BAHAN AJAR

STATISTIK EKONOMI II

Disusun Oleh
HANIFAH MUTIA Z. N. AMRUL

UNIVERSITAS PEMBANGUNAN
PANCABUDI
MEDAN
1

2012

STATISTIKA II
A. DESKRIPSI
Membahas berbagai macam konsep (teori) maupun metode statistika, yang
selanjutnya dapat digunakan untuk melakukan interpretasi terhadap berbagai
macam data hasil penelitian dan sekaligus mengetahui alat-alat analisa apa saja
yang dibutuhkan sesuai dengan masalah yang dihadapi.
Tujuan mata kuliah ini adalah memberi pengetahuan kepada mahasiswa tentang:
a. Masalah probabilitas sebagai alat pengambil keputusan.
b. Alat-alat statistik yang dibutuhkan untuk melakukan pengkajian terhadap
masalah yang dihadapi.
c. Dasar berpikir selanjutnya dalam mencari terobosan baru (policy) guna
memecahkan masalah yang dihadapi.
B. PRASYARAT: STATISTIKA I
C. MATERI
1. Konsep Dasar Probabilitas
1.1. Pengertian dan manfaat probabilitas
1.2. Pendekatan terhadap probabilitas
1.3. Hukum dasar Probabilitas
1.4. Teorema Bayes

2. Distribusi Probabilitas
2.1. Pengertian distribusi probabilitas
2.2. distribusi probabilitas Binomial
2.3. distribusi probabilitas Hipergeometrik
2.4. distribusi probabilitas Poisson
3. Distribusi probabilitas normal
3.1. Pengertian dan karakteristik Distribusi Probabilitas Normal
3.2. Distribusi Probabilitas Normal Standar
3.3. Luas dibawah kurva normal
3.4. Pendekatan Normal terhadap Binomial
4. Teori Keputusan
4.1. Elemen-elemen Keputusan
4.2. Keputusan dalam keadaan beresiko
4.3. Keputusan dalam Kondisi Ketidakpastian
5. Metode dan Distribusi Sampling
5.1. Pengertian populasi dan sample
5.2. Metode penarikan sample
5.3. Distribusi Sampel rata-rata dan proporsi
5.4. Distribusi Sampel Selisih rata-rata dan proporsi
5.5. Factor Koreksi untuk populasi terbatas
5.6. Dalil batas tengah

6. Hipotesa
6.1. Pengertian dan Pengujian Hipotesa
6.2. Prosedur pengujian hipotesa
6.3. Uji Significan
6.4. Menguji hipotesa Rata-rata dan Proporsi Sampel Besar
6.5. Menguji hipotesa Selisih Rata-rata dan Proporsi Sampel Besar
6.6. Jenis Kesalahan I dan I
7. Uji Chi Kuadrat
7.1. Pendahuluan
7.2. Uji Chi-Kuadrat untuk Keselarasan
7.3. Uji Chi-Kuadrat untuk Kenormalan
7.4. Uji Chi-Kuadrat untuk independensi

BAB I
KONSEP DASAR PROBABILITAS
1.1. Pengertian dan Manfaat Probabilitas
Secara sederhana probabilitas dapat diartikan sebagai sebuah peluang untuk
suatu kejadian.
Lind (2002) dalam mendefenisikan probabilitas sebagai:
Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi
dimasa mendatang. Probabilitas dinyatakan antara 0 sampai 1 atau dalam
persentase
Probabilitas sangat berguna untuk pengambilan keputusan yang tepat, karena
kehidupan di dunia tidak ada kepastian, sehingga diperlukan untuk mengetahui
berapa besar probabilitas suatu peristiwa akan terjadi. Probabilitas dinyatakan dalam
angka pecahan antara 0 sampai 1 atau dalam persentase.
Contoh:
Seluruh mahasiswa Panca Budi harus memiliki sertifikat computer untuk program
microsoft exel. Di kota Medan banyak terdapat tempat kursus computer
diantaranya LP3I, Medicom, Tricom dll. Maka akan muncul kebingungan dalam
memilih tempat kursus. Untuk menentukan pilihan biasanya mahasiswa akan
bertanya kepada teman-teman, mereka kursus dimana? Dari ratusan mahasiswa
mungkin anda bertanya hanya pada 20 orang mahasiswa. Yang paling banyak
diminati anda akan memilih tempat tersebut untuk kursus.

Dari contoh tersebut dapat dilihat bahwa keputusan diambil hanya dari beberapa
contoh atau sampel dari populasi keseluruhan.
Tiga hal penting dalam membicarakan probabilitas:
a. Percobaan (experiment)
Pengamatan

terhadap

memungkinkan

beberapa

timbulnya

paling

aktivitas
sedikit

atau
dua

proses

yang

peristiwa

tanpa

memperhatikan peristiwa mana yang akan terjadi

b. Hasil (outcome)
suatu hasil dari sebuah percobaan. Dalam hasil ini semua kejadian akan
dicatat atau dalam artian seluruh peristiwa yang akan terjadi dalam
sebuah percobaan. Misalnya dalam mengikuti ujian semester maka hasil
yang akan diperoleh ada mahasiswa yang lulus dan ada yang tidak lulus.
Ada yang lulus memuaskan ada yang tidak memuaskan
c. Peristiwa (event)
kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan
atau kegiatan
Contoh:
Percobaan

Pertandingan sepak bola antara Fakultas Ekonomi

Hasil

UNPAB dan Fakultas Pertanian UNPAB

Fakultas Ekonomi menang,
Fakultas Ekonomi kalah
Seri, tidak ada yang kalah dan tidak ada yang

