TUGAS STATISTIKA TERAPAN

DISTRIBUSI FREKUENSI DAN PROBABILITAS

OLEH:
FREDDY MANULLANG

(1407123875)

KELAS A

PROGRAM SARJANA TEKNIK KIMIA

F A K U LTA S T E K N I K
UNIVERSITAS RIAU
PEKANBARU
2014

1. DISTRIBUSI FREKUENSI
1.1. PENGERTIAN DISTRIBUSI FREKUENSI
Dalam suatu penellitian biasanya dilakukan kegiatan pengumpulan data. Data-data
ini digunakan untuk mendukung penelitian, dimana hasil dari penelitian ini bergantung
dari banyak dan ketepatan data-data yang berhasil dikumpulkan. Untuk memudahkan
penggunaan data-data tersebut dapat diringkas atau disusun.
Salah satu cara mengatur atau menyusun data adalah dengan mengelompokkan
data-data berdasarkan ciri-ciri penting dari sejumlah data, ke dalam beberapa kelas dan
kemudian dihitung banyaknya pengamatan yang masuk kedalam setiap kelas. Susunan
demikian ini dalam bentuk tabel, disebut distribusi frekuensi. Selain itu, dapat pula
disajikan dalam bentuk grafik dan diagram.

Grafik 1. Contoh distribusi frekuensi

Data yang telah diperoleh dari suatu penelitian yang masih berupa data acak yang
dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke dalam
kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut distribusi frekuensi
atau tabel frekuensi. Distribusi frekuensi adalah susunan data menurut kelas interval
tertentu atau menurut kategori tertentu dalam sebuah
daftar (Hasan, 2001).
Sebuah distribusi frekuensi akan memiliki bagian-bagian yang akan dipakai dalam
membuat sebuah daftar distribusi frekuensi. Bagian-bagian tersebut akan dijelaskan
sebagai berikut (Hasan, 2001):
a. Kelas-kelas (class) adalah kelompok nilai data atau variable dari suatu data
acak.
b. Batas kelas (class limits) adalah nilai-nilai yang membatasi kelas yang satu
dengan kelas yang lain. Batas kelas merupakan batas semu dari setiap kelas,

karena di antara kelas yang satu dengan kelas yang lain masih terdapat lubang
tempat angka-angka tertentu. Terdapat dua batas kelas untuk data-data yang
telah diurutkan, yaitu: batas kelas bawah (lower class limits) dan batas kelas
atas (upper class limits).
c. Tepi kelas disebut juga batas nyata kelas, yaitu batas kelas yang tidak
memiliki lubang untuk angka tertentu antara kelas yang satu dengan kelas
yang lain. Terdapat dua tepi kelas yang berbeda dalam pengertiannya dari
data, yaitu: tepi bawah kelas dan tepi atas kelas.
d. Titik tengah kelas atau tanda kelas adalah angka atau nilai data yang tepat
terletak di tengah suatu kelas. Titik tengah kelas merupakan nilai yang
mewakili kelasnya dalam data. Titik tengah kelas = (batas atas + batas
bawah) kelas.
e. Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas
f.

yang lain.
Panjang interval kelas atau luas kelas adalah jarak antara tepi atas kelas dan

tepi bawah kelas.

g. Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu
dari data acak.
1.2. JENIS-JENIS DISTRIBUSI FREKUENSI
1.2.1. Distribusi frekuensi biasa
Distribusi frekuensi yang berisikan jumlah frekuensi dari setiap kelompok data.
Distribusi frekuensi ada dua jenis yaitu distribusi frekuensi numerik dan distribusi
frekuensi peristiwa atau kategori.
a. Distribusi frekuensi bilangan ( numerical frequency distribution)
Distribusi frekuensi bilangan adalah distribusi frekuensi yang berisikan data
berupa angka-angka, dimana data itu dibagi atas golongan-golongan yang
dinamakan kelas-kelas, menurut besarnya bilangan.

Tabel 1. Contoh distribusi frekuensi bilangan

b. Distribusi frekuensi kategoris (categorical frequency distribution)

Distribusi frekuensi kategoris adalah distribusi frekuensi yang berisikan data

bukan angka, dimana data itu dibagi atas golongan-golongan yang dinamakan
kelas-kelas, berdasarkan sifat lain.

Tabel 2. Contoh distribusi frekuensi kategoris

1.2.2.

