NPM
KELAS
KP
TUTOR
ASBAR
vii
STATISTIKA 1
KATA PENGANTAR
KATA PENGANTAR
Dengan menyebut nama Allah, kami panjatkan puji dan syukur ata kehadirat-Nya,
yang telah melimpahkan rahmat dan hidayah kepada kami. Sehingga kami dapat
menyelesaikan Modul Praktikum Statistika 1 PTA 2016/2017.
Adapun modul praktikum ini merupakan penyempurnaan dari modul praktikum
sebelumnya dan diharapkan dengan adanya modul praktikum ini dapat meningkatkan
pemahaman dasar materi praktikum serta sebagai pedoman mahasiswa dalam
melakukan penelitian-penelitian ekonomi.
Modul ini kami buat dengan usaha semaksimal mungkin agar mendapatkan hasil
yang terbaik. Namun tak lepas dari semua itu, kami menyadari bahwa modul ini jauh
dari sempurna baik dari segi penyusunannya, bahasa, atau dari segi lainnya. Oleh
karena itu dengan sikap terbuka dan lapang dada, kami bersedia membuka pendapat
bagi pembaca yang ingin memberi kritik dan saran bagi makalah kami. Sehingga
kami dapat memperbaiki kesalahan yang terjadi.Dan tentunya kami berharap agar
modul praktikum ini dapat dipergunakan dengan sebaik-baiknya dan dapat
bermanfaat bagi pembaca.
Akhir kata, kami mengucapkan terima kasih kepada Tim Litbang PTA 2016/2017
Laboratorium Manajemen Dasar yang turut berpartisipasi dalam penyusunan modul
praktikum ini.
ii
STATISTIKA 1
TIM LITBANG
Penanggung Jawab
Vinnike Hermawanty
Ukuran Statistik
Distribusi Binomial
Distribusi Poisson
Distribusi Binomial
1. Marini Hartina
2. Lukhlu Rafika
3. Ulfah Giti
Nuladani
4. Yusi Nur Awalia
1. Maharani
Kinanti Djuanita
2. Devie Destiarini
3. Fredy Haryo
Saputro
4. Puti Melati
Khalishah
1. Della Novria
Zuari
2. Aulia Safitri
3. Bayu Kurniawan
4. Syintia Bahraini
1. Timotius
Lorenzs
2. Erlita Bebby
Aprilianti
3. Maya Utama NF
4. Sifa Fauziah
Programmer:
Muhammad Mujahid
Riyanto
Programmer:
Dida Adams Arizona
Programmer:
Dida Adams Arizona
Programmer:
Muhammad Mujahid
Riyanto
iii
STATISTIKA 1
DAFTAR ISI
DAFTAR ISI
KATA PENGANTAR ________________________________________________ ii
TIM LITBANG STATISTIKA 1 ________________________________________ iii
DAFTAR ISI ________________________________________________________ iv
DAFTAR RUMUS ___________________________________________________ vi
DAFTAR GAMBAR ________________________________________________ vii
MATERI 1 _________________________________________________________ 1
UKURAN STATISTIK _______________________________________________ 1
1.
Pendahuluan ___________________________________________________ 1
2.
3.
4.
MATERI 2 ________________________________________________________ 21
DISTRIBUSI BINOMIAL ____________________________________________ 21
1.
2.
3.
4.
5.
MATERI 3 ________________________________________________________ 41
DISTRIBUSI POISSON ______________________________________________ 41
1.
iv
STATISTIKA 1
DAFTAR ISI
2.
3.
4.
5.
MATERI 4 ________________________________________________________ 52
DISTRIBUSI NORMAL _____________________________________________ 52
1.
Pengertian Probabilitas__________________________________________ 52
2.
3.
4.
Kurva Normal_________________________________________________ 56
DAFTAR PUSTAKA
71
STATISTIKA 1
DAFTAR RUMUS
DAFTAR RUMUS
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1.8.
10
1.9.
10
2.1
Rumus Kombinasi
23
2.2
24
3.1
42
3.2
43
4.1
53
vi
STATISTIKA 1
DAFTAR GAMBAR
DAFTAR GAMBAR
1.1 Gambar Tampilan Software R-Commander
12
13
13
14
15
17
18
18
19
20
26
27
27
30
31
31
34
35
37
38
38
45
vii
STATISTIKA 1
DAFTAR GAMBAR
46
47
47
48
49
50
50
51
59
60
61
61
63
64
65
65
67
68
69
viii
STATISTIKA 1
UKURAN STATISTIK
MATERI 1
UKURAN STATISTIK
1.
Pendahuluan
Banyak orang yang masih terkecoh dengan pengertian statistika dengan statistik.
Memang terlihat sama, namun memiliki pengertian yang berbeda. Berikut ini akan
dijelaskan mengenai pengertian keduanya. Statistika adalah ilmu pengetahuan yang
berhubungan dengan cara-cara pengumpulan data, pengolahan data, penganalisisan
data, penarikan kesimpulan, dan pembuatan keputusan yang cukup beralasan
berdasarkan fakta yang ada. Sedangkan untuk statistik adalah suatu kesimpulan fakta
berbentuk angka yang disusun dalam bentuk daftar atau tabel yang menggambarkan
suatu persoalan.
