Anda di halaman 1dari 32

1

Asep Anang
Fakultas Peternakan Universitas padjadjaran
2013






2

Kuliah 1:
Pengertian Statistika




Statistika adalah Ilmu pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, persentasi data, pengolahan atau analisis data dan penarikan
kesimpulan.

Mahasiswa S1 mempelajari statistika supaya bisa berpikir analitis dan juga bisa menarik
kesimpulan secara ilmiah dalam menghadapi permasalahan berdasarkan fakta. Dalam
menyusun tugas akhir (skripsi) mahasiswa akan belajar memecahkan masalah melalui
penelitian. Peran statistika dalam memecahkan masalah adalah membantu dalam
penarikan kesimpulan.

Mengapa statistika di dipelajari
di Fak. Peternakan?
3

Pengelompokan Statistika:
Statistika dapat dibedakan menjadi:
1. Statistika Deskriptif: Yaitu statistika yang mengevaluasi data pada kelompok
tertentu saja, dan kesimpulannya hanya bisa diterapkan pada kelompok
tersebut. Contoh: Ukuran-ukuran tubuh dan bobot badan domba priangan
di Kabupaten Bandung.
2. Statistika Inferensi (Statistika Induksi): Yaitu statistika yang menggunakan
atau mengevaluasi data dari suatu sampel tapi hasilnya diharapkan bisa
diterapkan pada suatu populasi. Contoh: Ukuran-ukuran tubuh domba
Priangan. Pengambilan sampel dilakukan dibeberapa daerah tapi kesimpulan
bisa berlaku untuk seluruh domba Priangan.

Pengelompokan Statistika lainnya :
1. Statistika Parametrik: Yaitu statistika yang menerapkan asumsi mengenai
populasi, yaitu pengukuran kuantitatif dengan tingkat data interval atau ratio.
2. Statistika Nonparametrik: disebut juga distribution-free statistics, atau
statistika yang membutuhkan lebih sedikit asumsi populasi dan menggunakan
data dengan tingkat yang lebih sederhana seperti nominal dan ordinal.

Skala Pengukuran

Dalam statistika, sekala pengukuran atau data dapat dibedakan menjadi:

1. Skala Nominal: Yaitu skala Berbentuk bilangan, tapi bilangan tersebut
fungsinya hanya untuk membedakan dari unit satu ke unit lain. Operasi disini
aritmatika tidak berlaku. Contoh: Jenis kelamin
2. Skala Ordinal: Yaitu skala hasil pengelompokan. Apabila ada suatu populasi,
dimana populasi tersebut dapat di bagi menjadi beberapa bagian dan tiap
bagian diberi nomor, contoh : Pengelompokan ukuran tubuh, pengelompokan
umur.
3. Skala Interval: Yaitu skala pengukuran yang sama dengan ordinal hanya
disini terdapat suatu faktor konstanta sebagai selisih yang diketahui. Contoh :
skala temperatur, pH.
4. Skala Ratio: Skala pengukuran interval yang konstantanya berharga nol
(titik nol jelas). Contoh : kepadatan populasi ternak, jumlah ternak.




4

Jenis Data

Data dapat dibedakan menjadi:

1. Data kuantitatif: Yaitu data yang berbentuk bilangan. Skala pengukuran yang
termasuk kelompok data ini adalah skala interval dan rasio. Data kuantitatif
dapat dibedakan lagi menjadi:
a. Data Diskrit : Yaitu data yang didapatkan dengan cara menghitung atau
membilang. Contoh: Jumlah anak dalam satu kelahiran pada domba
b. Data Kontinu : Yaitu data diperoleh dari hasil mengukuran.
Contoh bobot badan ayam pelung.
2. Data kualitatif : Yaitu data yang berbentuk kategori. Skala pengukuran yang
termasuk kelompok data ini adalah skala nominal dan ordinal.


Macam Data berdasarkan Cara memperoleh:

Berdasarkan cara memperoleh, data dapat dibedakan menjadi Data Primer dan
Data Sekunder. Data primer adalah data yang diperoleh peneliti langsung dari
sumbernya. Contoh mahasiswa melakukan penelitian terhadap pertambahan bobot
badan ayam kampung. Mahasiswa mengukur atau terlibat langsung. Data primer juga
bisa data yang yang diperoleh peneliti langsung dari sumbernya. Misal: mahasiswa
mengevaluasi data produksi susu sapi perah selama 6 laktasi. Data tersebut diperoleh
mahasiswa langsung dari sumbernya atau dari peternakan langsung.

