Professional Documents
Culture Documents
Disusun Guna Memenuhi Tugas Mata Kuliah: Pengantar Metode Statistik Dosen Pengampu:Indira Anggriani, S.Si., M.Si
Disusun Guna Memenuhi Tugas Mata Kuliah: Pengantar Metode Statistik Dosen Pengampu:Indira Anggriani, S.Si., M.Si
Disusun Oleh :
Wahyuni Oktavia 01161026
Febrybell 03161026
Putra Ivannah Hakim 03161056
Kevin C. Sumbung 04161036
Rizky Ramadhani 04161066
Karina Berliana M. 05161036
Wiga Prima Dani 05161076
Ajeng Widia 06161006
Muhammad Adi Prayogo 06161046
Uswatun Khasanah 07161086
1
KATA PENGANTAR
Segala puji bagi Tuhan Yang Maha Esa karena atas berkat dan rahmat-Nya penulis
dapat menyelesaikan tugas besar yang berjudul “Analisis Jumlah Unit Industri Menengah dan
Besar di Jawa Barat” sebagai salah satu syarat kelulusan mata kuliah Pengantar Metode
Statistik, Tahap Persiapan Bersama (TPB), Institut Teknologi Kalimantan. Dalam
kesempatan ini penulis mengucapkan terima kasih kepada pihak-pihak terkait yang terlibat
dalam proses pengerjaan proposal tugas besar ini, yaitu:
1. Indira Anggriani, S.Si., M.Si.selaku dosen mata kuliah Pengantar Metode Statistika
TPB F yang telah memberikan arahan serta bimbingannya, mulai dari materi
perkuliahan, proposal tugas besar hingga dalam proses penyusunan tugas besar ini.
2. Rekan kerja yang telah meluangkan waktu dan tenaga untuk melakukan pengolahan
data, menganalisis, dan menyusun tugas besar ini.
Dalam pembuatan tugas besar ini, penulis menyadari bahwa tugas besar ini masih
jauh dari kesempurnaan. Dengan rasa hormat penulis menerima petunjuk, kritik, dan saran
terhadap tugas besar ini. Semoga tugas besar ini dapat memberikan manfaat.
Ketua Kelompok
2
DAFTAR ISI
KATA PENGHANTAR…………...…………………………................................................. 2
DAFTAR ISI……………………………………………………………………..................... 3
BAB I PENDAHULUAN
1.1 Lata Belakang………………………………………………….................................... 5
1.2 RumusanMasalah…………………………………………………………..…............ 6
1.3 Tujuan …...........……………………………………………………………................6
1.4 Manfaat ........................................................................................................................ 6
BAB II TINJAUAN PUSTAKA
2.1 Penyajian Data…………………………………………………………………………7
2.2 Distribusi Peluang dari Peubah Acak………………………………………………….7
2.3 Distribusi Peluang Diskrit dan Kontinu……………………………………………….8
2.3.1 Distribusi Bernoulli……………………………………………………………..8
2.3.2 Distribusi Binomial……………………………………………………………..8
2.3.3 Distribusi Poisson………………………………………………………………9
2.3.4 Distribusi Seragam (Uniform)………………………………………………….9
2.3.5 Distribusi Eksponensial……………………………………………………….10
2.3.6 Distribusi Normal…………………………………………………………….10
2.4 Rata-rata Distribusi Sampling, Selang Rata-Rata dari Parameter, Variansi, dan
Proporsi………………………………………………………………………………11
2.4.1 Distribusi Sampling…………………………………………………………...11
2.4.2 Selang Rata-Rata dari Parameter……………………………………………..12
2.4.3 Estimasi Proporsi dan Variansi………………………………………………12
3
4.2.1 Tabel Frekuensi Data………………………………………………………19
4.2.2 Diagram Data……………………………………………………………….20
4.3 Distribusi Peluang dari Peubah Acak ………………………………………………22
4.4 Distribusi Normal…………………………………………………………………...25
4.5 Rata-rata Distribusi Sampling,Selang Rata-rata dari Parameter,Variansi,dan
Proporsi……………………………………………………………………………..27
4.6 Uji Hipotesa Parameter……………………………………………………………..30
4.7 Regresi Linear Sederhana…………………………………………………………..34
4.8 Regresi Linear Berganda…………………………………………………………...36
BAB V KESIMPULAN……………………………………………………………………38
DAFTAR PUSTAKA……………………………...…………………………….................41
4
BAB I
PENDAHULUAN
Statistika memiliki sejarah yang panjang dalam sejarah peradabanmanusia. Pada jaman
sebelum masehi, bangsa-bangsa di Mesopotamia,Mesir, dan Cina telah mengumpulkan data
statistik untuk memperolehinformasi tentang berapa pajak yang harus dibayar oleh setiap
penduduk,berapa hasil pertanian yang mampu diproduksi, berapa cepat atlet lari
dansebagainya. Pada abad pertengahan, lembaga Gereja menggunakan statistikauntuk
mencatat jumlah kelahiran, kematian, dan perkawinan (Purwanto,2003).
Statistika yang dimulai dengan pengumpulan dan penyajian data,kemudian semakin
berkembang dengan ditemukannya teori probabilitas danteori pengambilan keputusan yang
sangat dibutuhkan dalam kehidupansehari-hari agar efisien pada semua bidang, baik sosial,
ekonomi,politik,manajemen,maupun teknik. Padatahun 1950-an,statistika memasukiwilayah
pengambilan keputusan melalui proses generalisasi dan peramalandengan memperhatikan
faktor risiko dan ketidakpastian. Kenyataan itusebenarnya sudah diramalkan oleh seorang
ahli statistik H. G. Wells yanghidup pada tahun 1800-an yang mengatakan “berpikir secara
statistika suatusaat akan menjadi suatu kemampuan atau keahlian yang sangat
diperlukandalam masyarakat yang efisien, seperti halnya kebutuhan manusia untukmembaca
dan menulis” (Lind, 2002).
