang kepercayaan (level
of significance) α
 Kesimpulan



Buku Ajar Statistika Industri FRI

159
IT TELKOM

 Pengujian hipotesis untuk blok:

: h

1
: Ada pengaruh blok
 Tentukan daerah kritis dengan Level of Significance (α) yang biasa digunakan
adalah 0,01 atau 0,05
 Hitung dengan menggunakan tabel Anova
 Pengambilan Keputusan:
 Tolak H
0
jika F
hitung
=

> F
tabel(b-1 ,(b-1)(k-1))
pada selang kepercayaan (level
of significance) α
 Kesimpulan


Proses perhitungan Two Way Anova hampir sama dengan One Way Anova dimana
ada dua cara dalam perhtiungan tabel Anova, yaitu:
1. Dengan cara Matriks
2. Dengan Cara rumus

Tabel VI.3 Tabel Random Block Design( Two Way ANOVA)
Block
(B)
Treatment (A)
Jml

Mean 1 2 … A
1 y
11
y
12
… y
1a
T
1.
̅
1

2 y
21
y
22
… Y
2a
T
2.
̅
2

: : : :
B Y
b1
Y
b2
… y
ba
T
b..
̅

Jml T.
1
T.
2
… T.a T..
Mean ̅
1
̅
2
̅

̅

Dengan cara matriks:
Observasi = Mean + Deviasi Treatment + Deviasi Block + Residual

= ̅̅̅̅ +

̅̅̅̅ ̅̅̅̅ +

̅̅̅̅ + (

̅

+
̅̅̅̅
(

- ̅̅̅̅ = ̅

̅̅̅̅) +

̅̅̅̅ + (

- ̅

+ ̅̅̅̅
Buku Ajar Statistika Industri FRI

160
IT TELKOM

∑ ∑

2

<1

<1

̅̅̅̅

<1
+ ∑ ̅

̅̅̅̅

<1
+∑ ∑

+

<1

<1
̅



∑ ∑

2
<1

<1

SSA = ∑

̅̅̅̅

<1

SSB = ∑

̅̅̅ ̅̅̅̅

<1

SSE = ∑ ∑

+ ̅



<1

<1


Dengan cara rumus:
∑∑

2

<1

<1

2

2
<1

2

2
<1

2

Jumlah kuadrat diperoleh dengan membentuk tabel jumlah berikut :
Tabel VII.4 Two Way Anova

Sumber Variasi
SS df MS f
hitung

A (Treatment) SSA a-1

1

B (Block) SSB b-1

1

Error SSE (a-1) (b-1)

1 1

Total SST (ab-1)




Buku Ajar Statistika Industri FRI

161
IT TELKOM





Contoh 2:
Suatu percobaan dilakukan untuk menentukan yang mana yang lebih baik dari tiga
sistem rudal yang berlainan, diukur laju pembakaran bahan bakar dari 24 penembakan
statis.Empat Jenis bahan bakar yang berlainan dicoba.Berikut adalah datanya :

Sistem
Rudal
Jenis bahan bakar
1

2 3 4
1 12 20 13 11
2 2 14 7 5
3 8 17 13 10
4 1 12 8 3
5 7 17 14 6

Gunakan taraf keberartian 5% untuk menguji hipotesis berikut :
a. Apakah ada pengaruh jenis bahan bakar?
b. Apakah ada pengaruh faktor Sistem Rudal?
Jawab :
Sistem Rudal
Jenis bahan bakar

Jml

Mean
1

2 3 4
1 12 20 13 11
56 14
2 2 14 7 5
28 7
3 8 17 13 10
48 12
4 1 12 8 3
24 6
5 7 17 14 6
44 11
Jumlah 30 80 55 35
200
Mean 6 16 11 7
10
Buku Ajar Statistika Industri FRI

162
IT TELKOM





Hipotesis
a. H
0
= α
1
= α
1
= α
3
= 0 (Tidak ada pengaruh jenis bahan bakar)
H
1
= Paling sedikit salah satu α
i
tidak sama dengan nol(Ada pengaruh)
b. H
0
= β
1
= β
1
= β
3
= 0 (Tidak ada pengaruh sistem rudal)
H
1
= Paling sedikit salah satu β
j
tidak sama dengan nol(Ada pengaruh)

Dengan cara matriks:
Observasi = Grand Mean + Deviasi Treatment + Deviasi Block + Residual

= ̅ +

̅̅̅̅̅ + (

-

̅̅̅̅
[

12 20 13 11
2 14 7 5
8 17 13 10
1 12 8 3
7 17 14 6

]

[

10 10 10 10
10 10 10 10
10 10 10 10
10 10 10 10
10 10 10 10
]

+
[

4 6 1 3
4 6 1 3
4 6 1 3
4 6 1 3
4 6 1 3
]

+
[

4 4 4 4
3 3 3 3
2 2 2 2
4 4 4 4
1 1 1 1
]

(dikuadratkan)=310 (dikuadratkan)=184
SSA SSB
+
[

0 6 1 3
2 3 4 1
2 0 2 2
1 1 1 2
1 2 0 4
]

(dikuadratkan)= SSE= 24

SST = SSA +SSB+SSE = 518

Dengan cara rumus:
∑ ∑

2
<1

<1

2

= 2518 -
2
2
2
= 518

2
1

2

= [
3
2
5
+
8
2
5
+
55
2
5
+
35
2
5
] -
2
2
2
= 2310 – 2000 = 310
Buku Ajar Statistika Industri FRI

163
IT TELKOM


2
1

2

= [
56
2
4
+
28
2
4
+
48
2
4
+
24
2
4
+
44
2
4
] -
2
2
2
=2184 – 2000 = 184
= 518 – 310 -184 = 24


Tabel analisis variansi
Sumber Variasi SS Df MS F
Hitung

Jenis bahan
bakar
310 3 103,3 51,7
Sistem rudal 184 4 46 23
Error 24 12 2
Jumlah 518 19

 Keputusan-1:
Tolak H
0
jika f
hitung
> f
tabel(0,05;3;12)
51,1 > 3,49  Tolak H
0

 Kesimpulan-1:
Rataan laju pembakaran bahan bakar tidak sama untuk keempat jenis bahan bakar
 Keputusan-2:
Tolak H
0
jika f
hitung
> f
tabel(0,05;4;12)

23 > 3,26  Tolak H
0

 Kesimpulan-2:
Sistem rudal yang berlainan menghasilkan rataan laju pembakaran yang berbeda

Latihan soal
1. Suatu percobaan diadakan untuk meneliti pengaruh suhu dan jenis tungku terhadap
umur sejenis suku cadang tertentu yang diuji. Empat jenis tungku dan tiga taraf suhu
dipakai dalam percobaan tersebut. 24 buah suku cadang dibagi secara acak, dua pada
tiap kombinasi perlakuan, dan hasilnya diterakan berikut :
Suhu Tungku
Buku Ajar Statistika Industri FRI

164
IT TELKOM

(
0
C) T
1
T
2
T
3
T
4

500 227 214 223 240
550 187 181 232 246
600 202 194 213 219


Gunakan taraf keberartian 0,05, ujilah apakah :
a. Ada pengaruh suhu?
b. Ada pengaruh tungku?

2. Untuk menetukan otot mana yang perlu mendapat program latihan untuk
meningkatkan kemampuan melakukan servis datar dalam tenis, penelitian „An
Electromoygraphic-Cinematrographic Analysis of the Tennis Serve” telah dilakukan
oleh Jurusan Kesehatan di Virginia Polytechnic Institute and State University di
tahun 1978. Lima otot yang berbeda tersebut adalah : Anterior deltoid,Pectorial
mayor,Posterior deltoid,Deltoid tengah,Trisep. Data elektromyograf, tercatat waktu
servis, adalah sebagai berikut :
Orang
Otot
1 2 3 4 5
1
59

1.5

61

10

20

2
60

9

78

61

61
3 47 42 23 55 95

Dengan α= 0,01 ujilah apakah:
a. Ada pengaruh orang (Ketiga orang mempunyai pengukuran elektromygraf yang
sama)?
b. Ada pengaruh otot (Otot yang berbeda tidak mempunyai pengaruh pada
pengukuran elektromygraf)?