Peristiwa

menang
Fakultas Ekonomi Menang

Probabilitas dinyatakan dalam bentuk pecahan dari 0 sampai 1. probabilitas 0

menunjukkan sesuatu yang tidak mungkin terjadi, sedangkan probabilitas 1
mununjukkan peristiwa pasti terjadi.
Contoh penulisan probabilitas dalam desimal atau persentase:
1. Pada awal bulan adalah waktu gajian bagi karyawan, maka banyak pusat
pusat perbelanjaan melakukan promosi dengan harapan mendapat
keuntungan yang lebih sehingga sehingga probabilitas menjual mencapai
0,8 sedangkan membeli 0,3.
2. melihat kondisi kesiapan mahasiswa yang mengikuti ujian Statistika II,
maka mahasiswa yang mempunyai probabilitas untuk lulus 70% dan kalah
30%
Probabilitas kejadian dengan nilai 0 berarti peristiwa yang tidak mungkin
terjadi, seperti seorang anak balita melahirkan seorang bayi. Sedangkan probabilitas
dengan nilai 1 adalah peristiwa yang pasti terjadi, seperti semua manusia pasti akan
meninggal.
1.2. Pendekatan Probabilitas
Untuk menentukan tingkat probabilitas suatu kejadian, maka ada tiga
pendekatan yaitu pendekatan klasik, pendekatan relatif dan pendekatan subjektif.
Pendekatan klasik
Diasumsikan bahwa semua peristiwa mempunyai kesempatan yang sama
untuk terjadi (equally likely). Probabilitas suatu peristiwa kemudian dinyatakan
sebagai rasio antara jumlah kemungkinan hasil dengan total kemungkinan hasil
(rasio peristiwa terhadap hasil)

Probabilitas

jumlah kemungkinan hasil (peristiwa)

jumlah total kemungkinan hasil

Contoh:
Pada kegiatan mahasiswa belajar semua hasil ada yang sangat memuaskan,
memuaskan dan terpuji. Jumlah hasil ada 3 dan hanya 1 peristiwa yang terjadi,
maka probabilitas setiap peristiwa adalah 1/3.
Pada suatu percobaan hanya 1 peristiwa yang terjadi, dan peristiwa lain tidak
mungkin terjadi pada waktu yang bersamaan maka dikenal sebagai peristiwa saling
lepas.
Peristiwa saling lepas (mutually exclusive) adalah terjadinya suatu
peristiwa sehingga peristiwa yang lain tidak terjadi pada waktu yang
bersamaan
Pada suatu percobaan atau kegiatan semua hasil mempunyai probabilitas
yang sama, dan hanya satu peristiwa yang terjadi maka peristiwa ini dikenal dengan
lengkap terbatas kolektif (collection exhaustive).
lengkap terbatas kolektif (collection exhaustive) adalah sedikitnya satu dari
seluruh hasil yang ada pasti terjadi pada setiap percobaan atau kegiatan
yang dilakukan

Pendekatan Relatif
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak
suatu kejadian terjadi, yang dinyatakan sebagai berikut:

Probabilitas kejadian relatif

Jumlah peristiwa yang terjadi

jumlah total percobaan

Contoh:
Dari kegiatan belajar mahasiswa dapat dilihat hasilnya pada Wisuda Sarjana
Universitas Panca Budi tahun 2007 sebanyak 800 orang mahasiswa. 500 orang lulus
dengan memuaskan, 200 orang dengan sangat memuaskan dan 100 orang dengan
prediket terpuji. Maka probabilitas lulus memuaskan adalah 500/800 = 0.625; lulus
dengan sangat memuaskan 200/800 = 0.25 dan lulus dengan terpuji 100/800 =
0.125.
Pendekatan Subjektif
Yang dimaksud dengan pendekatan subjektif adalah menentukan besarnya
probabilitas suatu peristiwa didasarkan pada penilaian pribadi dan dinyatakan dalam
derajat kepercayaan.
Contoh:
Menurut pengamat politik, Jokowi-Ahok akan menang dalam Pemilihan Kepala
daerah Jakarta tahun 2012.

10

1.3. Konsep Dasar Dan Hukum Probabilitas

Dalam teori probabilitas, probabilitas kejadian dilambangkan dengan P,
apabila kejadian jual saham dilambangkan dengan huruf A, maka probabilitas jual
saham dilambangkan dengan P(A). Sebaliknya apabila kejadian beli saham
dilambangkan dengan B, maka probabilitas beli saham dilambangkan dengan P
(B).
Hukum Penjumlahan
Hukum penjumlahan menghendaki peristiwa yang saling lepas (mutually
exclusive) yaitu apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi
pada saat bersamaan.
Hukum ini dilambangkan sebagai:
P (A atau B) = P (A B) = P (A) + P(B)
Untuk kejadian yang lebih banyak dilambangkan sampai n yaitu:
P(A atau ... n) = P(A) + P(B) + ......+P(n)
Contoh:
Berikut adalah kegiatan perdangan saham di BEJ untuk tiga perusahaan perbankan
dengan jumlah total sebanyak 200 transaksi
Jenis Transaksi
Jual saham
Beli saham
Jumlah Total transaksi

Volume Transaksi
120
80
200

Penyelesaian:

11

Dari data diatas diketahui bahwa:

Probabilitas Jual = P(A) = 120/200 = 0.60
Probabilitas Beli = P(B) = 80/200 = 0.40
Sehingga probabilitas A atau B,
P(A B) = P(A) + P(B) = 0.6 +0.4 = 1.0
Peristiwa atau Kejadian Bersama
Pada peristiwa bersama dua atau lebih peristiwa dapat terjadi secara
bersama-sama, peristiwa bersama tersebut dapat lebih mudah dilihat dengan
diagram Venn seperti berikut:

AD

Penjumlahan probabilitas dengan adanya unsur kegiatan bersama, maka rumus

penjumlahan dirumuskan kembali menjadi sebagai berikut:
P(A atau D) = P(A) + P(D) P(AD)
Dimana:
P(A atau D)

: probabilitas terjadinya A atau D atau A dan D bersama- sama

P(A)

: probabilitas terjadinya A

P(D)

: probabilitas terjadinya D

P(AD)

: probabilitas terjadinya A dan D bersama-sama

Untuk 3 kejadian maka rumusnya menjadi

12

P (A atau B atau C) = P (A B C)
= P (A) + (B) + (C) _ P (A B) P (A C) P (B C) +
P (A B C)
Kejadian saling lepas (mutually exclusive)
Kejadian saling lepas terjadi apabila hanya satu dari dua atau lebih peristiwa
yang dapat terjadi. Dapat digambarkan dengan diagram Venn:

