LABORATORIUM MANAJEMEN DASAR
MODUL STATISTIKA 2
Nama
:
NPM/Kelas
:
Fakultas/Jurusan :
FAKULTAS EKONOMI
UNIVERSITAS GUNADARMA
KELAPA DUA
ATA 2013/2014
STATISTIKA 2 Page 1 ATA 13/14
KATA PENGANTAR
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya sehingga modul praktikum Statistika 2 ini dapat terselesaikan.
Modul praktikum ini merupakan penyempurnaan dari modul praktikum sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat meningkatkan pemahaman dasar materi praktikum serta sebagai pedoman bagi mahasiswa dalam melakukan penelitian-penelitian ekonomi.
Kami menyadari bahwa modul praktikum ini masih perlu disempurnakan lagi, sehingga saran dan kritik untuk penyajian serta isinya sangat diperlukan.
Akhir kata, kami ucapkan terima kasih kepada tim Litbang Statistika 2 Laboratorium Manajemen Dasar yang turut berpartisipasi dalam penulisan modul praktikum ini. Ucapan terima kasih juga kami sampaikan kepada seluruh pihak yang berpartisipasi sehingga pelaksanaan praktikum ini dapat berjalan dengan lancar.
Kelapa Dua, Desember 2012
STATISTIKA 2 Page 2 ATA 13/14
DAFTAR ISI
Kata Pengantar ... 1
Daftar isi ... 2
Materi Distribusi Normal ... 4
I. Pendahuluan ... 4
II. Rumus Distribusi Normal ... 5
III. Langkah – langkah Pengujian Hipotesis ... 6
IV. Kurva Normal ... 7
V. Contoh Kasus ... 9
Daftar Pustaka ... 21
Materi Regresi Linier Sederhana ... 22
I. Pendahuluan ... 22
II. Rumus Regresi Linier Sederhana ... 23
1. Metode Least Square ... 24
2. Metode Setengah Rata – rata ... 24
3. Koefisien Korelasi ... 24
4. Koefifien Determinasi ... 24
5. Kesalahan Standar Estimasi ... 24
III. Langkah – langkah Pengujian Hipotesis ... 25
IV. Manfaat dari Analisis Regresi Linier Sederhana ... 26
V. Contoh Soal ... 26
STATISTIKA 2 Page 3 ATA 13/14
Materi Distribusi Chi Square ... 33
I. Pendahuluan ... 33
II. Analisis yang Diperlukan ... 33
III. Uji Independensi ... 34
IV. Contoh Kasus ... 35
V. Uji Keselarasan (Goodness of Fit) ... 40
VI. Contoh Kasus ... 40
Daftar Pustaka ... 49
Materi Distribusi ANOVA ... 50
I. Pendahuluan ... 50
II. Rumus – rumus Distribusi F (ANOVA) ... 50
A. Klasifikasi Satu Arah ... 50
1. Ukuran Data Sama ... 50
2. Ukuran Data Tidak Sama ... 51
B. Klasifikasi Dua Arah ... 51
1. Tanpa Interaksi ... 52
2. Dengan Interaksi ... 53
III. Langkah – langkah Pengujian Hipotesis ... 53
IV. Contoh Soal ANOVA ... 55
1. Satu Arah Data Sama ... 55
2. Satu Arah Data Tidak Sama ... 63
STATISTIKA 2 Page 4 ATA 13/14
MODUL DISTRIBUSI NORMAL I.PENDAHULUAN
Bidang inferensia statistik membahas generalisasi atau penarikan kesimpulan dan prediksi atau peramalan. Generalisasi dan prediksi tersebut melibatkan sampel atau contoh, sangat jarang menyangkut populasi. Sampling disebut juga pendataan sebagian anggota populasi atau penarikan contoh atau pengambilan sampel. Dalam modul ini akan dibahas tentang hipotesis dalam sebuah pengambilan suatu sampel, untuk dapat mengabil kesimpulan atau keputusan suatu parameter populasi yang sedang diteliti, maka umumnya ada perumpamaan (asumsi) mengenai distribusi atau parameter populasi. Asumsi dalam populasi ini disebut hipotesis statistik. Benar tidaknya hipotesa Haruslah di test atau diuji kebenarannya. Untuk maksud ini Harus diambil sampel dari populasi, berdasarkan sampel ini dilakukan test statistik yang disebut test hipotesa. Keputusan yang diambil adalah menerima atau menolak hipotesa.
Hipotesa adalah sebuah asumsi atau argumen atau pemikiran
dari sebuah data atau populasi yang akan diuji. Hipotesa nol adalah hipotesa yang dirumuskan dengan Harapan akan ditolak, dilambangkan dengan Ho. Hipotesa lainnya adalah Ha yaitu hipotesa alternatif apabila Ho ditolak.
Pengaplikasian Distribusi Normal digunakan untuk berbagai penelitian seperti :
a. Observasi tinggi badan b. Observasi isi sebuah botol c. Nilai Hasil ujian
Ciri-ciri Distribusi Normal :
a. n (jumlah sampel) ≥ 30 b. n.p ≥ 5
Apa yang dipersoalkan atau yang akan diuji, tidak selamanya menjadi Ho, sangat sering kalimat pengujian menjadi Ha. Apakah suatu
STATISTIKA 2 Page 5 ATA 13/14 kalimat pengujian akan menjadi Ho atau Ha, tergantung pada tanda yang tersirat didalamnya.
Contoh :
a. Uji dua arah
Ujilah apakah rata-rata populasi sama dengan 55, maka: Ho : µ = 55
Ha : µ ≠ 55
Disini kalimat pengujian menjadi Ho.
b. Uji satu arah
Ujilah apakah beda dua rata-rata populasi lebih besar dari 1, maka:
Ho : µ1 – µ2 ≤ 1
Ha : µ1 – µ2 > 1
Disini kalimat pengujian menjadi Ha.
c. Uji satu arah
Ujilah apakah proporsi populasi sekurang-kurangnya 0.5, maka: Ho : µ ≥ 0.5
Ha : µ < 0.5
Disini kalimat pengujian menjadi Ho.
I. RUMUS DISTRIBUSI NORMAL a. Satu rata-rata Dimana : x = rata-rata sampel µ = rata-rata populasi = simpangan baku n = jumlah sampel b. Dua rata-rata d0 = µ1 - µ2 Z = x − μ σ/√n Z = (x − x ) − d +
STATISTIKA 2 Page 6 ATA 13/14 c. Satu proporsi Dimana : p = proporsi berHasil q = proporsi gagal q = 1 – p d. Dua proporsi p1 = x1/n1 p2 = x2/n2
II. LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
1) Tentukan Ho dan Ha a. Satu rata-rata (i) Ho : µ ≥ µ0 Ha : µ < µ0 Z < –Zα (ii) Ho : µ ≤ µ0 Ha : µ > µ0 Z > Zα (iii) Ho : µ = µ0 Ha : µ ≠ µ0 Z < –Zα/2 dan Z > Zα/2 b. Dua rata-rata (i) Ho : µ1 – µ2 ≥ d0 Ha : µ1 – µ2 < d0 Z < –Zα (ii) Ho : µ1 – µ2 ≤ d0 Ha : µ1 – µ2 > d0 Z > Zα (iii) Ho : µ1 – µ2 = d0 Ha : µ1 – µ2 ≠ d0 Z < –Zα/2 dan Z > Zα/2 Z = x − (n. p) n. p. q Z = (p − p ) − d . + .
