Pertemuan Ke-1

BAB I
PROBABILITAS

1.1 Arti dan Pentingnya Probabilitas

Probabilitas merupakan suatu nilai untuk
mengukur besarnya tingkat kemungkinan
terjadinya suatu kejadian yang acak.
Kejadian Acak atau random event ialah suatu
kejadian yang tak dapat ditentukan dengan pasti
sebelumnya.
Probabilitas merupakan suatu frekuensi relatif
dari suatu sukses yang diperoleh jika suatu
percobaan dilakukan berulang-ulang sampai tak
terbatas didalam situasi dan kondisi yang sama.
 Bila kejadian A terjadi dalam m cara pada ruang sampel S yang
terjadi dalam n cara, maka probabilitas kejadian A adalah :
P (A) = n(A)/n(S) = m/n

Perumusan ini harus memenuhi ketentuan :

Probabilitas A harus merupakan bilangan non-negatif atau
bukan bernilai negatif, yaitu : P (A)  0 .
Nilai probabilitas suatu peristiwa berkisar antara :
0  P (A)  1
Jumlah probabilitas A ditambah A (bukan A) harus sama
dengan 1.
Atau : P (A) + P (A) = 1  P (A) = 1 – P (A)
 Contoh :
Sebuah dadu yang seimbang memiliki enam sisi.
Lima dari keenam sisi tersebut dicat biru
sedangkan satu sisi selebihnya dicat hijau.bila
dadu tersebut dilempar sebanyak satu kali,
berapa :
a. probabilitas timbulnya sisi yang bercat biru
b. probabilitas timbulnya sisi yang bercat hijau
Jawab : a. P (Biru) = 5/6
b. P (Hijau) = 1/6
 1.2 Peristiwa (event) dan Notasi Himpunan
Ruang sampel adalah kumpulan (himpunan) dari
semua hasil yang mungkin muncul atau terjadi pada
suatu percobaan.
Keseluruhan dari titik sampel dinamakan Ruang
sampel dan dilambangkan dengan S.
Contoh : S = { 1,2,3,4,5,6} ruang vektor
Kejadian yang dapat terjadi di dalam suatu eksperimen
(percobaan) dan biasanya dilakukan berulang kali
dinamakan Titik Sampel. A = { 2 } titik sampel
dimana A  S
Peristiwa/kejadian (event)
Kumpulan (himpunan) dari hasil yang muncul atau
terjadi pada suatu percobaan statistik.
 Peristiwa A atau B dinotasikan dengan A  B
Peristiwa A dan B dinotasikan dengan A  B
Peristiwa A dan B merupakan peristiwa yang saling lepas,
A  B =0

1.3 Probabilitas Suatu Peristiwa

Peristiwa yang saling lepas (Mutually Exclusive)
Bila A dan B dua kejadian sembarang pada S dan berlaku
A  B =Ø, maka A dan B dikatakan dua kejadian saling
lepas atau saling terpisah.
Secara matematis dua himpunan A dan B dikatakan saling
lepas atau terpisah (disjoint) jika dan hanya jika mereka
tidak memiliki unsur yang sama dan A  B = 0 ( himpunan
kosong ).
 Gambar peristiwa saling lepas
Kejadian A,B dan C tidak mungkin terjadi secara bersamaan

A
C

B
Bila A dan B saling lepas dan merupakan peristiwa dalam
sebuah ruang sampel yang terbatas , maka :
P (A  B) = P (A) + P (B)
Dimana : A  B = 0 dan P (A  B) = 0.
Contoh : Bila sebuah dadu dilempar sekali , berapakah
probabilitas timbulnya mata dadu 1 atau 3 ?
Jawab : Jika A = peristiwa timbulnya mata dadu 1
B = peristiwa timbulnya mata dadu 3
P(A) = 1/6 dan P(B) = 1/6
A dan B merupakan dua peristiwa yang saling lepas.
P (A  B) = P (A) + P (B) = 1/6 + 1/6 = 2/6 = 1/3
• Dua peristiwa dikatakan tidak saling lepas bila kedua
peristiwa tersebut tidak usah terpisah.
Kejadian Majemuk
Bila A dan B peristiwa sembarang pada ruang
sampel S, maka gabungan kejadian A dan B ditulis
A  B adalah kumpulan semua titik sampel yang
ada pada A atau B atau pada kedua-duanya.
Kejadian A  B disebut kejadian majemuk, dan
A  B yaitu kumpulan titik sampel yang ada pada
A dan B disebut kejadian majemuk.
P (A  B) = P (A) + P (B) – P (A  B)
Gambar peristiwa tidak saling lepas

A B
•Peristiwa yang saling bebas (independen)
Dua peristiwa dikatakan independen jika dan
hanya jika terjadi atau tidak terjadinya peristiwa
pertama tidak mempengaruhi peristiwa kedua.

Dua kejadian A dan B dalam ruang sampel S

dikatakan saling bebas jika kejadian A tidak
mempengaruhi kejadian B dan sebaliknya
kejadian B tidak mempengaruhi kejadian A. Jika
A dan B merupakan dua kejadian saling bebas,
maka berlaku rumus :
P (A  B ) = P (A) . P (B)
Contoh Soal
1. Kita ambil satu kartu secara acak dari satu set kartu bridge
yang lengkap. Bila A = kejadian terpilihnya kartu as dan
B = kejadian terpilihnya kartu wajik, Hitung peluang
P( A  B) !
jawab: P( A  B)  1 / 52
P(A) = 4 /52; P(B) = 13/52;
maka
P( A  B)  P( A)  P( B)  P( A  B)  4 / 52  13 / 52 1/ 52  16 / 52  4 / 13
2. Jika diketahui dua kejadian A dan B saling bebas dengan
P(A)= 0,3 dan P(B)= 0,4 maka berlaku:
P( A  B)  P( A).P( B)  (0,3)(0,4)  0,12
3. Sebuah kotak berisi 3 bola merah, 4 bola putih dan 3 bola
biru. Jika diambil 1 bola secara acak dengan syarat:
a. Setelah diambil bola dikembalikan lagi, tentukanlah
probabilitas terpilihnya: bola merah, bola putih, bola biru,
tidak merah, merah atau putih.
jawab: banyaknya bola dalam kotak n = 3+4+3 = 10
- P(bola merah) = 3/10
- P(bola putih) = 4/10
- P(bola biru) = 3/10
- P(tidak merah)= 1- P(bola merah)=1-3/10 = 6/10 = 3/5
- P(merah atau putih) = 3/10 + 4/10 = 7/10
b. Setelah diambil bola tidak dikembalikan, tentukan
probabilitas terpilih: merah, putih, biru, merah atau putih,
merah dan biru.
jawab: P(merah) = 3/10
P(putih) = 4/9
P(biru) = 3/8
P( merah atau putih) = 3/10 + 4/9 = 67/90
P(merah dan biru) = 3/10 . 3/8 = 9/80

