Buku Statistika 2 Jan Horas V Purba - 2

STATISTIKA EKONOMI DAN BISNIS 2
Mahir Excel dan SPSS
Jan Horas Veryady Purba
Mitra Wacana Media

Statistika Ekonomi dan Bisnis 2.
Jan Horas Veryady Purba
Hak cipta dilindungi undang-undang. Dilarang

memperbanyak sebagian atau seluruh isi buku
ini dalam bentuk apa pun, baik secara elektronik
maupun mekanik, termasuk memfotokopi,
merekam, atau menggunakan sistem
penyimpanan lainnya, tanpa izin tertulis dari
Penerbit.
PURBA, Jan Horas Veryady
Statistika Ekonomi dan Bisnis 2

Edisi Pertama
-Jakarta: Mitra Wacana Media, 2018
1 jil, 17 x 24, vi hal. + 134 hal.
ISBN :
1. Statistika 2. Statistika Ekonomi dan Bisnis 2

I. Judul II. Jan Horas Veryady Purba
KATA PENGANTAR
S
etiap mengawali perkuliahan statistika, saya selalu bertanya
kepada para mahasiswa, bagaimana pemahaman dan persepsi
mereka tentang statistika. Umumnya, mereka menyebutkan bahwa
statistika itu sesuatu yang berhubungan dengan grafik, dan jawaban itu
sebuah starting yang baik. Sebagian lain berkata, statistika itu rumit dan
banyak rumus. Itu menyiratkan sebuah pesan, agar penyampaian
matakuliah statistika dalam suasana yang kondusif dan menyenangkan.
Mahasiswa akan memahami betapa rumus itu sangat penting, apalagi
saat ini sudah banyak tools, sehingga rumus tidak lagi menjadi sebuah
beban. Lalu apa manfaat statistika itu? Para mahasiswa akan tumbuh
menjadi seorang pemimpin. Statistika ini adalah sebuah kecerdasan bagi
seorang leader. Saat mahasiswa menjadi pemimpin, saat itulah statistika
diperlukan dalam membuat keputusan ekonomi maupun keputusan
bisnis. Slogannya adalah: Real statistics is real decisions.
Penulis berterima kasih sekali, karena buku ini lahir dan
termotivasi dari masukan mahasiswa. Zaman telah berubah. Generasi
milenial ini sedang membutuhkan model pembelajaran statistika yang
cocok dan menuntun mereka berkembang pada era Revolusi Industri
4.0, yang terhubung erat dengan internet of things (IOT). Maka tidaklah
heran jika mind set akan tertuju ke playstore lalu download beranekaragam
jawaban instant dari materi dan persoalan statistika. Di satu sisi, para
statisticians akan tetap berkembang seiring kemajuan IT, sementara di
sisi lain mayoritas penduduk dunia berada pada posisi “user” yang akan
menggunakan hasil karya mereka dengan cepat dan akurat.
Para mahasiswa sudah terbiasa menggunakan scientific calculator
sebagai alat bantu to compute, kemudian meningkat pada software
statistika yang tumbuh pesat sejak tahun 1980-an. Juga tidak sedikit
perguruan tinggi yang menggunakan computer untuk
praktikum/laboratorium Statistika. Pada era big data saat ini,
kecerdasan dan kemahiran dalam statistical tools semakin dibutuhkan.
Karena itu, buku Statistika Ekonomi dan Bisnis (edisi I) ini di-design
sedemikian rupa untuk membangun kecerdasan komputasional dan
menjadi pengetahuan yang bersifat umum dan meluas. Apakah rumus-
rumus itu tetap diperlukan? Ya, tentu. Pada saat penyampaian materi
iv Statistika Ekonomi dan Bisnis 2
di kelas, rumus itu bisa disampaikan dengan jitu agar terkesan

sederhana dan mudah dipahami mahasiswa.
Materi dalam buku ini adalah Statistika Inferensia terapan (applied)
sering disebut Statistika II, dan merupakan kelanjutan dari Statistika
Deskriptif/Statistika I. Materinya mencakup peluang, distribusi peluang
diskrit, distribusi normal, pendugaan parameter, pengujian hipotesis,
Anova, Chi-square (non parametrik), regresi dan korelasi. Pada setiap
awal Bab, disajikan materi ringkas dan padat, dan penekanan pada
buku ini adalah kemahiran statistika: mencakup (a) pemecahan soal
dengan manual (formula based), (b) kemahiran Data Analysis Excel,
dan (c) kemahiran menggunakan SPSS.
Pada kesempatan ini, Penulis menghaturkan rasa hormat dan
terima kasih yang sebesarnya kepada Bapak Prof. Dr. Bungaran Saragih,
- sebagai guru dan orang tua, yang selalu memberikan nasehat kepada
Penulis; Prof Dr. Bonar P. Pasaribu - yang sangat menginspirasi penulis
untuk terus berkarya dan produktif, Prof Dr. Moermahadi Soerja
Djanegara, atas dukungan dan kasih sayang yang diberikan, Bapak Dr.
Bambang Pamungkas, Bapak Nusa Muktiadji, Ir., MM. dan Bapak Dr.
Iriyadi Ak., M.Comm. (Ketua STIE Kesatuan 2018-2022) atas dorongan
yang diberikan, juga kepada Yayasan Kesatuan, dan para dosen serta
semua pihak sehingga penulisan buku ini bisa terlaksana dengan baik.
Buku ini tidak terlepas dari kekurangan, dan dengan senang hati
penulis menerima masukan-masukan yang berharga untuk lebih
menyempurnakan buku ini pada edisi berikutnya. Semoga buku ini
memberikan banyak manfaat bagi pengembangan ilmu pengetahuan
dan juga berdampak pada riset dosen yang juga melibatkan mahasiswa
serta publikasi hasil riset dosen. Terima Kasih.
Penulis,
Jan Horas V. Purba
DAFTAR ISI
BAGIAN I
Membangun Kecerdasan Komputasional Statistika .................................. 1
1. Mahir Menggunakan Fungsi Statistika dengan Excel ........................... 1
2. Tools Analysis Data ................................................................................. 5
3. SPSS (Statistical Package for the Social Science) .................................... 9
BAGIAN II
BAB 1 PELUANG .................................................................................... 13
BAB 2 PERMUTASI, KOMBINASI, & NILAI HARAPAN ................... 25
BAB 3 PELUANG DISKRIT:
BINOMIAL, POISSON, & HYPERGEOMETRIK ....................... 33
BAB 4 DISTRIBUSI NORMAL ................................................................ 43
BAB 5 PENDUGAAN PARAMETER ..................................................... 53
BAB 6 UJI HIPOTESIS DENGAN UJI-T ................................................. 65
BAB 7 ANOVA......................................................................................... 81
BAB 8 CHI-SQUARE (()....................................................................................... 89
BAB 9 REGRESI & KORELASI ............................................................... 99
Lampiran 1 Normal Distribution ........................................................... 117

Lampiran 2 t - Distribution ..................................................................... 119
Lampiran 3 Chi-Square Distribution..................................................... 121
Lampiran 4 F - Distribution .................................................................... 123
DAFTAR PUSTAKA ................................................................................. 129

INDEKS...................................................................................................... 131
vi Statistika Ekonomi dan Bisnis 2
BAGIAN I
Membangun Kecerdasan Komputasional Statistika
Kompetensi 1:
Mahir Menggunakan Fungsi Statistika dengan Excel
 Insert Function atau logo fx
 Select a Categori, silahkan memilih Statistical

Maka di layar akan muncul seperti berikut, Lalu Klik OK.
2 Statistika Ekonomi dan Bisnis 2
1. Descriptive Statistics
Dengan function di atas, Descriptive Statistics dapat dihitung dengan

mudah dan cepat, dimana Descriptive Statistics merupakan salah satu
pengukuran yang paling banyak digunakan dalam mendeskripsikan
sekelompok data. Didalamnya terkandung beberapa ukuran, yakni
a. Ukuran pemusatan : mean, median dan modus
b. Ukuran penyebaran: standard deviasi (simpangan baku), variance
(ragam), juga range (jangkauan) yang dapat dihitung dari selisih nilai
maksimum dengan nilai minimum. R = X max - Xmin
c. Ukuran kemiringan: skewness, dan ukuran keruncingan: kurtosis
Misalkan pada Excel, tersaji sebuah Data pada kolom A. Descriptive

statistics dapat dihitung dengan syntax-nya masing-masing (col F).
Standard Error
Pada spreadsheet di atas, bagaimana menghitung Standard Error (SE)?
atau =(G8/G15)^0.5 = 2.004
Koefisien Variasi (Coefficient of Variation)

Membangun Kecerdasan Komputasional Statistika 3
Function Excel pada Binomial, Poisson dan Hypergeometrik:
 Binomial:
 Poisson:
 Hypergeometrik:
 Regresi:
Pengembangan kompetensi Function ini dapat digali lebih dalam, pada

fungsi fungsi lainnya.
Kompetensi 2 :
Tools Analysis Data
Terlebih dahulu “Data Analyze” diaktifkan pada Excel, dengan langkah-

langkah sebagai berikut:
 Klik File, Klik Option, Klik Add-Ins, OK
 Pada bagian Manage (bagian bawah), klik dan pilih Excel Add-Ins,
kemudian Klik : Go
 Maka muncul dialog box

berikut,
 Pada pilihan Add-Ins
Beri tanda check ()
Analysis ToolPak, dst.
 Klik OK.
Pada layar Excel, bila kita Klik Data, maka Data Analysis telah aktif
CONTOH 1 : Descriptive Statistics
Descriptive Statistics di atas, bisa diperoleh dengan lebih mudah dan

cepat.
 Kilk Data
 Klik Data Analysis
 Descriptive Statistics
 OK
Pada layar, akan muncul

seperti berikut.
 Input Range
 Summary Statistics
 Output Range
(pilih salah satu cell
kosong)
 OK
Maka hanya dengan
beberapa klik, Descriptive
Statistics telah diperoleh
dengan lengkap dan cepat
CONTOH 2 : Analisis Regresi dengan Data Analysis
Klik berurutan sbb:

 Data
 Data Analysis
 Regression
 OK,
Muncul dialog Box

 Input Y Range,
 Input X Range,
 Output Range
 OK
Terlihat hasil regresi

seperti gambar di
bawah ini.
Lanjutan,
Uji lainnya dapat dilakukan dengan Fungsi Excel “Data Analysis” ini.
Data  Data Analysis,

Kita akan menemukan beragam Tools yang bisa digunakan.:
Beberapa diantaranya, antara lain:
Anova Single Factor Correlation
F Test: Two Sample for Variances t- Test: Paired Two Sample for Means
Dan berbagai tools lainnya.

Kompetensi 3 :
SPSS (Statistical Package for the Social Science)
Ketika kita membuka program SPSS, maka pada bagian awal, kita akan
melihat “menu utama” yang terdiri atas:
 File
Menu ini berhubungan dengan file data, seperti membuat file baru,
membuka file, mengambil data dari program lain, mencetak isi dari
Data Editor dan lainnya.
 Edit
Menu Edit berfungsi untuk menangani hal-hal yang berhubungan
dengan memperbaiki atau mengubah nilai data (duplikasi data),
menghilangkan data, edit data dan lainnya. Selain itu, menu Edit
juga berfungsi untuk mengubah setting pada Options.
 View
Menu view berfungsi untuk mengatur toolbar (status bar,
penampakan value lable dan sebagainya).
 Data
Menu data berfungsi untuk membuat perubahan data SPSS secara
keseluruhan, seperti mengurutkan data, menyeleksi data
berdasarkan kriteria tertentu, menggabungkan data dan sebagainya.
 Transform
Menu Transform berfungsi untuk membuat perubahan pada variabel
yang telah dipilihdengan kriteria tertentu.
 Analyze (Statistics)
Menu Analyze merupakan menu inti dari SPSS, yang berfungsi
untuk melakukan semua prosedur perhitungan statistik, seperti uji-t,
uji-F, regresi, time series dan sebagainya.
 Graphs
Menu Graphs berfungsi untuk membuat berbagai jenis grafik untuk
mendukung analisis statistik, seperti Pie, Line, Bar dan
kombinasinya.
 Utilities
Menu ini adalah menu tambahan yang mendukung program SPSS
seperti :
 Memberi informasi tentang variabel yang sekarang sedang
dikerjakan
 Menjalankan Scripts
 Mengatur tampilan menu-menu lain
 Add-Ins
Menu ini juga merupakan menu tambahan yang berisi mengenai
software lain yang dapat diintegrasikan dengan SPSS, juga berisi
sambungan on-line dengan website SPSS guna kepentingan pelatihan
dan pengembangan SPSS.
 Window
Menu ini berfungsi untuk pindah diantara menu-menu lain di SPSS
 Help
Menu ini berfungsi untuk menyediakan bantuan informasi mengenai
program SPSS yang bisa diakses secara mudah dan jelas.
Memasukan Data
1. Buka lembar kerja baru
Lembar kerja baru selalu dibuka jika ada pemasukan variabel yang
baru. Untuk itu dari menu File pilih submenu New. Selanjutnya
tampak beberapa pilihan. Karena akan dibuat data yang baru, klik
mouse pada Data. Sekarang SPSS siap membuat variabel baru.
Misalkan data karyawan STIE Kesatuan sebagai berikut:

Nama Berat Badan Jenis Kelamin
Andi 67.00 Pria
Bintang 75.10 Pria
Charles 62.00 Pria
Diana 60.00 Wanita
Evan 70.00 Pria
Fina 45.80 Wanita
Galih 65.50 Pria
Harum 46.80 Wanita
Isti 45.50 Wanita
Johan 62.00 Pria
2. Menamai variabel yang diperlukan
Langkah berikutnya, Klik Menu “Variable View” yang terletak di

sebelah kiri bagian
paling bawah dari
editor SPPS, aka terlihat
layar editor berikut ini:
Pada kolom pertama
(Name) tuliskan Nama,
Berat_Badan dan
Jenis_Kelamin, maka
nama tersebut muncul
dan pada sheet Data
akan terlihat sebagai
berikut, dan Save File.
Contoh Regresi Sederhana
Copy data latihan Regresi Sederhana pada Halaman 5 di atas ke SPSS,

kemudian pada Variabel View, beri nama sesuai variabel masing
masing yakni Y dan X.
Klik :
 Analyze
 Regression
 Linear
Kemudian di-enter,
dan muncul dialog
box.
Input data pada

kotak yang
disediakan:
X ke Independent
Y ke Dependent(s)
Klik OK
Maka diperoleh hasil
berikut.
BAGIAN II : Praktikum
BAB 1
PELUANG
PENGANTAR :
Statistika secara umum dibagi atas 2, yakni Statistika

Deskriptif dan Statistika Inferensia. Tujuan Statistika
Deskriptif adalah untuk memberikan gambaran atau untuk
mendeskripsikan seluruh informasi yang dikandung oleh
suatu data. Informasi itu bisa dilihat dari sisi ukuran
pemusatan, ukuran letak, ukuran penyebaran, kemiringan
dan keruncingan. Disamping itu, suatu informasi juga bisa
ditangkap dengan mudah jika data dikelompokkan dalam
bentuk TDF (tabel distribusi frekuensi). Deskripsi lainnnya
ialah dengan tabel, atau dengan grafik. (Hal ini sudah Anda
pelajari pada semester lalu). Pengetahuan ini sangat
membantu Anda dalam dunia kerja, antara lain dalam
mengambil keputusan bisnis yang didukung oleh deskripsi
data yang baik.
Dalam semester ini, pembelajaran Statistika dilanjutkan
dengan pada Statistika Inferensia – yang juga banyak
digunakan dalam dunia sehari-hari, baik untuk kepentinga
bisnis maupun untuk kepentingan penelitian (riset).
Salah satu dasar yang diperlukan untuk Statistika Inferensia
adalah Teori Peluang - yang akan disajikan pada Bab 1 ini.
Karena pembelajran ini sifatmya dasar, maka pelaksanaan lab
boleh dilakukan di dalam kelas.
KOMPETENSI :
Dengan mengerjakan Bab 1 ini, Anda memiliki (dasar-dasar)

pengetahuan tentang Teori Peluang.
Teori Dasar Peluang
Peluang merupakan suatu konsep yang digunakan untuk melihat

kemungkinan terjadinya sebuah kejadian. Beberapa istilah yang perlu
diketahui dalam mempeajari konsep peluang adalah sebagai berikut:
 S : Ruang sampel merupakan himpunan semua hasil yang
mungkin dari sebuah percobaan
 n : Titik sampel merupakan anggota yang ada pada ruang
sampel
 E : Kejadian merupakan himpunan bagian dari ruang sampel
Peluang suatu kejadian E dapat adalah :
n(E)
P(E) =
S
Contoh dan Penyelesaian:

1. Dari setumpuk kartu remi, sebuah kartu diambil. Berapakah
peluang terambilnya kartu King (K)?
Penyelesaian:
S = Seluruh kartu adalah 52 buah
n = jumlah kartu King adalah 4buah
Maka Peluang terambilnya 1 kartu King adalah :
n(K)  4 1
P(K) =   =
S 52 13
Peluang Komplemen Suatu Kejadian
Komplemen dari suatu kejadian A merupakan himpunan dari seluruh

kejadian yang bukan A, dan ditulis dengan A’.
Peluang komplemen dituliskan sebagai berikut: P (A’) = 1 – P(A)

2. Dari contoh 1 di atas, berapa peluang terambilnya kartu bukan
King?
Penyelesaian :
1
P (K’) = 1 – P(K) = 1   12
13 13
Bab 1. Peluang 15
Frekuensi Harapan Suatu Kejadian
Frekuensi harapan suatu kejadian adalah hasil kali munculnya suatu

kejadian dengan banyaknya percobaan yang dilakukan
𝐹ℎ = 𝑃 (𝐴) × 𝑛
3. Dalam pelemparan sebuah koin, peluang munculnya gambar (G)
adalah 0.5. Jika pelemparan dilakukan 50 kali, maka harapan
munculnya gambar adalah :
Fh (G) = 0.5 x 50 = 25
Peluang Dua Kejadian Tidak Saling Lepas

Dua kejadian dikatakan tidak saling lepas jika kedua kejadian tersebut
dapat terjadi secara bersamaan.
𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵)
4. Dalam pengambilan sebuah kartu, berapakah peluang munculnya
King (K) dan hitam (H)?
Penyelesaian
P(K) = 4/52
P(H) = 26/52
P(K ∩ H) = 2/52
𝑃 (K ∪ H) = 𝑃 (K) + 𝑃 (H) − 𝑃 (K ∩ H)
4/52 + 26/52 − 2/52 = 28/52
Maka, peluang kedua kejadian tersebut adalah 28/52
Peluang Dua Kejadian Saling Lepas

Dua kejadian dikatakan saling lepas jika kedua kejadian tersebut tidak
dapat terjadi secara bersamaan.
𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵)
5. Misalkan dalam suatu pertemuan, terdapat 10 orang siswa SMP, 20
orang Siswa SMA dan 30 orang mahasiswa. Berapakah peluang
ketemu siswa SMA atau mahasiswa?
𝑃 (SMA ∪ Mhs) = 𝑃 (SMA) + 𝑃 (Mhs) = 20/60 + 30/60 = 50/60
Peluang Dua Kejadian Saling Bebas

Kejadian A dan Kejadian B dikatakan kejadian saling bebas jika kejadian
A tidak dipengaruhi oleh kejadian B atau sebaliknya.
𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴) × 𝑃 (𝐵)

6. Misalkan pada sebuah kebakaran yang terjadi di kota X, seorang
warga lagsung menelepon pemadam kebakaran dan ambulance.
Peluang datangnya pemadam kebakaran (PK) adalah 0.8, dan
peluang segera datang ambulance (A) adalah 0,6.
Berapakah peluang pemadam kebakaran (PK) dan ambulance (A)
segara tiba di lokasi kebakaran tersebut?
𝑃 (PK ∩ A) = 𝑃 (PK) × 𝑃 (A) = 0,8 × 0,6 = 0,48
Peluang Bersyarat (Dua Kejadian Tidak Saling Bebas)
Dua kejadian disebut kejadian bersyarat apabila terjadi atau tidak

terjadinya kejadian A akan mempengaruhi terjadi atau tidak terjadinya
kejadian B atau sebaliknya.
𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐴) × 𝑃 (𝐵⎹ 𝐴) atau
𝑃 (𝐵⎹ 𝐴) = 𝑃 (𝐴 ∩ 𝐵) / 𝑃 (𝐴)

7. Misalkan dalam pelemparan dadu, berapakah
peluang
munculnya mata dadu genap dengan syarat munculnya
kejadian mata dadu prima terlebih dahulu?
Penyelesaian:
Peluang dadu Genap P (A) = 0.5
Peluang dadu Prima P (B) = 0.5
Peluang dadu Prima dan Genap P (𝐴 ∩ 𝐵) = 1/6
Maka 𝑃 (𝐵⎹ 𝐴) = 𝑃 (𝐴 ∩ 𝐵) / 𝑃 (𝐴)

= 1/6 / 0.5
= 1/3
Bab 1. Peluang 17
Peluang
Pada suatu seminar, terdapat 100 orang mahasiswa, terdiri atas 20 orang
mahasiswa Manajemen S1, 50 orang mahasiswa Akt S1 dan 30 orang
mahasiswa Akt D3. Diketahui pula bahwa mahasiswa yang sudah
bekerja terdiri atas 5 orang mahasiswa Manajemen S1, 4 orang
mahasiswa Akt S1 dan 8 orang mahasiswa Akt D3.
Hitunglah:
a. Peluang mahasiswa bekerja.
b. Peluang mahasiswa bekerja dari Akt D3.
Penyelesaian
(Ikuti tahap penyelesaian berikut)
Contoh Peluang dengan Diagram Venn
1) PT. Ranggagading mengiklankan produk barunya di majalah, radio

dan televisi. Dari market research diketahui bahwa peluang
seseorang melihat iklan produk tersebut di majalah dalam satu
minggu adalah 0.2, peluang mendengar iklan dari radio 0.15, dan
peluang melihat iklan di televisi 0.4. Perlu diketahui bahwa ketiga
media iklan ini independen satu sama lain.
a) Berapa peluang seseorang melihat iklan di televisi, radio dan
majalah?
b) Berapa peluang seseorang melihat iklan di televisi saja?
c) Berapa peluang seseorang tidak melihat iklan di ketiga media
tsb?
 P(M) = 0.2 dan P(M’) = 0.8;

 P(R) = 0.15 dan P(R’) = 0.85;
 P(T) = 0.4 dan P(T’) = 0.6.
a) P(TRM) = P(T)*P(R)*P(M) = 0.4*0.15*0.2 = 0.012.
T
R
?
M
b) P(TR’M’) = 0.4*0.85*0.8 = 0.272.
Atau P(T) – P(TR) – P(TM) + P(TRM)  lihat diagram
venn di bawah.
b) c)
T ?
R
?
c) 1 – P(T’R’M’) = 1 – 0.6*0.85*0.8 = 1 – 0.408 = 0.592.