STATISTIKA 2 Page 7 ATA 13/14 c. Satu proporsi (i) Ho : p ≥ p0 Ha : p < p0 Z < –Zα (ii) Ho : p ≤ p0 Ha : p > p0 Z > Zα (iii) Ho : p = p0 Ha : p ≠ p0 Z < –Zα/2 dan Z > Zα/2 d. Dua proporsi (i) Ho : p1 – p2 ≥ d0 Ha : p1 – p2 < d0 Z < –Zα (ii) Ho : p1 – p2 ≤ d0 Ha : p1 – p2 > d0 Z > Zα (iii) Ho : p1 – p2 = d0 Ha : p1 – p2 ≠ d0 Z < –Zα/2 dan Z > Zα/2
2) Pilih arah uji hipotesis : 1 arah atau 2 arah
3) Menentukan taraf nyata (α) : a. Jika 1 arah α tidak dibagi 2 b. Jika 2 arah α dibagi 2 4) Menentukan nilai kritis Z tabel
5) Menentukan nilai hitung Z hitung 6) Keputusan dan gambar
7) Kesimpulan
III. KURVA NORMAL
STATISTIKA 2 Page 8 ATA 13/14
µ x
Kurva normal berbentuk seperti lonceng dan simetris terhadap rata-rata (µ).
a. Kurva distribusi normal dua arah Ho : µ = µ0 dan Ha: µ ≠ µ0.
Ho Ho
Ha Ha Ha
b. Kurva distribusi normal satu arah sisi kiri Ho : µ ≥ µ0 dan Ha: µ < µ0.
Ho Ho Ha
c. Kurva distribusi normal satu arah sisi kanan Ho : µ ≤ µ0 dan Ha: µ >
µ0.
STATISTIKA 2 Page 9 ATA 13/14
IV. CONTOH KASUS 1
1. Manajer pemasaran PT Suka-Suka menyatakan bahwa keuntungan penjualan sepeda setiap bulannya mencapai Rp 35.454.555,- dengan mengambil sampel sebanyak 43 bulan, diketahui rata-rata keuntungan penjualan sepeda adalah sebesar Rp 35.535.555,-. Dengan simpangan baku sebesar Rp 33.444.555,- ujilah hipotesis tersebut dengan taraf nyata 5%! (MADAS1314) Diketahui : n = 43 = Rp 33.444.555 µ = Rp 35.454.555 α = 5% = 0,05 x = Rp 35.535.555 Ditanya : Z ? Jawab :
Langkah-langkah pengujian hipotesis : 1) Ho : µ = Rp 35.454.555
Ha: µ ≠ Rp 35.454.555
2) Uji Hipotesis : 2 arah 1 rata – rata 3) Taraf nyata : = 5% = 0,05 / 2 = 0,025 0,5 – 0,025 = 0,475 4) Wilayah kritis : Z(0,475) = ±1,96 5) Nilai hitung : Z =x − μ σ/√n = 35.535.555 − 35.454.555 33.444.555/ √43 = 0,0159 6) Gambar dan keputusan
STATISTIKA 2 Page 10 ATA 13/14 Keputusan : Terima Ho, tolak Ha
7) Kesimpulan :
Pernyataan bahwa keuntungan penjualan sepeda setiap bulannya mencapai Rp 35.454.555 adalah benar.
Menggunakan R-Commander
Langkah-langkah penyelesaian kasus :
1. Tekan R Commander pada dekstop, lalu akan muncul tampilan seperti dibawah ini:
STATISTIKA 2 Page 11 ATA 13/14 2. Ketikkan data yang ada pada jendela skrip (script window) seperti
dibawah ini, setelah itu blok semua tulisan dan klik submit (kirim), maka hasilnya akan terlihat pada output window seperti berikut:
2. Pemilik toko boneka Luthuna menyatakan bahwa penjualan boneka tiap bulannya paling sedikit terjual 5.553 buah boneka. Dengan mengambil sampel sebanyak 33 bulan dan simpangan baku 3.545 buah boneka diketahui bahwa rata-rata penjualannya sebanyak 4.353 buah boneka. Ujilah hipotesis tersebut dengan taraf nyata 5%! (MADAS1314)
Diketahui : n = 33 μ = 5.553 x = 4.353 = 3.545 α = 5% = 0,05
STATISTIKA 2 Page 12 ATA 13/14 Jawab :
Langkah – langkah pengujian hipotesis : 1) Ho : μ ≥ 5.553
Ha : μ < 5.553
2) Uji Hipotesis : 1 arah 1 rata – rata 3) Taraf nyata : = 5% = 0,05 0,5 – 0,05 = 0,45
4) Wilayah kritis : Z(0,45) = –1,65 (Uji Kiri) 5) Nilai hitung :
Z =x − μ σ/√n =
4.353 − 5.553
3.545 / √33 = −1,944 6) Gambar dan keputusan
Ho Ho Ha
–1.94 –1,65
Keputusan : Tolak Ho, terima Ha 7) Kesimpulan :
Pernyataan bahwa penjualan boneka Luthuna tiap bulannya paling sedikit terjual 5.553 buah boneka adalah salah.
STATISTIKA 2 Page 13 ATA 13/14
Menggunakan R-Commander
Langkah-langkah penyelesaian kasus :
1. Tekan R Commander pada dekstop, lalu akan muncul tampilan seperti dibawah ini:
2. Ketikkan data yang ada pada jendela skrip (script window) seperti dibawah ini, setelah itu blok semua tulisan dan klik submit (kirim), maka hasilnya akan terlihat pada output window seperti berikut :
STATISTIKA 2 Page 14 ATA 13/14 3. Berikut adalah data rata-rata banyak hari membolos karyawan
(hari/tahun) PT XYZ di dua divisi yang berbeda :
Penjualan HRD Rata – rata banyaknya membolos
(hari/tahun) x1 = 55 x2 = 35
Simpangan baku S1 = 43 S2 = 54
Sampel n1 = 53 n2 = 34
Dengan taraf nyata 5% apakah ada perbedaan rata-rata banyaknya hari membolos di kedua divisi pada PT XYZ paling banyak 43 hari/tahun? (MADAS1314)
Diketahui : X1 = 55 S1 = 43 n1 = 53
X2 = 35 S2 = 54 n2 = 34
Ditanya : Apakah ada perbedaan rata-rata banyaknya hari membolos di kedua divisi pada PT XYZ paling banyak 43 hari/tahun?