Statistika memang mempunyai kaitan dan manfaat langsung dengan banyak hal dalam
kehidupan manusia. Istilah statistika perlu dibedakan dengan statistik. Statistik adalah suatu
kumpulan angka yang tersusun lebih dari satu angka. Misalnya, angka pengangguran di
Indonesia diperkirakan akan naik sebesar 9 persen di Tahun 2009 dari tahun lalu, sekitar 8.5
persen. Kenaikan jumlah pengangguran ini lebih disebabkan menurunnya penyerapan tenaga
kerja dalam bidang industri, yang mencapai 36.6 persen pada kuartal kedua di tahun 2008 ini.
Angka 9 persen, 8,5 persen, dan 36.6 persen adalah contoh dari statistik. Jadi, sesuatu yang
tersusun dari satu angka atau lebih disebut dengan statistik. Sementara itu, statistika adalah
ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterpretasikan data
menjadi informasi untuk membantu pengambilan keputusan yang efektif. Istilah statistika
dapat pula diartikan sebagai metode untuk mengumpulkan, mengolah, menyajikan,
menganalisis, dan menginterpretasikan data dalam bentuk angka-angka (Dajan, 1995).
5
Berdasarkan data yang kami peroleh mengenai jumlah unit industri kecil menengah dan
besar di Jawa Barat selama tahun 2012 untuk 26 kota, dilakukan analisis menggunakan
berbagai metode statistika seperti distribusi peluang acak dari perubah acak, distribusi
normal, rata-rata distribusi sampling, selang rata-rata dari parameter, variansi, proporsi,
regresi linear berganda, dan analisis varians satu arah.
Rumusan masalah yang kami akan selesaikan dalam tugas besar Pengantar Metode
Statistik adalah :
1. Bagaimana menganalisis data mengenai jumlah unit industri kecil menengah dan
besar di Jawa Barat selama tahun 2012 untuk 26 kota.
2. Bagaimana mengetahui pengaruh banyaknya unit usaha dan jumlah tenaga kerja
dengan besarnya investasi yang didapatkan.
1.3 Tujuan
Adapun tujuan dari dilakukannya analisis terhadap data yang didapatkan, yaitu :
3.2 Untuk mengetahui cara menganalisis suatu data yang telah didapatkan.
4.2 Untuk mengetahui hasil dari analisis data yang telah dilakukan.
5.2 Untuk mengetahui besarnya pengaruh antara banyaknya unit usaha, jumlah tenaga
kerja, dan besar investasi yang didapatkan.
1.4 Manfaat
Manfaat yang didapatkan dari dilakukannya analasis dan pembuatan laporan ini, antara
lain :
2.1 Untuk mengetahui dan lebih memahami materi mengenai pengantar metode statistik
berdasarkan proses analisis yang telah dilakukan.
3.1 Sebagai referensi untuk para pembaca terkait mata kuliah pengantar metode statistik.
6
BAB II
TINJAUAN PUSTAKA
Penyajian data merupakan salah satu proses dalam pengolahan data agar dapat dipahami
dan dianalisis sesuai dengan tujuan yang diinginkan. Secara garis besar, bentuk penyajian
data dapat berupa tabel atau daftar, grafik dan diagram (Sudjana, 2002). Bentuk penyajian
data yang sering digunakan adalah tabel, grafik, diagram dan sebagainya (Riduwan , 2005).
Peubah Acak :suatu fungsi yang nilainya berupa bilangan nyata yang ditentukan oleh
setiap unsur dalam ruang sampel.Peubah Acak (Random Variable): Sebuah keluaran numerik
yang merupakan hasil dari percobaan (eksperimen). Peubah acak adalah suatu fungsi dari
ruang contoh ke bilangan nyata. Untuk setiap anggotadari ruang sampel percobaan, peubah
acak bias mengambil tepat satu nilai. Peubah Acak X adalah fungsi dari S ruang sampel ke
bilangan real R, X : S R
Peubah Acak dituliskan sebagai huruf kapital (X, Y, Z). Nilai-nilai tertentu yang
merupakan keluaran percobaan dituliskan dengan huruf kecil (x, y, z)
Contoh :
Distribusi Peluang adalah tabel, gambar, atau persamaan yang menggambarkan atau
mendeskripsikan nilai-nilai yang mungkin dari peubah acak dan peluang yang bersesuaiannya
(Peubah Acak Diskrit) atau kepadatan (Peubah Acak Kontinu)
Distribusi Peluang
7
2.3 Distribusi Peluang Diskrit dan Kontinu
Distribusi Peluang Diskrit: Memberikan peluang kepada tiap keluaran percobaan dan
merupakan probabiliy mass functions (pmf)
Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli, dimana percobaan
Bernoulli harus memenuhi syarat : hasil yang mungkin, hanya salah satu dari “sukses”
atau “gagal”. Percobaan Bernoulli dapat menghasilkan sukses dengan probabilitas p dan
gagal dengan probabilitas q = 1 – p. Maka distribusi probabilitas Bernoulli sebagai
berikut :
p x 1
PB (x; p) q (1 - p) x 0 atau PB (x; p) p x (1 - p)1-x ; x 0,1
0 x 0 atau 1
( )
n
b (x; n, p) p x q n - x , x 0, 1, 2, ... , n
x
keterangan :
p = peluang sukses
x = variabel acak
q = peluang gagal
n = banyaknya percobaan
8
Peluang Distribusi Binomial
n!