Distribusi frekuensi relatif

Distribusi frekuensi yang berisikan nilai-nilai hasil bagi antara frekuensi kelas dan

jumlah pengamatan. Distribusi frekuensi relatif menyatakan proporsi data yang berada
pada suatu kelas interval, distribusi frekuensi relatif pada suatu kelas didapatkan dengan
cara membagi frekuensi dengan total data yang ada dari pengamatan atau observasi.

Frekuensi relatif =

1.2.3. Distribusi frekuensi kumulatif

Distribusi frekuensi yang berisikan frekuensi kumulatif (frekuensi yang
dijumlahkan). Distribusi frekuensi kumulatif memiliki kurva yang disebut ogif. Ada dua
macam distribusi frekuensi kumulatif yaitu distribusi frekuensi kumulatif kurang dari dan
distribusi frekuensi lebih dari.

a. Distribusi frekuensi kumulatif kurang dari

Tabel 3. Contoh distribusi frekuensi kumulatif kurang dari

Keterangan :
Untuk acuan penentuan nilai, menggunakan nilai ujung bawah kelas.
Penentuan frekuensi kumulatif melihat dari frekuensi pada tabel distribusi
frekuensi (mutlak), lalu dikumulasikan sesuai dengan kategori nilai pada tabel
distribusi frekuensi kumulatif.
Ada penambahan satu kelas, yaitu Kurang dari 80 saja, maka unutk data
nilai yang lebih dari 80 tidak masuk hitungan padahal ada frekuensinya.
b. Distribusi frekuensi kumulatif lebih dari .

Tabel 4. Contoh disribusi frekuensi kumulatig lebih dari

Keterangan :
Konsep perhitungan frekuensi kumulatifnya sama dengan frekuensi kumulatif
kurang dari, hanya saja kalau tabel distribusi frekuensi kumulatif lebih

dari mengacu pada nilai lebihnya, sehingga tinggal mencari berapa frekuensi
kumulatifnya dengan melihat dari frekuensi (mutlak).
c. Variasi distribusi frekuensi kumulatif
a) Histogram
Histogram adalah merupakan bagian dari grafik batang di mana skala
horisontal mewakili nilai-nilai data kelas dan skala vertikal mewakili nilai
frekuensinya. Tinggi batang sesuai dengan nilai frekuensinya, dan batang satu
dengan lainnya saling berdempetan, tidak ada jarak/ gap diantara batang. Kita
dapat membuat histogram setelah tabel distribusi frekuensi data pengamatan
dibuat.

b) Poligon Frekuensi:
Poligon Frekuensi menggunakan segmen garis yang terhubung ke titik
yang terletak tepat di atas nilai-nilai titik tengah kelas. Ketinggian dari titiktitik sesuai dengan frekuensi kelas, dan segmen garis diperluas ke kanan dan
kiri sehingga grafik dimulai dan berakhir pada sumbu horisontal.

c) Ogive
Ogive adalah grafik garis yang menggambarkan frekuensi kumulatif, seperti
daftar distribusi frekuensi kumulatif. Perhatikan bahwa batas-batas kelas
dihubungkan oleh segmen garis yang dimulai dari batas bawah kelas pertama
dan berakhir pada batas atas dari kelas terakhir. Ogive berguna untuk
menentukan jumlah nilai di bawah nilai tertentu. Sebagai contoh, pada gambar
berikut menunjukkan bahwa 68 mahasiswa mendapatkan nilai kurang dari
90.5.

1.3. PENYUSUNAN DISTRIBUSI FREKUENSI

Penyusunan suatu distribusi frekuensi perlu dilakukan tahapan penyusunan data.

Pertama melakukan pengurutan data-data terlebih dahulu sesuai urutan besarnya nilai
yang ada pada data, selanjutnya diakukan tahapan berikut ini (Hasan, 2001).
Menentukan jangkauan (range) dari data. Jangkauan = data terbesar data terkecil.
Menentukan banyaknya kelas (k). Banyaknya kelas ditentukan dengan rumus sturgess K
= 1 + 3.3 log n; k (Keterangan: k = banyaknya kelas, n = banyaknya data)
Menentukan panjang interval kelas. Panjang interval kelas (i) = Jumlah Kelas (k)/
Jangkauan (R)
Menentukan batas bawah kelas pertama. Tepi bawah kelas pertama biasanya
dipilih dari data terkecil atau data yang berasal dari pelebaran jangkauan (data yang lebih
kecil dari data data terkecil) dan selisihnya harus kurang dari panjang interval kelasnya.
Menuliskan frekuensi kelas didalam kolom turus atau tally (sistem turus) sesuai
banyaknya data.
2.

PROBABILITAS

2.1.

