Anda di halaman 1dari 14

MODUL I

DISTRIBUSI PELUANG (BINOMIAL, POISSON, DAN EKSPONENSIAL)

I. TUJUAN
1. Menjelaskan tentang distribusi binomial, poisson, dan eksponensial
2. Memperkenalkan beberapa distribusi peluang diskrit dan kontinu
3. menghitung nilai peluang untuk peubah acak yang berdistribusi binomial,
poisson, dan eksponensial
II. PENDAHULUAN
Dalam kehidupan sehari-hari, manusian dihadapkan pada bermacam-
macam permasalahan yang harus dapat dicari penyelesaiannya. Untuk itu
diperlukan banyak informasi sehingga dari semua kemungkinan yang akan
terjadi dapat diambil keputusan yang objektif.
Informasi yang diperoleh harus merupakan informasi yang andal
dan dapat dipercaya. Salah satu cara untuk mendapatkan informasi adalah
melalui suatu eksperimen atau percobaan, dalam statistik disebut
eksperimen (percobaan) acak.
Syarat suatu eksperimen dikatakan acak, apabila :
a. Hasil percobaan yang akan terjadi tidak dapat diperkirakan
sebelumnya
b. Semua hasil yang mungkin dari suatu eksperimen dapat dirumuskan
dalam suatu himpunan (ruang sampel)
c. Dalam kondisi yang sama, eksperimen tersebut dapat dilakukan
berulang-ulang
Percobaan statistik merupakan suatu istilah yang memberikan
proses yang menghasilkan pengamatan yang berkemungkinan.
Kemungkinan terjadinya suatu kejadian sebagai hasil percobaan statistika
yang dinilai dengan menggunakan sekumpulan bilangan real dari 0 sampai
1 disebut peluang
Seringkali amat penting mengaitkan suatu bilangan real pada setiap
unsur dalam ruang sampel. Pengaitan ini yang dinamakan peubah acak
Suatu peubah acak disebut peubah acak diskrit bila semua nilai
yang mungkin dari peubah tersebut terhitung dan terbatas, misalkan
banyaknya barang yang cacat, banyaknya bayi yang lahir dalam keadaan
hidup,dll.
Distribusi peluang peubah acak diskrit adalah semua himpunan
pasangan terurut {x,f(x)}yang hasil x memenuhi beberapa kemungkinan
seperti berikut :
1. f ( x) ≥ 0
2. ∑f ( x) =1
3. P( X = x) = f ( x )
Distribusi kumulatif F(x) suatu peubah acak diskrit x dengan fungsi
padat peluang f(x) dinyatakan oleh :
F ( x) = P ( X ≤ x) = ∑ f (t ) untuk − ∝ <x < ∝
t ≤x

F(x) dikenal juga sebagai fungsi distribusi


Dalam bab ini, distribusi peluang diskrit yang akan dipelajari adalah
distribusi Binomial dan distribusi Poisson
Suatu peubah acak disebut peubah acak kontinu bila semua nilai
yang mungkin dari peubah tersebut tak hingga banyaknya sebanyak titik
pada sepotong garis
Fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X, yang
didefinisikan diatas himpunan semua bilangan real R, bila :
1. f ( x ) ≥ 0 untuk semua x ∈ R

2. ∫ f ( x)dx
−∞
=1
b

3. P ( a < X < b) = ∫ f ( x) dx
a

Distribusi kumulatif F(x) suatu peubah acak kontinu X dengan fungsi


padat peluang f(x) dinyatakan oleh :
x
F ( x) = P( X ≤ x) = ∫ f (t )dt untuk −∞ < x< ∞
−∞
Dalam kesempatan ini, distribusi peluang kontinu yang akan kita pelajari
adalah distribusi Eksponensial.

