Dosen Pembimbing Tugas Kelompok

Eka Pandu Cynthia, ST,M.Kom Probabilitas daan Statistik

DISTRIBUSI PROBABLISTIK DISKRIT DAN DISTRIBUSI NORMAL

DI SUSUN OLEH KELOMPOK 4:

Dinal Khairi 11651101510

Dzakwan Harist Mahendra 11751101312

Rahmat Budiman 11651103704

Resma Amalia 11651203558

Ridho Anugrah Jaya P 11751102057

Riska Amalia Anjela 11751202026

Rizqi Maulana 11751100059

Wahyu Mahesa 11751101286

TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU
PEKANBARU
2019
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat dan
karunia-Nya kami dapat menyelesaikan makalah tentang Distribusi Probabilitas Geometrik
Hipergemometrik, Poisson, Distribusi Normal dan sifatnya, serta Probabilitas p(a<x>p), kami
harap makalah ini dapat berguna dalam rangka menambah wawasan serta pengetahuan kita
mengetahui tentang materi ini. Kami juga menyadari sepenuhnya bahwa di dalam makalah ini
terdapat kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharapa dan akritik,
saran dan usulan demi perbaikan makalah yang telah kami buat di masa yang akan datang,
mengingat tidak ada sesuatu yang sempurna tanpa saran yang membangun. Semoga makalah ini
dapat dipahami bagi siapapun yang membacanya. Sekiranya laporan yang telah disusun ini dapat
berguna bagi kami sendiri maupun orang yang membacanya. Sebelumnya kami mohon maaf
apabila terdapat kesalahan kata-kata yang kurang berkenan dan kami memohon kritik dan saran
yang membangun dari pembaca demi perbaikan makalah ini di waktu yang akan datang.

Pekanbaru, 15 Maret 2019

Penulis

i
 DAFTAR ISI

Kata Pengantar .............................................................................................................................. i

Daftar Isi ........................................................................................................................................ ii

Bab I Pendahuluan

1. Pendahuluan ...........................................................................................................................1

2. Rumusan Masalah ..................................................................................................................1

3. Tujuan Pembelajaran ..............................................................................................................1

Bab II Pembahasan

1. Distribusi Probabilitas Geometrik ..........................................................................................2

2. Distribusi Probabilitas Hipergeometrik ..................................................................................2

3. Distribusi Probabilitas Poisson...............................................................................................6

4. Distribusi Normal ...................................................................................................................8

5. Distribusi Probabilitas P(a<x<b) ..........................................................................................14

Bab III Penutup

1. Simpulan...............................................................................................................................18

2. Saran .....................................................................................................................................17

Daftar Pustaka

ii
 BAB I
Pendahuluan

1. Latar Belakang
S t ati st ika adal ah ilm u yang m em pel ajari bagai m ana m erencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Sedangkan
statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu
data. Kejadian yang sering atau jarang terjadi dikatakan mempunyai peluang terjadi
yang besar atau kecil. Keseluruhan nilai -nilai peluang biasa digunakan
dalam kehidupan sehari-hari. Dalam mengaplikasikan statistika terhadap permasalahan
sains, industri, atau sosial, pertama-tama dimulai dari mempelajari populasi. Tiga buah
sebaran teoritis yang paling terkenal, diantaranya dua buah sebaran peluang yang
diskrit dan sebaran yang kontinyu. Kedua sebaran yang teoritis yang deskrit itu ialah
sebaran binomial dan sebaran Poisson. Sebaran kontiny-nya adalah sebaran normal.

2. Rumusan Masalah
1. Apa itu distribusi geometrik ?
2. Apa itu distribusi hipergeometrik ?
3. Apa itu distribusi poisson ?
4. Apa itu distribusi normal dan apa saja sifat-sifatnya ?
5. Apa itu probabilitas P (a<x>b) ?

