POPULASI DAN SAMPEL

1. Populasi

Populasi adalah kumpulan individu sejenis yang berada pada wilayah tertentu dan pada waktu
yang tertentu pula.Kata populasi (dari bahasa Inggris: Population) dalam bidang statistika
berarti sekumpulan data yang menjadi objek inferensi.

Populasi berdasarkan jumlah :

 Populasi terbatas (terhingga) : populasi yang dinyatakan dengan angka dan mempunyai
batasan. Contoh : Program Sarjana Ekonomi memberikan beasiswa kepada 300 mahasiswa
berprestasi.
Terbatas : hanya untuk 300 mahasiswa berprestasi.
Karakter : Beasiswa

 Populasi tak terbatas (tak terhingga) : populasi yang tidak dapat ditentukan batasnya.
Contoh : sejumlah pedagang berjualan di sekitar taman kota.
Tak terbatas : sejumlah pedagang.
Karakter : berjualan.

Populasi berdasarkan turunan populasi terbatas dengan ruang lingkup yang lebih
dipersempit :

 Populasi teoritis : populasi yang diturunkan dari populasi terbatas.

Contoh : Program Sarjana Ekonomi memberikan beasiswa kepada 300 mahasiswa

berprestasi tahun 2015.Untuk mengetahui siapa saja yang layak mendapat beasiswa maka
dapat melihat kriteria pemberian beasiswa tahun 2014.

 Populasi tersedia : populasi turunan dari populasi teoritis yang akan diteliti dengan
mempertimbangkan jumlah, waktu dan tenaga yang tersedia dengan memperhatikan
karakteristik yang ditentukan.

Populasi berdasarkan variasi dari unsur pembentuk sumber data :

o Populasi bersifat homogen :populasi yang unsur unsur pembentukan dari sumber datanya
memiliki sifat sifat yang sama. Semakin spesifik sata yang disebutkan maka akan menjadi
semakin homogeny.

Contoh : 5 kg terigu + 20 telur + 2 kg mentega diaduk dan dicetak menjadi 2500 irisan
kue. Irisan kue yang satu dengan yang lainnya mempunyai sifat yang sama. Jika kue
tersebut ingin diteliti maka cukup diambil beberapa irisan saja karena sama antara irisan
satu dengan yang lainnya.

o Populasi bersifat heterogen : populasi yang unsur unsur pempentukan dari sumber datanya
sifat yang bervariasi (berbeda beda) sehingga perlu ditetapkan lagi batasan batasannya
baik kuantitatif atau kualitatifnya. Semakin sedikit ciri ciri populasi yang diidentifikasi
maka akan semakin heterogen.
 Contoh : Penelitian tentang persepsi masyarakat tentang pengobatan alternative. Dalam
penelitian ini tidak diketahui pengobatan alternative yang seperti apa yang akan
dipersepsikan, jadi tidak ditentukan karakteristik pengobatan alternativenya karena bersifat
universal (keseluruhan).

2. Sampel

Sampel merupakan bagian dari populasi yang ingin diteliti; dipandang sebagai suatu
pendugaan terhadap populasi, namun bukan populasi itu sendiri. Sampel dianggap sebagai
perwakilan dari populasi yang hasilnya mewakili keseluruhan gejala yang diamati. Ukuran
dan keragaman sampel menjadi penentu baik tidaknya sample yang diambil. Terdapat dua
cara pengambilan sampel, yaitu secara acak (random)/probabilitas dan tidak acak (non-
random)/non-probabilitas.

1. Acak/Random

Artinya setiap anggota dari populasi memiliki kesempatan dan peluang yang sama untuk
dipilih sebagai samplet.

a. Pengambilan acak sederhana (Simple random sampling)

Merupakan sistem pengambilan sampel secara acak dengan menggunakan undian atau
tabel angka random. Tabel angka random merupakan tabel yang dibuat dalam komputer
berisi angka-angka yang terdiri dari kolom dan baris, dan cara pemilihannya dilalukan
secara bebas.Pengambilan acak secara sederhana ini dapat menggunakan prinsip
pengambilan sampel dengan pengembalian ataupun pengambilan sampel tanpa
pengembalian.

