Anda di halaman 1dari 19

BAB 7

STATISTIK INFERENSIAL

Peta Konsep

Statistik
Inferensial

Konsep
Variabel Acak

Fungsi
Probabilitas

Fungsi
Distribusi Binomial

Kata Kunci :

Statistik Inferensial, Variabel acak, Fungsi Probabilitas, dan Distribusi Binomial

59 | Matematika Peminatan SMA/MA Kelas XII


BAB 7

STATISTIK INFERENSIAL

3.7 Menjelaskan dan Statistik  Mencermati konsep Statistik Inferensial adalah


menentukan inferensial variabel acak.
distribusi  Mencermati konsep dan
staistik yang digunakan untuk
peluang binomial sifat fungsi distribusi menganalisa data sampel dan
berkaitan binomial. hasilnya akan
dengan fungsi  Melakukan penarikan digeneralisasikan/diinferensial
peluang binomial kesimpulan melalui uji
4.7 Menyelesaikan kan kepada populasi dimana
hipotesis dari suatu
masalah masalah nya yang terkait sampel diambil.
berkaitan dengan distribusi peluang
dengan binomial Sering juga dikenal dengan
distribusi  Menyelesaikan masalah cakupan metode yang
peluang binomial berkaitan dengan distribusi berhubungan dengan
suatu percobaan peluang binomial suatu
(acak) dan menganalisi sebuah
percobaan (acak) dan
penarikan penarikan kesimpulannya data/sampel untuk kemudian
kesimpulannya  Menyajikan penyelesaian sampai pada
masalah berkaitan dengan peramalan/pendugaan/penarik
distribusi peluang binomial
an kesimpulan mengenai
suatu percobaan (acak) dan
penarikan kesimpulannya seluruh data induknya.

Statistik inferensial ada 2 macam yaitu :


 Statistik Parametrik, yaitu ilmu statistik yang mempertimbangnkan jenis sebaran atau
distribusi data, yaitu pakah data menyebar secara normal atau tidak. Dengan kata lain,
data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi
normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya
dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan
tranformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan
dengan statistik parametrik. Contoh metode statistik parametrik : uji-Z (1 atau 2 sampel),
Uji-t (1 atau 2 sampel), Korelasi pearson, Perancangan percobaan (one or two way anova
parametrik). Ciri statistik parametrik : Data dengan skala interval dan rasio, Data menyebar
berrdistribusi normal.
 Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parametrik populasi, baik normal atau tidak). Selain itu, statistik ini biasanya
menggunakan skala sosial, yaitu nominal dan ordinal yang umumnya tidak berdistribusi
normal. Contoh metode statistik Non-parametrik : uji tanda (sign test), Rank sum test
(wilcoxon), Rank correlation test (spearman), Fisher probability exact test, chi-square test.
Ciri-ciri statistik non parametrik : Data tidak berdistribusi normal, umumnya data nominal
atau ordinal, penelitian sosial, umumnya jumlah sampel kecil.

Dalam statistik inferensial diadakan pendugaan parameter, mebuat hipotesis serta melakukan
pengujian hipotesis tersebut sehingga sampai pada kesimpulan yang berlaku umum. Metode
seperti ini disebut juga sattistik induktif, karena kesimpulan yang diambil ditarik berdasarkan pada
informasi dari sebagian data saja. Pengambilan kesimpuln dari statistik inferensial yang hanya
didasarkan pada sebagian data saja yang menyebabkan sifat data tak pasti, memungkinkan
terjadinya kesalahan dalam pengambilan keputusan, sehingga pengetahuan mengenai teori
peluang mutlak diperlukan dalam melakukan metode –metode satistik inferensial.
60 | Matematika Peminatan SMA/MA Kelas XII
A. KONSEP VARIABEL ACAK

Suatu kejadian disebu acak (random event), kalu kejadian tersebut tak dapat ditentukan dengan
pasti sebelumnya.

Kegiatan 7.1
Mencermati konsep variabel acak dan fungsi probabilitas
Perhatikan kegiatan berikut ini :

Perkiraan mucul( sangat sukar Probabilitas/


Percobaan ditentukan terlebih dahulu
muncul/keluar Peluang

Mata uang logam Rp. 500 dilempar Gambar burung ...


Suatu dadu dilempar Mata dadu 5 ...
Satu kartu diambil dari satu set karu Kartu AS ...
Bridge
Probabilitas ialah suatu nilai untuk mengukur tingkat kemungkinan terjadinya kejadian acak. Kalau
A = suatu kejadian acak, maka P(A) = 0,90, berarti probabilitas bahwa A terjadi sebesar 0,90 atau
90%.