Statistika terdiri dari dua jenis, yaitu statistika deskriptif dan statistika
inferensial. Statistika deskriptif adalah statistika yang menggambarkan kegiatan
berupa pengumpulan data, penyusunan data, pengolahan data, dan penyajian data
dalam bentuk tabel, grafik ataupun diagram. Statistika inferensial adalah statistika
yang berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang
telah disusun dan diolah.
Dalam statistika terdapat dua istilah penting, yaitu populasi dan sampel.
Populasi adalah keseluruhan data yang diamati oleh penguji atau dapat dikatakan
populasi adalah keseluruhan objek penelitian yang dapat terdiri dari manusia, benda,
hewan, tumbuhan, gejala, nilai, atau peristiwa sebagai suatu sumber data yang
mewakili karakteristik tertentu dalam suatu penelitian. Sampel adalah bagian dari
populasi yang diteliti oleh penguji yang diharapkan bahwa hasil yang diperoleh akan
memberikan gambaran yang sesuai dengan sifat populasi yang bersangkutan.
Dalam bab ini akan dibahas mengenai dua hal, yakni ukuran pemusatan dan
ukuran penyebaran yang akan dibahas pada bagian berikutnya.
STATISTIKA 1
2.
UKURAN STATISTIK
Ukuran Pemusatan
Ukuran pemusatan adalah nilai tunggal dari data yang dapat memberikan
gambaran yang lebih jelas dan singkat tentang pusat data yang juga mewakili seluruh
data. Ukuran pemusatan memiliki beberapa macam ukuran yang akan dibahas pada
bab ini, yakni Mean ( rata-rata hitung ), median, modus, dan kuartil.
X = Xi
n
Populasi
= Xi
N
Data Berkelompok
X = Xi . fi
fi
Dimana :
X
Xi
STATISTIKA 1
UKURAN STATISTIK
B. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan dari data
terkecil hingga data terbesar. Cara mudah untuk mendapatkan nilai tengah dari
suatu data yang belum dikelompokkan adalah dengan menentukan satu titik angka
yang berada ditengah. Akan tetapi, untuk menentukan letak median dapat dibedakan
dengan melihat jumlah data. Untuk data sederhana yang berjumlah ganjil, maka data
yang berada diposisi tengah merupakan nilai median. Sedangkan untuk data
berjumlah genap, maka median diambil dengan rata-rata hitung dua data yang ada
ditengah. Median dapat juga dihitung dengan menggunakan rumus dibawah ini.
Me = n + 1
2
1.3 Rumus Letak Median Untuk Data Genap
Me = n + n + 1
2
2 2
2
Dimana :
Me
= Letak Median
= Jumlah data
STATISTIKA 1
UKURAN STATISTIK
C. Modus
Modus adalah nilai data yang paling sering muncul atau nilai data yang
frekuensinya paling besar. Modus memiliki beberapa jenis dan tergantung pada ada
tidaknya modus pada data.
1. Jika tidak terdapat modus atau data dengan jumlah terbanyak, maka disebut
Amodus. Biasanya terdapat pada data yang memiliki frekuensi sama disetiap
datanya.
2. Jika terdapat satu modus, maka disebut modus atau monomodus.
3. Jika terdapat dua modus, maka disebut bimodus.
4. Jika terdapat lebih dari dua modus, maka disebut multi-modus.
D. Kuartil
Kuartil adalah ukuran letak yang membagi suatu kelompok data menjadi empat
bagian yang sama besar. Nilai kuartil dari sebuah data dapat ditentukan jika data
tersebut sudah diurutkan dari nilai terendah hingga nilai tertinggi.
25%
25%
Q1
25%
Q2
25%
Q3
Letak Kuartil = i ( n + 1 )
4
Dimana :
i
= 1, 2, 3
Q1 = Kuartil Bawah
Q2 = Kuartil Tengah
Q3 = Kuartil Atas
STATISTIKA 1
UKURAN STATISTIK
= jumlah data
Contoh soal
1. Sebuah dealer motor memiliki data penjualan per bulan. Berikut ini
adalah data penjualan untuk 11 bulan terakhir, yaitu 10, 50, 65, 70, 77,
51, 66, 55, 60, 50, 57. Carilah rata-rata penjualannya, median, modus dan
berapakah kuartil Q1, Q2, Q3! Dan analisislah !
Dik
: 10, 50, 50, 51, 55, 57, 60, 65, 66, 70, 77
Dit
Jawab :
1. x = Xi
n
= 10 + 50 +50 + 51 + 55 + 57 + 60 + 65 + 66 + 70 + 77
11
= 55,55
2. Me = n + 1 = 11 + 1 = 6 , data ke-6 = 57
2
3. Modus = 50
4. Letak kuartil 1 = i ( n + 1 ) = 1 ( 11 + 1 ) = 3. Data ke 3 = 50
4
Analisis: Jadi, rata-rata penjualan per bulan dealer motor sebesar 55,55
dengan median sebesar 57, modus sebesar 50 serta Q1= 50 ; Q2= 57 ; Q3 = 66.
