STATISTIKA

DR. DRS. SARDIYATMO,MSI

Buku
Probabilitas dan Statistik dalam Ilmu
Rekayasa dan Manajemen
William W.Hines , Douglas C Montgomery
Penerbit Universitas Indonesia, UI-Press, 1990
Teori dan Aplikasi Statistika dan Probabilitas
Dr. Boediono, Dr. Ir. Wayan Koster, MM
Penerbit PT. Remaja Rosdakarya, Bandung
Metode Statistik
Andi Hakim Nasution, Sudjana
Pengertian Dasar Statistika
Kumpulan bilangan atau non bilangan, hasil
pengamatan atau pengukuran baik
menggunakan alat atau tidak, yang disebut
"data"
Ilmu yang mempelajari konsep-konsep atau
metoda-metoda dalam pengumpulakn data,
pengolahan (analisis) data sampai pengambilan
kesimpulan dimana ada ketidakpastian dan
keragaman (variance)
Ciri atau nilai dari contoh yang diambil dari
sebuah populasi dan digunakan untuk menduga
ciri atau nilai dari populasi tersebut yang dikenal
sebagai parameter
Populasi
Universum
Himpunan semua kajadian
Himpunan semua nilai yang mungkin
dari sebuah peubah (variable)

Contoh :
Sample
Sebagian dari sebuah populasi
Tujuan penarikan contoh dari sebuah populasi
untuk menggunakan informasi dalam contoh,
untuk mengambil kesimpulan mengenal
populasi tersebut.
Karenanya contoh harus dapat mewakili
populasi (keacakan). Keacakan, hasil proses
untuk menjamin bias, baik yang diketahui atau
tidak. Sehingga tidak mempengaruhi pemilihan
contoh.
Fungsi Statistika
1. Menjelaskan, menggambarkan,
menguraikan Statistika Deskriptif
2. Menduga, memprediksi Statistika
Inferensial
DATA
Berdasarkan skala pengukuran
1. Skala nominal
2. Skala Ordinal
3. Skala interval
4. Skala rasio
FAKTORIAL
Hasil kali dari bilangan-bilangan bulat
positif dari 1 sampai dengan n adalah
1.2.3.....(n-2)(n-1)n dalam matematika diberi
notasi n! (baca n faktorial)
n! = 1.2.3.....(n-2)(n-1)n
= n (n-1)(n-2) .... 3.2.1
dengan catatan 1! = 1 dan 0! = 1
Contoh : 3 ! = 1.2.3 = 6 atau 3! =3.2.1 = 6
PERMUTASI
Suatu susunan dari sekumpulan n obyek
dalam suatu urutan tertentu disebut suatu
permutasi dari obyek tersebut.Jika dari
sebarang r < n dari obyek dalam urutan
tertentu disebut suatu permutasi r obyek
dari n obyek yang diketahui.
PERMUTASI
Banyaknya permutasi r obyek dari n obyek
diberi notasi
P(n, r) = n (n - 1) (n - 2) (n - r + 1)



Contoh : Berapakah permutasi dari 3 obyek ?
misalkan ketiga obyek a, b dan c
3! = 3.2.1 = 6
ada 6 permutasi yaitu : abc, acb, bac, bca, cab,
dan cba
r)! (n
n!
r) P(n,

=
Permutasi dengan Pengulangan
Kadang-kadang kita ingin mengetahui
banyaknya permutasi dari obyek-obyek
yang beberapa diantaranya sama.
Teorema : banyaknya permutasi dari n
obyek yang diantaranya n
1
obyek sama
dan n
2
obyek sama n
r
obyek sama
adalah
! n ... ! n . ! n
n!
r 2 1
Permutasi dengan Pengulangan
Contoh : banyaknya permutasi dari kata
EKSAKTA
Banyaknya huruf ada 7, huruf yang sama A
ada 2 dan K ada 2 jadi banyaknya permutasi
1260
2! 2!
7!
=
KOMBINASI
Misalkan kita mempunyai sekumpulan n
obyek.
Suatu kombinasi r obyek dari n obyek
adalah sebarang pemilihan r obyek dari n
obyek dimana urutan tidak diperhatikan
jadi ab dianggap sama dengan ba.
r)! (n r!
n!
r) C(n,
n
r
=
|
.
|

