BIOSTATISTIK Kumpulan angka kuantitatif hasil

pengukuran variabel, belum memiliki

#KONSEP BIOSTATISTIK DI BIDANG GIZI makna
Statistik Variabel
Sekumpulan konsep dan metode yang digunakan untuk Karakteristik subyek yg memiliki variasi
mengumpulkan, menganalisis, dan menginterpretasi atribut atau nilai
data dlm situasi yg bervariasi dan tdk ada kepastian

Biostatistik
Metode statistik yang diterapkan pada ilmu-ilmu terkait
kesehatan, seperti kedokteran dan kesehatan
masyarakat, untuk membantu memahami tentang
karakteristik populasi, dan hubungan/ pengaruh
variabel pada populasi

Fungsi Biostatistik
Perencanaan program pelayanan kesehatan
Penyelesaian masalah kesehatan
Analisis berbagai penyakit selama periode waktu
tertentu (time series analysis)
Menentukan penyebab timbulnya penyakit baru
yang belum diketahui
Menguji manfaat obat bagi penyembuhan penyakit
(setelah hasil uji klinik dinyatakan berhasil)
Secara administratif dapat untuk memberi
penerangan tentang kesehatan kepada masyarakat

Data Statistik
Data kuantitatif
Berbentuk bilangan, Co : 45,7 kg, 7 anak Data Menurut Skala Ukur
Data kualitatif Nominal
Brbtk kategori, Co : sembuh, sakit, , gagal sifatnya hanya untuk membedakan antar
kelompok, co : jenis kelamin, jurusan di PT.
Data kuantitatif Ordinal
Data diskrit selain memiliki sifat nominal, juga
Hasil dari menghitung/membilang menunjukkan peringkat, co : tingkat
Co : Kab. A sudah membangun 85 gedung pendidikan, ranking
sekolah. Interval
Data kontinyu selain memiliki sifat data ordinal, juga memiliki
Hasil pengukuran sifat interval antar observasi dinyatakan dalam
Co : Tinggi badan si Z 167 cm. unit pengukuran yang tetap, co : nilai
Rasio
Sumber Data selain memiliki sifat data interval, skala rasio
Data intern memiliki angka 0 (nol) dan perbandingan
Data yg diambil dr sumber sendiri antara dua nilai mempunyai arti., co : suhu, BB
Data ekstern
Data yg diambil dr sumber lain sbg data Jenis Data Menurut Waktu Pengumpulannya
pembanding Cross sectional data
Data ektern primer dan sekunder data yang dikumpulkan pada waktu tertentu
yang sama atau hampir sama
Populasi dan Sampel Co : jumlah mahasiswa gizi Unida Gontor
Populasi : seluruh obyek penelitian 2015/2016
Sampel : data yg diambil dari populasi Time series data
Sampel harus representatif sgl karakteristik populasi data yang dikumpulkan selama kurun
harus tercermin dlm sampel yg diambil waktu/periode tertentu
Co : jumlah pasien DM tahun 2010 - 2016
Data dan Variabel
Data Cara Penyajian Data
1. Tabel
Tabel satu arah (one-way table)
1
 Tabulasi silang (lebih dari satu arah (two-way
table), dst.)
Tabel Distribusi Frekuensi
2. Grafik
Batang (Bar Graph), untuk
perbandingan/pertumbuhan
Lingkaran (Pie Chart), untuk melihat
perbandingan (dalam persentase/proporsi)
Grafik Garis (Line Chart), untuk melihat
pertumbuhan
Grafik Peta, untuk melihat/menunjukkan lokasi
Prosedur Penggunaan Tabel & Grafik
Distribusi Frekuensi
Merupakan tabel ringkasan data yang menunjukkan
frekuensi/banyaknya item/obyek pada setiap kelas
yang ada.
Tujuan: mendapatkan informasi lebih dalam
tentang data yang ada yang tidak dapat secara
cepat diperoleh dengan melihat data aslinya.
Distribusi Frekuensi Relatif
Merupakan fraksi atau proporsi frekuensi setiap
kelas terhadap jumlah total.
Distribusi frekuensi relatif merupakan tabel
ringkasan dari sekumpulan data yang
menggambarkan frekuensi relatif untuk masing-
masing kelas.
Ogive
Merupakan grafik dari distribusi frekuensi
kumulatif.
Nilai data disajikan pada garis horisontal
(sumbu-x).
Pada sumbu vertikal dapat disajikan:
Frekuensi kumulatif, atau
Frekuensi relatif kumulatif, atau
Persen frekuensi kumulatif
Frekuensi yang digunakan (salah satu
diatas)masing-masing kelas digambarkan
sebagai titik.
Setiap titik dihubungkan oleh garis lurus.
Diagram Area
Diagram area merupakan penyajian grafik dengan absis
X variabel dan ordinat Y frekuensi data dari variabel
tersebut.
Diagram umur responden berat badan bayi di RS X
dibuat dengan menampilkan tabel bantuan distribusi
frekuensi tunggal.
Diagram Scatter
Diagram scatter (scatter diagram) merupakan
metode presentasi secara grafis untuk
menggambarkan hubungan antara dua variabel
kuantitatif.
Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan pada
sumbu vertikal.
Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar
variabel.
Scatter Plot
Diagram plot titik antara umur responden (X) dengan
tekanan Hb ibu hamil (Y). Dipakai untuk mengetahui
pola hubungan kedua variabel tersebut.
Pola Hubungan pada Diagram Scatter
Manfaat Tabel dan Grafik
Meringkas/rekapitulasi data, baik data kualitatis
maupun kuantitatif
Data kualitatif berupa distribusi Frekuensi,
frekuensi relatif, persen distribusi frekuensi,
grafik batang, grafik lingkaran.
Data kuantitatif berupa distribusi frekuensi,
relatif frekuensi dan persen distribusi
frekuensi, diagram/plot titik, histogram,
distribusi kumulatif, ogive.
Dapat digunakan untuk melakukan eksplorasi data
Membuat tabulasi silang dan diagram sebaran data
PenggolonganStatistik
Statistik
- Deskriptif
- Inferensial = Estimasi & Uji Hipotesis
2
 # UKURAN PEMUSATAN(CENTRAL
TENDENCY)
Tujuan analisis distribusi frekuensi mengetahui
kecenderungan memusat atau menyebarnya nilai-
nilai dalam suatu distribusi.
Analisis distribusi frekuensi hanya menggunakan 2
perangkat analisis :
Ukuran pemusatan (central tendency)
Ukuran penyebaran (dispertion)