STATISTIKA 2 Page 15 ATA 13/14 Jawab :
Langkah – langkah pengujian hipotesis : 1) Ho : μ1 – μ2 ≤ 43
Ha : μ1 – μ2 > 43
2) Uji Hipotesis : 1 arah 2 rata – rata 3) Taraf nyata : = 5% = 0,05
0,5 – 0,05 = 0,45
4) Wilayah kritis : Z(0,45) = 1,65 (Uji Kanan) 5) Nilai hitung : Z =(x − x ) − d + Z =(55 − 35) − 43 + = −23 10,98= −2,094
6) Gambar dan keputusan
Ho Ho
Ha
–2,094 1,65 Keputusan : Terima Ho, tolak Ha
7) Kesimpulan :
Tidak ada perbedaan rata-rata banyaknya hari membolos di kedua divisi pada PT XYZ paling banyak 43 hari/tahun.
STATISTIKA 2 Page 16 ATA 13/14
Menggunakan R-Commander
Langkah-langkah penyelesaian kasus :
1. Tekan R Commander pada dekstop, lalu akan muncul tampilan seperti dibawah ini:
2. Ketikkan data yang ada pada jendela skrip (script window) seperti dibawah ini, setelah itu blok semua tulisan dan klik submit (kirim), maka hasilnya akan terlihat pada output window seperti berikut:
STATISTIKA 2 Page 17 ATA 13/14 4. Dalam ujian kalkulus diperkirakan paling banyak 53% mahasiswa
yang lulus ujian dengan nilai diatas standar. Jika dari 545 mahasiswa ada 355 yang nilainya di bawah standar kelulusan, maka ujilah hipotesis yang menyatakan bahwa paling banyak 53% mahasiswa akan lulus dalam ujian kalkulus. Gunakan tingkat signifikan 5%! (MADAS1314)
Diketahui : p ≤ 0,53 n = 545 = 5%
x = 545 – 355 = 190 q = 1 – p = 1 – 0,53 = 0,47 Ditanya : Uji Hipotesis?
STATISTIKA 2 Page 18 ATA 13/14 Jawab :
Langkah – langkah pengujian hipotesis : 1) Ho : p ≤ 0,53
Ha : p > 0,53
2) Uji Hipotesis : Uji proporsi 1 arah 1 proporsi 3) Taraf nyata : = 5% = 0,05
0,5 – 0,05 = 0,45
4) Wilayah kritis : Z(0,45) = 1,65 (Uji Kanan) 5) Nilai hitung : Z =x − (n . p) n. p. q = 190 − (545 x 0,53) 545 . 0,53 .0,47 = −98,85 11,65 = −8,48
6) Gambar dan keputusan
Ho Ho
Ha
–8,48 1,65 Keputusan : Terima Ho, tolak Ha
7) Kesimpulan :
Bahwa anggapan paling banyak 53% mahasiswa akan lulus dalam ujian kalkulus adalah benar.
Menggunakan R-Commander
Langkah-langkah penyelesaian kasus :
1. Tekan R Commander pada dekstop, lalu akan muncul tampilan seperti dibawah ini:
STATISTIKA 2 Page 19 ATA 13/14 2. Ketikkan data yang ada pada jendela skrip (script window) seperti
dibawah ini, setelah itu blok semua tulisan dan klik submit (kirim), maka hasilnya akan terlihat pada output window seperti berikut :
STATISTIKA 2 Page 21 ATA 13/14
DAFTAR PUSTAKA
Statistika 2 Universitas Gunadarma
Walpole, Ronald E., 1995, Pengantar Statistika Edisi ke-3, Jakarta, PT.Gramedia Pustaka Utama
Prof.Dr.J.Supranto,MA.,APU dan Limakrisna, Dr.H.Nandan.,2010, Statistika Ekonomi dan Bisnis, Jakarta, Mitra Wacana Media
Agung, I Gusti Ngurah., 2001, Statistika Analisis Hubungan Kasual Berdasarkan Data kategorik, Jakarta, PT.Raja Grafindo Persada
STATISTIKA 2 Page 22 ATA 13/14
MODUL REGRESI LINIER SEDERHANA
I. PENDAHULUAN
Statistika adalah bidang ilmu yang lebih menitikberatkan kepada cara pengolahan dan analisis data, penyajian data dan penafsiran data. Jika data yang digunakan, diolah dan dianalisa, disajikan dan diinterprestasikan merupakan data ekonomi dan bisnis maka dapat dikatakan statistika ekonomi dan bisnis. Data statistika ekonomi dan bisnis, antara lain meliputi data ekonomi mikro atau data dalam lingkungan internal perusahaan, data industry, data ekonomi makro bahkan data ekonomi global.
Di dalam analisa ekonomi dan bisnis, dalam mengolah data sering digunakan analisis regresi dan korelasi. Analisa regresi dan korelasi telah dikembangkan untuk mempelajari pola dan mengukur hubungan statistik antara dua atau lebih variabel. Analisis regresi menjawab bagaimana pola hubungan variabel-variabel dan analisis korelasi menjawab bagaimana keeratan hubungan yang diterangkan dalam persamaan regresi. Namun karena bab ini hanya membahas tentang regresi linier sederhana, maka
hanya dua variabel yang digunakan. Sedangkan sebaliknya jika lebih dari dua variabel yang terlibat maka disebut regresi dan korelasi berganda. Analisa ini akan memberikan hasil apakah antara
variabel-variabel yang sedang diteliti atau sedang dianalisis terdapat hubungan, baik saling berhubungan, saling mempengaruhi dan seberapa besar tingkat hubungannya. Pada dasarnya analisis ini menganalisis hubungan dua variabel dimana membutuhkan dua kelompok hasil observasi atau pengukuran sebanyak n ( data ).
Data hubungan antara variabel X dan Y berdasarkan pada dua hal yaitu : 1. Penentuan bentuk persamaan yang sesuai guna meramalkan rata-rata
Y melalui X atau rata-rata X melalui Y dan menduga kesalahan selisih peramalan. Hal ini menitikberatkan pada observasi variabel tertentu, sedangkan variabel-variabel lain dikonstantir pada berbagai tingkat atau keadaan, hal inilah yang dinamakan Regresi.
STATISTIKA 2 Page 23 ATA 13/14 2. Pengukuran derajat keeratan antara variabel X dan Y. Derajat ini
tergantung pada pola variasi atau interelasi yang bersifat simultan dari variabel X dan Y. Pengukuran ini disebut Korelasi.
Hubungan antara variabel X dan Y kemungkinan merupakan hubungan dependen sempurna dan kemugkinan merupakan hubungan independen sempurna. Variabel X dan Y dapat dikatakan berasosiasi atau berkorelasi secara statistik jika terdapat batasan antara dependen dan independen sempurna. Metode analisis ini juga digunakan untuk mengestimasi atau menduga besarnya suatu variabel yang lain telah diketahui nilainya. Salah satu contoh adalah untuk menganalisis hubungan antara tingkat pendapatan dan tingkat konsumsi.
II. RUMUSAN REGRESI LINIER SEDERHANA
Analisis regresi adalah analisa mengenai suatu variabel terhadap variabel lain, mengukur antara variabel bebas terhadap variabel terikat. Jika pengukuran ini melibatkan satu variabel bebas (X) dan variabel terikat (Y) dinamakan analisis regresi linier sederhana. Dikatakan linier jika pola perubahan antar variabel yang diregresi mengikuti atau cenderung mengikuti garis lurus.
