STATISTIKA TERAPAN
Distribusi Frekuensi & Probabilitas
OLEH :
Eva Rantika
(1407112591)
Kelas A
Distribusi Frekuensi
1. Pengertian Distribusi Frekuensi
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):
Kelas-kelas (class) adalah kelompok nilai data atau variable dari suatu data acak.
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).
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.
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.
Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas yang
lain.
Panjang interval kelas atau luas kelas adalah jarak antara tepi atas kelas dan tepi
bawah kelas.
Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu dari
data acak.
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.
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.
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 kumulatih kurang dari dan distribusi frekuensi
lebih dari.
o
o
Aturan Sturges:
Banyak kelas = 1 + 3.3 log n, dimana n = banyaknya data
Tentukan panjang/lebar kelas interval (p)
Panjang kelas (p) = [rentang]/[banyak kelas]
Tentukan nilai ujung bawah kelas interval pertama
Pada saat menyusun TDF, pastikan bahwa kelas tidak tumpang tindih sehingga setiap
nilai-nilai pengamatan harus masuk tepat ke dalam satu kelas. Pastikan juga bahwa tidak akan
ada data pengamatan yang tertinggal (tidak dapat dimasukkan ke dalam kelas tertentu).
Cobalah untuk menggunakan lebar yang sama untuk semua kelas, meskipun kadang-kadang
tidak mungkin untuk menghindari interval terbuka, seperti 91 (91 atau lebih). Mungkin
juga ada kelas tertentu dengan frekuensi nol.
Contoh:
Kita gunakan prosedur di atas untuk menyusun tabel distribusi frekuensi nilai ujian
mahasiswa (Tabel 1).
38
63
70
74
79
82
88
92
43
63
70
74
79
83
88
92
48
63
71
74
80
83
88
93
49
65
71
74
80
83
89
93
51
66
71
75
80
84
90
93
56
67
72
75
80
85
90
95
59
67
72
76
81
86
90
97
60
68
72
76
81
86
91
98
60
70
73
77
81
87
91
99
2. Range:
[nilai tertinggi nilai terendah] = 99 35 = 64
3. Banyak Kelas:
Tentukan banyak kelas yang diinginkan.
Apabila kita lihat nilai Range = 64, mungkin banyak kelas
sekitar 6 atau 7.
Sebagai latihan, kita gunakan aturan Sturges.
banyak kelas = 1 + 3.3 x log(n)
= 1 + 3.3 x log(80)
= 7.28 7
4. Panjang Kelas:
Panjang Kelas = [range]/[banyak kelas]
= 64/7
= 9.14 10
(untuk memudahkan dalam penyusunan TDF)
5. Tentukan nilai batas bawah kelas pada kelas pertama.
Nilai ujian terkecil = 35
Penentuan nilai batas bawah kelas bebas saja,
asalkan nilai terkecil masih masuk ke dalam kelas tersebut.
Misalkan: apabila nilai batas bawah yang kita pilih adalah 26,
Kelas ke-
Nilai Ujian
Batas Kelas
1
2
3
4
5
6
7
31 40
41 50
51 60
61 70
71 80
81 90
91 100
Jumlah
30.5 40.5
40.5 50.5
50.5 60.5
60.5 70.5
70.5 80.5
80.5 90.5
90.5 100.5
Frekuensi
(fi)
2
3
5
13
24
21
12
80
Kelas ke-
Nilai Ujian
1
2
3
4
5
6
7
31 40
41 50
51 60
61 70
71 80
81 90
91 100
Jumlah
Frekuensi
(fi)
2
3
5
13
24
21
12
80
Variasi penting dari distribusi frekuensi dasar adalah dengan menggunakan nilai frekuensi
relatifnya, yang disusun dengan membagi frekuensi setiap kelas dengan total dari semua
frekuensi (banyaknya data). Sebuah distribusi frekuensi relatif mencakup batas-batas kelas
yang sama seperti TDF, tetapi frekuensi yang digunakan bukan frekuensi aktual melainkan
frekuensi relatif. Frekuensi relatif kadang-kadang dinyatakan sebagai persen.