Atau P(T) + P(R) + P(M) – P(TR) – P(TM) – P(RM) –
2*P(TRM)  lihat gambar diagram venn.
Bab 1. Peluang 19
Contoh Bayes Theorema
PT. Ranggading telah berpuluh tahun memasarkan produk dietetic

cookies. Pihak manajemen saat ini merasa desain dus produk tersebut
perlu diperbarui. Desain yang sekarang dinilai old-fashioned dan tidak
menarik bagi konsumen yang berusia muda. Respon pasar terhadap
desain baru tersebut bisa kuat, sedang, atau lemah. Manajemen
memperkirakan bahwa peluang respon pasar kuat adalah 0.5, sedang
0.3, dan lemah 0.2.
Jika respon pasar terhadap desain baru kuat, maka peluang terjadi
kenaikan sales adalah 0.9, sales tidak berubah 0.1, dan sales turun 0.
Jika respon pasar sedang, peluang sales naik 0.4, sales tidak berubah 0.4,
dan sales turun 0.2.
Jika respon pasar lemah, peluang sales naik 0, sales tidak berubah 0.2,
dan sales turun 0.8.
a. Berapa besar peluang terjadi kenaikan sales?
a) Jika diketahui bahwa terjadi penurunan sales, berapa peluang respon
pasar terhadap desain baru tersebut lemah?
Peluang respon pasar kuat P(K) = 0.5, sedang P(S) = 0.3, lemah P(L) =
0.2. Peluang sales naik = P(N), tidak berubah = P(B), turun = P(T).
P(N|K) = 0.9, P(B|K) = 0.1, P(T|K) = 0;
P(N|S) = 0.4, P(B|S) = 0.4, P(T|S) = 0.2;
P(N|L) = 0, P(B|L) = 0.2, P(T|L) = 0.8.
N
a. P(N) = P(NK) + P(NS) + P(NL)
= P(N|K)*P(K) + P(N|S)*P(S) + P(N|L)*P(L) K B
= 0.9*0.5 + 0.4*0.3 + 0*0.2
T
= 0.57. N
b. P(L|T) = P(LT) / P(T) S B

P(LT) = P(T|L)*P(L) = 0.8*0.2 = 0.16. T
P(T) = P(TK) + P(TS) + P(TL) N
= P(T|K)*P(K) + P(T|S)*P(S) + P(T|L)*P(L) L B
= 0*0.5 + 0.2*0.3 + 0.8*0.2
= 0.22.
T
Jadi, P(L|T) = 0.16/0.22 = 0.73.
PRAKTIKUM
1. Suatu perusahaan memerlukan ban mobil untuk kendaraan milik

perusahaan. Probabilitas membeli ban mobil merk Uniroyal,
Goodyear, General, Continental, Bridgestone, dan Amstrong adalah
berturut-turut 0,17, 0,22, 0,03, 0,29, 0,21 dan 0,08. Hitunglah
probabilitasnya bahwa perusahaan tersebut akan membeli :
a. Ban mobil merk Goodyear atau Bridgestone.
b. Ban mobil merk Uniroyal, Continental, atau Brigestone.
c. Ban mobil merk General atau Amstrong.
d. Ban mobil merk Goodyear, Continental, atau Amstrong
2. Sebuah kotak berisi 4 bola merah, 6 bola putih, 1 bola hijau, 3 bola
biru. Semua bola sama bentuk, besar, dan bobotnya. Dengan mata
tertutup, diambil bola dari kotak itu:
a. berapa probabilitas terambil satu bola berwarna merah?
b. berapa probabilitas terambil satu bola berwarna hijau?
3. Misalkan probabilitas Amir masih hidup 20 tahun lagi adalah 0,7

dan probabilitas Badu masih hidup 20 tahun lagi adalah 0,9, berapa
probabilitas bahwa keduanya tidak hidup dalam 20 tahun lagi?
4. Seorang mahasiswa mempunyai peluang untuk lulus dalam mata

kuliah A, B, C, dan D masing-masing adalah 0,6, 0.8, 0,7, dan 0,9.
Hitunglah probabilitasnya bahwa mahasiswa tersebut :
a. Lulus dalam keempat mata kuliah.
b. Tidak lulus dalam keempat mata kuliah.
c. Lulus dalam dua mata kuliah.

Bab 1. Peluang 21
5. Pada perusahaan X diketahui para pelamar pekerja, yakni : 20%

laki-laki berpengalaman kerja, 10% perempuan berpengalaman
kerja, 30% laki-laki tidak berpengalaman kerja, dan 40% perempuan
tidak berpengalaman kerja. Bila direktur perusahaan tersebut
memilih seorang pelamar secara random/acak untuk diangkat
menjadi staf pada perusahaan itu, berapakah probabilitasnya bahwa
pilihannya adalah pelamar berpengalaman kerja?
Lengkapi terlebih dahulu tabel berikut

Pengalaman Kerja
Jumlah
Ada Tidak Ada
Laki-laki 20% 30%
Perempuan 10% 40%
Jumlah
6. Komposisi dari 200 orang eksekutif adalah sebagai berikut :

Pria Wanita
Eksekutif puncak 18 2
Eksekutif menengah 36 24
Eksekutif bawah 24 96
Jumlah 78 122
a. Berapa probabilitas eksekutif pria atau eksekutif puncak?

b. Dipilih 2 orang eksekutif seora random, berapa probabilitas
terpilih seorang eksekutif pria dan seorang eksekutif wanita?
c. Terpilih eksekutif pria pada pemilihan pertama dan terpilih
eksekutif pria lagi pada pilihan kedua, Berapa probabilitasnya?
7. Probabilitas seorang dokter dapat mendiagnosa dengan tepat suatu

penyakit tertentu adalah 0,7. Jika dokter tersebut membuat
kesalahan dalam memeriksa paseinnya, maka pasien akan
mengajukan complain dengan probabilitas sebesar 0,9. Hitunglah
probabilitasnya bahwa dokter tersebut membuat diagnosis yang
tidak tepat dan pasien tersebut mengajukan tuntutan (complain).
8. Peserta suatu lokakarya menyebar di tiga lokasi penginapan, yakni

15% peserta menempati Bungalow Mawar, 40% menempati
Bungalow Krisan, dan 45% menempati Bungalow Melati. Diketahui
pula bahwa kemungkinan penyaluran air dari PAM akan macet di
Bungalow Mawar adalah 3%. di Bungalow Krisan 8%, dan di
Bungalow Melati 9%. Berapa probabilitas :
a. Seorang peserta akan menempati bungalow yang airnya macet.
b. Seorang peserta dengan bungalow yang macet airnya berdiam
di Bungalow Melati.
Bab 1. Peluang 23
9. Kotak pertama berisi 4 kelereng merah dan 6 kelereng hijau,

sedangkan kotak kedua berisi 7 kelereng merah dan 10 kelereng
hijau. Dengan mata tertutup diambil sebuah kelereng dari kotak
pertama lalu dimasukan ke kotak kedua. Jika berikut ini diambil
sebuah kelereng dari kotak kedua,
a. Berapakah probabilitas kelereng yang terambil
dari kantung pertama berwarna merah?
b. Berapakah probabilitas kelereng yang terambil
dari kotak kedua, jika kelereng yang terambil dari
kotak pertama adalah berwarna merah.
c. Berapakah probabilitas kelereng yang terambil
dari kotak kedua berwarna merah, jika kelereng
dari kotak pertama berwarna hijau?
d. Andaikan warna kelereng dari kotak pertama
tidak diketahui, berapa probabilitas kelereng dari
kotak kedua berwarna merah?
10 Berapa probabilitasnya bahwa sebuah kartu yang terambil secara

random dari setumpuk kartu bridge akan diperoleh kartu queen
atau spade atau diamond?
11. Dua buah tas berisi sejumlah bola. Tas pertama berisi 4 bola putih
dan 2 bola hitam. Tas kedua berisi 3 bola putih dan 5 bola hitam.
Jika sebuah bola diambil dari masing-masing tas tersebut, hitunglah
probabilitasnya bahwa :
a. keduanya bola putih.
b. keduanya bola hitam.
c. satu bola putih dan satu bola hitam.
12. Sekelompok ahli biologi merencanakan mengadakan penelitian

untuk mempelajari serangga yang membahayakan di Sulawesi
Tenggara. A adalah peristiwa bahwa mereka akan menghadapi
cuaca buruk. B adalah peristiwa bahwa mereka akan menghadapi
masalah dengan lembaga pemerintahan setempat, dan C adalah
peristiwa bahwa mereka akan menghadapi kesulitan dengan alat-
alat fotografi mereka. Berdasarkan diagram Venn tersebut,
nyatakanlah dengan kata-kata kejadian yang ditunjukkan daerah di
bawah ini :
a. Daerah 1
b. Daerah 2 A B
7 2
c. Daerah 6 5
d. Daerah 1 dan 3 bersama-sama 31
4
e. Daerah 2 dan 7 bersama-sama
C 6
f. Daerah 4, 6, 7 dan 8 bersama-sama 8
13. Berdasarkan soal di atas tunjuklah daerah dari soal berikut :

a. Menghadapi cuaca buruk (A1) dan menghadapi kesulitan
dengan alat fotografi (C1) tetapi tidak ada masalah dengan
lembaga pemerintahan setempat (B2).
b. Tidak menghadapi cuaca buruk. (A2) dan tidak ada kesulitan
dengan alat fotografi (C2), tetapi ada masalah dengan lembaga
pemerintahan setempat (B1).
c. Menghadapi cuaca buruk (A1) dan tidak ada kesulitan alat
fotografi (C2).
d. Tidak ada masalah dengan lembaga pemerintah setempa (B2)
dan tidak ada masalah dengan alat fotografi (C2).
BAB 2
PERMUTASI, KOMBINASI,
& NILAI HARAPAN
PENGANTAR :
Dengan mengerjakan Bab 2 ini, Kompetensi

yang diharapkan adalah : Anda memperdalam
pengetahuan tentang Peluang, khusunya
yang berhubungan dengan Permutasi,
Kombinasi dan nilai Harapan.
Anda dapat menggunakan kalkulator atau
computer khususnya excel dan simpan lembar
jawaban Anda.
KOMPETENSI :
Dengan mengerjakan Bab 2 ini, Kompetensi yang

diharapkan adalah :
Anda memperdalam pengetahuan tentang
Peluang, khusunya yang berhubungan dengan
Permutasi
Kombinasi dan
Nilai Harapan.
Konsep Dasar
Permutasi (P) dan Kombinasi (C) bertujuan untuk mengetahui berapa
jumlah cara dalam menyusun n buah objek. Perbedaan P dan C adalah,
pada P, seluruh objek dihitung, sedangkan pada C, terdapat objek yang
sama atau “kembar” dan dianggap sama. Misalnya kata BOGOR, 5
buah objek (huruf), ada 2 yang sama yakni huruf O. Sehingga
kombinasi yang dihitung adalah B, O, G dan R.
Secara ringkas dapat disajikan sebagai berikut
Semua Objek Sebagian Objek
Permutasi (P) n!
dimana r n
Berapa cara menyusun 3 4! 24
P    12
buah objek? 2 4
(4  2)! 2
Jawab : 3! = 1*2*3 = 6 Dari ABCD, dipilih dua:
Contoh : ABC: AB, AC, AD, BA, BC, BD,
ABC, ACB, BAC, CA, CB, CD, DA, DB, DC
BCA, CAB, CBA
Kombinasi (C) n!
, n1!n 2!...n k n
n1!n2 !...nk
dimana r n
Berapa cara menyusun 4! 24
C   6
huruf IIN? (huruf I = 2) 2 4
(4  2)!*2! 2 *2
3! 1* 2 * 3
Jawab :  3
2! 1* 2 Dari ABCD dipilih dua,
dan terdapat kombinasi,
Yakni: IIN, INI, NII misalnya BA =AB.
AB, AC, AD, BC, BD, CD
Cyclical (n-1)!
(lingkaran)
4 orang duduk melingkar
di sebuah restoran.
S,usunan tempat duduk
mereka adalah (4-1)! = 3! =
6 cara
Bab 2. Permutasi, Kombinasi dan Nilai Harapan 27
Contoh Soal dan Penyelesaian Nilai Harapan

Seorang petani akan menebarkan bibit suatu jenis tanaman di suatu
tempat. la mempunyai altematif tiga kebun. Petani itu memperkirakan
bahwa peluang tanaman itu akan tumbuh subur apabila disemaikan di
kebun I adalah 0,6 dan apabila tumbuh subur ia akan bisa memetik
keuntungan Rp. 3.000.000 tiap panen, sebaliknya bila tidak berhasil ia
akan rugi Rp. 500.000. Peluang bahwa tanaman itu akan tumbuh subur
bila disemaikan di kebun II adalah 0,5, dengan harapan bisa memetik
keuntungan Rp. 4.000.000 tiap panen, dan bila tidak berhasil ia akan
menderita: kerugian Rp. 1.000.000. Di kebun III peluang berhasil adalah
0,55 dengan harpan keuntungan Rp. 3.500.000, bila gagal akan
menderita kerugian sebesar Rp.600.000,00.
Pertanyaan:
Berdasarkan harapan matematik tertinggi, kebun mana yang akan
terpilih?
Peluang Laba Peluang Rugi

Kebun Nilai Harapan
Sukses (Rp) rugi (Rp)
0,6 * 3.000.000
I 0,6 3.000.000 0,4 500.000
- 0,4* 500.000=
1.600.000
0,5 * 4.000.000
II 0,5 4.000.000 0,5 1.000.000
- 0,5* 1.000.000=
1.500.000
0,55 * 3.500.000
III 0,55 3.500.000 0,45 600.000
- 0,45* 600.000=
1.655.000
Sepintas, kita melihat bahwa Kebun II lebih menguntungkan, karena
berpeluang menghasilkan laba Rp 4.000.000. Namun masing masing
kebun juga memiliki peluang rugi.
Setelah dihitung, nilai harapan tertinggi adalah Kebun III, dengan nilai
harapan Rp 1.655.000.-
PRAKTIKUM
1. Seorang pustakawan sedang berusaha menyusun beberapa buku ke

dalam sebuah rak buku. Buku-buku yang ingin disusunnya terdiri
atas tiga buku statistik, empat buku pengantar bisnis dan dua buku
akuntansi.
a. Berapa cara dia dapat menyusun buku-buku tersebut jika buku
statistika harus disusun berdampingan?
b. Berapa cara dia dapat menyusun buku-buku tersebut jika setiap
buku dikelompokan berdasarkan jenis mata kuliahnya?
c. Berapa cara dia dapat menyusun buku-buku tersebut jika buku
statistika harus disusun berdampingan?
2. Dari delapan orang pria dan lima orang wanita akan dijadikan
sebagai anggota panitia lomba Olimpiade Akuntansi Tingkat SMA
dan SMK se-Kota Bogor dan Depok di Perguruan Tinggi Kesatuan
dalam rangka pengembangan Akuntansi.
a. Sebelum pemilihan panitia dilakukan, semua calon diajak foto
bersama. Berapa banyak cara dapat terjadi jika lima orang
wanita tersebut harus duduk berdampingan dalam formasi
duduk sejajar?
b. Untuk memilih panitia, maka dilakukan sebuah rapat. Hasil dari
rapat tersebut menyatakan bahwa panitia terdiri dari enam
orang pria dan empat orang wanita. Berapa cara panitia
Olimpiade Akuntansi ini dapat dibentuk jika:
 Semua pria dan wanita dapat dimasukan dalam satu
kepanitiaan!
 Satu orang wanita tertentu harus masuk dalam satu panitia
sebagai ketua panitia Olimpiade Akuntansi!
c. Panitia yang baru terbentuk itu kemudian mengadakan rapat.
Berapa cara mereka dapat duduk pada sebuah meja yang
berbentuk lingkaran?
3. Dewasa ini, perusahaan harus mengikuti perkembangan teknologi
agar tidak kalah bersaing. Hal ini menyebabkan perusahaan G-Next
memutuskan untuk melakukan komputerisasi terhadap semua
bagian dalam perusahaan. Untuk mendukung program tersebut,
kepala gudang harus membuat kode terhadap semua persediaan
barang agar mudah didata. Berapa banyak susunan yang dapat
terjadi :
a. Jika kode tersebut terdiri dari lima angka, dengan ketentuan

angka pertama harus ganjil, dua angka berikutnya tidak boleh
menggunakan angka nol dan dua angka terakhir boleh
menggunakan nol!
b. Jika kode tersebut terdiri dari lima angka, dengan ketentuan
angka pertama dan terakhir harus genap dan tiga angka lainnya
boleh menggunakan nol!
c. Jika kode tersebut terdiri dari lima angka, dengan ketentuan
angka pertama dan kedua merupakan angka ganjil dan tiga
angka berikutnya boleh menggunakan angka nol!
4. Pemilik dari perusahaan Blur ingin memberikan beasiswa kepada
sepuluh orang karyawannya yang memiliki kinerja kerja yang tinggi.
Untuk memperoleh beasiswa tersebut, para karyawan harus
mengajukan diri terlebih dahulu melalui surat aplikasi yang isinya
memuat alasan, prestasi kerja selama ini, tingkat pendidikan terakhir
dan sebagainya. Pemilik perusahaan akan memilih karyawan mana
yang akan memperoleh beasiswa berdasarkan surat aplikasi
tersebut. Sampai saat ini, terdapat tujuh orang karyawan di bagian
pemasaran dan sepuluh orang dari bagian keuangan. Jika pemilik
perusahaan memilih secara acak sepuluh orang karyawannya yang
akan diberikan beasiswa, maka:
a. Berapa probabilitas empat karyawan dari bagian pemasaran
akan memperoleh beasiswa?
b. Berapa probabilitas seluruh karyawan yang akan memperoleh
beasiswa berasal dari bagian keuangan?
c. Berapa probabilitas tujuh karyawan dari bagian keuangan
terpilih untuk memperoleh beasiswa?
5. PT Baba adalah sebuah industri penghasil boneka barbie yang berada

di daerah Tanggerang. Saat ini manajer PT Baba, yaitu Mr. Eko
sedang bingung untuk menentukan akan diekspor kemanakah
boneka-boneka barbie tersebut. Ada dua negara yang sedang
dipertimbangkan oleh Mr. Eko, yaitu negara Mesir dan negara
Afganistan. Mr. Eko memperkirakan peluang boneka barbie tersebut
akan laku di negara mesir adalah 0,4 dengan keuntungan yang
diperoleh sebesar Rp. 100.000,- per unit, sebaliknya jika produknya
tidak laku maka kerugian yang diderita adalah sebesar Rp. 65.000,-
per unit. Sementara di negara Afganistan, peluang boneka barbie
tersebut tidak laku terjual adalah 0,5 dengan kerugian sebesar Rp.
50.000,- per unit, namun jika boneka-boneka tersebut laku terjual

maka keuntungan per unitnya adalah sebesar Rp 95.000,-. Dari
informasi tersebut, anda diminta untuk melakukan perhitungan
terhadap nilai harapan matematis dan kemudian berikanlah saran
kepada Mr. Eko untuk menentukan negara mana yang sebaiknya
dipilih!
6. Setelah dilakukan survei terhadap 27 pengajar laboratorium

menajemen mengenai mata kuliah yang diajarkan, ternyata
didapatkan hasil sebagai berikut : tujuh mengajar Manajemen
Operasional dan Statistik, tiga orang mengajar Manajemen
Operasional dan Pasar Modal, sepuluh orang mengajar Statistika
dan Pasar Modal, 20 orang mengajar statistik, 12 orang mengajar
Manajemen Operasional dan 15 orang mengajar Pasar Modal.
Dengan menggunakan data di atas anda diminta untuk :
a. Buatlah diagram venn!
b. Hitunglah probabilitas pengajar laboratorium yang mengajar
Statistika dan Manajemen Operasional!
c. Hitunglah probabilitas pengajat laboratorium yang mengajar
ketiga mata kuliah tersebut!
d. Hitunglah probabilitas pengajar laboratorium yang hanya
mengajar statistika saja!
e. Hitunglah probabilitas pengajar laboratorium yang hanya
mengajar statistika dan Pasar Modal, tetapi tidak mengajar
Manajemen Operasional!
7. Akhir-akhir ini ini penumpang yang menggunakan jasa

penerbangan Lyn Airways semakin bertambah. Hal ini disebabkan
kerena harga ticket yang lebih murah dibandingkan jasa
penerbangan lain, pelayanan yang ramah, check in cepat serta
suasana di dalam pesawat yang bersih dan nyaman. Bagian R&D
Lyn Airways mengatakan bahwa selama empat bulan terakhir ini
banyaknya penumpang yang mereka terbangkan adalah 1.250 per
hari. Penerbangan terbagi atas tiga jadwal keberangkatan: yakni pagi
hari, siang hari dan malam hari. Penerbangan pagi hari hanya
mampu membawa 250 orang, siang hari 400 orang dan sisanya
malam hari. Masing-masing jadwal keberangkatan terdiri dari tiga
tujuan domestik, yakni : Bali, Medan, dan Surabaya, dengan

komposisi sebagai berikut:
Penerbangan pagi : 20% ke Bali, 30% ke Medan dan sisanya ke
Surabaya.
Penerbangan siang : 10% ke Bali, 40% ke Medan dan sisanya ke
Surabaya.
Penerbangan malam : 30% ke Bali, 70% sisanya dibagi rata antara
penerbangan ke Medan dan Surabaya. Anda diminta untuk :
a. Buatlah tabel ‘conditional probability’ dari data tersebut di atas!
b. Hitunglah probabilitas seorang penumpang memilih tujuan ke
Medan!
c. Hitunglah probabilitas seorang penumpang memilih tujuan ke
Bali atau Surabaya!
d. Hitunglah probabilitas seorang penumpang memilih
penerbangan pada malam hari, dengan ketentuan ia memilih
tujuan ke Surabaya!
8. The size of the price discount offered by an industrial marketing manager