STATISTIKA 1
UKURAN STATISTIK
Untuk mencari nilai statistic dari data tersebut dengan menggunakan R-Commander,
berikut ini adalah langkah-langkahnya:
1. Tekan icon R-commander pada desktop maka akan muncul tampilan seperti
berikut.
1.1 Gambar Tampilan Software R-Commander
2. menu data > new data set. Masukkan nama dari data set, lalu OK.
STATISTIKA 1
UKURAN STATISTIK
3. Masukkan nilai data statistik. Untuk mengubah nama dan tipe variabel, dapat
dilakukan dengan cara double klik pada variabel yang ingin dirubah pada var
1. Jika sudah selesai, klik tanda X ( close ).
1.3 Gambar Data Editor
STATISTIKA 1
UKURAN STATISTIK
4. Jika data yang dimasukkan sudah benar, maka pilih menu statistics lalu
summaries, lalu pilih Active data set.
1.4 Gambar Hasil Software R-Commander
STATISTIKA 1
3.
UKURAN STATISTIK
Ukuran Penyebaran
Ukuran penyebaran adalah suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau
seberapa besar penyimpangan nilai-nilai data dengan nilai pusatnya. Ukuran
penyebaran yang akan dibahas pada bab ini adalah Jangakauan ( range ), ragam (
variance ), dan standar deviasi.
A. Jangkauan (Range)
Range merupakan ukuran penyebaran yang paling sederhana dan paling mudah
untuk menentukan nilainya. Range didefinisikan sebagai selisih antara nilai
maksimum dan minimum yang terdapat dalam data.
R = Xmax Xmin
Dimana :
R
= Range ( jangkauan )
B. Ragam (Variance)
Ragam mengukur variasi data terhadap rataan hitungnya. Dirumuskan sebagai
rata-rata dari jumlah kuadrat penyimpangan setiap nilai data terhadap rataan hitung
data.
1.6 Rumus Ragam Untuk Sampel
S2 = (Xi X)2
n1
2 = (Xi )2
N
STATISTIKA 1
UKURAN STATISTIK
Dimana :
S2
= Varians ( Sampel )
= Varians ( Populasi )
Xi
C. Standar Deviasi
Standar Deviasi atau biasa disebut simpangan baku merupakan ukuran
penyebaran data yang paling sering digunakan. Standar deviasi menunjukkan
tingkat penyimpangan setiap nilai data terhadap rataan hitungnya, yang secara
matematis merupakan akar kuadrat dari ragam. Semakin besar penyimpangan
data terhadap pusatnya, semakin besar pula nilai dari standar deviasi.
S = S2
= 2
Dimana :
S
10
STATISTIKA 1
UKURAN STATISTIK
Dari penjelasan diatas mengenai ukuran pemusatan dan ukuran penyebaran dapat
dibedakan bahwa ukuran pemusatan merupakan ukuran statistik yang menyatakan
bahwa satu nilai tunggal dapat mewakili keseluruhan distribusi nilai yang sedang
diteliti. Sedangkan ukuran penyebaran merupakan ukuran yang menyatakan seberapa
banyak nilai-nilai data berbeda dengan nilai pusatnya atau seberapa jauh
penyimpangan nilai-nilai data dari nilai pusatnya atau biasa juga disebut sebagai
ukuran penyimpangan ( measurement of dispertion ).
4.
Contoh Soal
2. ( Dengan Kasus yang sama dengan ukuran pemusatan )
Sebuah dealer motor memiliki data penjualan untuk 11 bulan terakhir,
yaitu 10, 50, 65, 70, 77, 51, 66, 55, 60, 50, 57. Tentukanlah Range,
Varians, dan Standar Deviasinya!
Dik
: 10, 50, 50, 51, 55, 57, 60, 65, 66, 70, 77
Dit
: R, s2, s ?
Jawab :
3. S = S2 = 304,67 = 17,45
Analisis : Jadi, dari data penjualan per bulan dealer motor tersebut diperoleh
jangkauan sebesar 67, varians sebesar 304,67 , dan standar deviasi sebesar 17,45.
11
STATISTIKA 1
UKURAN STATISTIK
Untuk mencari nilai statistic dari data tersebut dengan menggunakan R-Commander,
berikut ini adalah langkah-langkahnya:
1. Tekan icon R-commander pada desktop maka akan muncul tampilan seperti
berikut.
1.5 Gambar Tampilan Software R-Commander
2. Pilih menu data > new data set. Masukkan nama dari data set, lalu OK.
12
STATISTIKA 1
UKURAN STATISTIK
3. Masukkan nilai data statistik. Untuk mengubah nama dan tipe variabel, dapat
dilakukan dengan cara double klik pada variabel yang ingin dirubah pada var
1. Jika sudah selesai, klik tanda X ( close ).
1.7 Gambar Data Editor Contoh Soal 2
4. Jika data yang dimasukkan sudah benar, maka pilih menu statistics lalu
summaries, lalu pilih Active data set.