Buku Ajar Statistika Industri FRI

165
IT TELKOM

VI.1.1 Two Way Anova dengan n replikasi

Tabel VI.5 Two Way Anova dengan n replikasi
Sumber Variasi Jumlah Kuadrat
Derajat
Kebebasan
Rataan Kuadrat f hitungan
Pengaruh
Utama

A JKA a-1

1
2

1

1

1
2

2

B JKB b-1

2
2

1

2

2
2

2

Interaksi
dwifaktor

AB JK(AB) (a-1) (b-1)

3
2

1 1

3

3
2

2

Galat JKG ab(n-1)
2

1

JKT abn-1

Jumlah kuadrat diperoleh dengan membentuk tabel jumlah berikut :

Tabel VI.6 Tabel Penjumlahan Two Way ANOVA
A
B
Jumlah
1 2 … b
1 T
11
. T
12
. … T
1b
. T
1

2 T
21
. T
22
. … T
2b
. T
2

: :
A T
a1
. T
a2
. … T
ab
. T
a

Jumlah T.
1
. T.
2
. … T.
b
. T…
Keterangan:
∑∑∑

2

<1

<1

<1

2

2
<1

2

2
<1

2

∑ ∑

2
<1

<1

2
<1

2
<1

+

2

Buku Ajar Statistika Industri FRI

166
IT TELKOM


Contoh 2:
Dalam suatu percobaan yang dilakukan dalam menentukan yang mana yang lebih baik dari
tiga sistem rudal yang berlainan, diukur laju pembakaran bahan bakar dari 24 peembakan
statis. Empat Jenis bahan bakar yang berlainan dicoba. Percobaan menghasilkan replikasi
pengamatan laju pembakaran pada tiap kombinasi perlakuan. Berikut adalah datanya :
Sistem
Rudal
Jenis Bahan Bakar
b
1
b
2
b
3
b
4

a
1

34,0 30,1 29,8 29,0
32,7 32,8 26,7 28,9
a
2

32,0 30,2 28,7 27,6
33,2 29,8 28,1 27,8
a
3

28,4 27,3 29,7 28,8
29,3 28,9 27,3 29,1

Gunakan taraf keberartian 5% untuk menguji hipotesis berikut :
a. H
0
= Tidak ada beda antara rataan laju pembakaran bahan bakar bila digunakan sistem
rudal yang berlainan.
b. H
0
= Tidak ada beda antara rataan laju pembakaran keempat jenis bahan bakar
c. H
0
= Tidak ada interaksi sistem rudal yang berlainan dengan jenis bahan bakar yang
berlainan.
Jawab :
1. Hipotesis
a. H
0
= α
1
= α
1
= α
3
= 0
H
1
= Paling sedikit salah satu α
i
tidak sama dengan nol
b. H
0
= β
1
= β
1
= β
3
= 0
H
1
= Paling sedikit salah satu β
j
tidak sama dengan nol
c. H
0
= (αβ)
11
= (αβ)
12
= … = (αβ)
34
=

0
H
1
= Paling sedikit salah satu (αβ)
ij
tidak sama dengan nol
2. Taraf keberartian = 5%
3. Daerah kritis (penentuan f tabel)
a. f
1
= f
9.05
(a-1
,
ab(n-1)) = f
9.05
(2
,
12) = 3,89
b. f
2
= f
9.05
(b-1
,
ab(n-1)) = f
9.05
(3
,
12) = 3,49
c. f
3
= f
9.05
((a-1)(b-1)
,
ab(n-1)) = f
9.05
(6
,
12) = 3,00
Buku Ajar Statistika Industri FRI

167
IT TELKOM

4. Tabel jumlah
b
1
b
2
b
3
b
4
Jumlah
a
1
66,7 62,9 56,5 57,9 244,0
a
2
65,2 60,0 56,8 55,4 237,4
a
3
57,7 56,2 57,0 57,9 228,8
Jumlah 189,6 179,1 170,3 171,2 710,2

5. Tabel analisis variansi
Sumber Variasi
Jumlah
Kuadrat
Derajat
Kebebasan
Rataan
Kuadrat
f Hitungan
Sistem rudal 14,52 2 7,26 5,85
Jenis bahan
bakar
40,08 3 13,36 10,77
Interaksi 22,17 6 3,70 2,98
Galat 14,91 12 1,24
Jumlah 91,68 23

6. Statistik Uji
Tolak H
0
jika f hitung > f tabel
7. Kesimpulan
a. 5,85 > 3,89  Tolak H
0

Kesimpulan : Sistem rudal yang berlainan menghasilkan rataan laju pembakaran
yang berbeda.
b. 10,77 > 3,49  Tolak H
0

Kesimpulan : Rataan laju pembakaran bahan bakar tidak sama untuk keempat
jenis bahan bakar.
c. 2,98 < 3,00  Terima H
0

Kesimpulan : Tidak ada interaksi sistem rudal yang berlainan dengan jenis bahan
bakar yang berlainan.

Latihan soal
1. Suatu percobaan diadakan untuk meneliti pengaruh suhu dan jenis tungku terhadap umur
sejenis suku cadang tertentu yang diuji. Empat jenis tungku dan tiga taraf suhu dipakai
dalam percobaan tersebut. 24 buah suku cadang dibagi secara acak, dua pada tiap
kombinasi perlakuan, dan hasilnya diterakan berikut :
Buku Ajar Statistika Industri FRI

168
IT TELKOM

Suhu (
0
C)
Tungku
T
1
T
2
T
3
T
4

500
227 214 225 260
221 159 236 229
550
187 181 232 246
208 179 198 273
600
174 198 178 206
202 194 213 219

Gunakan taraf keberartian 0,05, uji hipotesi bahwa :
a. Suhu yang berbeda tidak berpengaruh pada umur suku cadang tersebut
b. Tungku yang berlainan tidak berpengaruh pada umur suku cadang tersebut
c. Jenis tungku dan suhu tidak berinteraksi

2. Untuk menetukan otot mana yang perlu mendapat program latihan untuk meningkatkan
kemampuan melakukan servis datar dalam tenis, penelitian „An Electromoygraphic-
Cinematrographic Analysis of the Tennis Serve” telah dilakukan oleh Jurusan Kesehatan
di Virginia Polytechnic Institute and State University di tahun 1978. Lima otot yang
berbeda tersebut adalah :
a. Anterior deltoid,
b. Pectorial mayor,
c. Posterior deltoid,
d. Deltoid tengah,
e. Trisep
Diuji pada masing-masing tiga orang, dan percobaan dilakukan tiga kali untuk tiap
kombinasi perlakuan. Data elektromyograf, tercatat waktu servis, adalah sebagai berikut
:
Orang
Otot
1 2 3 4 5
1
32 5 58 10 19
59 1.5 61 10 20
38 2 66 14 23
2
63 10 64 45 43
60 9 78 61 61
50 7 78 71 42
3
43 41 26 63 61
54 43 29 46 85
47 42 23 55 95
Buku Ajar Statistika Industri FRI

169
IT TELKOM


Gunakan taraf keberartian 0,01 untuk menguji hipotesis bahwa:
a. Ketiga orang mempunyai pengukuran elektromygraf yang sama
b. Otot yang berbeda tidak mempunyai pengaruh pada pengukuran elektromygraf
c. Orang dan jenis otot tidak berinteraksi

Buku Ajar Statistika Industri FRI

170
IT TELKOM

BAB VIII
STATISTIKA NON-PARAMETRIK


8.0 Tujuan Pembelajaran
Mahasiswa mampu :
1. Membedakan prosedur uji parametrik dan nonparametrik
2. Menjelaskan macam-macam uji nonparametrik
3. Menjelaskan asumsi-asumsi yang harus dipenuhi dalam beberapa uji
nonparametrik
4. Menyelesaikan problem yang menggunakan uji nonparametrik
5. Menghitung korelasi peringkat/rank Spearman

8.1 Statistika Nonparametrik
Salah satu karakteristik prosedur-prosedur dalam metode statistika adalah kelayakan
penggunaannya untuk tujuan inferensia (penyimpulan) selalu bergantung pada
asumsi-asumsi tertentu yang kaku. Prosedur dalam analisa varians, misalnya :
mengasumsikan bahwa sampel h
arus diambil dari populasi-populasi yang berdistribusi normal dan mempunyai
varians yang sama.
Jika populasi yang dikaji tidak dapat memenuhi asumsi-asumsi yang mendasari uji-
uji parametrik,maka statistika nonparametrik dapat memenuhi kebutuhan tersebut
dan tetap sah meski hanya berlandaskan pada asumsi-asumsi yang sangat umum.
Ringkasnya, bila uji parametriknya dan nonparametrik dapat digunakan untuk data
yang sama, kita seharusnya menghindari uji nonparametrik yang “cepat dan mudah”
ini dan mengerjakannya dengan teknik parametrik yamg lebih efisien. Akan tetapi,
karena asumsi kenormalan seringkali tidak dapat dijamin berlakunya, dan juga
karena kita tidak selalu mempunyai hasil pengukuran yang kuantitatif sifatnya, maka
beruntunglah telah disediakan sejumlah prosedur nonparametrik yang bermanfaat.