Data Primer adalah data yang telah dikutip oleh sumber lain. Misal Mahasiswa ingin
mempelajari perkembangan konsumsi daging sapi dari tahun 2000 sampai 2010. Data
diperoleh dari biro statistik.


Populasi dan Sampel:
Populasi adalah seluruh elemen atau objek yang sedang diamati, sedangkan sampel
adalah representasi dari populasi atau sebagian dari populasi diambil untuk diteliti.

Teknik pengumpulan data dari seluruh populasi disebut Sensus dan ukuran-
ukurannya disebut Parameter, sedangkan teknik pengambilan sampel disebut
sampling, dan ukutan-ukurannya disebut Statistik. Teknik sampling sangat penting
dan sering digunakan oleh peneliti. Teknik ini akan dibahas pada bagian berikutnya.




5






Gambar 1: Populasi, Sampel, Parameter dan Statistik



6

Kuliah 2:
Menyajikan Data





Dalam statistika, ada banyak cara dalam menyajikan data. Pada prinsipnya penyajian
data ditujukan untuk memudahkan dan penyederhanaan supaya yang membaca bisa
dengan mudah memahami. Penyajian yang banyak digunakan adalah (1) Diagram
Batang, (2) Diagram garis, (3) Diagram Lingkaran, (4) Tabel

Untuk mempermudah ilustrasi, berikut adalah contoh popolasi ternak sapi perah di
pulau Jawa dari tahun 2005 sampai 2009.

Tabel 1: Populasi Ternak Sapi Perah di Pulau jawa

Tahun/ Year
Provinsi
2005 2006 2007 2008 2009
Jawa Barat 92,770 97,367 103,489 111,250 114,588
Jawa Tengah 114,116 115,158 116,260 118,424 134,821
Jawa Timur 134,043 136,497 139,277 212,322 221,944
DKI Jakarta 3,347 3,343 3,685 3,355 3,422
DI Yogyakarta 8,212 7,231 5,811 5,652 5,709
Total 352,488 359,596 368,522 451,003 480,484
Sumber: Dirjen Peternakan

7

Diagram batang
Diagram batang banyak digunakan untuk menyajikan tada bila datanya dalam bentuk
katagori. Contoh tabel di atas di umpamakan hanya untuk Jawa barat dan katagorinya
adalah tahun. Grafik batangnya adalah sebagai berikut:






Diagram garis
Diagram garis sering digunakan untuk menggambarkan data yang menerus. Contoh di
lebih baik bila menggunakan diagram garis karena perkembangan populasi sapi bisa
dikatakan menerus dari tahun 2005 sampai 2009.



92,770
97,367
103,489
111,250
114,588
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
2005 2006 2007 2008 2009
J
u
m
l
a
h

(
E
k
o
r
)

Tahun
Populasi Sapi Perah di Jawa Barat
8





Diagram lingkaran
Diagram lingkaran biasanya dipakai untuk menggambarkan proporsi masing-masing
kategori data. Contoh di atas diumpamakan dibuat diagram lingkaran dengan katagori
provinsi untuk populasi tahun 2009 saja. Juring sudut data ditentukan dengan rumus:

o
x
Total Data Jumlah
Provinsi Data Jumlah
Sudut Juring 360


=

Contoh:

Juring sudut untuk provinsi Jawa Barat adalah:
o o
x

Jawa Barat Sudut Juring 86 360
484 , 480
588 , 114
= =
Juring sudut untuk Jawa Tengah, Jawa Timur, DKI Jakarta, dan DI Yogyakarta masing-
masing adalah 101
o
, 166
o
, 3
o
, dan 4
o
. Jumlah total sudut adalah 360
o
. Diagram
lingkarannya adalah sebagai berikut:







92,770
97,367
103,489
111,250
114,588
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
2005 2006 2007 2008 2009
J
u
m
l
a
h

(
E
k
o
r
)

Tahun
Populasi Sapi Perah di Jawa Barat
9






Tugas 1: Sajikan data pada Tabel 1 untuk dalam bentuk diagram batang dan diagram
garis untuk provinsi jawa tengah dan diagram lingkaran untuk tahun 2008.