Latihan soal:
1. Pada pelemparan dua buah dadu, tentukanlah:
a. ruang sampel S
b. Bila A menyatakan kejadian munculnya dua dadu dengan
muka sama, hitung P(A)!
c. Bila B menyatakan kejadian munculnya jumlah muka dua
dadu kurang dari 5, hitunglah P(B)!
Latihan soal:
2. Peluang seorang mahasiswa lulus kalkulus adalah 2/3
dan peluang ia lulus bahasa Inggris adalah 4/9. Bila
peluang lulus sekurang-kurangnya satu mata kuliah di
atas adalah 4/5, berapa peluang ia lulus kedua mata
kuliah itu?
3. Pada pelemparan dua buah mata dadu, tentukanlah
probabilitas munculnya muka dua dadu dengan jumlah 5
atau 11!
4. Pada pelemparan dua dadu, jika A adalah kejadian
munculnya muka dadu sama, hitunglah probabilitas
munculnya muka dua dadu yang tidak sama!
5. Pada pelemparan dua dadu, apakah kejadian munculnya
muka X ≤ 3 dadu I dan kejadian munculnya muka Y ≥ 5
dadu II saling bebas ?
 Pertemuan ke-2
1.4 Pengertian Probabilitas bersyarat
Probabilitas terjadinya kejadian A dengan syarat bahwa B
sudah terjadi atau akan terjadi disebut Probabilitas bersyarat
(conditional probability)
Rumus Probabilitas bersyarat
• Probabilitas bersyarat
P (B  A) = P (A) . P (B/A) ) Atau P(A  B) = P (B) . P (A/B)
Bila A dan B merupakan peristiwa yang independen dan
memiliki probabilitas lebih besar dari nol , maka :
P (A/B) = P (A) dan P (B/A) = P (B).
Contoh soal :
Misalkan sebuah dadu dilemparkan; B = kejadian
munculnya bilangan kuadrat murni, dan diketahui bahwa
peluang munculnya bilangan ganjil = 1/9 dan peluang
munculnya bilangan genap = 2/9. Bila diketahui
A = {4,5,6} telah terjadi, tentukanlah P(B/A)!
Jawab:
S = {1,2,3,4,5,6}, P(genap) = 2/9, P(ganjil) = 1/9
B = {1,4}
A = {4,5,6} P(A) = 2/9 + 1/9 + 2/9 = 5/9
AB ={4} P(AB) = 2/9
P(B/A) = P(AB) = 2/9 = 2/5
P(A) 5/9
Latihan soal:
2. Bila dalam suatu keluarga yang mempunyai
4(empat) orang anak, diketahui paling sedikit
mempunyai seorang anak laki-laki, tentukanlah
nilai kemungkinan keluarga tersebut mempunyai :
a. Dua anak laki-laki
b. Empat anak laki-laki
 3. Misalkan diberikan populasi sarjana di suatu kota yang dibagi menurut
jenis kelamin dan status pekerjaan sebagai berikut :

Bekerja Menganggur Jumlah

Laki-laki 460 40 500

Wanita 140 260 400

Jumlah 600 300 900

Misalkan diambil seorang dari mereka untuk ditugaskan

melakukan promosi barang di suatu kota tersebut. Bila
ternyata yang terpilih adalah dalam status telah bekerja,
berapakah probabilitasnya bahwa dia :
a. laki-laki b. wanita
 Pertemuan Ke- 3
BAB II
PERMUTASI DAN KOMBINASI
2.1 Pengertian Permutasi

1. Permutasi dari n obyek seluruhnya :

nPn = n! = n.(n - 1).(n - 2) … 2.1
= n.(n - 1)!
2. Permutasi sebanyak r dari n obyek yang berbeda
nPr = n!
(n–r)!
3. Permutasi keliling ( circular permutation )
Sejumlah n obyek yang berbeda dapat disusun secara
teratur dalam sebuah lingkaran dalam ( n – 1 ) ! cara
4. Permutasi dari n obyek yang tidak seluruhnya dapat
dibedakan.
n n!
n1 , n2 , …, nk = n1! n2 !…nk !

• Kalau urutan diperhatikan atau dibedakan , persoalan

disebut permutasi.
Contoh soal
1 . Hitung jumlah permutasi 3 jilid buku A , B , C !
Jawab : 3P3 = 3 ! = 3 . 2 . 1 = 6

2. Dalam berapa cara 2 huruf yang berbeda dari kata “Laut“ dapat diatur
atau dipilih dalam suatu urutan tertentu ?
Jawab : nPr = 4P2 = 4 ! = 4 ! = 4.3.2.1 = 12 cara
(4-2) ! 2! 2.1
3 . Dalam berapa cara kata Tamara dapat dipermutasikan ?
Jawab : n! = 6! = 120 cara
n1 ! n2 ! n3 ! n4 ! 1!3!1!1!
4. Lima orang anak sedang melakukan diskusi dengan membentuk
lingkaran, ada berapa cara mereka bisa mengatur duduknya?
Jawab: (n-1)! = (5-1)! = 4.3.2.1 = 24 cara.
Latihan soal :
1. Berapa banyak susunan huruf yang dapat dibentuk dari
huruf dalam kata: PEMILU, ALUMNI, STATISTIKA,
PROBABILITAS
2. Ada berapa banyak susunan huruf dapat dibentuk dari
huruf dalam kata PELUANG bila:
a. semua huruf dipakai;
b. memakai 6 huruf saja;
c. Memakai 5 huruf saja;
d. Memakai kurang dari 5 huruf.
2.2 Kombinasi

Kombinasi sebanyak r dari n obyek yang berbeda :

n n!
r = r!.(n–r)!
Kalau urutan tak diperhatikan atau tak dibedakan ,
persoalan disebut kombinasi.
Latihan soal
1. Suatu perguruan tinggi di Jakarta memberikan kesempatan
kepada 3 orang staf dosen untuk melanjutkan studinya
setingkat lebih tinggi. Sedangkan yang memenuhi
persyaratan ada 9 orang dosen. Ada berapa carakah
pimpinan perguruan tinggi tersebut memilih 3 dari 9 orang
tersebut ?
Jawab:
9!
9C3 = = 84 cara
6!3!
2. Seorang anak perempuan mempunyai 3 bunga yang jenisnya
berlainan. Berapa banyak cara berbeda yang dapat dibuat ?
Jawab: 3!
Ia dapat memilih 1 dari 3 bunga = 3C1= =3
2!1!
 Ia dapat memilih 2 dari 3 bunga = 3C2 = 3
Ia dapat memilih 3 dari 3 bunga = 3C3 = 1
Maka banyaknya cara membentuk susunan bunga
adalah:
3C1 + 3C2 + 3C3 = 3 + 3 + 1 = 7

3. Dari kelompok ahli ada 5 orang sarjana ekonomi dan 7

sarjana hukum. Akan dibuat tim kerja yang terdiri atas 2
sarjana ekonomi dan 3 sarjana hukum. Berapa banyak
cara untuk membuat tim itu, jika:
a. Tiap orang dapat dipilih dengan bebas;
b. Seorang sarjana hukum harus ikut dalam tim itu;
c. dua orang sarjana ekonomi tidak boleh ikut dalam tim
itu?
4. Suatu panitia akan dibentuk dengan jumlah
anggota 5 orang. Berapa carakah pembentukan
panitia tersebut dapat dilakukan jika calon
anggota terdiri dari 4 orang pria dan 3 orang
wanita, dan panitia harus
a. Terbentuk tanpa persyaratan lain
b. Terdiri dari 3 pria dan 2 wanita
c. Terdiri dari 2 pria dan 3 wanita
 2.3 Aplikasi Excel

