PENDAHULUAN
Apabila orang kebanyakan mendengar kata Statistika, maka
bayangan yang muncul pada benak mereka adalah angka-angka dalam
beintuk daftar atau grafik-grafik dengan keterangan tertentu. Bayangan
ini muncul karena dalam jangka waktu yang lama Statistik
diidentirikasikan semata-mata dengan tampilan data serta grafik yang
berhubungan dengan kondisi ekonomi, demografl, maupun politik dari
suatu negara. Kata Statistika itu sendiri sebenarnya berasal dari bahasa
Latin 'status yang artinya adalah suatu negara,dalam arti kesatuan
politik. Dalam jangka waktu yang lama, statistika ini lebih berfungsi
untuk melayani keperluan administrasi negara, misalnya keterangan
tentang pendluduk digunakan untuk memperlancar pajak dan mobilisasi
pencluduk dalam angkatan perang. Pandangan orang kebanyakan
seperti di atas tentang pengertian Statistika sebenarnya berkenaan
dengan bagian dari Statistika yang dikenal dengan Statistika Deskriptif
(akan dibahas kemudian).
Dewasa ini Statistika merupakan suatu ilmu yang penggunaannya
makin dirasakan kepentingannya. Hampir semua bidang ilmu
pengetahuan menggunakan Statistika dalam rangka mengembangkan
bidang masing-masing, sehingga dikenal Statistika-Pertanian, Statistika
Ekonomi, Statistika Kedokteran, Statistika Pendidikan,Statistika untuk
Ilmu ilmu sosial dan sebagainya.
Statistika dikembangkan dari pengalaman atau secara empiris, akan
tetapi untuk menemukan kaidah-kaidahnya diperlukan bantuan
matematika, terutama ilmu hitung peluang. Dengan semakin
berkembangnya matematika, maka Statistika juga ikut berkembang
sehingga aplikasinya semakin luas.
Statistika Nonparametrik
Statistika Nonparametrik merupakan bagian dari Statistika
Induktif (Inferensia) yang tidak memperhatikan nilai dari satu atau
lebih parameter populasi. Pada umumnya validitas pada Statistika Nonparametrik tidak tergantung pada model peluang yang spesifik dari
populasi. Statistika Nonparametrik menyediakan metode Statistika
untuk menganalisa data yang distribusinya tidak dapat diasumsikan
normal. Dalam Statistika Nonpametrik, data yang dibutuhkan lebih
banyak berskala ukur nominal atau ordinal.
BAB II
DATA, PENGUMPULAN & PENYAJIAN DATA
Data mempunyai kaitan yang erat sekali dengan Statistika, hal ini
dapat dilhat dari definisi statistilka yaitu suatu metode yang bertujuan
mengumpulkan, mengplah, menyajikan dan menginterpretasikan data.
Dengan kata lain data merupakan bahan baku atau komponen utama
dalam statistika. Data merupakan bentuk jamak dari datum. Datum
merupakan informasi yang diperoleh dari satu satuan amatan. Bila kita
bicara mengenai si Ali adalah 165 cm, berarti kita mendapatkan datum,
sedangkan bila informasi tinggi yang ada berasal dari lebib satu orang
berarti kita dihadapkan dengan data.
Sebagai bahan baku maka ketepatan suatu data akan sangat
menentukan dalam menghasilkan ketepatan pengambilan suatu
keputusan. Persyaratan data yang baik clan supaya berguna antara lain
sebagai berikut :
data harus obyektif, maksudnya sesuai dengan kenyataan yang
sebenarnva
data harus bisa mewakili (representatif)
variasinya kecil
harus tepat waktu
harus relevan untuk menjawab suatu persoalan yang sedang
menjadi pokok pembahasan.
Data adalah merupakan keterangan yang bisa memberikan gambaran
tentang suatu keadaan atau suatu persoalan.
Jenis
a. Kualitatif
b.
a.
b.
a.
b.
a.
b.
Kuantitatif
Internal
Eksternal
Primer
Sekunder
Cross Section
Times Seris
Keterangan
Data yang bersifat menggolongkan saja
Data yang berbentuk angka
Dalam organisasi
Diluar Organisasi
Dikumpulkan & Diolah Sendiri
Data dalam bentuk jadi
Dikumpulkan waktu tertentu
Dikumpulkan Beberapa tahapan
1.
2.
3.
4.
Skala
Skala
Skala
Skala
Nominal
Ordinal
Interval atau Selang
Nisbah atau Rasio
BAB III
DISTRIBUSI FREKUENSI
Sebelum dibahas distribusi frekuensi, di bawah ini dipaparkan
data-data hasil ujian statistik III Mahasiswa..