Maka P(AB) = 0
Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas kejadian A atau B
yang dinyatakan P(A atau B)
P(A atau B) = P(A) + P(B) P(AB)
Karena P(AB) = 0 maka
P(A atau B) = P(A) + P(B) 0
Sehingga:
P(A atau B) = P(A) + P(B)

Contoh:

13

Cobalah hitung berapa probabilitas kejadian jual saham dan beli saham P(AB) dan
probabilitas kejadian untuk saham BCA, BII dan BNI (P(DEF).
Kegiatan

BNI (C)
30
40
70

Jual (A)
Beli (B)
Jumlah
Penyelesaian:

Perusahaan
BII (D)
50
30
80

BCA (E)
40
10
50

Jumlah
120
80
200

Probabilitas kejadian A dan B adalah kejadian yang saling lepas, maka P(AB)=0.
maka hukum penjumlahan untuk peristiwa saling lepas adalah:
P(A atau B)

= P(A) + P(B) P(AB)

= 0.6 + 0.4
= 1.0

probabilitas kejadian ketiga saham juga merupakan kejadian saling lepas, maka
hukum penjumlahannya adalah:
P (C atau D atau E)

= P(C) + P(D) + P(E) P(CDE)

= 0.35 + 0.40 + 0.25 0
= 1.0

probabilitas P(C atau D)

P(C atau D)

= P(C) + P(D) P(CD)

= 0.35 + 0.40
= 0.75

Hukum Perkalian.
Dalam hukum perkalian dikehendaki setiap peristiwa independent yaitu suatu
peristiwa terjadi tanpa harus menghalangi peristiwa lain terjadi.

14

Peristiwa independent adalah terjadinya peristiwa atau kejadian tidak

mempengaruhi probabilitas terjadinya peristiwa lain.
Dapat dinyatakan dalam bentuk:
P(A dan B) = P (A B) = P(A) x P(B)
Probabilitas bersyarat (Condicional Probability)
Probabilitas bersyarat adalah probabilitas statu peristiwa akan terjadi, dengan
ketentuan peristiwa lain telah terjadi. Hukum perkalian untuk probabilitas bersyarat
bahwa peristiwa B terjadi dengan syarat peristiwa A telah terjadi dinyatakan sebagai
berikut:
P(A dan B) = P(A) x (P(B|A)
Peristiwa Pelengkap (Complementary Event)
Peristiwa pelengkap menunjukan bahwa apabila ada dua peristiwa A dan B
yang saling melengkapi, sehingga jika peristiwa A tidak terjadi, maka peristiwa B
pasti terjadi. Maka probabilitas keduanya dapat dirumuskan sebagai berikut:
P(A) + P(B) = 1 atau P(A) = 1 P(B)
Dalam bentuk diagram Venn dapat digambarkan sebagai berikut

A
B
15

Diagram pohon probabilitas

Tahapan dalam menyusun diagram pohon:

1. Tahap 1 adalah langkah awal kegiatan, kita mulai dengan tanda titik atau
bulatan dengan angka, tahap 1 diumpamakan sebagai pohonnya dengan

16

pohon utamanya berupa kegiatan dibursa saham. Nilai probabilitas pada

tahap 1 adalah 1.
2. Tahap 2, membuat cabang. Kegiatan di bursa ada 2 yaitu kegiatan jual dan
kegiatan beli saham. Probabilitas jual = 0,6 dan probabilitas beli 0,4. nilai
probabilitas pada cabang = 0,6 + 0,4 = 1,0
3. Tahap 3 membuat ranting. Pada setiap cabang baik jual maupun beli ada 3
ranting jenis saham yaitu BCA, BLP dan BNI. Nilai probabilitas setiap
ranting = 0,35 + 0,40 + 0,25 = 1
4. Tahap 4, menghitung probabilitas bersama (joint probability) antara kejadian
pertama A dan B dengan kejadian kedua D, E dan F. kita bisa menghitung
probabilitas P(D|A) atau P(E|B) secara langsung. Nilai probabilitas
keseluruhan pada tahap 4 juga harus sama dengan 1.
Keputusan jual atau
beli

Jenis Saham

Probabilitas bersama

Probabilitas bersyarat
Jual
0,6 P(A)

BCA (P(D))

0,35

(P(D|A) 1 X 0,6 X0,35 = 0,21

BLP (P(E))

0,40

(P(E|A) 1 X 0,6 X0,40= 0,24

BNI (P(F))

0,25

(P(F|A) 1 X 0,6 X0,25= 0,15

BCA (P(D))

0,35

(P(D|B) 1 X 0,4 X0,35= 0,14

BLP (P(E))

0,40

(P(E|B) 1 X 0,4 X0,40= 0,16

BNI (P(F))

0,25

(P(F|B) 1 X 0,4 X0,25= 0,10

Beli
0,4 P(B)

17
Jumlah harus = 1

0,21 + 0,24 + 0,15 + 0,14 +

0,16 + 0,10 = 1,0

1.4. Teorema Bayes

Teorema ini dikembangkan oleh Thomas Bayes pada abad ke-18. Bayes
seorang pendeta, bertanya apakah Tuhan ada dengan memerhatikan fakta-fakta

18

yang ada di bumi. Jadi bila Tuhan ada, maka ada fakta sebagai ciptaan Tuhan.
Apabila fakta dilambangkan P(A1) untuk suatu fakta dan P(A2) untuk fakta lain,
sedang keberadaan Tuhan dinyatakan dengan P(B), maka teorema Bayes
dinyatakan sebagai:

P A P B A
1
1
P A B
1
P A P B A P A
P B A
1
1
2
2

Rumus diatas merupakan probabilitas bersyarat, suatu kejadian terjadi

setelah kejadian lain ada. P(A1|B) menyatakan bahwa fakta-fakta di bumi akan ada
apabila Tuhan ada. Karena banyak fakta tersebut maka rumus Bayes diperluas:

P A P B A
1
1
P A B
1
P A P B A P A
P B A
..... P A i P B A i
1
1
2
2

1.5. Beberapa Prinsip Menghitung Dalam Probabilitas

A. Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin
dalam mengatur sesuatu kelompok. Contoh konvensional, apabila kita mempunyai
tiga kelas yaitu A, B dan C ada berapa cara menyusun uratan ketiga kelas tersebut?