Permutasi
Langkah-langkah dengan Excel
• Insert fungsi fx dan pilih category statisticals
• Pilih fungsi permutate
• Isilah kotak number dengan banyaknya objek
dan kotak number_chosen dengan jumlah objek
yang diambil dan klik OK
• Maka hasilnya akan tampak pada result seperti
pada gambar 2a
kombinasi
Langkah-langkah dengan Excel
• Insert fungsi fx dan pilih category math&trig
• Pilih fungsi combin
• Isilah kotak number dengan banyaknya objek
dan kotak number_chosen dengan jumlah objek
yang diambil dan klik OK
• Maka hasilnya akan tampak pada result seperti
pada gambar 2b
Gambar 2a (menghitung permutasi)
Gambar 2a (menghitung kombinasi)
 Pertemuan ke- 4
BAB III
POPULASI, SAMPEL & DISTRIBUSI TEORITIS
VARIABEL DISKRIT DAN FUNGSI PROBABILITAS
3.1 Variabel Random atau Variabel Acak
• Variabel yang nilainya merupakan suatu bilangan yang ditentukan
oleh terjadinya hasil suatu percobaan dinamakan variabel random.
Contoh :
Bila 2 mata uang dilempar 1 x , maka ruang sampelnya :
S = { AA,AG, GA , GG }
Variabel Acak yang terdapat dalam fungsi probabilitas :
a. Variabel diskrit
Variabel diskrit hanya dapat dinyatakan dengan nilai – nilai yang
terbatas jumlahnya , dan dinyatakan dengan bilangan bulat.
b. Variabel kontinu
Variabel kontinu dinyatakan dengan harga yang terdapat dalam
suatu interval.
 Fungsi Distribusi
Jika kita mempunyai variabel acak x maka fungsi sebenarnya adalah
 f( x ) ; x diskrit (dinyatakan dengan sigma )
F(x)=P(Xx ) =
 f ( x ) dx ; x kontinu (dinyatakan dengan
integral)
3.2 Nilai Harapan (Mean/Rata–rata) dan Varians Distribusi Diskrit

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan

E (x) =  x. f (x)
Var (x) = x2 = E [ x – E (x) ] 2 = E (x2) – { E (x) } 2

Jika k suatu bilangan , maka E ( k ) = k

Contoh : E (3) = 3 dan seterusnya.
Latihan Soal
1 .Dua buah dadu dilempar . Jika x = jumlah mata dadu yang timbul ,
berapakah:
a. P (3 < x  6)
b. Rata–rata (Nilai harapan)
Jawab:
a. P (3 < x  6) = P (x = 4) + P (x = 5) + P (x = 6)
= f (4) + f (5) + f (6)
= 3/36 + 4/36 + 5/36 = 12/36 = 1/3
b. E (x) =  x . f(x)
= 2.1/36 + 3.2/36 + 4.3/36 + 5.4/36 + 6.5/36 +
7.6/36 + 8 .5/36 + 9 . 4/36 + 10.3/36 +
11.2/36 + 12.1/36 = 252/36 = 7
2 . Jika Nilai E (x) = 1/3 dan E (x2) = 1/3 . Tentukan Nilai Variansnya.
Jawab : Var (x) = E (x2) – { E (x) }2
= 1/3 – (1/3)2 = 1/3 – 1/9 = 2/9
3 . Jika E (x) = 2 , berapa nilai dari : a. E [ 3 (x + 2)]
b. E [x – 3 (x + 2)]
Jawab : a. E [ 3 (x + 2) ] = E [ 3x + 6 ]
= E (3x) + E (6)
= 3. E (x) + 6
= 3 . 2 + 6 = 6 + 6 = 12
b. E [ x – 3 (x + 2) ] = E (x) – E [ 3 (x + 2) ]
= 2 – 12 = -10
4. Jika x mata dadu seimbang , berapa nilai harapan (rata – rata)
nya ?
Jawab :
E (x) =  x . f (x)
= 1 .1/6 + 2 .1/6 + 3 .1/6 + 4 .1/6 + 5 .1/6 + 6 . 1/6
= 21/6 = 3,5
Fungsi probabilitas dengan variabel diskrit terdiri dari :
1. Distribusi Binomial
2. Distribusi Poisson

3.3 Distribusi Binomial

Rumus Distribusi Binomial :

b (x / n , p) = P (X = x)= nC x px . qn-x ; x = 0,1,…n

q=1–p
Dimana : - b ( x / n , p )  0
-  b ( x/n , p ) = ( q + p )n = 1
Rata – rata ( Mean ) = x = n . p
Varians ( x ) = x2 = n . p . q
Distribusi yang dipakai sebagai pendekatan bagi distribusi
binomial adalah Distribusi Poisson dan Distribusi Normal.
 Suatu eksperimen Binomial akan memenuhi 4
syarat sebagai berikut :
1. Jumlah percobaan harus tetap
2. Setiap percobaan harus menghasilkan dua
alternatif yaitu sukses atau tidak sukses
merupakan percobaan Binomial.
3. Semua percobaan mempunyai nilai probabilitas
yang sama untuk sukses.
4. Percobaan – percobaan tersebut harus bebas
satu sama lain.
Latihan Soal
1. Bila sekeping uang logam yang seimbang dilempar sebanyak 6
kali, berapa:
a. probabilitas memperoleh 5 sisi gambar
b. probabilitas memperoleh paling sedikit 5 sisi gambar
Jawab : a. n = 6 ; p = ½ ; q = 1 – p = 1 – ½ = ½
b ( x / n , p ) = b ( 5/6 , ½ ) = 6C5 ( ½ )5 . ( ½ )6-5
= 6! (½)5 . (½)1 = 3/32
5!.1!
b. n = 6 ; x = 6 ; p = 1/2
b ( x/n , p ) = b ( 6/6 , ½ ) = 6C6 ( ½ )6 . ( ½ )6-6
= 6 ! ( ½ )6 . ( ½ )0 = 1/64
6!0!
Probabilitas memperoleh  5 sisi gambar adalah :
b ( 5/6 , ½ ) + b ( 6/6 , ½ ) = 3/32 + 1/64 = 6/64 + 1/64 = 7/64
2. Jika x berdistribusi Binomial dengan n = 4 dan p = 1/6 , berapa :
a. Rata – rata dari x
b. Varians (x)
Jawab : a. n = 4 ; p = 1/6 ; q = 1 – p = 1 – 1/6 = 5/6
E ( x ) = n.p = 4.1/6 = 2/3
b. Var ( x ) = x2 = n.p.q = 4.1/6.5/6 = 20/36
= 5/9

3. Ada 4000 paku pada sayap . Probabilitas kerusakan sebuah

paku khusus pada permukaan sayap pesawat terbang adalah
0,001. Berapa E (x) nya ?
Jawab : E (x) = n . p = 4000 . (0,001) = 4
3.4 Distribusi Poisson
Ciri-ciri Distribusi Poisson
Digunakan untuk menghitung probabilitas terjadinya
kejadian menurut satuan waktu atau ruang. Distribusi
Poisson digunakan sebagai pendekatan dari distribusi
binomial.
Rumus Distribusi Poisson
f ( x ) = x . e- = p ( x/n , p )
x!
Dimana : x = 0 , 1, 2 … n dan e = 2,71828…
Rata – rata = x = n . p
Varians (x) = x2 = n . p
Dalam distribusi Poisson Rata – rata dengan
Variansnya adalah sama
Latihan soal !