Penyajian Data Dalam Tabel

Penyajian data dalam bentuk tabel sangat sering digunakan dalam karya ilmiah dan
biasanya dipakai jika penulis ingin menyajikan data lebih akurat dan rinci. Pada
dasarnya penyajian data melalui tabel dapat dibedakan menjadi: (1) tabel baris-kolom,
(2) tabel kontingensi, dan 3) tabel distribusi frekuensi.

1) Tabel Baris-Kolom: tabel ini hanya terdiri atas kolom dan baris yang masing-
masing merupakan katagori:

Contoh:
Tabel : Berat Lahir Rata-rata Domba Priangan di Kabupaten Garut dan
Kabupaten Bandung berdasarkan jenis Kelamin

Kabupaten Garut Kabupaten bandung
Jantan
Betina




Jabar , 114,588
Jateng ,
134,821
Jatim , 221,944
DKI Jakarta ,
3,422
DI Yogyakarta ,
5,709
10

2) Tabel kontingensi biasanya terdiri dari 2 faktor dan tiap faktor mempunyai
katagori. Contoh di atas menjadi tabel menjadi tabel kontingensi apabila faktor
jenis kelamin misalnya dibagi berdasarkan tipe kelahiran.

Contoh:
Tabel : Berat Lahir Rata-rata Domba Priangan di Kabupaten Garut dan
Kabupaten Bandung berdasarkan Jenis Kelamin dan Tipe Kelahiran

Jenis Kelamin Tipe kelahiran
Kabupaten
Kabupaten Garut Kabupaten bandung
Jantan
Tunggal
Kembar 2
Kembar 3
Betina
Tunggal
Kembar 2
Kembar 3

3) Tabel Distribusi Frekuensi dilakukan jika ingin mengetahui jumlah atau frekuensi
dari masing katagori. Data bisa dikelompokan menjadi katagori baru atau tidak.
Contoh:
Tabel : Frekuensi kelahiran tunggal, kembar 2, dan kembar 3 di suatu
peternakan domba.

Tipe Kelahiran Frekuensi Persentasi (%)
Tunggal 69 42.33
Kembar 2 79 48.47
Kembar 3 15 9.20
Total 163 100

Membuat Tabel Distribusi Frekuensi

Data hasil penelitian yang terkumpul biasanya belum tersusun dengan baik. Untuk
mempermudah penafsiran dan membuat kesimpulan, data biasanya disusun dalam
suatu kelas atau katagori. Dalam tabel distribusi frekuensi, data dikumpulkan dalam
kelompok-kelompok berbentuk kelas interval.




11

Contoh Tabel banyaknya petani peternak di suatu desa berdasarkan kriteria umur:

No Umur (Tahun) Frekuensi
1 16 - 20 10
2 21 - 25 25
3 26 - 30 23
4 31 - 35 45
5 36 - 40 48
6 41 - 45 53
7 46 - 50 47
8 51 - 55 40
9 56 - 60 15
10 61 - 65 19
Total 325

1 sampai 10 disebut Kelas Interval dan 16-20, 21-25 ... 61-65 disebut Panjang
Kelas. Frekuensi menunjukan banyaknya petani-peternak untuk setiap panjang kelas.


Contoh : Data berikut adalah konsumsi pakan 50 ekor ayam petelur (gram)

158 98 96 148 162
160 168 180 140 182
140 142 184 76 112
136 144 170 102 130
180 71 166 146 148
184 186 152 142 180
160 182 122 144 194
140 148 198 190 160
126 120 166 164 120
152 126 176 140 132

Cari (1) nilai minimum, (2) maksimum, (3) rentang, dan (4) buatlah tabel distribusi
frekuensinya.