 Kelebihan: mengatasi bias yang muncul dalam pemilihan anggota sampel, dan
kemampuan menghitung standard error.
 Kekurangan: tidak adanya jaminan bahwa setiap sampel yang diambil secara acak
akan merepresentasikan populasi secara tepat.

2. Pengambilan acak secara sistematis (Systematic random sampling)

Merupakan sistem pengambilan sampel yang dilakukan dengan menggunakan selang

interval tertentu secara berurutan. Misalnya, jika ingin mengambil 1000 sampel dari 5000
populasi secara acak, maka kemungkinan terpilihnya 1/5. Diambil satu angka dari interval
pertama antara angka 1-5, dan dilanjutkan dengan pemilihan angka berikutnya dari
interval selanjutnya.

 Kelebihan: lebih praktis dan hemat dibanding dengan pengambilan acak sederhana.
 Kekurangan: tidak bisa digunakan pada penelitian yang heterogen karena tidak
mampunya menangkap keragaman populasi heterogen.

3. Pengambilan acak berdasar lapisan (Stratified random sampling)

 Merupakan sistem pengambilan sampel yang dibagi menurut lapisan-lapisan tertentu
dan masing-masing lapisan memiliki jumlah sampel yang sama.

 Kelebihan: lebih tepat dalam menduga populasi karena variasi pada populasi dapat
terwakili oleh sampel.
 Kekurangan: harus memiliki informasi dan data yang cukup tentang variasi populasi
penelitian, kadang-kadang ada perbedaan jumlah yang besar antar masing-masing
strata.

4. Pengambilan acak berdasar area (Cluster sampling)

Merupakan sistem pengambilan sampel yang dibagi berdasarkan areanya. Setiap area
memiliki jatah terambil yang sama.

 Kelebihan: lebih tepat menduga populasi karena variasi dalam populasi dapat
terwakili dalam sampel.
 Kekurangan: memerlukan waktu yang lama karena harus membaginya dalam
area-area tertentu.

5. Tidak Acak (Non-Random Sampling)

Masing-masing anggota tidak memiliki peluang yang sama untuk terpilih anggota sampel.

a. Pengambilan sesaat (Accidental/haphazard sampling)

Merupakan teknik pengambilan sampel yang dilakukan dengan tiba-tiba berdasarkan

siapa yang ditemui oleh peneliti. Misalnya, reporter televisi mewawancarai warga yang
kebetulan sedang lewat.

 Kelebihan: praktis.
 Kekurangan: belum tentu responden memiliki karakteristik yang dicari oleh
peneliti.

b. Pengambilan menurut jumlah (Quota sampling)

Merupakan pengambilan anggota sampel berdasarkan jumlah yang diinginkan oleh

peneliti.

 Kelebihan: praktis karena jumlah sudah ditentukan dari awal.

 Kekurangan: adalah bias, belum tentu mewakili seluruh anggota populasi.

c. Pengambilan menurut tujuan (Purposive sampling)

Merupakan pemilihan anggota sampel yang didasarkan atas tujuan dan pertimbangan
tertentu dari peneliti.

 Kelebihan: tujuan dari peneliti dapat terpenuhi.

 Kekurangan: belum tentu mewakili keseluruhan variasi yang ada.
 d. Pengambilan beruntun (Snow-ball sampling)

Merupakan teknik pengambilan sampel yang dilakukan dengan sistem jaringan

responden. Mulai dari mewawancarai satu responden. Kemudian, responden tersebut akan
menunjukkan responden lain dan responden lain tersebut akan menunjukkan responden
berikutnya. Hal ini dilakukan secara terus-menerus sampai dengan terpenuhinya jumlah
anggota sampel yang diingini oleh peneliti.

 Kelebihan: bisa mendapatkan responden yang kredibel di bidangnya.

 Kekurangan: memakan waktu yang cukup lama dan belum tentu mewakili
keseluruhan variasi yang ada.