III. DISTRIBUSI BINOMIAL


Suatu eksperimen atau percobaan statistik yang bisa
dikelompokkan menjadi dua klasifikasi misalkan “sukses” atau “gagal”,
“muka” atau “belakang”, “1” atau “0” dinamakan proses Bernoulli atau
percobaan Bernoulli
Banyaknya percobaan yang “sukses” (dinyatakan dengan X) dari n
percobaan Bernoulli disebut peubah acak Binomial. Distribusi peluang
dari X disebut Distribusi Binomial
Peubah acak X dikatakan berdistribusi binomial ( X~B(n,p)} jika fungsi
kepadatan peluangnya (peluang “sukses” sebanyak x buah dari n
percobaan) adalah
(1− p)
x n −x
B ( x, n, p ) = P ( X = x) = c x . p
n
; x = 0,1,2,... n
n n!
Dengan c x
=
x!(n − x )!
menyatakan banyaknya cara menyusun x
sukses dari n percobaan diberikan oleh koefisien binomial
Keterangan :
◦ n banyaknya eksperimen atau percobaan
◦ p peluang bahwa variabel acak x terjadi (misal: peluang “sukses”)
◦ 1-p = peluang bahwa variabel acak x tidak terjadi (misal : peluang
“gagal”)
◦0≤p≤1
Rata-rata (mean) dan variansi dari peubah acak X yang berdistribusi

σ
2
binomial ini berturut-turut adalah µ = np dan = np(1 − p)
Langkah – langkah menghitung peluang peubah acak yang berdistribusi
binomial melalui Excel
1. Pilih menu Insert, kemudian pilih Function atau lansung klik tombol function
(lambang f x
)
2. Pada function category pilih Statistical dan pada function name pilih
Binomdist, kemudian OK, maka akan keluar kotak dialog
3. Pada number_s, masukkan nilai titik yang akan dihitung peluangnya
4. Pada trials, ketikkan banyaknya percobaan yang ada / dilakukan (n)
5. Pada Probability_s, ketikkan besarnya peluang “sukses” atau “gagal”(p)
6. Pada Cummulative, ketikkan :
- True jika ingin menghitung distribusi kumulatif{ P( X≤ x)}
- False jika ingin menghitung distribusi peluang { P( X = x )}
7. Klik OK
Contoh soal :
1. 10% dari semacam benda tergolong kedalam kategori A. Sebuah sampel
berukuran 30 telah diambil secara acak. Berapa peluang sampel itu akan berisikan
benda kategori A :
a. 2 buah
b. Paling sedikit 2 buah
c. Paling banyak 2 buah
Jawab:
Misalkan X = banyaknya benda yang tergolong kategori A
n = banyaknya percobaan
p = peluang = 10%= 0,01
a. – Masukkan angka 2 pada number_s
- Masukkan angka 30 pada Trials
- Masukkan angka 0,01 pada probability_s
- ketikkan false pada cummulative
- Klik OK maka akan muncul hasilnya yaitu 0,03283
b. P( X ≥ 2 ) = 1- P( X < 2)
= 1- P( X ≤ 1)
- Masukkan angka 1 pada number_s
- Masukkan angka 30 pada Trials
- Masukkan angka 0,01 pada probability_s
- Ketikkan true pada cummulative
- Klik OK, maka akan muncul hasilnya yaitu 0,96385
- Kemudian hitung 1-0,96385 = 0,036148
C P( X ≤ 2 )
- Sama seperti langkah a, hanya pada cumulative, ketik true.
- Klik OK maka akan muncul hasilnya yaitu 0,99668