Persamaan Regresi Linier Sederhana
Dimana : a = konstanta
b = koefisien regresi (kontribusi besarnya perubahan nilai variabel bebas)
Y = Variabel dependen ( variabel tak bebas ) X = Variabel independen ( variabel bebas )
Untuk mencari rumus a dan b dapat digunakan metode Least Square sbb:
Jika (X) 0 nilai a dan b dapat dicari dengan metode:
Y = a + bX
a = ΣY – b ΣX n
b = n ΣXY – ΣX . ΣY n ΣX2 – (ΣX)2
STATISTIKA 2 Page 24 ATA 13/14
1. Metode Least Square
Metode ini pertama kali diperkenalkan oleh Carl Friedrich Gauss, seorang ahli matematika berkebangsaan Jerman.
2. Metode setengah rata-rata
a = rata-rata K1 ( rata-rata kelompok 1) b = ( rata-rata K2 – rata-rata K1) / n
n = jarak waktu antara rata-rata K1 dan K2
3. Koefisien Korelasi
Untuk mencari koefisien relasi dapat digunakan rumusan koefisien korelasi Pearson yaitu :
Keterangan :
1. Jika r = 0 maka tidak ada hubungan antara kedua variabel.
2. Jika r = (-1) maka hubungan sangat kuat dan bersifat tidak searah. 3. Jika r = (+1) maka hubungannya sangat kuat dan bersifat searah.
4. Koefisien Determinasi
Koefisien determinasi dilambangkan dengan r2, merupakan kuadrat dari koefisien korelasi. Koefisien ini dapat digunakan untuk menganalisis apakah variabel yang diduga / diramal (Y) dipengaruhi oleh variabel (X) atau seberapa variabel independen ( bebas ) mempengaruhi variabel dependen ( tak bebas ).
5. Kesalahan Standar Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan dengan mengukur besar kecilnya kesalahan standar estimasi. Semakin kecil nilai kesalahan standar estimasi maka semakin tinggi ketepatan persamaan estimasi dihasilkan untuk menjelaskan nilai variabel yang sesungguhnya. Dan sebaliknya, semakin besar nilai kesalahan standar estimasi maka semakin
a = ΣY n b = ΣXY ΣX2 r = n (ΣXY)- (ΣX)(ΣY) [ n (ΣX2)- (ΣX)2 ]1/2[ n (ΣY2)- (ΣY)2 ]1/2
STATISTIKA 2 Page 25 ATA 13/14 rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel dependen yang sesungguhnya. Kesalahan standar estimasi diberi simbol Se yang dapat ditentukan dengan rumus berikut :
III. LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
a. Tentukan hipotesis nol ( Ho ) dan hipotesis alternatif ( Ha )
Ho : β ≤ k Ha : β > k Ho : β ≥ k Ha : β < k Ho : β = k Ha : β ≠ k
b. Tentukan arah uji hipotesis ( 1 arah atau 2 arah )
1. Tentukan tingkat signifikan ( α ) - Jika 1 arah α tidak dibagi dua - Jika 2 arah α dibagi dua ( α / 2 ) 2. Tentukan wilayah kritis ( t tabel ) t tabel = ( α ; db ) db = n – 2 3. Tentukan nilai hitung ( t hitung ) 4. Gambar dan keputusan
5. Kesimpulan c. Gambar : 1. Ho : β ≤ k ; Ha : β > k 2. Ho : β ≥ k ; Ha : β < k 0 t table -t table 0 3. Ho : β = k ; Ha : β ≠ k - t tabel 0 t tabel
Se = √(ΣY2- a ΣY – b ΣXY)
STATISTIKA 2 Page 26 ATA 13/14
IV. MANFAAT REGRESI LINIER SEDERHANA
Salah satu kegunaan dari regresi adalah untuk memprediksi atau meramalkan nilai suatu variabel, misalnya kita dapat meramalkan konsumsi masa depan pada tingkat pendapatan tertentu. Selain itu analisis regresi sederhana juga digunakan untuk mengetahui apakah variabel-variabel yang sedang diteliti saling berhubungan. Dimana keadaan satu variabel membutuhkan adanya variabel yang lain dan sejauh mana pengaruhnya, serta dapat mengestimasi tentang nilai suatu variabel. Hal ini dapat digunakan untuk mengetahui kondisi ideal suatu variabel jika variabel yang lain diketahui.
V. CONTOH KASUS Kasus 1 :
Diketahui suatu penelitian terhadap pengaruh antara nilai biaya periklanan dengan tingkat penjualan dari sebuah produk kecantikan adalah sebagai berikut (dalam ribuan):
Biaya Periklanan Tingkat Penjualan
55 54
34 54
44 35
55 55
a. Tentukan persamaan regresinya !
b. Berapa besarnya koefisien korelasi dan koefisien determinasinya ? c. Berapa besarnya kesalahan standar estimasinya ?
d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang menyatakan bahwa pengaruh antara biaya periklanan dan tingkat penjualan sedikitnya 40% !
Jawaban :
Dik : α = 10% = 0,1 β = 40% = 0,4
Dit : a) Persamaan regresi ! b) r dan r2 !
STATISTIKA 2 Page 27 ATA 13/14 c) Se !
d) Ujilah hipotesis ! Jawab :
a) Persamaan regresi.
b = n ΣXY – ΣX . ΣY a = ΣY – b ΣX
n ΣX2 – (ΣX)2 n b = (4 x 9371) – (188 x 198) a = 198 – (0,21242 x 188) (4 x 9142) – 35344 4 b = 37484 - 37224 a = 198 – 39,9346 36568 - 35344 4 b = 260 a = 158.06535 1224 4 b = 0,2124 a = 39,5163 Persamaan Regresi: Y = 39,5163 + 0,2124 X b) Koefisien korelasi (r) r = n (ΣXY)- (ΣX)(ΣY) [ n (ΣX2)- (ΣX)2 ]1/2 [ n (ΣY2)- (ΣY)2 ]1/2 r = 4 (9371)- (188)(198) [ 4 (9142)- (188)2 ]1/2 [ 4 (10082)- (198)2 ]1/2 r = 37484 - 37224 [36568 - 35344]1/2 [40328 - 39204]1/2 r = 260 (34,98571137) (33,52610923) r = 260 r = 0,221666203 1172,934781 Koefisien determinasi (r2) ; 0,049135905 = (49,14%) c) Standar Estimasi :
Se = √(ΣY2- a ΣY – b ΣXY) n - 2 Se = √(10082 – (39,5163 x 198) – (0,2124 x 9371) 4 - 2 Se = √(10082 – (7824,2274) – (1990,4004) 2 Se = 11,56
STATISTIKA 2 Page 28 ATA 13/14 d) Langkah pengujian hipotesis :
1. Tentukan Ho dan Ha 5. Nilai hitung Ho : β >= 0,4 Sb = Se Ha : β < 0,4 √((ΣX2)- (ΣX)2
2. Uji hipotesis 1 arah n
3. Tingkat signifikan (α) Sb = 11,56 α = 0,1 √((9142)- 35344 4. Wilayah kritis (α ; db) 4 Db = 4 – 2 Sb= 11,56 / 17,5 = 4 – 2 Sb= 0,6606 = 2 t tabel (0,1 ; 2) = 1,886 t hitung = b Sb t hitung = 0,2124 0,6606 t hitung= 0,321 6. Kurva Ha Ho -1,886 0 0,321
Keputusan : terima Ho, tolak Ha 7. Kesimpulan :
Jadi, pendapat yang menyatakan bahwa hubungan antara biaya periklanan dan tingkat penjualan sedikitnya 40% adalah
benar, dimana biaya periklanan mempengaruhi tingkat
penjualan sebesar 49,14%.