 Berdasarkan Jenisnya :

1. Data Kuantitatip merupakan suatu karakteristik dari suatu variabel yang nilainya
dinyatakan dalam bentuk numerikal.

2. Data Kualitatip merupakan suatu karakteristik dari suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk non numerikal/ atribut.

Contoh : Jenis kelamin

 Berdasarkan Sumbernya :

1. Data Primer yaitu secara langsung dari objek/objek peneiiitian oleh peneliti perorangan
maupun organisasi.

Contoh : Mewawancarai langsung penonton bioskop untuk meneiti prefensi konsumen

bioskop.

2. Data Sekunder yaitu data yang didapat tidak secara langsung dari objek penelitian peneliti
mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara /
metode baik secara komersial maupun nonkomersial

contoh : pada peneliti yang menggunakan data statistik hasil riset dari surat kabar atau
majalah.
 DISTRIBUSI NORMAL

1. Pengertian
Distribusi normal adalah distribusi dari variabel acak kontinu. Kadang-kadang distribusi
normal disebut juga dengan distribusi Gauss. Distribusi ini merupakan distribusi yang paling
penting dan paling banyak digunakan di bidang statistika.

Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai berikut

dimana

π = 3,1416

e = 2,7183

µ = rata-rata

σ = simpangan baku

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1
berikut.

Gambar 1. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x

2. Bentuknya simetris pada x = µ

3. Mempunyai satu buah modus, yaitu pada x = µ

4. Luas grafiknya sama dengan satu unit persegi, dengan rincian

a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ

b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ

c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah. Lihat saja rumus
untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit. Oleh karena itu, orang
tidak banyak menggunakannya.

Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU. Kurva distribusi normal
baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z,
dengan formula sbb:

Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini.

Gambar 2. Kurva distribusi normal baku

Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum. Pada kurva
distribusi normal baku, nilai µ = 0 dan nilai σ=1, sehingga terlihat lebih
menyenangkan. Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal
umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku dan
tabel tersebut dapat ditemukan hampir di semua buku teks Statistika. Tabel distribusi normal
bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di bawah
kurva normal secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ
dapat diganti masing-masing dengan nilai dan S.

Distribusi normal juga merupakan salah satu distribusi probabilitas yang penting dalam
analisis statistika. Distribusi ini memiliki parameter berupa mean dan simpangan baku.
Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi
normal standar. Apabila digambarkan dalam grafik, kurva distribusi normal berbentuk
seperti genta (bell-shaped) yang simetris. Perhatikan kurva distribusi normal normal standar
berikut:
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒∞) hingga positif
takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas
kurva normal adalah satu (sebagaimana konsep probabilitas). Dengan demikian, luas kurva
normal pada sisi kiri = 0,5; demikian pula luas kurva normal pada sisi kanan = 0,5.

Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang

dilambangkan dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan
dengan grafik adalah luas kurva normal dari minus takhingga hingga X = 1.

Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan
menggunakan rumus:

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal. Berikut adalah tabel
distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan dengan luas kurva
normal standar dari X = minus takhingga sampai dengan X = x.
Contoh penggunaan:
Hitung P (X<1,25)

Penyelesaian: Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah
angka 0,05 pada baris paling atas. Sel para pertemuan kolom dan baris tersebut
adalah 0,8944.
Dengan demikian, P (X<1,25) adalah 0,8944.
Contoh kasus :

Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan baku
(s) 0,9 ton. Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi normal
(data tentatif), tentukan

1. berapa luas sawah yang produktivitasnya lebih dari 8 ton ?

2. berapa luas sawah yang produktivitasnya kurang dari 5 ton ?

3. berapa luas sawah yang produktivitasnya antara 4 – 7 ton ?

Pertanyaan-pertanyaan di atas dapat dijawab dengan menggunakan sifat-sifat distribusi

normal sebagaimana yang telah disusun pada Tabel Z.

Pertanyaan no.1 dapat dijawab sbb:

1. Hitung nilai z dari nilai x = 8 ton dengan rumus

2. Hitung luas di bawah kurva normal pada z = 2,22. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris 2,20 dan kolom 0,02. Hasilnya adalah angka 0,98679 dan bila
dijadikan persen menjadi 98,679%. Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik 2,22 ke kiri kurva adalah sebesar 98,679%. Karena luas seluruh di
bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva adalah 100% –
98,679% = 1,321% (arsir warna hitam pada gambar). Oleh karena itu, luas sawah yang
produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x 100.000 ha = 1321 ha.