varies according to order size. During the last quarter, the manager offered
price discount of 20% to one half of his customers and 30% to one quarter
of his customers, and no discount to the rest. He estimates that the
probability of receiving a reorder this quarter is 0.90 if the customer
received a 20% discount, 0.92 if the customer received a 30% discount and
0.70 if the customer received no discount. Find out:
a. If a customer is selected at random and is observed not to have reorder,
what is the probability that this customer was offered no discount last
quarter?
b. The probability that a customer was offered a 20% price discount and a
customer have reordered?
9. Seorang importir ditawari komoditi mutiara seharga $ 20,000 dan
probabilitas bahwa ia akan mungkin menjualnya dengan harga $
24,000, $ 22,000, $ 20,000, $ 18,000 adalah berturut-turut 0,22, 0,47,
0,26, dan 0,05. Jika ia membeli mutiara tersebut, berapa besarnya
laba bruto yang diharapkan?
10. Diperoleh tugas untuk merakit 4 komponen yang berbeda. Tiap
komponen mempunyai kode wama yang berbeda dan dapat dirakit
dengan berbagai jalan. Departemen produksi ingin mendapatkan
cara yang paling efisien untuk merakit 4 komponen tersebut.
Kemudian dilakukan percobaan untuk memecahkan masalah

tersebut. Pertama, perakitan 4 komponen tersebut dengan susunan :
Hijau, Hitam, Kuning, dan Biru. Perakitan dilanjutkan dengan
susunan yang berbeda. Berapa banyak cara 4 komponen tersebut
dapat dirakit?
11. Seorang lulusan STIE Kesatuan menghadapi pilihan yang
keputusannya tidak dapat ditunda- tunda. Ia harus mengambil
keputusan apakah akan menerima suatu pekerjaan dengan gaji Rp.
2.970.200,00 sebulan atau menolak dengan harapan akan
mendapatkan pekerjaan lain dengan bayaran Rp 3.350.000 sebulan.
Jika ia menolak pekerjaan yang memberi gaji Rp 2.970.200,00
sebulan, berapa sebenarnya probabilitas bahwa ia akan memperoleh
pekerjaan dengan gaji Rp 3.350.000 sebulan?
12. Dalam suatu permainan berhadiah, pihak bandar akan membayar
Rp. 80.000,00 bila kita mendapatkan kartu Ace, dan akan membayar
Rp. 50.000,00 bila kita mendapatkan kartu King dari setumpuk kartu
bridge yang berisi 52 kartu. Bila kita tidak mendapatkan kartu Ace
atau kartu King kita harus membayar Rp. 11.700,00. Berapa harapan
matematisnya?
BAB 3
PELUANG DISKRIT:
BINOMIAL, POISSON, & HYPERGEOMETRIK
PENGANTAR :
Bab 3 ini membahas tentang Distribusi Teoritis

dan bersifat diskrit (tidak kontinu), yang terdiri
atas Distribusi Binomial, Poisson, dan
Hypergeometrik.
Anda dapat menggunakan Excel dan simpan
lembar jawaban Anda.
KOMPETENSI :

diharapkan adalah kemampuan menghitung
probabilitas :
Binomial
Poisson
Hypergeometrik
Dengan metoda : manual dan Excel
DISTRIBUSI BINOMINAL
A. RUMUS
1. n!
P ( X )  Px Qn x
x!(n  x)!
Keterangan :
P(X) = probabilitas x sukses dari n percobaan Bernoulli
X = banyaknya sukses
N = banyaknya percobaan Bernoulli
P = probabilitas sukses
Q = probabilitas gagal
2. Rata-rata () dan standar deviasi () distribusi binomial:

=nP
  n P Q


Pada Excel, aktifkan Insert Function, dan pilih Categori : Statistical,
seperti gambar berikut. Kemudian pilih BINOM.DIST, OK
Bab 3. Peluang Diskrit: Binomial, Poisson dan Hypergeometrik 35
Misalkan, Tuan A sedang membeli 3 durian dari 8 durian yang ada.

Peluang durian dalam keadaan baik dan enak adalah 0.8. Pertanyaan,
Berapakah peluang ketiga durian tersebut dalam keadaan baik?
Dengan bantuan excel, kita meng-insert fungsi BINOM.DIST.

Pada kotak dalog akan muncul 4 arguments yang akan kita isi, yakni:
 Number_s: x = 3 (jumlah “sukses” dalam uji coba).
 Trials: n = 10 (jumlah uji coba independen).
 Probability_s p = 0.8 (probabilitas keberhasilan).
 Cumulative Nilai logis yang menentukan bentuk fungsi.
Jika diisi FALSE, maka nilai x yang dihitung adalah hanya 3 durian
Jika diisi TRUE, maka nilai x yang dihitung adalah total distribusi
kumulatif sebanyak 0, 1, 2, dan 3 durian
Cara II:
Selain menginsert fungsi di atas, juga bisa dilakukan dengan lebih cepat
dengan menuliskan Syntax Binomial
=BINOM.DIST(number_s,trials,probability_s,cumulative)
=BINOM.DIST(3,8,0.8,false)
=0.0091750
Bila ditest keseluruhan (masing masing X dari 0 s/d 8) dengan excel,

maka akan diperoleh sebagai berikut
PRAKTIKUM
1. Menurut seorang pengamat ekonomi, apabila seseorang memiliki

penghasilan di atas Rp. 10.000.000,- per bulan, maka orang tersebut
pada umumnya konsumtif. Mereka bisa membeli apa saja yang
disukai. Belum lagi credit card yang dimiliki, bahkan ada sebagian
orang yang menggunakannya sampai batas limit maksimal.
Pengamat ekonomi tersebut yakin bahwa 90% penduduk Jakarta
yang termasuk dalam kalangan eksekutif berpenghasilan di atas Rp.
10.000.000,- akan bersikap demikian, sedangkan sisanya lebih
bijaksana dalam membelanjakan uangnya. Jika diambil sampel
secara acak sepuluh orang, hitung probabilitas:
a. Paling banyak dua orang yang tidak konsumtif!
b. Semuanya konsumtif!
c. Berapa rata-rata orang yang bergaya hidup konsumtif dan
berapa pula deviasi standarnya?
2. Samsung recently launched its new product in Indonesia. Based on their

research, 20% from 50 units were defected. if Samsung dicided to take seven
units as sample, determine:
The probability five defected units were chosen!
The probability between one and four not defected units were chosen!
The probability at least two defected units were chosen!
The probability maximum four not defected units were chosen!
3. From 160 participants who attended the Phoenix MLM presentation, 80

participants decided to join as member of the Phoenix MLM. If 12
participants were randomly taken as sample, determine the probability of:
All of the participants decided to join the Phoenix MLM!
Between six and nine participants decided to join the Phoenix MLM!
All of the participants didn’t want to join the Phoenix MLM!
4. Tuan Joko, seorang pengamat trend pasar sedang melakukan

penelitian mengenai loyalitas pelanggan terhadap produk wafer
merek “kres”. Ia memperoleh data sekuder mengenai perbandingan
banyaknya konsumen yang loyal dan tidak loyal dari pihak penjual
wafer “kres” yaitu sebesar 5:3. Ia melakukan studi lanjutan melalui
riset sederhana dengan mengambil 15 orang konsumen sebagai
sampel. Anda diminta menghitung:
a. Probabilitas paling banyak tiga pelanggan tidak loyal terhadap

merek “Kres”!
b. Probabilitas tidak ada pelanggan yang tidak loyal terhadap
merek “Kres”!
c. Probabilitas antara 10 dan 15 konsumen yang loyal terhadap
merek “Kres”!
d. Rata-rata dari pelanggan yang tidak loyal terhadap merek
“Kres”! serta seberapa besar simpangan bakunya?
DISTRIBUSI POISSON
A. RUMUS
 x e 
1. P( X ) 
x!
Keterangan :
P(X) = probabilitas dari peristiwa x sukses
x = jumlah sukses
e = bilangan naturan (2,71828)
 = rata-rata terjadinya peristiwa
2. Rata-rata ( ) dan deviasi standar ( ) distribusi Poisson:
 = nP
  nP


Contoh:
Dari 200.000 mobil di jalan raya, kemungkinan (peluang) terjadinya

kecelakaan adalah 0.00004.
Pada suatu hari tertentu, berapakah peluang/kemungkinan ada 5
mobil yang mengalami kecelakaan?
Jika disederhanakan:
n = 200.000
P = 0.00004
Berapa P (X=5)?
Dengan manual, maka hitunglah terlebih dahulu Rata-rata.

Rata-rata atau = n x p = 200.000 x 0.00004 = 8
Dengan kalkulator dapat dihitung:
 x e  85 * 2,7188
P( X )    0,0916
x! 5
Cara II : Insert Function : POISSON.DIST
Cara III : Langsung ditulis Syntaxnya di Excel :
=POISSON.DIST(5;8;FALSE)
= 0.091604
PRAKTIKUM
1. Esia sebagai pemain baru dalam perusahaan penyedia layanan

komunikasi masih memiliki banyak kekurangan. Hal ini yang paling
utama dikeluhkan konsumen adalah daya tangkap sinyal yang
lemah, yang disebabkan karena masih terbatasnya jaringan yang
dimiliki. Hampir setiap hari ada saja konseumen yang mengeluh
karena tidak dapat sinyal atau sms tidak sampai, dan hal-hal
lainnya. Kantor pusat Esia di Kuningan mengatakan bahwa rata-rata
konsumen yang mengajukan keluhan ada empat orang per hari.
Berapa probabilitas bahwa suatu ketika akan ada:
a. Tepat empat orang yang mengajukan keluhan?

b. Kurang dari tiga orang yang mengajukan keluhan?
c. Lebih dari empat orang yang mengajukan keluhan?
2. Para investor di Bursa Efek Jakarta seringkali berinvestasi pada

saham-saham yang termasuk dalam saham-saham LQ-45. Terdapat
empat saham yang dikatakan sebagai saham unggulan yang juga
termasuk saham-saham LQ-45 yaitu: TLKM,GGRM,ASII dan HMSP.
Namun seorang pengamat ekonomi mengatakan bahwa probabilitas
seorang investor menginvestasikan uang pada saham-saham
tersebut hanya 3%. Jika diambil sampel sebanyak 200 investor
dengan pengembalian, hitunglah :
a. Berapa probabilitas sebanyak lima investor menginvestasikan
uang pada saham-saham tersebut?
b. Berapa probabilitas antara 10 dan 15 investor menginvestasikan
uang pada saham-saham tersebut?
c. Berapa probabilitas paling banyak enam investor
menginvestasikan uang pada saham-saham tersebut?
3. Mey frequently saves her money in ABC Bank. For the period of November
2004 – February 2005 ABC Bank will give away 100 units Mercedes Benz
E Class. Rita, Mey’s Closest fried, said that Mey’s chance to win a
Mercedes Benz is 0.1% In other words, it’s a long shot. Moreover the 100
units Mercedes Benz are valid for all branches in Indonesia. Five hundred
customers of ABC Bank in Jakarta taken as sample, determine the
probability of:
a. At most three customers win the Mercedes Benz!
b. More than 497 customers do not win the Mercedes Benz!
4. Manajer Marketing of Polin Angkasa Corp. said that his company is

able to win 3% of airplane spare parts tenders. From a sample of 100
tenders, determine the probability of:
a. The company wins at least four tenders!
b. The company fails to win minimum 95 tenders!
DISTRIBUSI HYPERGEOMETRIK
RUMUS
C n1 C n2
P ( X )  x C n R x
R
Keterangan :
P(X) = probabilitas dari peristiwa x sukses
X = banyaknya sukses
n = banyaknya percobaan (n2  n1)
R = banyaknya sampel yang dipilih
R-x = banyaknya yang gagal
Contoh:
Dari 20 orang Turis mancanegara yang berkunjung ke Kebun Raya
Bogor, terdapat 8 orang yang menyatakan Sangat Puas. Jika dipilih 4
orang sampel untuk diwawancarai, berapakah peluang terdapat 3 orang
yang menyatakan sangat puas?
PRAKTIKUM
1. Shel Corporation, sebuah perusahaan swasta yang sedang

berkembang pesat baru saja merekrut 30 karyawan baru, 21
diantaranya adalah wanita. Loepy, Manajer Personalia Shel
Corporation akan mengirim lima diantaranya untuk mengikuti
pelatihan di kantor pusat, Singapore. Berdasarkan data tersebut, anda
diminta untuk menentukan probabilitas :
a. Dua orang wanita terpilih!
b. Paling banyak empat orang pria terpilih!
c. Tidak ada satu wanita pun yang terpilih!
2. IBM is one of the personal computer manufacturing company. One of its
mission is to provide the market with excellent quality of goods. That’s why
IBM always carefully chosen the quality of their materials. Through what
they have experienced before, from 20 materials that they received, five were
out of quality standar. If the size of samples by the Quality Control
Manager due to every receival checking are four, then figure out the
probability that the Quality Control Manager finds that:
a. None of them are out of quality standard!
b. Al least two of the materials are out of standard!
3. Promosi yang dilakukan ponsel merek Samsung di berbagai media
massa diharapkan akan meningkatkan penjualan. Dari data
penjualan toko di Jakarta, diketahui bahwa penjualan pada minggu
pertama bulan Mei adalah sebanyak 30 unit dengan jumlah
perbandingan ponsel merek Samsung dan bukan Samsung adalah
3:2. Jika penjual akan memberikan hadiah tambahan kepada empat
orang pembelinya, maka berapakah peluang terpilihnya:
a. Semuanya adalah bukan pembeli ponsel merek Samsung!
b. Paling banyak tiga orang yang membeli ponsel merek Samsung!
4. Mr. Jinaputto, a manager of human resources department in “AK’s
CORP”, found out that from 40 employee 30% of them always comes
late to the office. Using samples of ten employees you are being
asked to:
a. Find out the probability that from three to five employees comes on
time!
b. Find out the probabiity less than five employees comes late!
c. If Mr. Jinaputto decided to give a letter of warning to the entire
employee that comes late, how many of them will receive the letterof
warning?
BAB 4
DISTRIBUSI NORMAL
PENGANTAR :
Bab 4 ini membahas tentang Distribusi Normal,

yang merupakan lanjutan dari Distribusi
Teoritis Binomial, Poisson, Hypergeometrik.
Anda dapat menggunakan Excel dan simpan
lembar jawaban Anda.
KOMPETENSI :

diharapkan adalah :
Anda menguasai dengan baik tentang
Distribusi Normal.
Tabel Normal
Tabel t
Pendahuluan
Suatu peubah acak kontinu X yang memiliki sebaran berbentuk genta

disebut dengan peubah acak normal. Persamaan matematik bagi
sebaran normal bergantung pada dua parameter  (rata-rata) dan 
(simpangan baku). Oleh karena itu, nilai fungsi kepekatan bagi X ditulis
dengan n (x;  , ). Sebaran peluang kontinu ini merupakan salah satu
yang paling penting dalam bidang statistika. Dalam tahun 1733,
DeMoivre telah berhasil menurunkan persamaan matematik bagi kurva
normal. Sebaran normal juga sering disebut sebaran Gauss.
Kurva Normal
Persamaan kurva normal adalah sbb. :
1 x 2
1 -  
2  

n (x ; , )  e
 2
dengan nilai tengah  dan ragam 2. Sedangkan  = 3,1416 dan e =
2,7183.
Sifat penting dari distribusi normal adalah :
1. grafiknya selalu di atas sumbu x
2. bentuknya simetris terhadap garis vertikal nilai tengahnya.
3. memiliki satu modus (unimodal) dan modusnya sama dengan
median dan nilai tengahnya(  )
4. grafiknya mendekati sumbu mendatar x secara asimtotik pada
kedua arah, dimulai dari x =  - 3  di kiri dan x =  + 3  ke
kanan.
5. luas seluruh area di bawah kurva adalah satu.
Kurva normal tergantung pada nilai  dan  -nya. Jika  makin besar,
maka kurvanya bersifat platikurtik (datar), dan jika  kecil, maka
kurvanya adalah runcing (leptokurtik).
Bab 4. Distribusi Normal 45
Luas di Bawah Kurva Normal
Misalkan suatu sebaran peluang kontinu yang berada diantra x = x 1 dan

x = x2, peluangnya dinyatakan dengan P (x1 < X < x2 ) dan besarnya
adalah sama dengan luas wilayah dibawah kurva normal yang dibatasi
oleh kedua nilai x tersebut. Luas di bawah kurva diantara x 1 dan x2
juga sangat tergantung pada nilai-nilai  dan .
x1  x2
Untuk mengubah distribusi normal umum menjadi distribusi normal
baku, dilakukan dengan mentransformasi ke satuan baku atau nilai Z.
X - 
 Z  


Empiricial Rule
68% data berada diantara  - s dan  + 
95% data berada diantara  - 2 dan  + 2
99.7% data berada diantara  - 3 dan  + 3








Setelah kita memiliki distribusi normal baku yang diperoleh dari
distribusi normal umum, maka daftar distribusi normal baku dapat
digunakan (tabel Z).
Caranya ialah :
1. hitunglah Z hingga dua desimal.
2. secara sederhana gambarkan kurvanya
3. letakkan harga Z pada sumbu mendatar, lalu tarik garis vertikal

hingga memotong kurva.
4. sebagian tabel menyajikan bahwa luas yang tertera dalam daftar
adalah luas antara garis dengan titik 0 (nilai tengah atau rata-rata).
(Juga terdapat tabel yang dimulai dari yang paling negatif (kiri) ke
nilai yang makin besar secara kumulatif)
5. Dengan mencari koordinat desimal pertama dan desimal kedua,
maka dalam Tabel Z akan ditemukan angka, yang menyatakan luas
dibawah kurva tersebut, dan sekaligus merupakan besar
peluangnya.
Dari contoh di atas, maka masing-masing nilai x1 dan x2 ditransformasi
ke bentuk Z (standard).
X1 -  X2 - 
Z1  
dan Z2  
Dengan demikian,
 
P (x1 < X < x2) = P (Z1 < Z < Z2).
CONTOH 1 : Peluang atau luas area di bawah kurva Z
Diketahui  = 50 dan  = 10. Hitunglah peluang X yang berada

45 - 50
diantara nilai 45 dan 62. Nilai Z1   0,5 dan
10
62 - 50
Z2   1,2
10
Secara grafis dinyatakan pada gambar berikut.
- 0,5 0 1,2
Dengan demikian P (45 < X < 62 ) = P ( -0,5 < Z < 1,2)
= P ( Z < 1,2 ) - P (Z < - 0,5 )
= 0.8849 - 0.3085
= 0.5764.
CONTOH 2 : Luas Area Lebih Besar dari X Tertentu
 = 300 362 X
Sebaran normal dengan  = 300 dan  = 50, hitunglah peluang bahwa

peubah acak X lebih besar dari 362. Nilai yang diinginkan adalah
daerah di sebelah kanan x = 362 atau P (X > 362).
Hasil transformasi nilai X menjadi nilai Z adalah sebagai berikut :
362 - 300
Z   1,24
50
Dengan demikian P ( X > 362 ) = P/ (Z > 1,24)
= 1 - P ( Z < 1,24 )
= 1 - 0.8925 = 0.1075
Contoh 3. (Menghitung nilai X jika peluangnya diketahui)

Sebuah distribusi normal dengan  = 40,  = 6. Hitunglah nilai x jika
luas daerah pada nilai yang paling tinggi adalah 5 %. Jika luas di kanan
= 0,05, maka luas di sebelah kiri adalah 0,95. Dimana dari tabel dapat
dilihat, luas 0.95 bersilangan dengan nilai Z sebesar 1,645. Sehingga
dapat dituliskan :
P (Z < 1,645) = 0.95. Dengan nilai Z tersebut, maka nilai X adalah :

X - 40
Z   1,645 ; 6* 1,645 = X - 40. x = 49.87.
6
Maka nilai X adalah 49,87.
Pendekatan Normal terhadap Sebaran Binomial
Dalam sebaran binomial, nilai parameternya dapat di hitung, yakni :

 = n. p
= n. p.q
dengan demikian, nilai bakunya dapat dihitung dengan nilai Z :
X - np
Z
n. p.q
CONTOH 3 : Luas Area Lebih Kecil dari X Tertentu

Peluang seorang pasien dapat sembuh adalah 0,6. Bila 100 orang
diketahui menderita penyakit ini perapa peluang kurang dari separuh
(49,5) akan sembuh?
 = n. p = 100. 0,6 = 60
 = n. p.q  100.0,6.0,4  4,9

peluang sembuh adalah disebelah kiri X = 49,5. Dan nilai Z padanan
X adalah :
49,5 - 60
Z   2,14
4.9
49,5 60 X atau
- 2,14 0 Z
Dengan demikian P ( X < 50 ) = P (Z < - 2,14 ) = 0.0162