19

Secara sederhana dapat kita lakukan dengan mengurut ketiga kelas sebagai berikut:
A, B, C
B, C, A

A, C, B
C, A, B

B, A, C
C, B, A

Dari uraian diatas dapat kita ketahui bahwa terdapat 6 cara mengurutkan nama kelas
tersebut, namun apabila jumlah kelas tersebut 100 buah kelas, tentu kita akan
kewalahan dalam mengurutkan. Maka dapat dilakukan dengan pendekatan faktorial,
Apabila kelas berjumlah tiga maka cara menurutkan nama kelas:
3! = 3 x 2 x 1 = 6

B. Permutasi
Digunakan untuk mengetahui sejumlah kemungkinan susunan (arrangement)
jika terdapat satu kelompok objek. Pada permutasi ini kita berkepentingan dengan
susunan atau urutan dari objek, permutasi dirumuskan sebagai berikut:
n!
n Pr n r !

dimana :
P

: Jumlah permutasi atau cara objek disusun

: Jumlah total objek yang disusun

: Jumlah objek yang digunakan pada saat bersamaan, jumlah r dapat sama
dengan n atau lebih kecil

: tanda dari faktorial

20

Contoh:
Dari 20 kelas di Universitas Panca budi, ingin dikelompokkan menjadi beberapa
kelompok. Jika satu kelompok terdiri dari 5 kelas, ada berapa susunan kelompok
yang dapat dibuat?
Jawab
20

20!
20 19 18 17 16 15!
P

1.860.480
5
20 5 !
15!

C. Kombinasi
Kombinasi digunakan apabila kita tertarik pada berapa cara sesuatu diambil
dari keseluruhan objek tanpa memerhatikan urutannya. Misalnya ada 10 bank dan
kita hanya akan mengambil 3 bank, maka ada beberapa kombinasi bank yang dapat
diambil tanpa memerhatikan urutan atau susunannya. Dirumuskan sebagai berikut:
n!
n Cr r! n r !

Contoh:
Ada 5 orang siswa mendaftar sebagai pembawa acara dalam suatu kegiatan
hiburan. Pihak penyelengara hanya akan memilih 2 orang yang dapat dijadikan
pasangan. Ada berapa kombinasi pasangan yang dapat dipilih oleh panitia?

5!
10
2! 5 2 !

21

BAB II
DISTRIBUSI PROBABILITAS DISKRET
Untuk mempermudah mengetahui probabilitas banyak kejadian atau
percobaan dapat dilakukan dengan bantuan distribusi probabilitas. Dimana distribusi
probabilitas memberikan keseluruhan kemungkinan nilai yang mungkin muncul atau
terjadi dari sebuah kejadian atau percobaan.

22

2.1. Pengertian Distribusi Probabilitas

Distribusi probabilitas menunjukan hasil yang diharapkan terjadi dari suatu
kegiatan dengan nilai probabilitas masing-masing hasil tersebut.
Distribusi probabilitas adalah sebuah daftar dari keseluruhan hasil suatu
percobaan kejadian yang disertai dengan nilai probabilitas masing-masing
hasil (event).
Contoh:
Ada tiga orang mahasiswa yang akan memilih mata kuliah pada semester genap
tahun 2008/2009. Mata kuliah tersebut adalah Stasistika (STK) dan Matematika
(MTK). Ketiga mahasiswa tersebut bebas memilih mata kuliah mana yang akan
diikuti, bisa memilih STK semua, STK dan MTK atau MTK semua. Berikut adalah
kemungkinan dari ketiga pilihan mahasiswa tersebut

Kemungkinan
pilihan
1
2
3
4
5
6
7
8

A
STK
STK
STK
STK
MTK
MTK
MTK
MTK

Mahasiswa
B
STK
STK
MTK
MTK
STK
STK
MTK
MTK

C
STK
MTK
STK
MTK
STK
MTK
STK
MTK

Jumlah
pilihan STK
3
2
2
1
2
1
1
0

23

dari tabel dapat dilihat kemungkinan mahasiswa tidak memilih STK sama sekali ada
satu kejadian, mahasiswa hanya satu yang memilih STK ada 3 kejadian, mahasiswa
ada 2 orang yang memilih STK ada 3 kejadian. Mahasiswa ada 3 orang yang
memilih STK ada 1 kejadian. Dari ke 8 kejadian tersebut kita dapat menyusun
distribusi probabilitas sebagai berikut:
Jumlah STK di

Jumlah

Total

pilih mahasiswa
frekuensi
kemungkinan
0
1
8
1
3
8
2
3
8
3
1
8
Jumlah total Distribusi Probabilitas

Distribusi probabilitas
Hasil P(r)
1/8
0,125
3/8
0,375
3/8
0,375
1/8
0,125
1,000

Dari tabel distribusi probabilitas kita dapat dengan mudah menentukan berapa
probabilitas ketiga mahasiswa akan memilih mata kuliah Statistik yaitu 0,125.
Dalam bentuk grafik poligon dapat digambarkan sebagai berikut:

24

Variabel Acak/Random
a. Variabel Acak
Variabel acak didefenisikan sebagai sebuah ukuran atau besaran yang
merupakan hasil suatu percobaan atau kejadian yang terjadi secara acak atau
untung-untungan dan mempunyai nilai yang berbeda-beda
Contoh:
Petani menimbang berat setiap semangka yang telah dipanen. Dari lima
semangka beratnya berturut-turut 3.56; 3.80; 2.79; 3.60 dan