53.53
63.49
73.55
62.66
52.49
33.88
34.88
45.77
70.51
48.10
58.21
61.50
57.07
65.41
51.61
44.06
60.48
63.48
40.48
56.34
63.14
58.63
50.74
66.60
53.35
52.26
58.87
63.28
56.72
47.83
44.14
50.91
45.41
69.65
47.76
47.54
74.63
43.01
48.67
32.61
49.03
50.84
56.00
59.16
61.61
47.92
59.84
48.75
66.12
56.31
67.48
34.38
71.16
54.96
29.10
50.09
54.31
52.94
66.19
62.98
55.15
51.77
46.28
50.37
55.54
64.00
56.23
69.79
59.06
51.54
58.17
63.85
55.78
52.26
53.02
39.19
55.27
50.75
57.29
45.09
67.79
41.22
46.33
44.82
50.94
58.94
42.59
56.71
44.54
44.88
53.94
36.41
56.57
45.01
73.53
48.97
44.48
51.31
55.05
37.57
54.09
51.13
90.07
51.74
60.36
35.54
54.51
38.87
52.43
27.43
26.87
JUMLAH
MAHASISWA
4
9
25
48
20
5
111
Oleh : Yunus Yakub
Dari
hasil
tersebut
tampak
pendistribusian
ke
kelas-kelas
(terdapat 6 kelas) tiap kelas memiliki 2 batas kelas : batas kelas bawah
dan batas kelas atas. Di samping itu terdapat Tepi Kelas. Titik tengah
(Midpoint) : rata-rata hitung dari kedua batas kelas atau tepi kelasnya.
PEMBENTUKAN DISTRIBUSI FREKUENSI
1. Jumlah kelas hendaknya jangan terlalu besar tetapi juga jangan
terlalu kecil. Dengan adanya pembagian kelas, seharusnya dapat
diperoleh
gambaran
yang
sederhana,
jelas
dan
sistematis.
jarak
i internal kelas
1 3,322 log n
60
7,5
8
10
JUMLAH
MAHASISWA
3
5
7
23
40
20
10
3
111
2.
HISTROGRAM
Fungsi : mengambarkan bedah antara kelas-kelas dalam sebuah
60
48
50
40
30
25
20
Bahan Kuliah
Statistika & Probabilitas
10
0
9
4
20
11
Interval kelas selau dihitung dari beda antara dua tepi kelas
karena itu angkah-angkah pada skala X menyatakan tepi kelas,
bukan batas kelas.
Untuk interval kelas yang tidak sama :
Harus
disesuaikan
dalam
ukuran
luas.
Jadi
pengambaran
Y = JUMLAH MAHASISWA
HASIL UJIAN
21 - 30
31 - 40
41 - 50
51 - 60
61 - 70
71 - 90
Jumlah
15
15
10
10
8
7
5
12
0
20,5
30,5
40,5
50,5
60,5
70,5
90,5
X = HASIL UJIAN
1.
POLIGON FREKUENSI
Untuk membandingkan antara dua atau beberapa distribusi
frekuensi,
dengan
menghubungkan
titik
tengah
tiap-tiap
persegi
13
30
d
25
20
15
10
f
b
g
0
0
37
42
57
72
87
102
117
132
JUMLAH
MAHASISWA
0
3
8
15
38
78
98
108
111
14
NILAI UJIAN
79,995 atau lebih
72,495 atau lebih
64,995 atau lebih
57,495 atau lebih
49,995 atau lebih
42,495 atau lebih
34,995 atau lebih
27,495 atau lebih
19,995 atau lebih
gambarkan polygon
frekuensinya
120
JUMLAH MAHASISWA
98
108
111
100
78
80
60
38
40
20
15
0
1 10
2 20 3 30 4 40
5 50
60 7 70
8 80 9 90
NILAI
Polygon distribusi
15
suatu
desa
terdapat
100
pemuda,
15
diantaranya
PEKERJAAN
MAHASISWA
SARJANA
WIRASWASTA
PELAJAR
JUMLAH
PEMUDA
15
10
20
55
PERSENTASE
15%
10%
20%
55%
TUGAS I :
Suatu perusahaan memproduksi baut dengan ukuran (dalam
mm), sebagai berikut :
10,00
10,01
10,02
9,98
9,92
10,00
10,00
10,00
9,48
9,90
10,01
10,00
9,98
9,93
9,97
10,20
10,21
10,22
10,00
10,04
9.99
9.98
9.97
10.02
10.03
10.04
10,05
10,06
10,01
10,02
9,90
10,01
10,02
10,09
10,11
10,00
10,00
10,01
10,04
10,05
PERTANYAAN :
Bahan Kuliah Statistika & Probabilitas
16
BAB IV
Bahan Kuliah Statistika & Probabilitas
17
X
i 1
X
i 1
n
Untuk. memperoleh gambaran mengenai mean contoh akan diberikan
ilustrasi berikut:
Bahan Kuliah Statistika & Probabilitas
18
X
i 1
112,8
5
5
X
i 1
Rumus
ratarata
sampel
untuk
dimana :
fi
Xi
n
k
f .X
i 1
n
= rata-rata sample
= frekuensi kelas ke i
= nilai tengah kelas ke i
= banyaknya sample
= banyaknya kelas
Contoh soal : Dari distribusi frekuensi dibawah ini carilah nilai rataratanya ?