PRAKTIKUM
1. Hitung luas daerah kurva normal standar yang terletak di:

a. P (0  Z  1)
b. P (-1,42  Z  0,28)
c. P (1,75  Z  2,55)
d. P (Z  1,27)
e. P (Z  -2,11)
f. P (Z  -0,78)
2. Hitung nilai Z, apabila :

a. Luas kurva normal antara 0 dan Z adalah 0,4761
b. Luas kurva normal ke kiri dari Z adalah 0,6700
c. Luas kurva normal ke kiri dari –Z adalah 0,1736
d. Luas kurva normal ke kanan dari –Z adalah 0,5948
e. Luas kurva normal ke kanan dari Z adalah 0,0075
f. Luas kurva normal antara –Z dan Z adalah 0,7198
3. Given the TOEFL scores are normally distributed with  = 525 and =
105, answer the following questions :
a. If a person achieved a TOEFL scores of 550, what proportion (or
peercentage) of people would have higher TOEFL scores?
b. What TOEFL scores would determine the middle 50% of the
distribution? (in other word, 25% above and 25% below the mean)
4. EDSUS Market adalah salah satu swalayan terbesar dan terlengkap di

kota Tanjung Pinang. Oleh karena itu tidak mengherankan jika
setiap hari swalayan tersebut selalu dipadati oleh konsumen yang
ingin berbelanja kebutuhan sehari-hari. Rata-rata setiap konsumen
mengeluarkan Rp. 50.000,- setiap kali berbelanja dengan deviasi
standar sebesat Rp. 12.000,-. Selama bulan Desember, perusahaan
memberikan potongan harga kepada konsumen dengan ketentuan
sebagai berikut:
 35% dari jumlah nominal belanja terkecil akan diberi potongan
harga sebesar 10%
 10% dari jumlah nominal belanja terbesar akan diberi potongan
harga sebesar 20%
 Sisanya akan diberi potongan harga sebesar 15%
Dengan menggunakan pendekatan distribusi normal, anda diminta:

a. Menentukan batasan jumlah nominal pembelian untuk masing-
masing kriteria potongan harga!
b. Perusahaan juga menetapkan bahwa 75% dari nominal belanja
terbesar akan diberikan hadiah langsung berupa sebuah gelas
cantik. Apabila Tuan Edlyn, salah seorang konsumen EDSUS
Market berbelanja sebesar Rp. 40.000,-, tentukanlah apakah ia
akan memperoleh hadiah gelas cantik tersebut? Jelaskan jawaban
anda melalui perhitungan!
5. Sebuah mesin menghasilkan kaleng minuman ringan berukuran

240ml. Berdasarkan data dari bagian produksi diketahui bahwa
terdapat lima dari 50 kaleng minuman ringan cacat atau rusak. Jika
diambil sampel sebanyak 200 kaleng minuman ringan dari proses
produksi yang sedang berjalan, tentukan probabilitas:
a. Yang rusak sebanyak 27 kaleng!
b. Yang rusak paling banyak 15 kaleng!
c. Yang rusak antara 23 dan 31 kaleng!
d. Yang rusak sekurang-kurangnya 18 kaleng!
6. Sebuah perusahaan elektronik terkemuka di dunia memiliki tujuh

pabrik yang berada di tujuh negara yang berbeda. Alasan pendirian
banyak pabrik di negara yang berdeda antara lain adalah
penghematan biaya, hukum dan budaya dari negara yang
bersangkutan. Ketujuh pabrik tersebut sama-sama memproduksi
televisi berukuran 21 inch dengan merek “YL”. Berikut adalah
jumlah produksi televisi 21 Inch tersebut dari ketujuh pabrik selama
satu hari:
Pabrik A B C D E F G
Produksi 150 200 300 175 275 145 200
Dengan menggunakan pendekatan kurva normal, anda diminta

untuk:
a. Menghitung probabilitas pabrik yang mampu menghasilkan
lebih dari 155 televisi per hari!
b. Mengelompokan pabrik-pabrik mana yang bekerja secara efisien
dan kurang efisien jika ditentukan persentase pabrik yang
bekerja secara efisien minimal sebesar 60% dan sisanya bekerja
kurang efisien!
7. Bapak Hansen adalah salah satu dosen statistika di STIE Kesatuan

Bogor. Dalam memberikan penilaian terhadap kelas yang diasuhnya,
beliau menggunakan pendekatan distribusi normal. Berdasarkan
hasil ujian dari beberapa mahasiswa, diperoleh nilai rata-rata
mahasiswa sebesar 70 dengan variansi sebesar 49.
a. Jika batas untuk memperoleh nilai B adalah 68  nilai  79 dan
yang memperoleh nilai B sebanyak 20 orang. Tentukan berapa
orang peserta ujian mata kuliah Bapak Hansen!
b. Jika nilai A diperoleh dengan nilai minimal 80, berapa orang
yang memperoleh nilai A dari 50 orang yang mengikuti ujian?
c. Jika terdapat 15 orang yang tidak lulus dari 60 mahasiswa yang
mengikuti ujian, berapa nilai maksimal untuk tidak lulus?
Tabel Distribusi Normal
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
BAB 5
PENDUGAAN PARAMETER
PENGANTAR :
Bab 6 ini membahas tentang Pendugaan

Parameter. Parameter yang dimaksud adalah
Rata-rata Populasi, Proporsi Populasi dan
Standard Deviasi Populasi.
KOMPETENSI :

diharapkan adalah :
Pendugaan Rata-rata
Pendugaan Proporsi
1 CONTOH 1 : Interval Konfidensi
Suatu sample survai yang dilaksanakan di kota X tahun 2005

menunjukkan bahwa dari 300 keluarga pengeluaran rata-rata untuk
pembelian bahan makanan adalah Rp 39.430,00 dengan deviasi
standar Rp 4.150,00.
a. Buatlah interval konfidensi 99% utnuk rata-rata pengeluaran
pembelian bahan makanan dari seluruh keluarga.
b. Apa yang dapat kita katakan tentang besarnya kesalahan
maksimum dengan probabilitas 95% jika X = Rp 39.450,00
digunakan sebagai penduga rata-rata pengeluaran untuk
pembelian bahan makanan seluruh keluarga.
JAWAB
n = 300 X = Rp 39.430,00 S = Rp 4.150,00
a. Interval konfidensi 99% untuk rata-rata pengeluaran pembelian
bahan makanan dari seluruh keluarga.
Z
-2,58 0 -2,58
  
Dengan interval konfidensi 99% : -2,58 <  2,58
S/ n
S S
Rumus :   2,58      2,58
n n
4.150 4.150
39.430 – 2,58    39.430  2,58
300 300
39.430 – 618,17    39.430  618,17

Rp 38.811,83    Rp40.048,17
(dibulatkan Rp 38.810,00    Rp40.050,00 )
Bab 5.Pendugaan Parameter 55
b. Apabila  = Rp39.430,00 digunakan sebagai “point

estimation” untuk rata-rata pengeluaran pembelian bahan
makanan seluruh keluarga, maka besarnya kesalahan (error)
maksimum pada tingkat probabilitas 95% adalah :
4.150
  1,96   Rp469,63
300
Besarnya kesalahan maksimum kurang dari Rp 469,63.
(dibulatkan Rp 470,00).
2. CONTOH 2 : Interval Konfidensi

n = 50   49,56 mm S = 4,682 mm
Interval konfidensi 95% untuk rata-rata pertumbuhan tahunan yang
sesungguhnya dari jenis cactus tersebut :
S S
Rumus :   2,01      2,01
n n
4,682 4,682
49,56  2,01    49,56  2,01
50 50
49,56 1,331    49,56 1,331
48,229 mm    50.891 mm
PERHITUNGAN DENGAN EXCEL

A` B C
1 Jumlah Sampel 50
2 Rata-rata 49.560
3 Standard Deviasi 4.682
4 Menghitung t tabel
5 alpha (2 arah=5%) 5.0%
6 t tabel 2.01 =TINV(C6,B1-1)
7 Standard Error of Estimate 0.662 =B3/SQRT(B1)
8 Error pendugaan 1.331 =+B6*B7
9
10 Lower Limit 48.229 =B2-B8
11 Upper Limit 50.891 =B2+B8
PERHITUNGAN DENGAN SPSS (data mentah: n = 50)

Dalam SPSS, pendugaan interval diperoleh dari T Test.
Output SPSS adalah sbb.:
T-Test
One-Sample Statistics
Std. Std. Error

N Mean Deviation Mean
VAR00001 50 49.5600 4.68240 .66219
One-Sample Test
Test Value = 0
95% Confidence
Interval of the
Sig. Mean Difference
t df (2-tailed) Difference Lower Upper
VAR00001 74.842 49 .000 49.56000 48.2293 50.8907
3 CONTOH 3 : Pendugaan Interval beda dua rata-rata
Dinyatakan bahwa suatu metode diet baru akan dapat mengurangi

berat badan seseorang rata-rata 4,5 kg dalam periode dua minggu.
Berat badan 7 wanita yang mengikuti diet tersebut dicatat sebelum
dan sesudah dua minggu, hasilnya adalah :
1 2 3 4 5 6 7
Berat sebelum 58,5 60,3 61,7 69,0 64,0 62,6 56,7
Berat sesudah 60,0 54,9 58,1 62,1 58,5 59,9 54,4
Hitunglah interval konfidensi 95% untuk perbedaan rata-rata berat

badan sebelum dan sesudah diet. Diasumsikan bahwa distribusi
berat badan mendekati normal.
PENYELESAIAN
Interval konfidensi untuk   1  2 untuk observasi
berpasangan.
Berat Berat
Wanita d d2
Sebelum Sesudah
1 58,5 60,0 -1,5 2,25
2 60,3 54,9 5,4 29,16
3 61,7 58,1 3,6 12,96
4 69,0 62,1 6,9 47,61
5 64,0 58,5 5,5 30,25
6 62,6 59,9 2,7 7,29
7 56,7 54,4 2,3 5,29
Jumlah 24,9 134,81
Rumus : 

Sd Sd
d  t     d  t 
;n1
2 n 2
;n1 n
d
d 1
n
nd 12  d1
2
Sd 
nn  1
24,9
d  3,557
7
7.134,81  24,92
Sd   2,776
7(7  1)
t0,025;6  2,447
Interval konfidensi 95% : 

2,776 2,776
3,557  2,447  D  3,557  2,447
7 7
3,557  2,567   D  3,557  2,567
0,99 kg < D < 6,124 kg
DENGAN SPSS :
T-Test
Paired Samples Statistics
Std. Std. Error

Mean N Deviation Mean
Pair Sebelum 61.8286 7 4.00987 1.51559
1 Sesudah 58.2714 7 2.79089 1.05486
Paired Samples Correlations
N Correlation Sig.
Pair 1 Sebelum & Sesudah 7 .722 .067
Paired Samples Test
Paired Differences
95% Confidence
Std. Interval of the
Std. Error Difference Sig.
Mean Deviation Mean Lower Upper t df (2-tailed)
Pair 1 Sebelum - Sesudah 3.55714 2.77600 1.04923 .98977 6.12452 3.390 6 .015
sa
ma
CONTOH 4: Perbandingan interval konfidensi yang berbeda

6 Buatlah interval konfidensi 95%, 98%, dan 99% untuk nilai mean
populasi n = 15  = Rp 42.550,00 s = Rp 5.340,00
 Interval konfidensi 95% :
S S
  t0,025;14      t 0,025;14
n n
5340 5340
42.550  2.145    42.550  2.145
15 15
42.550  2.957,50    42.550  2.957,50

Rp 39.592,50 <  < Rp 45.507,50

S S
  t 0,01;14      t 0,01;14
n n
5.340 5.340
42.550  2.624    42.550  2.624
15 n
42.550  3.617,90    42.550  3.617,90

Rp 38.932,10 <  < Rp 46.167,90

S S
  t 0,005;14      t0,005;14
n n
5.340 5.340
42.550  2.977    42.550  2.977
15 15
42.550  4.104,60    42.550  4.104,60
Rp 38.445,40 <  < Rp 46.654,60
CONTOH 5: Stratified Random Sampling
Sampel random sebanyak 100 butir telur telah diambil dari 1000 butir
telur yang dikirim dari daerah A ke kota B. Dari sampel tersebut
diketahui 18 di antaranya pecah atau rusak. Hitunglah interval
konfidensi 95% untuk proporsi telur yang pecah atau rusak dari 1000
telur tersebut.
Penyelesaian:
N = 1000
n = 100
X = 18
Nn
Digunakan penyesuaian =
N 1
Rumus :

       

 n 1 n N n 
  1  N  n
    
 P    n n

N 1 N 1
 
n 2
n n 2
n
Interval konfidensi 95% untuk proporsi telur yang pecah/rusak dari

1000 telur.
 1,96 18.10082 /100 1000  100  P   1,96 18.10082 /100 1000  100
18 18
100 100 1000  1 100 100 1000  1
0,18 – 0,07 < P < 0,18 + 0,07

0,11 < P < 0,25
PRAKTIKUM
1 Suatu studi tentang pertumbuhan dari tanaman cactus jenis tertentu
menunjukkan bahwa dari 50 tanaman yang dianggap sebagai
sampel rata-rata tumbuh 44,8 mm dengan deviasi standar 4,7 mm
selama jangka waktu 12 bulan. Buatlah interval konfidensi 95%
untuk rata-rata pertumbuhan tahunan yang sesungguhnya dari
jenis cactus tersebut.
2 Sampel random sebanyak 40 drum bahan kimia ditarik dari 200

drum bahan kimia, mempunyai berat rata-rata 240,8 pound dengan
deviasi standar 12,2 pound. Jika diduga bahwa berat rata-rata dari
200 drum bahan kimia tersebut adalah 240,8 pound, dengan
probabilitas 95% apa yang dapat diperkirakan tentang besarnya
kesalah dari pendugaan tersebut?
3 Untuk mengetahui waktu rata-rata yang diperlukan untuk merakit

suatu alat mekanis tertentu, telah dilakukan perhitungan
berdasarkan sample 6 perkiraan dengan waktu masing-masing 13,
14, 12, 16, 12, dan 11 menit. Buatlah interval konfidensi 95% untuk
waktu rata-rata yang sesungguhnya untuk merakit alat mekanis
tersebut.
4 Sebuah sampel berupa 10 pengukuran diameter balok kayu,

menunjukkan rata-rata diameter X = 43,8 cm dengan deviasi standar
s = 0,6 cm. Hitunglah interval konfidensi 95% untuk rata-rata
diameter yang sesungguhnya.
5 Sampel random terdiri 50 nilai matematika yang ditarik dari 200
nilai matematika, menunjukkan rata-rata 75 dan deviasi standar 10.
a. Buatlah interval konfidensi 95% untuk rata-rata dari 200 nilai
matematika tersebut.
b. Apabila dikatakan bahwa rata-rata dari 200 nilai matematika
tersebut adalah 5 ± 2, tentukan tingkat konfidensinya.
6 Buatlah interval konfidensi 95%, 98%, dan 99% untuk nilai mean
populasi berdasarkan masing-masing random sampel sebagai
berikut :
a. n = 15  = Rp 42.550,00 s = Rp 5.340,00
b. n = 8  = 127,4 ton s = 26,2 ton
c. n = 25  = 126,34 cm s = 8,21 cm
7 Dalam suatu eksperimen yang dilaksanakan untuk menentukan
daya hidup rata-rata dari suatu alat elektronik, sampel random
sebanyak 36 buah menghasilkan rata-rata daya hidup 847 jam
dengan deviasi standar 53 jam. Apabila rata-rata daya hidup
seluruh alat elektronik tersebut diduga dengan menggunakan mean
sampel (847 jam), dengan tingkat probabilitas berapa besarnya
kesalahan (error) kurang dari 14 jam.
8 Seorang expert masalah efisiensi ingin menentukan waktu rata-rata
yang diperlukan oleh seorang ibu rumah tangga untuk menyeterika
sebuah gaun. Berapa sampel yang ia perlukan apabila dengan 98%
mean sampel akan berbeda dengan mean yang senyatanya tidak
lebih dari 20 sekon? Diasumsikan bahwa berdasarkan studi-studi
yang pernah dilakukan diduga bahwa besarnya deviasi standar σ =
100 sekon.
9 Stratified random sampel dengan ukuran n = 33 dialokasikan secara

proporsional ke dalam 4 stratum dari populasi terbatas yaitu N1 =
200, N2 = 600, N3 = 1000, N4 = 400 dengan deviasi standar σ1 = 2,0,
σ2 = 2,5, σ3 = 1,5, σ4 = 3,0 m.
a JIka mean dari sampel ini digunakan untuk menduga mean

populasi, apa yang dapat kita perkirakan tentang besarnya
kesalahan maksimum dengan
probabilitas 95%.
b. Jika mean dari sampel tersebut adalah 117,39 cm hitunglah
interval konfidensi
99% untuk mean populasi.
10 Tingkat IQ dari random sampel 200 murid SLTA dari populasi

sebesar 800 murid SLTA di kota A diketahui mempunyai mean 107
dan deviasi standar 12,4. Hitunglah interval konfidensi 95% untuk
rata-rata IQ dari 800 murid SLTA di kota A tersebut.
11 Sebuah sampel random terdiri dari 250 murid SLTA di kota A, 165
murid mengatakan bahwa mereka mengharapkan dapat
melanjutkan studinya ke Perguruan Tinggi Negeri. Hitunglah
interval konfidensi 99% tentang besarnya maksimum error.
12 Dari random sampel sebanyak 600 wanita yang berumur 21 tahun

ke atas di kota B telah diwawancarai, 378 orang diantaranya
mengatakan bahwa mereka bekerja baik fulltime maupun part time.
Jika 378/600 digunakan sebagai penduga proporsi yang
sesungguhnya, apa yang dapat dikatakan dengan probabilitas 95%
tentang besarnya maksimum error.
13 Seorang pengusaha pabrik sepatu merasa bahwa rencana

pengurangan upah sebesar 5% mungkin tidak akan disetujui oleh
para buruhnya. Jika dari random sampel dengan ukuran 60 yang
diambil dari 300 orang buruhnya hanya 18 orang yang dapat
menerima pengurangan upah 5% tersebut, hitunglah interval
konfidensi 95% untuk proporsi buruh yang menyetujui
pengurangan upah 5% dari seluruh buruhnya.
14 Suatu survai melaporkan bahwa 6% dari suatu sampel random

sebanyak 1.800 keluarga di wilayah pedesaan di pulau Jawa
merencanakan akan bertransmigrasi ke luar pulau Jawa. Hitunglah
interval konfidensi 90% untuk memperkirakan jumlah keluarga
yang akan bertransmigrasi untuk populasi yang berjumlah
20.000.000 keluarga. Interpretasikan ramalan ini.
15 Dalam suatu penelitian ingin dicari berapa waktu rata-rata

dibutuhkan seorang buruh menyelesaikan suatu pekerjaan. Berapa
banyak sampel dibutuhkan agar dapat ditentukan dengan
probabilitas 0,98 bahwa mean sampel berbeda dengan kurang dari
10 menit dari mean yang benar. Diketahui dari pengukuran-
pengukuran lain bahwa deviasi standar adalah σ = 60 menit.
16 Suatu survai direncanakan untuk menyelidiki pengeluaran rata-rata

tiap keluarga untuk pembelian sabun cuci. Suatu pilot study
menghasilkan estimasi deviasi standar sebesar Rp 45,00. Berapa
keluarga yang harus diambil sebagai sampel agar supaya hasil
survai ini dengan probabilitas 95% tidak salah lebih dari Rp 8,00.
17 Misal kita ingin menduga persentase dari para pengemudi yang

menjalankan mobilnya melebihi kecepatan maksimum yang
diijinkan di route ramai antara kota A dan kota B.
a. Berapa besar sampel yang kita perlukan apabila dengan
probabilitas 99% proporsi yang sesungguhnya akan
menyimpang kurang dari 4%.
b. Jika berdasarkan alasan-alasan tertentu dipercayai bahwa
sedikitnya 60% dari para pengemudi melampaui batas
maksimum kecepatan, bagaimana efeknya terhadap besar
sampel yang diperlukan?
18 Apabila kita beranggapan bahwa proporsi pemilik taxi di kota X

adalah 0,15, berapa besarnya sampel yang kita perlukan untuk
mendapatkan interval konfidensi 95% yang tidak lebih lebar dari
0,06. Andaikan proporsi pemilik taxi itu dianggap 0,20, berapa
besarnya sampel yang harus digunakan.
19 Sampel random sebanyak 150 buah bola lampu merk A

menunjukkan daya hidup rata-rata 1.400 jam dengan deviasi
standar 120 jam. Sampel random lain sebanyak 200 buah bola lampu
merk B mempunyai daya hidup rata-rata 1.200 jam dengan deviasi
standar 80 jam. Hitunglah interval konfidensi 95%, dan 99% untuk
perbedaan rata-rata daya hidup dari populasi bola lampu kedua
merk itu.
ASSIGNMENT (take home test = 10 %)

1. Pemerintah Daerah Yogyakarta ingin mendata tentang rumah kost,
sebagai upaya untuk peningkatan pendapatan hasil daerah. Dari
230 rumah kost yang di data ternyata sewa perkamarnya rata-rata
Rp 270 ribu dengan standar deviasi sebesar Rp 36 ribu. Dengan
menggunakan tingkat kepercayaan 95%, buatlah interval keyakinan
untuk biaya sewa kost di Yogyakarta.
2. Bagi pemerintah daerah Kalteng sangatlah sulit untuk
mendapatkan data dari seluruh penduduk yang sangat tersebar.
Pemerintah ingin mengetahui berapa interval penduduk yang tidak
tamat SMU. Survei di beberapa tempat terhadap 500 orang ternyata
130 orang tidak tamat SMU. Dengan tingkat kepercayaan 99%,
buatlah interval proposi penduduk yang tidak tamat SMU tersebut.
3. Dirjen pajak ingin mengetahui beberapa interval dari beban pajak
setiap rumah tetangga. Untuk kepentingan tersebut di ambil
sampel 25 orang dari 500 orang yang membayar pajak pada tanggal
24 Agustus 2003. dari sampel di ketahui bahwa rata-rata pajak yang
di bayar adalah 2,4 juta dengan standar deviasi 0,46 juta. Dengan
tingkat kepercayaan 95%, buatlah interval pembayaran pajak
tersebut!
4. Pemerintah DKI Jakarta mengadakan program peningkatan usaha
kecil dan menengah dalam rangka peningkatkan pendapatan
golongan ekonomi lemah. Untuk mengetahui apakah proyek ini
berhasil atau tidak, maka akan di bedakan antara orang yang
mengetahui proyek dan tidak. Pendapatan 13 orang dari 67 peserta
yang ikut proyek sebesar 1,2 juta per bulan dengan standar deviasi
sebesar 0,2 juta. Sedang pendapatan 5 orang dari 34 orang non
peserta 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.
5. PT CNI ingin mengetahui jumlah rata-rata hari perjalanan pertahun
dari tenaga pemasaran sebagai dasar dari penentuan prestasinya.
Hasil sementara menunjukan rata-rata perjalanan 150 hari dengan
standar deviasi 14 hari. Berapa sampel pramuniaga yang harus di
ambil, apabila di inginkan kesalahan yang di toliler adalah 2 hari
dan tingkat keyakinan 99%?
BAB 6
UJI HIPOTESIS DENGAN UJI - T
PENGANTAR :
Bab 6 ini membahas tentang Pengujian Hipotesis,