PENGERTIAN PROBABILITAS
Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu

peristiwa (event) akan terjadi di masa mendatang. Probabilitas dapat juga diartikan
sebagai harga angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa
terjadi, di antara keseluruhan peristiwa yang mungkin terjadi. Probabilitas dilambangkan
dengan P.
Contoh 1: Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata
uang tersebut dilambungkan satu kali, peluang untuk keluar sisi H adalah . Contoh 2:
Sebuah dadu untuk keluar mata lima saat pelemparan dadu tersebut satu kali adalah 1/6
(karena banyaknya permukaan dadu adalah 6).
Rumus :

P ( E )=

X
N

P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi

Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu peristiwa

akan terjadi. Suatu probabilitas dinyatakan antara 0 sampai 1 atau dalam presentase.
Probabilitas 0 menunjukkan peristiwa yang tidak mungkin terjadi, sedangkan probabilitas
1 menunjukkan peristiwa yang pasti terjadi.
Ada tiga hal penting dalam probabilitas, yaitu pertama percobaan adalah
pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan timbulnya
paling sedikit dua peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.
Kedua, hasil adalah suatu hasil dari sebuah percobaan. Ketiga, peristiwa adalah
kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau kegiatan.
2.2.

MANFAAT PROBABILITAS DALAM PENEITIAN

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam

mengambil suatu keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita
tinjau pada saat kita melakukan penelitian, probabilitas memiliki beberapa fungsi antara
lain:
a. Membantu peneliti dalam pengambilan keputusan yang lebih tepat.
b. Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas
hipotesis yang terkait tentang karakteristik populasi.
c. Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu
populasi.
2.3.

PENDEKATAN PROBABILITAS
Ada 3 (tiga) pendekatan konsep untuk mendefinisikan probabilitas dan

menentukan nilai-nilai probabilitas, yaitu : (1). Pendekatan Klasik, (2). Pendekatan

Frekuensi Relatif, dan (3). Pendekatan Subyektif.
1) Pendekatan Klasik
Pendekatan klasik didasarkan pada sebuah peristiwa mempunyai kesempatan
untuk terjadi sama besar (equally likely). Probabilitas suatu peristiwa kemudian
dinyatakan sebagai suatu rasio antara jumlah kemungkinan hasil dengan total
kemungkinan hasil (rasio peristiwa terhadap hasil).
Probabilitas suatu peristiwa = Jumlah kemungkinan hasil / Jumlah total
kemungkinan hasil
Jika ada a kemungkinan yang dapat terjadi pada kejadian A dan ada b
kemungkinan yang dapat terjadi pada kejadian A, serta masing-masing kejadian

mempunyai kesempatan yang sama dan saling asing, maka probabilitas/peluang

bahwa akan terjadi a adalah:
P (A) = a/a+b ; dan peluang bahwa akan terjadi b adalah: P (A) = b/a+b
Contoh:
Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika
yang diterima hanya 1, berapa peluang bahwa ia merupakan wanita?
Jawab:
P (A) = 15/10+15 = 3/5
2)

Pendekatan Relatif
Besarnya probabilitas suatu peristiwa tidak dianggap sama, tetapi tergantung pada

berapa banyak suatu peristiwa terjadi dari keseluruhan percobaan atau kegiatan yang
dilakukan. probabilitas dapat dinyatakan sebagai berikut :
Probabilitas kejadian relatif = Jumlah peristiwa yang terjadi / Jumlah total
percobaan atau kegiatan
Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka
probabilitas/peluang akan terjadi A untuk N data adalah: P (A) = a/N
Contoh:
Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada
musim dingin. Apabila lokakarya diadakan di Puncak, berapa probabilitas terjadi 1
orang sakit flu dari 400 orang karyawan yang ikut serta?
Jawab:
P (A) = 5/400 = P (A) = 1/80
3) Pendekatan Subjektif
Besarnya suatu probabilitas didasarkan pada penilaian pribadi dan dinyatakan
dalam derajat kepercayaan. Penilaian subjektif diberikan terlalu sedikit atau tidak ada
informasi yang diperoleh dan berdasarkan keyakinan.
2.4. KONSEP DASAR DAN HUKUM PROBABILITAS
Dalam mempelajari hukum dasar probabilitas berturut-turut akan dibahas hukum
penjumlahan dan hukum perkalian.
2.4.1.