1. Bila 5 keping uang logam dilempar sebanyak 64 kali ,

berapa probabilitas timbulnya 5 sisi angka sebanyak 0,1,
2 , 3 ,4 , 5 kali ?
Jawab:
probabilitas memperoleh 5 sisi angka dari pelemparan 5
keping uang logam sebanyak satu kali adalah :
p = 1.( ½ )5 = 1/32
Bila p = 1/32 , n = 64 ; probabilitas memperoleh 5 sisi
angka dari pelemparan 5 keping uang logam sebanyak 64
kalimenjadi :
f( x ) = 64 1 / 32 x 31 / 32 64-x
x
Rumus ini sulit dikerjakan dengan Distribusi Binomial,
maka diambil =n.p = 64 . 1/32 = 2 diperoleh :

f ( x ) = x . e- = 2x . e-2 ; x = 0 , 1 , 2 , 3 , 4 , 5
x! x! e-2 = 0 ,1353
x 0 1 2 3 4 5
f ( x ) 0,135 0,271 0,271 0,180 0,090 0,036
2. Jika x berdistribusi Poisson dengan n = 7 dan p = 1/4
berapa :
a. Rata – rata x
b. Varians (x)
jawab : a. E (x) = n . p = 7.1/4 = 7/4
b. Var (x) = n . p = 7 . 1/4 = 7/4
3. Mata uang dilempar 6 kali . Jika x = banyaknya gambar,
berapa E (x) ?
Jawab : n = 6 ; p = ½
E (x) = n.p = 6.1/2 = 3
 Latihan soal:

X 8 12 16 20 24
P(X) ¼ 1/12 1/6 1/8 3/8
1. Dari tabel diatas tentukan:
a. mean X;
b. standar deviasi X;
c. E(2X – 3 )2
2. Misalkan X adalah suatu variabel acak dengan
E{(X-1)2} =10 dan E{(X-2)2} = 6 , tentukan mean X dan
simpangan baku X.
3. Bila sekeping uang logam dilemparkan 6 kali, hitunglah
probabilitas memperoleh:
a. 5 muka b. paling sedikit 5 muka
4. Bila 20 dadu dilemparkan sekaligus, tentukanlah:
a. rata-rata dari banyaknya muncul muka 3;
b. simpangan baku dari banyaknya muncul muka 3!
5. Bila variabel acak X berdistribusi binomial dengan
n = 100, p = 0,005, hitunglah P(X=15)!
6. Bila 5 uang logam dilemparkan sebanyak 128 kali,
hitunglah probabilitas munculnya 5 muka sebanyak
0,1,2,3,4 dan 5 dari seluruh pelemparan!
3.5 Aplikasi Excel menghitung distribusi Binomial
Langkah-langkahnya sbb:
1. Klik icon fx atau klik icon insert dan pilih fx function.
2. Pilih menu statistical pada function category
3. Pilih menu Binomdist pada function name, dan OK.
Maka akan keluar kotak dialog seperti berikut:

BINOMDIST
Number_s : ………… (masukkan nilai X)
Trials : ……….. (masukkan nilai n)
Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)

Nilai P(x) ada pada baris Formula result atau tanda (=)
Contoh :
PT MJF mengirim buah melon ke Hero. Buah yang dikirim 90% diterima
dan sisanya ditolak. Setiap hari 15 buah dikirim ke Hero. Berapa peluang
hanya 13 buah diterima?
Jawab:
Diketahui n=15; dimana X = 13 dengan p= 0,9 nilai P ( x = 13 ) = …?
Distribusi Poisson
Langkah-langkahnya
1. Klik icon fx atau klik icon insert dan pilih fx function
2. Pilih menu statistical pada function category
3. Pilih menu POISSON pada function name, tekan OK
maka akan keluar kotak dialog seperti berikut:

POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai )
Cumulative : ………… (tulis FALSE / 0 )
Contoh:
Jumlah emiten di BEJ ada 120 perusahaan. Akibat krisis ekonomi,
peluang perusahaan memberikan deviden hanya 0,1. Apabila BEJ
meminta secara acak 5 perusahaan, berapa peluang ke-5 perusahaan
tersebut akan membagikan dividen?
Jawab:
Nilai  = 12 dan nilai X = 5, maka akan didapat nilai P( X = 5 ) = …?
Untuk menghitung dist. Binomial dengan SPSS langkah-langkahnya sbb:
1. Definisikan variabel x, lalu ketik nilai variabelnya
2. Kilk menu transform dan pilih compute
3. Ketik ekspresi perhitungan seperti pada layar dibawah ini, tekan OK
maka tampil hasil perhitungan pada data editor seperti pada gambar 2
Gambar 2

P( X=13 )
0,2669
Untuk menghitung dist. Poisson langkah-langkahnya sbb:
1. Definisikan variabel x, lalu ketik data misal 1 sampai 5
2. Kilk menu transform dan pilih compute
3. Ketik ekspresi perhitungan seperti pada layar dibawah ini, tekan
OK
maka tampil hasil perhitungan pada data editor seperti pada gambar 2
Gambar 2

P(X=5) = 0,127
 Pertemuan ke – 5
4.1 Nilai Harapan (Mean atau Rata–rata) dan Varians
Distribusi Kontinu

Fungsi Probabilitas dengan variabel kontinu terdiri dari :

1. Distribusi Normal
2. Distribusi T
3. Distribusi Chi – Kuadrat
4. Distribusi F
Nilai harapan suatu variabel acak x ditulis E (x) variabel
kontinu didefinisikan :
E (x) =  x . f (x) dx
Varians dari distribusi yang kontinu dirumuskan :
Var (x) = E (x2) – { E (x) }2
Dimana : E (x2) =  x2 . f (x) dx
1 . Jika diketahui : f (x) = 2x ; 0 < x < 1
=0 ; selainnya

Berapakah : 1/2 1/2

a. P ( 0<x<1/2 ) = f ( x ) dx =  2xdx = 1/4
0 0

3/4
b. P ( ½ < x < ¾ ) =  f ( x ) dx = 5/16
1/2

1
c. E ( x ) =  x . 2x dx = 2/3
0

Var ( x ) = E ( x2 ) – { E ( x ) }2 = 1/18
2 . Jika : f(x) =0 ;x0
= 3/8 ( x – 2 )2 ;0<x<2
=0 ;x2
Berapa : a. E (x)
b. var (x)