Langkah pengerjaan dengan software R Commander :
1. Buatlah data set baru dengan cara : Data,New data set. Masukkan nama data setnya, lalu klik OK.
STATISTIKA 2 Page 29 ATA 13/14 2. Akan muncul Data Editor. Karena Biaya Periklanan adalah variabel X
dan Tingkat penjualan adalah variablel Y. Maka var1 diganti x dan
var2 diganti y. tipe numeric. Lalu masukkan datanya seperti pada
soal, kalau sudah selesai di close.
3. Kemudian pilih menu Statistics Fit Models Linear
STATISTIKA 2 Page 30 ATA 13/14 4. Akan muncul Linear Regression.
Pada Response variable pilih y. Pada Explanatory variables pilih x. Lalu klik OK.
STATISTIKA 2 Page 31 ATA 13/14 Berikut adalah keterangan dari hasil output yang muncul:
Persamaan regresi Sb t hitung
STATISTIKA 2 Page 32 ATA 13/14
DAFTAR PUSTAKA
Sunyoto, Danang. 2010. Statistika ekonomi induktif – Metode Pengujian & Pengambilan Keputusan. Jakarta:PT. INDEKS. Rasul, Agung Abdul dan Tukirin, 2013. Statistika Ekonomi & Bisnis.
Jakarta:IN MEDIA.
Supranto. 2009. The Power of Statistics untuk Pemecahan Masalah. Jakarta: Salemba Empat.
Mulyono, Sri. 2003. Statistika untuk Ekonomi – Edisi Kedua. Jakarta:FE UI.
STATISTIKA 2 Page 33 ATA 13/14
MODUL UJI NON PARAMETIK (CHI-SQUARE / X²) I. PENDAHULUAN
Dalam uji statistika dikenal uji parametrik dan uji nonparametrik. Uji statistika parametrik hanya dapat digunakan jika data menyebar normal atau tidak ditemukannya petunjuk pelanggaran kenormalan dan keragaman atau variasi antara perlakuan-perlakuan / peubah bebas yang dibandingkan dengan homogen.
Untuk data yang tidak memenuhi syarat tersebut dan data dengan satuan pengukuran nominal dan ordinal digunakan uji lain yaitu statistika nonparametrika. Pada modul ini uji statistika non parametrik yanga kan dibahas adalah Chisquare (X²).
Chi square merupakan salah satu alat analisis yang banyak digunakan dalam pengujian hipotesis. Chi square terutama digunakan untuk Uji Homogenitas, Uji Independensi, Dan Uji Keselarasan (Goodness Of Fit Test).
II. ANALISIS YANG DIPERLUKAN
Rumus untuk uji Chi Square yaitu sebagai berikut : X² = (∑(fo – fe) ² ) / fe
Keterangan :
fo : hasil observasi pada baris b kolom k
fe : nilai harapan ( expected value ) pada baris b kolom k Distribusi X2 digunakan untuk menguji:
a. Apakah frekuensi observasi berbeda secara signifikan terhadap frekuensi ekspektasi.
b. Apakah dua variable independent atau tidak.
c. Apakah data sampel menyerupai distribusi hipotesis tertentu seperti distribusi normal, binomial, poisson atau yang lain.
Nilai X2 selalu positif karena didapat dari penjumlahan kuadrat dari variable normal standar Z sehingga kurva chi kuadrat tidak mungkin berada di sebelah kiri nilai nol. Bentuk distribusi
STATISTIKA 2 Page 34 ATA 13/14 X2 tergantung dari derajat bebas (db) atau Degree of freedom. Distribusi X2 bukan suatu kurva probabilitas tunggal tetapi merupakan suatu keluarga dari kurva bermacam-macam distribusi X2. db=1-2 db=3-4 db=5-8 db=9 Gambar
Macam-macam Kurva Distribusi Chi Square
Uji X2 dibagi menjadi:
a. Uji Kecocokan = Uji Kebaikan = test goodness of fit
Hanya terdapat satu baris Db=k-m-1
Dengan:
k = jumlah kategori data sampel
m= jumlah nilai-nilai parameter yang diestimasi.
b. Uji Kebebasan
Jika terdapat lebih dari satu baris Db=(k-1)(b-1)
Dengan:
k = jumlah kolom b = jumlah bar
III. UJI INDEPENDENSI
Uji ini digunakan untuk menguji ada atau tidaknya interdependensi antara variabel kuantitaif yang satu dengan yang lainnya berdasarkan observasi yang ada.
STATISTIKA 2 Page 35 ATA 13/14
IV. CONTOH KASUS
Dalam suatu penelitian yang bertujuan untuk mengetahui apakah ada hubungan antara Usia seseorang dengan jumlah pengguna sosial media, diperoleh data sebagai berikut :
Sosial Media
Total Twitter Facebook Path
Usia
<15th 55 35 33 123
15-25th 55 53 35 143
>25th 33 53 33 119
Total 143 141 101 385
Dengan taraf nyata 5%, ujilah hipotesis tersebut !
Pengujian Hipotesis :
a. Ho : Tidak ada hubungan antara usia seseorang dengan jumlah pengguna sosial media
Ha : Ada hubungan antara usia seseorang dengan jumlah pengguna sosial media
b. α = 5%
db = (k-1)(b-1) = (3-1) (3-1)
= 4
c. Menentukan nilai kritis X2 tabel = (α ; db)
= (0.05 ; 4) = 9.488
d. Menentukan nilai test statistik ( nilai hitung) Fe = Jmlh mnrt baris X jmlh menurut kolom Jmlh seluruh baris dan kolom
STATISTIKA 2 Page 36 ATA 13/14 Fe11 = (123 X 143) / 385 = 45.68571429 Fe12 = (123 X 141) / 385 = 45.04675325 Fe13 = (123 X 101) / 385 = 32.26753247 Fe21 = (143 X 143) / 385 = 53.11428571 Fe22 = (143 X 141) / 385 = 52.37142857 Fe23 = (143 X 101) / 385 = 37.51428571 Fe31 = (119 X 143) / 385 = 44.2 Fe32 = (119 X 141) / 385 = 43.58181818 Fe33 = (119 X 101) / 385 = 31.21818182
Rumus : X2 = Σ (Fo – Fe)2 Fe
Fo fe (fo-fe) (fo-fe)2 (fo-fe)2 /fe 55 45.68571429 9.3143 86.756 1.89 35 45.04675325 -10.046 100.92 2.24 33 32.26753247 0.733 0.5372 0.016 55 53.11428571 1.88572 3.555 0.06 53 52.37142857 0.6285 0.3950 0.007 35 37.51428571 -2.5142 6.3212 0.168 33 44.2 -11.2 125.44 2.83 53 43.58181818 9.4182 89.90 2.06 33 31.21818182 1.78182 3.174 0.10 Total 9.37
e. Gambar dan Keputusan :
Ho diterima Ha ditolak
9.371 9,488
Kesimpulan : Tidak ada hubungan antara usia seseorang dengan jumlah pengguna sosial media
STATISTIKA 2 Page 37 ATA 13/14
Langkah pengerjaan dengan software :
Untuk mencari nilai-nilai data tersebut denganmenggunakan program R, ikutilah langkah-langkah berikut :