Pertanyaan no.2 dapat dijawab sbb:

1. Hitung nilai z dari nilai x = 5 ton, dengan rumus

2. Hitung luas di bawah kurva normal pada z = -1,11. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris -1,10 dan kolom 0,01. Hasilnya adalah angka 0,13350 dan bila
dijadikan persen menjadi 13,35%. Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik -1,11 ke kiri kurva adalah sebesar 13,35% (diarsir warna hitam pada
gambar). Oleh karena itu, luas sawah yang produktivitasnya kurang dari 5 ton adalah
13,35%, yaitu (13,35/100) x 100.000 ha = 13350 ha.

Pertanyaan no.3 dapat dijawab sbb:

1. Hitung nilai z dari nilai x = 4 ton, dengan rumus

2. Hitung nilai z dari nilai x = 7 ton, dengan rumus

3. Hitung luas di bawah kurva normal pada z = –2,22. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris –2,20 dan kolom 0,02. Hasilnya adalah angka 0,01321 dan bila
dijadikan persen menjadi 1,321%. Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik –2,22 ke kiri kurva adalah sebesar 1,321%.

4. Hitung luas di bawah kurva normal pada z = 1,11. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris 1,10 dan kolom 0,01. Hasilnya adalah angka 0,86650 dan bila
dijadikan persen menjadi 86,65%. Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik 1,11 ke kiri kurva adalah sebesar 86,65%.

5. Luas sawah yang produktivitasnya antara 4 – 7 ton adalah 86,65%-1,321% = 85,329%

(diarsir warna hitam) atau (85,329/100) x 100.000 ha = 85329 ha.

LilieFors / Uji normalitas

Uji normalitas atau uji Liliefors yang pada dasarnya menggunakan data dasar yang
belum diolah dalam tabel distribusi frekuensi seperti sebelumnya pada Uji Chi-Squares. Data
yang kita peroleh ditransformasikan dalam nilai Z (yaitu selisih data dengan rata-rata
dibandingkan standar deviasi data tersebut). Biasanya digunakan untuk data sampel yang
kurang dari 30. Berikut langkah-langkah pengujiannya :

Hipotesis uji:
Ho : Data populasi berdistribusi normal
Ha : Data populasi berdstribusi tidak normal
Statistik Uji :
1. Pilih nilai signifikansi alpha biasanya 5% (=0,05).
2. Data diurutkan dari yang terkecil hingga yang terbesar.
3. Cari rata-rata, simpangan baku (standar deviasi) dari sampel data.
4. Tentukan nilai Z (angka baku)

5. Tentukan peluang dari F(Zi) = P(Zi)

6 Hitung proporsi yang lebih kecil atau sama dengan Zi yaitu S(Zi)
7. Hitung selisih mutlak dari nomor 5 dan 6 yaitu |F(Zi) - S(Zi)|
8. Statistik ujinya adalah nilai terbesar dari |F(Zi) - S(Zi)|
9. Berdasarkan nilai alpha 5% yang dipilih, tentukan titik kritis L