Secara manual, Anda dapat mengikuti contoh
yang disajikan baik dengan cara manual, Excel dan
juga dengan SPSS. Latihan yang diberikan sangat
banyak, atinya bagian ini sangat penting dan Anda
memiliki kesempatan yang cukup untuk benar-
benar mahir dalam bab ini. Dengan mengetahui
Uji Hipotesis dengan Uji T (pada Excel dan SPSS),
Anda juga sekaligus memperoleh Deskripsi data
(Mean, Standard Deviasi), Interval Confidence
(Interval pendugaan) dan sekaligus uji hipotesis
itu sendiri. Jadi Uji T ini dirancang sedemikian
praktis.
Untuk tujuan penguasaan bidang ini, Anda
memperoleh data yang sangat kaya, baik Uji satu
Sampel (Excel dan SPSS) dan juga Uji Dua Sampel
(Excel danSPSS)
KOMPETENSI :
diharapkan adalah :
Pengujian Hipotesis Satu Sampel, dengan Manual,
Excel & SPSS
Pengujian Hipotesis Satu Sampel, dengan Manual,
Excel & SPSS
1 CONTOH 1 : Uji T
Sampel random sebanyak 30 kaleng “susu bubuk instant Frisian
Flag” dengan label “berat bersih 400g,” mempunyai berat bersih
rata-rata 398 kg dengan deviasi standar 6. Apakah hasil pengukuran
ini memungkinkan untuk menolak hipotesis  = 400 g, jika
pengujian dilakukan dengan hipotesis alternative  < 400 g pada
taraf signifikasi 0,01?
Jawaban dengan Manual
a. Formulasi hipotesis nihil dan hipotesis alternative :

H0 :  = 400 g
H1 :  < 400 g
b. Taraf signifikansi 0,01 – Pengujian satu sisi kiri. Nilai Z0,01 = -
2,33
c. Kriteria pengujian : H0 diterima apabila Z  - 2,33
H1 ditolak apabila Z < - 2,33
Daerah Daerah
tolak terima
- 2,33 0 Z
d. Perhitungan nilai Z =
  0 398  400   2
 =   1,826
S/ n 6 / 30 1,095
e. Kesimpulan :
Nilai Z hitung (-1,826) lebih besar daripada nilai Z table (-2,33),
maka hipotesis nihil diterima. Tidak cukup alasan untuk
menolak bahwa  = 400 g pada taraf signifikansi 0,01.
Bab 6. Uji Hipotesis dengan Uji t 67
Jawaban dengan Excel
CONTOH 2 : Uji T Data Mentah dengan Excel dan SPSS

Produksi rumput gajah dari 6 plot percobaan adalah
1,4,1,8,1,1,1,9,2,2,dan 1,2 ton per acre. Dengan taraf signifikasi 0,05
apakah angka-angka tersebut mendukung anggapan bahwa rata-
rata produksi rumput gajah adalah 1,5 ton per acre.
Penyelesaian Dengan Spss:

1. Masukkan data dalam SPSS Data Editor
2. Klilk: ANALYZE – COMPARE MEANS – ONE SAMPLE T TEST
3. Klik Variabel Produktivitas ke kotak : Test Variable(s)
4. Isikan Test Values dengan angka yang ingin diuji yakni 1.5
5. Klik OK
T-Test
One-Sample Statistics
Std. Std. Error

N Mean Deviation Mean
Produktivitas 6 1.6000 .43359 .17701
One-Sample Test
Test Value = 1.5
95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
Produktivitas .565 5 .597 .10000 -.3550 .5550
Jika Disajikan dengan data mentah seperti ini, maka penyelesaiand

dengan excel harus menghitung rata-rata, standard deviasi yang
diperlukan.
Panduan Penyelesaian dengan Excel:
A B C D E F
1 Plot Prod'tas Formula
2 1 1.4 Jumlah Data 6 =COUNT(B2:B7)
3 2 1.8 Rata- rata sampel 1.60 =AVERAGE(B2:B7)
4 3 1.1 Standard deviasi 0.43 =STDEV(B2:B7)
5 4 1.9 Standard Error of Mean 0.18 =E4/SQRT(E2)
6 5 2.2 Dugaan Populasi 1.50
7 6 1.2 t- hitung 0.565 =(E3 - E6)/E5
8 Probabilitas 0.597 =TDIST(E7,E12,2)
9
10 Mencari t- tabel
11 tingkat signifikansi 5%
12 degree of freedom 5 =E2- 1
14 t- tabel 2.015 =(TINV(E10*2,E11))
Terima =IF(ABS(E7)<ABS(E12
15 Keputusan Ho ),
"Terima Ho","Tolak
16 Ho")
3. CONTOH 3 : Uji Hipotesis Beda Dua Rata-Rata
Dalam suatu survai buying habit, dipilih secara random 400 wanita
yang berbelanja di supermarket A yang berlokasi di bagian kota
tertentu. Rata-rata pengeluaran untuk pembelian bahan makanan
per minggu adalah Rp 20.000,00 dengan deviasi standar Rp 6.000,00.
Sedang dari sampel random lain yang terdiri dari 400 wanita yang
berbelanja di supermarket B di bagian lain kota tersebut, rata-rata
pengeluaran untuk pembelian bahan makanan adalah Rp 16.000,00
dengan deviasi standar Rp 7.500,00. Dengan alpha 0,05 ujilah
hipotesis nihil bahwa rata-rata pengeluaran untuk pembelian bahan
makanan dari dua populasi dari mana sampel tersebut diambil
adalah sama.
Uji hipotesis harga perbedaan antara dua mean :

a. H0 :  A = atau  A-  B = 0
H1 :  A  atau  A-  B  0
b. Nilai Z0,025 = 1,96
c. H0 diterima apabila : -1,96  Z  + 1,96;
H0 ditolak apabila : Z > 1,96 atau Z < -1,96
d.  
 A   B    A   B 
=
S2 S2
A
 B
n A nB
20.000 16.000  0  4.000  8,329
6000 2 7500 2 480.23

400 400
e. Kesimpulan: Oleh karena Z hitung (8,329) lebih besar daripada Z

table (1,96) maka hipotesis nihil ditolak. Rata-rata pengeluaran
untuk pembelian bahan makanan para wanita yang berbelanja
di kedua supermarket itu berbeda nyata pada alpha 0,05.
4. CONTOH 4 : Paired T Test (Uji Beda Berpasangan)

Skor efisiensi dari 16 pekerja bagian skor produksi sebelum (X1) dan
sesudah (X2) pelaksanaan pendidikan keterampilan disaijakn pada
tabel di bawah ini. Dengan taraf signifikansi 0,02 ujilah hipotesis
nihil yang mengatakan bahwa skor efisiensi sebelum dan sesudah
menjalani pendidikan keterampilan adalah sama.
Penyelesaian dengan Manual

Skor sebelum Skor sesudah Perbedaan
Pekerja (X1) (X2) d = X 2 – X1 d2
A 75 80 5 25
B 83 90 7 49
C 96 92 -4 16
D 77 75 -2 4
E 81 86 5 25
F 90 90 0 0
G 82 81 -1 1
H 67 70 3 9
I 94 89 -5 25
J 85 88 3 9
K 78 82 4 16
L 82 79 -3 9
M 96 91 -5 25
N 80 90 10 100
O 87 78 -9 81
P 81 89 8 64
16 458
d  16 d 2  458
d 16
d   1,0
n 16
d2  d / n 458  16 /16

2 2
442
Sd   
n 1 15 15
 
= 29,47  5,43
Penyelesaian dengan Excel
Klik: Data  Data Analysis  t-test: Paired Two Sample for Means OK
Kemudian Input data

Tetapkan Alpha: 0.02 (sesuai dengan lefel of confidence yang
ditetapkan dalam soal sebesar 98%)
Langkah Penyelesaian:
Klik :
 Data
 Data Analysis (Enter)
 T-Test: Paired Two Samples for Means
 OK
 Input Data yang diminta
 Tetapkan alpha : 0,02
 OK
Hasilnya sebagaimana tertera beikut ini
Diperoleh hasil sebagai berikut:
t- Test: Paired Two Sample for Means

Sesudah Sebelum
Mean 84.375 83.375
Variance 43.717 61.717
Observations 16 16
Pearson Correlation 0.731
Hypothesized Mean Difference 0
df 15
t Stat 0.7369
P(T<=t) one-tail 0.2363
t Critical one-tail 2.2485
P(T<=t) two-tail 0.4726
t Critical two-tail 2.6025
a. H0 : 1  2 atau d  0(D  0)
H1 : 1  2 atau d  0(D  0)
b. Nilai t0,01;15 = 2,602
(degree of freedom adalah n- 1 = 16 – 1 = 15
c. H0 diterima apabila : - 2,602  t  2,602

H0 ditolak apabila : t > 2,602 atau t > -2,602
d 1,0 1
d. t     0,74
Sd / n 5,43 / 16 1,36
e. Nilai t hitung (0,74) lebih kecil daripada t table (2,602). H0

diterima. Dapat disimpulkan bahwa pendidikan
keterampilan tidak mempunyai efek nyata (signifikan)
pada efisiensi produksi pada alpha 0,02.
Penyelesaian dengan SPSS
Klik: Analye – Compare Means – Paired Samples T Test
Input Variabel ke Paired Variables (After sebagai variabel 1)

Karena alpha yang ditetapkan adalah 2%, maka

Klik : Option dan tetapkan Confidence Interval sebesar 98%
Klik : Contnue, kemudian OK, dan diperoleh output berikut.
T-Test
Penjelasan:
 Rata-rata skor efisiensi kerja Sesudah pendidikan terlihat lebih
tinggi (84.375) dibandingkan dengan sebelum pendidikan (83.375).
 Hasil uji statistik pada  = 2% adalah 0.737, sedangkan t table: 2,602.
 Keputusan: H0 diterima. Bahwa pendidikan keterampilan tidak
mempunyai efek nyata (signifikan) pada efisiensi produksi pada
alpha 2%.
CONTOH 5 : Pendugaan Parameter Proporsi
Prof. A mengatakan bahwa 75% dari para mahasiswanya lebih

menyukai dibebani menulis tambahan book report daripada harus
mengambil ujian final. Untuk menguji pernyataan tersebut kemudian
diambil sampel random sebanyak 320 mahasiswa yang mengikuti
kuliah Prof. A dan ternyata 267 diantaranya lebih menyukai apabila
diberi beban menulis tambahan book report. Dengan taraf signifikansi
0,05 ujilah hipotesis nihil P = 0,75 dengan alternative P < 0,75.
Penyelesaian
a. H0 : P = 0,75
H1 : P > 0,75
b. Nilai Z0,05 = 1,64 (Pengujian satu sisi kanan).
c. H0 diterima apabila :
Z  1,64
H0 ditolak apabila :
Z > 1,64
Daerah Daerah
terima tolak
Z= 1,64
 267
d.   0,834375
n 320
0,834375  0,75 0,084375
   3,486
0,750,25 0,024206
320
e. H0 ditolak pada taraf signifikansi 0,05 karena Z hitung (3,486) lebih

besar daripada Z table (1,64). Mahasiswa lebih menyukai menulis
tambahan book report daripada harus mengambil ujian final lebih
dari 75%.
PRAKTIKUM
1 Dari catatan bagian pemasaran perusahaan listrik di suatu

kotamadya tertentu ternyata menunjukkan bahwa sebelum ada
perubahan tegangan dari 110 V menjadi 220 V,
konsumsi/pemakaian rata-rata untuk setiap langganan setiap bulan
adalah 84 Kwh. Setelah tegangan dirubah menjadi 220 V diadakan
suatu survai terhadap 100 langganan dan ternyata menunjukkan
suatu hasil yang meningkat yaitu konsumsi/pemakaian rata-rata
untuk setiap langganan setiap bulan adalah 86,5 Kwh dengan
deviasi standar 14 Kwh. Berdasarkan data tersebut ujilah pendapat
yang menyatakan bahwa perubahan tegangan tersebut mempunyai
pengaruh yang kuat didalam pertambahan pemakaian listrik di
kotamadya tersebut. Pergunakan alpha 5%.
2 Suatu proses produksi dapat menghasilkan rata-rata 12 unit setiap

jam. Suatu proses produksi yang baru dengan biaya yang lebih
mahal dianjurkan untuk digunakan. Tetapi proses produksi itu
hanya akan menguntungkan apabila dapat menaikkan rata-rata
produksinya menjadi lebih besar dari 15 unit setiap jamnya. Untuk
dapat mengambil keputusan, apakah akan menggunakan mesin
baru atau tidak, diadakan percobaan dengan 9 mesin baru, dan
ternyata menghasilkan rata-rata 16,5 unit untuk setiap jam dengan
deviasi standar 2,8 unit. Bagaimana keputusan yang harus diambil
bila dipergunakan taraf signifikasi 0,05?
3 Untuk memproduksi lampu pijar, suatu pabrik telah mencoba

menggunakan dua macam kawat listrik yang berbeda. Dari proses
pertama diambil sampel sebanyak 100. Rata-rata daya pakainya
adalah 1.200 jam dengan deviasi standar 120 jam. Dari sampel
sebanyak 100 pada proses kedua, rata-rata daya pakainya adalah
1.230 jam dengan deviasi standar 140 jam. Dengan taraf signifikansi
0,05 ujilah apakah produksi pada proses kedua mempunyai daya
pakai yang lebih lama?
4 Data di bawah ini menunjukkan jumlah penjualan dari sampel

random 9 salesman dari perusahaan pharmasi di kota A dan dari
sampel random 6 salesman dari perusahaan pharmasi di kota B
selama jangka waktu tertentu.
Kota A : 41, 47, 62, 39, 56, 64, 37, 61, 52
Kota B : 34, 63, 45, 55, 24, 43
Dengan level of significance 0,01 ujilah apakah perbedaan antara
mean kedua sampel tersebut signifikan?
5 Kita ingin menyelidiki apakah pemberian kredit candak kulak

kepada para pedagang kecil dapat meningkatkan pendapatan
mereka disbanding sebelum menerima kredit candak kulak.
Diambil sampel random 8 orang pedagang kecil yang menerima
kredit candak kulak untuk diwawancara. Hasilnya adalah sebagai
berikut :
Keuntungan yang diperoleh per hari

Pedagang Kecil
Sebelum Sesudah
A 200 250
B 400 390
C 350 400
D 250 350
E 250 300
F 150 200
G 450 600
H 500 600
Ujilah dengan taraf signifikansi 0,05 bahwa kredit candak kulak

dapat meningkatkan keuntungan para pedagang kecil yang
menerima kredit candak kulak.
6 Diinformasikan bahwa 30% dari siswa yang memasuki pendidikan

kejuruan tertentu akan dikeluarkan (drop out) selama atau sesudah
tahun pertama. Ujilah benar tidaknya informasi tersebut dengan
alternative bahwa angka drop out kurang dari 30%, apabila dari
sampel random 500 siswa yang memasuki pendidikan kejuruan
tersebut 124 drop out selama atau sesudah tahun pertama. Gunakan
taraf nyata 5%.
7 Pabrik mobil X mengatakan bahwa 35% dari semua mobil keluaran

tahun 1980 masih dalam kondisi berjalan baik pada tahun 1980
masih dalam kondisi berjalan baik pada tahun 1990. Untuk menguji
pernyataan tersebut kemudian diselidiki sampel random 800 mobil
X keluaran tahun 1980 dan ternyata yang masih berjalan baik tahun
1990 ada 257 buah. Dengan hipotesis alternative P  0,35 bagaimana
kesimpulannya bila dipergunakan taraf signifikansi 0,01?
8 Seorang ahli gizi berpendapat bahwa 75% dari murid-murid SD di

pedesaan daerah X menderita kekurangan gizi. Suatu sampel survai
telah dilaksanakan dengan meneliti 300 murid SD di pedesaan
daerah X. Dari sampel tersebut diketahui ada 206 anak yang
menderita kekurangan gizi. Dengan taraf signifikansi 0,01 ujilah
hipotesis nihil yang mengatakan bahwa P = 0,75 dengan hipotesis
alternative P < 0,75.
9 Suatu riset pemasaran yang dilakukan di kota Yogyakarta

menunjukkan bahwa dari random sampel 100 ibu rumah tangga, 68
di antaranya lebih menyukai susu bubuk cap Bendera daripada
susu bubuk cap Simona. Riset yang sama yang dilakukan di
Surakarta, 213 dari 300 ibu rumah tangga lebih menyukai susu
bubuk cap Bendera daripada cap Simona. Denagn taraf signifikansi
0,01 ujilah apakah perbedaan proporsi ibu rumah tangga yang
menyukai susu bubuk cap Bendera dari kedua kota itu bukan
karena factor kebetulan semata-mata.
10 Dalam sampel random yang diambil dari para wisatawan yang

mengunjungi candi Borobudur, diketahui 84 dari 250 wisatawan
laki-laki dan 156 dari 300 wisatawan perempuan membeli souvenir.
Gunakan taraf signifikansi 0,05 untuk menguji hipotesis nihil bahwa
tidak ada perbedaan antara proporsi populasi-populasi itu, dengan
hipotesis alternative P2 > P1.
11 Suatu riset yang terdiri dari soal-soal true-false sebaiknya jika siswa
dipisahkan dalam dua kelompok murid kurang pandai. Jika 205
dari 250 siswa kelompok pandai dan 137 dari 250 siswa kelompok
kurang pandai dapat menjawab soal test dengan benar, dengan
alpha 0,05 ujilah apakah untuk soal test yang demikian persentase
siswa yang menjawab benar secara keseluruhan 20% lebih tinggi
bagi siswa kelompok pandai disbanding siswa kelompok kurang
pandai.
12 Dalam suatu sampel random, banyak waktu yang diperlukan bagi

18 orang wanita yang mengikuti ujian tertulis SIM C mempunyai
deviasi standar waktu 2,1 menit. Ujilah hipotesis nihil bahwa  =
2,5 menit dengan alternative   2,5 menit pada alpha 0,05.
13 Periksa kembali soal 6 – 2. Ujilah hipotesis nihil bahwa  = 0,2 ton
per acre dengan alternative  > 0,2 ton per acre pada alpha 0,01.
14 Bagian keamanan suatu pabrik hendak mengetahui apakah rata-rata
waktu yang sebenarnya diperlukan oleh seorang penjaga malam
untuk mengelilingi pabrik tersebut adalah 25 menit. Jika dari
sampel random sebanyak 32 putaran, rata-rata diperlukan waktu
25,8 menit setiap putaran dengan deviasi standar 1,5 menit, dengan
alpha 0,05 ujilah hipotesis nihil bahwa  = 2,0 menit dengan
alternative  < 2,0 menit.
15 Misalnya kita ingin membandingkan deviasi standar kapasitas
batubara dalam menghasilkan panas dari dua tambang batubara.
Dari sampel yang diambil diperoleh data sebagai berikut (dalam
jutaan kalori per ton):
Tambang 1 : 8400, 8230, 8380, 7860, 7930
Tambang 2 : 7510, 7690, 7720, 8070, 7660
Dengan alpha 0,02 ujilah hipotesis nihil yang mengatakan bahwa
tidak ada perbedaan deviasi standar dari kedua populasi itu.
16 Dari kedua jenis mesin foto copy telah diteliti. Dari jenis mesin foto
copy 1 dari 60 kerusakan yang terjadi diperlukan waktu rata-rata
91,6 menit untuk memperbaikinya dengan deviasi standar 18,8
menit. Pada jenis mesin foto copy II dari 60 kerusakan yang terjadi
diperlukan waktu rata-rata 84,2 menit untuk memperbaikinya
dengan deviasi standar 19,4 menit. Dengan alpha 0,02 ujilah apakah
cukup alasan untuk menganggap bahwa variance kedua populasi
itu sama.
17 Seorang pengajar dalam mata pelajaran matematika mengajar di
dua kelas yakni kelas A dan kelas B. Kelas A mempunyai 16 siswa
dan kelas B mempunyai 25 siswa. Dari ujian yang diberikan,
walaupun tidak ada perbedaan yang signifikan dalam nilai rata-
rata, kelas A mempunyai deviasi standar 9 sedang kelas B
mempunyai deviasi standar 12. Dapatkah kita mengambil
kesimpulan bahwa pada taraf signifikansi (a) 1%, (b) 5%, variabilitas
kelas B lebih besar dari kelas A?
ASSIGNMENT (take home test = 10%)
1. PT Franca Indah Abadi merupakan perusahaan yang

memproduksi makanan non koresterol perusahaan ini
menjamin bahwa konsumen akan turun berat badanya sebanyak
1 kg selama 2 minggu. Dari 100 orang yang mengikuti program
ini ternyata rata-rata penurunan berat badan mencapai 0,8 kg
dan deviasi standar 0,23 kg. Dengan taraf nyata 5%, apakah
pernyataan dari perusahaan ini sebesar?
2. PT Graha Era merupakan perusahaan penjual aset berupa
perumahan di Jakarta Barat. Berdasarkan pada data tahun lalu
terlihat bahwa rata-rata penjualan dari 200 aset perumahan
adalah 90 hari dengan deviasi 15 hari, sedang pada tahun ini
penjualan 60 aset perumahan mencapai 130 hari dengan deviasi
35 hari. Dengan taraf nyata 5%, bahwa penjualan tahun ini lebih
lama 20 hari dari tahun lalu benar?
3. PT Bhakti Investama, perusahaan sekuritas yang relatif besar
menpunyai keyakinan bahwa investasinya 90%
menguntungkan. Terhadap 600 investasi pada tahun 2003 yang
di lakukan kurang lebih 30 manajer ternyata 550
menguntungkan. Dengan taraf nyata 5%, apakah keyakinan PT
Bhakti Investama tersebut benar?
4. Indofood menperkenalkan indomie rasa nusantara khas Jawa
Timur ada rasa rawon dan soto. Dari 1200 konsumen rasa
rawon, 1100 menyatakan suka, sedang 3000 rasa soto, 2500
menyatakan suka dengan taraf nyata 10% apakah proporsi
kedua rasa tersebut sama atau tidak?
5. Humas Universitas Mercu Buana menyatakan bahwa 75%
mahasiswa UMB dapat lulus tepat waktu. Pengmbilan secara
acak terhadap 600 orang ternyata 525 orang lulus tepat waktu.
Dengan taraf nyata 1% apakah pernyataan Humas UMB
tersebut benar?
BAB 7
ANOVA
PENGANTAR :
Bab 6 yang lalu, Anda sudah mempelajari metoda

pendugaan parameter, dan menguji hipotesis baik
uji satu sampel maupun uji dua sampel.
Bagaimana jika sampelnya 3 ke atas? Apabila
sampel sudah lebih dari dua, maka alat uji yang
digunakan adalah ANOVA.
Anova (Analysis of Varianvce) atau Analysis
Ragam bertujuan untuk menguji hipotesis untuk
apakah sejumlah variable memiliki mean yang
sama..
memperoleh data yang sangat kaya, baik soal
manual dan juga soal untuk prakek dalam bentuk
File Excel dan SPSS
KOMPETENSI :

diharapkan adalah :
Anova dengan manual, Excel dan SPSS
Memahami makna dari angka yang dihasilkan
oleh output SPSS
 ANOVA adalah Analysis of Variance atau analisis ragam