HUKUM PENJUMLAHAN
Hukum penjumlahan menghendaki peristiwa saling lepas (mutually exclusive)

dan peristiwa/kejadian bersama (non mutually exclusive).

a. Saling meniadakan (mutually exclusive)

Apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi pada saat
bersamaan.
Rumus penjumlahan untuk kejadian-kejadian yang saling meniadakan:
P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:
Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah
dadu adalah:
P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6
b. Kejadian Bersama (Non Mutually Exclusive)
Peristiwa Non Mutually Exclusive (Joint) dua peristiwa atau lebih dapat terjadi
bersama-sama (tetapi tidak selalu bersama). Rumus penjumlahan untuk kejadiankejadian yang tidak saling meniadakan:
Dua Kejadian
P (A U B) =P(A) + P (B) P(A B)
Tiga Kejadian
P(A U B U C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B
C)

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan

peristiwa B. Akan tetapi karena ada elemen yang sama dalam peristiwa A dan B,
Gabungan peristiwa A dan B perlu dikurangi peristiwa di mana A dan B memiliki
elemen yang sama. Dengan demikian, probabilitas pada keadaan di mana terdapat
elemen yang sama antara peristiwa A dan B maka probabilitas A atau B adalah
probabilitas A ditambah probabilitas B dan dikurangi probabilitas elemen yang sama
dalam peristiwa A dan B.
c. Peristiwa Pelengkap (Complementary Event)

Apabila peristiwa A dan B saling melengkapi, sehingga jika peristiwa A tidak

terjadi, maka peristiwa B pasti terjadi. Peristiwa A dan B

dikatakan sebagai

peristiwa komplemen.
Rumus untuk kejadian-kejadian yang saling melengkapi :
P(A)+P(B) = 1 atau P(A) = 1 P(B)
2.4.2. HUKUM PERKALIAN
a. Hukum Bebas (independent)
Hukum perkalian menghendaki setiap peristiwa adalah independen, yaitu suatu
peristiwa terjadi tanpa harus menghalangi peristiwa lain terjadi. Peristiwa A dan B
independen, apabila peristiwa A terjadi tidak menghalangi terjadinya peristiwa B.
P(A B) = P (A dan B) = P(A) x P(B)
Contoh soal 1:
Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua
kalinya adalah:
P (5 5) = 1/6 x 1/6 = 1/36
Contoh soal 2:
Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya hasil
lambungan berupa sisi H pada koin dan sisi 3 pada dadu adalah:
P (H) = , P (3) = 1/6
P (H 3) = x 1/6 = 1/12
b. Peristiwa Bersyarat (Tidak Bebas) / (Conditional Probability)
Probabilitas bersyarat adalah probabilitas suatu peristiwa akan terjadi dengan
ketentuan peristiwa yang lain telah terjadi. Peristiwa B terjadi dengan syarat peristiwa
A telah terjadi.
P(A dan B) = P(A x P(B|A) atau P(B dan A) = P(B) x P(A|B)
Contoh :
Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya
kartu as adalah sebagai berikut: Peluang as I adalah 4/52 -> P (as I) = 4/52
Peluang as II dengan syarat as I sudah tertarik adalah 3/51
P (as II as I) = 3/51
P (as I as II) = P (as I) x P (as II as I) = 4/52 x 3/51 = 12/2652 =1/221
2.5. DIAGRAM POHON PROBABILITAS

Diagram pohon merupakan suatu diagram yang menyerupai pohon dimulai dari
batang kemudian menuju ranting dan daun. diagram pohon dimaksudkan untuk
membantu menggambarkan probabilitas atau probabilitas bersyarat dan probabilitas
bersama. diagram pohon sangat berguna untuk menganalisis keputusan-keputusan bisnis
dimana terdapat tahapan-tahapan pekerjaan.
Contoh:

2.6. RUANG SAMPEL DAN TITIK SAMPEL

Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Ruang Sampel suatu percobaan dapat dinyatakan dalam bentuk
diagram pohon atau tabel.
Titik Sampel adalah anggota-anggota dari ruang sampel atau kemungkinankemungkinan yang muncul.
Contoh:
Pada percobaan melempar dua buah mata uang logam (koin) homogen yang
berisi angka (A) dan gambar (G) sebanyak satu kali. Tentukan ruang sampel percobaan
tersebut.
a.