Keputusan :
Menolak Ho jika Lo >= Ltabel dan Ho diterima jika Lo < Ltabel.
Tabel Nilai Kritis L Uji Liliefors
Berikut akan kita terapkan pada contoh data sebelumnya ( Data Kualitas Pelayanan
Pramuniaga ).
Hipotesis Uji:
Ho : Data dari kualitas pelayanan pramuniaga berasal dari populasi berdistribusi normal
Ha : Data dari kualitas pelayanan pramuniaga berasal dari populasi yang tidak berdistribusi
normal
Dari tabel di atas dapat dijelaskan, sebagai berikut :
Kolom Xi adalah data yang telah diurutkan dari yang terkecil hingga terbesar.
Kolom peringkat adalah peringkat dari data Xi, dan jika terdapat data yang sama, maka ambil
peringkat tertinggi.
Kolom Zi adalah nilai Zi yang diperoleh dari selisih Xi terhadap X-rata-rata (=24) dan
dibandingkan dengan standar deviasi s (=4).
Kolom F(Zi) adalah nilai probabilitas dari Zi, dapat dilihat dengan menggunakan tabel
normal atau pun dengan menggunakan MS-Excel (ketik =normdist(sorot Xi)).
S(Zi) adalah peringkat dibandingkan jumlah seluruh data. Misalnya pada Xi = 12 dengan
peringkat 1 diperoleh S(Zi) = 1 / 40 = 0,025, dst.
Kolom |F(Zi) - S(Zi)| adalah nilai absolut dari selisih antara kolom nomor 4 dengan nomor 5.
Misalnya untuk Xi = 12, maka |F(Zi) - S(Zi)| = |0,004 - 0,025| = 0,021.
Dari kolom ke-6, pilih nilai tertinggi sehingga diperoleh Lo = 0,128.
Menentukan nilai L-tabel, dapat dilihat pada tabel Nilai Kritis Uji Liliefors, lihat kolom alpha
0,05 dan pilih n>30. Sehingga diperoleh L-tabel = 0,886/ sqrt(40) = 0,140
Keputusan :
Nilai Lo = 0,128 < L-tabel = 0,140. Sehingga Ho diterima.
 PROBABILITAS

1. Pengertian Probabilitas

Probabilitas adalah suatu nilai yang digunakan untuk mengukur tingkat terjadinya
suatu kejadian yang acak. Kata probabilitas itu sendiri sering disebut dengan peluang atau
kemungkinan. Probabilitas secara umum merupakan peluang bahwa sesuatu akan terjadi.

2. Konsep probabilitas

Memiliki peranan yang penting dalam kehidupan sehari-hari, mulai dari bidang
ilmiah, bidang pemerintahan, bidang usaha atau industri, sampai pada masalah-masalah kecil
seperti masuk kantor atau tidak karena awan tebal yang kemungkinan akan hujan deras dan
banjir.

Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui yaitu
eksperimen, hasil (outcome) dan kejadian atau peristiwa (even).

Istilah penting dalam probabilitas :

1. Eksperimen (Experiment): proses yang menghasilkan satu kejadian dari

beberapa pengamatan.
Misal: Melempar sebuah dadu

2. Hasil (outcome): keluaran atau output tertentu dari sebuah eksperimen.

Misal : Dari eksperimen melempar dadu, hasil yang mungkin adalah munculnya
angka 1, 2, 3 ,4, 5 atau 6.

3. Kejadian (Event): kumpulan dari satu hasil atau lebih dari suatu eksperimen.
Misal : Kejadian yang diamati dari melempar dadu adalah munculnya angka
genap: 2, 4 dan 6.