Ukuran Pemusatan (Central Tendency)

Mendefinisikan ukuran-ukuran data numerik yg
menjelaskan ciri-ciri data.
Sembarang ukuran yang menunjukkan pusat
segugus data yang telah diurutkan dari yang terkecil
hingga terbesar atau sebaliknya
Penyederhanaan data untuk mempermudah
peneliti membuat interpretasi dan mengambil
suatu kesimpulan

Ukuran Pemusatan
Mean - Median - Modus

Mean
Mean atau rataan adalah jumlah seluruh data
(sum) dibagi dengan banyaknya data.
Sangat terpengaruh jika ada nilai ekstrim
= mean untuk sampel
= mean untuk populasi
N : jumlah data populasi
n : jumlah data sampel

Perhitungan Mean untuk Data Tak Berkelompok

Data tak berkelompok : data tunggal/data yang tidak
dikelompokan dalam distribusi frekuensi.

3
Perhitungan Mean untuk Data Kelompok
Data berkelompok / bergolong : data yang telah
digolongkan dalam distribusi frekuensi.

Contoh Soal
Ada 10 balita dengan BB sebagai berikut Hitung
mean, median, modus dari data di atas.
Median
Median adalah nilai yang tepat berada di tengah- Nama BB
tengah sekelompok data setelah data kita diurutkan Ana 14,5 kg
menurut besarnya. Ani 20,3 kg
Tidak dipengaruhi nilai ekstrim Tito 13,9 kg
Tobi 16,0 kg
Perhitungan Median untuk Data Tak Berkelompok
Tio 12,9 kg
Urutkan data mulai dr yg terkecil sampai yg trbesar
Merry 19,2 kg
Md = (n + 1)
keterangan : Pampam 13,4 kg
Md = median Ita 17,7 kg
n = jumlah data Iman 14,5 kg
Median untuk data ganjil terletak di tengah Michael 18,1 kg
Median untuk data genap rerata dari 2 data yang
berada di tengah

Perhitungan Median untuk Data Berkelompok =16,05 kg

Urutan data 12,9 kg; 13,4 kg; 13,9 kg; 14,5
kg; 14,5 kg; 16,0 kg; 17,7 kg; 18,1 kg; 19,2 kg;
20,3 kg
Median dari data di atas = (14,5 + 16,0)
=15, 25 kg
Modus dr data diatas = 14,5 (muncul 2x)

Diketahui data tinggi badan remaja putri sebagai

berikut. Hitung mean, median, dan modus.
TB Frek Xi (nilai Xi.f F kum
tengah)
140 - 144 3 142 426 3
Modus
145- 149 4 147 588 7
Modus adalah nilai/data yang paling tinggi
150-154 9 152 1368 16
frekuensi kemunculannya dalam kelompok data
155-159 15 157 2355 31
yang kita miliki tersebut.
160-164 11 162 1782 42
Tidak dipengaruhi nilai ekstrim
165-169 5 167 835 47
Perhitungan Modus untuk Data Tak Berkelompok 170-174 3 172 516 50
Urutkan data mulai dari yang terkecil sampai TOTAL 50 7870
yang terbesar
Cari nilai yang paling sering muncul Mean = 7870/50 = 157,4 cm
Median
Perhitungan Modus untuk Data Kelompok

= 157,5 cm
Modus

4
 Q3 dari data TB di atas

= 162,45 cm

Desil
Skala Pengukuran
Skala pengukuran interval mean, median,
dan modus dapat digunakan.
Data sedikit mean
Data banyak dibuat data
berkelompok kmd dihitung mean,
median, modus
Skala pengukuran data berupa ordinal
median dan modus
Skala pengukuran nominal modus D4 dari data TB di atas

Bentuk distribusi frekuensi

Hal yang perlu diperhatikan dalam memilih ukuran
yang tepat adalah bentuk distribusi frekuensi. = 155,83 cm
Dalam distribusi normal (sempurna), ketiga ukuran Persentil
memiliki letak yang sama.
Mean tidak akurat jika digunakan pada distribusi
yang menceng, lebih baik menggunakan median.

P99 dari data TB di atas

Kurva positif (miring ke kiri)

Kurva negatif (miring ke kanan) = 173,67 cm
Jika distribusi data tidak terlalu menceng,
hubungan mean, median, modus adalah # UKURAN PENYEBARAN (DISPERTION)
Nilai sebaran (variabilitas) nilai yang dapat
Kuartil Data Tak Berkelompok memberikan gambaran penyebaran data
Ukuran variasi atau penyimpangan : ukuran
yang menyatakan seberapa jauh penyimpangan
data dari nilai pusat
NILAI PENYEBAARAN
Range
Mean Deviation
Varians
Standar Deviasi
Range Semi Antar Kuartil
Desil Range

Range/Nilai Kisar
Perbedaan nilai yang terbesar dengan yang terkecil
Ditentukan hanya oleh 2 nilai pengamatan
Tidak tergantung pada banyaknya pengamatan
5
 Sukar dipercaya karena pengaruh nilai ekstrim 165-169 5 167 9,6 48
Fluktuasinya sangat besar 170-174 3 172 14,6 43,8
Perhitungan jarak hanya menggunakan 2 nilai TOTAL 50 284,8
ekstrim dan tidak memperhatikan nilai diantaranya.
Oleh krn itu, digunakan istilah QUARTIL (Q) untuk
mengetahui nilai antara yang tdk diperhitungkan
tsb.