III. DISTRIBUSI POISSON


Permasalahan yang berkaitan dengan banyaknya hasil yang diperoleh dari
suatu eksperimen pada selang waktu tertentu atau dalam daerah tertentu dapat
diselesaikan dengan distribusi Poisson
Definisi :
Peubah acak X dikatakan berdistribusi poisson jika fungsi kepadatan

peluangnya P ( X = x ) = e λ
−λ x
, x = 0,1,2,…
x!
Dengan,
µ =σ = λ
2

◦ P ( X = x ) merupakan peluang x terjadi pada suatu selang tertentu

Langkah-langkah menghitung peluang peubah acak yang berdistribusi poisson


melalui Excel.
1. Pilih menu Insert, kemudian pilih Function atau klik tombol Function (lambang
f x
)
2. Pada Function Category pilih Statistical dan pada Function Name pilih
Poisson, kemudian OK maka akan keluar kotak dialog
3. Pada X, masukkan nilai titik x yang akan dihitung nilai peluangnya
4. Pada Mean, ketikkan nilai rataan ( λ)
5. Pada cumulative, ketikkan :
- True jika ingin menghitung distribusi kumulatif { P( X ≤ x )}
- False jika ingin menghitung distribusi peluang { P( X = x )}
8. Klik OK
Contoh soal :
Peluang seseorang akan mendapat reaksi buruk setelah disuntik besarnya 0,0005. Dari
4000 orang yang disuntik, tentukan peluang yamg mendapat reaksi buruk :
a. ada 2 orang
b. lebih dari 2 orang
Jawab :
Poisson ( λ) atau mean(dalam excel)
= n.p = 4000.(0,0005)
=2
- Masukkan angka 2 pada X
- Ketikkan false pada cumulative
- Klik OK maka akan muncul hasilnya yaitu 0,2706
c. P ( X > 2) = 1- P( X ≤ 2 )
Dengan melakukan langkah-langkah seperti soal a, maka diperoleh hasil P( X ≤
2)= 0,676676
Jadi, P( X > 2 ) = 1- 0,676676
= 0,323324

Bila suatu eksperimen menghasilkan variabel berdistribusi binomial dengan


banyaknya pengamatan (n) cukup besar (biasanya lebih dari 100) dan nilai peluang
“sukses” (p) mendekati nol, maka eksperimen tersebut dapat dihitung melaui
distribusi poisson dengan nilai λ = np
V. DISTRIBUSI EKSPONENSIAL
Berkaitan dengan distribusi Poisson yang digunakan untuk menyelesaikan
permasalahan yang berkaitan dengan banyaknya hasil yang diperoleh dari suatu
eksperimen pada selang waktu tertentu atau dalam daerah tertentu. Dalam
banyak hal, terkadang selang waktu berbentuk peubah acak.
Sebagai contoh, seorang insinyur mungkin ingin meneliti waktu (T) antara
kendaraan tiba di suatu simpang empat yang padat selama waktu sibuk disuatu
lota besar. Waktu tiba merupakan kejadian Poisson.
Dalam hal ini, permasalahan diatas dapat diselesaikan dengan menggunakan apa
yang disebut dengan distribusi eksponensial
Definisi :
Peubah acak X dikatakan berdistribusi eksponensial jika fungsi kepadatan
−θ . x
peluangnya f ( x) = θ . e , x > 0 dan θ > 0
Dengan,
1
σ
2
◦. µ=
1
dan =
θ
2
θ
x

◦ P( X ≤ x ) = ∫ f (t )dt untuk x > 0 dan θ > 0


0

Merupakan peluang bahwa harga X ≤ x


Sifat dari distribusi Eksponensial :
b
−θ .t
1. P ( a < X ≤ b) = ∫θ. e dt
a

2. P( X = a) = 0
Langkah-langkah menghitung peluang peubah acak yang berdistribusi Poisson
melalui Excel
1. Pilih menu Insert, kemudian function atau klik tombol Function (lambang
f x
)
2. Pada Functin category pilih statistical dan pada function name pilih
EXPONDIST, kemudian OK maka akan keluar kotak dialog
3. Pada X, masukkan nilai titik (x)yang akan dihitung peluangnya
4. Pada Lambda, ketikkan nilai parameternya (0)
5. Pada Cumulative, ketikkan TRUE untuk menghitung distribusi kumulatif { P( X
≤ x )}
6. Klik OK
MODUL II
SARI NUMERIK