1. Nilai minimum adalah ayam yang konsumsinya paling sedikit = 71 gram
2. Nilai maksimum adalah ayam yang konsumsi pakanya paling banyak = 198
garm
3. Rentang adalah nilai maksimum nilai minimum: 198 71 gram = 127 gram
4. Tabel Distribusi frekuensi:



12

Banyak kelas interval:

1+3,3 log n, dimana n adalah banyaknya data (Sturges)
1+3,3 log 50 =6,61 atau antara 6 sampai 7

Panjang kelas

untuk mempermudah 20

Tabel distribusi frekuensinya adalah:




Tugas: Dibawah ini adalah bobot badan 50 ekor ayam broiler umur 28 hari:

790 490 480 740 810
800 840 900 700 910
700 710 920 380 560
680 720 850 510 650
900 350 830 730 740
920 930 760 710 900
800 910 610 720 970
700 740 990 950 800
630 600 830 820 600
760 630 880 700 660


Tentukan (1) nilai minimum, (2) maksimum, (3) rentang, dan (4) buatlah tabel
distribusi frekuensinya.




Konsumsi (g) Frekuensi
71 - 90 2
91 - 110 3
111 - 130 7
131 - 150 14
151 - 170 12
171 - 190 10
191 - 210 2
Total 50
13

Kuliah 3:
Ukuran Gejala Pusat



Dalam menarik suatu kesimpulan, sering mahasiswa yang sedang meneliti ingin
membuat suatu gambaran yang jelas dan singkat tentang data yang dikumpulkannya.
Data dipusatkan pada suatu nilai yang mempunyai nilai makna dan mewakili data
keseluruhan. Ukuran-ukuran pemusatan atau gejala pusat yang sering digunakan
adalah rata-rata, median, modus, kuartil, desil dan persentil.

Rata-rata
Rata-rata merupakan suatu nilai yang terletak ditengah data, setelah data tersebut
diurut berdasarkan nilainya secara kontinu. Nilai rata-rata sangat banyak digunakan
karena nilai ini sangat spesifk dan sangat representatif untuk setiap susunan data.
Rata-rata dapat dibedakan menjadi: (1) Rata-rata Aritmetik, (2) Rata-rata geometrik,
(3) Rata-rata harmoni, dan (4) Rata-rata tumbuh.
1. Rata-rata Aritmetik
Rata-rata aritmetik bisa diungkapkan dengan


Contoh 1: konsumsi 10 ekor ayam petelur (g):
71 76 96 98 102 112 120 120 122 126

14

Rata-rata konsumsi =



Contoh 2: rata-rata dari distribusi frekuensi:


Berikut adalah umur petani peternak berdasarkan banyaknya:
No Umur (x) Frekuensi (f) f.x
1 20 10 200
2 25 25 625
3 30 23 690
4 35 45 1575
5 40 48 1920
6 45 53 2385
7 50 47 2350
8 55 40 2200
9 60 15 900
10 65 19 1235
325 14080

Rata-rata =

=43.32 tahun
Contoh 3: Rata-rata dari dari interval umur:
Umur (Tahun) Tanda Kelas (x)
Frekuensi
(f)
f.x
1 16 - 20 18 10 180
2 21 - 25 23 25 575
3 26 - 30 28 23 644
4 31 - 35 33 45 1485
5 36 - 40 38 48 1824
6 41 - 45 43 53 2279
7 46 - 50 48 47 2256
8 51 - 55 53 40 2120
9 56 - 60 58 15 870
10 61 - 65 63 19 1197
Total 325 13430

15

Rata-rata =

=41.32 tahun
2. Rata-rata Geometrik
Rata-rata geometrik atau rata-rata ukur dipakai bula perbandingan antara dua bilangan
tetap, tapi nilainya harus lebih besar dari nol (x<0). Rata-rata geometrik diungkapkan
dengan rumus:


Contoh Pertumbuhan bakteri yang dikur tiap menit adalah 2, 4, dan 8.
Rata-ratanya adalah:



Untuk data yang banyak bisa digunakan log:


Untuk data di atas:

=0.6021 ---- U = 4


3. Rata-rata Harmoni
Rata-rata Harmoni merupakan kebalikan dari rata-rata aritmetik. Rata-rata ini
diungkapkan dengan rumus:


Contoh 1: apabila ada bilangan, 2, 4, dan 8; rata-rata harmoninya adalah:

= 3,43
16

Contoh 2: Truk pengangkut ayam melakukan perjalanan dari Bandung ke Jakarta.
Kecepatan pergi 60 km/jam sedangkan pulangnya 80 km per jam. Berapa kecepatan
rata-rata?
Kecapatan rata rata BUKAN