1. Tekan ikon R Commander pada desktiop kemudian akan muncul tampilan seperti ini.
Gambar 1. Tampilan menu awal R Commander
2. Pada R Commander pilih menu bar Statistics, Contingency Tables, dan Enter and analyze two-way table seperti tampilan dibawah ini.
STATISTIKA 2 Page 38 ATA 13/14 Gambar 2. Tampilan menu olah data
Kemudian akan tampil seperti dibawah ini.
Gambar 3. Tampilan Enter – Two Way Table
3. Kemudian isi kotak tersebut sesuai contooh kasus, Number of Rows digeser ke kanan sehingga berubah dari 2 menjadi 3, Number of Columns digeser ke kanan sehingga berubah dari 2 menjadi 3. Kemudian isi Enter Counts. Tampilan data yangsudah diisi sebagai berikut. Kemudian pilih OK.
STATISTIKA 2 Page 39 ATA 13/14 Gambar 4. Tampilan isi data
4. Kemudian akan tampil output dibawah ini.
STATISTIKA 2 Page 40 ATA 13/14
V. UJI KESELARASAN (GOODNESS OF FIT)
Uji keselarasan adalah perbandingan antara frekuensi observasi dengan frekuensi harapan. Uji keselarasan pada prinsipnya bertujuan untuk mengetahui apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis tertentu ataukah tidak.
VI. CONTOH KASUS
Seorang Manajer Pemasaran sabun mandi NUVO selama ini menggangap bahwa konsumen sama-sama menyukai tiga warna sabun mandi yang diproduksi, yaitu Putih, Biru, dan Merah. Untuk mengetahui apakah pendapat Manajer tersebut benar, maka kepada sepuluh responden ditanya warna sabun mandi yang paling disukainya.
Berikut adalah data kuesioner tersebut.
Responden Warna kesukaan Risna Putih Sharlita Putih Ika Biru Rifqi Merah Tanto Putih Eka Putih Wisnu Biru Harry Merah Indri Merah Sheilly Biru
Ujilah data diatas dengan menggunakan R commander serta analisislah!
STATISTIKA 2 Page 41 ATA 13/14 a. Tabel Frekuensi :
Pilihan Warna Sabun
Putih Merah Biru
Frekuensi 4 3 3
b. Ho : Jumlah konsumen yang menyukai ketiga warna sabun mandi merata
Ha : Jumlah konsumen yang menyukai ketiga warna sabun mandi tidak merata
c. α = 5% db = k – m – 1 = 3 – 0 – 1 = 2 d. Nilai Kritis : 5,991 e. Nilai Hitung :
fe = jmlh data / banyaknya kolom = 10 / 3= 3.3
Rumus :
X2 = Σ (fo – fe)2 Fe
Fo Fe (fo-fe) (fo-fe)2 (fo-fe)2 /fe
4 3.3 0.7 0.49 0.148
3 3.3 -0.3 0.09 0.027
3 3.3 -0.3 0.09 0.027
STATISTIKA 2 Page 42 ATA 13/14 f. Gambar dan Keputusan :
Ho diterima Ha ditolak
0,2 5,991
Kesimpulan : Jumlah konsumen yang menyukai ketiga warna sabun mandi merata
Langkah pengerjaan dengan software :
Untuk mencari nilai-nilai data tersebut dengan menggunakan program R, ikutilah langkah- langkah berikut :
1. Tekan icon R commander pada dekstop kemudian akan muncul tampilan seperti gambar dibawah ini.
Gambar 6. Tampilan menu awal R Commander
2. Pilih menu Data, New data set. Masukkan nama dari data set adalah responden kemudian tekan tombol OK
STATISTIKA 2 Page 43 ATA 13/14 Gambar 7. Tampilan menu New data set
Gambar 8. Tampilan New Data Set responden
Kemudian akan muncul Data Editor
STATISTIKA 2 Page 44 ATA 13/14 3. Masukkan data dengan var1 untuk responden, var2 untuk kode
warna, var3 untuk warna pilihan. Jika Data Editor tidak aktif maka dapat diaktifkan dengan menekan Rgui di Taskbar windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variabel yang ingin di setting. Pemilihan type, dipilih numeric pada variabel kode warna dan character untuk responden.
Tekan icon R commander pada dekstop kemudian muncul window data editor.
Gambar 10. Tampilan Variable editor responden
STATISTIKA 2 Page 45 ATA 13/14 Gambar 12. Tampilan Variable edtor warna pilihan
Kemudian isi masing-masing variabel sesuai dengan data soal setelah selesai isis data kemudian tekan tombol X (close)
Gambar 13. Tampilan isi Data Editor
Selanjutnya, pilih window R-Commander akan muncul tampilan: 4. Pada R Commander, pilihmenu bar data, pilih Manage
STATISTIKA 2 Page 46 ATA 13/14 5. Akan tampil sebagai berikut. Kemudian klik OK
6. Akan tampil sebagai berikut dengan mengubah terlebuh dahulu 1 : putih
2 : biru 3 : merah Kemudian klik OK
STATISTIKA 2 Page 47 ATA 13/14 7. Pada R-Commander pilih menu bar pilih Edit data set. Maka
akan tampil sebagai berikut.
Sebelumnya kolom warna pilihan tidak terisi data. Close data
STATISTIKA 2 Page 48 ATA 13/14 8. Pada menu bar pilih Statistics, pilih Frequency distribution.
1. Maka akan tampil sebagai berikut, beri tanda check list pada
chisquare goodness of fit test. Kemudian klik OK.
STATISTIKA 2 Page 49 ATA 13/14 3. Maka akan tampil pada R-Commander sebagai berikut.
DAFTAR PUSTAKA
Budiyono, 2009, Statistik untuk penelitian, Jakarta : Edisi 2, Sebelas maret university press.
Stephen Larry J dan Siegel Murray R, 2005, Statistik, : Edisi 3, Erlangga.
Soerjadi, 1991, Statistika, ITB BANDUNG.
STATISTIKA 2 Page 51 ATA 13/14
MODUL DISTRIBUSI F (ANOVA) I.PENDAHULUAN
Ditemukan oleh seorang ahli statistik yang bernama R.A. Fisher pada tahun 1920.
Anova kepanjangan dari Analysis of Variance.