Range untuk data tidak berkelompok

Varians/Ragam untuk data tunggal
Range = Data terbesar Data terkecil

Range Data Berkelompok

Ada 2 cara :
Menghitung selisih titik tengah kelas tertinggi
dengan titik tengah kelas terendah
Menghitung selisih batas atas kelas tertinggi
dengan batas bawah kelas terendah
Nama BB BB-mean (BB-mean)2
TB f Nilai tengah Ana 14,5 kg 1,55 2,4025
140 - 144 3 142 Ani 20,3 kg 4,25 18,0625
145- 149 4 147 Tito 13,9 kg 2,15 4,6225
Tobi 16,0 kg 0,05 0,0025
150-154 9 152
Tio 12,9 kg 3,15 9,9225
155-159 15 157
Merry 19,2 kg 3,15 9,9225
160-164 11 162 Pampam 13,4 kg 2,65 7,0225
165-169 5 167 Ita 17,7 kg 1,65 2,7225
170-174 3 172 Iman 14,5 kg 1,55 2,4025
TOTAL 50 Michael 18,1 kg 2,05 4,2025
Range = 172 142 = 30 61,285
Range = 174,5 139,5 = 35

Mean Deviation/Rata-Rata Simpangan

TB f fk Nilai xi-x (xi-x)2 (xi-x)2 * f

tengah
140 - 3 3 142 15,4 237,16 711,48
144
145- 4 7 147 10,4 108,16 432,64
149
150-154 9 16 152 5,4 29,16 262,44