= 70 km per jam, tapi:

=68,57 km/jam
4. Rata-rata Bersifat Tumbuh
Dalam bidang peternakan, sangat sering bahwa sifat yang diukur dinamik sejalan
dengan waktu; misal pengukuran bobot badan yang terus bertambah sesuai waktu, dan
pengukuran populasi ternak yang terus berubah. Jika fenomena yang bersifat tumbuh,
rata-rata bisa dihitung dengan rumus:


Dimana P
0
= Keadaan awal
P
t
= keadaan akhir
t = waktu
= rata-rata pertumbuhan setiap satuan waktu
Contoh : Populasi ternak sapi perah di pulau Jawa tahun 2005 adalah 350 000 dan
tahun 2010 adalah 500 000. Berapa rata-rata pertumbuhan tiap tahunnya?
P
0
= 350 000; P
t
=500 000; t =2010-2005= 5
(

)=




17

Modus
Modus menunjukan nilai yang paling banyak muncul.
Contoh 1:
2 3 5 7 9 9 9 10 10 11 9 adalah modus
3 5 8 10 12 17 19 21 24 27 Tidak mempunyai modus
2 3 3 3 5 6 7 7 7 8 3 dan 7 adalah modus

Apabila data telah disusun dalam distribusi frekuensi modus diduga dengan rumus:
(

)
Dimana :
b = batas bawah kelas modus, ialah kelas dengan frekuensi terbanyak

p = Panjang kelas
b
1
= frekuensi kelas modus dikurangi frekuensi kelas interval dengan tanda kelas
yang lebih kecil sebelum tanda kelas modus
b
2
= frekuensi kelas modus dikurangi frekuensi kelas interval dengan tanda kelas
yang lebih besar sesudah kelas modus

Contoh 2: Mencari modus pada tabel distribusi frekuensi:
Umur (Tahun)
Frekuensi
(f)
1 16 - 20 10
2 21 - 25 25
3 26 - 30 23
4 31 - 35 45
5 36 - 40 48
6 41 - 45 53
7 46 - 50 47
8 51 - 55 40
9 56 - 60 15
10 61 - 65 19
Total 325
Frekuensi modus = 53.

18

b = 40+(41-41)/2 = 40.50
b1 = 53-48 = 5
b2 = 53-47 = 6
p = Interval kelas = 5

(

) (


)
Median
Median menentukan letak tengah data setelah data disusun menurut nilainya.
Contoh 1:
9 12 12 15 18 24 24 24 30

Me = 18

15 15 21 27 33 36 45 54

Me = (27+33)/2 = 30

Jika data sudah disusun dalam tabel distribusi frekuensi, Median diduga dengan:
(

)
b= Batas bawah kelas median, yaitu kelas dimana median terletak
p= Panjang kelas

n= Banyak data

F= Jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda kelas median
f= Frekuensi kelas median

Contoh 2: menduga median dari tabel distribusi frekuensi:
Umur (Tahun) Frekuensi (f) Jumlah data

1 16 - 20 10 10
2 21 - 25 25 35
3 26 - 30 23 58
4 31 - 35 45 103

5 36 - 40 48 151

6 41 - 45 53 204 Letak Median
7 46 - 50 47 251
8 51 - 55 40 291
9 56 - 60 15 306
10 61 - 65 19 325

19

Letak median di data ke = (325/2 = 162.5
Median terletak dikelas ke: 6
b= 40+(41-40)/2 = 40.5
p = 5
f 53
F 10+25+23+45+48 = 151


(

)= (

)

Kuartil, Desil, dan Persentil
Kuartil, Desil, dan Persentil dipakai untuk membagi data menjadi beberapa bagian.
Kuartil membagi data menjadi 4 bagian, Desil membagi menjadi 10 bagian, dan
persentil menjadi 100 bagian.
Cara membagi adalah: urut data berdasarkan nilainya, tentukan letaknya, kemudian
tentukan nilainya.