\
|
=
KOMBINASI
Contoh : Jika dari suatu kepengurusan
suatu organisasi yang terdiri dari 8 orang
ingin membentuk pengurus inti 3 orang
sebagai Ketua Sekretaris dan
Bendahara maka dapat dibentuk :
berbeda inti pengurus 56
3)! (8 3!
8!
C(8,3) =

=
PROBABILITAS
A. Ruang Sampel dan Kejadian
Probabilitas atau peluang terjadinya suatu
peristiwa atau kejadian adalah nilai yang
menunjukkan seberapa besar kemungkinan
peristiwa itu terjadi.
Konsep probabilitas peluang berkaitan dengan
pengertian eksperimen yang menghasilkan
"hasil" yang tidak pasti.
Artinya eksperimen yang diulang-ulang dalam
kondisi yang sama akan memberikan hasil
yang berbeda.
Pengertian / Definisi
Ruang Sampel : misal dadu mempunyai 6
sisi dan masing masing sisi bermata
satu, dua, tiga, empat, lima, dan enam.
Himpunan semua hasil yang mungkin dari
lambungan adalah {1, 2, 3, 4, 5, 6}
Jadi ruang sampelnya S = {1, 2, 3, 4, 5, 6}
Pengertian / Definisi
Titik Sampel : Titik sampel merupakan suatu
elemen dari ruang sampel S.
Elemen-elemen dari S adalah : 1, 2, 3, 4, 5, 6
Jadi titik sampelnya adalah : 1 atau 2 atau 3
atau 4 atau 5 atau 6
Pengertian / Definisi
Kejadian : Kejadian merupakan himpunan
bagian dari ruang sampel.
Misalnya A = kejadian muncul mata genap
B = kejadian muncul mata ganjil
Maka A = { 2, 4, 6 }
B = { 1, 3, 5 }
1. A B merupakan kejadian/peristiwa
yang terjadi jika A terjadi atau B terjadi
atau keduanya terjadi
2. A B merupakan kejadian yang terjadi
jika A terjadi dan B terjadi
3. A
C
yaitu komplemen dari A adalah
kejadian yang terjadi jika A tidak terjadi
Definisi Peluang / Probabilitas /
Kemungkinan
Misal ruang sampel S mempunyai elemen
yang banyaknya berhingga, yaitu n(S) =
N adalah suatu kejadian (himpunan
bagian dari S) yang mempunyai elemen
sebanyak n(A).
Maka peluang P bahwa kejadian A akan
terjadi adalah
n(S)
n(A)
P(A) =
KEJADIAN BEBAS
Kejadian A dan B dikatakan Bebas / Independen
jika P(A n B) = P(A) . P(B)
KEJADIAN TERGANTUNG
Kejadian A dan B TERGANTUNG / dependen
jika P( A n B) /= P(A) . P(B)
Probabilitas Bersyarat
Suatu kejadian dapat bergantung pada
terjadi atau tidaknya suatu kejadian lain.
Untuk kejadian yang bergantung pada
kejadian lain nilai probabilitasnya dicari
dengan menggunakan probabilitas
bersyarat.
Difinisi : Misalkan B sebarang kejadian
dalam ruang sampel S dengan P(B) > 0
Probabilitas Bersyarat
Probabilitas bersyarat dari kejadian A
dengan syarat B terjadi ditulis P(A / B)
didifinisikan sebagai berikut
P(B)
B) P(A
P(A/B)

=
B dalam elemen banyaknya
B) (A dalam elemen banyaknya
P(A/B)