155-159 15 31 157 0,4 0,16 2,4

Mean data BB = 16,05 160-164 11 42 162 4,6 21,16 232,76

165-169 5 47 167 9,6 92,16 460,8

170-174 3 50 172 14,6 213,16 639,48

RS
TOTAL 50 2742
TB f Nilai xi-x (xi-x)f
tengah
140 - 144 3 142 15,4 46,2
145- 149 4 147 10,4 41,6
150-154 9 152 5,4 48,6 Simpangan Baku/Standar Deviasi (SD)
155-159 15 157 0,4 6 Nilai yang menunjukkan tingkat variasi kelompok
160-164 11 162 4,6 50,6 data atau ukuran standar penyimpangan dari
meannya
6
 Standar deviasi merupakan metode yang paling
umum digunakan untuk menentukan variabilitas
SD untuk data tunggal
Semakin tinggi standar deviasi, semakin besar
penyimpangan data dari mean data memiliki
variabilitas tinggi data heterogen
Semakin rendah standar deviasi, semakin
rendah penyimpangan data dari mean data
memiliki variabilitas rendah data homogen
Standar Deviasi data TB
Standar Deviasi data BB
Range Semi Antar Kuartil (RSAQ)
Range = jarak antara 2 titik yang di ujung
Semi = nilai pertengahan dari jarak tersebut
Kuartil = nilai-nilai ujungnya adalah Q1 dan Q3
Desil Range
Desil Range= D9-D1
Koefisien Variasi/Koefisien Keragaman
Koefisien variasi ukuran variasi relatif yang
digunakan untuk melihat penyimpangan-
penyimpangan nilai dari beberapa kumpulan
data.
Semakin rendah koefisien variasi maka semakin
homogen data yang diperoleh dan sebaliknya
semakin tinggi koefisien variasi maka semakin
heterogen data yang diperoleh
Nilai Distribusi/Pencaran
Kurtosis
Skewness
Kurtosis/Ukuran Keruncingan
Kurtosis adalah ukuran mengenai tinggi
rendahnya atau runcingnya suatu kurva.
Jika nilai k :
k > 0,263 kurva leptokurtis (puncaknya
runcing sekal
k < 0,253 kurva platikurtis (puncaknya
agak mendatar)
k = 0 kurva mesokurtis (puncaknya tidak
begitu runcing atau distribusi normal)
Skewness
Ukuran kemiringan distribusi frekuensi
Distribusi simetris Mean = Median = Modus
Distribusi tidak simetris Mean Median
Modus
# DISTRIBUSI PROBABILITAS
Kejadian alam secara statistik selalu dikatakan
mempunyai peluang untuk terjadi / tidak terjadi.
Keputusan di dalam statistik merupakan peluang
(probabilitas) yang diyakini benar dan juga
memberikan peluang tidak benar (salah)
Rumus Probabilitas Klasik
P (E) = X/N
P=probabilitas
E=event/kejadian
X=jumlah kejadian yang diinginkan
N=keseluruhan kejadian yang mungkin terjadi
7
 Contoh :
Eksperimen : pelemparan sebuah dadu
Hasil : mata dadu yang tampak
Ruang sampel : {1,2,3,4,5,6}
Suatu peristiwa : A = titik ganjil yang tampak
{1,3,5}
B=titik genap yang tampak {2,4,6}
P (A) = 3/6=1/2
Azas Perhitungan Probabilitas
A. Hukum Pertambahan
1. Untuk peristiwa yang mutually exclusive
Ada 5 orang kandidat untuk dikirim ke tempat
KLB diare, sebut saja A, B, C, D, E. Jika yang
dikirim hanya 1 orang maka probabilitas D atau
E yang dikirim adalah
2. Untuk peristiwa non mutually exclusive
Penarikan 1 kartu dari 1 set kartu bridge.
Berapakah peluang akan terambil kartu As atau
berlian
P (As) = 4/52 P (Berlian) = 13/52
Ada sebuah kartu As berlian = 1/52
B. Hukum Perkalian
Peristiwa bebas (independen)