Rumus Kuartil adalah:


i= 1, 2, 3
n= Jumlah data

Rumus Desil adalah:


i= 1, 2, 3, ..., 9
n= Jumlah data


20

Rumus Persentil adalah:


i= 1, 2, 3, ..., 99
n= Jumlah data

Contoh: Hasil penimbangan konsumsi pakan 12 ekor ayam petelur (g). Tentukan kuartir
1, 2, dan 3, dan nilai datanya.
No Data 1 2 3 4 5 6 7 8 9 10 11 12
Nilai Data 104 112 114 120 128 132 140 150 164 172 184 188














Letak K
1
:


Letak K
2
:


Letak K
3
:


Nilai K
1
= 114 + 0,25(120-114)= 115,5
Nilai K
2
= 132 + 0,50(140-132)= 136
Nilai K
3
= 164 + 0,75(172-164)= 170

Apabila data sudah disusun dalam tabel distribusi frekuensi, maka kuartil, desil dan
persentil diduga dengan rumus:
Kuartil :

)
Desil :

)
Persentil :

)

21

Contoh pendugaan Kuartil dari tabel distribusi:
Umur (Tahun)
Frekuensi
(f)
Jumlah data

1 16 - 20 10 10
2 21 - 25 25 35
3 26 - 30 23 58

4 31 - 35 45 103 K1
5 36 - 40 48 151
6 41 - 45 53 204 K2
7 46 - 50 47 251 K3
8 51 - 55 40 291
9 56 - 60 15 306
10 61 - 65 19 325

Total 325

Letak K1 x 325 = 81,25
Letak K2 2/4 x 325 = 162,5
Letak K3 x 325 = 243,75

Nilai K1
b= 30+(31-30)/2=30,5
p = 5
f 45
F 10+25+23 = 58

)
Nilai K2
b= 40+(41-40)/2=40,5
p = 5
f 53
F 10+25+23+45 +48= 151

)
22

Nilai K3
b= 45+(46-45)/2=45,5
p = 5
f 47
F 10+25+23+45 +48+53= 204

)









23

Kuliah 4:
Ukuran Simpangan, Dispersi dan Variasi






Dalam suatu analisis, sangat sering peneliti ingin mengetahui sampai berapa jauh
data tersebut menyebar dari rata-rata. Ukuran yang sering digunakan di bidang
peternakan adalah Varian (Ragam), standar deviasi (Simpangan Baku) dan koefisien
variasi.


Ragam:

Populasi Sample











n
x
i
2
2
) (
o
E
=
1
) (
2
2

E
=
n
x x
s
i
1
x
2
) ( 2
i 2

E
=
E
n
s
n
x
i
n
n
x
i
2
) ( 2
i 2
x
E
E
= o
24



Simpangan Baku (Akar dari Ragam):


Populasi Sample











Koefisien Variasi:


Populasi Sample

























2
o o =
2
s s =
% 100 x
x
s
KV =
% 100 x KV

o
=
25

Contoh 1: Tabel berikut adalah berat telur 10 ekor puyuh. Ragam dan standar
deviasinya adalah (Cara 1):

No
Konsumsi
(x)
( )
2
x x
1 10 2.9
2 11 0.5
3 12 0.1
4 11 0.5
5 13 1.7
6 15 10.9
7 13 1.7
8 9 7.3
9 11 0.5
10 12 0.1
Jumlah () 117 26.1
Rata-rata( x ) 11.7

n 10




Parameter Populasi Sample

Ragam


61 , 2
10
1 , 26 ) (
2
2
= =
E
=
n
x
i

o

90 , 2
1 10
1 , 26
1
) (
2
2
=

E
=
n
x x
s
i


Simpangan
Baku


62 , 1 61 , 2
2
= = = o o

70 , 1 90 , 2
2
= = = s s


Koefisien
variasi








% 81 , 13 % 100
7 , 11
62 , 1
= = x KV
% 56 , 14 % 100
7 , 11
70 , 1
= = x KV
26


Contoh 2: Tabel berikut adalah berat telur 10 ekor puyuh. Ragam dan standar
deviasinya adalah (Cara 2):