 Tujuan ANOVA adalah untuk menguji/mengetahui apakah ada perbedaan
(ragam) atau variasi antar 3 sampel atau lebih.
 Hipotesis dalam ANOVA dinyatakan dengan :
Ho : m1 = m2 = m3 artinya tidak ada perbedaan; syarat: Fhitung < Ftabel
H1 : m1 ≠ m2 ≠ m3 artinya ada perbedaan Fhitung > Ftabel
 Sumber keragaman terdiri atas 2 hal :
a. Perbedaan antar sample Between Groups
b. Perbedaan di dalam sample Within Groups
 Langkah-langkah menghitung nilai F adalah sbb:
1. Menghitung Sum Square of Treatment atau Between Group (SSB)
2. Menghitung Sum Square of Error atau Within Group (SSE)
3. Menghitung Sum Square of Total (SS)
4. Menentukan derajat bebas
a. Derajat bebas pembilang (numerator) atau : df1 = k – 1
b. Derajat bebas penyebut (denominator) atau: df2 = n – k
5. Menghitung nilai rata-rata:
Mean Square of Treatment (MST) = SST/df1
6. Menghitung nilai rata-rata:
Mean Square of Error (MSE) = SSE/df2
MST
7. Menghitung nilai F : F 
MSE
8. Kemudian : membandingkan dengan Ftabel
Sum of Squares df Mean Square F Sig.
Between Groups 483.500 2 241.750 12.310 .003

Within Groups 176.750 9 19.639
Total 660.250 11
Keterangan, output SPSS ini adalah dari Contoh soal No 2

Bab 7.Anova 83
CONTOH 1. (Manual)
Manajemen perusahaan ritel mengelola bisnisnya di tiga Kota (Kota A, B
dan C). Di masing masing kota, terdapat beberapa toko outlet, dan
keutungan per hari adalah sbb. Apakah terdapat perbedaan antar kota:
Jawab:
Ho : 1 = 2 = 3 artinya tidak ada perbedaan
H1 : 1 ≠ 2 ≠ 3 artinya ada perbedaan
Kota A Kota B Kota C
12 16 14
15 14 17
17 21 20
12 15 15
19
Rata-rata
Varian
Rata- rata Total :
ANOVA Summary Table

Sum of Degrees of Mean
Variation F
Squares Freedom Squares
Between 21.92 2 10.96 1.50
Within 73 10 7.3
Total 12
CONTOH 2 :
Dengan Excel (Manual)
Dengan Data Analysis

Klik Data Data Analysis  Pilih Anova: Single Factor  OK
ANOVA Single Factor

SUMMARY
Groups Count Sum Average Variance
Column 1 4 96 24 10
Column 2 4 137 34.25 18.92
Column 3 4 76 19 30
ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 483.50 2 241.750 12.310 0.003 4.256
Total 660.25 11
Bab 7.Anova 85
CONTOH : ANOVA dengan SPSS dan Excel
Output SPSS:
ANOVA
Production
Sum of Squares df Mean Square F Sig.
Between Groups 483.500 2 241.750 12.310 .003
Total 660.250 11
PANDUAN
1. Tentukan Ho dan Ha
2. Tentukan confidence level atau tingkat kepercayaan. Default Excel dan
SPSS adalah 95% atau alpha () = 5%.
3. Tentukan degree of freedom.
df1 (numerator) = k -1 (jumlah variabel – 1)
df2 (denominator) = n - k (jumlah sampel – jumlah variabel)
4. Tetukan F tabel
=FINV(probability;deg_freedom1;deg_freedom2)
5. Hitung nilia F hitung
6. Keputusan:
Jik Fhitung < Ftabel : terima Ho atau nilai Sig. (p-value) > 0.05
Jik Fhitung > Ftabel : tolak Ho atau nilai Sig. (p-value) < 0.05
7. Tahap berikutnya adalah interpretasi hasil tersebut.
Bab 7.Anova 87
PRAKTIKUM
1. Test Bahasa Inggris diberikan pada 3 kelompok pelamar pekerjaan,

untuk menguji apakah rata-rata nilai test Bahasa Inggris untuk ke 3
kelompok itu sama. Tiga sampel dengan ukuran n1 = n2 = n3 = 6
diambil dari masing-masing kelompok pelamar, dan menunjukan
data nilai test sebagai berikut.
Kelompok
1 2 3
76 79 94
68 79 84
64 77 96
78 73 88
79 81 68
73 79 86
Ujilah hipotesis bahwa nilai rata-rata Bahasa Inggris ke 3 kelompok
2. Suatu pabrik memproduksi 4 jenis bola lampu listrik :A, B, C, dan D.

Untuk mengetahui perbedaan umur pemakaian (bulan) dilakukan
pengujian masing-masing 5 sampel, dan diperoleh data sbb :
A B C D
12 30 13 27
18 10 15 25
10 28 18 30
14 26 10 15
16 29 26 13
Ujilah apakah ada perbedaan keawetan diantara 4 macam bola

lampu tersebut pada taraf signifikansi 0,01
3. Data di bawah ini menunjukan banyaknya kesalahan yang dibuat
oleh 4 orang teknisi yang bekerja pada lab. fotografi selama 5 hari.
Teknis A: 8, 11, 7, 9, 10
B: 9,. 11, 6, 14. 10
C: 8,. 13, 11, 9. 13
D: 13, 5, 9, 10, 7
tersebut karena faktor kebetulan semata-mata?

4. Angka-angka di bawah ini menunjukan jumlah kata per-menit

(kecepatan dalam mengetik) dari seorang sekertaris pada beberapa
kesempatan mengetik naskah dari 4 jenis mesin ketik yang berbeda.
Mesin tik : X: 71, 75, 69, 77, 61, 72, 71, 78
Y: 68, 71, 74, 66, 69, 67, 70, 62
Z: 75, 70, 81, 73, 78, 72
V: 62, 59, 71, 68, 63, 65, 72, 60, 64
Apakah terdapat perbedaan nyata diantara mean 4 sampel tersebut?
( = 5%)
5. Hasil penjualan setiap minggu selama 8 rninggu dari 3 orang
penjual komoditi kosmetik dari pintu ke pintu yang dipekerjakan
oleh suatu perusahaan kosmetik adalah :
Penjual 1 176, 212, 188, 206, 200, 184. 193, 209
2 187, 193, 184, 198, 210, 199, 180, 195
3 164, 203, 180, 187, 223, 196, 189, 211
Ujilah dengan a= 0,05 apakah perbedaan antara rata-rata nilai

penjualan per-minggu dari 3 penjual tersebut bukan semata-mata
karena faktor kebutuhan.
6. Misalkan terdapat 3 jenis bibit padi R1, R2, dan R3 yang masing-
masing ditanam pada 6 areal yang identik dan digunakan 3 jenis
pupuk yaitu F 1, F2, dan F3. Setelah panen hasil produksi padi
adalah (dalam kuintal).
F1 F2 F3
R1 3 8 12
5 7 10
R2 5 10 13
4 9 13
R3 5 8 10
6 10 12
Pada taraf signifikansi 0,05 ujilah hipotesis nol bahwa:

a. Tidak ada perbedaan dalam rata-rata hasil produksi antara
berbagai jenis bibit.
b. Tidak ada perbedaan pengaruh pupuk terhadap produksi padi.
c. Tidak ada perbedaan dalam efek interaksi.
BAB 8
CHI-SQUARE ()
PENGANTAR :
Bab 8 ini membahas tentang pengujian chi square

untuk mengetahui apakah ada perbedaan antara
dua kelompok data kategorial, misalnya apakah
ada hubungan antara “semakin lama masa kerja”
dengan “semakin tinggi produktivitas kerja”.
Uji Chi-square dilakukan dengan membandingkan
Chi square tabel dengan Chi-square hitung.
dibekali dengan tahap tahap penyelesaian soal,
baik manual, terutama Excel dan SPSS
KOMPETENSI :
Dengan mengerjakan Bab 8 ini, kompetensi yang

diharapkan adalah :
Chi-square dengan manual, menemukan frekuensi
ekspektasi, dan proses pengerjaan dengan rumus.
Proses Chi-Square dengan Excel dan SPSS
Uji hipotesis
Memahami makna dari angka yang dihasilkan oleh
output SPSS
Konsep Dasar : Uji Independensi
Uji independensi adalah pengujian yang dilakukan untuk mengetahui

apakah terdapat hubungan antara dua faktor. Misalnya pada sebuah
kantor akuntan publik, apakah ada hubungan antara semakin tinggi
“jam terbang” dengan “kecepatan menemukan Fraud”? Apakah ada
hubungan antara semakin tinggi “pendidikan ibu” dengan semakin baik
“gizi anak”? dan berbagai pertanyaan lainnya.
Formula:
Frekuensi observasi Frekuensi ekspektasi
Chi-square (chi=huruf Yunani) Sum atau jumlah
Misalkan, dari 50 sampel diperoleh data observasi tentang kepemilikan

telepon seluluer di kota dan desa, sebagaimana disajikan pada Tabel
berikut (sebelah kiri). Apakah ada perbedaan kepemilikan telepon
seluler antara kota dan desa?
Langkah pertama adalah menghitung frekuensi ekspektasi, yang

diperkirakan dari proporsi masing masing
Misal fo pada sel 1.1, fe = jumlah baris 1 x jumlah kolom 1 dibagi total.
fo fe fo-fe (fo-fe)^2/fe
 Kota & ada ponsel 27 30*43/50= 25,80 1.2 0.05581
 Kota & tidak ada ponsel 3 30*7/50= 4,20 -1.2 0.34286
 Desa & ada ponsel 16 20*43/50= 17,20 -1.2 0.08372
 Desa & tidak ada ponsel 4 20*7/50= 2,80 1.2 0.51429
Jumlah = Chi-Square 0.99668
Derajat bebas, df = (jumlah kolom-1) * (jumlah baris - 1) = 1 * 1 = 1

Nilai Chi-square tabel dengan alpha 5% dan df=1 adalah : 2,7055
Chi-square hitung < Chi-square tabel atau 0,99668 < 2,7055

Maka tidak ada kaitan antara kepemilikan ponsel antara kota dan desa.
Bab 8. Chi Square () 91
Penyelesaian Chi-Square dengan Excel
Penyelesaian Chi-Square dengan SPSS
Data di atas diinput dalam Excel, dan kemudian

dicopy ke SPSS.
Dalam hal ini, terdapat dua variabel, yakni
Col. A : tempat tinggal, dan
Col. B : kepemilikan ponsel
A1:A30 = 1 Kota
B1:B27 = 1 memiliki ponsel
B28:B30 = 2 tidak memiliki ponsel
A31:A50 = 2 Desa
B31:B46 = 1 memiliki ponsel
B47:B50 = 2 tidak memiliki ponsel
Untuk memudahkan visual, maka

row 5 s.d 25 disembunyikan (hidden),
row 34 s.d 42 disembunyikan (hidden).
PENGISIAN:
Klik Statistics:
Pilh Chi-square
Lalu tekan Continue untuk kembali ke kotak dialog utama
Untuk kotak Cells:
Pada Count, pilih (tanda check) Observed dan Expected

untuk melihat frekuensi yang diharapkan
Lalu klik Continue untuk kembali ke kotak dialog utama
Klik OK, dan diperoleh Output sebagai berikut:

Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
TEMPAT_T * KEPEMILI 50 100.0% 0 .0% 50 100.0%
TEMPAT_T * KEPEMILI Crosstabulation
KEPEMILI
Tidak
Memiliki memiliki
telepon telepon
seluler seluler Total
TEMPAT_T Kota Count 27 3 30
Expected Count 25.8 4.2 30.0
Desa Count 16 4 20
Total Count 43 7 50
Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square .997b 1 .318
Continuity Correction a .339 1 .560
Likelihood Ratio .975 1 .323
Fisher's Exact Test .416 .277
Linear-by-Linear
.977 1 .323
Association
N of Valid Cases 50
a. Computed only for a 2x2 table
b. 2 cells (50.0%) have expected count less than 5. The minimum expected count is
2.80.
CONTOH 2
Apakah ada hubungan antara “Masa kerja ” di Kantor Akuntan Publik
dengan “kecepatan menemukan Fraud”?
Diketahui data observasi (fo), data FE dapat diperoleh dengan mudah dan
tidak perlu dihitung hingga 30 cell kosong tersebut.
 Pada cell B13, cukup membuat formula =$G3*B$9/$G$9
 Kemudian dicopy ke semua cell kosong, dan FE selesai.
 Untuk menemukan Chi-Square, diperlukan dua langkah, yakni:
b. =CHITEST(B3:F8;B13:F18) (probability, di atas diletakkan di cell G21)
c. =CHIINV(probability;deg_freedom) atau =CHIINV(G21;20)
Kesimpulan:
 Chi-square hitung > Chi-square tabel atau 223.757 > 31.410, maka
dapat dinyatakan, semakin tinggi masa kerja, maka semakin cepat
menemukan Fraud.
Contoh Soal 2 di atas dengan SPSS
 Klik: Analyxe  Descriptive- Crosstab,

 Input Row: Masa_Kerja, Column: Kecepatan.
 Statistics : Pilih Chi-square, Continue
 Cells: Pilih Observed dan Expected, Continue
 OK
Crosstabs
Masa_Kerja * Kecepatan Crosstabulation
Kecepatan
1.00 2.00 3.00 4.00 5.00 Total
Masa_Kerja 1.00 Count 17 2 1 0 0 20
Expected 1.9 2.0 3.6 8.4 4.1 20
2.00 Count 2 3 5 14 1 25
Expected 2.4 2.5 4.5 10.5 5.1 25
3.00 Count 0 5 10 25 10 50
Expected 4.8 5.0 9.0 21.0 10.3 50
4.00 Count 0 10 15 25 10 60
Expected 5.7 6.0 10.8 25.2 12.3 60
5.00 Count 0 0 5 20 5 30
Expected 2.9 3.0 5.4 12.6 6.2 30
6.00 Count 0 0 0 0 15 15
Expected 1.4 1.5 2.7 6.3 3.1 15

Total Count 19 20 36 84 41 200
Expected 19.0 20.0 36.0 84.0 41.0 200

Count
Chi-Square Tests
Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square 223.757a 20 .000

Likelihood Ratio 167.239 20 .000
Linear-by-Linear Association 70.856 1 .000
N of Valid Cases 200
a. 14 cells (46,7%) have expected count less than 5. The minimum
expected count is 1,43.
Hasil:
 Pearson Chi-Square: 223.757
 Df: 20 dan Signifikan:
PRAKTIKUM
Hitunglah nilai Chi-square soal di bawah ini
1. Data observasi kepuasan pelanggan pada restoran A dan B

Kepuasan
Restoran Tidak Total
Puas
PUAS
A 10 8 18
B 5 16 21
Total 15 24 39
2. Kinerja Dosen dan Prestasi Mahasiswa

Prestasi Mahasiswa
Kinerja
Sangat Sedang Kurang
Dosen Baik
Baik
Sangat Baik 25 15 0 0
Baik 6 32 12 0
Cukup Baik 0 5 20 5
Jelek 0 0 0 20
Catatan:
Dalam penyajian soal, jumlah masing masing tidak disajikan, agar
Saudara melengkapirnya terlebih dahulu.
PANDUAN UNTUK EXCEL:
Pada Cell I4, buat formula =$F4*B$8/$F$8, kemudian copy paste ke cell
kosong lainnya.
Panduan:
1. =CHITEST((B4:E7;I4:L7)
2. =CHIINV(probability;deg_freedom) atau =CHIINV(H10;9)
3. =CHIINV(0.05;9)  untuk Chi-Square Tabel
PANDUAN UNTUK SPSS:

1. Input data pada Excel, dan kemudia dicopy-paste ke SPSS
2. Column A : Kinerja_Dosen. 1=SB, 2=B, 3=CB, 4=K
3. Column B : Prestasi Mahasiswa : 1=SB, 2=B, 3=S, 4=K
4. Copy-paste data ke SPSS, kemidian:
5. Klik: Analyxe  Descriptive- Crosstab,
6. Input Row: Kinerja_Dosen, Column: Prestasi.
7. Statistics : Pilih Chi-square, Continue
8. Cells: Pilih Observed dan Expected, Continue
9. OK
Selamat Mengerjakan dan Sukses

BAB 9
REGRESI & KORELASI
PENGANTAR untuk Bab 9 :
Bab 9 ini membahas tentang regresi dan korelasi.

Pada Bab 9 pembahasan difokuskan pada simple
regression, kemudian meningkat pada kemahiran
regresi berganda (multiple regression)
Perbedaan simple dan multiple regression adalah
terletak pada Variabel X atau independent. Pada
simple regression hanya ada 1 vaiabel bebas
sedangkan pada multiple regression variable Y
dipengaruhi oleh lebih dari satu variabel bebas.
Regresi bertujuan untuk mengetahui pengaruh
variabel bebas (independent variable) terhadap
variable terikatnya (dependent variable).
Korelasi bertujuan untuk mengetahui keeratan
hubungan antar variabel
KOMPETENSI :
Kompetensi yang sangat ditekankan pada Bab ini

adalah kemahiran mengolah data dengan SPSS atau
Excel, dan memahmi makna angka angka tersebut.
Dengan mengerjakan Bab 9 ini, kompetensi yang
diharapkan adalah:
Korelasi dengan Excel dan SPSS
Regresi dengan Excel dan SPSS
Memahami makna dari angka yang dihasilkan oleh
output SPSS
CONTOH 1: Penyelesaian Regresi secara Manual dengan Excel:
Tahap 1 : Melengkapi Tabel Penyelesaian Regresi
Silahkan dipraktekkan dan hasilnya adalah:
Maka persamaan regresinya adalah:

Yˆ = 1.4287 + 7.1465 X
Bab 9. Regresi & Korelasi 101
Hitungan manual dengan rumus
a. Regresi : Y = a + bX
dimana
  Y
n XY  X* 8*8024 79*576
b   7.14646
   8 *1107  792
2
n X2  X
Dengan Excel: =SLOPE(B2:B9;C2:C9)

Dan hasilnya dapat diperoleh dengan cepat yakni 7.14646
__ __
a  b*
Y  72  7.14646* 9.875  1.42868
X
Dengan Excel: =INTERCEPT(B2:B9;C2:C9)
b. Korelasi
Uji hipotesis pada r:
r    
n XY  X* Y
thitung 
r
 n X   X  * n Y   Y  1 r2
2 2 2 2
8 *8024  79* 576 n 2

=  0.98381 0.9838
8 *1107  792 * 8 * 58720 5762   13.448
1  0.98382
Dengan Excel: =CORREL(B2:B9;C2:C9) 82
Pendalaman:
Untuk menghitung Standard Error of Estimate (Se), dan uji t, maka tabel
di atas dilengkali terlebih dahulu, terutama keempat formula berikut.
  
x XX
 y  Y  Y  Sebelumnya telah dihitung:
 ˆ
Y
Yˆ = 1.4287 + 7.1465 X
 
e  Y  Yˆ 
 A B C D E F G H I J K

Yˆ
2
1 Y X x y xy x2
y E e2
 2
2 15 -7.875 -57 448.875 62.016 3249 15.722 -0.722 0.521
1.281 D2:K2
3 24 3 -6.875 -48 330.000 47.266 2304 22.868 1.132
copy paste
4 37 5 -4.875 -35 170.625 23.766 1225 37.161 -0.161 0.026 ke
5 53 7 -2.875 -19 54.625 8.266 361 51.454 1.546 2.390 D3:D9
6 77 10 0.125 5 0.625 0.016 25 72.893 4.107 16.865
7 96 14 4.125 24 99.000 17.016 576 101.479 -5.479 30.021
8 114 18 8.125 42 341.250 66.016 1764 130.065 -16.065 258.085
9 160 20 
10.125 88 891.000 102.516 7744 144.358 15.642 244.674
 10 Jumlah 576 79 2336 326.875 17248 553.863
 11 Rata-rata 72 9.875
 12 Intercept 1.4287 Se =(K10/6)^0.5 9.6078
 13 Slope 7.1465 sb =K12/(G10)^0.5 0.5314
 14 t-hit =B13/K13 13.448
 15 t-tabel =TINV(0.05,6) 2.4469

Teknis pengerjaannya:
Col Hitungan dan Hasil Formula
D x XX  2 - 9.875 = - 7.875 =C2-$C$11
E y  Y  Y  15 - 72 = -57 =B2-$B$11
F xy - 7.875 * -57 = 448.875 =D2*E2
G x2 - 7.875^2 = 62.016 =D2^2
H y2 -57^2 = 3249 =E2^2
I Yˆ 1.4287 + 7.1465 (2) = 15.722 =$B$12+$B$13*C2
J 
e  Y  Yˆ  15-15.722 = - 0.722 =B2-I2
K 2
e (- 0.722)^2 = 0.521 =J2^2
Uji Hipotesis
Uji hipotesis dilakukan dengan membandingkan nilai t-hitung dengan t-

tabel. Tahapan untuk memperoleh nilai t-hitung adalah menghitung:
 Se : Standard error regresi
 Sb : Standard error koefisien regresi b
 t hitung = b/Sb
Se   e 2
 553.863  9.6078 : =(K10/6)^0.5
n 2 6
Se 9.6078
Sb    0.5314 : =E12/(G10)^0.5
326.875
x 2
b 7.1465
t    13.448 : =B13/K13
hit
Sb 0.5314
ttabel  t ,df  t0.05,6  2.4469 : =TINV(0.05,6)
Uji Hipotesis:
Ho: thitung < ttabel
Ha: thitung < ttabel : Terima Ha, karena 13.448 > 2.4469, artinya, pengaruh
variabel X terhadap variabel Y signifikan (berbeda nyata dengan 0).
Penghitungan manual cukup lama. Apakah ada cara lain?