Dua peristiwa dikatakan bebas bila kejadian
atau ketidakjadian suatu peristiwa tidak
mempengaruhi peristiwa lain.
Contoh : sebuah koin dilambungkan 2x maka
peluang keluarnya angka pd lemparan pertama dan pd
pelemparan kedua saling bebas
Sebuah dadu dilambungkan 2 kali berapa
peluang terjadinya keduakalinya keluar angka 5
Peristiwa tidak bebas/bersyarat (conditional
probability)
Dua peristiwa dikatakan bersyarat bila kejadian
atau ketidakjadian peristiwa akan berpengaruh
terhadap peristiwa lainnya
Contoh : 2 buah kartu ditarik dari 1 set kartu
bridge dan tarikan ke-2 tanpa memasukkan kembali
kartu pertama. Maka probabilitas kartu kedua sudah
bergantung pd kartu pertama yg ditarik
Dua buah kartu ditarik dari 1 set kartu bridge,
berapa peluang untuk yang terambil keduanya
kartu As
Peluang As I = P(As)= 4/52
Peluang As II dgn syarat As I sudah terambil =3/51
8
 Permutasi
P = jumlah permutasi
n = banyaknya oburk
r = jumlah anggota pasangan
Pada permutasi urutan dipentingkan
Contoh
Ada 3 cara efektif untuk pengobatan pasien DM
yaitu diet (D), obat (O), dan suntik insulin (I). Ada
berapa carakah dapat diobati seseorang yg
menderita DM jk kpd masing2 pasien hanya ada 2
macam terapi yg diberikan?
Jawab : untuk pengobatan ini urutan diperlukan
karena seseorang yg mendapat terapi diet dan obat
akan berbeda dg yg mendapat obat dulu baru diet
Jadi terapi yg dpt dilakukan : DO, DI, OD, OI, ID, IO
C = jumlah kombinasi
n = banyaknya oburk
r = jumlah anggota pasangan
Pada permutasi urutan tidak dipentingkan
Contoh :
3 orang pasien digigit ular dan dibawa ke
Puskesmas. Di Puskesmas hanya tersedia 2 dosis
anti racun ular. Berapa kemungkinan pasangan yg
akan diberikan 2 dosis obat tsb
Jawab : 2 org yg berpasangan A dan B = B dan A.
Jadi di sini urutan tdk ada artinya
Mereka adalah AB, AC, BC
# DISTRIBUSI PROBABILITAS
Kunci aplikasi probabilitas dalam statistik
adalah memperkirakan terjadinya
peluang/probabilitas yang dihubungkan dengan
terjadinya peristiwa tersebut dalam beberapa
keadaan.
Jika kita mengetahui keseluruhan probabilitas
dari kemungkinan outcome yang terjadi,
seluruh probabilitas kejadian tersebut akan
membentuk suatu distribusi probabilitas.
Variabel acak diskret
Variabel acak yg memiliki nilai yg dpt
dicacah (countable)
Variabel acak kontinu
Variabel acak yg memiliki nilai tak
hingga banyaknya sepanjang interval yg
tdk terputus
Variabel diskrit
Distribusi Binomial
Distribusi Poisson
Variabel kontinu
Distribusi Normal
Distribusi t
Distribusi Binomial
Disebut juga Bernoully Law contohnya pada
sebuah eksperimen yg menghasilkan 2
peristiwa yaitu A dan bukan A
P (A) = = peluang terjadinya peristiwa A. Maka
distribusi binomial ini biasanya percobaan yg
dilakukan diulang-ulang dan pada tiap
percobaan itu = P(A) tetap harganya.
Contoh :
Dalam pelemparan mata uang sebanyak n kali
dengan probabilitas keluar gambar kepala
(H)=1/2 atau gambar ekor (T) =1/2 maka
probabilitas memperoleh X kali keluar H
Jika p(H) =(1/2) = probabilitas keluar gambar H
Bila probabilitas keluar gambar H=p dan