No
Konsumsi
(x)
x
2

1 10 100
2 11 121
3 12 144
4 11 121
5 13 169
6 15 225
7 13 169
8 9 81
9 11 121
10 12 144
Jumlah () 117 1395
Rata-rata 11.7

n 10


Parameter Populasi Sample

Ragam


61 , 2
10
1395 x
2
10
) 117 (
2
) ( 2
i 2
=

=
E
=
E
n
n
x
i
o

90 , 2
1 10
1395
1
x
2
10
) 117 (
2
) ( 2
i 2
=

E
=
E
n
s
n
x
i


Simpangan
Baku


62 , 1 61 , 2
2
= = = o o


70 , 1 90 , 2
2
= = = s s


Koefisien
variasi





% 81 , 13 % 100
7 , 11
62 , 1
= = x KV
% 56 , 14 % 100
7 , 11
70 , 1
= = x KV
27

Kuliah 5:
Pengantar Peluang
(Dari materi kuliah Dr. Ir. Karnaen, Mstat)




Definisi:
1. RUANG SAMPEL : Himpunan atau gugus yang unsur-unsurnya merupakan hasil yang
mungkin dari suatu percobaan
2. TITIK SAMPEL : Unsur-unsur dari ruang sampel
3. KEJADIAN : Himpunan atau gugus bagian dari ruang sampel
4. FREKUENSI RELATIF : Hasil bagi antara kejadian yang muncul dengan banyaknya
percobaan (bisa dalam %)
5. PELUANG (PROBABILITAS) : derajat kepastian dari suatu peristiwa

Peluang dari suatu kejadian A = P(A)
) (
) (
) (
S N
A N
mungkin yang kejadian banyaknya
terjadi A kejadian banyaknya
A P = =




28


Beberapa Sifat Peluang:

1. Peluang A merupakan angka yang non negatif sehingga P(A) 0
2. Peluang suatu kejadian yang terjadi sama diantara nol dan satu ditulis 0 P(A) 1
3. Jumlah peluang dari semua kejadian dasar suatu universum adalah sama dengan
satu

=
=
n
i
i
A P
1
1 ) (

atau P(A
1
) + P(A
2
) + . . . + P(A
n
) = 1
4. P(A) + P() = 1 P() = 1 - P(A) = komplemen
P() = peluang tidak terjadinya A

P(A) = 0, berarti tidak pernah terjadi atau mustahil
P(A) = 1, berarti kejadian A sudah pasti terjadi


Contoh 1:
Dua buah dadu dilemparkan bersama-sama. Berapa besar peluang mata dadu yang
muncul tidak berjumlah 10 ?
Jawab :
S = ruang sampel
S = {(1,1), (1,2), ...... , (6,6)} ada 36 buah titik sampel
Misal A = kejadian mata dadu yang muncul berjumlah 10
{(4,6), (5,5), (6,4)}
Jadi P(A) = 3/36 = 1/12
Maka P() = 1 - P(A) = 1 1/12 = 11/12
29


Peluang dan Beberapa kejadian
1. Peluang kejadian mutually exclusive : jika kedua peristiwa tersebut tidak dapat
terjadi pada waktu yang bersamaan atau A U B =
Kejadian A dan B tidak dapat terjadi secara
Bersamaan didefinisikan P(AUB)
AUB = A + B P(AUB) = P(A) + P(B)
P(AUBUC) = P(A) + P(B) + P(C)

Contoh :
Pada pelemparan sebuah dadu satu kali, jika A adalah peristiwa munculnya mata
dadu 2 dan jika B adalah peristiwa munculnya mata dadu 4, maka berapakah
peluang munculnya mata dadu 2 atau 4 ?
Jawab :
AB = { } artinya tidak mungkin keluar bersamaan
P(AUB) = P(A) + P(B) = 1/6 + 1/6 = 2/6 = 1/3

2. Peluang kejadian non mutually exclusive : jika kedua peristiwa tersebut bisa terjadi
pada waktu yang bersamaan atau AB=

(AUB) = A + B (AB)
Maka : P(AUB) = P(A) + P(B) P(AB)

Jika ada 3 kejadian A, B, dan C maka :
P(AUBUC) = P(A) + P(B) + P(C) P(AB) - P(AC) - P(BC) P(ABC)
A
B
A
B
30


Contoh :
Dari satu set kartu bridge diambil sebuah kartu secara acak. Berapa peluang
terambilnya kartu As atau kartu Diamond ?
Jawab :
Jika K
1
= kejadian terambilnya kartu As
K
2
= kejadian terambilnya kartu Diamond
K
1
K
2
= kartu yang terambil adalah kartu As dan Diamond
P(K
1
) = 4/52
P(K
2
) = 13/52
P(K
1
K
2
) = 1/52
P(K
1
UK
2
) = (4/52) + (13/52) (1/52) = 16/52