Kelebihan prosedur nonparametrik:
1. Prosedur nonparametrik memerlukan asumsi dalam jumlah yang minimum, sehingga
kemungkinan untuk digunakan secara salah pun relatif kecil (Uji-ujinya disertai
Buku Ajar Statistika Industri FRI

171
IT TELKOM

dengan asumsi-asumsi yang jauh tidak mengikat dibandingkan dengan uji
parametrik padanannya)
2. Perhitungan-perhitungannya dapat dilakukan secara cepat dan mudah
3. Konsep-konsep dan metode-metode prosedur nonparamterik mudah dipahami bagi
peneliti yang dasar matematika dan statistikanya kurang
4. Dapat diterapkan pada data dengan skala pengukuran yang lemah (Datanya tidak
harus merupakan pengukuran kuantitatif tetapi dapat berupa respon yang kualitatif)

Kelemahan prosedur nonparamtrik:
1. Tidak menggunakan semua informasi dari sampel (kurang efisien)
2. Tidak seteliti pengujian parametrik, sehingga untuk mencapai β (peluang terjadinya
kesalahan type kedua) yang sama diperlukan sampel yang besar

8.2. Uji Tanda (Sampel Tunggal)
Uji tanda merupakan prosedur nonparametrik yang paling sederhana untuk
diterapkan, pada sembarang data yang bersifat dikotomi yaitu data yang tidak dapat
dicatat pada skala numerik tetapi yang hanya dapat dinyatakan melalui respons positif dan
negatif. Misalnya : percobaan yang responsnya bersifat kualintatif seperti “cacat” atau
“tidak”, atau dalam percobaan yang berhubungan dengan indera perasa yang responsnya
berupa tanda plus bila penyicip rasanya dapat mengidentifikasi bumbu yang digunakan,
atau minus bila tidak berhasil mengidentifikasi bumbu tersebut.
Asumsi yang digunakan dalam uji tanda adalah:
1. Sampel yang diukur adalah sampel acak dari suatu populasi dengan median yang
belum diketahui
2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Varianel yang diukur adalah variabel kontinyu

Prosedur pengujian dalam uji tanda ini adalah:
 Pengujian hipotesis:

: ̃ ̃

1
: ̃ ̃

 Tentukan Level of Significance (α)
Buku Ajar Statistika Industri FRI

172
IT TELKOM

 Tentukan daerah kritis:
1. Satu arah : P(X ⃓

2. Dua arah : 2 P(X ⃓

Dimana x : banyaknya tanda plus/minus manapun yang lebih kecil
 Perhitungan Statistik Uji:
3. Hitung semua selisih dari pengurangan masing-masing nilai sampel
dengan median hipotesis
4. Beri tanda (+) jika selisih > 0 dan beri tanda (-) jika selisih < 0
5. Jika ada selisih = 0, buang dan ukuran sampel harus dikurangi
6. Hitung P(X ⃓ ∗ 0,5 dengan distribusi binomial dan
bandingkan dengan α untuk n ≤ 20
7. Jika n 20 dan p = 0,5 atau jika np = nq > 5, maka dapat didekati
dengan distribusi normal dengan memberikan faktor koreksi
kontinuitas yaitu:
.
,5;,5
,5

 Pengambilan Keputusan:
Tolak H
0
jika masuk dalam daerah kritis, dan terima H
0
jika diluar daerah
kritis
 Kesimpulan:
Menerima Ho menunjukkan bahwa tidak ada perbedaan, sedang menolak Ho
menunjukkan adanya perbedaan antara subyek.






Buku Ajar Statistika Industri FRI

173
IT TELKOM


Contoh-1
Berikut ini adalah data lama waktu (dalam jam,)sebuah alat listrik pencukur rambut dapat
digunakan sebelum harus diisi tenaga listrik kembali:
1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0, 1.2, dan 1.7.
Gunakan uji tanda untuk menguji hipotesis pada taraf nyata 0.05 bahwa alat pencukur ini
secara rata-rata dapat bekerja 1.8 jam sebelum harus diisi tenaga listrik kembali.
Jawab:
 Pengujian hipotesis:

: ̃ 1,8

1
: ̃ 1,8
 Dengan Level of Significance (α)=0,05, maka daerah kritis:
8. Dua arah : 2 P(X ⃓

0,05
9. Dua arah : P(X ⃓

0,025
Dimana x : banyaknya tanda plus/minus manapun yang lebih kecil
 Perhitungan Statistik Uji:
Data 1.5 2.2 2,1 1.3 2.0 1.6 1.8 1.5 2.0 1.2 1.7
Tanda - + + - + - + - + - -
*Median = 1,7

 P(X 5

11 ∗ 0,5 = dengan distribusi binomial (lihat tabel) = 0,5
 Ternyata lebih besar dari

2
0,025
 Keputusan:
Tolak H
0

 Kesimpulan:
Rata-rata bekerja/berfungsi alat pencukur listrik tsb bukan 1.8 jam


Buku Ajar Statistika Industri FRI

174
IT TELKOM


Contoh-2
Sebuah perusahaan taksi hendak menetukan apakah akan menggunakan ban radial atau
ban biasa untuk meningkatkan penghematan bahan bakar. Duabelas mobil dipasang
dengan ban radial dan kemudian dicoba pada sebuah lintasan tertentu. Tanpa mengganti
supirnya, mobil-mobil yang sama kemudian dipasang dengan ban biasa dan dicoba sekali
lagi pada lintasan yang sama. Konsumsi bahan bakar, dalam kilometer per liter, tercatat
sebagai berikut:
Mobil Ban radial Ban biasa
1 4.2 4.1
2 4.7 4.9
3 4.6 6.2
4 7.0 6.9
5 6.7 6.8
6 4.5 4.4
7 5.7 5.7
8 6.0 5.8
9 7.4 6.9
10 4.9 4.9
11 6.1 6.0
12 5.2 4.9

Dapatkah kita menyimpulkan pada taraf nyata 0.05 bahwa mobil yang dilengkapi dengan
ban radial lebih hemat bahan bakar dari pada mobil dengan ban biasa? Gunakan hampiran
normal terhadap sebaran binom.
Jawab:
 Pengujian hipotesis:

: ̃

̃

= 0

1
: ̃

̃

0
Ban
Radial

4.2

4.7

4.6

7.0

6.7

4.5

5.7

6.0

7.4

4.9

6.1

5.2

5,7

6,9
Ban
Biasa

4.1

4.9

6.2

6.9

6.8

4.4

5.7

5.8

6.9

4.9

6.0

4.9

5,3

6,5
Tanda + - - + - + 0 + + 0 + + + +

Perhitungan: Dengan sedikit perhitungan kita memperoleh 9 tanda plus, 2 tanda nol.
Setelah tanda nol dibuang, n = 12 dan x = 3
Buku Ajar Statistika Industri FRI

175
IT TELKOM

Karena n > 10 dan p = 0,5 maka dapat didekati dengan distribusi normal dengan memberikan
faktor koreksi kontinuitas yaitu:

12;,5;,5∗12
12,5,5
= 3,1754

 Daerah Kritis: z > 1.645

 Keputusan: Karena

, maka tolak Ho
 Kesimpulan :Rata-rata ban radial memang meningkatkan penghematan bahan
bakar.


8.3. Uji Tanda Untuk Dua Sampel Berhubungan
Asumsi yang digunakan dalam uji tanda adalah:
1. Sampel yang diukur adalah sampel acak yang terdiri dari n pasangan hasil
pengukuran dimana masing-masing pasangan pengukurannya dilakukan
terhadap subyek yang sama
2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Variabel yang diukur adalah variabel kontinyu
4. Ke-n pasangan hasil pengukuran independen

Prosedur pengujian dalam uji tanda ini adalah:
 Pengujian hipotesis:

: ̃
1
̃
2

= 0

1
: ̃
1
̃
2
0
 Tentukan Level of Significance (α)
 Tentukan daerah kritis:
a. Satu arah : P(X ⃓

b. Dua arah : 2 P(X ⃓

Dimana x : banyaknya tanda plus/minus manapun yang lebih kecil
 Perhitungan Statistik Uji:
 Untuk masing-masing pengamatan, hitung selisih dari masing-masing
nilai dari dua sampel berpasangan.
 Beri tanda (+) jika selisih > 0 dan beri tanda (-) jika selisih < 0
Buku Ajar Statistika Industri FRI

176
IT TELKOM

 Jika ada selisih = 0, buang dan ukuran sampel harus dikurangi
 Untuk n ≤ 20 dan pengujian dilakukan dengan dua arah hitung 2P(X
⃓ ∗ 0,5 dengan distribusi binomial dan bandingkan dengan α
 Jika n >20 dan p = 0,5 atau jika np = nq > 5, maka dapat didekati dengan
distribusi normal dengan memberikan faktor koreksi kontinuitas yaitu:
.
,5;,5
,5

 Pengambilan Keputusan:
Tolak H
0
jika masuk dalam daerah kritis, dan terima H
0
jika diluar daerah
kritis
 Kesimpulan:
Menerima Ho menunjukkan bahwa tidak ada perbedaan, sedang menolak Ho
menunjukkan adanya perbedaan antara subyek.