q=probabilitas keluar gambar T maka q=1-p
Ciri-Ciri Distribusi Binomial
Setiap percobaan hanya memiliki 2 peristiwa
(sukses-gagal)
Probabilitas suatu peristiwa adl tetap, tidak
berubah untuk setiap perubahan
Percobaannya bersifat independen
Jumlah atau banyaknya percobaan yg merupakan
komponen percobaan binomial harus tetap
Probabilitas yang mungkin terjadi
Probabilitas keluarnya sebanyak x kali dari n kali
percobaan adalah
p=probabilitas keluar H (probabilitas sukses
keluar H)
q=probabilitas gagal keluar H
q=1-p
= jumlah kombinasi yang mungkin
dapat terjadi dari n kali percobaan
9
Probabilitas seorang bayi tidak diimunisasi polio adalah
0,2 (p). Pada suatu hari di Puskesmas "X" ada 4 orang
bayi. Hitunglah peluang dari bayi tersebut 2 orang
belum imunisasi polio. Jadi, di dalam kejadian binomial
ini dikatakan b (r=2, n=4, p=0,2 q= 0,8)
Katakanlah bayi tersebut A,B,C,D. Dua orang
tidak diimunisasi mungkin adalah A&B, A&C,
A&D, B&C, B&D, C&D.
Terdapat 5 orang mahasiswa yang akan mengikuti
UAS dan diperkirakan probabilitas masing2-masing
lulus sebesar 0,4. Hitunglah probabilitasnya :
4 orang diantaranya akan lulus
Paling sedikit 4 orang diantaranya lulus
Paling banyak 2 orang lulus
Jawab :
P=0,4, Q=0,6, n=5
4 orang diantaranya lulus P(X=4)
Prob =
Paling sedikit 4 orang diantaranya lulus P(X>4)
Prob =
Paling banyak 2 orang lulus P(X<2)
Prob =
Distribusi Poison
Distribusi ini digunakan pada n yang kecil. Oleh
karena itu sering disebut hukum nilai kecil.
Percobaan yg menghasilkan variabel random X yg
menyatakan banyaknya outcome selama interval
waktu tertentu atau dalam area atau luas
tertentu dinamakan percobaan Poisson.
Contoh:
X : banyak hari-hari sekolah tutup karena
bencana alam dalam setahun
X : banyaknya penundaan pertandingan bola
karena hujan dalam semusim pertandingan
X : banyak tikus per hektar
Ciri-Ciri Distribusi Poisson
Terjadinya event sangat jarang dalam periode
pendek
Event yang independen
Probabilitas setiap periode selalu konstan
Untuk terjadinya beberapa event dalam
periode pendek hampir mendekati nol
Distribusi poison sering digunakan pada
penelitian operasional untuk menentukan
probabilitas peristiwa yang jarang terjadi dalam
periode pendek.
Bila jumlah n percobaan makin besar bahkan
mendekati tak terhingga (n ~) maka
penggunaan distribusi binomial akan semakin
rumit untuk mengetahui probabilitas peristiwa
yg diinginkan maka digunakan distribusi poison
Dimana =m==np dan e=2,71828
Andaikan dalam sebuah buku yang terdiri dari 500
halaman terdapat 300 kata salah cetak dan
terdistribusi secara random dalam halaman-
halaman buku tsb. Hitung probabilitasnya
seandainya anda membuka sebuah halaman buku
akan didapati :
2 kata yang salah cetak
2 kata atau lebih yang salah cetak
2 kata yang salah cetak
m==np
Diketahui bahwa disuatu daerah terdapat 1,5%
anak balita yang menderita gizi kurang.kita
ambil sampel sebanyak 300 anak. Berapa
probabilitas untuk mendapatkan anak dengan
gizi kurang?
10
 Jadi suatu distribusi merupakan distribusi
normal dengan =0 dan 2 =1 atau N(, 2)
N(0,1)