P (x) p x (1 - p) n -x , x 0, 1, 2, ... , n
x ! (n - x) !
Ada kalanya perhitungan probabilitas distribusi binomial lebih mudah dilakukan dengan
menggunakan distribusi kumulatif. Bila pada n percobaan terdapat paling tidak sebanyak r
sukses, maka distribusi binomial kumulatif dinyatakan sebagai berikut :
x e-
P (X) (x 0,1,2,3,...)
x!
Keterangan :
e = 2,71828
λ = rata-rata jumlah kejadian sepanjang satuan waktu, bidang, volume tertentu, dan
sebagainya
9
Fungsi Densitas Probabilitas (Fungsi Kepadatan Peluang) :
dimana :
1
untuk a x b
f ( x) b a
0 untuk x lainnya
Distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam
analisis statistika. Adapun distribusi normal yang disebut pula distribusi normal baku adalah
distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi normal
memodelkan fenomena kuantitatif pada ilmu alam maupun ilmu sosial (Sumber:
https://id.wikipedia.org/wiki/Distribusi_normal)
Distribusi Normal disebut juga sebagai Distribusi Gauss (Karl Friedrich Gauss, 1777-
1855).Distribusi Normal merupakan Distribusi Probabilitas Paling Penting .Berikut ini
alasannya :
10
2. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah
ditransformasi menjadi distribusi variabel acak normal.
3. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa
berfungsi dengan benar jika berdistribusi normal.
4. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya, namun distribusi dari rata-rata sampel yang diambil secara random dari
populasi tersebut ternyata berdistribusi normal.
Fungsi Distribusi Probabilitas dari Distribusi Normal X dengan Mean µ dan Variansi σ2
adalah :
1 x
2
1
f ( x : , ) e 2
; x
2
3.14159
e 2.71828
Bila x adalah variabel acak kontinu, maka fungsi densitas peluangnya adalah fungsi f (x)
sehingga :
b
P (a x b) f (x) dx
a
Transformasi nilai X ke Z
Bila x mengikuti distribusi normal dengan rata-rata μ dan standar deviasi σ, maka :
x μ
Z
σ
Z : variabel acak normal dengan nilai rata-rata = 0 dan standar deviasi = 1
2.4 Rata-rata Distribusi Sampling, Selang Rata-Rata dari Parameter, Variansi, dan
Proporsi
2.4.1 Distribusi Sampling
Distribusi sampel dari rata-rata hitung sampel adalah suatu distribusi probabilitas
yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel
tertentu yang dipilih dari populasi, dan probabilitas terjadinya dihubungkan dengan setiap
rata-rata hitung sampel (Suharyadi, 2013). Distribusi sampling rata-rata adalah kumpulan
11
dari bilangan-bilangan yang masing-masing merupakan rata-rata hitung dari samplenya
(Sudjana, 2001).
Estimasi merupakan salah satu cara untuk menyatakan karakteristik populasi dengan
menggunakan karakteristik yang didapat dari sampel.Estimator adalah statistik yang
digunakan untuk mengestimasi parameter populasi, Pendugaan Titik bagi m Untuk menduga
rata-rata populasi(m) digunakan rata-rata contoh ( ). Rata-rata contoh dikatakan
sebagaipenduga titik bagi m.
Proporsi adalah bagian (persentase) atas suatu kejadian khusus dari keseluruhan data yang
ada.Yangdibutuhkan dalam mengestimasi proporsi:
SampelAcak
Syarat Percobaan Binomial:
1. percobaan terdiri atas 𝑛 usaha yang berulang
2. tiap usaha memberi hasil yang dapat ditentukan dengansukses atau gagal
3. peluang sukses, dinyatakan dengan 𝑝,tiap usaha saling independen
- Estimasi Proporsi
-
- Estimasi dengan Dua Varians
12
2.5 Uji Hipotesa Parameter
Hipotesis statistika adalah pernyataan atau dugaan mengenai satu atau lebih populasi
Benar atau salahnya suatu hipotesis tidak akan pernah diketahui dengan pasti, kecuali bila
kita memeriksa seluruh populasi. Tujuan dari pengujian hipotesis adalah untuk
menentukan apakah ada bukti statistik yang cukup yang mendukung keyakinan tertentu
tentang suatu parameter.
• Penerimaan suatu hipotesis statistik adalah akibat tidak cukupnya bukti untuk
menolaknya, tetapi tidak berimplikasi bahwa hipotesis itu pasti benar.Hipotesis nol (
H0: - Hipotesis nol) dan Hipotesis alternatif (H1: - Hipotesis alternative)
Hipotesis nol (H0) akan selalu menyatakan bahwa parameter sama dengan (=)
nilai yang ditentukan dalam hipotesis alternatif (H1) .Sedangkan nilai hipotesis
alternatif (H1) dapat memiliki beberapa kemungkinan. H1 ditulis dalam bentuk <; >;
Jika kita menolak hipotesis nol, maka menunjukkan bahwa ada cukup bukti
untuk menyimpulkan bahwa hipotesis alternatif benar. Jika kita gagal menolak
hipotesis nol, maka menunjukkan bahwa tidak ada bukti statistik yang cukup untuk
menyimpulkan bahwa hipotesis alternatif benar. Ini tidak berarti bahwa kita telah
membuktikan bahwa hipotesis nol pasti benar.Istilah “menolak” dan “gagal menolak”
menyebabkan para ahli statistika atau peneliti sering mengambil hipotesis nol nya
sebagai suatu pernyataan yang diharapkan akan ditolak.