=
atau
Probabilitas Bersyarat
Contoh :
Misalkan sepasang dadu yang setimbang
dilambungkan satu kali. Dilihat jumlah mata
dadu yang muncul.
B kejadian bahwa jumlah mata yang muncul
pada kedua dadu sama dengan 6.
A kejadian muncul mata 2 pada paling
sedikit satu dadu maka :
Probabilitas Bersyarat
S = {(1,1), (1,2), (5,6), (6,6)} n(S) = 36
B = {(1,5), (2,4), (3,3), (4,2), (5,1)}
n(B) = 5 P(B) = 5/36
A = {(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(1,2), (3,2), (4,2), (5,2), (6,2)}
n(A) = 11
A B = {(2,4), (4,2)}
P(A B ) = 2/36
Jadi probabilitas bersyarat dari A dengan
syarat B ialah

atau banyaknya elemen dalam
A B = n ( A B ) = 2 dan n (B) = 5
jadi P(A/B) = 2/5

Jadi probabilitas terjadinya muncul mata 2
pada paling sedikit satu dadu jika diketahui
bahwa jumlah mata yang muncul pada
kedua dadu sama dengan 6 adalah 2/5
2/5
5/36
2/36
P(B)
B) P(A
P(A/B) = =

=
Kejadian Kejadian Yang Bebas
Suatu kejadian B dikatakan independen
(bebas) dari kejadian A jika probabilitas
terjadinya B tidak terpengaruh oleh
terjadinya atau tidaknya kejadian A atau jika
probabilitas dari B sama dengan
probabilitas bersyarat dari B dengan syarat
A yaitu
P(B) = P(B / A)
Distribusi Peluang
1. Dikenal pula sebagai distribusi frekuensi
relatif
2. Dapat diungkapkan dalam bentuk tabel
atau grafik
3. Kebanyakan distribusi peluang yang
umum digunakan dapat dicerminkan
dalam bentuk fungsi.
Distribusi Binomial
Digunakan pada data dalam skala nominal yang
hanya mempunyai dua kategori (bi);
jenis kelamin jantan dan betina; mati dan
hidup; hadir dan absen; sisi muka dan sisi
belakang dan seterusnya
Bila peluang satu katagori adalah p, maka peluang
katagori yang lain adalah q = 1 - p
Digunakan untuk menentukan peluang sebuah
nilai dari sebuah contoh berukuran n pada
sebuah kategori ..
P(X=x)= C(n,x) p
x
(1-p)
n-x
, untuk
x = 0,1,2,3,n
Dimana C(n,x) adalah koefisien binomial
Sedangkan mean dan ragamnya adalah
, = n.p , o
2
= n.p.q
x)! (n x!
n!

Contoh : Diharapkan hanya 30% telur ikan

yang akan ditetaskan gagal untuk
menetas. Dalam sebuah contoh yang
terdiri dari 5 butir telor ikan, berapa
peluang bahwa tidak ada telur yang gagal
menetas, satu telur yang gagal menetas,
dua telur yang gagal menetas, tiga telur
yang gagal menetas, empat telur yang
gagal menetas, empat telur yang gagal
menetas dan lima telur yang gagal
menetas :
P(x = 0) = C(5,0) (0,3)
0
(0,7)
5-0
P(x = 1) = C(5,1) (0,3)
1
(1-0,3)
5-1
P(x = 2) = C(5,2) (0,3)
2
(1-0,3)
5-2
P(x = 3) = C(5,3) (0,3)
3
(1-0,3)
5-3
P(x = 4) = C(5,4) (0,3)
4
(1-0,3)
5-4
P(x = 5) = C(5,5) (0,3)
5
(1-0,3)
5-5