4.05 kg. Maka

penimbangan berat adalah percobaan acak dan nilai berat setiap semangka
adalah variabel acak.
b. variabel acak diskret
variabel acak diskret merupakan hasil dari percobaan yang bersifat acak dan
mempunyai nilai tertentu yang terpisah dalam suatu interval. Variabel acak
diskret ini biasanya berupa bilang bulat dan berasal dari hasil perhitungan.
Contoh: jumlah mahasiswa 800 orang, jumlah buah jeruk 20 buah, jumlah telur
300 butir dan sebagainya
c. variabel acak kontinu
variabel acak kontinu mempunyai nilai yang menempati pada seluruh interval
hasil percobaan, biasanya dihasilkan dari hasil pengukuran dan bukan
penjumlahan. Semua nilai yang dihasilkan dari kegiatan pengukuran baik bulat
maupun pecahan merupakan variabel acak kontinu.
Contoh: pada buah semangka jumlah buah semangka 10 buah adalah variabel
acah diskret, tapi berat semangka misalnya 3,56 kg ini merupakan variabel acak
kontinu

25

Rata-rata hitung, Varians, dan Standar deviasi

a. Nilai Rata-rata Hitung
Nilai rata-rata hitung merupakan nilai harapan (expected value) yang
dilambangkan E(x)
Rumus nilai rata-rata hitung:
= E(x) = (X). P(X)
dimana:

E(x)
X
P(X)

: Nilai rata-rata hitung distribusi pobabilitas

: Nilai harapan (expected value)
: Kejadian
: Probabilitas suatu kejadian
: Lambang operasi penjumlahan

b. Varians dan Standar deviasi

Varian dan standar deviasi merupakan ukuran penyebaran yaitu mengukur
seberapa besar data menyebar dari nilai tengahnya. Semakin kecil sebaran data,
maka semakin baik, karena menunjukkan data mengelompok pada nilai rata-rata
hitung.
Varian dan standar deviasi dirumuskan sebagai berikut
Varians 2

X 2 .P X

StandarDev iasi

Dimana:
2

: Varians
: Standar deviasi
: Nilai suatu kejadian

26


P(X)

: Nilai rata-rata hitung distribusi probabilitas

: Probabilitas suatu kejadian X
: Lambang operasi penjumlahan

Contoh:
Hitunglah nilai rata-rata hitung, Standar deviasi dan Varian pada kasus pilihan tiga
mahasiswa pada mata kuliah Statistika pada contoh terdahulu?
Penyelesaian:
X
0
1
2
3

X.P(X)
0,000
0,375
0,750
0,375

1,500
Dari data diatas dapat dilihat bahwa:

P(X)
0,125
0,375
0,375
0,125

X-
- 1,500
- 0,500
0,500
1,500

(X - )2
2,250
0,250
0,250
2,250
2

(X - )2 P(X)
0,281
0,094
0,094
0,281
0,750

Rata-rata hitung adalah sebesar 1,500 menunjukan bahwa ada 1,5 mahasiswa
yang mengambil mata kuliah Statistika. Namun karena orang tidak dalam bentuk
pecahan, maka bisa didekatkan pada 1 atau 2 orang.

Varians = 2 = 0,75, maka standar deviasi = = 2 = 0.75 = 0,87. Ini

menunjukan bahwa standar penyimpangan data dari nilai tengahnya adalah
0,87.

2.2. Distribusi Probabilitas Binomial

Ini menggambarkan data yang dihasilkan oleh suatu percobaan yang dinamakan
Bernoulli.
Ciri-ciri Percobaan Bernouli:

27

Setiap percobaan menghasilkan dua kejadian:

(a) kelahiran anak: laki-laki-perempuan;
(b) transaksi saham: jual- beli,
(c) perkembangan suku bunga: naikturun dan lain-lain.

Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap

untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p) +
P(q)= 1.

Suatu percobaan dengan percobaan bersifat bebas.

Data yang dihasilkan adalah data perhitungan.

Pembentukan Distribus Binomial

Hal yang diperlukan dalam membentuk distribus binomial:
a. banyaknya atau jumlah dari percobaan atau kegiatan
b. Probabilitas suatu kejadian baik sukses maupun gagal
Dapat dinyatakan sebagai berikut:
P r

n!
pr . qnr
r! n r !

Dimana:
P (r) : Nilai probabilitas binomial
P
: Probabilitas sukses suatu kejadian dalam setiap percobaan
r
: Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan
n
: Jumlah total percobaan
q
: Probabilitas gagal suatu kejadian yang diperoleh dari q = 1 p
!
: Lambang faktorial
Contoh:
PT Sari Buah Lestari mengirim buah-buah segar setiap harinya kepada sebuah
swalaya terkenal di kota Medan. Dengan jaminan kualitas buah yang segar, 80%

28

buah yang dikirim lolos seleksi oleh swalayan tersebut. PT Sari Buah Lestari
mengirim 10 buah Melon setiap harinya
Permintaan:
a. Berapa probabilitas 10 buah diterima
b. Berapa probabilitas 8 buah diterima
c. Berapa probabilitas 7 buah diterima
Penyelesaian:
a. probabilitas 10 buah diterima semua
n = 10

p = 0,8

r = 10

q = 0,2

n!
pr . qnr
r! n r !
10!
P r
0,810 . 0,21010
10! 10 10 !
10!
P r
0,810 . 0,21
10! 0 !
P r 1. 0,107374 . 0,2
P r

P r 0,021475

b. Probabilitas 8 buah diterima

c. Probabilitas 7 buah diterima

29

2.3. Distribusi probabilitas Hipergeometrik

Dalam distribusi binomial diasumsikan bahwa peluang suatu kejadian tetap
atau konstan atau antar-kejadian saling lepas.
Dalam dunia nyata, jarang terjadi hal demikian. Suatu kejadian sering terjadi
tanpa pemulihan dan nilai setiap kejadian adalah berbeda atau tidak konstan.
Distribusi dengan tanpa pemulihan dan probabilitas berbeda adalah Distribusi
Hipergeometrik.
Pada kasus percobaan tanpa pengembalian pada populasi yang terbatas, dan
jumlah sampel terhadap polpulasinya lebih 5%, distribusi hipergeometrik lebih tepat
digunakan. Distribusi hipergeometrik dinyatakan sebagai berikut:

C
C
Ns nr
P r s r
C
N n

Dimana:
P (r) : Nilai probabilitas hipergeometrik dengan kejadian r sukses
N
: Jumlah populasi
s
: Jumlah suskses dalam populasi
r
: Jumlah suskses yang menjadi perhatian
n
: Jumlah sampel dari populasi
C
: Simbol kombinasi
2.4. Distribusi Probabilitas Poisson

30

 Dikembangkan oleh Simon Poisson

Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan
dapat menjelaskan dengan baik, namun untuk n di atas 50 dan nilai P(p)
sangat kecil akan sulit mendapatkan nilai binomialnya.
Rumus:

x e
!

dimana
P(X)

e
X
P
!