13
STATISTIKA 1
UKURAN STATISTIK
5. lalu pilih menu statistics, pilih summaries, pilih numerical summarise, maka
akan muncul tampilan berikut.
14
STATISTIKA 1
UKURAN STATISTIK
Jadi, untuk hasil software dapat dilihat nilai range 67 (max-min), standar deviasi
17,45 (sd).
15
STATISTIKA 1
UKURAN STATISTIK
3. Tentukan mean, modus, dan jangkauan dari data pada tabel dibawah ini !
Skor ( x )
100
550
650
700
Frekuensi
Dik
Dit
: x1 = 100
f1 = 5
X2 = 550
f2 = 6
X3 = 650
f3 = 7
X4 = 700
f4 = 1
Jawab :
X= Xi . fi
fi
= ( 100 x 5 ) + ( 550 x 6 ) + ( 650 x 7 ) + ( 700 x 1 )
19
= 9050
19
= 476,32
Modus = 650
Median = n + 1 = 19 + 1 = 10 , data ke-10 = 550
2
16
STATISTIKA 1
UKURAN STATISTIK
Untuk mencari nilai statistic dari data tersebut dengan menggunakan R-Commander,
berikut ini adalah langkah-langkahnya:
1. Tekan icon R-commander pada desktop maka akan muncul tampilan seperti
berikut.
1.10
2. Pilih menu data > new data set. Masukkan nama dari data set, lalu OK.
17
STATISTIKA 1
UKURAN STATISTIK
1.11
3. Masukkan nilai data statistik. Untuk mengubah nama dan tipe variabel, dapat
dilakukan dengan cara double klik pada variabel yang ingin dirubah pada var 1.
Jika sudah selesai, klik tanda X ( close ).
1.12
18
STATISTIKA 1
UKURAN STATISTIK
4. Jika data yang dimasukkan sudah benar, maka pilih menu statistics lalu
summaries, lalu pilih Active data set.
1.13
19
STATISTIKA 1
UKURAN STATISTIK
Jadi, untuk hasil software dapat dilihat nilai mean 476,32 (pembulatan), Median
550, dan jangkauan 600 (max-min)
20
STATISTIKA 1
DISTRIBUSI BINOMIAL
MATERI 2
DISTRIBUSI BINOMIAL
1. Konsep Dasar
Distribusi Binomial merupakan distribusi probabilitas dengan data
diskrit yang biasa diterapkan pada beberapa peristiwa. Distribusi ini ditemukan
oleh Jacob Bernoulli, sehingga, Distribusi Binomial sering disebut juga
Distribusi Bernoulli.
Biasanya distribusi ini digunakan pada beberapa eksperimen dengan
tujuan tertentu. Setiap eksperimen akan menghadapi 2 hasil, yaitu (a) tujuan
tercapai atau (b) tujuan tidak tercapai. Dalam hal ini kita berhadapan dengan 2
sisi kemungkinan.
Misalnya, kita mengajar dengan menggunakan metode A dengan tujuan
siswa akan memiliki pengetahuan lebih baik dari pada biasanya (menggunakan
metode konvensional).
Hasil percobaan metode A mengandung 2 kemungkinan:
a. Kemungkinan pertama : tujuan tercapai (siswa yang diajar dengan metode
A memiliki pengetahuan lebih baik dari pada menggunakan metode
konvensional)
b. Kemungkinan kedua : tujuan tidak tercapai (siswa yang diajar dengan
metode A tidak memiliki pengetahuan lebih baik dari pada sebelumnya /
menggunakan metode konvensional)
Jadi, setiap eksperimen mengandung 2 kemungkinan: berhasil (p) atau
gagal (q).
21
STATISTIKA 1
DISTRIBUSI BINOMIAL
Perlu kita ingat, popolasi merupakan kumpulan dari seluruh objek/ elemen yang
di teliti, sedangkan sampel adalah bagian dari populasi.
2.
- Senang (sukses)
- Setuju (sukses)
- Puas (sukses)
4.
Selain itu perlu diperhatikan juga penggunaan symbol yang tepat, misalnya
-
22
STATISTIKA 1
DISTRIBUSI BINOMIAL
3. Menentukan Kombinasi
Probabilitas dalam distribusi binomial berkaitan dengan kombinasi,
adapun rumus dari kombinasi adalah sebagai berikut :
2.1. Rumus Kombinasi.
n Cx
dimana:
n!
(n x)! x!
C = kombinasi
n = banyaknya kejadian
x = banyak kejadian yang ingin kita cari
! (dibaca faktorial) merupakan perhitungan kelipatan, misalnya:
4! = 4 x 3 x 2 x 1 = 24
0! hasilnya adalah 1
1! hasilnya adalah 1
Contoh: Tuan Fredy seorang penjual daging segar mengatakan bahwa diantara
seluruh daging yang dikemas rapi, ada yang rusak. Suatu hari ada seorang
pembeli yang ingin membeli 3 buah daging lalu memilihnya secara acak. Berapa
jumlah kombinasi terpilihnya 2 daging segar?