Seorang penjual mengatakan 25% dari seluruh
dagangannya rusak akibat truk yang membawa
barang mengalami kecelakaan
Jika seorang membeli barang dagangan
sebanyak 10 buah
Tentukan :
a. Prob orang itu akan mendapat 5 barang cacat
b. Prob orang itu mendapat paling banyak 3
cacat
c. Rata-rata dan Simpangan baku
Distribusi Poison
1. Distribusi Poison menjelaskan kejadian-kejadian
acak, baik kejadian-kejadian menurut ruang
maupun waktu.
Misalnya : distribusi jumlah bintik hitam pada
udang yang baru dipanen dari 1 ha tambak
udang, distribusi jumlah phytoplankton pada
ruang contoh seluas 1 m2 (bujur sangkar).
Distribusi kecelakaan kapal-kapal penangkap
ikan perhari di perairan Indonesia. Distribusi
jumlah kepiting pada setiap terumbu karang
diperairan Indonesia.
2. Distribusi Poisson merupakan distribusi binimial
dengan n sangat besar dan peluang kejadiannya
sangat sangat kecil. Dari contoh pertama di atas
n adalah jumlah keseluruhan udang dari panenan
tambak seluas 1 hektar, dan p adalah peluang
ditemuinya bintik hitam di tubuh udang.
Distribusi Poison
3. Untuk menghitung peluang distribusi Poison
tidak perlu diketahui baik n maupun p-nya.
Yang perlu diketahui adalah jumlah rata-rata
kejadian per unit ruang atau waktu
4. Bila m adalah jumlah rata-rata dari objek atau
kejadian per unit ruang atau waktu yang dapat
diduga dari jumlah rata-rata contoh maka
peluang untuk mendapatkan jumlah tertentu :



Untuk x = 0,1,2,3,dst dengan e = 2,71828 ..
x!
e
x) P(x
x
= =
Contoh : Jumlah rata-rata kepiting yang
menyebar secara acak diterumbu karang
adalah 2 ekor per meter persegi. Berapa
peluang bahwa secara random 1 meter
persegi terumbu karang tidak ada
kepitingnya sama sekali, ada satu ekor
kepiting; ada 2 ekor kepiting dst.nya
0!
.2 e
0) P(x
0 2
= =
1!
.2 e
1) P(x
1 2
= =
2!
.2 e
2) P(x
2 2
= =
Prob seorang menderita reaksi buruk thd
suntikan suatu jenis serum adalah 0,001
Bila suatu daerah diberikan suntikan jenis
serum kepada 2000 penduduknya
Tentukan :
a. Prob tepat 3 orang yang akan
menderita reaksi buruk
b. Prob lebih dari 2 orang
Distribusi Normal
1. Distribusi peluang kontinu yang pada
umumnya menjelaskan berbagai macam
kejadian alam.
2. Membentuk kurva yang tidak terputus-
putus, yang merupakan histogram
frekuensi relatif dimana jumlah
pengamatannya (n) banyak sekali dan
lebar kelas intervalnya sangat sempit.
3. Merupakan kurva simetris berbentuk lonceng
(genta) dengan 68,3% luas area dibawahnya
berada diantara 1o (simpangan baku) dari
(mean); 95,44% diantara 2o (simpangan
baku) dari (mean) dan 99,74% diantaranya
3o (simpangan baku) dari (mean).
Catatan : 95% luas area dibawah kurva normal
diantara 1,96 (simpangan baku dari mean)
4. Kurva normal dapat berupa kurva normal baku
bila mean () =0 (nol) dan simpangan baku (o)
= akar dari ragam (o
2
) = 1 dan dapat disebut
distribusi Z
5. Total luas area dibawah kurva = 1
(sesuai dengan hukum peluang)
6. Setiap distribusi normal dapat
ditransformasi kedalam distribusi normal
baku (z) dengan cara

dimana z merupakan jarak antara dan
x, yang diukur dalam simpangan baku
(o). Nilai z dikenal sebagai nilai baku,
dimana peluang z antara nol (0) dan
sebuah nilai z tertentu (z
0
) telah tersusun
dalam sebuah tabel statistika.
o

=
x
z
7. Sebuah variabel x menyebar normal
ditulis x ~ n ( , o2)
8. Distribusi normal yang merupakan
distribusi peluang kontinu disebut pula
distribusi Gaussian akan menghasilkan
kurva normal yang dibatasi oleh

persamaan :

Dimana = mean, o = simpangan baku,
t = 3,14159 dan e = 2,71828..
2 2
/ ) (x
2
1
e
2
1
y