Contoh-3
Seorang peneliti mempelajari efek kebersamaan terhadap denyut jantung tikus. Denyut
jantung 10 tikus dicatat, baik ketika masing-masing tikus sedang sendiri maupun ketika
sedang bersama-sama. Hasil studi tersebut dicatat seperti data dibawah ini (dalam menit):
Tikus 1 2 3 4 5 6 7 8 9 10
X 463 462 462 456 450 426 418 415 409 402
Y 523 494 461 535 476 454 448 408 470 437
*X=Ketika tikus sendiri
Y= Ketika tikus berkumpul
Ujilah dengan level significance 5% apakah kebersamaan meningkatkan denyut jantung
tikus-tikus?
Jawab:
 Pengujian hipotesis:

: ̃

̃

0

1
: ̃

̃

< 0

Buku Ajar Statistika Industri FRI

177
IT TELKOM


Tikus 1 2 3 4 5 6 7 8 9 10
X 463 462 462 456 450 426 418 415 409 402
Y 523 494 461 535 476 454 448 408 470 437

-60 -32 +1 -79 -26 -28 -30 +7 -61 -35
Tanda - - + - - - - + - -

 Dua arah : 2 P(X 2

10 ∗ 0,5 0,0547
P(X 2

10 ∗ 0,5 0,02735 =0,05
 Keputusan:
Tolak H
0

 Kesimpulan:
Kebersamaan tidak meningkatkan denyut jantung tikus-tikus tsb.

8.4. Uji Jumlah Peringkat-Bertanda Wilcoxon (Wilcoxon Rank Sum Test)
Uji Peringkat-Bertanda Wilcoxon adalah metode non parametrik yang sangat
sederhana yang ditemukan oleh Frank Wilcoxon pada tahun 1945 untuk membandingkan
nilai tengah dua populasi bukan normal yang kontinu. Jadi singkatnya uji ini digunakan
untuk menguji hipotesis mengenai beda lokasi median.
Asumsi yang digunakan dalam uji Wilcoxon Rank Sum Test adalah:
1. Data merupakan sampel acak hasil pengamatan X
1
,X
2
,..., X
n
dari populasi satu dan
sampel acak hasil pengamatan lain Y
1
,Y
2
,...,Y
n

2. Variabel yang diukur minimal mempunyai skala pengukuan ordinal
3. Variabel yang diukur adalah variabel kontinyu
4. Kedua sampel independen

Prosedur pengujian dalam uji Wilcoxon Rank Sum Test ini adalah:
 Pengujian hipotesis:

: ̃
1
̃
2


1
: ̃
1
̃
2

 Tentukan Level of Significance (α)
Buku Ajar Statistika Industri FRI

178
IT TELKOM

 Tentukan daerah kritis:
a. Semua nilai U yang memenuhi P(U ⃓

< , jika n
2
≤ 8 dan
ujinya satu arah
b. Semua nilai U yang memenuhi 2 P(U ⃓

< , jika n
2
≤ 8
dan ujinya dua arah
c. Semua nilai U ≤ Nilai kritis yang sesuai dalam tabel 18 (buku Walpole),
jika 9 ≤ n
2
≤ 20

 Perhitungan Statistik Uji:
 Tentukan n
1
(ukuran sampel yang lebih kecil) dan n
2

 Urutkan semua n
1
+ n
2
pengamatan dengan urutan dari kecil ke besar
dan beri ranking 1,2,3 ...n
1
+n
2
pada tiap pengamatan dan jika terdapat
pengamatan yang besarnya sama, maka pengamatan tsb diganti dengan
rata-rata ranking
 Hitung W
1
= Jumlah ranking pada n
1

W
2
= Jumlah ranking pada n
2

1
+
2

1
+
2

1
+
2
+1
2

U
1
= W
1
-

1

1
:1
2

U
2
= W
2
-

2

2
:1
2

 Dan jika n >20 distribusi sampel U
1
dan U
2
dapat didekati dengan
distribusi normal dengan:
.
1

1

2
2
dan
2
1

1

2

1
:
2
:1
12

 Pengambilan Keputusan:
Tolak H
0
jika U masuk dalam daerah kritis, dan terima H
0
jika U diluar daerah
kritis
 Kesimpulan:
Buku Ajar Statistika Industri FRI

179
IT TELKOM


Contoh-4
Berikut ini adalah data kekuatan dua jenis lempeng baja :
Lempeng Baja-X 75 46 57 43 58 32 61 56 34 65
Lempeng Baja-Y 52 41 43 47 32 49 52 44 57 60

Ujilah dengan level signivicance 5% apakah kedua lempeng tsb mempunyai kekuatan yang
berbeda?
Jawab:

: ̃

̃

1
: ̃

̃

Lempeng Baja-X 75 46 57 43 58 32 61 56 34 65
Ranking 20 8 14,5 5,5 16 1,5 18 13 3 19
Lempeng Baja-Y 52 41 43 47 32 49 52 44 57 60
Ranking 11,5 4 5,5 9 1,5 10 11,5 7 14,5 17

W
1
= 1,5+3+5,5+8+13+14,5+16+18+19+20=118,5

2

1
:
2

1
:
2
:1
2
– W1 =
221
2
118,5 91,5


U
1
= W
1
-

1

1
:1
2
= 118,5 –
111
2
63,5
U
2
= W
2
-

2

2
:1
2
= 91,5 –
111
2
36,5

 Keputusan:
U
2
< U
1
 Ambil U= 36,5 dimana U
tabel
= 23
Karena U
hitung
> U
tabel
 terima H
0

 Kesimpulan:
Tidak terdapat perbedaan kekuatan antara kedua baja tsb atau dengan kata lain
kekuatan lempeng baja X = kekuatan lempeng baja Y
Buku Ajar Statistika Industri FRI

180
IT TELKOM



8.5. Uji Wilcoxon untuk Pengamatan Berpasangan
Uji tanda hanya menunjukkan tanda-tanda plus dan minus yang diperoleh dari
selisih antara pengamatan dan median dalam kasus satu-sampel, atau tanda plus dan
minus yang diperoleh dari selisih antara pasangan pengamatan dalam kasus sampel-
berpasangan, tetapi tidak memperhitungkan besarnya selisih-selisih tersebut. Sebuah uji
yang memanfaatkan baik arah maupun besar arah itu ditemukan pada tahun 1945 oleh
Frank Wilcoxon, dan sekarang uji ini dikenal sebagai uji peringkat-bertanda wilcoxon,
atau dalam kasus pengamatan berpasangan disebut juga uji Wilcoxon bagi pengamatan
berpasangan.
Asumsi yang digunakan dalam uji Wilcoxon untuk Pengamatan Berpasangan adalah:
1. Data terdiri atas n buah selisih d
i
= Y
i
- X
i
setiap pengukuran (X
i
,Y
i
) diperoleh dari
pengamatan terhadap subyek yang sama/terhadap subyek yang telah dipasangkan
dalam sampel ini diperoleh dengaan cara acak
2. Data minimal mempunyai skala pengukuran interval
3. Variabel selisih yang diukur adalah variabel acak kontinyu
4. Selisih-selisih tsb independen
5. Distribusi selisih populasi tsb setangkup/simetrik

Prosedur pengujian dalam uji Wilcoxon untuk Pengamatan Berpasangan ini adalah:
 Pengujian hipotesis:

: ̃
1
̃
2

1
: ̃
1
̃
2

 Tentukan Level of Significance (α)
 Tentukan daerah kritis:
a. Semua nilai W yang memenuhi P(W ⃓

< , jika n < 5
dan ujinya satu arah
b. Semua nilai W yang memenuhi 2 P(W ⃓

< , jika n

< 5
dan ujinya dua arah
c. Semua nilai W ≤ Nilai kritis yang sesuai dalam tabel 17 (buku Walpole),
jika 5 ≤ n ≤ 30
 Perhitungan Statistik Uji:
Buku Ajar Statistika Industri FRI

181
IT TELKOM

 Hitung selisih dari setiap pasangan hasil pengukuran dan perhatikan
tandanya : d
i
= Y
i
- X
i

 Singkirkan semua selisih yang besarnya nol, meskipun ukuran sampel n
akan berkurang
 Berilah ranking/peringkat pada ke-n selisih d
1
-d
0
tanpa memperhatikan
tandanya
 Hitung jumlah peringkat yang bertanda positif (w+) dan jumlah peringkat
yang bertanda negatip (w-), kemudian ambil nilai w yang terkecil
 Bandingkan w terkecil dengan tabel 17 (buku Walpole)
 Jika n > 30, distribusi W dapat didekati dengan distribusi Normal dengan:

:1

4
dan
2

:12:1
24


Dan Statitik Ujinya adalah:

 Pengambilan Keputusan:
Tolak H
0
jika masuk dalam daerah kritis, dan terima H
0
jika sebaliknya
 Kesimpulan:

Contoh-5
Sekelompok peneliti mengkaji perubahan-perubahan hemodinamik pada pasien-pasien
dengan pulmonary thromboembolism yang akut. Berikut ini adalah data yang
memperlihatkan tekanan arteri paru-paru rata-rata yang telah diobservasi oleh peneliti-
peneliti tsb sebelum dan setelah terapi urokinase
Tekanan arteri paru-paru rata-rata (dlm milimeter Hg)
Pasien 1 2 3 4 5 6 7 8 9
0 Jam (X) 33 17 30 25 36 25 31 20 18
24 Jam (Y) 21 17 22 13 33 20 19 13 9

Ingin diketahui apakah data ini menyediakan cukup bukti untuk menunjukkan bahw terapi
urikinase menurunkan tekanan arteri paru, gunakan α = 5 %
Buku Ajar Statistika Industri FRI