I. TUJUAN
1. Dapat menghitung sari numerik sebagai informasi tahap awal dalam
memahami data
2. Dapat melihat bentuk dari distribusi data
II. PENDAHULUAN
Untuk memahami data secara umum ada dua cara pendekatan yaitu :
eksplorasi dan konfirmasi. Eksplorasi adalah suatu pendekatan untuk menemukan
suatu informasi dari data. Cara ini dapat menghasilkan suatu dugaan atau
hipotesis yang terkadang dipakai sebagai langkah awal kegiatan ilmiah.
Sedangkan konfirmasi ditujukan untuk pengujian suatu dugaan atau hipotesis
yang diperoleh dari eksplorasi sebelumnya
Pada modul ini, pendekatan yang akan dibahas adalah tahap eksplorasi,
yang mana pada tahap ini, informasi dari data dapat diperoleh dengan
menghitung sari numerik (informasi berbentuk angka) dan melihat bentuk
distribusi data (informasi berbentuk penyajian data dalam grafik)
Catatan : populasi adalah kumpulan dari keseluruhan pengamatan yang
menjadi perhatian. Ruang sampel adalah himpunan bagian dari populasi. Sampel
adalah himpunan dari ruang sampel.
III.MATERI
Sari numerik yang akan dibahas pada kali ini meliputi :
. Ukuran Parameter Lokasi
- Rata-rata (mean)
Lambang untuk rata-rata sampel adalah x dan rumusnya adalah
1 n
x = ∑ xi
n i =1
- Median
Median adalah nilai tengah dari data. Nilai dari median sama
dengan nilai dari kuartil tengah (50% percentiles).Untuk
mendapatkan median secara manual anda harus mengurutkan data
terlebih dahulu (sorting).
- Modus (Mode)
Modus / mode adalah nilai data yang sering muncul.
. Ukuran Parameter Dispersi
- Variansi (Variance)
Variansi adalah salah satu statistik yang digunakan untuk
mengukur sebaran data, notasinya ( S2 ).Variansi (S2) dapat ditulis
dalam bentuk rumus berikut :
2
n n
n∑ x i − ( ∑ x i)
2

n
1 2
i −1
s n − 1 ∑i=1 ( xi − x)
2 i =1
= − =
n.(n − 1)
- Simpangan Baku (Std Deviation)
Simpangan baku adalah akar positif dari variansi
- Rentangan (Range)
Range adalah selisih dari nilai max dan min
- Simpangan Quartil
SQ = kuartil atas – kuartil bawah ; dengan
Quartil bawah adalah data yang terletak pada urutan ke (n/4),
kuartil tengah adalah median, Quartil atas adalah data yang terletak
pada urutan ke (3/4 n); dengan n : banyaknya data.
. Ukuran Kesetangkupan dan Kelancipan
- Kemiringan (Skewness)
Adalah derajat kesetangkupan (derajat simetris) dari suatu
distribusi. Kemiringan suatu distribusi didefinisikan sebagai :
E{( X − µ ) }
3

γ =
σ
3

Suatu distribusi setangkup, seperti distribusi normal dan –t,


mempunyai koefisien kemiringan = 0, sedangkan bila koefisien
kemiringan positif menyatakan distribusi yang “miring kekanan”
sehingga bagian kanan berisi berisi lebih banyak data dari bagian
kiri, dan sebaliknya.
- Kelancipan (Kurtosis)
Adalah derajat kelancipan dari suatu distribusi dibandingkan
terhadap distribusi yang normal. Distribusi yang normal meemilik
nilai kurtosis = 0. Kurtosis didefinisikan sebagai berikut :
E{( X − µ ) }
4