? Ya. Excel bisa menghitungnya dengan lengkap dan sangat cepat.
PENYELESAIAN
Klik : Data
Data Analysis
Pilih: Regression
Klik OK
Input Y Range dan X Range
Klik OK
Selesai
Klik Data, kemudian Klik Data Analysis, akan muncul sbb.
Kemudian pilih Regression, dan klik OK, dan muncul dialog box:
Klik OK.
Semua output Regression disajikan dengan lengkap, meliputi :
 Korelasi : 0.9838
 Koefisien Determinasi (R Square) : 0.9679
 Intercept : 1.4287
 Koefisin Regresi (Slope) : 7.1465
 Standard Error (Se) : 9.6078
 Standard Error koefisien regresi (Sb): 13.448
 thitung atau t stat : 9.6078
CONTOH 2: Regresi Berganda dengan Excel
Misalkan:
Pengaruh Promosi (X1) dan Service (X2) terhadap Sales (Y) pada PT X
Data:
A B C PENYELESAIAN
Promosi Service
1 (X1) (X2) Sales (Y) Klik : Data
Data Analysis
2 4.5 3.5 59.0
Pilih: Regression
3 5.0 4.0 65.0 Klik OK
4 6.0 4.5 75.0 Input Y Range dan X Range
5 7.0 5.0 90.0 Klik OK
6 8.0 7.0 120.0
7 9.0 8.0 115.0
SUMMARY OUTPUT
Adjusted R Sq:
Regression Statistics

 
 1  r 2 n 1
Multiple R 0.96940 R 2adj  1  
R Square 0.93974  n  k 1 
Adjusted R Sq 0.89957

2  
 1 0.96942 6 1  0.3013
Radj  1  
Standard Error 8.13323  3

 6  3 1 
Observations 6
= 0.8996

ANOVA
Significance
Df SS MS F F
Regression 2 3094.885 1547.443 23.3931 0.014792
Residual 3 198.4483 66.14943
Total 5 3293.333
Standard
Coefficients Error t Stat P- value Lower 95%
Intercept 1.1207 17.5437 0.0639 0.9531 - 54.7113
X Variable 1 8.2069 8.8769 0.9245 0.4234 - 20.0433
X Variable 2 6.0345 8.6999 0.6936 0.5378 - 21.6525

Beberapa angka-angka penting :
No Item Angka Makna

1 R Square 0.93974 93,97 % keragaman Y dapat dijelaskan X1 dan X2
secara besama-sama
2 F hitung 23.3931 Jika dibandingkan dengan F-tabel pada alpha
3 Signifikansi F 0.01479 5% dengan df1= 2 dan df2 = 3 : 9,5521, maka
Model penduga dapat dinyatakan cukup baik.
Hal ini juga ditunjukkan Signifikansi F sebesar
0.014792 atau lebih kecil dari 5%
4 Coefficient:
Intercept 1.1207
X Variable 1 8.2069 Setiap kenaikan X1 1 satuan, maka Y naik 8.2069
satuan
X Variable 2 6.0345 Setiap kenaikan X2 1 satuan, maka Y naik 6.0345
satuan
5 Uji t Stat
Intercept 0.0639
X Variable 1 0.9245 Pengaruh X1 maupun X2 adalah tidak signifikan
X Variable 2 0.6936 pada alpha 5%, karena t hitung lebih kecil dari
t0.05,4 (2,776) artinya pengaruh X1 dan X2 tidak
berbeda nyata dengan 0
CONTOH 3: Penyelesaian Regresi dengan SPSS :
Klik Analyze  Regression  Linear  OK

Kemudian Input Data Dependent dan Independent(s)  OK
Regression
Variables Entered/Removed b
Variables Variables
Model Entered Removed Method
1 X2, X1 a . Enter
a. All requested variables entered.
b. Dependent Variable: Y
Model Summary
Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .969a .940 .900 8.13323
a. Predictors: (Constant), X2, X1
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 3094.885 2 1547.443 23.393 .015a
Residual 198.448 3 66.149
Total 3293.333 5
a. Predictors: (Constant), X2, X1
b. Dependent Variable: Y
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.121 17.544 .064 .953
X1 8.207 8.877 .558 .925 .423
X2 6.034 8.700 .418 .694 .538
a. Dependent Variable: Y
Regresi Sederhana
1. Ada dugaan bahwa kota-kota yang menjadi tujuan wisata
mempunyai inflasi yang lebih tinggi. Hal tersebut di akibatkan
banyaknya wisatawan yang datang dan membelanjakan uangnya
pada daerah tujuan wisata. Untuk menguji hal tersebut di ukurlah
tingkat inflasi dan jumlah wisatawan yang di cerminkan dari tingkat
hunian hotel pada tahun 2017. pada beberapa kota adalah sebagai
berikut:
Kota Inflasi Hunian Hotel (%)

Semarang 66 27
Medan 84 40
Padang 87 41
Jakarta 74 32
Bandung 73 33
Surabaya 72 37
Dengan menggunakan data tersebut, cobalah hitung:
a. Koefisien korelasi, dan ujilah apakah hubungan tersebut
bersifat nyata secara statistika dengan taraf nyata 5%.
b. Hitunglah koefisien regresi di mana Y (inflasi) dan X (hunian
hotel)
c. Hitunglah inflasi yang akan terjadi, apabila 2019 tingkat hunian
hotel mencapai 60%.
2. Ada keyakinan pada pemerintah bahwa semakin banyak
perusahaan sekuritas, maka volume perdagangan saham di bursa
semakin meningkat sehingga mendampak positif pada investasi di
dalam negri. Berikut adalah data jumlah perusahaan dan volume
perdagangan saham ( dalam jutaan lembar ).
Tahun Jumlah Perusahaan Volume Saham
1997 172 3,8
1998 217 5,3
1999 238 10,6
2000 253 29,5
2001 282 76,5
2002 288 90,6
Berdasarkan pada data tersebut, hitunglah:

a. Koefisien regresi Y = a + bX, di mana Y adalah volume saham
dan X jumlah perusahaan.
b. Ujilah koefisien regresi, apakah pengaruhnya nyata atau tidak
pada taraf nyata 1%.
c. Berikan penjelasan makna dari persamaan di atas.
3. Persamaan regresi dari keuntungan dan besarnya investasi pada
perusahaan PT Surya Kencana adalah sebagai berikut: Y = 206 + 0,99
X, di mana Y adalah keuntungan dan X investasi. Perusahaan pada
tahun 2005 akan menginvestasikan sebesar Rp 250 miliar.
Berdasarkan pada data tersebut, hitunglah
a. Berapa nilai dugaan keuntungan pada tahun 2005.
b. Buatlah interval keuntungan, apabila di ketahui kesalahan baku
pendugaan adalah 24 dan taraf nyata 5%.
c. Buatlah interval untuk koefisien a dan b pada taraf nyata 5%,
apakah koefisien tersebut masih termasuk ke dalam interval
tersebut, dan apa kesimpulannya?
4. Ada dugaan sementara bahwa hubungan produktivitas kerja
dengan kebiasaan merokok adalah negatif. Semakin banyak
merokok, maka produktivitas akan menurun. Untuk keperluan
tersebut, di ambil sampel sebanyak 20 orang dari PT Agro Niaga di
Tangerang. Hasilnya berupa koefisien korelasi sebesar -0,363. pada
taraf nyata 5% apakah kita tetap bisa menyimpulkan bahwa terdapat
hubungan negatif antara kebiasaan merokok dengan produktivitas
kerja?
5. Selama ini diyakini dengan modal kerja yang cukup, maka produksi
akan meningkat. Untuk meningkatkan produksi pangan, setiap
tahun di berikan kredit untuk pangan, dengan harapan apabila
kredit meningkat maka produksi pangan meningkat untuk
memperkuat ketahanan pangan. Berikut ini adalah data produksi
pangan (juta ton) dan kredit dalam triliun.
Tahun Jumlah Kredit (X) Produksi Pangan (Y)

1997 10 48
1998 12 49
1999 14 50
2000 15 51
2001 20 49
2002 29 51
Dari data tersebut, hitunglah:

a. koefisien regresi dari Y = a + b X
b. koefisien korelasi dan koefisien determinasi
c. ujilah dengan signifikasi untuk koefisien regresi
d. berilah penjelasan secara ekonomi dari fonomena tersebut
6. Pertumbuhan ekonomi mempunyai kaitan erat dengan inflasi.

Berikut ini adalah data pertumbuhan ekonomi dan inflasi indonesia
selama 1997 sampai 2003. carilah hubungan pertumbuhan dan
inflasi yang paling sesuai, dan apabila pemerintah tahun 2005
menargetkan inflasi 8% per tahun, berapa pertumbuhan ekonomi
yang mungkin?
Tahun Pertumbuhan Ekonomi Inflasi

1997 5,00 11,00
1998 -13,00 78,00
1999 1,00 2,00
2000 5,00 9,00
2001 3,00 13,00
2002 4,00 10,00
2003 4,00 4,00
Regresi Berganda
(Multiple Regression)
1. PT Matahari Surya Cemerlang berkedudukan di Serang Banten
merupakan produsen sepatu. Perusahaan masih memikirkan
masalah produktivitas, apakah untuk meningkatkan
produktivitas di perlukan peningkatan gajih karyawan, atau di
perlukan tambahan pengawas. Hal yang di sadari perusahaan,
terkadang tenaga kerja tidak produktif bukan karena masalah gaji
tetapi di sebabkan unsur kemalasan, oleh sebab itu di perlukan
tambahan jumlah pengawas. Berdasarkan pada kedua hal
tersebut, di adakan survey terhadap beberapa bagian di
perusahaan dan berikut adalah hasilnya.
Responden produksi Gaji Pengawas

1 38 854 9
2 24 607 5
3 32 681 7
4 4 202 5
5 17 338 7
6 46 951 13
7 30 693 15
8 8 163 11
9 20 349 16
10 13 151 10
a. Buatlah regresi dan hitung koefisiennya.

b. Hitung koefisien determinasi dan korelasinya.
c. Ujilah dengan uji F dan uji- t.
d. Bahaslah apa yang sebaiknya di lakukan oleh pengusaha sepatu?
2. Ada pemikiran di Universitas Mercu Buana untuk mengetahui

keberhasilan alumninya dengan melihat adakah hubungan antara
keberhasilan alumni yang di lihat dari besarnya gaji yang di
terima dengan IPK dan lama studi. Untuk keperluan tersebut di
lakukan survey terhadap 10 alumni di 10 perusahaan dan berikut
adalah hasilnya.
Responden Gaji (juta/bl) IPK Lama Studi

1 1,785 3.2 6
2 1,955 3.3 5
3 1,615 2.7 6
4 2,805 3.5 4
5 2,380 3.1 5
6 2,975 3.7 4
7 2,720 3.4 4
8 2,210 2.6 5
9 3,230 3.9 4
10 1,785 2.5 6
Dengan data tersebut, cobalah anda buktikan apakah keyakinan

bahwa gaji sebagai wujud keberhasilan alumni memang di
pengaruhi oleh IPK dan lama studinya!
3. Salah satu penyebab krisis ekonomi di Indonesia yang

berkepanjangan adalah belum membaiknya iklan di sektor riil,
karena suku bunga kredit masih tinggi. Ada beberapa alasan
kenapa suku bunga bank tetap tinggi yaitu masalah inflasi dan
nilai tukar. Berdasarkan pada hal tersebut di susun hipotesa yaitu
suku bunga di pengaruhi oleh besarnya inflasi dan nilai tukar.
Untuk analisis tersebut akan di gunakan data dari tahun 1990
sampai 2001. berikut adalah hasil dari pengumpulan data
tersebut.
Suku Bunga Inflasi Nilai Tukar

Tahun
(%/tahun) (%/tahun) (Rp/US$)
1990 20,37 8,91 1905
1991 20,69 9,52 1997
1992 19,25 9,48 2074
1993 15,24 9,77 2118
1994 16,77 9,24 2205
1995 16,86 6,09 2305
1996 17,02 6,47 2385
1997 18,49 11,05 5700
1998 25,09 77,63 8025
1999 26,22 2,01 7100
2000 19,55 9,35 9595
2001 19,15 12,55 10435
Dari data tersebut, buatlah persamaan regresinya, dan apakah benar

suku bunga dipengaruhi oleh inflasi dan nilai tukar?
Regresi dengan Dummy Variable

7. Salah satu yang mempengaruhi penghasilan petani adalah luas
lahan. Namun demikian pada saat ini modal juga mempengaruhi,
oleh sebab itu, pemerintah ingin mengetahui bagaimana pengaruh
kredit yang di berikan pemerintah kepada petani. Penelitian di
lakukan pada 20 petani yang berada di Ambulu, Kabupaten Jember
Jawa Timur tahun 2003. berikut adalah hasilnya:
Pendapatan Luas Lahan Kredit = 1

Responden
(juta/musim) (ha) No kredit = 0
1 1,77 0,93 1
2 1,74 1,04 1
3 1,94 1,16 1
4 2,36 1,26 1
5 2,46 0,98 1
6 1,64 0,99 1
7 1,76 0,94 1
8 1,70 0,96 0
9 1,77 1,24 0
10 1,20 0,73 0
11 1,70 1,10 0
12 1,99 0,9 0
13 1,55 1,04 0
14 1,75 0,81 0
15 2,10 1,06 1
16 1,79 1,13 0
17 2,20 1,29 1
18 1,91 0,97 0
19 1,35 0,10 1
20 2,03 1,25 1
Buatlah persamaan regresinya Y = a + bX + cD, di mana Y adalah
penghasilan petani, X adalah luas lahan dan D adalah dummy
kredit. Apakah ada manfaat dari pemberian kredit?
Regresi dengan Time-lag

1. Impor secara teoritis di pengaruhi oleh nilai tukar, serta nilai impor
sebelumnya. Apabila nilai tukar tinggi, maka impor menurun.
Apabila impor waktu sebelumnya tinggi, maka di harapkan impor
bulan ini turun. Berdasarkan penglaman tersebut, berikut data
impor dan nilai tukar selama tahun 2002.
Impor Nilai Tukar

Bulan
(juta dolar ) (Y) (Rp/US$)(X)
Januari 2088,00 10383,00
Februari 1978,00 10222,00
Maret 2317,00 9779,00
April 2431,00 9441,00
Mei 2385,00 9823,00
Juni 2407,00 8741,00
Juli 2602,00 9171,00
Agustus 2824,00 8938,00
September 2896,00 9057,00
Oktober 3145,00 9257,00
November 2891,00 9232,00
Desember 2960,00 9020,00
Berdasarkan data tersebut buatlah fungsi:

(a) Y = a + bX + cY-1
(b) Y + a + bX + cYt-1 + dX t-1
Manakah yang lebih baik?
Lampiran 1
Normal Distribution
(Tabel Z)
Saudara dapat menyiapkan Tabel Distribusi Normal dengan Excel.

Pada lembar Excel, pada column A, silahkan membuat nilai Z dari 0.0
sampai 3.0. Untuk ukuran desimal ke-2, silahkan membuat 0.00 hingga
0.09, sebagaimana contoh pada tabel berikit.
Syntaxnya adalah : =NORMDIST(Z). Agar mudah di-copy, maka
syntaxnya menjadi : =NORMSDIST($A2+B$1) - 0.5
A B C D E F G H I J K
1 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2 0.0 =NORMSDIST($A2+B$1) - 0.5
3 0.1
4 0.2 Mencar nilai Z tertentu :
5 0.3 Syntax : NORMDIST(Z)
6 0.4 Contoh :
7 0.5 Berapa probabilitas jika Z = 1.25
8 0.6 =NORMSDIST(1.25) - 0.5
Hasilnya adalah : 0.3944
Johann Carl Friedrich Gauss (1777-1855) adalah penemu

peluang distribusi ini tahun 1809. Awalnya disebut Gaussian
Distribution, kemudian Karl Pearson mempopulerkan distribusi
kontinu ini dengan nama Normal Distribution. Beliau adalah
seorang ilmuwan Jerman, dan seorang Matematicians dan
physicist. Dalam statistika, beliau adalah penemu Mean, Median,
Modus, Variace, Skewness, Kurtosis, Quantile, Z-test
Sumber Gambar:
https://en.wikipedia.org/wiki/Carl_Friedrich_Gauss
Tabel Distribusi Normal
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.2 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.3 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.4 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
Lampiran 2
t - Distribution
(t - student)
Dengan teknik, Saudara dapat melanjutkan membuat tabel-t, yang

banyak digunakan dalam uji hipotesis. Pada Excel column A, silahkan
membuat nilai df (degree of freedom) atau derajat bebas dari 1 s/d 30.
Sedangkan pada row 1, ditulis beberapa tingkat alpha
Syntax : TINV(probability,deg_freedom).
Pada cell B3, ketik formula syntax berikut =TINV(B$2,$A3)
Copy dan paste ke semua cell kosong tabe tersebut
A B C D E F G H I
1 1-tail 0.005 0.01 0.02 0.05 0.1 0.2 0.25 0.5
2 2-tails 0.005 0.01 0.02 0.05 0.1 0.2 0.25 0.5
3 1 =TINV(B$2,$A3)
4 2
5 3 Syntax : TINV(probability,deg_freedom)
6 4
7 5
8 6
9 7
10 8
Penemu t-Distribution ini adalah Willian Sealy Gosset, tahun 1908.

Untuk menyembunyikan identitasnya, ia menggunakan kata “Student”
dimana huruf terakhir adalah “t”. Statistician ini banyak melakukan
pengujuan pada sampel kecil. Tabel ini dikenal luas ketika sekitar tahun
1925 seorang Statistician Inggris yang jenius, Sir Ronald Aylmer
Fisher memperkenalkannya dengan sebutan “t-Distribution”.
Sumber Gambar:
https://upload.wikimedia.org/wikipedia/commons/thumb/4/42/William_Sealy_Gosset.jpg/255
px-William_Sealy_Gosset.jpg
t-Distribution

One tail 0.005 0.01 0.02 0.03 0.05 0.10 0.25
Two tail 0.01 0.02 0.04 0.05 0.10 0.20 0.50
1 63.657 31.821 15.895 12.706 6.314 3.078 1.000
2 9.925 6.965 4.849 4.303 2.920 1.886 0.816
3 5.841 4.541 3.482 3.182 2.353 1.638 0.765
4 4.604 3.747 2.999 2.776 2.132 1.533 0.741
5 4.032 3.365 2.757 2.571 2.015 1.476 0.727
6 3.707 3.143 2.612 2.447 1.943 1.440 0.718
7 3.499 2.998 2.517 2.365 1.895 1.415 0.711
8 3.355 2.896 2.449 2.306 1.860 1.397 0.706
9 3.250 2.821 2.398 2.262 1.833 1.383 0.703
10 3.169 2.764 2.359 2.228 1.812 1.372 0.700
11 3.106 2.718 2.328 2.201 1.796 1.363 0.697
12 3.055 2.681 2.303 2.179 1.782 1.356 0.695
13 3.012 2.650 2.282 2.160 1.771 1.350 0.694
14 2.977 2.624 2.264 2.145 1.761 1.345 0.692
15 2.947 2.602 2.249 2.131 1.753 1.341 0.691
16 2.921 2.583 2.235 2.120 1.746 1.337 0.690
17 2.898 2.567 2.224 2.110 1.740 1.333 0.689
18 2.878 2.552 2.214 2.101 1.734 1.330 0.688
19 2.861 2.539 2.205 2.093 1.729 1.328 0.688
20 2.845 2.528 2.197 2.086 1.725 1.325 0.687
21 2.831 2.518 2.189 2.080 1.721 1.323 0.686
22 2.819 2.508 2.183 2.074 1.717 1.321 0.686
23 2.807 2.500 2.177 2.069 1.714 1.319 0.685
24 2.797 2.492 2.172 2.064 1.711 1.318 0.685
25 2.787 2.485 2.167 2.060 1.708 1.316 0.684
26 2.779 2.479 2.162 2.056 1.706 1.315 0.684
27 2.771 2.473 2.158 2.052 1.703 1.314 0.684
28 2.763 2.467 2.154 2.048 1.701 1.313 0.683
29 2.756 2.462 2.150 2.045 1.699 1.311 0.683
30 2.750 2.457 2.147 2.042 1.697 1.310 0.683
40 2.704 2.423 2.123 2.021 1.684 1.303 0.681
50 2.678 2.403 2.109 2.009 1.676 1.299 0.679
Lampiran 3
Chi-Square Distribution
Dengan teknik yang sama, Saudara dapat melanjutkan membuat tabel-

Chi-Square, yang digunakan dalam uji hipotesis Chi-Square. Pada Excel
column A, silahkan membuat nilai df (degree of freedom) atau derajat
bebas dari 1 s/d 30. Sedangkan pada row 1, ditulis beberapa tingkat
alpha
Syntax : CHIINV(probability,deg_freedom).
Pada cell B2, silahkan ditulis = CHIINV(B$1,$A2), kemudian copy-paste
ke semua cell yang diinginkan.
A B C D E F G H I
1 df 0.005 0.01 0.03 0.05 0.10 0.90 0.95 0.995
2 1 = CHIINV(B$1,$A2)
3 2
4 3
5 4 Syntax : =CHIINV(probability,deg_freedom)
6 5
7 6
8 7
9 8
10
Penemu Chi-Square Distribution adalah Karl Pearson (1857-1936).