182
IT TELKOM

Jawab:

: ̃

̃

0

1
: ̃

̃

< 0

Terapi
Tekanan arteri paru-paru rata-rata (dlm milimeter Hg)
Pasien
1 2 3 4 5 6 7 8 9
0 Jam (X) 33 17 30 25 36 25 31 20 18
24 Jam (Y) 21 17 22 13 33 20 19 13 9

=

-12 0 -8 -12 -3 -5 -12 -7 -9
Peringkat/ranking 7 4 7 1 2 7 3 5

Buang
 Keputusan:
Dengan n =8 memperlihatkan bahwa peluang untuk mendapatkan w
+
= 0 dan
W
tabel
(daerah kritis) ≤ 6 , sehingga tolak H
0

 Kesimpulan:
Terapi urokinase benar-benar menurunkan tekanan arteri paru-paru

8.6. Uji Runtun Sampel Tunggal (One Sample Run Test)
Uji runtun adalah uji yang didasarkan atas urutan pengambilan sampel pengamatan. Uji
ini berguna untuk menguji bahwa pengamatan memang diambil secara acak.
Tidak peduli apakah pengamatan tsb kuantitatif atau kualitatif, uji runtun membagi data
menjadi dua kelompok yang saling eksklusif, seperti: laki-laki atau perempuan, cacat
atau tidak cacat, gambar atau angka, diatas atau dibawah median dan lain sebagainya.
Dengan demikian, barisan hasil percobaaanya hanya terdiri atas dua lambang. Jadi
andaikan bahwa n adalah ukuran sampel total, maka n
1
adalah banyaknya lambang yang
lebih sedikit, dan n
2
adalah banyaknya lambang yang lebih banyak, maka ukuran sampel
total n = n
1
+ n
2
.
Prosedur pengujian dalam uji Runtun ini adalah:
 Pengujian hipotesis:

: Sampel berasal dari proses acak

1
: Sampel tidak berasal dari proses acak
 Tentukan Level of Significance (α)
 Tentukan daerah kritis:
Buku Ajar Statistika Industri FRI

183
IT TELKOM

a. Semua nilai V yang memenuhi P(V

< , jika n
1
dan n
2

10 dan ujinya satu arah
b. Semua nilai V yang memenuhi 2 P(V ⃓

< , jika jika n
1

dan n
2
≤ 10 dan ujinya dua arah
 Perhitungan Statistik Uji:
 Hitung runtun dari barisan sampel
 Lihat tabel 19 (buku Walpole) dengan n
1
dan n
2
serta α sesuai dengan
kasus
 Jika n
1
dan n
2
> 10, distribusi V dapat didekati dengan distribusi Normal
dengan:

1 +[
2
1

2

1
:
2
] dan
2

2
1

2
2
1

2
;
1
;
2

1
:
2

2

1
:
2
;1

Dan Statitik Ujinya adalah:

 Pengambilan Keputusan:
Jika P (Z ) < α maka tolak H
0
, dan terima H
0
jika sebaliknya
 Kesimpulan
Sebagai ilustrasi, misalkan dari 12 orang yang telah disurvey dan ditanyai pendapatnya
terhadap suatu produk tertentu, dan seandainya dari 12 orang tsb ternyata berjenis
kelamin yang sama, hal tersebut pastilah jelas sangat kecil kemungkinannya dihasilkan
dari suatu proses pengambilan yang acak dan sangat diragukan kevalidannya. Di bawah
ini adalah urutan barisan dari kedua belas orang tsb yang diwawancarai, jenis kelamin
laki-laki dilambangkan dengan huruf L dan perempuan dengan lambang huruf P,
L L P P P L L P P L L L
Barisan di atas terdiri dari sampel n = 12, dengan 5 runtun, dimana runtun yang pertama
berupa dua L , yang kedua tiga P, yang ketiga dua L dan demikian seterusnya.
Uji runtun untuk memeriksa keacakan didasarkan pada peubah acak V , yaitu banyaknya
runtun total dalam hasil percobaan atau sampel. Dalam buku Walpole tabel
A.19,menyediakan nilai-nilai P(V ≤ v* bila h
0
benar) diberikan untuk v* = 2, 3, ...., 20
runtun, dan nilai-nilai n
1
dan n
2
yang lebih kecil atau sama dengan 10. Nilai kritis di
salah satu ujung sebaran V dapat diperoleh dari tabel tsb.
Buku Ajar Statistika Industri FRI

184
IT TELKOM

Dalam ilustrasi diatas, didapatkan lima P dan tujuh L. Dengan demikian, dengan n
1
= 5
dan n
2
= 7, dari Tabel A.19 (buku Walpole)didapatkan bahwa:
P(V ≤ 5 bila h
0
benar) = 0.197 untuk pengujian satu arah dan untuk pengujian dua arah
2 P(V ≤ 5 bila h
0
benar) = 2( 0.197) = 0.394 > α
Dengan α = 0.05 tidak cukup alasan untuk menolak hipotesis bahwa sampel berasal dari
proses acak (terima H
0
)...
Uji runtun juga dapat digunakan untuk memeriksa sifat keacakan suatu barisan hasil
pengamatan atau percobaan menurut waktu, yang disebabkan oleh kecenderungan atau
periodisitas. Dengan menggantikan setiap pengamatan sesuai dengan urutan terjadinya
dengan tanda plus bila terletak diatas median dan tanda minus bila dibawah median, dan
membuang semua pengamatan yang persis sama dengan median, maka kita mendapatkan
suatu barisan tanda-tanda plus dan minus yang dapat diuji sifat keacakannya seperti
diilustrasikan dalam contoh berikut.....

Contoh-6
Sebuah mesin diatur sehingga secara otomatis mengeluarkan minyak pengencer cat ke
dalam sebuah kaleng. Dapatkah kita mengatakan bahwa banyaknya pengencer yang
dikeluarkan oleh mesin ini bervariasi secara acak bila isi 15 kaleng berikut, berturut-
turut, adalah 3.6, 3.9, 4.1, 3.6, 3.8, 3.7, 3.4, 4.0, 3.8, 4.1, 3.9, 4.0, 3.8, 4.2, dan 4.1 liter?
Gunakan taraf nyata 0.1.
Jawab.:
H
0
: Data diambil secara acak dari sebuah populasi
H
1
: Data tidak diambil secara acak
Langkah untuk mendapatkan statistik uji :
1. Tulis data hasil pengamatan dalam sampel menurut urutan didapatnya/urutan
terjadinya
2. Tentukan besarnya median sampel
3. Data yang harganya lebih besar dari median diberi tanda positif dan jika sebaliknya
beri tanda negatif
4. Tentukan n
1
(misal yang bertanda positif) dan n
2
yang bertanda negatif
5. Hitung banyaknya runtun (V)
6. Cari P(V ≤ α bila H
0
benar) dengan melihat tabel
7. Jika P(V ≤ α bila H
0
benar) ≤ α Tolak H
0
untuk uji satu arah dan untuk uji dua arah
Tolak H
0
jika 2 P(V ≤ α bila H
0
benar) ≤ α

Buku Ajar Statistika Industri FRI

185
IT TELKOM

Perhitungan untuk contoh-7 tersebut diperoleh median = 3.9. kemudian dengan
mengganti setiap pengamatan dengan tanda “-“ bila lebih kecil dari 3.9, dan
membuang pengamatan yang sama dengan 3.9, maka diperoleh barisan :

+ - - - - + + + + - + +

dimana didapatkan n
1
= 6, n
2
= 7, dan v = 6.

Keputusan: P(V ≤ α bila H
0
benar) =0.296 > α  Terima H
0
(lihat Tabel A.19 buku
Wallpole dengan n
1
= 6, n
2
= 7, dan v = 6)

Kesimpulan: Karena v = 6 jatuh dalam wilayah penerimaan, maka terima hipotesis
bahwa isi kaleng itu memang bervariasi secara acak.
Uji runtun, meskipun kuasa ujinya lebih rendah, dapat juga digunakan sebagai pilihan
lain bagi uji jumlah peringkat Wilcoxon untuk menguji bahwa dua sampel acak
berasal dari dua populasi yang sama sehingga mempunyai nilai tengah yang sama.
Bila populasinya setangkup, penolakan pendapat bahwa sebenarnya sama setara
dengan penerimaan hipotesis akternatif bahwa kedua nilai tengah tidak sama. Untuk
melakukan uji ini,berikut adalah langkah-langkah pengujiannya:
 Tentukan hipotesis :
H
0
: Kedua sampel berasal dari populasi yang diambil secara acak
H
1
: Kedua sampel tidak berasal dari populasi yang diambil secara acak
 Langkah :
1. Gabungkan kedua sampel menjadi sampel berukuran n
1
+ n
2