Perhatikan kegiatan berikut :

Pelembaran mata uang logam Rp. 500 dilempar 3 kali. Dimana B = muncul gambar burung, dan B’
= muncul Angka. Hasil pelemparan tersebut :

Pelemparan
Probabilitas Hasil perlemparan
Mungkin
... ...
... ...
Ada .....kemungkinan,
... ...
masing-masing dengan probabilitas .....
... ...
Misal x = banyaknya B setiap pelemparan, maka nilai x = 0,1,2,3.
... ...
X disebut variabel acak diskrit yaitu hasil suatu ekperiment atau
... ... variabel yang nilainya tak dapat ditentukan dengan pasti,
sebelum terjadi.
... ...
... ...

X = 0, berasal B’B’B ’→ P (X = 0) = 1
8
X = 1, berasal ......,.........,......... → P (X = 1) = ...
X = 2, berasal ......,.........,......... → P (X = ...) = ...
X = 3, berasal BBB → P (X = 3) = ...

61 | Matematika Peminatan SMA/MA Kelas XII


B. FUNGSI PROBABILITAS

Fungsi probabilitas ialah fungsi acak yang dapat dipergunakan untuk menghitung probabilitas
suatu kejadian acak atau variabel acak. Dalam sub ini kiata hanya membahas fungsi probabilitas
diskrit.

p (x) = P (X = x), artinya probabilitas bahwa variabel X mengambil nilai x.

Dari pelemparan mata uang diatas fungsi probabilitas dapat :

p (0) = P (X = 0) = .... p (2) = P (X = 2) = ....

p (1) = .... p (3) = ....

Fungsi Probabilitas untuk variabel diskrit (tidak bisa mengambil nilai pecahan) antara lain
Binomial dan Poisson sedangkan yang kontinu (bisa mengambil nilai pecahan) atara lain normal,
fungsi t, F, X (chi kuadrat)

p (x) merupakan fungsi probabilitas diskrit kalau memenuhi dua syarat berikut :

Pertama : 0 ≤ p(x) ≤ 1, paling sedikit nol, tak pernah negatif dan paling besar 1

Kedua:  p( x) = 1, untuk semua nilai x


x

Mari kita buktikan pelemparan mata uang Rp.500 diatas memenuhi sebagai fungsi probabilitas,
yang memebuhi syarat :

Pertama : 0 ≤ p(x) ≤ 1, paling sedikit nol, tak pernah negatif dan paling besar 1
Nilai p(x) tersebut adalah ....., ......., ......., dan .......

Jelas syarat pertama telah terpenuhi *)

Kedua:  p( x) = 1, untuk semua nilai x


x

Maka

 p( x) = p(0) + p(1) + p(2) + p(3)


x

= .... + .... + .... + .... = 1

Jelas syarat kedua telah terpenuhi **)

Sedangkan kalau X variabel kontinu f(x) disebut fungsi kepadatan/densitas/desity function, f (x) ≥ 0

dan  f ( x)dx  1 , yaitu integral untuk keseluruhan nilai sebesar 1 sampai ∞, sehingga dalam sub


ini hanya membahas fungsi binomial.


62 | Matematika Peminatan SMA/MA Kelas XII
C. FUNGSI DISTRIBUSI BINOMIAL

Probabilitas P( X ≤ x ) dengan x adlah bil real (-∞ < x < ∞) Fungsi distribusi dapat diperoleh dari
fungsi probabilitas, yaitu

F(X) = P (X ≤ x) =  X x
f ( x)

Dengan jumlah pada ruas kanan diambil pada semua nilai u dengan u ≤ x

Kegiatan 7.2
Melakukan penarikan Kesimpulan dengan Fungsi Binomial
Jika X diambil hanya pada suatu bilangan tertentu dari nilai-nilai x1, x2 ,..., xn maka fungsi
distribusi diberikan oleh :

 0 -∞ < x < 0

 f ( x1 ) = ... 0≤x<1

F (x)  f ( x1 )  f ( x2 ) = ... +.... = ... 1≤x<2

... 2≤x<3

... =

 f ( x1 )  f ( x2 )  f ( x3 ) + ... 3≤x<∞

.... + .... + .... + .... = ...

D. FUNGSI BINOMIAL

n!
P( x)  . p x .(1  p)n  x x = 0, 1, 2, ..., n
x! (n  x)!

p (x) = (P (x) = x) = probabilitas bahwa variabel X mengambil nilai x

n = banyak elemen sampel atau banyak eksperiment

x = banyaknya sukses atau banyaknya elemen sampel dengan karakteristik yang sedang diamati
atau diperhatikan.