3. Peluang kejadian bebas : jika peristiwa pertama tidak mempengaruhi peristiwa
kedua, atau peristiwa kedua tidak terikat pada peristiwa pertama atau P(AB) =
P(A) . P(B)
4. Peluang peristiwa dependent atau peluang bersyarat (Conditional probability) : jika
peristiwa yang satu menjadi syarat terjadinya peristiwa lain.
Untuk menyatakan peristiwa A terjadi dengan didahului peristiwa B ditulis A/B dan
peluangnya dinyatakan dengan dengan P(A/B) atau dapat dirumuskan sebagai
berikut :
P(AB) = P(A) . P(B/A) atau P(B) . P(A/B)

Contoh :
Dari 52 buah kartu bridge diambil 2 buah secara acak. Berapa peluang agar kedua
kartu yang diambil adalah As yang berbeda ?

31


Jawab :
Misal A = kejadian terambilnya kartu As I
B = kejadian terambilnya kartu As II
B/A = kejadian terambilnya kartu As II setelah terambilnya As pada
pengambilan I
AB = kejadian munculnya As dari 2 pengambilan
221
1
17
1
13
1
) / ( ) ( ) (
17
1
51
3
1 52
1 4
) / (
13
1
52
4
) (
= = =
= =

= =
= = =
A B P A P B A P
I n pengambila setelah kartu Sisa
I As muncul setelah As sisa Jumlah
A B P
kartu semua Jumlah
ada yang As Jumlah
A P


5. Teori Bayes adalah pengembangan dari konsep peluang bersyarat untuk kejadian
yang bersifat bebas dan atau mutually exclusive.
Bil A
j
(j = 1, 2, ... n) merupakan sekatan-sekatan dari sebuah sampel S dan setiap
peristiwa A
j
bersifat exclusive serta peluangnya tidak sama dengan nol, maka
peluang terjadinya peristiwa A adalah :
P(A) = P(A
1
) . P(A/A
1
) + P(A
2
) . P(A/A
2
) + ...... + P(A
n
) . P(A/A
n
)
Atau

=
=
n
j
j j
A A P A P A P
1
) / ( ). ( ) ( Kaidah Bayes I
Bila A
j
merupakan sekatan dari sebuah sampel S dan setiap peristiwa A
j
bersifat
mutually exclusive, kemudian kita mempunyai peristiwa lain A
k
yang merupakan
sekatan dari A
j
dimana 1 k n, maka :
) / ( ). ( ... ) / ( ). (
) / ( ) (
) / (
1 1 n n
k k
k
A A P A P A A P A P
A A P A P
A A P
+ +

=
atau
32

=
=
n
j
j j
k k
k
A A P A P
A A P A P
A A P
1
) / ( ). (
) / ( ). (
) / (
Kaidah Bayes II

Contoh :
Peti I berisi 4 telur putih dan 6 telur coklat.
Peti II berisi 3 telur putih, 1 telur coklat, dan 4 telur kuning.
Bila satu peti dipilih secara acak dan diambil dari dalamnya secara acak pula, berapa
peluang telur putih tersebut diambil dari peti 2 ?
Jawab :
Bila A menyatakan peristiwa telur yang terpilih adalah putih, maka terwujudnya A
menyangkut dua hipotesis :
1. Hipotesis A
1
, dimana peti I yang terpilih
2. Hipotesis A
2
, dimana peti II yang terpilih

Bila pemilihan peti dilakukan secara acak, maka P(A
1
) = P(A
2
) =
Dan peluang bersyaratnya menjadi :
P(A/A
1
) = 4/10 dan P(A/A
2
) = 3/8 (sesuai kaidah Bayes), maka :
483871 . 0
80 / 31
16 / 3
) 8 / 3 )( 2 / 1 ( ) 10 / 4 )( 2 / 1 (
) 8 / 3 )( 2 / 1 (
) / ( ). ( ) / ( ). (
) / ( ) (
) / (
2 2 1 1
2 2
2
= =
+
=
+

=
A A P A P A A P A P
A A P A P
A A P