Beliau seorang Matematicians dan Biostatisticians, juga ahli
meteorologi. Beliau kuliah di Jerman dan kemudian menjadi seorang
ilmuwan Jerman. Ia penemu Chi-Square, sehingga disebut Pearson Chi-
Square Test, Pearson Distribution, Principal Component Analysis, Phi
Coefficient, histogram, serta banyak karya lainnya.
Sumber Gambar:
https://en.wikipedia.org/wiki/Karl_Pearson
Chi-Square Distribution

df
0.01 0.01 0.03 0.05 0.10 0.90 0.95 0.99 0.995
1 7.879 6.635 5.024 3.841 2.706 0.016 0.004
2 10.597 9.210 7.378 5.991 4.605 0.211 0.103 0.020 0.010
3 12.838 11.345 9.348 7.815 6.251 0.584 0.352 0.115 0.072
4 14.860 13.277 11.143 9.488 7.779 1.064 0.711 0.297 0.207
5 16.750 15.086 12.833 11.070 9.236 1.610 1.145 0.554 0.412
6 18.548 16.812 14.449 12.592 10.645 2.204 1.635 0.872 0.676
7 20.278 18.475 16.013 14.067 12.017 2.833 2.167 1.239 0.989
8 21.955 20.090 17.535 15.507 13.362 3.490 2.733 1.646 1.344
9 23.589 21.666 19.023 16.919 14.684 4.168 3.325 2.088 1.735
10 25.188 23.209 20.483 18.307 15.987 4.865 3.940 2.558 2.156
11 26.757 24.725 21.920 19.675 17.275 5.578 4.575 3.053 2.603
12 28.300 26.217 23.337 21.026 18.549 6.304 5.226 3.571 3.074
13 29.819 27.688 24.736 22.362 19.812 7.042 5.892 4.107 3.565
14 31.319 29.141 26.119 23.685 21.064 7.790 6.571 4.660 4.075
15 32.801 30.578 27.488 24.996 22.307 8.547 7.261 5.229 4.601
16 34.267 32.000 28.845 26.296 23.542 9.312 7.962 5.812 5.142
17 35.718 33.409 30.191 27.587 24.769 10.085 8.672 6.408 5.697
18 37.156 34.805 31.526 28.869 25.989 10.865 9.390 7.015 6.265
19 38.582 36.191 32.852 30.144 27.204 11.651 10.117 7.633 6.844
20 39.997 37.566 34.170 31.410 28.412 12.443 10.851 8.260 7.434
21 41.401 38.932 35.479 32.671 29.615 13.240 11.591 8.897 8.034
22 42.796 40.289 36.781 33.924 30.813 14.041 12.338 9.542 8.643
23 44.181 41.638 38.076 35.172 32.007 14.848 13.091 10.196 9.260
24 45.559 42.980 39.364 36.415 33.196 15.659 13.848 10.856 9.886
25 46.928 44.314 40.646 37.652 34.382 16.473 14.611 11.524 10.520
26 48.290 45.642 41.923 38.885 35.563 17.292 15.379 12.198 11.160
27 49.645 46.963 43.195 40.113 36.741 18.114 16.151 12.879 11.808
28 50.993 48.278 44.461 41.337 37.916 18.939 16.928 13.565 12.461
29 52.336 49.588 45.722 42.557 39.087 19.768 17.708 14.256 13.121
30 53.672 50.892 46.979 43.773 40.256 20.599 18.493 14.953 13.787
40 66.766 63.691 59.342 55.758 51.805 29.051 26.509 22.164 20.707
50 79.490 76.154 71.420 67.505 63.167 37.689 34.764 29.707 27.991
60 91.952 88.379 83.298 79.082 74.397 46.459 43.188 37.485 35.534
70 104.215 100.425 95.023 90.531 85.527 55.329 51.739 45.442 43.275
80 116.321 112.329 106.629 101.879 96.578 64.278 60.391 53.540 51.172
90 128.299 124.116 118.136 113.145 107.565 73.291 69.126 61.754 59.196
100 140.169 135.807 129.561 124.342 118.498 82.358 77.929 70.065 67.328
Lampiran 4
F - Distribution
Pada Tabel F, terdapat 2 derajat bebas, yakni df1 (numerator) dan df2
(denominator). Dalam prakteknya, tingkat alpha yang digunakan ada
dua pilihan, yakni alpha 0.005, 0.01, 0.025 atau 0,05.
Pada Excel column A, silahkan membuat nilai df-1 dari 1 s/d 30 dan
seterusnya. Sedangkan pada row 1, juga ditulis ditulis df-2 dari 1 s/d 30
dst.
Syntax: FINV(probability;deg_freedom1;deg_freedom2). Misalkan

dengan alpha 0.05, syntaxnya ditulis: = FINV(0.05;B$1,$A2), kemudian
dan di paste ke semua cell yang disiapkan.
A B C D E F G H I
1 df 1 2 3 4 5 6 7 8
2 1 = FINV(0.05;B$1;$A2)
3 2
4 3
5 4 Syntax : =CHIINV(probability;deg_freedom1;deg_freedom2)
6 5
7 6
8 7
9 8
10 9
Penemu Tabel F Distribution ini adalah Prof Friedrich Robert
Helmert tahun 1875. Beliau seorang statistician Jerman, dan
menyempurnakan Least Square yang sebelumya ditulis oleh Gauss
(1872 & 1907). Disamping itu, juga berhasil menemukan Chi-square
distribution, yang ditemukan kembali oleh Karl Pearson (1900).
Sumber Gambar:
https://en.wikipedia.org/wiki/File:F-R_Helmert_1.jpg
Tabel Distribusi F dengan  = 5%

df1 (Numerator)
df2
1 2 3 4 5 6 7 8 9 10 15 20 40
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 245.95 248.01 251.14
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.43 19.45 19.47
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.70 8.66 8.59
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.86 5.80 5.72
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.62 4.56 4.46
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 3.94 3.87 3.77
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.51 3.44 3.34
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.22 3.15 3.04
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.01 2.94 2.83
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.85 2.77 2.66
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.72 2.65 2.53
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.62 2.54 2.43
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.53 2.46 2.34
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.46 2.39 2.27
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.40 2.33 2.20
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.35 2.28 2.15
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.31 2.23 2.10
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.27 2.19 2.06
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.23 2.16 2.03
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.20 2.12 1.99
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.18 2.10 1.96
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.15 2.07 1.94
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.13 2.05 1.91
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.11 2.03 1.89
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.09 2.01 1.87
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.07 1.99 1.85
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.06 1.97 1.84
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.04 1.96 1.82
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.03 1.94 1.81
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.01 1.93 1.79
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 1.92 1.84 1.69
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03 1.87 1.78 1.63
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.84 1.75 1.59
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97 1.81 1.72 1.57
80 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.95 1.79 1.70 1.54
90 3.95 3.10 2.71 2.47 2.32 2.20 2.11 2.04 1.99 1.94 1.78 1.69 1.53
100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93 1.77 1.68 1.52
Lampiran 4. Tabel F 125
Tabel Distribusi F dengan  = 2.5%
df1 (Numerator)
df2
1 2 3 4 5 6 7 8 9 10 15 20 40
1 648 800 864 900 922 937 948 957 963 969 985 993 1006
2 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.43 39.45 39.47
3 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42 14.25 14.17 14.04
4 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.66 8.56 8.41
5 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.43 6.33 6.18
6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.27 5.17 5.01
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.57 4.47 4.31
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.10 4.00 3.84
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.77 3.67 3.51
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.52 3.42 3.26
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.33 3.23 3.06
12 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.18 3.07 2.91
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.05 2.95 2.78
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 2.95 2.84 2.67
15 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 2.86 2.76 2.59
16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.79 2.68 2.51
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.72 2.62 2.44
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.67 2.56 2.38
19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.62 2.51 2.33
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.57 2.46 2.29
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.53 2.42 2.25
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.50 2.39 2.21
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.47 2.36 2.18
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.44 2.33 2.15
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.41 2.30 2.12
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.39 2.28 2.09
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.36 2.25 2.07
28 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.34 2.23 2.05
29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.32 2.21 2.03
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.31 2.20 2.01
40 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39 2.18 2.07 1.88
50 5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32 2.11 1.99 1.80
60 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27 2.06 1.94 1.74
70 5.25 3.89 3.31 2.97 2.75 2.59 2.47 2.38 2.30 2.24 2.03 1.91 1.71
80 5.22 3.86 3.28 2.95 2.73 2.57 2.45 2.35 2.28 2.21 2.00 1.88 1.68
90 5.20 3.84 3.26 2.93 2.71 2.55 2.43 2.34 2.26 2.19 1.98 1.86 1.66
100 5.18 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.24 2.18 1.97 1.85 1.64
Tabel Distribusi F dengan  = 1%

df1 (Numerator)
df2
1 2 3 4 5 6 7 8 9 10 15 20 40
1 4052 5000 5403 5625 5764 5859 5928 5981 6022 6056 6157 6209 6287
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.43 99.45 99.47
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 26.87 26.69 26.41
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.20 14.02 13.75
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.72 9.55 9.29
6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.56 7.40 7.14
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.31 6.16 5.91
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.52 5.36 5.12
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 4.96 4.81 4.57
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.56 4.41 4.17
11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.25 4.10 3.86
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.01 3.86 3.62
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 3.82 3.66 3.43
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.66 3.51 3.27
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.52 3.37 3.13
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.41 3.26 3.02
17 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.31 3.16 2.92
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.23 3.08 2.84
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.15 3.00 2.76
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.09 2.94 2.69
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.03 2.88 2.64
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 2.98 2.83 2.58
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 2.93 2.78 2.54
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 2.89 2.74 2.49
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 2.85 2.70 2.45
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 2.81 2.66 2.42
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.78 2.63 2.38
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.75 2.60 2.35
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.73 2.57 2.33
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.70 2.55 2.30
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.52 2.37 2.11
50 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70 2.42 2.27 2.01
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.35 2.20 1.94
70 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59 2.31 2.15 1.89
80 6.96 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.64 2.55 2.27 2.12 1.85
90 6.93 4.85 4.01 3.53 3.23 3.01 2.84 2.72 2.61 2.52 2.24 2.09 1.82
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50 2.22 2.07 1.80
Lampiran 4. Tabel F 127
Tabel Distribusi F dengan  = 0.5%

df1 (Numerator)
df2
1 2 3 4 5 6 7 8 9 10 15 20 40
1 16211 20000 21615 22500 23056 23437 23715 23925 24091 24224 24630 24836 25148
2 198.5 199.0 199.2 199.2 199.3 199.3 199.4 199.4 199.4 199.4 199.4 199.4 199.5
3 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88 43.69 43.08 42.78 42.31
4 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14 20.97 20.44 20.17 19.75
5 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62 13.15 12.90 12.53
6 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25 9.81 9.59 9.24
7 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38 7.97 7.75 7.42
8 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21 6.81 6.61 6.29
9 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42 6.03 5.83 5.52
10 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85 5.47 5.27 4.97
11 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42 5.05 4.86 4.55
12 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09 4.72 4.53 4.23
13 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94 4.82 4.46 4.27 3.97
14 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60 4.25 4.06 3.76
15 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42 4.07 3.88 3.58
16 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38 4.27 3.92 3.73 3.44
17 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25 4.14 3.79 3.61 3.31
18 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14 4.03 3.68 3.50 3.20
19 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04 3.93 3.59 3.40 3.11
20 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85 3.50 3.32 3.02
21 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88 3.77 3.43 3.24 2.95
22 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81 3.70 3.36 3.18 2.88
23 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75 3.64 3.30 3.12 2.82
24 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59 3.25 3.06 2.77
25 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64 3.54 3.20 3.01 2.72
26 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60 3.49 3.15 2.97 2.67
27 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56 3.45 3.11 2.93 2.63
28 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52 3.41 3.07 2.89 2.59
29 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48 3.38 3.04 2.86 2.56
30 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34 3.01 2.82 2.52
40 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12 2.78 2.60 2.30
50 8.63 5.90 4.83 4.23 3.85 3.58 3.38 3.22 3.09 2.99 2.65 2.47 2.16
60 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90 2.57 2.39 2.08
70 8.40 5.72 4.66 4.08 3.70 3.43 3.23 3.08 2.95 2.85 2.51 2.33 2.02
80 8.33 5.67 4.61 4.03 3.65 3.39 3.19 3.03 2.91 2.80 2.47 2.29 1.97
90 8.28 5.62 4.57 3.99 3.62 3.35 3.15 3.00 2.87 2.77 2.44 2.25 1.94
100 8.24 5.59 4.54 3.96 3.59 3.33 3.13 2.97 2.85 2.74 2.41 2.23 1.91
TIPS PRAKTIS…..
Dalam prakteknya, formula: =FINV(probability;df1;df2) akan lebih

praktis digunakan., karena df 1 (degree of freedom 1) dan df 2 (degree of
freedom 2) sangat bervariasi dan belum tentu tertera pada Tabel F.
Misalkan pada analisis regresi dengan sampel (n) sebesar 130, maka
besarnya df1 dan df2, dapat digunakan dengan lebih akurat.
Apakah df1 dan df2?
 df1 atau numerator = jumlah variabel (k) - 1.
 df2 atau denominator = jumlah sampel (n) - k.
Contoh:
Sebuah penelitian menggunakan 3 variabel, yakni
Variabel bebas X1 Motivasi Kerja, X2: Kepemimpinan Transformasional
Variabel Terikat Y: Produktivitas Kerja.
Hasil analisis Anova disajikan pada Tabel berikut, dan F hitung= 64,435.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 12175,491 2 6087,745 64,435 ,000a
Residual 14171,738 150 94,478
Total 26347,229 152
a. Predictors: (Constant), Motivasi Kerja, Kepemimpinan Transformasional
b. Dependent Variable: Produktivitas Kerja
Jumlah Sampel (n) = 153
Pada alpha 5%, berapakah F tabel?

 df1 = k – 1 = 3 – 1 = 2
 df2 = n – k = 153 – 3 = 150
Kedua df1 dan df2 ini terlihat dengan jelas pada table di atas.
Maka pada Excel, F tabel akan diperoleh dengan cepat :
DAFTAR PUSTAKA
Karseno, A. R. 1986. Materi Pokok Statistika Ekonomi I. Penerbit

Karunika Universitas Terbuka. Jakarta.
Kartika, S. H. 1986. Buku Materi Pokok Analisis Data Statistika, Penerbit

Karunika Universitas Terbuka. Jakarta.
Larson, R dan Farber, B. 2003. Elementary Satistics Picturing the World 2nd
Edition. Frentishold. New Jersey.
Ritonga, A. 1987. Statistika Terapan untuk Penelitian, Lembaga Penerbit
Fakultas Ekonomi Universitas Indonesia. Jakarta.
Santoso, S. 2005. Bank Soal Statistik dengan SPSS. Elex Media
Komputindo. Jakarta.
Sudjana., 1981. Statistika untuk Ekonomi dan Niaga. Penerbit Tarsito.
Bandung.
Supranto, J dan Lima Krisna, N. 2010. Statistika Ekonomi & Bisnis. Mitra
Wacana Media. Jakarta.
Walpole, R. E., dan Wyers, R. H. 1986. Ilmu Peluang dan Statistika Untuk
Insinyur dan Ilmuan. Penerbit ITB. Bandung.
INDEKS
A F
Add-Ins, 9 frekuensi ekspektasi, 88
analisis regresi, 7 frekuensi harapan, 15
Analysis ToolPak, 5 frekuensi observasi, 88
ANOVA, v, 79, 80, 83, 103 Friedrich Robert Helmert, 123
function, 1, 2, 4
B Function Excel, 3
Bayes Theorema, 19 fungsi statistik,
binomial, 3, 33, 34, 35, 48
G
C genta, 44
chi-square, 87, 122 grafis, 8, 46
coefficient of variation, 2
crosstabs, 92, 94, 98
H
hipotesis, 66, 69, 70, 75, 76, 84,
D 85, 119, 121
data analysis, 5, 6, 7 hypergeometrik, 3, 33, 41
dependent, 12, 106, 129
derajat bebas, 80, 119, 121, 123 I
denominator, 123, 129, 131 independent, 12, 106, 129
numerator, 82, 99, 123, 129 intercept, 103, 104
descriptive statistics, 2, 6 interval konfidensi, 54, 56, 58,
Diagram Venn, 18, 24 59, 60, 61, 62
distribusi normal, 43, 45, 117
dummy variable, 112 J
Johann Carl Friedrich Gauss,
E
117
Excel, 1, 5, 7, 34, 39, 83, 89, 98,
117, 119, 121, 123, 128 K
expected, 91, 94 kecerdasan komputasional, 1
Karl Pearson, 121
kemungkinan, 14, 22, 38 pendugaan parameter, v, 53

Koefisien korelasi, 106 permutasi, v, 25, 26
koefisien variasi (cv), 2 poisson, v, 3, 33, 38, 39
kombinasi, 1, 4, 5, 9 probabilitas, 20, 22, 37, 68
kompetensi, 25 dan 26
koordinat, 45 R
kurtosis, 2 range, 2, 6, 7
kurva normal, 44, 45 rata-rata, 36, 38, 39, 44, 45, 51,
58, 59, 60, 61, 62, 63, 66, 67, 68,
L 69, 73, 76, 77, 78, 80, 84, 85
level of significance, 74 regresi, 11, 97, 98, 104, 112, 113
linear, 11, 104 regresi sederhana, 11, 106
regresi berganda, 109
M ruang sampel, 14
mean, 2, 68, 72, 80, 128
S
median, 2
modus, 2 signifikansi, 66, 68, 70, 73, 84, 85
skewness, 2
N SPSS, 8, 9, 11, 56, 67, 73, 83, 104
nilai harapan, 25, 27 standard deviasi, 2, 55
nilai maksimum, 2 standard error, 2, 55, 68, 103
nilai minimum, 2 standard error of estimate, 100
numerator, 82, 92, 129, 131 Statistical, 1, 9,34
Sum Square, 80
O Summary Output, 103
observed, 91, 94
T
P Tabel distribusi normal, 52, 117
Paired t test, 70 Tabel Chi-Square, 121
peluang, 13, 14, 15, 16, 17, 18, 19, Tabel - t, 119, 120
27, , 33, 35, 48, 129 Tabel Distribusi F, 123, 124
bersyarat, 16 Tabel F, a=5%, 126
diskrit, 33 Tabel F, a=2.5%, 127
saling bebas, 16 Tabel F, a=1%, 128
saling lepas, 15 Tabel F, a=0.5%, 129
Index 133
Tabel statistik, ukuran kemiringan, 2

CHIINV, 121, 123 ukuran pemusatan, 2
FINV, 123, 128 ukuran penyebaran, 2
NORMSDIST, 119 utulities, 8
TINV, 55, 68, 119
time-lag, 113 V
titik sampel, 14 variabel, 10
Tools Analysis Data, 5 variabel bebas, 99, 134
variabel terikat, 99, 134
U
variance, 2, 72, 80
uji - t, 65, 66, 67, 73, 108, 112
W
uji F, 81, 111
uji hipotesis, 65, 69 Willian Sealy Gosset, 119
uji indepedensi, 88

Buku Statistika 2 Jan Horas V Purba - 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Buku Statistika 2 Jan Horas V Purba - 2

Uploaded by

Copyright:

Available Formats

STATISTIKA EKONOMI DAN BISNIS 2

Mahir Excel dan SPSS

Jan Horas Veryady Purba

Mitra Wacana Media

Hak cipta dilindungi undang-undang. Dilarang

PURBA, Jan Horas Veryady

Statistika Ekonomi dan Bisnis 2

1. Statistika 2. Statistika Ekonomi dan Bisnis 2

di kelas, rumus itu bisa disampaikan dengan jitu agar terkesan

Lampiran 1 Normal Distribution ........................................................... 117

DAFTAR PUSTAKA ................................................................................. 129

 Insert Function atau logo fx

 Select a Categori, silahkan memilih Statistical

Dengan function di atas, Descriptive Statistics dapat dihitung dengan

Misalkan pada Excel, tersaji sebuah Data pada kolom A. Descriptive

atau =(G8/G15)^0.5 = 2.004

Koefisien Variasi (Coefficient of Variation)

Function Excel pada Binomial, Poisson dan Hypergeometrik:

Pengembangan kompetensi Function ini dapat digali lebih dalam, pada

Terlebih dahulu “Data Analyze” diaktifkan pada Excel, dengan langkah-

 Maka muncul dialog box

CONTOH 1 : Descriptive Statistics

Descriptive Statistics di atas, bisa diperoleh dengan lebih mudah dan

Pada layar, akan muncul

CONTOH 2 : Analisis Regresi dengan Data Analysis

Klik berurutan sbb:

Muncul dialog Box

Terlihat hasil regresi

Data  Data Analysis,

Beberapa diantaranya, antara lain:

Anova Single Factor Correlation

Dan berbagai tools lainnya.

Misalkan data karyawan STIE Kesatuan sebagai berikut:

2. Menamai variabel yang diperlukan

Langkah berikutnya, Klik Menu “Variable View” yang terletak di

Contoh Regresi Sederhana

Copy data latihan Regresi Sederhana pada Halaman 5 di atas ke SPSS,

Input data pada

Statistika secara umum dibagi atas 2, yakni Statistika

Dengan mengerjakan Bab 1 ini, Anda memiliki (dasar-dasar)

Teori Dasar Peluang

Peluang merupakan suatu konsep yang digunakan untuk melihat

Peluang suatu kejadian E dapat adalah :

Contoh dan Penyelesaian:

Peluang Komplemen Suatu Kejadian

Komplemen dari suatu kejadian A merupakan himpunan dari seluruh

Contoh dan Penyelesaian:

Frekuensi Harapan Suatu Kejadian

Frekuensi harapan suatu kejadian adalah hasil kali munculnya suatu

Peluang Dua Kejadian Tidak Saling Lepas

Peluang Dua Kejadian Saling Lepas

Peluang Dua Kejadian Saling Bebas

Contoh dan Penyelesaian:

Peluang Bersyarat (Dua Kejadian Tidak Saling Bebas)

Dua kejadian disebut kejadian bersyarat apabila terjadi atau tidak

Contoh dan Penyelesaian:

Maka 𝑃 (𝐵⎹ 𝐴) = 𝑃 (𝐴 ∩ 𝐵) / 𝑃 (𝐴)

Contoh Peluang dengan Diagram Venn

1) PT. Ranggagading mengiklankan produk barunya di majalah, radio

 P(M) = 0.2 dan P(M’) = 0.8;

a) P(TRM) = P(T)*P(R)*P(M) = 0.4*0.15*0.2 = 0.012.

c) 1 – P(T’R’M’) = 1 – 0.6*0.85*0.8 = 1 – 0.408 = 0.592.

Contoh Bayes Theorema

a) P(TRM) = P(T)P(R)P(M) = 0.40.150.2 = 0.012.

c) 1 – P(T’R’M’) = 1 – 0.60.850.8 = 1 – 0.408 = 0.592.