Distribusi F/ANOVA adalah prosedur statistika untuk mengkaji (mendeterminasi) apakah rata-rata hitung (mean) dari 3 (tiga) populasi atau lebih, sama atau tidak.
Digunakan untuk menguji rata-rata atau nilai tengah dari tiga atau lebih populasi secara sekaligus, apakah rata-rata atau nilai tengah tersebut sama atau tidak sama.
II. RUMUS-RUMUS DISTRIBUSI F / ANOVA :
A. Klasifikasi Satu Arah
Klasifikasi satu arah, adalah klasifikasi pangamatan yang hanya didasarkan pada satu kriteria. Misalnya saja varietas padi. Dalam klasifikasi satu arah ini, rumus-rumus yang digunakan adalah :
1) Ukuran Data Sama
JKT =
JKK =
JKG = JKT – JKK
Keterangan :
JKT : Jumlah Kuadrat Total
X2ij : Pengamatan ke-j dari populasi ke-i T2 : Total semua pengamatan
STATISTIKA 2 Page 52 ATA 13/14 JKK : Jumlah Kuadrat Kolom
JKG : Jumlah Kuadrat Galat
nk : Banyaknya anggota secara keseluruhan
T2i : Total semua pengamatan dalam contoh dari populasi ke-i N : Banyaknya pengamatan / anggota baris
Analisis ragam dalam klasifikasi satu arah dengan data sama
Sumber Keragaman
Jumlah Kuadrat
Derajat
Bebas Kuadrat Tengan F Hitung Nilai Tengah Kolom JKK k-1 S 2 1 = JKK / (k-1) S21 / S22 Galat JKG k(n-1) S22 = JKG / (k(n-1) Total JKT nk-1
2) Ukuran Data Tidak Sama
JKT =
JKK =
JKG = JKT - JKK
Analisis ragam dalam klasifikasi satu arah dengan data tidak sama Sumber
Keragaman
Jumlah Kuadrat
Derajat
Bebas Kuadrat Tengan F Hitung Nilai Tengah Kolom JKK k-1 S 2 1 = JKK / (k-1) S21 / S22 Galat JKG N-k S22 = JKG / (N-k) Total JKT N-1
B. Klasifikasi Dua Arah
Adalah klasifikasi pengamatan yang didasarkan pada 2 kriteria, seperti varietas dan jenis pupuk. Segugus pengamatan dapat diklasifikasikan menurut dua kriteria dengan menyusun data tersebut dalam baris dan kolom,
STATISTIKA 2 Page 53 ATA 13/14 menyatakan kriteria klasifikasi yang lain. Rumus-rumus yang digunakan dalam klasifikasi 2 arah adalah :
1) Tanpa Interaksi
JKT =
JKK =
JKG = JKT - JKB - JKK
Keterangan :
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKG : Jumlah Kuadrat Galat
T2 : Total semua pengamatan
T2i : Jumlah/total pengamatan pada baris T2j : Jumlah/total pengamatan pada Kolom
X2ij : Jumlah/total keseluruhan dari baris dan kolom k : Jumlah Kolom
bk : Jumlah kolom dan baris
b : Jumlah baris
Analisis ragam dalam klasifikasi dua arah tanpa interaksi
Sumber Keragaman
Jumlah Kuadrat
Derajat
Bebas Kuadrat Tengan F Hitung Nilai Tengah Baris JKB b-1 S 2 1 = JKB / (b-1) f1 = S21 / S23 f2 = S22 / S23 Nilai Tengah Kolom JKK k-1 S 2 2 = JKK / (k-1) Galat JKG (b-1)(k-1) S23 = JKG / (b-1)(k-1) Total JKT bk-1
STATISTIKA 2 Page 54 ATA 13/14 2) Dengan Interaksi JKT = JKK = JKB = JK(BK) = JKG = JKT - JKB - JKK - JK(BK)
Analisis ragam dalam klasifikasi dua arah dengan interaksi Sumber
Keragaman
Jumlah Kuadrat
Derajat
Bebas Kuadrat Tengan F Hitung Nilai Tengah Baris JKB b-1 S 2 1 = JKB / (b-1) f1 = S21 / S24 f2 = S22 / S24 f3 = S23 / S24 Nilai Tengah Kolom JKK k-1 S 2 2 = JKK / (k-1) Interaksi JK(BK) (b-1)(k-1) S23 =JK(BK)/(b-1)(k-1) Galat JKG bk(n-1) S24 = JKG / bk(n-1) Total JKT bkn-1
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
Langkah-langkah dalam pengujian hipotesis dalam Distribusi F/Anova dengan klasifikasi satu arah atau dua arah adalah sbb :
1. Tentukan Ho dan Ha
Ho : µ1 = µ2 = µ3 = ... = µn
Ha: sekurang-kurangnya dua nilai tengah tidak sama
Atau
Ho : Semua nilai tengah sama
STATISTIKA 2 Page 55 ATA 13/14 2. Tentukan tingkat signifikan (α)
3. Tentukan derajat bebas (db)
a. Klasifikasi 1 arah data sama
V1 = k-1 V2 = k (n-1)
b. Klasifikasi 1 arah data tidak sama
V1 = k-1 V2 = N-k
c. Klasifikasi 2 arah tanpa interaksi
V1 (baris) = b-1 V1 (kolom) = k-1 V2 = (k-1) (b-1)
d. Klasifikasi 2 arah dengan interaksi
V1 (baris) = b-1 V1 (kolom) = k-1
V1 (interaksi) = (k-1) (b-1)
V2 = b.k (n-1)
Ket : k = kolom ; b = baris 4. Tentukan wilayah kritis (F tabel)
ƒ > ( α ; V1 ; V2)
5. Menentukan kriteria pengujian
Ho diterima jika Fo ≤ F tabel
Ha diterima jika Fo > F tabel
6. Nilai hitung (F hitung)
7. Keputusan
STATISTIKA 2 Page 56 ATA 13/14
CONTOH SOAL ANOVA 1. Satu arah data sama
Eksperimen dilakukan untuk mengetahui produktivitas 4 varietas mangga yang ditanam pada suatu lahan. Tingkat produktivitas yang diamati selama 5 kali musim panen akan disajikan dalam tabel dibawah ini: (dalam kuintal)
Dengan taraf nyata 5%. ujilah apakah ada perbedaan yang signifikan pada tingkat produktifitas tiap-tiap varietas mangga?