Perhatikan kegiatan berikut :

n = 3 banyak lemparan mata uang loga Rp. 500,

x = banyak gambar burung (=B) yang diperoleh: Nilai x = 0,atau 1, atau 2, atau 3,

p = probabilitas sukses, misalnya probabilitas untuk memperoleh gambar burung.

n = 3 , dan p = 1 , x = 0, 1, 2, 3
2
63 | Matematika Peminatan SMA/MA Kelas XII
Maka :
0 0
3! 1 1 3! 1 1 3x2 x1 1 1
p(0)  . .(1  )3 0  . .( )3  .1.( ) 
0! (3  0)! 2 2 3! 2 2 3x2 x1 8 8
1
3! 1 1
p(1)  . .(1  )31  ...
1! (3  1)! 2 2

p(2)  ..

3
=... =
8
p(3)  ...

..
=... =
...

Kegiatan 7.3
Menyelesaikan dan Menyajikan Masalah Fungsi Binomial
1) 10 % dari semacam benda tergolong ke dalam Kategori A. Sebuah sampel berukuran 30 telah
diambil secara acak. Berapa peluang sampel itu akan berisikan kategori A:
a. Semuanya d. Paling sedikit sebuah
b. Sebuah e. Paling banyak dua buah
c. Dua buah

Penyelesaian :
Kita artikan X = banyak kategori A, maka P = peluang benda ternasuk kategori A = 10 % = 0,10.
a. Semua tergolong kategori A berarti X = 30, n = 30
n!
P( x)  . p x .(1  p)n  x x = 0, 1, 2, ..., n
x! (n  x)!
30!
P( x  30)  .0,1030.(1  0,10)3030
30! (30  30)!
...
 ... 
.0,1030.(0,90)0  ...   10
30!  30
P( x  30) 
30! (0)!  ... 

b. Sebuah kategori A berarti X = 1, n = 30


30!
P( x  1)  .0,101.(1  0,10)301
30!(30  1)!
=......................
=.........................  0,1409

64 | Matematika Peminatan SMA/MA Kelas XII


c. Dua buah ketori A berarti X = ... , n =30
...!
P(...)  .0,10....(1  0,10).......
...!(....  ...)!
=...
=...  0,2270

d. Paling sedikit sebuah benda tergolong kategori A,


berarti X =1, 2, 3...........30. jadi perlu dicari:
P( x  1)  P( x  2)  ....  P( x  30) , sehingga yang kita cari adalah 1  P( x  0) , sekarang
menjadi :
P( x  0)  ...
= ...
=... = 0,0423

Peluang dalam sampel itu = 1 - 0,0423 = 0,9577

e. Paling banyak dua buah tergolong kategori A,


berarti X =1, 2. jadi perlu di cari: P( x  0)  P( x  1)  P( x  2)  ...

2) Sebuah dadu digelindingkan empat kali. Jika X ditetapkan sebagai variabel acak untuk
menampilkan banyak muncul sisi berangka 6, tentukanlah X :

Jika variabel acak X untuk menampilkan banyak munculnya mata dadu 6, maka untuk percobaan 4:
X = 0, menyatakan tidak muncul mata dadu 6
X = 1, menyatakan muncul mata dadu 6 sebanyak satu kali
X = ..., menyatakan muncul mata dadu 6 sebanyak ...... kali
X = ..., menyatakan muncul mata dadu 6 sebanyak ..... kali
X = ...., menyatakan muncul mata dadu 6 sebanyak empat kali
1
Peluang muncul mata dadu 6 = P(6)  ,
6
1 5
Peluang muncul mata dadu bukan 6 = P(6)c  1  p  1   ,
6 6
n!
Maka : P( x)  . p x .(1  p)n  x
x! (n  x)!

Probabilitas muncul mata dadu tidak muncul angka 6, P(x=0, n=4)

65 | Matematika Peminatan SMA/MA Kelas XII


...! ...! ...
P( x)  ........(....)... = ..... (....)...
...! (....  ....)! ...!

P( x)  ...

Probabilitas muncul mata dadu 6 sebanyak satu kali P(x=1, n =4)

...! ...! ...


P( x)  ........(....)... = ..... (....)...
...! (....  ....)! ...!

P( x)  ...

Probabilitas muncul mata dadu 6 sebanyak dua kali P(x=2, n =4)

...! ...! ...


P( x)  ........(....)... = ..... (....)...
...! (....  ....)! ...!

P( x)  ...

Probabilitas muncul mata dadu 6sebanyak tiga kali P(x=3, n =4)


...! ...! ...
P( x)  ........(....)... = ..... (....)...
...! (....  ....)! ...!

P( x)  ...

Probabilitas muncul mata dadu 6 sebanyak empat kali P(x=3, n =4)


...! ...! ...
P( x)  ........(....)... = ..... (....)...
...! (....  ....)! ...!

P( x)  ...