Bahan Kuliah Statistika & Probabilitas
19
Nilai Ujian
Frekuensi (fi)
fi . Xi
31-40
41-50
51-60
61-70
71-80
81-90
91-100
1
2
5
15
25
20
12
35,5
45,5
55,5
65,5
75,5
85,5
95,5
35,5
91,0
277,5
982,5
1.887,5
1.710,0
1.146,0
Jumlah
80
4.3
6.130
6.130
76,63
80
Contoh soal. :
1. Rata-rata ukur untuk X1 = 2; X2 = 4 ; X3 = 8 adalah :
U 3 2 . 4 .8 4
2. Bila tingkat suku bunga 7%, 8%, 10%, 12% dan 18% maka
factor pertumbuhan rata-rata adalah :
U 5 (1,07 . 1,08 . 1,10 . 1,12 . 1,18 1,1093 1,11
4.4
n
1
(X
)
i
20
7
5,87
1 1 1 1 1 1
1
3 5 6 6 7 10 12
maka
rata-rata
f
f
(X )
i
i
Contoh soal : Dari distribusi frekuensi dibawah ini carilah nilai rata-rata
harmoniknya ?
Nilai Ujian
Frekuensi (fi)
fi/Xi
31-40
41-50
51-60
61-70
71-80
81-90
91-100
1
2
5
15
25
20
12
35,5
45,5
55,5
65,5
75,5
85,5
95,5
0,0282
0,0440
0,0901
0,2290
0,3311
0,2339
0,1256
Jumlah
80
4.5
1,0819
80
73,94
1,0819
MEDIAN
Median merupakan ukuran nilai pusat yang dapat digunakan baik
untuk data yang dikelompokkan maupun data yang tidak
dikelompokkan. Nilai median sangat dipengaruhi oleh letak urutan
dari nilai kumpulan data sehingga median sering disebut sebagai
rata-rata letak (positionan average).
Median adalah nilai yang terletak ditengah bila nilai-nilai
pengamatan disusun secara teratur menurut urutannya,
dari kecil ke besar atau dari besar ke kecil.
21
a.
(n 1)
2
Me Bb p (
0,5 n - F
)
f
Nilai Ujian
Frekuensi (fi)
Frekuensi kumulatif
1
2
3
4
5
6
7
31-40
41-50
51-60
61-70
71-80
81-90
91-100
1
2
5
15
25
20
12
1
3
8
23
48
68
80
Jumlah
80
22
Median terletak di =
80
40 , maka median terletak dikelas
2
4.6
0,5.80 - 23
) 77,3
25
MODUS
Modus (mode) sangat berguna untuk mengetahui tingkat
keseringan terjadinya peristiwa. Aplikasi dalam keseharian,
modus dapat digunakan untuk mengetahui jenis produk yang
sering diminta oleh konsumen.
Modus adalah nilai data yang mempunyai frekuensi
terbesar dalam suatu kumpulan data.
a.
Mo Bb p (
b1
)
b1 b2
23
Contoh soal .
Tentukan modus dari distribusi frekuensi berikut ini :
Kelas
Nilai Ujian
Frekuensi (fi)
Frekuensi kumulatif
1
2
3
4
5
6
7
31-40
41-50
51-60
61-70
71-80
81-90
91-100
1
2
5
15
25
20
12
1
3
8
23
48
68
80
Jumlah
80
4.7
i (n 1)
dengan i = 1, 2, 3.
4
24
Contoh :
Sampel dengan data 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
setelah disusun menjadi: 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92,94.
Letak Ki , data ke-
12 1
1
= data ke- 3 , yaitu antara data ke-3 dan
4
4
1
(data ke-4 - data ke-3)
4
1
3
K1 , = 57 +
(60 - 57) = 57 .
4
4
Letak K2 = data ke
2(12 1)
4
= data ke-6
1
2
1
(data ke-7 - data ke-6).
2
1
(70 - 66) = 68.
2
3(12 1)
3
= data ke-9
4
4
atas, nilai K3 dapat ditentukan ialah:
Letak K3 = data ke
K3 = data ke-9 +
K3 = 82 +
3
(data ke-10 - data ke-9).
4
3
(86 - 82) = 85.
4
Untuk data yang telah disusun dalam daftar distribusi frekuensi, kuartil
K1 (i = 1, 2, 3) dihitung dengan rumus:
in
Ki = Bb + p ( 4
) dengan i = 1, 2, 3.
25
NILAI
UJIAN
fi
fk
31 - 40
41 50
51 60
61 70
15
23
71 80
25
48
81 90
20
68
91 100
12
80
Jumlah
80
3 x 80
4
48
20
) 86,5
23
) 70,9
25
3 x 80
10
Ini berarti ada 75% mahasiswa yang mendapat nilai ujian paling tinggi
86,5 sedanglcan 25% lagi mendapat nilai paling rendah 86,5.
Jika kumpulan data itu dibagi menjadi 10 bagian yang sarna, maka
didapat sembilan pembagi dan tiap pembagi dinamakan Desil.
Karenanya ada sembilan buah desil, ialah desil pertama, desil kedua, . .
. , desil kesembilan yang disingkat dengan D1 , D2 , . . . , D9 .
Desil-desil ini dapat ditentukan dengan jalan:
1) susun data menurut urutan nilainya
2) tentukan letak desil
3) tentukan nilai desil.
Letak desil ditentukan oleh rumus:
Letak Di = data ke
i (n 1)
dengan i = 1, 2, .,9.
10
26
Contoh: Untuk data yang telah disusun dalam contoh terdahulu, ialah :
52, 56,57, 60, 64, 66, 70, 75, 82, 86, 92, 94,
7(12 1)
data ke-9,1.
Maka letak D7 = data ke
10
Nilai D7 = data ke-9 + (0,1) (data ke-10 - data ke-9)
atau D7 = 82 + 0,1x(86 - 82) = 82,4.