3. Tujuan Pembelajaran
1. Memahami tentang distribusi geometrik
2. Memahami tentang distribusi hipergeometrik
3. Memahami tentang distribusi poisson
4. Memahami tentang distribusi normal dan sifat-sifatnya
5. Memahami tentang probabilitas P (a < x > b)

1
 BAB II
Pembahasan

1. Distribusi Geometri
Distribusi binomial negative dapat didefenisikan menjadi distribusi geomertik,
bilangan x yang menyatakan banyaknya ulangan yang diperlukan telah mencapai satu
keberhasilan ( x = 1 ).minsalkan saja pada kasus poligami, sampai munculnya wanita yang
tidak setuju adanya poligami.
Bila usaha yang saling bebas dan dilakukan berulang kali menghasilkan sukses dengan
peluang p, gagal dengan peluang q = 1 – p, maka distribusi peluang peubah acak X, yaitu
banyaknya usaha sampai saat terjadi sukses yang pertama, diberikan oleh:

g(x; p) = pqx-1, x = 1,2,3, ...

Rata-rata dan variansi peubah acak geometrik adalah:
μ = 1/p
σ2 = (1-p)/p2
Contoh :
Untuk setiap pernyataan pada pilihan ganda, ada lima kemungkinan, jawaban yang
manakah yang benar. Jika seorang siswa memilih jawaban secarah acak, berikan
probabilitas bahwa pernyataan pertama dijawab dengan benar
Jawab: 3
 1   1  4  64
g  4;      
 5   5  5  625

2. Distribusi Hipergeometrik
Perbedaan antara distribusi binomial dan distribusi hipergeometrik terletak pada cara
pengambilan sampelnya. Dalam binomial proses pengambilan sampel dilakukan dengan
pengembalian (tiap kejadian saling bebas), Sedang pengamatan pada hipergeometrik
pengambilan sampel dilakukan tanpa pengembalian.
 Aplikasi banyak terdapat pada penerimaan sampel, pengujian elektronik dan
pengendalian mutu

2
  Dalam pengujian biasanya barang yang diuji menjadi rusak, jadi tidak bisa
dikembalikan
 Jika terdapat N benda, k benda adalah banyaknya sukses dan N – k adalah gagal
 Bila sampel acak ukuran n diambil dari N benda, yang ingin dicari adalah peluang
memilih x sukses dari sebanyak k yang tersedia dan n–x yang gagal dari sebanyak N-
k yang tersedia.

Percobaan Hipergeometrik mempunyai sifat:

a. Sampel acak ukuran n diambil tanpa pengembalian dari N benda

b. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya , N-k diberi nama
gagal

Bila suatu populasi berukuran N terdiri atas k unsur yang diharapkan muncul (berhasil)
dan ( N-k ) unsur yang tidak muncul (gagal), maka pencuplikan mengikuti fungsi
hipergeometrik. Disini semua pengambilan contoh dianggap mempunyai probabilitas
terpilih yang sama dan banyaknya kombinasi yang berukuran n dari suatu populasi
N
berukuran N adalah ( ). Analog dengan ini adalah untuk memilih x keberhasilan dari k
n
k
keberhasilan yang tersedia terdapat ( ) macam kombinasi. Sedangkan kombinasi
x
N−k
kegagalan dari (n-k) adalah ( ). Dengan demikian banyaknya contoh yang memenihi
𝑛−𝑘
N N N−k
syarat diantara kombinasi kegagalan diantara kombinasi ( ) adalah ( ) ( ).
n n 𝑛−𝑘

Distribusi peluang peubah acak hipergeometrik X, yaitu banyaknya sukses dalam

sampel acak ukuran n yang diambil dari N benda yang mengandung k bernama sukses dan
N-k bernama gagal

 k  N  k 
  
 x  n  x 
h( x; N , n, k )  , x  0,1,2..., n
N
 
n

Rataan dan variansi distribusi hipergeometrik h(x;N,n,k) adalah

nk
 3
N
N n k  k
2  .n. 1  
N 1 N  N 
 Contoh:

Sebuah kotak berisi 40 suku cadang dikatakan memenuhi syarat penerimaan bila berisi
tidak lebih dari 3 yang cacat. Cara sampling kotak ialah dengan memilih 5 suku
cadang secara acak dari dalamnya dan menolak kotak tersebut bila diantaranya ada yang
cacat. Berapakah peluang mendapatkan tepat satu yang cacat dalam sampel berukuran 5
bila kotak tersebut berisi 3 yang cacat?