Uji Kompetensi 7.1


1) Menghitung fungsi Distribusi Binomial dua dadu digelindingkan 3 kali untuk mendapatkan
jumlah mata dadu 11.
2) Seorang siswa sedang menghadapi kuis matematika sehubungan dengan materi yang baru
diperlajari. Kuis terdiri dari 6 soal. Karena kuis mendadak maka seorang siswa yang tidak
belajar menjawab seluruh 6 soal itu dengan menebak. Berapa peluang siswa itu menjawab:
a. Benar tepat dua soal
b. Benar tepat tiga soal
c. Benar Paling banyak tiga soal
d. Benar dua sampai empat soal

66 | Matematika Peminatan SMA/MA Kelas XII


BAB 8
DATA BERDISTRIBUSI NORMAL

Peta Konsep

Data Berdistribusi Normal

Fungsi Distribusi Normal

Cara Menggunakan Tabel Normal

Menyelesaiakan Berkaitan Distribusi Binomial

Kata Kunci :

Fungsi Distribusi Normal, ara Menggunakan Tabel Normal , Menyelesaikan Berkaitan


Distribusi Normal
67 | Matematika Peminatan SMA/MA Kelas XII
BAB 8
DATA BERDISTRIBUSI NORMAL

3.8 Menjelaskan Data  Mencermati Semua variabel acak bersifat diskrit


karakteristik data berdistribusi pemahaman kurva
berdistribusi normal normal sebagaimanatelah kita bicarakan
normal yang  Menyelesaikan pada pokok bahasan
berkaitan masalah yang sebelumnya(fungsi binomial).
dengan data berkaitan dengan Sekarang kita alihkan perhatian kita
berdistribusi distribusi normal
normal kepada distribusi dengan variabel
dan penarikan
kesimpulannya acak kontinu. Distribusi dengan
4.8 Menyelesaikan  Mempresentasikan variabel acak kontinu yang pertama
masalah yang penarikan kali kita akan kita bicarakan di sini
berkaitan kesimpulan melalui
dengan
hanyalah distribusi normal atau
uji hipotesis untuk
distribusi normal permasalahan yang sering juga disebut distribusi Gauss.
dan penarikan berkaitan dengan Distribusi ini merupakan salah satu
kesimpulannya distribusi normal yang paling penting dan banyak
digunakan.

A. DISTRIBUSI FUNGSI NORMAL

Jika variabel acak kontinu X mempunyai fungsi densitas pada X = x dengan persamaan :
1 x
1  ( )2
f ( x)  e 2 
 2
Dengan
π = nilai konstan yang bila ditulis hingga 4 desimal, π = 3,1416
e = bilangan konstan, bila ditulis hingga 4 desimal, e = 2,7183
µ = parameter, ternyata merupakan rata-rata distribusi
σ = parameter, merupakan simpangan baku untuk distribusi
dan nilai x mempunyai batas -∞ < x < ∞, maka dikatakan bahwa variabel acak X berdistribusi
normal. Sifat-sifat penting distribusi normal :
1) Grafiknya selalu ada di atas sumbu datar x
2) Bentuknya simetrik terhadap x = µ
0,3989
3) Mempunyai satu modus, jika kurva uniimodal, tercapai pada x = µ sebesar

4) Grafiknya mendekati (berasimtotkan) sumbu datar x dimulai dari x = µ + 3 σ ke kanan dan
x = µ - 3 σ ke kiri
5) Luas daerah grafik selalu sama dengan satuan persegi.

Untuk tiap pasang µ dan σ, sifat-sifat di atas selalu di penuhi, hanya bentuk kurvanya saja yang
berlainan. Jika σ makin besar, kurva makin rendah (platikurtik) dan untuk σ makin kecil, kurva
makin tinggi (leptokurtik)

68 | Matematika Peminatan SMA/MA Kelas XII


Jika X sebuah variabel acak kontinu Karena ada hubungan dengan sifat fungsi probabilitas bilitas
   1 x
1  ( )2
 f ( x)dx  1 , maka berlaku juga untuk  f ( x)dx   2 e 2 
dx , maka menentukan

peluang harga X antara a dan b, yakni P (a < X < b ) digunakan rumus


b 1 x 2
1  ( )
P ( a  X  b)   e 2 
dx
a  2

Penggunaan praktis menggunakan rumus diatas tidak perlu dirisaukan lagi karena telah tersusun
daftar untuk keperluan di maksud. Daftar tersebut dapat dilihat di daftar distribusi normal standar
atau normal baku pada lampiran (Daftar F). Distribusi normal standar ialah distribusi normal
dengan rata-rata µ = 0 dan simpangan baku σ = 1. Fungsi densitasnya berbentuk :

1
1 2Z2
f ( z)   e ; z daerah -∞ < z < ∞
2
Mengubah dstribusi normal umum f(x) diatas menjadi distribusi normal baku f(z) diatas ditempuh
menggunakan transformasi :
X 
Z