2. Tulis ke (n
1
+n
2
) buah data dari sampel gabungan menurut urutan nilainya
3. Nyatakan data dari sampel ke-1 dengan A dan data dari sampel ke-2 dengan B
4. Hitung banyaknya runtun (v)
5. Cari P(V ≤ α bila H
0
benar) dengan melihat tabel
6. Daerah kritis (Daerah penolakan):
 Tolak H0 jika P(V ≤ α bila H
0
benar) ≤ α untuk uji satu arah
 Tolak H0 jika 2 P(V ≤ α bila H
0
benar) ≤ α untuk uji dua arah

Jika n
1
dan n
2
> 10 dapat didekati dengan distribusi normal dengan :

[
2
1

2

1
:
2
] +1 dan
2

2
1

2
2
1

2
;
1
;
2

1
:
2

2

1
:
2
;1


Contoh-7
Buku Ajar Statistika Industri FRI

186
IT TELKOM

Data berikut memperlihatkan penyimpangan-penyimpangan temperatur dari suhu
normal, yang setiap hari dicatat di daerah Bandung dan daerah Jakarta selama bulan
April 2010:

Bandung
Hari 1 2 3 4 5 6 7 8 9 10 11
Penyimpangan 7 6 5 -2 -1 3 2 -6 -5 8 -4
Tanda + + + - - + + - - + -

Jakarta
Hari 1 2 3 4 5 6 7 8 9 10 11
Penyimpangan 5 8 -3 -7 -9 8 -1 -2 -3 2 3
Tanda + + - - - + - - - + +

Jawab:
H
0
: Kedua sampel berasal dari populasi yang diambil secara acak
H
1
: Kedua sampel tidak berasal dari populasi yang diambil secara acak
n
1
= 11 n
2
=11 karena n1 dan n2 > 10, sehingga dapat didekati dengan distribusi
normal, dengan:

[
21111
11:11
] + 1 = 12

2

2111121111;11;11
11:11
2
11:11;1
= 5.238 

=2.2887

;

=
11 ;12
2,2887
= -0.4369 ≈ -0.44
P(Z< -0.44) = 0.33 > α  Terima H
0
Kesimpulan: Kedua sampel memang berasal dari populasi yang diambil secara acak

8.7. Uji Kruskal-Wallis
Uji Kruskal-Walls merupakan generalisasi uji dua sampel Wilcoxon untuk k > 2 sampel.
Diperkenalkan pada tahun 1952 oleh W. H Kruskal dan W. A. Wallis, Uji ini digunakan
untuk menguji hipotesis nol (H
0
) bahwa k sampel bebas berasal dari populasi yang
identik. Uji nonparametrik ini merupakan alternatif bagi uji F untuk pengujian kesamaan
beberapa nilai tengah dalam analisis variansi jila ingin menghindar dari asumsi bahwa
sampel diambil dari populasi normal.
Asumsi yang harus dipenuhi dalam uji Kruskal Wallis adalah:
1. Data untuk analisis terdiri dari k sampel acak yang berukuran n
1
,n
2
,n
3
...,n
k

2. Pengamatan-pengamatan bebas baik di dalam maupun diantara sampel-sampel
3. Variabel yang diukur kontinyu
4. Skala pengukuran minimal ordinal
Buku Ajar Statistika Industri FRI

187
IT TELKOM

5. Populasi-populasi identik kecuali dalam hal lokasi yang berbeda untuk sekurang-
kurangnya satu populasi


Struktur data dalam uji Kruskal Wallis:
Sampel
1 2 … … k

11

12
… …
1

21

22
… …
2

… … …

1

2
… …

Prosedur untuk memperoleh Statistik Uji:
1. Gabungkan semua sampel n = n
1
+ n
2
+ n
3
+... + n
k

2. Urutkan dari kecil ke besar dn beri peringkat, jika terdapat pengamatan yang
sama ambil rata-rata rank/peringkatnya
3. Jumlah peringkat/rank semua pengamatan n
1
dan nyatakan dengan R
i

4. Hitung :

12
+1

2

3 +1

<1

5. Jika H jatuh dalam daerah kritis  H >

2
dengan v=k-1 tolak H
0
, dan jika
sebaliknya terima H
0


Contoh- 8
Dalam percobaan untuk menetukan sistem peluru kendali mana yang lebih baik, dilakukan
pengukuran pada laju pembakaran bahan bakarnya. Datanya, setelah dikodekan, diberikan
dalam Tabel 13.3. Gunakan uji Kruskal-Wallis dan taraf nyata α = 0.05 untuk menguji
hipotesis bahwa laju pembakaran bahan bakar sama untuk ketiga sistem tersebut.
Tabel 13.3 Laju Pembakaran Bahan Bakar
Sistem Peluru Kendali
1 2 3
Buku Ajar Statistika Industri FRI

188
IT TELKOM

24.0
16.7
22.8
19.8
18.9
23.2
19.8
18.1
17.6
20.2
17.8
18.4
19.1
17.3
17.3
19.7
18.9
18.8
19.3


Jawab
H
0
: Ketiga populasi identik (mempunyai median yang sama)
H
1
: Ketiga populasi tidak memiliki median yang sama

Perhitungan: dalam tabel 13.4 kita ubah pengamatan itu menjadi peringkat dan
kemudian menjumlahkan semua peringkat untuk masing-masing sistem.

Tabel 13.Peringkat Bagi Data Laju Pembakaran bahan bakar

Sistem Peluru kendali
1 2 3
19
1
17
14.5
9.5

R
1
= 61.0
18
14.5
6
4
16
5

R
2
= 63.5
17
11
2.5
2.5
13
9.5
8
12

R
3
= 65.5

Sekarang, dengan mensubtitusikan n
1
= 5, n
2
= 6, n
3
= 8, r
1
= 63.0, r
2
= 63.5, dan r
3
= 65.6,
maka kita memperoleh nilai statistik uji H yaitu :

12
+1

2

3 +1

<1


12
1919 +1
*
61
2
5
+
635
2
6
+
655
2
8
+ 319 +1

Buku Ajar Statistika Industri FRI

189
IT TELKOM

H = 1.6586

Keputusan: karena H tidak jatuh dalam wilayah kritisnya, yaitu H > 5.991, berarti
tidak cukup bukti untuk menolak hipotesis bahwa laju pembakaran bahan bakar sama
untuk ketiga sistem peluru kendali itu., dengan kata lain terima H
0
. Jadi ketiga sistem
peluru kendali mempunyai median yang sama.


8.8 Koefisien Korelasi Peringkat/ Rank Spearman
Ada kalanya ingin diketahui korelasi antara dua variabel tidak berdasarkan pada
pasangan data dimana nilai sebenarnya diketahui, tetapi menggunakan urutan-urutan nilai
tertentu atau biasa disebut Rank. Teknik korelasi ini digunakan untuk variabel dengan
data bertipe ordinal dan tidak berdistribusi normal, dimana korelasi spearman rank ini
masuk dalam statistika nonparametrik. Selain itu dengan menggunakan teknik ini tidak
lagi harus diasumsikan bahwa hubungan yang mendasari variabel yang satu dengan
variabel yang lain harus linier.
Koefisien korelasi Sperman rank (r
s
) dapat dihitung dengan menggunakan rumus :

<

Dengan:

/


Dalam prakteknya, rumus diatas tetap digunakan meskipun terdapat nilai-nilai yang sama
diantara pengamatan-pengamatan x atau y. Untuk pengamatan-pengamatan demikian ini
peringkatnya diberikan seperti dalam uji peringkat bertanda Wilcoxon, yaitu dengan
merata-ratakan peringkat yang diberikan seandainya ada pengamatan yang sama.
Nilai r
s
biasanya dekat dengan nilai r yang diperoleh berdasarkan pengukuran numerik
dan ditafsirkan secara sama pula. Nilai r
s
dapat terjadi dari – 1 sampai +1. Nilai +1 atau
-1 menunjukkan adanya hubungan yang sempurna antara X dan Y, tanda plus dapat
diartikan bahwa pemberian peringkat itu sejalan, sedangkan tanda minus berarti bahwa
pemberian peringkat itu bertolak belakang. Bila r
s
dekat dengan nol, dapat disimpulkan
bahwa kedua peubah tidak berkorelasi.
Buku Ajar Statistika Industri FRI

190
IT TELKOM

Ada beberapa keuntungan penggunaan r
s
dibandingkan dengan penggunaan r. Sebagai
contoh, tidak lagi harus mengasumsikan bahwa hubungan yang mendasari antara X dan
Y harus linear. Ini berarti bila datanya menunjukkan adanya hubungan yang kurvilinear,
maka korelasi peringkat cenderung lebih dapat dipercaya daripada korelasi biasa.
Keuntungan kedua adalah tidak perlu mengasumsikan bahwa sebaran bagi X dan Y
adalah normal.
Untuk melakukan uji nyata bagi koefisien korelasi peringkat, harus diketahui sebaran
bagi nilai-nilai r
s
dibawah asumsi X dan Y bebas. Nilai kritis untuk α = 0.05, 0.025, 0.01,
dan 0.005 telah dihitung dan diberikan dalam Tabel A.22. Tabel ini dibuat menyerupai
tabel nilai kritis bagi sebaran t, kecuali bahwa kolom paling kiri berisi banyaknya
pasangan pengamatan dan bukan derajat bebas. Karena sebaran nilai-nilai r
s
setangkup
terhadap r
s
= 0, maka nilai r
s
yang memberikan luas daerah sebesar α disebelah
kanannya. Bila hipotesis alternatifnya dua-arah, daerah kritis sebesar α dibagi dua sama
besar di kedua ekor sebarannya. Bila hipotesis alternatifnya negatif, maka daerah
kritisnya jatuh seluruhnya di ekor kiri sebaran, dan bila hipotesis alternatifnya positif,
daerah kritisnya jatuh seluruhnya di ekor kanan sebarannya.