Jawab:
n=3
x=2
Cx
3 C2
3 C2
n!
(n x)! x!
=3
23
STATISTIKA 1
DISTRIBUSI BINOMIAL
DS DS DS
DB DB DB
DS DS DB
DB DB DS
DS DB DS
DB DS DB
DS DB DB
DB DS DS
lalu tekan 2
lalu tekan =
P( X ) B( x; n, p) n Cx p x q n x
dimana:
C = kombinasi
n = banyaknya kejadian
p = probabilitas keberhasilan dalam sekali perlakuan (p = 1 q)
q = probabilitas kegagalan dalam sekali perlakuan (q = 1 p)
x = banyak kejadian yang ingin kita cari
5. Contoh Soal
1. Wan Gi adalah pemilik toko parfum, ia melakukan pengamatan minat dari
pembelinya apakah aroma bunga atau aroma kayu-kayuan yang diminati.
Hasilnya 66% pelanggan memilih aroma bunga, sisanya memilih aroma
24
STATISTIKA 1
DISTRIBUSI BINOMIAL
Diketahui :
p = 66%
= 0,66
q = 1-0,66
= 0,34
n = 15
x=6
Ditanya : P (X = 6)
Jawab :
Jumlah sampel 15, berarti anggotanya 1 sampai 15
Karena P(x=6), jadi nilai x nya hanya 6
B (x;n;p)
= nCx px qn-x
B (6;15;0,66)
25
STATISTIKA 1
DISTRIBUSI BINOMIAL
26
STATISTIKA 1
DISTRIBUSI BINOMIAL
27
STATISTIKA 1
DISTRIBUSI BINOMIAL
= 0,65
q = 1- 0,65
= 0,35
n = 16
x = 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16
Ditanya : P (X 5)
Jawab :
Jumlah sampel 16, berarti anggotanya 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
13, 14, 15, 16
Karena (x 5), jadi nilai x nya adalah 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15,
16
{(x=5) + (x=6) + ..+ (x=16)}, atau (1-{(x=0) + (x=1) +..+ (x=4)})
B (x;n;p)
= nCx px qn-x
B (0;16;0,65)
B (1;16;0,65)
B (2;16;0,65)
28
STATISTIKA 1
DISTRIBUSI BINOMIAL
= 0,00002098749377
B (3;16;0,65)
B (4;16;0,65)
P (X 5)
29
STATISTIKA 1
DISTRIBUSI BINOMIAL
30
STATISTIKA 1
DISTRIBUSI BINOMIAL
Pada output windows akan muncul nilai probabilitas sekurangkurangnya 5 mahasiswa yang sudah pernah bekerja adalah 99,87%
2.6 Gambar Output Software Distribusi Binomial Contoh Soal 2
31
STATISTIKA 1
DISTRIBUSI BINOMIAL
CATATAN:
Untuk penginputan Variabel Value pada software memiliki beberapa
ketentuan, diantaranya:
= 0.76
q = 24%
= 0.24
n = 16
x = 1, 2, 3, 4, 5
Ditanya: P (1 x 5)
Jawab:
Jumlah sample sebanyak 16 orang, berarti anggotanya 0, 1, 2, 3, 4, 5, 6, 7,
8, 9, 10, 11, 12, 13, 14, 15, 16.
Karena (1 x 5), jadi nilai x nya adalah 1 sampai 5
{(x = 1) + (x = 2) + ..... + (x = 5)}
B (x;n;p)
= nCx px qn-x
B (1;16;0.76)
32
STATISTIKA 1
DISTRIBUSI BINOMIAL
= 0,000000006139064561
B (2;16;0.76)
B (3;16;0.76)
B (4;16;0.76)
B (5;16;0.76)
P (1 x 5)
= {(x = 1) + (x = 2) + (x = 3) + (x = 4) + (x = 5)}
= 0,000000006139064561 + 0,0000001458027833 +
0,000002154641131 + 0,00002217484831 +
0,0001685288471
= 0,0001930102784
= 0,019%
33
STATISTIKA 1
DISTRIBUSI BINOMIAL
Block semua yang ada pada script window, lalu klik submit maka pada
output window akan muncul probabilitas ada 1 sampai 5 mahasiswa yang
memilih menggunakan laptop Acer adalah sebesar 0,019 %
34
STATISTIKA 1
DISTRIBUSI BINOMIAL
Berdasarkan data yang diperoleh dari Kantor Maju Terus, diketahui 50%
pegawainya lebih memilih naik mobil pribadi saat pergi ke kantor,
sedangkan sisanya memilih naik angkutan umum. Apablia ditanyakan
Kepada 5 orang pegawai, berapakah probabilitas paling banyak 1 pegawai
yang memilih naik mobil pribadi ?