Perubahan grafiknya dilihat gambar berikut:

69 | Matematika Peminatan SMA/MA Kelas XII


Fungsi normal, mempunyai bentuk kurva yang simetris terhadap rata-ratanya. Luas kurva
disebelah kiri sama dengan di sebelah kanan rata-ratanya yaitu 0,5 atau 50%. Apabila x mengikuti
fungsi normal , maka menurut teorema normal ada fenomena tersebut :
1) ±68,27% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - σ dan µ + σ (observasi mempunyai nilai X berjarak 1σ dari rata-ratanya)
2) ±95,45% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - 2σ dan µ + 2σ (observasi mempunyai nilai X berjarak 2σ dari rata-ratanya)
3) ±99,37% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - 3σ dan µ + 3σ (observasi mempunyai nilai X berjarak 3σ dari rata-ratanya)

B. CARA MENGGUNAKAN TABEL NORMAL


Agar dapat menggunakan tabel normal, variabel X harus diubah terlebih dahulu menjadi
variabel Z. Untuk keperluan ini, lihat tabel F (tabel Normal pada lampiran)

Perhatikan, bahwa setiap nilai dalam tabel menunjukkan luas daerah di bawah kurva yang dibatasi
oleh nilai Z = 0 sampai dengan Z = tertentu (maksudnya jarak terhadap rata-rata) seperti contoh
dibawah ini.

Kalau nilai variabel yang diberikan belum berupa standar normal harus di standarkan
X 
dahulu dengan rumus Z  , ingat bahwa luas seluruh kurva = 1 artinya probabilitas Z

mengambil antara = -∞ s/d +Z sebesar 1 (luas seluruh kurva) yaitu Pr (-∞ < Z < ∞) = 1 dan

Pr (-∞ < Z < 0) = Pr (0 < Z < ∞) = 0,5 (karena simetris terhadap titik 0, tempat rata-rata Z)

Kegiatan 8.1
Mecermati dan Memahami Kurva Normal
Perhatikan Soal berikut ini :

Pr (0 ≤ X ≤ 1,24) = 0,3925 → Pr Z > 1,24 = 0,5 – 0,3925 = 0,1075


Oleh karena kurva normal simetris, maka
Pr (-1,24 ≤ Z ≤ 0) = 0,3925 dan Pr (Z < -1,24) = 0,50 – 0,3925 = 1,1075
Perhatikan : Nilai 0,3925 terletak merupakan perpotongan antara baris dengan angka 1,2 dengan kolom
dengan angka 0,04. Angka 1,2 setelah digabungkan dengan 0,04 diperoleh angka Z yaitu :
Z = 1,2 + 0,04 = 1,24 (lihat lampiran tabel Normal diperoleh 0,3925)

70 | Matematika Peminatan SMA/MA Kelas XII


Pr (-1,5 ≤ Z ≤ 0) = 0,4332 Pr (Z ≤ 2,15) = 0,50 + Pr (0 ≤ Z ≤ 2,15)
Pr Z (-1,5 ≤ Z ≤ 1,5) = 0,4332 + 0,4332 = 0,50 + ...... = 0,9842
= 0,8664

Pr (Z ≥ -1,45) Pr (0,73 ≤ Z ≤ 1,64)


= Pr (-1,45 ≤ Z ≤ 0) + 0,50 = Pr (0 ≤ Z ≤ 1,64) - Pr (0 ≤ Z ≤ 0,73)
= ...... + 0,5 = 0,9265 = . ........... + ............ = ...

Di dalam persoalan khusus d dalam pengujian hipotesis (testing hypotesis) dan teori
perkiraan interval (interval estimation theory) kita sering harus mencari berapa besarnya nilai Z
apabila luas daerah dibawah kurva sudah diketahui.
Misal carilah besaran nilai Z sedemikian rupa sehingga daerah di sebelah kanannya = 10 %

Pr (0 ≤ Z ≤ ? ) = 0,50 - 0,100 = 0,400


Ternyata dari data tabel tidak ada angka 0,4000 tetapi angka yang dekat dengan angka itu yaitu
0,3997 dengan nilai Z sebesar 1,28.
Jadi Z = 1,28 sebesar Pr (0 ≤ Z ≤ 1,28) = 0,3997
Kegiatan 8.2
Meyelesaikan dan Mempresentasikan Berkaitan dengan Distribusi Normal
Berat bayi yang baru lahir rata-rata 3,750 gr dengan simpangan baku 325 gr. Jika berat bayi
berdistribusi normal, maka tentukan :
a) Berapa persen bayi yang beratnya lebih dari 4.500 gr
b) Berapa bayi yang beratnya antara 3.500 gr dan 4.500 gr , jika semuanya ada 10.000 bayi
c) Berapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gr , jika semuanya ada
10.000 bayi
d) Berapa bayi yang beratnya 4.250 gr jika semuanya ada 5.000 bayi.
Penyelesaian : X = berat bayi dalam gr, µ = 3.750 gr, σ = 325 gr ,maka :
X 
a) Dengan tranformasi Z  , untuk x = 4.500 gr