Untuk data dalam daftar distribusi frekuensi, nilai D i ( i= 1,2, . . . , 9)
dihitung dengan rumus:
in
Di = Bb + p ( 10
F
f
) dengan i = 1, 2,,9.
D3 = 60,5 + 10 (
3 x 80
10
15
) 71,2
Ada 70% dari mahasiswa paling sedikit mendapat nilai ujian 71,2 dan
30% lagi mendapat nilai paling benar 71,2.
Akhirnya, sekurnpulan data yang dibagi menjadi 100 bagian yang sama
akan menghasilkan 99 pembagi yang berturut-turut dinamakan
Persentil pertama, persentil kedua, . . . , persentil ke-99. Simbul yang
digunakan berturut-turut P1, P2 , . . . , P99 .
Karena cara perhitungannya sama seperti perhitungan desil, maka di
sini hanya diberikan rumus-rumusnya saja. Letak persentil P i (i = 1,2,
..,99) untuk sekumpulan data ditentukan oleh rumus :
Bahan Kuliah Statistika & Probabilitas
27
Letak Pi = data ke
i (n 1)
dengan i = 1, 2, .,99.
100
F
f
) dengan i = 1, 2,,9.
28
BAB V
UKURAN VARIASI
5.1. PENDAHULUAN
Ukuran pemusatan dapat digunakan untuk menampilkan ringkasan data
dalam suatu nilai tunggal yang menunjukkan rata-rata distribusi.
Meskipun demikian bila nilai pusat tersebut ditampilkan dalam suatu
nilai tunggal akan diperoleh gambaran yang tidak lengkap tentang
gugus data yang dihadapi sehingga dapat menyebabkan kesalahan
interprestasi. Hal ini disebabkan karena dua distribusi data atau lebih
mungkin memiliki nilai pusat yang sama, tetapi variasinya berbeda.
Sebagai gambaran perhatikan tiga gugus data berikut :
20
20
70
20
10
10
20
0
50
20
30
-10
20
40
-20
Rata-rata hitung
Rata-rata hitung
Rata-rata hitung
=
=
=
20
20
20
Walaupun ketiga gugus data diatas mempunyai nilai pusat yang sama,
tetapi pada gugus data yang pertama, nilai pusat dapat mewakili gugus
data secara tepat, sedangkan pada gugus data kedua nilai pusat tidak
dapat mewakili secara tepat karena datanya bervariasi, dan pada gugus
data ketiga datanya paling bervariasi dibandingkan gugus data pertama
dan kedua. Bila digambarkan dalam bentuk kurva, maka dapat dilihat
tiga macam kurva yang mempunyai nilai pusat (mean) yang sama
tetapi mempunyai penyebaran (variasi) yang berbeda.
Kurva A
Kurva B
Kurva C
Gambar 5.1 Tiga kurva dengan nilai mean yang sama tetapi
mempunyai variasi yang berbeda
29
30
Range adalah ukuran variasi yang paling mudah diperoleh dan paling
sederhana. Meskipun demikian ukuran ini merupakan ukuran
penyebaran data yang paling rendah kecermatannya. Dari nilai yang
diperoleh dapat diketahui ukuran keragaman dari suatu distribusi secara
kasar. Bila nilai range yang diperoleh kecil, berarti tingkat keragaman
data rendah., nilai-nilai observasi banyak terkosentrasi disekitar nilai
pusat. Sebaliknya bila nilai range yang diperoleh besar, maka tingkat
keragaman data besar, nilai-nilai observasi yang diperoleh saling
berjauhan. Karena tingkat kecermatannya rendah, maka pada
umumnya rang dipergunakan pada tahap penjajagan.
Range adalah selisih antara nilai maksimum dengan
nilai minimum dalam suatu gugus data.
Untuk memperoleh nilai range, terlebih dahulu kita perlu menentukan
nilai minimum dan nilai maksimum dari gugus data yang dihadapi.
Untuk data yang dikelompokkan, range dihitung melalui batas kelas dan
nilai tengah.
1. Range = batas kelas tertinggi batas kelas terendah
2. Range = nilai tengah tertinggi nilai tengah terendah
5.5. DEVIASI RATA-RATA (MEAN DEVIATION)
Deviasi rata-rata adalah jumlah harga mutlak penyimpangan setiap nilai
pengamatan terhadap mean diabagi banyaknya pengamatan. Deviasi
rata-rata mencerminkan rara-rata selisih mutlak nilai data terhadap
meannya.