• Statistik uji:Sebuah nilai statistic yang dibutuhkan untuk menentukan menolak atau
tidak menolak hipotesis nol.
• Nilai Kritis:Suatu nilai yang akan membentuk interval daerah penolakan
• Daerah Penolakan:Interval nilai sehingga jika statistik uji jatuh ke dalam interval
tersebut, maka hipotesis nol ditolak.
13
2.6 Regresi Linear Sederhana
n ≥ 30 µ > µ0 Z > Zα
Regresi sederhana, adalah bentuk regresi dengan model yang bertujuan untuk
mempelajari hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel
dependen (terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y =
a + bx, dimana, y adalah variabel takbebas (terikat), X adalah variabel bebas, a adalah
penduga bagi intercept (α), b adalah penduga bagi koefisien regresi (β). Atau dengan kata lain
α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik
sampel. (Sambas dan Maman, 2007).
s xy
( x x )( y
i i y)
n 1
sx
(x x) i
2
dan s y
( y y)
i
2
n 1 n 1
14
Model populasi regresi linier sederhana yang hubungannya linier (selanjutnya cukup
sebut “regresi linier sederhana”) :
Y β 0 β1x ε
Dengan :
0 dan 1 adalah parameter regresi
adalah galat (peubah acak)
Y adalah peubah tak bebas (peubah acak)
X adalah peubah bebas yang nilainya diketahui
Model regresi linier berganda melibatkan lebih dari satu variabel bebas à bisa 2, 3 dan
seterusnya namun masih menunjukkan diagram hubungan yg linier.Persamaan regresi
bergandanya dengan menggunakan 3 metode :
e Yi b0 b1 X 1i b2 X 2i
2 2
i
i 1 i 1
b0 , b1dan b2
n 2 n n n
x2 x1 y x1 x2 x2 y
b1 i 1 i 1 i 1 i 1
2
n
2
n
2
n
x1 x2 x1 x2
i 1 i 1 i 1
n 2 n n n
x1 x2 y x1 x2 x1 y
b2 i 1 i 1 i 1 i 1
2
n
2
n
2
n
x1 x2 x1 x2
i 1 i 1 i 1
b0 Y b1 X 1 b2 X 2
15
• Persamaan Normal
Melalui metode kuadrat terkecil, misalkan model terdiri dari 2 variabel bebas,
diperoleh persamaan sebagai berikut
nb0 b1 X i1 b2 X i 2 Yi
b0 X 1i b1 X i1 b2 X 1i X i 2 X 1iYi
2
b0 X 2i b1 X i1 X 2i b2 X i 2 X 2iYi
2
• Sistem Matriks
1. Membentuk matriks A, b dan g
n
X 1i2 X 2i ... X ki
A 1i X 1i X 1i X 2i ... X 1i X ki
X
... ... ... ... ...
2
X ki X ki X 1i X ki X 2i ... X ki
2. Membentuk persamaan normal dalam bentuk matriks
Ab=g
b = A-1 g
• Suatu metode pengujian kesamaan dari 3 atau lebih mean populasi dengan
menganalisa varians sampel. Analisis varians satu arah digunakan dengan data yang
dikategorikan dengan satu perlakuan atau faktor.Faktor adalah suatu karakteristik
untuk membedakan populasi-populasi yang berbeda dari yang lainnya.Untuk menguji
kesamaan dari 3 atau lebih mean populasi.Analisis Varians Satu Arah merupakan uji
dua arah atau dua ekor(bukan satu arah atau satu ekor).
16
BAB III
METODOLOGI
17
BAB IV
Berikut ini hasil data yang kami peroleh dari data survei Badan Pusat Statistik atau
disingkat BPS provinsi Jawa Barat.
Tabel 2.1 Data Survei Jumlah Unit Industri Menengah dan Besar di Jawa Barat
Jumlah Unit Industri Kecil Menengah dan Besar di Jawa Barat, 2012
18
4.2 Penyajian Data
4.2.1 Tabel Frekuensi Data
19
4.2.2 Diagram Data
A) DATA KUALITATIF
18000
16000
14000
12000
10000
8000
6000
4000
2000
0 Series1
Subang
Sumedang
Kota Cimahi
Cianjur
Kota Banjar
Majalengka
Bekasi
Cirebon
Kota Sukabumi
Bogor
Sukabumi
Garut
Ciamis
Indramayu
Kota Cirebon
Bandung
Tasikmalaya
Kuningan
Purwakarta
Karawang
Bandung Barat
Kota Bogor
Kota Depok
Kota Tasikmalaya
Kota Bandung
Kota Bekasi
Metode Grafik Lingkaran
Bogor
Sukabumi
Cianjur
Bandung
Garut
Tasikmalaya
Ciamis
Kuningan
Cirebon
Majalengka
Sumedang
Indramayu
Subang
Purwakarta
Karawang
20
B) DATA KUANTITATIF
18000
16000
14000
12000
10000
8000 Series1
6000
4000
2000
0
0 5 10 15 20 25 30
18000
16000
14000
12000
10000
8000
6000 Series1
4000
2000
21
4.3 Distribusi Peluang dari Peubah Acak
Ruang Sampel: Industri Kecil Menengah dan Besar di Kabupaten/Kota Jawa Barat
Titik Sampel: Bogor, Sukabumi, Cianjur, Bandung, Garut, Tasikmalaya, Ciamis, Kuningan,
Cirebon, Majalengka, Sumedang, Indramayu, Subang, Purwakarta, Karawang, Bekasi,
Bandung Barat, Depok, Cimahi , Banjar.