4.500 gr  3.750 gr
Z  2,31 (Lihat Daftar F)
325 gr
Z {(2,3) vertikal, (1) horizontal} = 0, 4896

71 | Matematika Peminatan SMA/MA Kelas XII


Berat yang lebih dari 4.500 gr pada grafiknya ada disebelah kanan z = 2,31. Luas daerah ini = 0,5 –
0,4896 = 0,0104.
Jadi ada 1,04% dari bayi yang beratnya lebih dari 4.500 gr

0,4896

Grafik Luas daerah


b) Dengan x = 3.500 dan x = 4.500 gr
...... gr  3.750 gr .... gr  .... gr
Z1   0,77 dan Z2   ...
325 gr 325 gr
Daftar F diperoleh 0,2794 dan 0,4896,
Luas daerah yang perlu = daerah yang diarsir = 0,2794 + 0,4896 = ...
Banyak bayi yang beratnya antara 3.500 gr dan 4.500 gr diperkirakan ada (0,7690) (10000)
= ...

c) Dengan berat kecil atau sama dengan 4.000 g, maka beratnya harus lebih kecil dari
4.000,5
..... gr  3.750 gr
Z  ... (Lihat Daftar F)
325 gr
Daftar F diperoleh 0,2794
Peluang berat bayi lebih kecil atau sama dengan 4.000 gr = 0,5 – ............ = ..............
Jadi banyak bayi = (..............)(.....................)= ........
Sketsa Grafiknya :

..............................................

d) Berat 4.250 gr berat antara 4.249,5 gr dan 4.250,5 gr, jadi :


X = ..................... dan x = .........................
...... gr  3.750 gr .... gr  .... gr
Z1   ... dan Z2   ...
325 gr 325 gr
Daftar F diperoleh ......... dan ..............,
Luas daerah yang perlu = daerah yang diarsir = 0,4382 - 0,4370 = ...
Banyak bayi yang beratnya antara 3.500 gr dan 4.500 gr diperkirakan ada (.............) (............) = ...
Sketsa Grafiknya :

...........................................

72 | Matematika Peminatan SMA/MA Kelas XII


C. MENGUJI HIPOTESIS BERDISTRIBUSI NORMAL

Sebelum mempelajari cara menarik kesimpulan, kita telah mengenal istilah parameter.
Parameter dapat berupa taksiran dari populasi yang akan ditaksir dan diuraikan dalam bentuk
rata-rata, simpangan baku dan persen. Taksiran atau penafsiran sebaiknya berupa interval atau
selang taksiran yang akan dikenal sebagai arti sempit sebagai derajat kepercayaan/koefisien
kepercayaan merupakan pernyataan dalam bentuk peluang. Berdasarkan penaksiran yang
dilakukan, lalu kesimpulan dibuat bagaimana atau berapa besar harga parameter itu melalui
pengujian hipotesis.
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Jika asumsi atau
dugaan itu dihususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi,
maka hipotesis itu disebut hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan
karenanya pelu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Untuk pengujian
hipotesis, peneitian dilakukan sampel acak diambil, nilai-nilai statistik yang perlu dihitung
kemudian dibandingkan menggunakan kriteria tertentu dengan hipotesis.
Jika hasil yang dapat dari penelitian itu, dalam pengertian peluang, jauh berbeda dari hasil
yang diharapkan terjadi berdasarkan hipotesis, maka hipotesis ditolak. Jika terjadi sebaliknya,
hipotesis diterima. Perlu dijelaskan di sini bahwa meskipun berdasarkan penenlitian kita
menerima atau menolak hipotesis, tidak berarti bahwa kita telah membuktikan atau tidak
membuktikan kebenaran hipotesis. Yang kita perlihatkan hanyalah menerima atau menolak
hipotesis saja.
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi,
dikenal dengan nama-nama :
 Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya diterima
 Kekeliruan tipe II : Ialah menerima hipotesis yang seharusnya ditolak.