Cara memperoleh nilai deviasi rata-rata bagi data dikelompokkan dan
data yang tidak dikelompokkan adalah sebagai berikut :
1. Untuk data yang tidak dikelompokkan, deviasi rata-rata dihitung
dengan rumus :
N
MD =
X
i 1
untuk populasi
N
N
MD =
X
i 1
n
Dimana MD : deviasi rata-rata
Xi : nilai data ke i
: rata-rata populasi
Contoh :
untuk sampel
: rata-rata sampel
N : banyak data populasi
n : banyak data sampel
X
31
Deviasi
Xi -
Deviasi absolut
Xi -
January
Jumlah
(Xi)
95
February
87
-6
March
93
April
92
-1
May
104
11
11
June
90
-3
July
94
August
94
September
90
-3
October
93
November
91
-2
December
98
Bulan
12
Xi
12
1.121
i 1
i 1
35
12
Nilai rata-rata () =
Xi
i 1
12
1121
93
12
X
i 1
35
2,92
12
32
MD =
i 1
. fi
untuk populasi
N
k
MD =
i 1
X . fi
untuk sampel
n
Dimana MD : deviasi rata-rata
Xi : nilai tengah kelas ke i
: rata-rata populasi
fi : frekuensi kelas ke - i
: rata-rata sampel
N : banyak data populasi
n : banyak data sampel
X
Contoh 1. Dari data tabel dibawah ini, carilah deviasi rata-rata untuk
populasi
Tabel 5.2 Perhitungan Deviasi Rata-rata untuk Populasi
fi
Xi
fi . X i
Xi
Xi . fi
39
49
59
69
79
89
99
4
6
8
12
9
7
4
34,5
44,5
54,5
64,5
74,5
84,5
94,5
138
267
436
774
670,5
591,5
378
30,6
20,6
10,6
0,6
9,4
19,4
29,4
122,4
123,6
84,8
7,2
84,6
135,8
117,6
Jumlah
50
Kelas
30
40
50
60
70
80
90
3255
676
12
Nilai rata-rata () =
f .X
i 1
50
3255
65,1
50
X
i 1
.f i
676
13,52
50
Contoh 2. Dari data tabel dibawah ini, carilah deviasi rata-rata untuk
sampel
Tabel 5.3 Perhitungan Deviasi Rata-rata untuk Sampel
Bahan Kuliah Statistika & Probabilitas
33
Kelas
fi
Xi
fi . X i
Xi X
24
57
8 10
11 13
14 16
17 - 19
2
4
5
3
2
1
3
6
9
12
15
18
6
24
45
36
30
13
6,35
3,35
0,35
2,65
5,65
8,65
Jumlah
17
159
Xi X
.fi
12,71
13,41
1,76
7,94
11,29
8,65
55,76
Nilai rata-rata ( X ) =
f .X
i 1
17
X
i 1
159
9,35
17
X .f i
55,76
3,28
17
2 =
(X
i 1
)2
untuk populasi
N
N
(X i X) 2
i 1
n -1
Dimana
2.
Untuk
rumus :
data
yang
untuk sampel
X : rata-rata sampel
N : banyak data populasi
n : banyak data sampel
dikelompokkan,
Untuk populasi
variansi
f i . (X i ) 2
S2 =
i 1
f i . ( X i X) 2
i 1
N
Dimana
dengan
Untuk sampel
dihitung
n -1
fi : frekuensi kelas ke - i
(X i ) 2
i 1
untuk populasi
35
(X
S =
i 1
X) 2
untuk sampel
n -1
2. Untuk data yang dikelompokkan, deviasi standar dihitung dengan
rumus :
N
f i . (X i ) 2
i 1
untuk populasi
N
N
S =
i 1
i.
(X i X) 2
untuk sampel
n -1
Dimana
fi : frekuensi kelas ke - i
Untuk mempermudah perhitungan maka rumus diatas dapat disederhanakan sebagai berikut ini :
N
f
i 1
i.
X i2
( f i . X i ) 2
i 1
untuk populasi
N
N
S =
f
i 1
i.
X i2
( f i .X i2 ) 2
i
untuk sampel
n -1
Contoh-contoh Soal
Contoh 1. : Tabel 5.4 Perhitungan Variansi dan deviasi standar bagi
banyaknya pesawat terbang yang mendarat di Bandara
Udara Adi Sumarmo Surakarta selama 12 bulan seperti
pada table dibawah ini
(Xi)2
Deviasi
Xi -
Deviasi absolut
(Xi - )2
January
Jumlah
(Xi)
95
9.025
February
87
7.569
-6
36
Bulan
36
March
93
8.649
April
92
8.464
-1
May
104
10.816
11
121
June
90
8.100
-3
July
94
8.836
August
94
8.836
September
90
8.100
-3
October
93
8.649
November
91
8.281
-2
December
98
9.604
104.9
29
25
(X i )2
i 1
211
12
Xi
i 1
1.121
12
12
Nilai rata-rata () =
Xi
i 1
12
1121
93,41
12
( X i ) 2 211
17,58
Variansi ( ) =
N
12
i 1
12
Deviasi Standar ()
2 17,58 4,19
Contoh 2. Dari data tabel 5.5 dibawah ini, carilah deviasi rata-rata
untuk sampel
Tabel 5.5 Perhitungan Deviasi Rata-rata untuk Populasi dan Sampel
Kelas
fi
Xi
fi . X i
(Xi)2
(Xi)2. f i
24
57
8 10
11 13
14 16
17 - 19
2
4
5
3
2
1
3
6
9
12
15
18
6
24
45
36
30
13
9
36
81
144
225
324
18
144
405
432
450
324
37
Jumlah
17
159
f i .(X i ) 2
i 1
1773
17,86 4,23
38
adalah sebesar
9
0,75 atau 75% .
12
1
R
6
BAB VI.