Jawab:

Diketahui : n=5

N=40

k=3

x=1

Ditanya : h ?

Dijawab :

h(x;N,n k) = (𝑥k) (N−k

n−x
)

(N
𝑛
)

h(1; 40, 5, 3) = (31) (40−3

5−1
)

(40
5
)

= (31) (37
4
)

(40
5
)

= 3! . 37!

1! (3-1)! 4! (37-4)!

40!

5! (40-5)!

4
 = 3! . 37!

1! 2! 4! 33!

40!

5! 35!

= 3 x 2! . 37 x 36 x 35 x 34 x 33!

1! 2! 24 x 33!

40 x 39 x 38 x 37 x 36 x 35!

120 x 35! (utk 33! Dan 35! Dicoret karena sama)

= 3 . 1585080

24

78960960

120

= 3 . 66045

658008

= 198135

658008

= 0,3011

1) Nilai rata-rata dan ragam distribusi hipergeometrik

Nilai rata-rata distribusi hipergeometrik merupakan hasil kali contoh brukuran n dengan
k keberhasilan dibagi dengan N populasinya.

𝑛𝑘
μ= (8-12)
𝑁

5
 Rasio k/N pada persamaan 8/10 setara nilainya dengan probabilitas keberhasilan p,
sehingga nilai rata-rata bagi distribusi hipergeometrik dinyatakan dalam persamaan
berikut:

𝑛𝑘
μ= (8-13)
𝑁

dan ragam bagi distribusi hipergeometrik h(x:N:n:k) adalah:

𝑁−𝑛 𝑘 𝑘
𝜎2 = ( ) 𝑛 𝑁 (1 − 𝑁) (8-14)
𝑁−1

Contoh :
Sebuah kantong plastik berisi 5 kelereng merah dan 4 kelereng biru kemudian diambil 3
kelereng tanpa pemiliha. Bila X menyatakan banyaknya kelereng merah yang diambil,
susunlah fungsi dan dirtribusi probabilitas hipergeometriknya.

Jawab ;
Diketahui N = 9, N-k = 4, n = 3, dan k = 5. Dengan menggunakan persamaan (8-11)
diperoleh:
5)( 4 )
(𝑥
3−𝑥
Fungsi hipergeometrik h(x:9:4:5) = 9) untuk x = 0, 1, 2, 3
(3

( )( 5 ) 4
4
Pada (x=0) h(0:9:4:5) = 0 93−0 =
(3) 84

(5)( 4 ) 40
Pada (x=1) h(1:9:4:5) = 1 93−1 =
(3) 84

( )( 5 ) 4
30
Pada (x=2) h(2:9:4:5) = 2 93−2 =
(3) 84

(5)( 4 ) 10
Pada (x=3) h(3:9:4:5) = 3 93−3 =
(3) 84

Semua kemungkinan perubahan acak X probabilitasnya dapat disusun dalam table

berikut:

6
 x 0 1 2 3
P(X=x 4 40 30 10
) 84 84 84 84

2) Distribusi hipergemometrik peubah ganda

Distribusi hipergeometrik dapat di diperluas lagi dengan apa yang disebut distribusi
hipergeometrik peubah ganda yaitu bila suatu populasi yang beranggotakan N disekat
menjadi sel A1, A2, …, Ak dengan anggota masing-masing a1, a2, …, ak, maka distribusi
probabilitas bagi peubah acak X1, X2, …, Xk adalah :
(a1)(a2)…(ak)
x1 x2 xk
h(x1, x2, …, xk:N:n: a1, a2, …, ak) = N (8-16)
(n)

Contoh:
Sebuah kantong berisi 9 kaleng yang terdiri dari 4 merah, 2 biru dan 3 kuning. Tentukan
fungsi probabilitas hipergeometrik terpilihnya 1 kaleng merah dan 1 kaleng biru. Dengan
menggunakan distribusi hipergeometrik peubah ganda x=1, y=1, N=9, n=5, a1 = 4, a2 = 2,
maka fungsi probabilitas terpilihnya kelereng merah(X) dan kelereng biru(Y) dapat
dinyatakan dalam probabilitas bersama yaitu;
3
(4 2
x)(x)(2−x−y)
h(x,y:9:2:4:2) = 9) untuk x = 0,1,2 dan y = 0,1,2 dan 0 < x + y ≤ 2
(2