Contoh 9
Hitunglah koefisien korelasi antara hasil produksi departemen A dengan departemen B
menggunakan teknik korelasi Spearman Rank!
Sample
Ke-
Hasil Produksi (ton)
Departemen A (x) Departemen B (y)
1 141.8 89.7
2 140.2 74.4
3 131.8 83.5
4 132.5 77.8
5 135.7 85.8
6 141.2 86.5
7 143.2 89.4
8 140.2 89.3
9 140.8 88
10 131.7 82.2
11 130.8 84.6
12 135.6 84.4
13 143.6 86.3
14 133.2 85.9
Buku Ajar Statistika Industri FRI

191
IT TELKOM

Jawab:
Sampel
ke-
X Y
Rank
(x)
Rank
(y)

1 141.8 89.7 12 14 -2 4
2 140.2 74.4 8.5 1 7.5 56.25
3 131.8 83.5 3 4 -1 1
4 132.5 77.8 4 2 2 4
5 135.7 85.8 7 7 0 0
6 141.2 86.5 11 10 1 1
7 143.2 89.4 13 13 0 0
8 140.2 89.3 8.5 12 -3.5 12.25
9 140.8 88 10 11 -1 1
10 131.7 82.2 2 3 -1 1
11 130.8 84.6 1 6 -5 25
12 135.6 84.4 6 5 1 1
13 143.6 86.3 14 9 5 25
14 133.2 85.9 5 8 -3 9
∑ 140.5

,

, ,

Yang menunjukkan adanya korelasi positif yang tinggi antara hasil produksi dari
departemen A dan hasil produksi dari departemen B.












Buku Ajar Statistika Industri FRI

192
IT TELKOM

SOAL-SOAL LATIHAN
1. Dari 12 kali berobat ke dokter, seorang pasien harus menunggu 17, 32, 25, 15, 28, 25, 20,
12, 35, 20, 26, dan 24 menit diruang tunggu. Gunakan uji tanda dengan α = 0.05 untuk
menguji pernyataan dokter itu bahwa secara rata-rata pasiennya tidak menunggu lebih
dari 20 menit sebelum dipanggil ke ruang periksa.

2. Data berikut menyatakan lama latihan terbang, dalam jam, yang dijalani 18 calon pilot
dari seorang instruktur sebelum penerbangan solo mereka yang pertama: 9, 12, 13, 12,
10, 11, 18, 16, 13, 14, 11, 15, 12, 9, 13, 14, 11, dan 14. Gunakan uji tanda dengan α
=0.02 untuk menguji pernyataan instruktur tersebut bahwa secara rata-rata calon pilot
bimbingannya berhasil terbang solo setelah 12 jam latihan terbang.

3. Seorang petrugas memeriksa 15 botol selai cap tertentu untuk menetukan persentase
bahan campurannya. Data yang diperoleh adalah sebagai berikut: 2.4, 2.3, 1.7, 1.7, 2.3,
1.2, 1.1, 3.6, 3.1, 1.0, 4.2, 1.6, 2.5, 2.4, dan 2.3. dengan menggunakan hampiran normal
bagi sebaran binom, lakukan uji tanda pada taraf nyata 0.01 untuk menguji hipotesis nol
bahwa presentase bahan campurannya adalah 2.5% lawan alternatifnya bahwa presentase
bahan campuran rata-rata bukan 2.5%.

4. Sebuah perusahaan elektronik internasional sedang mempertimbangkan untuk
memberikan perjalan memberikan liburean berikutnya biayanya bagi para staf
eksekutifsenior dan keluarganya. Untuk menentukan preferensi antara seminggu di
Hawaii atau seminggu di Spanyol, suatu contoh acak 18 staf eksekutif ditanyai
pilihannya. Dengan menggunakan hampiran normal bagi sebaran binom, lakukan uji
tanda taraf nyata 0.05 untuk menguji hipotesis nol bahwa kedua lokasi itu sama- sama
disukai lawan alternatifnya bahwa preferensinya mereka berbeda, bila ternyata 4 diantara
18 yang ditanyai lebih menyukai Spanyol.

5. Seorang pengusaha cat mengeluh bahwa lamanya mengering cat akrilik produksinya
telah berkurang karena adanya sesuatu bahan kimia yang baru. Untuk menguji pendapat
ini, 12 papan kayu dicat, separuh cat lama dan separuh lagi dengan cat baru. Lamanya
mengering, dalam jam, tercatat sebagai berikut:

Buku Ajar Statistika Industri FRI

193
IT TELKOM


Papan Lamanya mengering
(jam)
Cat baru Cat lama
1 6.4 6.6
2 5.8 5.8
3 7.4 7.8
4 5.5 5.7
5 6.3 6.0
6 7.8 8.4
7 8.6 8.8
8 8.2 8.4
9 7.0 7.3
10 4.9 5.8
11 5.9 5.8
12 6.5 6.5

Gunakan uji tanda pada taraf nyata 0.05 untuk menguji hipotesis bahwa bahan kimia
baru itu tidak lebih dari yang lama dalam menguramgi lamanya mengering cat jenis ini.

6. Suatu program diet baru dikatakan dapat mengurangi bobot seseorang secara rata-rata 4.5
kilogram dalam waktu 2 minggu. Bobot 10 wanita yang mengikuti program diet ini
dicatat sebelum dan sesudah periode 2 minggu, berikut adalah datanya :
Wanita Bobot sebelum Bobot sesudah
1 58.5 60.0
2 60.3 54.9
3 61.7 58.1
4 69.0 62.1
5 64.0 58.5
6 62.6 59.9
7 56.7 54.5
8 63.6 60.2
9 68.2 62.3
10 59.2 58.7

Gunakan uji tanda pada taraf nyata 0.05 untuk menguji hipotesis bahwa diit itu dapat
mengurangi bobot badan seseorang sebanyak 4.5 kilogram, lawan alternatifnya bahwa
pengurangan bobot itu kurang dari 4,5 kilogram.

7. Dua jenis alat untuk mengukur kadar sulfur monoksida di udara hendak dibandingkan.
Berikut ini diberikan hasil pencatatan oleh kedua alat tersebut selama periode 2 minggu:

Buku Ajar Statistika Industri FRI

194
IT TELKOM





Hari Sulfur monoksida
Alat A Alat B
1 26.46 25.41
2 17.46 22.53
3 16.32 16.32
4 20.19 27.48
5 19.84 24.97
6 20.65 21.77
7 28.21 28.17
8 33.94 32.02
9 29.32 28.96
10 19.85 20.45
11 28.35 23.67
12 22.78 18.96
13 21.64 19.88
14 18.93 23.44

Dengan menggunakan hampiran normal, kerjakan uji tanda untuk menentukan apakah
kedua alat itu memberikan hasil yang berbeda. Gunakan taraf nyata 0.01.

8. Analisislah data pada soal 1 dengan menggunakan uji peringkat-bertanda Wilcoxon

9. Analisislah data pada soal 2 dengan menggunakan uji peringkat-bertanda Wilcoxon.

10. Bobot badan, dalam kilogram, sepuluh orang sebelum dan sesudah berhenti merokok
tercatat sebagai berikut:
BB sebelum 58 60 62 69 70 64 76 72 66 75
BB setelah 60 55 58 65 69 64 70 67 61 70

Gunakan uji peringkat-bertanda Wilcoxon untuk menguji hipotesis, pada taraf nyata
0.05, bahwa berhenti merokok tidak dapat berpengaruh pada bobot badan seseorang,
lawan alternatifnya bahwa bobot badan seseorang akan bertambah bila ia berhenti
merokok.

11. Analisislah data pada soal 5 dengan menggunakan uji peringkat-bertanda Wilcoxon.
Buku Ajar Statistika Industri FRI

195
IT TELKOM


12. Kerjakan kembali pada soal 6 dengan menggunakan uji peringkat-bertanda Wilcoxon.


13. Dari sebuah kelas matematika yang terdiri atas 12 siswa dengan kemampuan yang
hampir sama, 5 orang diambil secara acak dan diberi pelajaran tambahan oleh guru.
Hasil ujian akhir mereka adalah sebagai berikut :

Nilai
Dengan pelajaran tambahan

Tanpa pelajaran tambahan
87 69 78 91 80 85 78
75 88 64 82 93 79 67

Gunakan uji jumlah peringkat Wilcoxon dengan α = 0.05 untuk menetukan apakah
pelajaran tambahan mempengaruhi nilai.
14. Data berikut menyatakan berapa lama, dalam jam, 3 jenis kalkulator ilmiah dapat
digunakan sebelum harus diisi tenaga listrik kembali :

Kalkulator
A B C
4.9
6.1
4.3
4.6
5.3
5.5
5.4
6.2
5.8
5.5
5.2
4.8
6.4
6.8
5.6
6.5
6.3
6.6

Gunakan uji Kruskal-Wallis, pada taraf nyata 0.01, untuk menguji hipotesis bahwa
lamanya ketiga kalkulator itu dapat digunakan sebelum harus diisi listrik kembali
adalah sama.