K ( x) =
σ
4

Bila nilai kurtosis positif maka distribusinya memiliki puncak yang


lebih lancip dibandingkan dengan distribusi yang normal.
Sedangkan bila negatif maka distribusinya memiliki puncak yang
lebih landai.
. Operasi Excel
Langkah-langkah untuk mengeluarkan statistik deskriptif dari data :
1. Pilih menu tools, kemudian pilih Data Analysis, jika belum ada data
analysis, maka anda menginstalnya terlebih dahulu, dengan cara pilih
tools, kemudian Add-ins, dan pada kolom Add-ins, conteng Analysis
toolpak
2. Pada kolom Data analysis, pilih Descriptives Statistics, klik OK
3. Di kolom Descriptive Statistics, blok data kemudian diletakkan di
kotak Input range
4. Pada kotak Output range, pilih kolom pada excel yang kosong,
kemudian klik Summary Statistics
5. Klik OK
Hasil dari Sari Numerik

Mean 44.2
Standard Error 2.112397269
Median 44.5
Mode 44
Standard Deviation 6.679986693
Sample Variance 44.62222222
Kurtosis 2.498428136
Skewness -1.159771915
Range 24
Minimum 29
Maximum 53
Sum 442
Count 10
Contoh 1 : diketahui data 29, 40, 42, 44,44,45,45,49,51,53.

. Operasi SPSS
Langkah-langkah untuk mengeluarkan statistik deskriptif dari data :
1. Pilih menu analyze - Descriptive Statistics – Frequencies –
Statistics - Klik menu Statistics yang akan dihitung - OK
IV. BENTUK DISTRIBUSI DATA (PENYAJIAN DATA)
1. Penyajian data
Di dalam statistik deskriptif, hal yang paling berpengaruh dalam
penginterpretasian data adalah penyajian data dalam bentuk chart atau
plot, sehingga dapat diketahui informasi yang terkandung dalam data
dengan melihat chart atau plot tersebut.
Beberapa cara menggambarkan data dalam bentuk chart atau plot :
a. Dotplot :
Cara menggambarkan data dalam bentuk titik dengan memperhatikan
frekuensi dari data yang bersangkutan, titik ditumpuk diatas nilai data
yang digambarkan
b. Histogram :
Histogram juga memperhatikan frekuensi data dalam menggambarkan
data tersebut, data yang ditampilkan dimasukkan dalam beberapa
selang tertentu, dan tinggi dari batang untuk setiap selang menyatakan
frekuensi selang tersebut.
c. Batang-Daun (Steam-leaf):
Digunakan oleh statistikawan pada masa dimana komputer belum ada,
untuk membuat plot dari data dengan cepat, biasanya nilai data
dipisahkan antara puluhan-satuan atau ratusan-puluhan atau lainnya,
satuan yang lebih besar dipakai sebagai batang dan satuan yang lebih
kecil digunakan sebagai daun. Untuk satu batang yang sama, daunnya
dituliskan disebelahnya berurutan ke sebelah kanan. Batang ditulis
secara vertikal, sedang daun secara horizontal.
d. Boxplot :
Adalah plot yang menggambarkan beberapa nilai statistik deskriptif
yang penting dari data, dengan menggunakan kotak dan garis, adapun
yang digambarkan dalam boxplot adalah kuartil pertama, median,
kuartil ketiga, dan jangkauan antar kuartil, nilai maksimum dan
minimum, serta pencilan.
2. Operasi Excel
a. Dotplot
Langkah-langkah untuk membuat dotplot :
1. Masukkan data yang ingin di plot dalam satu kolom, lalu
urutkan
2. Tuliskan pada kolom disebelahnya urutan frekuensi dari data
yang sama
3. Pilih insert – chart lalu pilih Scatter plot, langsung klik next
dan pilih series. Masukkan kolom yang berisi data ke x values,
kolom yang berisi urutan frekuensi ke dalam y values. Klik OK
Contoh 2 : Dari data pada contoh 1 diatas, carilah dotplotnya