3. Diketahui : y = x + 2 , berapa nilai Var (y) ?

jawab : Var ( y ) = E [ y – E (y) ]2
= E [ x+2 – E (x+2) ]2
= E [ x+2 – E (x) – 2 ]2
= E [ x – E (x) ]2 = Var (x) =x2
4.2 DISTRIBUSI NORMAL
1 Pengertian Distribusi Normal.
• Distribusi Normal disebut juga Distribusi Gauss,
untuk menghormati Karl Gauss (1777 – 1855) yang
berhasil mendapatkan persamaan dari studi
mengenai kesalahan dalam pengukuran yang
berulang-ulang terhadap benda yang sama.
• Distribusi normal ditentukan oleh dua parameter
yaitu  dan 2.
• Distribusi normal merupakan distribusi teoritis dari
variabel random yang kontinu, distribusi yang
simetris dan mempunyai bentuk seperti
genta/lonceng.
 2 Fungsi Distribusi Normal
Ciri-ciri distribusi normal :
• Kurvanya membentuk garis lengkung yang halus
dan berbentuk seperti genta.
• Simetris terhadap rata-rata .
• Kedua ujungnya (ekor) semakin mendekati sumbu
x tetapi tidak pernah memotong.
• Jarak titik belok kurva tersebut dengan sumbu
simetrisnya sama dengan .
• Luas daerah di bawah lengkungan kurva normal
dari - sampai + sama dengan 1 atau 100%.
3 Fungsi Distribusi Normal Standar/Baku.
Kurva normal standar adalah kurva normal yang sudah
diubah menjadi distribusi nilai Z, dimana distribusi tersebut
akan mempunyai  = 0 dan standar deviasi  = 1
Variabel normal standar Z adalah
Z = Nilai variabel random – Rata-rata variabel random
Standar deviasi variabel random
Atau : z = (x - ) / 
Kurva distribusi normal kontinu dibuat sedemikian rupa
sehingga luas daerah di bawah kurva itu yang dibatasi oleh
x = x1 dan x = x2 sama dengan peluang bahwa variabel
acak x mengambil nilai antara x = x1 dan x = x2. Jadi kurva
normal daerah P(x1<x<x2) dinyatakan oleh daerah yang
diarsir. Untuk mengetahui berbagai luas di bawah kurva
normal standar maka digunakan Tabel Luas Kurva Normal
Standar.
Contoh : Hitunglah luas kurva normal berikut ini :
1. P(-0,68  z  0) = L(0) - L(-0,68) = L(0,68) = 0,2517
2. P(-0,46  z  1,21) = L(1,21) + L(0,46) = 0,3869 + 0,1772
= 0,6641
3. P(z  -0,6) = 0,5 – L(0,6) = 0,5 – 0,2257 = 0,2743
4. P(-1  z  1) = L(1) + L(1) = 0,3413 + 0,3413 = 0,6826
4 Cara Membaca Tabel Distribusi Normal
Standar.
Contoh :
0,4750

Z 0 1,96
Jika Z = 1,96 maka
P(0< Z < 1,96) = 0,4750
 Tabel Distribusi Normal Standar

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879

0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549
0.7 .2580 .2611 .2642 .2673 .2703 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389

1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3521
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319
 Tabel Distribusi Normal Standar (lanjutan)

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4616 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767

2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4812 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936

2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986
 Tabel Distribusi Normal Standar (lanjutan)
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
3.1 .4990 .4991 .4991 .4991 .4992 .4992 .4992 .4992 .4993 .4993
3.2 .4993 .4993 .4994 .4994 .4994 .4994 .4994 .4995 .4995 .4995
3.3 .4995 .4995 .4995 .4996 .4996 .4996 .4996 .4996 .4996 .4997
3.4 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4998
3.5 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998 .4998
 Distribusi normal
Langkah-langkahnya:

1. Klik icon fx, atau klik icon insert dan pilih fx function
2. Pilih statistical pada function category dan pilih Normdist pada
function name, tekan OK.
Maka akan tampil dialog sbb:

NORMDIST
X …… (isilah nilai x, misal 600)
Mean …… (isilah nilai mean, misal 490)
Standard_dev …… (isilah nilai , misal 144,7
Cumulative …… (ketik 0 untuk nilai tunggal)
Catatan:
Hitungan MS Excel, probabilitas Normal adalah luas daerah dari kiri
kurva (infiniti negatif) ke kanan (sampai nilai X yang dimaksud).

Contoh Soal:
PT GS mengklaim rata berat buah mangga “B” adalah 350 gram
dengan standar deviasi 50 gram. Bila berat mangga mengikuti
distribusi normal, berapa probabilitas bahwa berat buah mangga
mencapai kurang dari 250 gram, sehingga akan diprotes oleh
konsumen.
Penyelesaian :
Diketatahui rata-rata = 350 , standar deviasi = 50, dan
ditanyakan P ( X < 250 )
-2,0
 Dengan SPSS

1. Definisikan data, misal x, ketik 250

2. Klik menu transform pilih compute
3. Ketik ekspresi seperti pada gambar
dibawah ini,
4. Klik OK
hasil hitungan akan tampil disebelah
kanan kolom variabel x
 Pertemuan ke-6
BAB IV
POPULASI, SAMPEL, DISTRIBUSI TEORITIS, VARIABEL
KONTINU, DAN FUNGSI PROBABILITAS
6.1 Distribusi Chi Kuadrat
Gambar distribusi Chi kuadrat


Jika x berdistribusi 2 (v) dengan v = derajat
kebebasan = n – 1 maka
P (c1  x  c2) = P (x  c1) – P (x  c2)
Dimana : c1 < c2
 Latihan Soal

1. Bila x merupakan variabel random yang memiliki distribusi

Chi-kuadrat dengan v = 10 , maka P ( 3,25  x  20, 5 )
adalah …..
P(3,25) – P(20,5) = 0,975 – 0,025 = 0,950
2. Jika x berdistribusi chi kuadrat dengan v = 10 Berapa
P ( 2  4,87 ) ? 0,900
3. Jika x berdistribusi Chi kuadrat dengan v = 30 ,
berapa P ( 2  40,30 ) ? 0,100
 Tabel Distribusi Chi-Kuadrat (X2)
d.k. 0,995 0,990 0,975 0,950 0,900 0,100 0,050 0,025 0,010 0,005
1 0.000 0,000 0,001 0,004 0.016 2,17 3,84 5,02 6,63 7,88
2 0,010 0,020 0,051 0,103 0,211 4,61 5,99 7,38 9,21 10,60
3 0,072 0,115 0,216 0,352 0,584 6,25 7,81 9,35 11,34 12,84
4 0,207 0,297 0,484 0,711 1,064 7,78 9,49 9,49 14,28 14,86