UKURAN KEMENCENGAN DAN KERUNCINGAN
6.1. UKURAN KEMENCENGAN.
Bentuk distribusi suatu gugus data, dapat ditampilkan dengan
menggunakan histogram dan poligon. Hasil distribusi yang diperoleh
secara umum dapat dibedakan menjadi distribusi yang simetris dan
tidak simetris. Suatu distribusi dikatakan simetris bila belahan sebelah
kiri setangkup dengan belahan sebelah kanan (bila distribusi data yang
dimaksud dilipat dibagian tengah distribusi sepanjang sumbu
vertikalnya). Demikian juga sebaliknya suatu distribusi dikatakan tidak
simetns bila belahan sebelah kiri tidak setangkup dengan belahan
sebelah kanan.
39
Frekuensi
(fi)
Frekuensi
kumulatif
(fk)
Nilai Tengah
(Xi)
fi.Xi
30-39
34,5
172,5
40-49
10
15
44,5
445,0
50-59
20
35
54,5
1090,0
60-69
10
45
64,5
645,0
70-79
50
74,5
372,5
50
f x .X i
2725
Nilai rata-rata ( X ) =
f .X
i 1
17
Me Bb p (
2725
54,5
50
0,5.50 - 15
0,5 n - F
) 49,5 10 (
) 54,5
f
20
Mo Bb p (
b1
10
) 49,5 10 (
) 54,5
b1 b2
10 10
40
Gambar 6.2 Gambar Mean, Median dan Modus Menceng Kekiri dan Kekanan
(X M o )
S
41
Sk =3
(X M d )
S
fi
fk
Xi
(Xi)2
fi.Xi
fi.(Xi)2
30-39
34,5
1190,25
172,5
5951,25
40-49
20
25
44,5
1980,25
490,0
39605,00
50-59
15
40
54,5
2970,25
817,5
44553,75
60-69
47
64,5
4160,25
451,5
29121,75
70-79
50
74,5
5550,25
223,5
16650,75
50
f x .X i
2555
135.882,5
Mean =
2555
51,1
50
(0,5.50 25)
49,5
15
15
47,0
15 5
42
Dari nilai mean, median dan modus diatas, nampak bahwa ketiganya
mempunyai nilai yang berbeda-beda sehingga dapat dikatakan bahwa
distribusi data tidak simetris (menceng), dalam hal ini distribusi
menceng kekanan seperti yang ditunjukkan oleh hasil Sk > 0
Deviasi Standar :
N
S =
f
i 1
i.
X i2
( f i .X i2 ) 2
i
)
135.882,5 ( 2555
50
10,32
49
n -1
Sk =
(X M o ) 51,1 47,0
0,4
S
10,32
fi
fk
Xi
(Xi)2
fi.Xi
fi.(Xi)2
30-39
34,5
1190,25
103,5
3570,75
40-49
10
44,5
1980,25
311,5
13861,75
50-59
15
25
54,5
2970,25
817,5
44553,75
60-69
20
45
64,5
4160,25
1290
83205
70-79
50
74,5
5550,25
372,5
27751,25
50
f x .X i
2895
172.942,50
43
Mean =
2895
57,9
50
(0,5.50 25)
59,5
20
5
62,0
5 15
( X M o ) 57,9 62,0
0,4
S
10,32
Sk =
i3
3 3
s
dimana :
f .(d
i
)3
f .(d
i
)2
f .d
i
f .d
i
Kelas
fi
Xi
di
fi.di
44
fi.(di)2
fi.(di)3
30-39
34,5
-2
-10
20
-40
40-49
20
44,5
-1
-20
20
-20
50-59
15
54,5
60-69
64,5
70-79
74,5
12
24
50
17
59
29
f i .(d i ) 3
n
10 3
3
10,32 3
f i .(d i ) 2 f i .d i
29
59 17
17
3
2
50 50
50
50
f i .d i
n
0,496
Dari hasil perhitungan diperoleh nilai alpha 3 besar dari nol, maka
kumpulan data mempunyai distribusi menceng ke kanan.
Ada
tiga
45
1
n
(X i X ) 4
S4
i4
S 4
f i .(d i ) 4
n
f i .(d i ) 3 f i .d i
n
f i .(d i ) 2 ( f i .d i ) 2
n
( f i .d i ) 4
46
Kelas
fi
Xi
di
fi.di
fi.(di)2
fi.(di)3
fi.(di)4
30-39
34,5
-2
-10
20
-40
80
40-49
20
44,5
-1
-20
20
-20
20
50-59
15
54,5
60-69
64,5
70-79
74,5
12
24
48
50
17
59
29
155
Jika diketahui deviasi standar = 10,32 maka nilai dari koefisien kurtosis
dapat dihitung sebagai berikut :
4
10 4 155
(29) (17)
59 (17) 2
(17) 4
3
2,72
10,32 4 50
50
50
50 50
50
47
BAB VI.
TEORI PELUANG
1. PENDAHULUAN
Salah satu tujuan dari Statistika adalah menarik kesimpulan
mengenai populasi berdasarkan informasi yang didapat dari sampel.
Mengingat sampel hanya menyediakan sebagian informasi tentang
populasi maka untuk itu dibutuhkan suatu metode yang dapat
digunakan untuk menarik kesimpulan yang berlaku pada populasi
berdasarkan informasi yang ada pada sampel dengan memanfaatkan
sifat-sifat peluang.