(4)(2)( 3 ) (4)(2)(3) 2
jadi, pada (X =1, Y=1) h(1,1:9:2:4:2) = 1 1 92−1−1 = 1 1 0
9) =
(2 ) (2 9

3. Distribusi Poisson
Distribusi poisson merupakan limit dari distribusi binomial dengan mengambil
banyaknya n percobaan relative besar. Distribusi poission digunakan untuk memodelkan
sejumlah kejadian yang terjadi pada interval atau selang waktu tertentu.
a. Percobaan yg menghasilkan peubah acak X yang bernilai numerik
b. Banyaknya hasil selama selang waktu tertentu (menit, hari, minggu, bulan atau
tahun)
Contoh:

7
 a. Banyak hubungan telepon per jam yang diterima sebuah kantor
b. Banyak pasien yang antri perjam
c. Banyak hari sekolah yg ditutup karena banjir
Percobaan poisson memiliki sifat:
a. Tidak dipengaruhi kejadian lain
b. Peluang terjadinya hasil tunggal dalam waktu pendek atau daerah kecil sebanding
dengan selang waktu atau besar daerah
c. Peluang terjadinya lebih dari satu hasil dalam selang waktu yang pendek atau
daerah yg sempit tersebut dapat diabaikan

Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses yang
terjadi dalam suatu selang waktu atau daerah tertentu dinyatakan dengan t, diberikan oleh:

e  t (  t ) x
p( x; t )  , x  0,1,2,...
x!

λt menyatakan rata-rata benyaknya sukses yang terjadi per satuan waktu atau daerah
tersebut dan e = 2,71828….

dengan E(X) = t ,  2 = t

Bila  = t =rata-rata banyak sukses yang terjadi per selang waktu atau dalam daerah
tersebut maka dapat ditulis

e     x
p  x;    , x  0, 1, 2, ...
x!

Contoh:

Dalam 2 bulan rata-rata mahasiswa tidak masuk kuliah adalah 4 hari. Bila diasumsikan
jumlah hari tidak masuk kuliah mengikuti distribusi passion, hitunglah pelunag mahasiswa
tidak masuk kuliah 3 hari dalam 1 bulan.

Jawab:

4
Dalam satu bulan μ = 2 = 2 ℎ𝑎𝑟𝑖

8
 𝑒−2 23
Dinyatakan x=3, P=(x=3)=p(3,4)= = 0,180
3!

4. Distribusi Normal

Distribusi normal (gussian) adalah salah satu distribusi terpenting karena banyak
aplikasi dalam berbagai kasus atau persoalan, serta yang mendasari munculnya beberapa
distribusi normal. penting lainya. Sekurang kurangnya ada 4 alasan mengapa distribusi
normal menjadi yang paling penting:

1. Distribusi normal terjadi secarah alamiah

2. Beberapa variable acak yang tidak terdistribusi secara normal dapat dengan mudah
ditrnsformasikan menjadi suatu distribusi variable acak yang normal.
3. Banyak hasil dan teknik analisis yang burguna dalam pekerjaan statistik hanya bisa
berfungsi dengan benar jika model distribusinya merupakan distribusi normal.
4. Ada bebrrapa variable acak yang tidak menuntukan distribusi normal pada populasinya,
namun distribusi dari rata-rata sample yang diambil secara random dari populasi
tersebut ternyata menujukkan ditribusi normal.

Karakteriskrik yang ada pada distribusi normal :

1. Mempunyai sebuah puncak (unimodal) dengan bentuk seperti lonceng.

2. Mempunyai bentuk simestris karena memiliki nilai mean yang sama dengan median dan
modus.
3. Mempunyai kurva asymtotik karena ujung-ujung dari kurva distribusi normal tidak
perna menyentuh sumbu mendatar.
Bila X suatu variabel random normal dengan nilai tengah , dan standar deviasi , maka
fungsi padat peluangnya adalah:

9
 = 3,14159 e = 2,71828

Jenis-jenis distribusi normal

10

0
m
Mesokurtic
Distribusi kurva normal dengan  dan  berbeda

150 300 450

Distribusi kurva normal dengan  berbeda dan  sama

85 850

Distribusi kurva normal dengan  dan  berbeda

Contoh grafik kurva normal:

0,5 0,5

 10
 P = x ≤ μ = 0,5

P = x ≥ μ = 0,5

∞
Luas kurva normal : ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1

1) Sifat-sifat penting distribusi normal

Adapun sifat-sifat distribusi normal adalah:
1. Grafiknya selalu ada di atas sumbu datar X
2. Menjadikan bentuknya simestris terhadap μx
3. Mempunyai 1 modus
4. Grafiknya mendekati sumbu datar x dimulai dari x = μ + 30 σ ke kanan dan x = μ - 30
σ ke kiri
5. σ makin besar kurva makin rendah (B)
6. σ makin kecil, kurva makin tinggi (A)

Contoh variabel random yg memiliki distribusi normal misalnya:

 Distribusi error dalam pengukuran

 Pengukuran dalam meteorology

 Pengukuran curah hujan

 Sebagai pendekatan bagi distribusi binomial dan distribusi hipergeometrik, dan

lainnya

Mean µ

Varians

Deviasi Standar

Koefisien momen kemiringan

Koefisien momen kurtois

11
 Deviasi mean

2) Fungsi kepadatan probabilitas dan fungsi distribusi kumulatif normal

Sebuah variable acak kontinu X dikatakan memiliki distribusi normal dengan parameter

𝜇𝑥 dan 𝜎𝑥 dimana −∞ < 𝜇𝑥 < ∞ dan 𝜎𝑥 > 0 jika fungsi kepadatan probabilitas dari
X adalah :
(𝑥−𝜇𝑥 )2
1 −
(2𝜎2
𝑓𝑁 (𝑥, 𝜇𝑥 , 𝜎𝑥 ) = 𝑒 𝑥) −∞<x<∞
𝜎𝑥 √2𝜋

𝜇𝑥 = mean

𝜎𝑥 = deviasi standar

Untuk setiap nilai 𝜇𝑥 dan 𝜎𝑥 kurva akan berfungsi simestris terhadap 𝜇𝑥 dan memiliki

total luas dibawah kurva tepat 1. Nilai dari 𝜎𝑥 menentukan bentsngan dari kurva sedagkan

𝜇𝑥 menentukan pusat simestrisnya. Karena gmbar kurva normal menyerupai bentuk

lonceng,maka kurva distribusi normal sering juga disebut sebagai distribusi bentuk lonceng
(bell-shaped distribution).

Distribusi kumuatif didefenisikan sebagai probabilitas variable acak normal X bernilai

kurang atau sama dengan suatu nilai x tertentu. Maka fungsi distribusi kumulatif (cdf) dari
distribusi normal ini dinyatakan sebagai:

𝑥 𝑥 (𝑥−𝜇𝑥 )2
1 −
(2𝜎2
𝑓𝑁 (𝑥, 𝜇𝑥 , 𝜎𝑥 ) = 𝑝(𝑥 ≤ 𝑥 = ∫ 𝑓𝑁 ((𝑡; 𝜇𝑥 , 𝜎𝑥 )𝑑𝑡 = ∫ 𝑒 𝑥) 𝑑𝑡
−∞ −∞ 𝜎𝑥 √2𝜋

𝑓𝑁 (x), hanya bisa ditemukan dari integrasi secara numerik karena tidak bisa dinitegrasi
secara analitik.

12
 Untuk setiap distribusi populasi dari suatu variable acak yang mengikuti

Untuk setiap distribusi populasi dari suatu variable acak yang mengikuti sebuah distribusi
normal, maka sebagaimana yang ditunjukkan oleh gambar tersebut:
 68,26% dari nilai-nilai variable berada dalam ± 1𝜎𝑥 dari 𝜇𝑥
 95,46% dari nilai-nilai variable berada dalam ± 2𝜎𝑥 dari 𝜇𝑥
 99,73% dari nilai-nilai variable berada dalam ± 3𝜎𝑥 dari 𝜇𝑥

5. Probabilitas P (a < X < b )

P(a<x<b) = probabilitas variabel random x memiliki nilai antara a dan b

P(a<x<b) = luas di bawah kurva normal antara x=a dan x=b

x1 μ x2

13
 Oleh karena perhitungan integral normal tsb sulit, maka disusunlah tabel nilai rapat
probabilitas. Akan tetapi karena nilai rapat probabilitasnya tergantung pada μ dan σ maka
sangatlah tidak mungkin mentabelkan untuk semua nilai μ dan σ.