5 0,414 0,554 0,831 1,145 1,61 9,24 11,07 12,83 15,09 16,75
6 0,676 0,872 1,24 1,64 2,20 10,64 12,59 14,45 16,81 18,55
7 0,989 1,24 1,69 2,17 2,83 12,02 14,07 16,01 18,48 20,28
8 1,34 1,65 2,18 2,73 3,49 13,1 15,51 17,53 20,09 21,96
9 1,73 2,09 2,70 3,33 4,17 14,68 16,92 19,02 21,67 23,59

10 2,16 2,56 3,25 3,94 4,87 15,99 18,31 20,48 23,21 25,19
11 2,60 3,05 3,82 4,57 5,58 17,28 19,68 21,92 24,72 26,76
12 3,07 3,57 4,40 5,23 6,30 18,55 21,03 23,34 26,22 28,30
13 3,57 4,11 5,01 5,89 7,04 19,81 22,36 24,74 27,69 29,02
14 4,07 4,66 5,63 6,57 7,79 21,06 23,68 26,12 29,14 31,32

15 4,60 5,23 6,26 7,26 8,55 22,31 25,00 27,49 30,58 32,80
16 5,14 5,81 6,91 7,96 9,31 23,54 26,30 28,85 32,00 34,27
17 5,70 6,41 7,56 8,67 10,09 24,77 27,59 30,19 33,41 35,72
18 6,26 7,01 8,23 9,39 10,86 25,99 28,87 31,53 34,81 37,16
19 6,84 7,63 8,91 10,12 11,65 27,20 30,14 32,85 36,19 38,58
 Tabel Distribusi Chi-Kuadrat (X2) (Lanjutan)
d.k. 0,995 0,990 0,975 0,950 0,900 0,100 0,050 0,025 0,010 0,005

20 7.43 8.26 9.59 10.85 12.44 28.41 31.41 34.17 37.57 40.00
21 8.03 8.90 10.28 11.59 13.24 29.62 32.67 35.48 38.93 41.40
22 8.64 9.54 10.98 12.34 14.04 30.81 33.92 36.78 40.29 42.80
23 9.26 10.20 11.69 13.09 14.85 32.01 35.17 38.08 41.64 44.18
24 9.89 10.86 12.40 13.85 15.66 33.20 36.41 39.36 42.98 45.56

25 10.52 11.52 13.12 14.61 16.47 34.38 37.65 40.65 44.31 46.93
26 11.16 12.20 13.84 15.38 17.29 35.56 38.88 41.92 45.64 48.29
27 11.81 12.88 14.57 16.15 18.11 36.74 40.11 43.19 46.96 49.64
28 12.46 13.57 15.31 16.93 18.94 37.92 41.34 44.46 48.28 50.99
29 13.12 14.26 16.05 17.71 19.77 39.09 42.56 45.72 49.59 52.34
30 13.79 14.95 16.79 18.49 20.60 40.26 43.77 46.98 50.89 53.67

40 20.71 22.16 24.43 26.51 29.05 51.80 55.76 59.34 63.69 66.77
50 27.99 29.71 32.36 34.76 37.69 63.17 67.50 71.42 76.15 79.49
60 35.53 37.48 40.48 43.19 46.46 74.40 79.08 83.30 88.38 91.95
70 43.28 45.44 48.76 51.74 55.33 85.53 90.53 95.02 100.4 104.22
80 51.17 53.54 57.15 60.79 64.28 96.58 101.9 106.6 112.3 116.32
90 59.20 61.75 65.65 69.13 73.29 107.6 113.1 118.1 124.1 128.3
100 67.33 70.06 74.22 77.93 82.36 118.5 124.3 129.6 135.8 140.2
4.5 Distribusi F
Distribusi yang tergantung pada dua buah derajat
kebebasan.

Contoh :
1. Jika diketahui v1 = 20 , v2 = 15 dan
 = 0,05 . Tentukan F 0,05(20 , 15).

2. Sebuah sampel terdiri dari 25 siswa dan 15

siswi dipilih secara random dengan taraf nyata
sebesar 0,02. Berapa F /2 ( v1,v2 ) ?
 Tabel Distribusi F  = 0,05
v1 1 2 3 4 5 6 7 8 9 10 12 15 20 24

v2
1 161, 199, 215, 224, 230, 234, 236, 238, 240, 241, 243, 245, 248, 249,
2 4 5 7 6 2 0 8 9 5 9 9 9 0 1
3 18,5 19,0 19,1 19,2 19,3 19,3 19,3 19,3 19,3 19,4 19,4 19,4 19,4 19,4
4 1 0 6 5 0 3 5 7 8 0 1 3 5 5
10,1 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64
3 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77
7,71

5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90

10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35
 Tabel Distribusi F  = 0,01
v1 1 2 3 4 5 6 7 8 9 10 12 15 20 24

v2
1 4052 4999, 5403 5625 5764 5859 5928 5981 6022 6056 6106 6157 6209 6235
2 98,50 5 99,17 99,25 99,30 99,33 99,36 99,37 99,39 99,40 99,42 99,43 99,45 99,46
3 34,12 99,00 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,05 26,87 26,69 26,60
4 21,20 30,82 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,37 14,20 14,02 13,93
18,00

5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,89 9,72 9,55 9,47
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,72 7,56 7,40 7,31
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,47 6,31 6,16 6,07
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,67 5,52 5,36 5,28
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,11 4,96 4,81 4,73

10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,71 4,56 4,41 4,33
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,40 4,25 4,10 4,02
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,16 4,01 3,86 3,78
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 3,96 3,82 3,66 3,59
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,80 3,66 3,51 3,43
4.6 Distribusi T

Bila x dan s2 masing – masing adalah nilai

tengah dan ragam suatu contoh acak
berukuran n yang diambil dari suatu populasi
normal dengan nilai tengah  dan ragam 2 ,
maka : t = x - 
s/n
merupakan sebuah nilai peubah acak T yang
mempunyai distribusi t dengan v = (n – 1)
derajat bebas.
Gambar Distribusi t ( kurva simetris )

t
Bila sampel random kecil , pendugaan parameter
populasi sebaiknya dilakukan dengan distribusi T.
Bentuk kurva distribusi t akan menyerupai bentuk
kurva distribusi normal jika ukuran sampel yang
diambil sebesar : 30.
 Tabel distribusi T
 0,10 0,05 0,025 0,01 0,005
v
1 3,078 6,314 12,706 31,821 63,657
2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032

6 1,440 1,943 2,447 3,143 3,707

7 1,415 1,895 2,365 2,998 3,499
8 1,397 1,860 2,306 2,896 3,355
9 1,383 1,833 2,262 2,821 3,250
10 1,372 1,812 2,228 2,764 3,169

11 1,363 1,796 2,202 2,718 3,106

12 1,356 1,782 2,179 2,681 3,055
13 1,350 1,771 2,160 2,650 3,012
14 1,345 1,761 2,145 2,624 2,977
15 1,341 1,753 2,131 2,602 2,947

16 1,337 1,746 2,120 2,583 2,921

17 1,333 1,740 2,110 2,567 2,898
18 1,330 1,734 2,101 2,552 2,878
19 1,328 1,729 2,093 2,539 2,861
20 1,325 1,725 2,086 2,528 2,845
Contoh :
1. Jika n = 3 dan batas keyakinan atas sebesar 0,025 .
Tentukan t 0,025.
Jawab :
v = n – 1 = 3 – 1 = 2 derajat bebas
 = 0,025 t 0,025 = 4,303 ( lihat tabel )
2. Suatu variabel random yang terdiri dari 10 mahasiswa
mempunyai distribusi t dengan mean = 112 dan
standar deviasi sebesar 11. Berapa probabilitas akan
mempunyai nilai lebih besar dari 120 ?
Jawab : P ( x > 120 ) = P t > 120-112
11/10
= P ( t > 2,29 )
= 0,025
 Aplikasi Excel

Distribusi Chi Square (Kai Kuadrat )

Langkah-langkah:

1.Klik ikon fx , pilih Statistical pada Category Function

2.Pilih CHIDIST pada function name dan OK
3.Maka akan tampil seperti berikut:
CHIDIST(x,degrees_freedom)

• X = isi nilai variabel yang akan dihitung peluangnya.