: Nilai probabilitas distribusi poisson

: Rata-rata hitung dari jumlah nilai sukses; dimana = n.p
: Bilangan konstsan = 2,71828
: Jumlah nilai sukses
: probabilitas sukses suatu kejadian
: Lambang faktorial
BAB III
DISTRIBUSI PROBABILITAS NORMAL

3.1. Karakteristik dan Jenis-jenis Probabilitas Normal

31

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X=
5. Luas daerah di bawah kurva adalah 1; di sisi kanan nilai tengah dan di
sisi kiri.
Distribusi probabilitas dan kurva mempunyai persamaan matematika yang
sangat tergantung pada nilai tengah () dan standar deviasi (). Distribusi
probabilitas dan kurva normal dari suatu variable acak (X) yang nilainya terletak -
sampai dinyatakan dengan lambang X ~ N(X; , ).
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi ,
maka persamaan kurva normalnya adalah:

(X;, )

1
22

1/2 x /

2
, untuk X

Jenis-jenis probabilitas Normal

Jenis-jenis probabilitas normal sangat dipengaruhi oleh nilai rata-rata hitung dan
standar deviasinya, maka distribusi probabilitas kurva normal diantaranya:
a. Distribusi probabilitas dan Kurva Normal dengan dan Berbeda.

32

Keterangan:
1. Mesokurtik
Kurva normal ini mempunyai = Md dan Mo yang sama , namun
berbeda
2. Platykurtik
Nilai semakin tinggi dan kurva semakin pendek. Nilai tinggi
menunjukkan bahwa nilai data semakin menyebar dari nilai tengahnya ()
3. Leptokurtik
Nilai semakin rendah dan kurva semakin runcing. Niali rendah ini
menunjukkan data semakin mengelompok pada nilai tengahnya ().

33

b. Distribusi probabilitas dan Kurva Normal dengan Berbeda dab sama

Bentuk distribusi probabilitas dan kurva normal dengan berbeda dan
sama mempunyai jarak antara kurva yang berbeda, namun bentuk kurva tetap sama.
Gambar diatas menunjukan nilai rata-rata berbeda dengan standar deviasi yang
sama. Pada contoh dapat dilihat mangga dikelompokkan menjadi mutu A dengan
berat rata-rata 450 gram, mutu B dengan 300 gram dan mutu C dengan 150
gram.
c. Distribusi Probabilitas dan Kurva normal dengan Berbeda dan
berbeda
Kurva dengan berbeda dan berbeda mempunyai titik pusat yang
berbeda pada sumbu mendatar dan bentuk kurva berbeda karena mempunyai

34

standar deviasi yang berbeda. Kurva seperti ini relatif sering terjadi karena antara
populasi terdapat perbedaan atau setiap populasi juga mempunyai keragaamn yang
berbeda.

3.2. Distribusi probabilitas Normal Baku

Distribusi normal baku adalah distribusi probabilitas acak normal dengan nilai
tengah nol dan simpangan baku 1.
Beberapa hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku
adalah mengubah atau membakukan distribusi aktual dalam bentuk distribusi normal
baku yang dikenal dengan nilai Z atau skor Z. Rumus nilai Z adalah:

dimana:
Z = skor Z atau nilai normal baku
X = Nilai dari statu pengamatan atau pengukuran
= Nilai rata-rata hitung suatu distribusi
= standar deviasi suatu distribusi

35

3.3. Luas dibawah Kurva Normal

Kurva normal juga mengikuti hukum empirik. Untuk distribusi simetris, dengan
distribusi frekuensi berbentuk lonceng seperti kurva normal diperkirakan 68,26%
data akan berada pada kisaran rata-rata hitung ditambah dua kali standar devasi, (X
1 ), (X 2) dan semua data atau 99,74 % akan berada pada kisaran rata-rata
hitung ditambah tiga kali standar deviasi, (X 3).

68,26%
95,44%
99,74%

3
-3

2
-2

1
-1

=x
Z=
0

+1
+1

+2
+2

+3
+3

Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data.

Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa ditulis
P(0<Z<0,76)?

Dapat dicari dari tabel luas di bawah kurva normal. Nilainya dihasilkan =
0,2764

3.4. Pendekatan Normal Terhadap Binomial

Pada distribusi probabilitas binomial, dengan semakin besarnya nilai n, maka
semakin mendekati nilai distribusi normal. Apabila kita perhatikan suatu distribusi
probabilitas binomial, dengan semakin besarnya nilai n, maka semakin mendekati
nilai distribusi normal. Gambar berikut menunjukkan distribusi probabilitas binomial
dengan n yang semakin membesar. Pada saat n = 20 terlihat bahwa distribusi

36

probabilitas binomial mendekati distribusi probabilitas normal yaitu kurva berbentuk

lonceng, memiliki puncak tunggal dan simetris.

Dalil pendekatan normal terhadap binomial.

Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np dan standar
deviasi =npq, maka nilai Z untuk distribusi normal adalah:

di mana n

X np
npq

dan nilai p mendekati 0,5

Faktor Koreksi Kontinuitas

Untuk mengubah pendekatan dari binomial ke normal (menurut Lind 2002)
diperlukan faktor koreksi selain syarat binomial terpenuhi yaitu:
a. hanya terdapat dua peristiwa

37

b. peristiwa bersifat independen

c. besar probabilitas sukses dan gagal sama setiap percobaan
d. data merupakan hasil perhitungan
apabila telah memenuhi syarat binomial, maka kita menggunakan faktor koreksi
yang besarnya 0,5. Faktor koreksi ini diperlukan untuk mentransformasi dari binomial
menuju normal yang merupakan variabel acak kontinu.
Contoh:
Sudan merupakan pedagang buah di pusat pasar Medan. Setiap hari membeli 300
kg jeruk. Probabilitas buah laku dijual adalah 80% dan 20% tidak laku atau busuk.
Berapa probabilitas buah sebanyak 250 kg laku dan tidak busuk?

Jawab:
n = 300; probabilitas laku p = 0,8 dan q = 0,2
= np = 300 x 0,80 = 240
= npq = 6,93
diketahu X = 250, dikurang factor koreksi 0,5 sehingga X = 250 0,5 = 249,5
dengan demikian nilai Z menjadi;
Z = (249,5 240)/6,93 = 1,37 dan P(Z < 1,37) = 0,4147
Jadi probabilitas lkau hdala = 0,5 + 0,4147 = 0,9147
Jadi harapan buah laku 250 kg hdala 91,47%

38

BAB IV
TEORI KEPUTUSAN
Setiap hari kita harus mengambil keputusan, baik keputusan yang sederhana
maupun keputusan jangka panjang. Untuk membantu dalam pengambilan
keputusan, ilmu statistika telah mengembangkan cabang statistika baru yaitu teori
keputusan statistika. Ilmu ini berkembang sejak tahun 1950-an yang sebenarnya
telah dipelopori sejak abad ke-18 oleh pendeta Thomas Bayes.
Contoh:
Keputusan yang diambil suatu perusahaan:

Barang dan jasa apa yang akan diproduksi,

Metode apa yang dipakai untuk memproduksi,

39

Untuk siapa barang dan jasa di produksi,

Bagaimana strategi pemasaran dan promosinya,

Apakah perusahaan membutuhkan tenaga pemasaran,

dan lain-lain.

Elemen-elemen Keputusan

Kepastian (certainty): informasi untuk pengambilan keputusan tersedia dan

valid.

Risiko (risk): informasi untuk pengambilan keputusan tidak sempurna, dan

ada probabilitas atas suatu kejadian.

Ketidakpastian (uncertainty): suatu keputusan dengan kondisi informasi

tidak sempurna dan probabilitas suatu kejadian tidak ada.

Konflik (conflict): keputusan di mana terdapat lebih dari dua kepentingan.

Setiap keputusan dalam statistika mempunyai tiga elemen atau komponen penting
1. Pilihan atau alternatif yang terjadi bagi setiap keputusan.
2. States of nature yaitu peristiwa atau kejadian yang tidak dapat dihindari atau
dikendalikan oleh pengambil keputusan.
3. Hasil atau payoff dari setiap keputusan.
Hubungan elemen keputusan Ketidakpastian
menurut Lind (2002)
berkenaan dengan kondisi
mendatang.
Pengambil
keputusan tidak
Peristiwa
mempunyai kendali terhadap kondisi

Tindakan

Dua atau lebih alternatif dihadapi

pengambil keputusan. Pengambil
keputusan harus mengevaluasi alternatif
dan memilih alternatif dengan kriteria
tertentu.

40

Hasil/payoff

Laba, impas (break even), rugi

Keputusan dalam Keadaan Beresiko

Pengambilan keputusan dalam keadaan berisiko berarti bahwa terdapat
informasi namun tidak sempurna, dan ada probabilitas terhadap suatu kejadian. Ada
beberapa langkah yang diperlukan dalam pengambilan keputusan berisiko yaitu:
1. Mengidentifikasi berbagai macam alternatif yang ada dan layak bagi suatu
keputusan.
2. Menduga probabilitas terhadap setiap alternatif yang ada.
3. Menyusun hasil/payoff untuk semua alternatif yang ada
4. Mengambil keputusan berdasarkan hasil yang baik
Contoh:
H. Ibrahim merupakan petani modern, dan menginvestasi sebagian keuntungan
untuk membeli saham. Pada tahun 2012 ia berinvestasi sebesar Rp. 20.000.000,-.
Ada tiga saham perusahaan yang sedang dipelajari yaitu saham BRI, saham BCA
dan Saham BNI. Berikut hasil atau payoff dari ketiga saham tersebut:
Kode
Perusa
haan

Kondisi baik
Harga
saham

Jumlah
saham

Deviden/
lbr

Total
deviden

Kondisi Buruk
Deviden/
lbr

Total
deviden

BRI

9,000

2,222

500

1,111,000

250

555,500

BNI

18,000

1,111

2,000

2,222,000

300

333,300

41

BCA

30,000

666

4,500

2,997,000

185

123,210

Beberapa metode dalam statistika yang digunakan untuk pengambilan keputusan

dalam keadaan berisiko:
A. Nilai yang diharapkan (Expected Value)

EV = Payoff x Probabilitas Suatu Kejadian

SAHAM
BRI
BNI
BCA

BAIK
P= 0,5

BURUK
P = 0,5

1,111,000
2,222,000
2,997,000

555,500
333,300
123,210

Perhitungan EV

Nilai EV

(1,111,000 x 0,5) + (555,500 x 0,5)

833,250

Nilai EV yang terbesar merupakan keputusan yang terbaik. Dari EV tersebut, maka
keputusan investasi H. Ibrahim adalah membeli saham .................................
B. Expected Opportunity Loss

Metode lain dalam mengambil keputusan selain EV

EOL mempunyai prinsip meminimumkan kerugian karena pemilihan bukan

keputusan terbaik.

Hasil yang terbaik dari setiap kejadian diberikan nilai 0, sedangkan untuk
hasil yang lain adalah selisih antara nilai terbaik dengan nilai hasil pada
peristiwa tersebut.