1. Kejadian
a) Kejadian Sederhana
Soal: Berdasarkan titik sampel diatas, tentukan kejadian A yang merupakan kota yang tidak
memiliki huruf a!
Jawab:
A={Bogor, Cirebon}
b) Kejadian Majemuk
Soal: Berdasarkan titik sampel diatas, tentukan kejadian B yang merupakan kota yang terdiri
atas huruf a dan i!
Jawab:
B={Sukabumi, Cianjur, Tasikmalaya, Ciamis, Kuningan, Indramayu, Bekasi}
2. Menentukan anggota-anggota
Soal:
Jika diketahui
S= Bogor, Sukabumi, Cianjur, Tasikmalaya, Cirebon, Majalengka, Subang, Purwakarta, Depok.
A= Depok, Sukabumi, Bogor
B= Majalengka, Cirebon, Bogor, Subang
Jawab:
A’ U B ={Cirebon, Majalengka, Subang}
22
Sukabumi, Karawang
Sukabumi, Bekasi
Sukabumi, Bandung Barat
Sukabumi, Depok
Sukabumi, Cimahi
Sukabumi, Banjar
Sumedang, Bogor
Sumedang, Cianjur
Sumedang, Bandung
Sumedang, Garut
Sumedang, Tasikmalaya
Sumedang, Ciamis
Sumedang, Kuningan
Sumedang, Cirebon
Sumedang, Majalengka
Sumedang, Indramayu
Sumedang, Purwakarta
Sumedang, Karawang
Sumedang, Bekasi
Sumedang, Bandung Barat
Sumedang, Depok
Sumedang, Cimahi
Sumedang, Banjar
Subang, Bogor
Subang, Cianjur
Subang , Bandung
Subang, Garut
Subang, Tasikmalaya
Subang, Ciamis
Subang, Kuningan
Subang, Cirebon
Subang, Majalengka
Subang, Indramayu
Subang, Purwakarta
Subang, Karawang
Subang, Bekasi
Subang, Bandung Barat
Subang, Depok
Subang, Cimahi
Subang, Banjar
23
4. Probabiltas Bersyarat
Soal berdasarkan ruang sampel yang ada diatas
Kota yang terdiri atas Yang memiliki huruf A Yang memiliki huruf D
5-8 huruf 13 3
8 huruf – dst 4 1
Jawab:
Misal
S=Semua Kota=21
A= Semua kota yang memiliki huruf A = 17 kota
B= Semua kota yang memiliki huruf D dan A pada 8huruf-dst= 5 kota
Ditanya: P(A I B)
4
P(B) =
21
18
P(A n B) =21
P(A n B) 18/21 18
P(A I B)= P(B)
= 4/21 = 4
24
Nilai X dari
Komposisi Kejadian
kejadian
[X=0] {Bogor, Cirebon, Depok}
{Sukabumi, Cianjur, Bandung, Garut, Ciamis, Kuningan, Sumedang,
[X=1]
Subang, Bekasi, Cimahi
[X=2] {Indramayu, Banjar}
[X=3] {Majalengka, Purwakarta, Karawang, Bandung Barat}
[X=4] {Tasikmalaya}
Jumlah Unit Industri Kecil Menengah dan Besar di Jawa Barat, 2012
𝑋𝑖 2
Kabupaten/Kota Unit Usaha (Xi)
Bogor 14975 224250625
Sukabumi 15471 239351841
Cianjur 1244 1547536
Bandung 13483 181791289
Garut 9813 96294969
Tasikmalaya 1480 2190400
Ciamis 1408 1982464
Kuningan 2430 5904900
Cirebon 10699 114468601
Majalengka 7396 54700816
Sumedang 5130 26316900
Indramayu 2377 5650129
Subang 3410 11628100
Purwakarta 10850 117722500
Karawang 9341 87254281
Bekasi 10704 114575616
Bandung Barat 52 2704
Kota Bogor 8227 67683529
Kota Sukabumi 9436 89038096
Kota Bandung 10821 117094041
Kota Cirebon 9379 87965641
Kota Bekasi 9891 97831881
Kota Depok 10308 106254864
Kota Cimahi 6112 37356544
25
Kota Tasikmalaya 9734 94750756
∑ 𝑋𝑖2 = 2.069.134.527
𝑖=1
𝑛
n = 31
Rumus :
2
𝑛∙∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )
1. 𝑆 = √ → 𝑃𝑎𝑘𝑎𝑖 𝑐𝑎𝑟𝑎 𝑝𝑒𝑟𝑡𝑎𝑚𝑎
𝑛(𝑛−1)
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
2. 𝑆 = √ 𝑛(𝑛−1)
Jawab :
Standar Deviasi
26
𝜇 = 7824 𝑢𝑛𝑖𝑡
𝜎 = 5027 unit
P (7900≤ χ ≤ 8200)
a) Χ = 7900 unit
χ − μ 7900 − 7824
Ζ= = = 0,0511 … ≈ 0,02
𝜎 5027
P(Z ≤ 0,02) = 0,5080
b) X = 8200 unit
χ − μ 8200 − 7824
Ζ= = = 0,07479 … ≈ 0,08
𝜎 5027
P( Z ≤ 0,02) = 0,5319
203419
x̅ = 31
x̅ = 7823,807692
x̅ = 7824
27
𝜇 =? n = 31
r = 5027 x̅ = 7824
∝= ?