Jacob Bernoullie (1654 - 1705), Abraham de Moivre (1966-1754),
Thomas Bayes (1702-1761) dan Yoseph Lagrange (1736-1876) adalah
orang yang menemukan Teknik dan Formula peluang. Pada abad 19,
Pierre Simon, Marquis de Laplace (1749-1827), menyatakan ide awal
tersebut dan menyusunnya dalam Teori peluang. Adapun penerapan
teori ini dipelopori oleh usaha asuransi semenjak abad 19 dengan
tujuan mengetahui resiko kerugian yang ditanggungnya sehingga dapat
menentukan premi asuransinya. Teori ini semakin berkembang dengan
pesat sejalan dengan perkembangan dunia perjudian saat itu.
Dengan dipergunakannya teori peluang sebagai dasar penerapan
statistika, dewasa ini semakin banyak orang mempelajari teori peluang
sebagai alat untuk mengerti phenomena sosial dan memecahkan
permasalahan dari berbagai disiplin ilmu. Selain itu semakin disadari
bahwa sesungguhnya peluang merupakan bagian yang tak terpisahkan
dari kehidupan kita setiap hari karena dalam kehidupan setiap orang
akan berhadapan dengan masalah-masalah ketidak pastian. Sebagai
contoh seorang pengusaha akan dihadapkan pada masalah berhasil
tidaknya usaha yang dikelolanya, seorang mahasiswa akan dihadapkan
masalah berhasil tidaknya ujian yan sedang ditempuh, dan sebagainya.
Demikian banyaknya masalah-masalah ketidak pastian yang kita hadapi
48
49
P(A)
x
n
:
:
:
x
n
Sebagai contoh kita dapat mengetahui peluang keluarnya "biji satu" dari
suatu dadu yang dikocok karena kita telah mengetahui semua
kemungkinan yang dapat muncul. Kita tahu bahwa dadu dalam dunia
perjudian adalah alat perjudian yang berbentuk kubus dan bersisi 6,
masing-masing sisi mempunyai nilai 1, 2, 3, 4, 5 dan 6.
Keluarnya biji satu (x = 1) merupakan salah satu kemungkinan yang
dapat terjadi dari ke enam kemungkinan yang dapat muncul (n = 6,
dengan demikian peluang munculnya biji satu dalam satu lemparan
dadu adalah 1/6.
7.2.2.Pendekatan Frekuensi Relatif
Pendekatan Frekuensi relatif didasarkan pada:
(1) Pengamatan Frekuensi relatif dari suatu peristiwa dalam
percobaan yang dilakukan berulang kali.
(2) Proporsi waktu dari suatu peristiwa dalam jangka panjang bila
kondisi stabil.
Pendekatan frekuensi relatif ini menunjukan seringnya sesuatu
terjadi pada masa lalu dan digunakan untuk prediksikan peluang
bahwa sesuatu tersebut akan terjadi lagi masa datang.
Contoh :
Seandainya Perusahaan Asuransi mengetahui dari data masa lalu
bahwa angka kematian adalah 100.000 orang per tahun, dan 60 orang
diantaranya adalah laki-laki yang berusia 40 tahun.
Dengan menggunakan pendekatan ini, maka perusahaan
meramalkan peluang kematian laki-laki dari kelompok umur tersebut
adalah :
P
60
0,0006 0,06%
100.000
Contoh 2 :
Menurut catatan Kepolisian Bagian Lalu Lintas, selama 1 tahun
telah terjadi kecelakaan lalu lintas sebanyak 150 kali. Dari catatan
Bahan Kuliah Statistika & Probabilitas
50
75
0,50 50%
150
51
atau
P(A B) = P(A) + P(B)
Dengan menggunakan diagram Venn peristiwa mutually exclusive
dapat dilukiskan sebagai berikut :
Diagram Venn
AB
Contoh :
Ada 5 calon yang mempunyai kemampuan relatif sama yaitu Ali, Kobil,
Silia, Dali dan Ani, melamar untuk menjadi staf salah satu perusahaan
multinasional, padahal perusahaan tersebut hanya membutuhkan satu
staf saja. Bila perusahaan tersebut memutuskan untuk menerima salah
satu dari ke lima calon tersebut, maka
(a) Berapa peluang Ali akan diterima menjadi staf ?
(b) Berapa peluang Silia atau Ani terpilih menjadi staf ?
Pemecahan :
a) P(Ali) =
1
5
1
1
2
+
=
= 0,4
5
5
5
52
53
BAB VII
DISTRIBUSI PELUANG
1. PENDAHULUAN
Distribusi peluang mempunyai hubungan yang erat dengan
distribusi frekuensi. Frekuensidalam distribusi frekuensi diperoleh
berdasarkan hasil percobaan atau hasil observasi, sedangkan dalam
distribusi peluang merupakan hasil yang diharapkan jika percobaan
atau pengamatan dilakukan, sehingga distribusi peluang ini sering kali
disebut sebagai distribusi teoritis.