=
9. Luas area dibawah kurva dan sumbu x adalah
satu; berarti luas area dibawah kurva dan
sumbu x pada ordinat x = a dan x = b, dimana
a lebih kecil dari b ( a < b), menunjukkan
peluang bahwa x berada diantara a dan b dan
ditulis P (a < x < b).
10. Apabila variabel x ditulis dalam satuan yang
baku yaitu z, maka z = (x - ) / o, dan
persamaan di atas menjadi :

Dimana z merupakan distribusi normal baku
dimana meannya sama dengan nol dan
ragamnya sama dengan satu.
2
z
2
1
e
2
1
y

=
Soal prob bersyarat
Suatu Perusahaan memp. 3 buah mesin M1, M2 dan M3.
Hasil prod. Masing-ma sing H1, H2 dan H3.
Mesin M1 menghasilkan 60% dr sel.prod
Mesin M2 menghasilkan 25% dr sel.prod
Sedang sisanya dihasilkan mesin M3
Diket 5% dr H1, 2%dr H2 dan 8% dr H3 cacat
1. Bila kita pilih 1 prod ternyata baik, brp prob produk tsb
dihasilkan dari mesin 1, mesin 2 dan mesin 3 ?
2. Bila suatu waktu dihasilkan 10.000 produk, berapa
banyaknya yang cacat ?
Rumah makan menggolongkan langganannya sbb
: Pedagang, Pegawai dan Mahasiswa dg perb.
10, 15, 5
Pob seorang Ped pesan kue 0,3 mak 0,5 min 0,8
Prob seorang Peg pesan kue 0,45 mak 0,40 min
0,85
Prob seorang Mhs pesan kue 0,50 mak 0,20 min
0,85
Pert: Bila suatu hari ada yang pesan kue, brp prob
pemesan itu seorang Mhs ?
Soal distribusi Normal

4. Ujian Statistik yang diikuti 100 mahasiswa mendekati
distribusi normal, dengan nilai rata-rata 7,0 dan
standart deviasi nilai 1,20
Pertanyaan :
a. berapa jumlah mhs yang nilai ujiannya antara 6,5
sampai dengan 7,5 ?
b. jika untuk lulus ujian dengan nilai minimum 6,0 berapa
mahasiswa yang mengulang ?
Tabel Z ( 0,42 ) Luas = 0,1628
Z ( 0,83 ) Luas = 0,2967
c. Hitung nilai dari 30 mhs terbaik (nil minimum)
1. Z merup var stand normal, carilah prob
atau luas kurva normal
a. p ( z> 1,23 )
b. p ( z < - 2,12 )
c. p ( z > 1,17 )
d. p ( z > - 1,62 )
e. p ( - 1,56 < z < 0,64 )

2. Z merup var stand normal, carilah nilai c
a. p ( z < c ) = 0,0250
b. p ( z > c ) = 0,0280
c. p (-c < z < c ) = 0,9500
d. p (-c < z < c ) = 0,9800


3. Hitunglah berapa prob bila 120
pelemparan sebuah mata uang akan
muncul antara :
a. 40% sampai 60% muncul gambar
b. 62 atau lebih muncul gambar
c. Paling sedikit 60% muncul gambar
5. Nilai rata-rata ujian masuk Undip 67,75
dengan simpangan baku 6,25, jika dist, normal
dan banyak calon 10.000 orang
Tentukan :
a. Brp % banyak calon yang nilainya lebih
dari 70 ?
b. Brp calon yang nilainya antara 70 dan
80 ?
c. Brp orang calon yang nilainya lebih besar
atau sama dengan 75 ?
Bila dalam suatu kelompok terdapat 4
kimiawan dan 3 fisikawan. Buatlah panitia
3 orang yang terdiri atas 2 kimiawan dan 1
fisikawan ?
Hitung n : a. n C 2 = 45
b. n C 2 = n C 3
c. n P 4 / n-1 C 3 = 60
Sepasang mata uang dilemparkan 3 kali A
adalah kejadian pada lemparan pertama
muncul angka. B adalah kejadian pada
lemparan kedua muncul angka. C adalah
kejadian dua angka muncul berurutan.
Buktikan bahwa kejadian A dan B bebas
dan kejadian B dan C tergantung.