EOL = Opportunity Loss x Probabilitas Suatu Peristiwa

42

SAHAM

OL BAIK
P= 0,5

OL BURUK
P = 0,5

Perhitungan EV

Nilai EV

BRI
BNI
BCA

Nilai OL untuk alternatif terbaik adalah nol, maka kondisi baik adalah BBCA = 0 dan
kondisi terburuk LPBN = 0. nilai OL terendah adalah untuk ................ maka dapat
direkomendasikan untuk dibeli oleh investor.
C. Ecpected value of Perfect Information
Hasil yang diharapkan dalam informasi sempurna merupakan perbedaan antara
hasil maksimum dalam kondisi kepastian dan hasil maksimum dalam kondisi ketidak
pastian

Setiap keputusan tidak harus tetap setiap saat. Keputusan dapat berubah
untuk mengambil kesempatan yang terbaik.

Pada kasus harga saham, pada kondisi baik, saham BCA adalah pilihan
terbaik, namun pada kondisi buruk, maka saham . lebih baik.

Apabila hanya membeli saham BCA maka

EV =

Apabila keputusan berubah dengan adanya informasi yang sempurna

dengan membeli harga saham ..
EVif =

Nilai EVif lebih tinggi dari EV dengan selisih:

=

43

Nilai ini mencerminkan harga dari sebuah informasi.

Nilai informasi ini menunjukkan bahwa informasi yang tepat itu berharga -dan menjadi peluang pekerjaan -- seperti pialang, analis pasar modal, dan
lain-lain.

Pengambilan Keputusan dalam Kondisi Ketidakpastian

Keputusan dalam ketidakpastian menunjukkan tidak adanya informasi yang
sempurna, juga tidak adanya probabilitas atau informasi tentang probabilitas suatu
kejadian. Ada beberapa kriteria yang telah dikembangkan dalam pengambilan
keputusan untuk kondisi ketidakpastian:
1. Kriteria Laplace
Probabilitas semua kejadian diasumsikan sama, dan hasil perkalian antara hasil
dengan probabilitas yang tertinggi tertinggi adalah keputusan terbaik.
2.

Kriteria Maximin
Keputusan didasarkan pada kondisi pesimis atau mencari Nilai maksimum pada
kondisi pesimis (lakukan yang terbaik dalam situasi terburuk)

3. Kriteria Maximax
Keputusan didasarkan pada kondisi optimis dan mencari nilai maksimumnya.
4. Kriteria Hurwicz
Keputusan didasarkan pada perkalian hasil dan koefisien optimisme. Koefisien ini
nilainya antara 0 sampai 1. nilai 0 untuk kondisi yang sangat pesimis dan nilai 1
untuk kondisi yang sangat optimis. Koefisien ini merupakan perpaduan antara
optimis dan pesimis. Alternatif yang terbaik adalah nilai yang tertinggi dari hasil
perkalian antara hasil atau payoff dengan koefisien optimisme.

44

5. Kriteria (Minimax) Regret

Keputusan didasarkan pada nilai regret minimum. Nilai regret diperoleh dari nilai
OL (opportunity Loss) pada setiap kondisi dan dipilih yang maksimum. Alternatif
keputusan yang diambil adalah nilai regret yang minimum.

Contoh
Berikut adalah deviden yang dibagikan oleh tiga perusahaan yang ada di BEI
yaitu BRI, BNI dan BCA. Deviden dibedakan dalam krisis, normal dan Boom.

Perusahaan
BRI
BNI
BCA

Boom

Kondisi Perekonomian
Normal
1.180
488
2.000
1.356
4.463
1.666

Krisis
250
300
185

a. Kriteria Laplace
1. EV (BRI) = 1/3 X 1.180 + 1/3 X 488 + 1/3 X 250 = 639
2. EV (BNI) = 1/3 X 2.000 + 1/3 X 1.356 + 1/3 X 300 = 1.219
3. EV (BCA) = 1/3 X 4.463 + 1/3 x 1.666 + 1/3 x 185 = 2.015
Berdasarkan kriteria Laplace, keputusan terbaik adalah membeli saham BBCA.
b. Kriteria Maximim
Berdasarkan kriteria Maximin, alternatif yang memberikan nilai maksimum pada
kondisi terburuk adalah BRI. Maka keputusan terbaik adalah membeli saham BRI.
c. Kriteria maximax

45

Berdasarkan kriteria Maximax, alternatif yang memberikan nilai maksimum pada

kondisi terbaik adalah BCA. Maka keputusan terbaik adalah membeli saham
BCA.
d. Kriteria Hurwicz

Menggunakan koefisien optimisme (a) dan koefisien pesimisme (1- a).

Koefisien ini anda dapat diperoleh melalui hasil penelitian atau pendekatan
relatif dari data tertentu.

Contoh:
Koefisien optimisme didasarkan pada probabilitas terjadinya kondisi boom
dibandingkan dengan kondisi krisis. Berdasarkan data diperoleh koefisien optimisme
sebesar 0,63 sehingga koefisien pesimisme adalah 1 0,63 = 0,37.
Emiten
BRI
BNI
BCA

Boom
1.180
2.000
4.463

Krisis
250
300
185

Perhitungan
(1.180x0.63) + (250x0.37)
(2.000x0.63) + (300x0.37)
(4.463x0.63) + (185x0.37)

EV
836
1.371
2.880

Berdasarkan nilai EV, maka keputusan yang terbaik adalah membeli saham BBCA
yaitu yang memiliki nilai EV tertinggi.
e. Kriteria minimax regret

Langkah pertama adalah mencari nilai OL.

Langkah kedua adalah memilih nilai maksimum dari nilai OL setiap

keadaan.

Nilai OL yang minimum adalah keputusan yang terbaik.

46

Perusahaan
Boom
BRI
BNI
BCA

3.283
2.463
0

Perusahaan
BRI
BNI
BCA

Kondisi Perekonomian
Normal
1.178
310
0

Krisis
50
0
115

Nilai Regret Maksimum

3.283
2.463
115

Berdasarkan kriteria minimax regret, keputusan yang terbaik adalah membeli

saham BBCA yaitu yang memiliki nilai regret terendah.

47