Dari gambar Scatter plot diatas dapat disimpulkan bahwa data 29


memiliki frekuensi 1 sedangkan data 40 memiliki frekuensi 5 dan
begitu seterusnya.
b. Histogram
Langkah-langkah untuk membuat histogram :
1. Klik Insert – Chart, pada chart type, pilih Column
2. Masukkan kolom yang berisi data ke data range, kemudian finish
3. Klik OK
Contoh 3 : Dari data pada contoh 1 diatas, carilah Histogramnya
Dari data diatas dapat disimpulkan bahwa data ke-1 memiliki nilai 29,
data ke-2 memiliki nilai 40, dan begitu seterusnya, seperti yang
tampak pada gambar diatas

c. Boxplot
Langkah-langkah untuk membuat Boxplot :
4 Klik Graph – interactive – Dot insert - chart, pada chart type, pilih column
5 Pada chart sub-type, pilih diagram yang sesuai
6. Masukkan kolom yang berisi data ke data range, kemudian finish
7. Klik OK

Dari gambar boxplot diatas dapat disimpulkan bahwa terdapat 1


pencilan, yang artinya terdapat 1 nilai data ekstrim. Kalau dilihat dari
sudut pandang, bahwa data diatas tidak normal karena datanya
menjurai keatas artinya data tinggi menyebar sedangkan data rendah
berkumpul.
3. Operasi SPSS
a. Dotplot
Langkah-langkah untuk membuat Dotplot :
1. Masukkan data yang ingin dibuat grafik atau diagramnya
dalam satu kolom, dan urutkan (beri nama untuk variabel ini)
2. Tuliskan pada kolom disebelahnya frekuensi dari data yang
bersesuaian dan beri nama variabel pada kolom ini.
3. Pilih menu– masukkan variabel yang bersesuaian pada sumbu
horizontal maupun vertikal – klik titel untuk memberi judul
diagram
4. Klik OK
Contoh 5 : dari data berikut : 29, 32, 12, 43, 89, 22, 32, 12, 11, 9,
gambarkan grafik dotplotnya

2 .0  
Dot/Lines s how counts

1 .5
Count

1 .0      

0 .5

0 .0
20 40 60 80

data

Dari data diatas dapat disimpulkan bahwa nilai data 29, 12, 89, 32,
dan 11 memilki frekuensi 1, sedangkan nilai data 32, 43, 22, 12, 9
memilki nilai frekuensi 2.
Diagram Garis
Langkah – langkah untuk membuat diagram garis :
1. Langkah 1&2 seperti pada dotplot
2. Pilih menu Graph – Line / interactive line – Line chart – Pilih
satu dari simple atau multiple – values of individual cases –
define – masukkan variabel yang bersesuian pada sumbu
horizontal dan line represent untuk sumbu vertikal – klik titel
untuk memberi judul diagram
3. Klik OK
Contoh 6
diketahui ;
Nilai data : 11,13,14,19,21,22,25,28.
Carilah diagram garisnya ?

Dari
30

20

10
1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

FRE
dari diagram diatas dapat disimpulkan bahwa seluruh data diatas
berfrekuensi 1.
b. Diagram Batang
Langkah-langkah untuk membuat diagram batang :
1. Langkah 1&2 seperti dotplot
2. Pilih menu graph – Bar / interactive – Bar ) – Pilih salah satu
dari simple, clustered atau stacked – values of individual cases
– define – masukkan variabel yang bersesuaian pada sumbu
horizontal dan line represent untuk sumbu vertikal – klik titel
untuk memberi judul diagram
3. Klik OK.

Contoh 7
diketahui ;
Nilai data : 11,13,14,19,21,22,25,28.
Carilah diagram batangnya ?
30

20

10

0
1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

FRE
dari diagram diatas dapat disimpulkan bahwa seluruh data diatas
berfrekuensi 1.

MODUL PRAKTIKUM
STATISTIKA DESKRIPTIF

OLEH :

ADE RAMADIANSYAH (0907015042)


HISINTUS HURINT (0907015030)

LABORATORIUM STATISTIK & KOMPUTER


JURUSAN STATISTIK
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS MULAWARMAN
SAMARINDA
2010