LATIHAN
1. Peluang mahasiswa merokok 0,2. Bila diambil sampel Distribusi normal digunakan sebagai patokan dalam
sebanyak 8 mahasiswa. Hitung peluang : mengambil suatu kesimpulan berdasarkan hasil
a. Tidak ada mahasiswa yang merokok sampel yang diperoleh.
b. 2 mahasiswa merokok Pengukuran sampel digunakan untuk menafsirkan
c. Kurang dari 3 mahasiswa merokok parameter populasi.
Distribusi normal sangat sesuai dengan distribusi
d. Paling banyak 3 mahasiswa merokok
empiris, sehingga dapat dikatakan bahwa semua
kejadian alami akan membentuk distribusi ini.
Karena alasan inilah sehingga distribusi ini dikenal
sebagai distribusi normal dan grafiknya dikenal
2. Diketahui peluang balita menderita gizi buruk di sebagai kurva normal atau kurva Gauss.
Depok 2 % (0,02). Bila diambil sampel 150 balita. Hitung
peluang: Kurva Gauss
a. Ada 3 balita menderita gizi buruk
b. Ada < 6 balita menderita gizi buruk
c. Ada > 4 balita menderita gizi buruk
d. Paling banyak 5 balita menderita gizi buruk.

3. Diketahui bahwa rata-rata produksi biskuit PMT yang

rusak sebanyak 10%. Jika total produksi dipilih secara
acak sebanyak 3 bungkus maka hitunglah :
a. Ketiga bungkus tsb mrpkn produk yg baik
b. 2 bks diantaranya terdapat produk yg rusak
c. Paling banyak terdapat 1 bungkus yg baik

4. Diketahui bahwa terjadinya syok anafilaktik setelah Ciri-ciri Distribusi Normal

mendapatkan suntikan penisilin adalah 0,001. Bila kita Disusun dari variabel random kontinu
ingin menyuntikkan penisilin kepada 500 orang, berapa Kurva distribusi normal mempunyai satu
probabilitas untuk terjadinya syok anafilaktik sebanyak puncak (unimodal)
0,1,2 dan lebih dari 2. Kurva berbentuk simetris dan menyerupai
lonceng hingga mean, median dan modus
terletak pada satu titik
# DISTRIBUSI PROBABILITAS
Kurva normal dibentuk dengan N yang tak
terhingga
Distribusi Normal
Peristiwa yang dimiliki tetap independen
Persamaan distribusi normal
Ekor kurva mendekati absis pada
penyimpangan 3 SD ke kanan dan ke kiri dari
rata-rata dan ekor grafik dapat dikembangkan
sampai tak terhingga tanpa menyentuh sumbu
absis

Contoh Soal
Z=nilai dalam bentuk z-score (z value). Mengukur Dari hasil penelitian terhadap 200 orang dewasa
perbedaan antara nilai X dan dlm SD diperoleh rerata kadar glukosa darah sewaktu 145
= nilai rata-rata populasi mg% dgn SD 30 mg%. htg probabilitas mndapatkn
= SD populasi seorang dg kadar glukosa darah >165 mg%
Xi- = Z Z = 165 - 145 = 0,66
30