Diketahui :
p = 50%
= 0,5
q = 1 0,5
= 0,5
35
STATISTIKA 1
DISTRIBUSI BINOMIAL
n=5
x = 0 dan 1
Ditanya : P (x
1)
Jawab :
Jumlah sampel 17, berarti anggotanya 0 sampai 17
Karena (x
1) = {(x=0) + (x=1)}
= 0,03125 + 0,15625
= 0,1875
= 18,75%
36
STATISTIKA 1
DISTRIBUSI BINOMIAL
37
STATISTIKA 1
DISTRIBUSI BINOMIAL
38
STATISTIKA 1
DISTRIBUSI POISSON
MATERI 3
DISTRIBUSI POISSON
Variabel acaknya adalah berapa kejadian yang terjadi selama interval waktu
tertentu
Jumlah total percobaan n sangat besar, dan probabilitas sukses p sangat kecil
41
STATISTIKA 1
DISTRIBUSI POISSON
P(x ; ) =
Dimana:
42
STATISTIKA 1
DISTRIBUSI POISSON
berarti bahwa kesempatan dari telpon di jam berikutnya adalah sama, tidak
lebih besar atau lebih kecil.
3. Semakin pendek interval, maka semakin mendekati nol probabilitas jumlah
telpon yang masuk. Dalam ilustrasi tadi, berarti bahwa adalah tidak mungkin
untuk lebih dari satu telpon yang masuk dalam waktu satu detik.
P(x) =
Dimana:
5. Contoh Soal
1. Jika rata-rata kedatangan bus tujuan Bandung adalah 10 bus per jam. Berapakah
probabilitas dalam interval waktu 50 menit dan ada 5 bus yang akan datang?
Gunakanlah proses poisson!
Diketahui
= 10/jam
t =
= 0,83
x=5
Ditanya
: P untuk x = 5 ?
Dijawab
: P (x) =
P (x) =
43
STATISTIKA 1
DISTRIBUSI POISSON
P (x) =
P (x) = 0,08 (8%)
Analisis
2. Seorang pembuat roti membuat roti-roti untuk dijual. Roti yang akan dibuat
berjumlah 60 buah. Pembuat roti ini memperkirakan akan ada 5% dari jumlah roti
yang akan gagal dibuat atau tidak terpanggang sempurrna, maka berapakah
probabilitas 10 roti yang akan gagal atau tidak terpanggang sempurna?
Diketahui
: n = 60
P = 5% = 0,05
Ditanya
: P untuk x = 10 ?
Dijawab
: = n . p = 60 . 0,05 = 3
P(x;)=(
)/x!
P (10 ; 3 ) = (
) / 10 !
= 0,0008
= 0,08%
Analisis : Jadi, probabilitas 10 roti yang akan gagal atau tidak terpanggang
sempurna adalah 0,0008 atau 0,08%.
44
STATISTIKA 1
DISTRIBUSI POISSON
Tuliskan pada Script window dpois (10 , 3). Angka 10 menunjukan nilai x dan
angka 3 menunjukan nilai yang didapat dari perkalian n*p (60*0.05). kemudian
tekan tombol Submit.
45
STATISTIKA 1
DISTRIBUSI POISSON
46
STATISTIKA 1
DISTRIBUSI POISSON
Lihat kolom paling kiri x = 10 yaitu 0.0008 atau sama dengan 0,08%. (cara ini
terdapat sedikit perbedaan hasil karena yang diambil dibelakang koma hanya 4
angka)
47
STATISTIKA 1
DISTRIBUSI POISSON
3. Dalam penerbangan tujuan Papua Jakarta terdapat 561 orang penumpang yang
menaiki pesawat Lion White. Pihak bandara memperkirakan terdapat 1% dari
penumpang tersebut yang tidak mempunyai tiket. Hitunglah probabilitas paling
banyak 5 orang yang tidak mempunyai tiket.
Diketahui
: n = 561
Ditanya
: p untuk x 5?
Dijawab
:=n.p
p = 1% = 0.01
48
STATISTIKA 1
DISTRIBUSI POISSON
P ( x 5;5.61)
Analisis
49
STATISTIKA 1
Kemudian pilih
DISTRIBUSI POISSON
probabilities.
3.7 Gambar Software R-Commander Poisson Tail Probabilites
Kemudian masukan variabel value (s) sebesar 5 (didapat dari nilai x) dan mean
sebesar 5,61 (didapat dari nilai ).
3.8 Gambar Poisson Probabilities
50
STATISTIKA 1
DISTRIBUSI POISSON
51
STATISTIKA 1
DISTRIBUSI NORMAL
MATERI 4
DISTRIBUSI NORMAL
1. Pengertian Probabilitas
Probabilitas merupakan suatu nilai yang digunakan untuk mengukur tingkat
terjadinya suatu kejadian yang acak. Probabilitas juga membahas tentang ukuran
atau derajat ketidakpastian suatu peristiwa. Apabila nilai nilai probabilitas
dinyatakan untuk mewakili semua nilai yang terjadi dari suatu variabel random
X,baik dengan suatu daftar (tabel) maupun dengan fungsi matematis,hasilnya disebut
distribusi probabilitas. Variabel random itu sendiri merupakan besaran yang
nilainya berubah-ubah tanpa kontrol pelaku observasi atau pelaku ekperimen.