• Degrees_freedom = isi dengan derajat kebebasan
(df atau v = n – 1)
Catatan: CHIDIST = P ( 2 > x )
Contoh :
Tentukan peluang P (2 > 19) dengan v = 10

Penyelesaian:
Distribusi Chi Square

Langkah-langkahnya dengan SPSS

1. Definisikan variabel x, lalu ketik nilai
variabelnya
2. Kilk menu transform dan pilih compute
3. Ketik ekspresi perhitungan seperti pada
layar dibawah ini, tekan OK
maka tampil hasil perhitungan pada data
editor
Editor Numeric Expression
 Distribusi t

Langkah-langkahnya dengan SPSS

1. Definisikan variabel x, lalu ketik nilai variabelnya
2. Kilk menu transform dan pilih compute
3. Ketik ekspresi perhitungan seperti pada layar
dibawah ini, tekan OK
maka tampil hasil perhitungan pada data editor
Editor Numeric Expression
 Distribusi F

Langkah-langkahnya dengan SPSS

1. Definisikan variabel x, lalu ketik nilai variabelnya
2. Kilk menu transform dan pilih compute
3. Ketik ekspresi perhitungan seperti pada layar
dibawah ini, tekan OK
maka tampil hasil perhitungan pada data editor
Editor Numeric Expression
 Pertemuan Ke – 9.
BAB V
PENDUGAAN PARAMETER

5.1 Pengertian Pendugaan Parameter.

Pendugaan merupakan suatu bagian dari statistik
inferensia yaitu suatu pernyataan mengenai parameter
populasi yang tidak diketahui berdasarkan informasi dari
sampel random sederhana yang diambil dari populasi.
Pendugaan Titik Parameter Populasi :
• Penduga adalah suatu statistik sampel yang digunakan
untuk menduga suatu parameter yang tidak diketahui.
• Pendugaan adalah seluruh proses menggunakan statistik
untuk menduga parameter.
• Pendugaan tunggal atau titik (point estimate) ialah
pendugaan yang terdiri dari satu nilai saja.
Contoh :
• Rata-rata konsumsi gula tiap keluarga per
bulannya 12 kg artinya X = 12 sebagai
penduga (estimator) dari .
• Persentase pelanggan supermarket yang
tidak puas sebesar 20 % artinya p sebagai
penduga dari parameter P.
Beberapa penduga dan parameter :
• Parameter :  P   
• Penduga : x p s r b
Pendugaan Interval
• Pendugaan tunggal yang terdiri dari satu angka tidak memberikan
gambaran mengenai berapa jarak/selisih nilai penduga tersebut terhadap
nilai sebenarnya.
• Jika kita menginginkan suatu pengukuran yang obyektif tentang derajat
kepercayaan kita terhadap ketelitian pendugaan, maka kita sebaiknya
menggunakan pendugaan interval (interval estimation). Pendugaan ini
akan memberikan nilai-nilai statistik dalam suatu interval dan bukan nilai
tunggal sebagai penduga parameter.
• Pendugaan interval (selang) merupakan pendugaan berupa interval yang
dibatasi oleh dua nilai yang disebut dengan nilai batas bawah dan nilai
batas atas.
• Pendugaan interval itu akan merupakan interval kepercayaan atau
interval keyakinan (confidence interval) yang dibatasi oleh batas
keyakinan atas (upper confidence limit) dan batas keyakinan bawah
(lower confidence limit).
• Untuk membuat pendugaan interval harus ditentukan terlebih dahulu
koefisien keyakinan atau tingkat keyakinan yang diberi simbol 1 - .
Koefisien keyakinan atau tingkat keyakinan :
Misalnya : 1 - = 0,90
 = 0,10 = 10 %.
/2 = 0,05
jadi Z/2 = Z 0,05 = (ZP = 0,5 - /2) =
Z 0,5 – 0,05 = Z0,45 = 1,645 (lihat Tabel Normal).

Misalnya : 1-  = 0,98 dan n = 25

 = 0,02
/2 = 0,01
jadi t/2 ; v = t/2 ; n – 1 = t 0,01 ; 25 –1 = t 0,01 ; 24 = 2,492
( lihat tabel Distribusi t).
5.2 Pendugaan interval Rata-rata 
Pendugaan parameter dengan sampel
besar (n > 30).
• Jika  dan  diketahui, populasi tak terbatas
atau populasi terbatas dan penarikan sampel
dilakukan dengan pengembalian kembali
(with replacement), maka rumusnya adalah
P ( X - Z/2 .  <  < X + Z/2 . ) = 1 - 
n n
• Jika  dan  diketahui, populasi terbatas dan penarikan sampel
dilakukan tanpa pengembalian kembali (without replacement), maka
rumusnya adalah

P ( X - Z/2 .  . N – n <  < X + Z/2 .  . N – n ) = 1 - 

n N–1 n N–1
• Jika  dan  tidak diketahui, populasi tak terbatas atau populasi terbatas
dan penarikan sampel dilakukan dengan pengembalian kembali (with
replacement), maka rumusnya adalah