15. Empat rokok cap A, B, C, dan D hendak dibandingkan kadar tarnya. Data berikut
menunjukkan berapa miligram tar itu ditemukan dalam 16 batang rokok yang dicoba:
Cap A Cap B Cap C Cap D
Buku Ajar Statistika Industri FRI

196
IT TELKOM

14
10
11
13
16
18
14
15
16
15
14
12
17
20
19
21
Gunakan uji Kruskal-Wallis, pada taraf nyata 0.05, untuk menguji apakah ada beda
nilaitengah kadar tar yang nyata antar 4 rokok tersebut.
16. Dalam soal 4 halaman 395-6, gunakan uji Kruskal-Wallis, pada taraf nyata 0.05,
untuk menetukan apakah sebaran nilai yang diberikan oleh ketiga dosen itu berbeda
nyata.

17. Dalam latihan 7 halaman 396-7, gunakan uji Kruskal-Wallis, pada taraf nyata 0.05,
untuk menetukan apakah analisis kimia yang dilakukan oleh keempat labolatorium itu
secara rata-rata memberikan hasil yang sama.

18. Suatu contoh acak 15 orang dewasa disuatu kota kecil diambil untuk menduga
proporsi mereka yang mendukung calon walikota yang baru. Selain itu dinyatakan
pula apakah ia sarjana atau bukan. Dengan melambangkan Y bila responden itu
sarjana dan T bila bukan sarjan, diperoleh barisan seperti berikut ini :
T T T T Y Y T Y Y T Y T T T T
Gunakan uji runtunan pada taraf nyata 0.1 untuk menetukan apakah barisan itu
menunjang pendapat bahwa contohnya bersifat acak atau tidak.

19. Suatu proses pelapisan-perak digunakan untuk melapisi nampan atau baki. Bila
prosesnya terkendali dengan baik, tebal lapisan peraknya bervariasi secara acak
mengikuti sebaran normal dengan nilaitengah 0.02 milimiter dan simpangan baku
0.005 milimiter. Misalkan bahwa dari 12 baki yang diperiksa berikutnya tebal lapisan
peraknya adalah: 0.019, 0.021, 0.020, 0.019, 0.020, 0.018, 0.023, 0.021, 0.024, 0.022,
0.023, 0.022. gunakan uji runtunan untuk menetukan apakah fluktuasi ketebalan itu
masih bersifat acak. Gunakan α = 0.05

20. Gunakan uji runtun pada soal 3 pada halaman 445.

21. Dalam suatu proses produksi, diadakan pemeriksaan secara berkala untuk mengetahui
cacat tidaknya barang yang dihasilkan. Berikut ini adalah barisan barang yang cacat
C, dan yang yidak cacat T yang dihasilkan oleh proses tersebut:
C C T T T C T T C C T T T T
T C C C T T C T T T T C T C
Dengan menggunakan hampiran berdasarkan contoh berukuran besar, lakukan uji
runtunan dengan taraf nyata 0.05, untuk menetukan apakah barang yang cacat terjdi
secara acak atai tidak

Buku Ajar Statistika Industri FRI

197
IT TELKOM

22. Bila data dalam Latihan 6 pada halaman 65 dicatat dari kiri ke kanan sesuai dengan
urutan asalnya, gunakan uji runtun dengan α = 0.05 untuk menguji hipotesis bahwa
data itu merupakan suatu barisan yang acak.

23. Data berikut adalah nilai kalkulus pada ujian tengah semester dan ujian akhir bagi 10
mahasiswa :
Mahasiswa

UTS UAS
L.S.A 84 73
W.P.B 98 63
R.W.K 91 87
J.R.L 72 66
J.K.L 86 78
D.L.P 93 78
B.L.P 80 91
D.W.M 0 0
M.N.M 92 88
R.H.S 87 77

a. Hitunglah koefisiensi korelasi peringkatnya
b. Ujilah hipotesis bahwa koefisien korelasi peringkatnya sama dengan nol lawan
alternatifnya bahwa koefisien itu lebih besar dari nol. Gunakan α = 0.025.

24. Untuk bobot badan dan ukuran dada bayi dalam saol 6 pada halaman 378
a. Hitunglah koefisien korelasi peringkatnya
b. Ujilah hipotesis pada taraf nyata 0.025 bahwa koefisien korelasi peringkatnya
sama dengan nol lawan alternatifnya bahwa koefisien itu lebih besar dari nol.

25. Hitunglah koefisien korelasi peringkat bagi curah hujan harian dan banyaknya debu
yang terbawa dalam Latihan 8 pada halaman 346.
Suatu lembaga konsumen memeriksa sembilan oven-gelombang-mikro untuk
menentukan kualitasnya. Hasil peringkat berikut harga ecerannya tercantum dibawah
ini:
Pabrik Peringkat Harga (dlm $)
A 6 480
B 9 395
C 2 575
D 8 550
E 5 510
F 1 545
G 7 400
H 4 465
Buku Ajar Statistika Industri FRI

198
IT TELKOM

I 3 420

Apakah ada hubungan yang nyata antara kualitas dan harga oven-gelombang-mikro?
26. Dua juri dalam suatu pawai memberi peringkat pada 8 mobil berhias sebagai berikut:

Mobil Berhias
1 2 3 4 5 6 7 8
Juri A
Juri B
5
7
8
5
4
4
3
2
6
8
2
1
7
6
1
3

a. Hitunglah koefisien korelasi peringkatnya.
b. Ujilah hipotesis bahwa koefisien korelasi peringkat populasinya sama dengan
nol lawan hipotesis alternatifnya bahwa koefisien itu lebih besar dari nol.
Gunakan α = 0.05
c. Ujilah hipotesis bahwa X dan Y bebas lawan aktewrnatifnya bahwa kedua
peubah itu tidak bebas, bila dari suatu contoh n = 50 pasangan pengamatan
diperoleh rs = -0.29. gunakan α = 0.05.

27. Dua macam makanan A dan B diberikan kepada ayam secara terpisah untuk jangka
waktu tertentu. Ingin diketahui apakah ada perbedaan yang berarti mengenai
pertambahan berat daging ayam yang dikarenakan kedua macam makanan itu ataukah
tidak. Pertambahan berat badan ayam (dalam ons)pada akhir percobaan adalah
sebagai berikut :
Makanan A 3,1 3,0 3,3 2,9 2,6 3,0 3,6 2,7 3,8 4,0 3,4
Makanan B 2,7 2,9 3,4 3,2 3,3 2,9 3,0 3,0 3,6 3,7 3,5

Selidikilah hal tersebut dengan menggunakan uji tanda.
28. Sepuluh pasang suami istri telah menilai perlombaan memasak. Dalam bentuk
peringkat, hasilnya diberikan dibawah ini.
Suami 5 8 10 6 9 3 4 7 2 1
Istri 8 5 10 1 7 4 6 9 2 3

Apakah nampak sifat “independen” penilaian yang dilakukan oleh suami istri?
29. Diberikan data berikut :
Buku Ajar Statistika Industri FRI

199
IT TELKOM

A 1,32 1,28 1,22 1,23 1,16 1,31 1,06 1,23
B 0,99 1,08 0,98 0,96 0,97 0,98 0,89 1,01
Berikanlah analisisnya dengan menggunakn uji median.
30. Sederetan tanaman telah diperiksa yang menghasilkan urutan :
26, 35, 27, 29, 30, 19, 32, 43, 18, 26, 27, 25, 35, 40,26, 25, 22, 20, 17, berasal dari
sebuah populasi dengan median sama dengan 23?

REFERENSI

1. Box,G.E.P , Hunter,Willam, Hunter, J.Stuart : “Statistics For Experimenters”, John
Wiley & Sons.1978
2. Draper, N.R : “ Applied Regression Analysis (Second Edition), John Wiley & sons,
1981
3. Daniel, Wayne.W : “ Applied Nonparametric Statistics, Houghton Mifflin Company,
1978
4. Hogg, Robert V., and Elliot A. Tanis: “Probability and Statistical Inference”, Pearson
Education, 2006
5. Ledolter. J, Hogg, Robert V. : “ Applied Statistics fot Engineers and Physical
Scientists”, Pearson Prentice Hall, 2010.
6. Walpole, Ronald E., et all: “Probability & Statistics for Engineers & Scientists”,
Prentice Hall, 2007
7. Spiegel, Murray R.: “Seri Buku Schaum: Teori dan Soal-Soal Statistika”, Erlangga
(Terjemahan), 1988