Frekuensi relatif =
Contoh: frekuensi relatif kelas ke-1:
fi = 2; n = 80
Frekuensi relatif = 2/80 x 100% = 2.5%
Kelas keNilai Ujian
1
31 40
2
41 50
3
51 60
4
61 70
5
71 80
6
81 90
7
91 100
Jumlah
kurang dari 91
68
kurang dari 101
80
Variasi lain adalah Frekuensi kumulatif lebih dari. Prinsipnya hampir sama dengan
prosedur di atas.
7. 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.
8. Poligon Frekuensi:
Poligon Frekuensi menggunakan segmen garis yang terhubung ke titik yang terletak
tepat di atas nilai-nilai titik tengah kelas. Ketinggian dari titik-titik sesuai dengan frekuensi
kelas, dan segmen garis diperluas ke kanan dan kiri sehingga grafik dimulai dan berakhir
pada sumbu horisontal.
9. 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.
Distribusi Probabilitas
Distribusi Probabilitas adalah suatu distribusi yang mengambarkan peluang dari sekumnpulan
variat sebagai pengganti frekuensinya.
Probabilitas kumulatif adalah probalitas dari suatu variabel acak yang mempunyai
nilai sama atau kurang dari suatu nilai tertentu. Misalnya nilai variat tersebut = x,
maka Probabilitas kumulatif adalah P(X x), maka =1 P (X x),
Variabel acak kontinu peluang sebuah variat dapat ditulis P(x) dari sebuah kelompok
nilai diskrit dalam interval x - . Apabila x nilai kontinu dan dapat dipandang sebagi
dx, maka peluang P(x) menjadi fungsi kontinu yang umumnya disebut densitas
peluang.
bernilai berapapun tergantung pada keluaran yang mungkin dihasilkan dalam dari
eksperimen. Dengan kata lain, nilai tertentu dari X dalam sebuah eksperimen adalah suatu
kemungkinan keluaran yang acak. Variabel acak dapat dibedakan menjadi :
a. Variabel acak diskret adalah variabel yang dapat memiliki nilai yang bisa dihitung.
b. Variabel acak kontinu adalah acak yang dapat memiliki nilai tak terhingga. Berkaitan
dengan titik-titik dalam suatu interval.
Peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola
tertentu yang disebut dengan distribusi. Distribusi peluang untuk suatu variabel acak
menggambarkan bagaimana peluang terdistribusi untuk setiap nilai variabel acak. Distribusi
peluang didefinisikan dengan suatu fungsi peluang, dinotasikan dengan p(x) atau f(x), yang
menunjukkan peluang untuk setiap nilai variabel acak. Terdapat dua jenis distribusi peluang
yaitu distribusi peluang diskret dan distribusi peluang kontinu.
NILAI EKSPEKTASI
Ekspektasi bukanlah sebuah harapan. Ekspektasi adalah kemungkinan yang bisa timbul
dan dapat dihitung dengan sebuah metode kuantitatif (quantitative method) sedangkan
harapan bukanlah sesuatu yang dapat dihitung dengan angka kuantitatif maupun dengan
kuantitas doa yang anda lakukan, namun itu murni yang Empunya Kuasa yang melaksanakan.
Kalau di quantitative method, kita bisa menghitung expected value atau nilai ekspektasi.
Contohlah ada 2 pilihan, tembak si doi atau ega, kalau tembak ada 2 kemungkinan, diterima
atau ega. Kalau ega ditembak cuma ada 1 kemungkinan, ega jadian. Dengan persentase
masing masing, misalnya kalau diterima 50 % ega 50%. Lalu kalau nembak diterima dapet
rugi 50.000 rupiah tapi bisa eksis sama doi cantik, kalau ditolak udah rugi 50.000 rupiah
masih kehilangan nyawa gara - gara gantung diri di pohon pisang. Tapi kalau ega ditembak,
ya udah anda tidak kehilangan apa apa kecuali mendapat rasa menyesal.
DISTRIBUSI BINOMIAL
Binomial, suku kata bi berarti dua sedangkan nomial dapat diartikan sebagai kondisi,
artinya menggambarkan sebuah fenomena dengan 2 kondisi. Contohnya : gagal atau berhasil,
mati atau hidup, dll.