0,95 = (1-∝)
∝ = 0,05
∝
= 0,025
2
z ∝
2
= Z0,025= 1,96
̅
X ± z ∝ 𝜎
2 √𝑛
5027
7824 ±1,96
√31
7824 ± 1769,64
6054,36<𝜇<9593,64
28
𝜇 ∈ (6054,36; 9593,64)
Jadi kita yakin 95% bahwa nilai 𝜇 yang sebenarnya adalah antara 6054,36 𝑑𝑎𝑛 9593,64
C. Proporsi
Soal !
a. Diketahui bahwa terdapat sebanyak 31 kota/kabupaten yang memiliki unit industry kecil
menengah dan besar, dan di peroleh bahwa sebanyak 11 kota/kabupaten memilki unit
usaha ≤ 9000 unit. Carilah nilai proporsi sesungguhnya bahwa kota tersebut memiliki
usaha ≥ 9000 unit.
Jawaban :
Diketahui :
n = 31
x = 11
𝑥 11
p̂ = = = 0,3548 = 0,36
𝑛 31
b. Masih menggunakan data yang sama seperti soal a. Carilah interval konfidensi 95%
untuk nilai proporsi. Sesungguhnya bahwa kota tersebut memiliki usaha ≥ 9000 unit.
Jawaban :
Diketahui : p̂ = 0,36
q̂ = 1 - 0,36 = 0,64
n = 31
95% = (1 – α ) 100%
0,95 = 1 – α
α = 0.05
𝛼
= 0,025
2
𝑧𝛼 = z0,025 = 1,96
2
√p
̂ q̂
E = 𝑧𝛼
2 n
0,36.0,64
= 1,96 √ 31
= 0,1689
= 0,17
Maka estimasi interval untuk proporsi
p̂ ± E
0,36 ± 0,17
0,36 – 0,17 < P < 0,36 + 0,17
0,19 < P < 0,53
29
D. Variansi
(𝑛−1)𝑠2 (𝑛−1)𝑠2
Estimasi variansi = 2 < 𝜎2 <
𝑥𝛼 𝑥2 𝛼
1−
2 2
Dengan menggunakan data yang sama seperti soal proporsi tentukanlah interval konfidensi
95% untuk variansinya !
Diketahui : interval konfidensi 95% maka α = 0.05
𝑥𝛼2 = 𝑥0,025
2
(tabel khi kuadrat) = 19.023
2
2 2
𝑥1− 𝛼 = 𝑥0,975 = 2.700
2
Clue :
V = n – 1 = 31 – 1 = 30
𝑠 2 = 25270189,26
Jumlah Unit Industri Kecil Menengah dan Besar di Jawa Barat, 2012
(𝑋𝑖 2 -X bar)
Kabupaten/Kota Unit Usaha (Xi)
30
No. H0 Statistik Uji H1 Daerah Penolakan
1. µ = µ0 Varians diketahui µ < µ0 Z < - Zα
n ≥ 30 µ > µ0 Z > Zα
Dik : n = 31 x = 7824
σ= 5027 α = 5%
Jawab :
H0 = µ = 7800
H1 : µ> 7800
α = 5% = 0,05
Statistik Uji :
𝑥− µ0 7824−7800
z = 𝜎⁄√𝑛 = 5027 ⁄ √31 = 0,02658 ≈ 0,03
31
Daerah Penolakan :
Z > Zα
Z > Z0,05
Z > 1,645
Karena Z hitung < 1,645, maka keputusannya adalah gagal menolak H0 dan disimpulkan
q0 = 0,36
Jawab :
H0 : p = 64% = 0,64
H1 : p ≠ 64% ≠ 0,64
α = 10%
𝛼
= 5% = 0,05
2
Statistik Uji :
𝑝̂−𝑃0 0,7−0,64
z =√P0 q0/n = √0,64 𝑥 0,34/31 = 0,6959 = 0,7
32
Daerah Penolakan :
Z < - Z α/2 dan Z > Z α/2
Z < - Z0,05 dan Z > Z0,05
Z < -1,645 dan Z > 1,645
Keputusan :
Tolak H0 dan disimpulkan bahwa tidak ada dasar yang kuat untuk tidak menolak
pernyataan diatas.
2 Pengujian Varians
Dinas Perindustrian dan Peerdagangan mengatakan bahwa kota-kota industri Jawa Barat
memiliki standar deviasi usaha σ = 5027 unit. Bila suatu sampel random 8 kota menghasilkan
s = 1030 unit. Apakah menurut anda σ < 5027 unit? Gunakan α = 5%.