11
Pada tabel 0,6 dilihat pada kolom dan nilai 0,06 pada
baris (lihat lampiran tabel Z) diperoleh nilai 0,2454, nilai
tersebut adl luas area antara 145 s.d. 165 mg%. Maka
P>165 mg% adl 0,5 0,2454 = 0,2546.
Hasil produksi dari pabrik bola lampu merk X
memiliki daya tahan () sebesar 900 jam pakai dan
standar deviasi () 50 jam. Asumsi daya tahan
lampu pijar memiliki distribusi normal, maka
hitunglah berapakah probabilitas lampu pijar yang
a. Daya tahan antara 875-950 jam
b. <850 jam
c. >980 jam
d. Kurang dari 800 jam dan lebih dari 950 jam
a. P Antara 875-950 jam
Distribusi t
Kurva distribusi t bentuknya agak melebar pada
ekor kurvanya dan bentuknya sangat
dipengaruhi oleh angka derajat kebebasannya
(degree of freedom). Semakin besar degree of
freedom (df=n-1) maka distribusi t tersebut
selanjutnya akan menjadi distribusi normal (Z)
Distribusi t disebut juga distribusi student
Ciri-Ciri Distribusi t
Sampel yang diuji berukuran kecil (n<30)
Penentuan nilai tabel dilihat dari besarnya
tingkat signifikan () dan besarnya derajat
bebas (db)
Fungsi Pengujian Distribusi t
Memperkirakan interval rata-rata
Menguji hipotesis tentang rata-rata suatu
sampel
Menunjukkan batas penerimaan suatu hipotesis
x = rata-rata sampel
= rata-rata populasi
s= standar deviasi
n= jumlah sampel
Untuk n = 13 jadi df = 12, dan p = 0,95 maka t =
1,78 (ini dapat dilihat dalam daftar tabel t)
dengan jalan maju ke kanan dari 12 dan
menurun dari 0,95
Untuk n = 16 jadi df = 15, tentukan t supaya
luas yg diarsir = 0,95. Dari grafik dapat dilihat
bahwa luas ujung kanan dan ujung kiri = 1
0,95 = 0,05. Kedua ujung ini sama luas dan luas
ujung kanan mulai dari t ke kanan = 0,025.
Mulai dari t ke kiri luasnya = 1- 0,025 = 0,975.
Harga p inilah yang dipakai untuk daftar.
Dengan df = 15 kita maju ke kanan dan dari p =
0,975 kita menurun, didapat t = 2,13. jadi
antara t = -2,13 dan t=2,13 luas yang diarsir =
0,95
Tentukan t sehingga luas dari t ke kiri = 0,05
dengan df = 9. Untuk ini p yg digunakan = 0,95.
Dengan df = 9 didapat t=1,83. Karena yang
diminta kurang dari 0,5 maka t harus bertanda
negatif. Jadi t=-1,83.
12
TUGAS
1. Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar 10.
Berapakah probabilitas kesembuhan antara 190 dan 210?

0,3413 + 0,3413 = 0,6826

P = 68,26%

2. Suatu penelitian dilakuakn untuk mengetahui kadar hemoglobin (Hb) ibu hamil. Diambil sebanyak
100 ibu hamil dan diperoleh rata-rata kadar Hb 10,5 g/dl, dengan standar deviasi 5,0 g/dl.

a. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb>11,5 g/dl
b. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb serendah-rendahnya 8,5 g/dl
c. Hitunglah probabilitas akan mendapatkan seorang ibu hamil dari 100 orang tersebut
memiliki kadar Hb antara 9-13,5 g/dl
Jawab =

a) = 0,0793

>11,5 0,5 - 0,0793 = 0,4207

P = 42,07%

b) = 0,1554

>8,5 0,5 + 0,1554 = 0,6554

P = 65,54%

c)

0,1179 + 0,2257 = 0,3436

P = 34,36%

13