Untuk mengingat hubungan antara hipotesis, kesimpulan dan tipe kekeliruan dapat dilihat dalam
tabel dibawah ini.
Tabel 8. 1 Tipe Kekeliruan Membuat Kesimpulan Tentang Hipotesis
Keadaan Sebenarnya
Kesimpulan
Hipotesis Benar Hipotesis Salah
Terima Hipotesis Benar Keliruan (Tipe II)
Tolak Hipotesis Keliruan (Tipe I) Benar

Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam
peluang. Menuat peluang tipe I bisa dinyatakan dengan kekeliruan α dan peluang tipe II
dnyatakan dengan kekeliruan β. Dalam penggunaanya α disebut taraf signifikan atau taraf
nyata/arti. Harga α yang biasa digunakan yaitu α = 0,01 atau α = 0,05. Dengan α = 0,05 arti taraf
nyata 5 %, berarti kira-kira 5 dari 100 kesimpulan bahwa kita akan menoloka hipotesis yang
seharusnya diterima. Dengan kata lain kira-kira 95 % yakin bahwa kita telah membuat kesimpulan
yang benar. Dalam hal demkian dikatakan bahwa hipotesis telah ditolak pada taraf 0,05 yang
berarti kita mungkin salah dengan peluang 0,05.

Langkah-langkah Pengujian Hipotesis :

Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung. Harga (1 – β)
dinamakan kuasa uji. Ternyata nilai β berbeda untuk harga parameter yang berlainan, Jadi β
bergantung pada parameter, katakanlah θ, sehingga didapat β(θ) sebuah fungsi yang bergantung
pada θ. Bentuk β(θ) dinamakan fungsi ciri operasi dan 1 – β(θ) disebut fungsi kuasa.

73 | Matematika Peminatan SMA/MA Kelas XII


Kalau yang sedang diuji itu parameter θ (dalam penggunaannya nanti θ bisa rata-rata μ,
proporsi π, simpangan baku σ dan lain-lain) :
H0 : θ = θ o
H1 : θ ≠ θ o Hipotesis yang perumusannya mengandung pengertian
H0 : θ = θ o sama atau tidak memiliki perbedaan, disebut hipotesis nol
H1 : θ > θ o (Ho) melawan hipotesis tandingan (H1) yang mengandung
H0 : θ = θ o pengertian tidak sama., lebih besar atau lebih kecil.
H1 : θ < θ o

Langkah selanjutnya kita pilih bentuk statistik mana yang harus digunakan, apakah Uji Z, t,
X, F atau lainnya, Harga statistik yang dipilih dihitung dari data sampel yang dianalisis. Kemudian,
berdasarkan pilihan taraf nyata α (ukuran daerah kritis), kriteria pengujian kita tentukan. Peran
hipotesis tandingan (H1) dalam menentukan daerah kritis adalah sebagai berikut:
1) Jika tandingan H1 mempunyai perumusan tidak sama, Maka dalam distribusi statistik yang
digunakan normal untuk angka Z, didapat dua daerah kritis atau daerah penolakan pada tiap
ujung adalah ½α. Karena adanya dua darah penolakan ini , maka pengujian hipotesis
dinamakan uji dua pihak

Gambar Uji dua pihak

Kriteria Ho diterima jika :


 Z 1 (1   )  Z  Z 1 (1   ) , dengan Z 1 (1   ) didapat dari daftar normal baku.
2 2 2

2) Untuk tandingan H1 mempunyai perumusan lebih besar , maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah
kritis penolakan ini sama dengan α.

Gambar Uji pihak kanan

Kriteria Ho ditolak jika :


Z  Z ( 0,5  ) , dengan Z ( 0,5  ) didapat dari daftar normal baku.

Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah tolak

74 | Matematika Peminatan SMA/MA Kelas XII


Ho jika statistik yang dihitung berdasarkan sampel tidak kurang dari d. Dalam Hal lain diterima Ho.
Pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan

3) Untuk tandingan H1 mempunyai perumusan lebih kecil, maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kiri. Luas daerah kritis
penolakan ini sama dengan α.

Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah
terima Ho jika statistik yang dihitung berdasarkan sampel lebih besar dari d. Dalam Hal lain Ho kita
tolak. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kiri

Gambar Uji pihak kiri

Kegiatan 8.3
Menguji Hipotesis rata-rata μ, permasalahan berdistribusi Normal dengan rata-rata μ
dan simpangan baku σ

Uji Dua Pihak

Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam. Akhir-
akhir ini timbul dugaan bahwa masa pakai lampu itu telah berubah. Untuk menentukan hal ini,
dilakukan penelitian dengan jalan menuji 50 lampu. Ternyata rata-ratanya 792 jam. Dari
pengalaman, diketahui bahwa simpangan baku masa hidup lampu 60 jam. Selidikilah dengan taraf
nyata 0,05 apakah kualitas lampu itu sudah berubah atau belum.
Penyelesaian :
Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 : μ = 800 jam → Berarti lampu itu masa pakainya sekitar 800 jam
H1 : μ ≠ 800 jam → Berarti kualitas lampu telah berubah dan bukan 800 jam lagi
X 
Z  , untuk simpangan baku σ diketahui, ẋ =792, n = 50, σ = 60 jam, μo = 800 jam

n
....  .... ....
Z   0,94
.... ....
...
Kriteria dipakai dari daftar normal baku untuk uji dua pihak dengan θ = 0,05 yang memberikan Z
(0,475) = 1,96 adalah