Diket : σ = 5027 n=8
s = 1030 α = 5% = 0,05
Jawab :
H0 : σ2 = 5027
H1 : σ2< 5027
α = 5%
Statistik Uji :
(𝑛−1) 𝑠2
x2 = ; v = n-1
σ02
Daerah Penolakan :
2 12
x
2 2
2
< x 0,95 ; v = 30
x2< 18.493
33
(𝑛−1) 𝑠2 (8−1) 1030^2
x2 = σo2 = = 1477, 3 ≈ 1477
5027
Karena x2 < 18493, maka keputusannya adalah tolak H0 dan disimpulkan bahwa σ
Jumlah Unit Industri Kecil Menengah dan Besar di Jawa Barat, 2012
Unit
Tenaga Kerja Investasi
Usaha
Kabupaten/Kota
X atau
X1 X2 Y
Bogor 14975 8321681.86 338687
Sukabumi 15471 419557.49 214278
Cianjur 1244 13211.3 159294
Bandung 13483 1121566.29 189850
Garut 9813 3331022.61 168188
Tasikmalaya 1480 3350046.07 171899
Ciamis 1408 3465.31 189917
Kuningan 2430 579274.92 191760
Cirebon 10699 843630.34 88972
Majalengka 7396 3458385.25 143681
Sumedang 5130 4960586.9 159477
Indramayu 2377 5414 123391
Subang 3410 1319528.2 140693
Purwakarta 10850 105230936.9 117395
Karawang 9341 16555445.92 215580
Bekasi 10704 7995276.21 194221
Bandung Barat 52 5764877.6 2251
Kota Bogor 8227 23266318.37 268543
34
Kota Sukabumi 9436 8295.65 130131
Kota Bandung 10821 8560783.48 121120
Kota Cirebon 9379 5097.55 158320
Kota Bekasi 9891 7681058.93 107582
Kota Depok 10308 5189834.16 165573
Kota Cimahi 6112 3068699.06 187215
Kota Tasikmalaya 9734 921916.05 118064
Kota Banjar 9248 1100779.45 155203
Jawa Barat 203419 213076689.8 4221393
Sumber: Dinas Perindustrian dan Perdagangan Provinsi Jawa
Barat
Analysis of Variance
Model Summary
Coefficients
Regression Equation
Y = 122041 + 5.15 X
Nilai a=122041 ; Jika unit usaha (X) bernilai konstan, maka estimasi banyaknya tenaga kerja
(Y) sebesar 122041 orang
Nilai b=5,15 ; Merupakan hubungan antara jumlah unit usaha (X) dengan jumlah tenaga kerja
(Y). Sehingga setiap peningkatan jumlah unit usaha sebesar satu satuan, akan meningkatkan
jumlah tenaga kerja sebesar 5,15 satuan.
35
Dapat disimpulkan berdistribusi normal apabila plot mengikuti garis lurus
Analysis of Variance
Model Summary
Coefficients
Regression Equation
36
Obs Y Fit Resid Std Resid
1 338687 201312 137375 2.50 R
14 117395 145442 -28047 -1.82 X
17 2251 120811 -118560 -2.18 R
R Large residual
X Unusual X
Nilai a=122513 ; Jika unit usaha dan investasi bernilai konstan, maka estimasi
banyaknya tenaga kerja (Y) sebesar 122041 orang
Nilai b=5,45 ; Merupakan hubungan antara jumlah unit usaha (X1) dengan jumlah
tenaga kerja (Y). Sehingga jika jumlah investasi bernilai konstan, maka setiap
peningkatan jumlah unit usaha sebesar satu satuan, akan meningkatkan jumlah tenaga
kerja sebesar 5,15 satuan
Nilai c=-0,000344 ; Merupakan hubungan antara jumlah investasi (X2) dengan
jumlah tenaga kerja (Y). Sehingga jika jumlah unit usaha bernilai nol, maka setiap
peningkatan jumlah investasi sebesar satu satuan, akan menurunkan jumlah tenaga
kerja sebesar 0,000344 satuan
37
BAB V
KESIMPULAN
Jadi berdasarkan pemaparan materi dan data diatas dapat ditarik kesimpulan sebagai berikut :
Distribusi Peluang dari Peubah Acak
1. Kejadian Sederhana
Berdasarkan titik sampel diatas, tentukan kejadian A yang merupakan kota yang
tidak memiliki huruf a adalah A={Bogor, Cirebon}
2. Kejadian Majemuk
Soal: Berdasarkan titik sampel diatas, tentukan kejadian B yang merupakan kota
yang terdiri atas huruf a dan I adalah B={Sukabumi, Cianjur, Tasikmalaya,
Ciamis, Kuningan, Indramayu, Bekasi}
3. Menentukan anggota-anggota
Jika diketahui S= [Bogor, Sukabumi, Cianjur, Tasikmalaya, Cirebon, Majalengka,
Subang, Purwakarta, Depok], A=[Depok, Sukabumi, Bogor], B=[Majalengka,
Cirebon, Bogor, Subang]
Maka A’ U B adalah [Cirebon, Majalengka, Subang]
4. Bila tiap kota yang berawalan huruf S di pasangkan dengan kota yang berawalan
selain huruf S, berapa banyaknya titik sampel dalam ruang sampel adalah 52
5. Probabiltas Bersyarat
P(A n B) 18/21 18
P(A I B)= = =4
P(B) 4/21
6. Variabel Random (Peubah Acak)
X=0 adalah {Bogor, Cirebon, Depok}
X=1 adalah {Sukabumi, Cianjur, Bandung, Garut, Ciamis, Kuningan, Sumedang,
Subang, Bekasi, Cimahi}
X=2 adalah {Indramayu, Banjar}
X=3 adalah {Majalengka, Purwakarta, Karawang, Bandung Barat}
X=4 adalah {Tasikmalaya}
Distribusi Normal
Dinas Perindustrian dan Perdagangan provinsi Jawa Barat menghitung jumlah unit
usaha pada industry kecil menengah dan besar yang ada pada 31 kota di Jawa Barat.