Jawab :
A. Cara Manual
1. Ho : Rata-rata tingkat produktivitas tiap-tiap varietas mangga sama
Ha : Rata-rata tingkat produktivitas tiap-tiap varietas mangga tidak sama
2. = 0,05
3. Derajat Bebas
V1 = (k–1) = (4 – 1) = 3 V2 = k(n–1) = 4(5 – 1) = 16
Mangga 1 Mangga 2 Mangga 3 Mangga 4
345 353 345 333 354 344 343 354 355 333 345 343 345 354 355 343 354 355 344 333 1753 1739 1732 1706 6930
STATISTIKA 2 Page 57 ATA 13/14 4. Daerah kritis
F tabel ( 0,05 ; 3 ; 16 ) = 3,24 5. Kriteria Pengujian
Ho diterima jika Fo ≤ F table
Ha diterima jika Fo > F tabel 6. Nilai Hitung JKT = (3452 + 3542 + 3552 + 3452 + 3542 + 3532 + 3442 + 3332 + 3542 + 3552 + 3452 + 3432 + 3452 + 3552 + 3442 + 3332 + 3542 + 3432 + 3432 + 3332) - (69302 / 20) = 1089 JKK = ((17532 + 17392 + 17322 + 17062) / 5) - (69302 / 20) = 233 JKG = 1089 – 233 = 856
Analisis ragam dalam klasifikasi satu arah dengan data sama
Sumber Keragaman Jumlah Kuadrat Derajat Bebas Kuadrat Tengah F Hitung Nilai Tengah Kolom 233 3 77,67 1,452 Galat 856 16 53,50 Total 1089 19 7. Keputusan Ho diterima, Ha ditolak 1,452 3,24 8. Kesimpulan
STATISTIKA 2 Page 58 ATA 13/14 Jadi rata-rata tingkat produktifitas tiap-tiap varietas mangga sama.
B. Cara Software
1. Buka software r-commander, lalu pilih Data – New Data Set, muncul kotak dialog New Data Set – OK.
STATISTIKA 2 Page 59 ATA 13/14 Ubah nama var 1 dengan “Skor” dan var 2 dengan “Varietas” dengan cara double klik pada var1 dan var2.
STATISTIKA 2 Page 60 ATA 13/14 2. Masukkan data dengan cara memberi permisalan. Di kolom “Skor”
ketikkan data sesuai tiap tiap kolom. Pada kolom “Varietas” ketikkan angka 1 dari baris 1 sampai 5 (sesuai banyaknya baris), angka 2 dari baris 6 sampai 10, dst. Kemudian klik tanda close.
3. Klik Data – Manage variables in active data set – Bin numeric variable
STATISTIKA 2 Page 61 ATA 13/14 4. Pada Variable to bin pilih “Varietas”, pada Number of bin pilih 4
(sesuai permisalan, varietas 1, 2, 3, 4), OK, maka akan muncul kotak dialog nama bin. Ketikkan sesuai dengan soal, OK.
5. Klik Statistics – Means – One-way ANOVA, di kolom Peubah respon klik “Skor” dan aktifkan Pairwise comparisons of means. OK.
STATISTIKA 2 Page 62 ATA 13/14 6. Hasilnya adalah sebagai berikut.
STATISTIKA 2 Page 63 ATA 13/14 Analisis hasil output :
2. Satu Arah Data Tidak Sama
Derajat bebas (V1) Jumlah Kuadrat Kolom Nilai Kuadrat Tengah Kolom V2 Jumlah Kuadrat Galat Nilai Kuadrat Tengah Galat F Hitung (Fn)
STATISTIKA 2 Page 64 ATA 13/14 Seorang peneliti ingin menguji apakah 5 merk batu baterai yang dijual dipasar memiliki perbedaan daya tahan selama 6 bulan. Hasil yang dicapai:
Bulan
Batu Baterai
ABC Alkaline Energizer Panasonic Top
Jan 34 43 53 - 34 Feb 33 54 34 43 43 Mar 43 - 44 - 44 Apr 44 44 34 45 - Mei 34 - 55 44 34 Jun 35 34 - - 45 Total 223 175 220 132 200 950
Dengan taraf nyata 5%, ujilah apakah ada perbedaan daya tahan dari ke lima merk batu baterai selma 6 bulan?
Jawab :
A. Cara Manual
1. Ho : Rata-rata daya tahan dari ke lima merk batu baterai itu selama 6 bulan adalah sama
Ha : Rata-rata daya tahan dari ke lima merk batu baterai itu selama 6 bulan adalah tidak sama
2. α = 0,05 3. Derajat Bebas V1 = (k – 1) = (5 – 1) = 4 V2 = N – k = 23 – 5 = 18 4. Daerah kritis F tabel ( 0,05 ; 4 ; 18 ) = 2,93 5. Kriteria Pengujian
STATISTIKA 2 Page 65 ATA 13/14 Ho diterima jika Fo ≤ F table
Ha diterima jika Fo > F tabel 6. Nilai Hitung JKT = (342 + 332 + 432 + 442 + 342 + 352 + 432 + 542 + 442 + 342 + 532 + 342 + 442 + 342 + 552 + 432 + 452 + 442 + 342 + 432 + 442 + 342 + 452) - (9502 / 23) = 1042,87 JKK = ((2232/6+ 1752/4 + 2202/5 + 1322/3 + 2002/5 )) - (9502 / 23) = 193,29 JKG = 1042,87 – 193,29 = 849,58
Analisis ragam dalam klasifikasi satu arah dengan data sama
Sumber Keragaman Jumlah Kuadrat Derajat Bebas Kuadrat Tengah F Hitung Nilai Tengah Kolom 193,29 4 48,32 1.0238 Galat 849,58 18 47,20 Total 1042,87 22 7. Keputusan Ho diterima, Ha ditolak 1,0238 2,93 8. Kesimpulan
STATISTIKA 2 Page 66 ATA 13/14 bulan adalah sama.
B. Cara Software
1. Buka software r-commander, lalu pilih Data – New Data Set, muncul kotak dialog New Data Set – OK.
STATISTIKA 2 Page 67 ATA 13/14 Ubah nama var 1 dengan “Skor” dan var 2 dengan “Merk” dengan cara double klik pada var1 dan var2.
STATISTIKA 2 Page 68 ATA 13/14 7. Masukkan data dengan cara memberi permisalan. Di kolom “Skor”
ketikkan data sesuai tiap tiap kolom. Pada kolom “Merk” ketikkan angka 1 dari baris 1 sampai 6 (sesuai banyaknya baris), angka 2 dari baris 7 sampai 10, dst. Kemudian klik tanda close.
8. Klik Data – Manage variables in active data set – Bin numeric variable
STATISTIKA 2 Page 69 ATA 13/14 9. Pada Variable to bin pilih “Merk”, pada Number of bin pilih 5 (sesuai
permisalan, Merk 1, 2, 3, 4,5), OK, maka akan muncul kotak dialog nama bin. Ketikkan sesuai dengan soal, OK.
10. Klik Statistics – Means – One-way ANOVA, di kolom Peubah respon klik “Skor” dan aktifkan Pairwise comparisons of means. OK.
STATISTIKA 2 Page 70 ATA 13/14 11. Hasilnya adalah sebagai berikut.
STATISTIKA 2 Page 72 ATA 13/14
DAFTAR PUSTAKA
Danang Sunyoto, 2010, Statistik Ekonomi Induktif (Metode Pengujian dan Pengambilan Keputusan), cetakan kedua, PT INDEKS, Jakarta. Hasan Iqbal. Pokok-Pokok Materi Statistik 2 (Statistik Inferensif). 2003.
Bumi Aksara : Jakarta
Walpole, R.E. 1982. Pengantar Statistika. PT. Gramedia Pustaka Utama, Jakarta.