Misalnya tingkat permintaan suatu produk merupakan variabel random karena kita
tidak bisa menentukan berapa tingkat permintaan di masa yang akan datang .
Variabel random dibagi kedalam dua bentuk yaitu diskrit dan kontinyu. Variabel
random diskrit adalah variabel yang nilai-nilainya berupa bilangan bulat atau utuh
dan berhubungan dengan proses perhitungan ,misalnya banyaknya kecelakaan mobil
per tahun di provinsi DKI Jakarta adalah variabel diskrit karena tidak ada kecelakaan
mobil dalam bilangan pecahan,misalnya 15,7 mobil.Sedangkan variable random
kontinyu merupakan variabel yang menampung semua nilai baik bilangan bulat
maupun bilangan pecahan dan berhubungan dengan pengukuran,misalnya tinggi
badan siswa kelas 3 SD bisa saja terjadi bahwa tinggi badannya 115,7 cm.
52
STATISTIKA 1
DISTRIBUSI NORMAL
dan diukur terus menerus sehingga banyak digunakan dalam bidang statistika seperti
pemecahan soal maupun penelitian (observasi berat badan,nilai hasil ujian,industry).
Dalam mencari probabilitas dengan distribusi normal maka,harus diketahui
rata-rata populasi ( ) dan simpangan bakunya ( ). Perhitungan probabilitas
suatu sampel yang diambil, didapat dengan cara melakukan transformasi nilainilai pengukuran ke dalam bentuk bakunya ( nilai Z ).
30 dan n. p 5
Dimana :
Z
= Nilai Hitung
= Rata-rata Populasi
= Rata-rata Sampel
= Simpangan Baku
Untuk
sekurang-kurangnya,
sedikitnya,
paling
sedikit,dan
minimal
maka,tandanya ( )
Contoh : Berapakah probabilitas dari pengunjung kebun binatang Taman
Safari sedikitnya 160 orang per hari ? ( Berarti yang ditanya : P (X 160) ? )
2. Untuk sebanyak-banyaknya, paling banyak dan maksimal maka, tandanya( )
Contoh : Berapakah probabilitas dari pengunjung Mall NN sebanyakbanyaknya 150 orang per hari? (Berarti yang ditanya: P (X 160) ?)
53
STATISTIKA 1
DISTRIBUSI NORMAL
Contoh Kasus :
Dari penelitian terhadap 150 insudtri tekstil di Indonesia didapatkan rata-rata
memproduksi baju () sebesar 150 baju per hari dan simpangan baku ()
sebesar 15 .Berapakah nilai Z tabel,jika industry tekstil memproduksi baju
lebih dari 170 baju ?
Diketahui
: = 150
= 15
X = 170
54
STATISTIKA 1
DISTRIBUSI NORMAL
Ditanya
: P (X > 170) ?
Jawab
=
=
Desimal Kedua
170 150
1,33
15
Setelah ketemu nilai Z hitung,selanjutnya lihat pada tabel normal berapa nilai Z tabel
untuk nilai Z = 1,33
Desimal Kedua
4.1
Desimal
Pertama
Jadi,berdasarkan tabel Z,untuk nilai Z hitung 1,33 ,nilai Z tabelnya adalah 0,4082.
55
STATISTIKA 1
DISTRIBUSI NORMAL
4. Kurva Normal
distribusi
normal . Kurva normal berbentuk seperti lonceng , maka dari itu sering disebut kurva
lonceng ,yang berarti simetris di kanan dan di kirinya dengan nilai tengahnya mean
( ).Kurva ini memiliki luas dari garis tegak pada titik nol ke kiri maupun ke kanan
adalah 0,5.Dalam menentukan suatu bentuk kurva normal maka diperlukan dua
parameter yaitu rata-rata ( ) dan simpangan baku ().
Dalam mencari luas daerah pada suatu kurva normal dengan menggunakan tabel :
P ( 0 Z a ) = Nilai Tabel a
56
STATISTIKA 1
P(
P (-
5.
) = Nilai Tabel
) = Nilai Tabel
DISTRIBUSI NORMAL
- Nilai Tabel
+ Nilai Tabel
Maka,probabilitas dapat dicari ketika telah diketahui nilai Z tabel yang didapat dari
nilai Z hitung dengan menggunakan rumus distribusi normal dikurangi atau
ditambah dengan 0,5 . Berikut ini akan dibahas beberapa contoh soal dalam mencari
probabilitas dengan distribusi normal.
6. Contoh Soal
1. Diketahui bahwa rata-rata pengunjung Kebun Binatang Ragunan mencapai
155 orang per hari dengan simpangan baku 15 orang
. Jika jumlah
57
STATISTIKA 1
DISTRIBUSI NORMAL
Diketahui :
155
15
X 165
Ditanya : P(X > 165)?