Diperoleh bahwa unit usaha tersebut berdistribusi normal dengan rata-rata 7824 unit
dan standar deviasi 5027 unit. probabilitas bahwa satu kota yang dipilih secara acak
akan memiliki usaha antara 7900 ≤ χ ≤ 8200 unit, didapatkan standar deviasi sebesar
𝜎 = 502 dan P(7900≤ χ ≤ 8200) = P (0,02 ≤ χ ≤ 0,08) = 0,5319 – 0,5080 = 0,0239
Selang rata-rata dari parameter
Rata-rata untuk usaha pada produksi jawa barat pada tahu 2012 dalam 31 lokasi
berbeda adalah 7609 unit. Tentukan interval konferdensi 95% untuk mean (rata-rata)
unit usaha. Jika diketahui standar deviasi usaha 5027 unit. Didapatkan interval
konferdensi 95% untuk mean (rata-rata) unit usaha adalah 𝜇∈
(6054,36; 9593,64)Jadi kita yakin 95% bahwa nilai 𝜇 yang sebenarnya adalah antara
6054,36 𝑑𝑎𝑛 9593,64
Proporsi
38
1. Diketahui bahwa terdapat sebanyak 31 kota/kabupaten yang memiliki unit
industry kecil menengah dan besar, dan di peroleh bahwa sebanyak 11
kota/kabupaten memilki unit usaha ≤ 9000 unit. nilai proporsi sesungguhnya
𝑥 11
bahwa kota tersebut memiliki usaha ≥ 9000 unit adalah p̂ = 𝑛 = 31 = 0,3548 =
0,36
2. Masih menggunakan data yang sama seperti soal a. Carilah interval konfidensi
95% untuk nilai proporsi. Sesungguhnya bahwa kota tersebut memiliki usaha ≥
9000 unit adalah 0,19 < P < 0,53
Variansi
Dengan menggunakan data yang sama seperti soal proporsi tentukanlah interval
konfidensi 95% untuk variansinya variansi adalah 39852,06 < 𝜎 2 < 280779,88
Pengujian Rata-rata
Industri kecil menengah dan besar yang berada pada 31 kota di Jawa Barat
menunjukkan besar usaha rata-rata sebesar 7824 unit dengan standar deviasi 5027
unit. Ini tidak menunjukkan bahwa harapan jumlah unit usaha ini lebih besar dari
7800 unit, Karena Z hitung < 1,645, maka keputusannya adalah gagal menolak H0 dan
disimpulkan bahwa harapan jumlah unit usaha sama dengan 7800 unit.
Pengujian Proporsi
Seorang pengusaha menyatakan bahwa lebih dari 64% unit usaha yang dimiliki di
kota-kota d Jawa Barat berjumlah kurang dari 1000 unit. Anda setuju dengan
pernyataan tersebut jika diketahui diantara 31 kota yang ada, diperoleh bahwa 74%
kota memiliki unit usaha kurang dari 10.000 unit. Tolak H0 dan disimpulkan bahwa
tidak ada dasar yang kuat untuk tidak menolak pernyataan diatas.
Pengujian Varians
Dinas Perindustrian dan Peerdagangan mengatakan bahwa kota-kota industri Jawa
Barat memiliki standar deviasi usaha σ = 5027 unit. Bila suatu sampel random 8 kota
menghasilkan s = 1030 unit. Apakah menurut anda σ < 5027 unit. Iya karena x 2 <
18493, maka keputusannya adalah tolak H0 dan disimpulkan bahwa σ kurang dari
5027 unit.
Untuk Regresi Linear Sederhana:
Nilai a=122041 ; Jika unit usaha (X) bernilai konstan, maka estimasi banyaknya
tenaga kerja (Y) sebesar 122041 orang
Nilai b=5,15 ; Merupakan hubungan antara jumlah unit usaha (X) dengan jumlah
tenaga kerja (Y). Sehingga setiap peningkatan jumlah unit usaha sebesar satu satuan,
akan meningkatkan jumlah tenaga kerja sebesar 5,15 satuan.
Dapat disimpulkan berdistribusi normal apabila plot mengikuti garis lurus
Untuk Regresi Linear Berganda:
Nilai a=122041 ; Jika unit usaha dan investasi bernilai konstan, maka estimasi
banyaknya tenaga kerja (Y) sebesar 122041 orang
Nilai b=5,15 ; Merupakan hubungan antara jumlah unit usaha (X1) dengan jumlah
tenaga kerja (Y). Sehingga jika jumlah investasi bernilai konstan, maka setiap
peningkatan jumlah unit usaha sebesar satu satuan, akan meningkatkan jumlah tenaga
kerja sebesar 5,15 satuan
Nilai c=-0,000344 ; Merupakan hubungan antara jumlah investasi (X2) dengan
jumlah tenaga kerja (Y). Sehingga jika jumlah unit usaha bernilai nol, maka setiap
39
peningkatan jumlah investasi sebesar satu satuan, akan menurunkan jumlah tenaga
kerja sebesar 0,000344 satuan.
Dapat disimpulkan berdistribusi normal apabila plot mengikuti garis lurus
40
DAFTAR PUSTAKA
Sudjana. 2002. Metode Statistika. Bandung: Tarsito
Sugiyono. 2006. Metode Penelitian Kuntitatif dan Kuatitatif. Bandung: Alfabeta
Suharyadi, 2013. Statistika untuk Ekonomi dan Keuangan Modern. Jakarta: Salemba Empat
Riduwan. 2005. Skala Pengukuran Variabel-Variabel Penelitian. Bandung: Alfabeta
Walpole, Ronald E. dkk. 2012. Probability & Statistics for Engineers & Scientists 9th edition.
USA: Pearson Publisher
41