Dengan Diagram Pohon

Kejadian yang mungkin:

AA : Muncul sisi angka pada kedua koin

AG : Muncul sisi angka pada koin 1 dan sisi gambar pada koin 2
b. Dengan Tabel

Ruang sampel = {(A,A), (A,G), (G,A), (G,G)}

Banyak titik sampel ada 4 yaitu (A,A), (A,G), (G,A), dan (G,G)
2.7. TEOREMA BAYES
Dalam teori probabilitas dan statistika, teorema Bayes adalah sebuah teorema
dengan dua penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan
seberapa jauh derajat kepercayaan subjektif harus berubah secara rasional ketika ada
petunjuk baru. Dalam penafsiran frekuentis teorema ini menjelaskan representasi invers
probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika Bayes dan
memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi
mikro), teori permainan, kedokteran dan hukum. Penerapan teorema Bayes untuk
memperbarui kepercayaan dinamakan inferens Bayes.

atau

2.8.

PRINSIP MENGHITUNG

2.8.1.

FAKTORIAL
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam

mengatur sesuatu. Hasil perkalian semua bilangan bulat positif secara berurutan dari 1
sampai dengan n disebut n faktorial. Dari definisi faktorial tersebut, maka dapat
dituliskan prinsip menghitung faktorial sebagai berikut :
n ! = n x (n-1) x (n-2) x (n-3) x 3 x 2 x 1
n ! dibaca n faktorial
nb: 0! = 1dan 1! = 1
Contoh:
3! = 3 x 2 x 1 = 6
5! = 5 x 4 x 3 x 2 x 1 = 120
2.8.2. PERMUTASI
Permutasi digunakan untuk mengetahui jumlah kemungkinan susunan
(arrangement) jika terdapat satu kelompok objek. pada permutasi berkepentingan dengan
susunan atau urutan dari objek. Permutasi dirumuskan sebagai berikut :

atau

dimana :
P = Jumlah permutasi atau cara objek disusun
n = jumlah total objek yang disusun
r/k = jumlah objek yang digunakan pada saat bersamaan, jumlah r/k dapat sama dengan n
atau lebih kecil
! = tanda dari faktorial
Contoh:

Di kantor pusat DJBC Ada 3 orang staff yang dicalonkan untuk menjadi mengisi
kekosongan 2 kursi pejabat eselon IV. Tentukan banyak cara yang bisa dipakai untuk
mengisi jabatan tersebut?
jawab : Permutasi P (3,2), dengan n =3 (banyaknya staff) dan k =2 (jumlah posisi yang
akan diisi)

Permutasi Unsur-unsur yang sama

Contoh:
Tentukan permutasi atas semua unsur yang dibuat dari kata MATEMATIKA!
Jawab: pada kata MATEMATIKA terdapat 2 buah M, 3 buah A, dan 2 buah T yang sama,
sehingga permutasinya adalah:

Permutasi Siklis

RUMUS: banyaknya permutasi = (n-1)!

Contoh:
Suatu keluarga yang terdiri atas 6 orang duduk mengelilingi sebuah meja makan
yang berbentuk lingkaran. Berapa banyak cara agar mereka dapat duduk mengelilingi
meja makan dengan cara yang berbeda?
Jawab :
Banyaknya cara agar 6 orang dapat duduk mengelilingi meja makan dengan urutan yang
berbeda sama dengan banyak permutasi siklis (melingkar) 6 unsur yaitu :

2.8.3. KOMBINASI
Kombinasi digunakan apabila ingin mengetahui berapa cara sesuatu diambil dari
keseluruhan objek tanpa memperhatikan urutannya. Jumlah kombinasi dirumuskan
sebagai berikut:

Contoh:
Saat akan menjamu Bayern Munchen di Allianz arena, Antonio Conte (Pelatih
Juventus) punya 20 pemain yang akan dipilih 11 diantaranya untuk jadi starter. Berapa
banyak cara pemilihan starter tim juventus? (tidak memperhatikan posisi pemain).

Daftar Pustaka

Hasan, M. Iqbal. 2001. Pokok-pokok Materi Statistik I (Statistik Deskriptif), Bumi

Aksara. Jakarta.
Suharyadi, & Purwanto S. K. (2007). Statistika: Untuk Ekonomi dan Keuangan Modern,
Edisi 2. Jakarta: Penerbit Salemba Empat.
http://tyarhashawol.blogspot.com/2012/12/probabilitas-dan-statistika_31.html
http://rumus-mtk.blogspot.com/2012/10/teori-peluang-ruang-sampel-dan-titik.html
http://sainsmatika.blogspot.com/2012/03/probabilitas-peluang.html
http://www.idomaths.com/id/peluang5.php
http://probstat7.blogspot.com/2013/05/teorema-bayes.html
http://rumushitung.com/2013/04/06/permutasi-dan-kombinasi-matematika/