Distribusi normal standard adalah distribusi normal dengan mean μ=0 dan standard
deviasi σ=1. Transformasi memetakan distribusi normal menjadi distribusi
normal standard, sebab distribusi normal dengan variabel z ini memiliki mean =0 dan
standard deviasi = 1. Transformasi ini juga mempertahankan luas dibawah kurvanya,
artinya:

Luas dibawah kurva distribusi Luas dibawah kurva distribusi

normal antara x dan x = normal standard antara z1 dan z2
1 2

Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ. Sehingga cukup dibuat tabel distribusi normal
standard kumulatif saja! Luas kurva normal antara x=a dan x=b sama dengan probabilitas x
terletak antara a dan b

a 
𝑏
b x
P(a≤x≤b) = ∫𝑎 𝑓(𝑥)𝑑𝑥

Tranformasi nilai x ke z

14
Dimana nilai z =

Z > 0 jika x > 

Z < 0 jika x < 

Simestris :

15
Contoh :

Diketahui data berdistribusi normal dengan mean  = 55 dan deviasi standar = 15 carilah
transformasi z apabila diketahui :

a. hitunglah probabilitas X nya bila b nya 65

diket : x1 = 65
 = 55
𝜎 = 15
Ditanya : probabilitas x?
jawab :

55−55 65−55
P(55≤x≤75) =𝑃( ≤𝑍≤ )
15 15

P(55≤x≤75) =

= P(0≤Z≤1,33)

= 0,4082

Atau :

Gambar kurvanya :

15

16
b. hitunglah probabilitas bahwa X mengambil sebuah nilai antara 60 dan 80

Rumus nilai antara = A-B

Diket :
z1 (B) = 60
z2 (A) = 80
 = 55
𝜎 = 15
Ditanya : probabilitas antara 60 dan 80?
jawab :
55−55 60−55 55−55 80−55
P(60≤x≤80) = (( 15
≤𝑍≤ 15
) ≤𝑍≤( 15
≤𝑍≤ 15
))

5 25
= P(0 ≤ Z ≤ 15) – P(0 ≤ Z ≤ 15)

= P(0≤Z≤0,33) – P(0≤Z≤1,67)

= P(0≤Z≤1,67) – P(0≤Z≤0,33)

= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33  B = 0,1293

Z2 = = 1,67  A = 0,4525

C = A – B = 0,3232

Bentuk kurva

15

𝜇 = 55 z1=60 z2=80 Z

17
 BAB III
Penutup

1. Kesimpulan
Distribusi probabilitas sangat penting dalam ilmu satatistika adalah distribusi normal.
Distribusi normal mempunyai model kurva berbentuk simestris setangkup, menyerupai
genta disekitar suatu nilai yang bertepatan dengan puncak kurva.
Distribusi Geometrik, distribusi hipergeometrik dan distribusi poisson termasuk
kedalam distribusi probabilitas diskrit. Distribusi probabilitas diskrit merupakan suatu
distribusi peubah acak. Dan distribusi Normal dan probabilitas p(a<x<b) termasuk kedalam
distribusi probabilitas kontinu.

2. Saran
Penulis menyadari bahwa makalah diatas banyak sekali kesalahan dan jauh dari
kesempurnaan, maka dari itu penulis mengharapkan kritikan dan saran dari pembaca
mengenai makalah dan kesimpulan di atas.

18
 DAFTAR PUSTAKA

Santoso, Irwan Budi. 2013. Statistika I untuk Teknik Informatika. Malang. Uin-Maliki
Press(Anggota IKAPI).

Harinaldi. 2005. Prinsip-Prinsif Statistik untuk Teknik dan Sains. Jakarta. Erlangga.

Wibisono, Yusuf. 2009. Metode Statistik. Yogyakarta. Gajah Mada University Press.