3. Jenis-jenis beserta contoh dari Probabilitas :

 Probabilitas Klasik
Probabilitas klasik berlaku jika hasil-hasil dari sebuah eksperimen semuanya memiliki
peluang yang sama.Pada metode ini probabilitas dapat ditentukan sebelum
eksperimen dilakukan karena jumlah keseluruhan hasil telah diketahui.
Jumlah hasil yang diharapkan
Probabilitas Kejadian =
Jumlah seluruh hasil yang mungkin
Misal: Dari eksperimen melempar dadu, berapa probabilitas muncul angka 5?
P(5)= 1/ 6
 Probabilitas Empiris
Probabilitas empiris: Probabilitas sutau kejadian yang muncul merupakan proporsi
atau bagian dari kejadian serupa yang telah terjadi sebelumnya. Pendekatan
 probabilitas empiris didasarkan pada “Hukum Jumlah Besar” (Law of Large Number)
yang menyatakan bahwa semakin banyak pengamatan akan menghasilkan perkiraan
probabilitas yang lebih akurat.
Contoh :
Selama 5 tahun mengajar, Prof. Budi telah memberi nilai A pada 186 mahasiswa dari
total 1200 mahasiswa yang pernah diajarnya. Berapa probabilitas seorang mahasiswa
bisa memperoleh nilai A pada semester ini? Ini adalah contoh probabilitas empiris.
Untuk menghitung probabilitas memperoleh nilai A:
186
P(A)   0.155
1200
Hasil ini juga disebut “Probabilitas tanpa syarat” (Unconditional probability).
 Probabilitas Subyektif
Probabilitas subjektif didasarkan hanya pada informasi yang tersedia, berdasarkan
perasaan subyektif.
Misalnya:
o Memperkirakan kemungkinan bahwa perekonomian Indonesia akan tumbuh
5% pada tahun ini.
o Memperkirakan kemungkinan bahwa Anda akan menikah sebelum usia 30
tahun.
 Probabilitas Gabungan (Joint Probability)
Probabilitas Gabungan (joint probability) mengukur kemungkinan dua atau lebih
kejadian terjadi bersama-sama.
Contoh : Budi punya dua saham, IBM dan General Electric (GE). Probabilitas
kenaikan harga saham IBM pada tahun depan adalah 0.5 sedangkan untuk GE, 0.7.
Anggap kedua saham independen. Berapa probabilitas harga kedua saham tsb naik?
P(IBM and GE) = (.5)(.7) = .35.
 Probabilitas Bersyarat (Conditional Probability)
Probabilitas Bersyarat (Conditional probability) adalah probabilitas muculnya suatu
kejadian , apabila diketahui kejadian lain telah terjadi sebelumnya.
Probabilitas kejadian A setelah kejadian B terjadi ditulis P(A|B).
 P(Perempuan | Manajemen)
 P(Bayi perempuan | Hasil USG perempuan)

Contoh lain 1 :

Sebuah eksperiman dilakukan dengan menanyakan kepada 100 orang pembaca, apakah
mereka akan mengambil mata kuliah statistik atau kalkulus. Dari eksperimen ini akan
terdapat beberapa kemungkinan hasil. Contohnya kemungkinan hasil pertama ialah sebanyak
58 orang akan mengambil mata kuliah apapun. Kemungkinan hasil lain adalah bahwa 75
orang mengambil mata kuliah kalkulus dan sisanya mengambil mata kuliah statistik.

Contoh lain 2 :
Sebuah eksperimen adalah pelemparan sebuah dadu. Hasil (outcome) dari pelemparan sebuah
dadu tersebut kemungkian akan keluar biji satu atau biji dua atau biji tiga dan seterusnya.
Kumpulan dari beberapa hasil tersebut dikenal sebagai kejadian (even).

Contoh lain 3 :

Bila sebuah mata uang dilantunkan dua kali maka ruang sampelnya adalah

S = { MM, MB, BM, BB }.

Bila mata uang yang digunakan setaangkup maka tiap hasil mempunyai kemungkinan
muncul sama. Tiap titik diberi bobot b sehingga 4b = 1 atau b = ¼. Bila A menyatakan
kejadian bahwa paling sedikit satu muka muncul maka P(A) = ¾

Probabilitas biasanya dinyatakan dengan bilangan desimal (seperti 0,50, 0,20 atau
0,89) atau bilangan pecahan seperti 5/100, 20/100, 75/100. Nilai dari probabilitas berkisar
antara 0 sampai dengan 1. Jika semakin dekat nilai probabilitas ke nilai 0, maka semakin
kecil juga kemungkinan suatu kejadian akan terjadi. Jika semakin dekat nilai probabilitas ke
nilai 1, maka semakin besar peluang suatu kejadian akan terjadi.

Sumber :

http://zaneta9bp2.blogspot.co.id/p/populasi-sampel.html
http://aden7000.blogspot.co.id/2014/11/pengertian-statistikapopulasi-dan-
sampel.html
http://www.pengertianpakar.com/2015/04/pengertian-probabilitas-dalam-
statistik.html
http://analisis-statistika.blogspot.co.id/2013/03/mengenal-distribusi-normal-dan-
cara.html
https://hatta2stat.wordpress.com/category/distribusi-normal-2/
http://www.jam-statistic.id/2014/03/uji-normalitas-liliefors-test.html