75 | Matematika Peminatan SMA/MA Kelas XII


Gambar Uji dua pihak

Terima Ho jika z hitung terletak antar -1,96 dan 1,96. Dalam hal lain Ho ditolak.
Dari penelitin sudah didapat z = -0,94 dan ini jelas terletak dalam daerah penerimaan Ho.
Jadi Ho diterima
Ini berarti dalam taraf nyata 0,05. Penelitian memperlihatkan bahwa memang masa pakai lampu
masih sekitar 800 jam. Jadi belum berubah.

Jika dari soal diatas simpangan baku populasi tidak diketahui, dari data sampel didapat s = 55 jam
(s = simpangan baku yang dihitung dari sampel) dan n = 50, maka

X 
t , untuk simpangan baku σ tidak diketahui (Distribusi Student, dengan dk = n – 1)
s
n
...  ... ...
t   1,029 (dengan dk = 49)
... ...
...

Gambar Uji dua pihak

Dari daftar distribusi student dengan α = 0,05 dengan dk = 49 untuk uji dua pihak didapat t = 2,01.
Kriteria pengujian terima ho jika t hitung terletak antara -2,01 dan 2,01 Sedangkan dalam hal
lainnya Ho ditolak.
Penelitian menghasilkan t = -1,029 yang jelas terletak dalam daerah penerimaan

Uji Satu Pihak

Proses pembuatan barang rata-rata meghasilkan 15,7 unit perjam. Hasil produksi mempunyai
varians = 2,3. Metode baru diusulkan untuk menganti yang lama jika rata-rata perjam
menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode diganti atau tidak,
metode baru dicoba 20 kali dan ternyata rata-rata perjam menghasilkan 16,9 buah. Pengusaha
bermaksud mengambil resiko 5% untuk mengunakan metode baru apabila metode ini rata-rata
menghasilkan lebih dari 16 buah. Apakah keputusan si pengusaha.
Penyelesaian :

76 | Matematika Peminatan SMA/MA Kelas XII


Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 : μ = 16 → Berarti rata-rata hasil metode baru paling tinggi 16. Jika ini terjadi, metode lama
masih dipertahankan.
H1 : μ > 16 → Berarti rata-rata hasil metode baru lebih dari 16.dan karenanya metode lama
dapat diganti.
X 
Z  , ẋ =16,9, n = 20, σ =2,3, μo = 16 buah

n
....  .... ....
Z   2,65
.... ....
...

Gambar Uji pihak kanan

Dari daftar normal standar dengan α = 0,05 diperoleh z = 1,64


Keiteria pengujian adalah tolak Ho Jika z hitung lebih kecil dari 1,64 maka Ho diterima.

Dari penelitian didapat z = 2,65 yang jelas jatuh pada daerah kritis. Jadi Ho ditolak. Ini
menyimpulkan bahwa metode baru dapat menggantikan metode lama dengan mengambil risiko
5%. Peluang tersebut adalah
P (Z ≥ 2,65 ) = 0,5 – 0,4960 = ...

Ini berarti :
Berdasarkan penelitian yang dilakukan. Kesempatan melakukan kekeliruan ketika memutuskan
mengambil metode baru adalah 4 dari setiap 1000, Dalam hal ini biasanya dituliskan bahwa
peluang P < 0,05 bahkan P < 0,01.

Uji Kompetensi 8.1


1) Dikatakan bahwa dengan menyuntikan semacam hormon tertentu kepada ayam akan
menambah serat telurnya rata-rata dengan 4,5 gram. Sampel acak terdiri atas 31 butir telur
dari ayam yang telah diberi suntikan hormon tersebut memberikan rata-rata 4,9 gram dan
simpangan baku s = 0,8 gram. Cukup beralasan untuk menerima penyataan bahwa
pertambahan rata-rata telur paling sedikit 4,5 gram.
2) Akhir-akhir ini masyarakat mengeluh dan mengatakan bahwa isi bersih makanan A dalam
kaleng tidak sesuai dengan yang tertulis pada etiketnya sebesar 5 ons. Untuk meneliti hal ini,
23 kaleng makanan A telah diteliti secara acak. Dari ke-23 isi kaleng tersebut, berat badan
rata-ratanya 4,9 ons dan simpangan baku 0,2 ons. Dengan taraf nyata 0,05, tentukan apa yang
akan kita katakan tentang keluhan masyarakat tersebut.

77 | Matematika Peminatan SMA/MA Kelas XII