Jawab :
Z
=
=
165 155
0,666 0,67
15
Z tabel= 0,2486
Wilayah Nilai Ztabel
Wilayah Nilai
Probabilitas
155
165
0,2486
0,2514
58
STATISTIKA 1
DISTRIBUSI NORMAL
59
STATISTIKA 1
DISTRIBUSI NORMAL
Maka akan muncul kotak dialog Normal Probabilitas. Input Variable Value =
165. input nilai mean = 155. Input nilai Standar Deviation= 15. Pilih Upper
Tail (karena P(X > 165) atau lebih dari selalu menggunakan upper tail).
Kemudian tekan OK.
60
STATISTIKA 1
DISTRIBUSI NORMAL
Maka pada output window diperoleh P(X > 165) = 0,2524 (hasil tidak sama
persis dengan manual dikarenakan perbedaan jumlah angka dibelakang
koma yang diambil).
4.4 Gambar Output Software R-Commander
61
STATISTIKA 1
DISTRIBUSI NORMAL
1.600
16
X 1.567
Ditanya : P(X < 1.567) ?
Jawab :
Z
=
=
1.567 1.600
2,06
16
Z tabel = 0,4803
Wilayah Nilai
Probabilitas
1.567
0,0197
1.600
0,4803
Analisis: Jadi, Probabilitas dari penjualan motor kurang dari 1.567 unit
adalah 0,0197 atau 1,97 %.
62
STATISTIKA 1
DISTRIBUSI NORMAL
63
STATISTIKA 1
DISTRIBUSI NORMAL
Maka akan muncul kotak dialog Normal Probabilitas. Input Variable Value =
1.567. input nilai mean = 1.600. Input nilai Standar Deviation = 16. Pilih
Lower Tail (karena P(X < 1.567) atau kurang dari selalu menggunakan lower
tail). Kemudian tekan OK.
64
STATISTIKA 1
DISTRIBUSI NORMAL
Maka pada output window diperoleh P(X < 1.567) = 0,01958 (hasil
tidak sama persis dengan manual dikarenakan perbedaan jumlah
angka dibelakang koma yang diambil)
4.8 Gambar Output Software R-Commander
65
STATISTIKA 1
DISTRIBUSI NORMAL
75
50
X 1 16
X 2 77
Ditanya : P(16 X 77) ?
Jawab :
Z1
16 75
1,18
50
Ztabel = 0,3810
Z2
77 75
0,04
50
Ztabel = 0,0160
16
75
77
0,3810 0,0160
0,3810 + 0,0160 = 0,397
Analisis: Jadi, Probabilitas dari pembeli Rainbow Cake tersebut antara 16 orang
sampai 77 orang per hari adalah 0,397 atau 39,7 %
66
STATISTIKA 1
DISTRIBUSI NORMAL
67
STATISTIKA 1
4.10
DISTRIBUSI NORMAL
68
STATISTIKA 1
4.11
DISTRIBUSI NORMAL
Gambar Tabel Z
69
STATISTIKA 1
DISTRIBUSI NORMAL
70
STATISTIKA 1
DAFTAR PUSTAKA
DAFTAR PUSTAKA
Algifari. 1996. Probabilitas Dalam Pengambilan Keputusan Bisnis. Yogyakarta:
BPFE
Drs.Subana, M.Pd,dkk. 2000. Statistik Pendidikan. Bandung : CV.Pustaka Setia.
Irianto, Agus. 2015. Statistik Konsep Dasar, Aplikasi, & Pengembangannya Edisi
Keempat. Padang : Kencana Perdanamedia Group
Kustituanto, Bambang. 1988. Statistika Untuk Ekonomi Dan Bisnis. Yogyakarta:
BPFE.
Lind, Douglas A., William G. Marchal & Samuel A. Wathen. 2007. Teknik-teknik
Statistika dalam Bisnis dan Ekonomi Menggunakan Kelompok Data Global,
Edisi 13. Jakarta: Salemba Empat
Mulyono,Sri. 2006. Statistika Untuk Ekonomi dan Bisnis. Jakarta : LPFE UI.
Nur Indah Susanti, Meilia. 2010. Statistika Deskriptif dan Induktif. Yogyakarta :
Graha Ilmu.
Sarini Abdullah dan Taufik Edy Sutanto. 2015. Statistika Tanpa Stres. Jakarta
Selatan : TransMedia.
Sigit Nugroho,Ph.D. 2007. Dasar-dasar Metode Statistika. Jakarta Barat : Grasindo.
Subiyakto, Haryono. 1994. Statistika 2. Jakarta: Penerbit Gunadarma.
Sudjana.2013.Metoda Statistika,edisi ke VII .Bandung : Tarsito
Supratno, Johanes. 2009. Statistik Teori dan Aplikasi Edisi Ketujuh. Jakarta : Penerbit
Erlangga
Walpole, Ronald E. 2015. Pengantar Statistika Edisi ke-3. Jakarta : PT. Gramedia
Pustaka Utama.
Wathen, Lind Marchal. Teknik-Teknik Statistika dalam Bisnis dan Ekonomi 1 Edisi
15. New York : Salemba Empat
52