Distribusi binomial menggunakan eksperimen dengan jumlah bilangan bulat, artinya
tidak ada jumlah eksperimen sebanyak 4,89 kali. Setiap eksperimen mempunyai 2 hasil
sesuai dengan keterangan di nomor 1. Setiap eksperimen, memiliki peluang sukses yang sama
artinya peluang keluar angka 1 (lempar dadu) sama pada percobaan pertama, kedua dst.
Simbol pada Distribusi binomial peristiwa binomial ->b(x,n,p) b = binomial x = jumlah
sukses yg diinginkan(random) p = peluang dalam 1 percobaan.
Contoh Distribusi Binomial Dadu dilempar 3 kali, diharapkan keluar angka 3 sebanyak 2
kali dapat ditulis -> b( 2 , 3 , 1/6 ) Soal Distribusi Binomial. Probabilitas seorang bayi tidak di
imunisasi polio adalah 0,1 (p). Pada suatu hari di Puskesmas X ada 4 orang bayi. Hitunglah
peluang dari bayi tersebut 3 orang belum imunisasi polio. Jadi, di dalam kejadian binomial ini
dikatakan b (x=3, n=4, p=0,1) -> b (3, 4, 0,1)
Rumus untuk b (x,n,p) adalah:
P(x)= n!
P^x .(1-p)^(n-x)
x!(n-x)!
=4!
3! (4-3)!
= 4.3.2.1
0,1^3 .0,9^1
3.2.1 (1)
= 0,0036
DISTRIBUSI MULTINOMIAL
Distribusi multinomial merupakan perluasan dari distribusi binomial, jika pada distribusi
binomial hanya tertekan pada 2 pilihan atau 2 kemungkinan yang mungkin terjadi dari sebuah
peristiwa maka pada distribusi multinomial adalah banyak kemungkinan yang mungkin
terjadi dari sebuah peristiwa.
Sebuah eksperimen menghasilkan peristiwa-peristiwa E 1, E2, ..., Ekdengan peluang 1 = P(E1),
2 = P(E2),.., k = P(Ek), dengan 1 + 2 + ..+ K =1.Terhadap eksperimen ini dilakukan
percobaan sebanyak N kali. Sehingga peluang akan terdapat x 1 peristiwa E1, x2 peristiwa E2,
, xk peristiwa Ek di antara N, ditentukan oleh distribusi multinom yaitu:
Dengan x1 + x1 +..+ xk = N dan 1 + 2 + ..+ K = 1,
sedang 0 < i< 1
i = 1, 2, ,k.
Ekspektasi terjadinya tiap peristiwa E 1, E2 ,., Ek dalam peristiwa multinom, berturut-turut
adalah:
N1, N2, .. Nk
Sedangkan variansnya masing-masing:
N1(1- 1), N2(1- 2),.. Nk(1- k).
CONTOH.
Sebuah kotak berisi 3 barang yang dihasilkan oleh mesin A, 4 oleh mesin B, dan 5
oleh mesin C. Kecuali dikategorikan berdasarkan mesin, identitas lainnya mengenai barang
tersebut sama. Sebuah barang diambil secara acak dari kotak itu, identitas mesinnya dilihat,
lalu disimpan kembali ke dalam kotak. Tentukan peluang di antara 6 barang yang diambil
dengan jalan demikian didapat 1 dari mesin A, 2 dari mesin B, dan 3 dari mesin C.
DISTRIBUSI NORMAL
Definisi : suatu distribusi teoritis dari variabel random kontinu.Sering disebut juga
distribusi gauss.Karl freidrich gauss mula - mula mengamati hasil pengukuran ulang yang
sering terjadi pada nilai rata-rata dan penyimpangan ke kanan & ke kiri yang jauh dari nilai
rata-rata makin jarang terjadi.
CIRI-CIRI DISTRIBUSI NORMAL :
Kurva berbentuk simetris dan menyerupai lonceng hingga mean, median dan modus
terletak pada satu titik.
Ekor kurva mendekati absis pada penyimpangan 3 SD ke kanan dan ke kiri dari ratarata dan ekor grafik dapat dikembangkan sampai tak terhingga tanpa menyentuh
sumbu absis.