Berikut akan diberikan oontoh yang dapat memperjelas
pemahaman tentang konsep distribusi peluang. Suatu tindakan
melemparkan satu keping mata uang logam bersisi dua (angka dan
gambar) akan menghasilkan salah satu dari dua macam kejadian yang
mungkin, yaitu munculnya sisi angka atau gambar. Bila bobot kedua sisi
mata uang sama, maka dlharapkan baik sisi gambar maupun sisi
angka mempunyai kesempatan yang sama. Bila dilakukan percobaan
pelemparan uang sebanyak dua kah secara adil, maka hasil yang
mungkin dari percobaan dua kali pelemparan mata uang logam tersebut
dapat disajikan dalam table berikut :
54
DISTRIBUSI BINOMINAL
Pada
umumnya
suatu
eksperimen
(percobaan)
dikatakan
2.
3.
4.
CONTOH :
Satu mata uang dilemparkan 10 kali, maka n = 10, yang disebut sukses
misalnya hasil muka dan yang disebut gagal hasil belakang.
P (sukses) P (muka)
1
2
P dan q tetap pada setiap lemparan serta hasil setiap lemparan bebas
satu sama lain.
Misalnya
banyaknya
R X 0, 1, 2, ..........., n
sukses
dalam
kita
55
percobaan
akan
binominal
menghitung
P X k , k 0, 1, 2, 3, .........., n
kejadian
jadi
k sama dengan
banyaknya
titik
sampel
dalam
n
k
kn!P q n k
nk
n
k
P X k P q
k !nk k!
3 0,4096
b.
c.
P (2) 4 C 2 (0,2) 2
(0,8) 2 0,1536
56
2. Kemungkinan
seorang
calon
mahasiswa
dapat
diterima
di
SOAL SOAL :
1. Dari 2000 keluarga dengan 4 anak masing-masing, berapa
banyak yang dapat diharafkan bahwa :
a. Paling sedikit terdapat anak laki-laki ?.
b. 2 anak laki-laki ?.
c. 1 atau 2 perempuan ?.
d. Tidak ada perempuan ?.
2. Carilah probabilitas menebak secara tepat paling sedikit 6 dari 10
jawaban ujian B S.
DISTRIBUSI POISSON
Distribusi poisson digunakan untuk menghitung probabilitas
terjadinya kejadian menurut satuan waktu ataupun ruang. Pandanglah
distribusi binominal b (n, P)
nk
n
k
n P (X K) P q , k 0,1 2,. . . ,n
k k
Bahan Kuliah Statistika & Probabilitas
57
n 1 1 1
k
(n P)
nP
n
n
n
k!
n
1 P k
k n
k 1
k! n
maka Lim n 1
n
sehingga n P
nP
( ialah bilangan
n
e
maka :
k
k!
, k 0,1, 2, ........., n
(disebut
e
e 1
k e
k 0
k 0 k!
Distribusi
probabilitas dari
Poisson
dapat
digunakan
untuk
menghitung
satuan luas tertentu, satuai isi tertentu, internal, waktu tertentu, satuan
panjang tertentu, misalnya :
a. Banyaknya bakteri dalam satu tetes air atau satu liter air.
b. Banyaknya
rumah
terbakar
dari
10.000
rumah
yang
58
bila kita mengadakan suatu eksperimen acak dengan hasil bakteri akan
termasuk atautidak termasuk dalam sampel dan P (termasuk dalam
sampel) adalah kecil sekali. Jadi banyaknya bakteri dalam sampel
tersebut memenuhi distribusi poisson.
CONTOH :
Menurut pengalaman karyawan suatu yayasan penerbit, sebuah
mesin stensil merk X setiap menstensil 1000 lembar kertas akan
membuat kerusakan 1 lembar kertas. Pada suatu waktu kita akan
menstensilkan sebanyak 250 lembar. Berapa nilai kemungkinan akan
terdapat kerusakan sebanyak ?.
a. Kurang dari 5 lembar.
b. Antara 3 dan 5 lembar.
JAWAB :
Kemungkinan rusak p = 0,001; n = 250; = nP = 0,25, P kecil
k
e
dibandingkan n dipakai distribusi poisson. k
k!
a. P ( k ( 5 ) = P ( 0 ) + P (1) + P ( 2 ) + P ( 3 ) + ( 4) =
0,9911
b. P ( 3 k 5) = p (3) + P(4)+P(5) = 0,002
DISTRIBUSI NORMAL
Salah satu dari distribusi kemungkinan yang kontinu yang paling
penting yaitu Distribusi Normal atau Distribusi Gauss.
CONTOH :
Tinggi mahasiswa, berat badan, hasil ujian dll.
Jika variable kontinyu X mengikuti fungsi normal
dan simpangan baku atau standar deviasi
dengan rata-rata
X N ( , )
59
f (X)
Dimana :
1
e2
x 2
= Simpangan Baku.
= Rata- rata X.
e = 2,71828..
P ( X ) P ( X )
2
1 x
e 2
dx 1
extrim yang besar maupun yang kecil. Bila jarak masing-masing nilai
, 95
maka kira-kira 68
6, simpangan baku
maka berarti :
-3
-2
-1
-3 -2
68,26%
60
68,46%
99,74%
2
3 X
+2 +3
1
2
X
, maka
1 Z2
2
luas di
> 1,61).
JAWAB :
a. P ( 2,17 Z 0 ) P ( 0 2,17 ) L ( 2,17 ) 0,4850
-2,17
- 1, 61
61
0
1,61
c. P ( Z
0,50
2,15
- 0, 5
1,0
JAWAB :
62
-Z
63