P ( X - Z/2 .S <  < X + Z/2 .S ) = 1 - 

n n
S2 = 1  (Xi – X)2
n–1
S2 = 1 { (X1 – X)2 + (X2 – X)2 + … + (Xn – X)2}
n–1
Contoh :
1. Suatu sampel random yang terdiri dari 100 wisatawan
asing telah dipilih guna diwawancarai dari populasi
yang dianggap tidak terbatas dan terdiri dari semua
wisatawan asing yang ada di Indonesia. Dari
wawancara itu diketahui rata-rata pengeluaran per
kunjungannya ialah $800, per wisatawan. Jika
dianggap deviasi standart dari pengeluaran semua
wisatawan di Indonesia sebesar $120, maka buatlah
interval keyakinan sebesar 95% untuk menduga rata-
rata pengeluaran per wisatawan per kunjungannya di
Indonesia
b. Pendugaan parameter dengan sampel
kecil (n < 30).
Jika  dan  tidak diketahui, populasi
terbatas dan penarikan sampel dilakukan
tanpa pengembalian kembali (without
replacement), maka rumusnya adalah
P ( X - t/2 . S <  < X + t/2 . S ) = 1 - 
n n
t/2 ; v = t/2 ; n – 1 v = n – 1 = derajat bebas
Contoh :
1. Diketahui data tinggi xi = 159, 161, 157, 155, 163
Interval keyakinan sebesar 90%. Perkirakan rata-
rata mahasiswa seluruhnya !
5.3 Penentuan Besarnya Sampel n untuk
Pendugaan Rata-rata.
n = [Z/2 . ]2
E2
Contoh :
Andaikan di antara plat baja yang dibuat melalui
suatu proses tertentu memiliki distribusi normal
dengan  = 0,50, berapa besarnya sampel yang
harus kita ambil agar kita 95 % yakin bahwa rata-
rata sampelnya tidak akan berselisih dari rata-rata
populasinya lebih dari 0,1 ?
 Pertemuan Ke – 10.
5.4 Pendugaan Interval Proporsi.
Jika x = banyaknya elemen dengan karakteristik tertentu,
maka p = x/n merupakan perkiraan P = proporsi
sebenarnya dari elemen-elemen dengan karakteristik
tertentu tersebut.
P ( p - Z/2 . Sp < P < p + Z/2 . Sp ) = 1 - 
Untuk populasi tidak terbatas : Sp = p (1 - p)
n
Untuk populasi terbatas : Sp = p (1 - p) . N–n
n N-1
Jadi :
P ( p - Z/2 . p(1 – p) < P < p + Z/2 . p(1 – p) ) = 1 - 
n n
 Contoh soal :

1. Selama tahun 1998, 35 dari sampel random

sebanyak 500 angkatan kerja dijumpai sedang
menganggur. Buatlah interval keyakinan proporsi
penganggur di daerah itu dengan menggunakan
tingkat keyakinan 90%
5.5 Penentuan Besarnya Sampel n untuk pendugaan
proporsi.
n = p(1- p) . [ Z/2 ] 2 atau n = ¼ . [ Z/2 ] 2
E2 E2
Contoh : Apabila kita ingin memperkirakan
proporsi mahasiswa suatu perguruan tinggi
yang menggunakan sepeda motor waktu pergi
kuliah, berapa besarnya sampel yang kita
perlukan apabila dengan tingkat keyakinan 0,95
kesalahan yang mungkin terjadi tidak lebih dari
0,09 ?
5.6 Pendugaan Interval Varians (Ragam)
P (n-1) s2 < 2 < (n-1) s2 = 1- 
X2/2 X2 1 - /2
Contoh :

1. Suatu sampel random dengan 50 industri kecil di suatu

wilayah mempunyai modal kerja rata-rata Rp. 2.400.000 dan
deviasi standart Rp. 320.000. Hitung interval kepercayaan
95% untuk  yaitu deviasi standart modal kerja semua
industri kecil di wilayah itu.
 Pertemuan Ke-11
BAB VI
PENGUJIAN HIPOTESIS
6.1 Pengertian Hipotesis
Hipotesis adalah pernyataan atau dugaan mengenai
satu atau lebih populasi. Untuk menyatakan apakah
hipotesa diterima atau tidak kita harus mengadakan
pengujian.
6.2 Jenis – jenis Kesalahan
Ada dua jenis kesalahan atau kekeliruan , yaitu :
1. Kesalahan jenis I : Menolak Hipotesa yang
seharusnya diterima.
2. Kesalahan jenis II : Menerima Hipotesa yang
seharusnya ditolak.
 Hipotesa Ho benar Ho salah
(H1 benar)

Keputusan
Terima Ho Keputusan yang Kesalahan jenis II
benar. Probabilias =
Prob=1- =tingkat
keyakinan
Tolak Ho Kesalahan jenis I Keputusan yang
Prob=  =taraf benar prob=1- =
nyata kuasa pengujian
6.3 Uji Satu Arah dan Uji Dua Arah
Uji 2 arah
Ho : Hipotesis yang dirumuskan dengan harapan
akan ditolak (hipotesa awal).
H1 : Hipotesis alternatif , Hipotesis tandingan atau
Hipotesis lawan.
Uji hipotesa statistik yang alternatifnya bersifat dua
arah , seperti :
Ho :  = o
H1 :  # o
Wilayah kritik atau daerah penolakan Ho jika  < o
atau  >o
Gambar uji 2 arah.

Daerah Penolakan

Daerah Penerimaan

-z/2 z/2

Daerah penolakan : z > z/2 atau z < -z/2

Daerah penerimaan : -z/2  z  z/2
Uji 1 arah :
Suatu uji hipotesa statistik yang alternatifnya bersifat satu arah,
seperti :
Ho :   o atau Ho :   o
H1 :  > o H1 :  < o
Wilayah kritik bagi hipotesa alternatif  > o terletak
seluruhnya di ekor kanan , sedangkan wilayah kritik bagi
hipotesa alternatif  < o terletak seluruhnya di ekor kiri.
Gambar uji 1 arah kanan
Daerah Penerimaan
Ho :   o
H1 :  > o
Daerah Penolakan

Z
 Gambar uji 1 arah kiri
Ho :   o
H1 :  < o
Daerah penerimaan
Daerah Penolakan

- z
Contoh :
1. Menerima hipotesa dalam pengujian dua arah pada taraf
nyata  = 0,05 ; bila nilai z yang diperoleh dari sampel
berada dalam interval…….
Jawab :
 = 0,05 /2 = 0,025
z/2 = z 0,025 = 1,96
Daerah penerimaan : -1,96  z  1,96
 - 2,575 2,575

2. Menolak hipotesa dalam pengujian dua arah pada taraf

nyata  = 1%, jika nilai z yang diperoleh dari sampel
berada dalam interval…..
Jawab :
z > 2,575 atau z < -2,575
 Pertemuan Ke-12
6.4 Uji Hipotesis
Langkah – langkah pengujian hipotesis :
1. Nyatakan hipotesa nolnya Ho bahwa  = o.
2. Pilih hipotesis alternatif H1 yang sesuai diantara  < o,
 > o atau  # o.
3. Tentukan taraf nyata  .
4. Pilih statistik uji yang sesuai dan kemudian tentukan
wilayah kritiknya.
5. Hitung nilai statistik uji berdasarkan data contohnya.
6. Keputusan : Tolak Ho jika nilai statistik uji tersebut jatuh
dalam wilayah kritik , dan jika nilai itu jatuh di luar
wilayah kritiknya terima Ho.
 6.5. Pengujian hipotesis mengenai rata-rata
Ho Nilai Statistik Uji H1 Wilayah Kritik

 = 0 Z = x - 0  < 0 Z < - Z
/√n  > 0 Z > Z
 Diketahui atau  ≠ 0 Z > Z/2 atau Z < - Z/2
n≥30

 = 0 t = x - 0  < 0 t < - t
s/√n  > 0 t > t
 tidak diketahui  ≠ 0 t > t/2 atau t < - t/2
atau
n<30
 Latihan Soal !
1. Suatu Populasi berupa seluruh pelat baja yang diproduksi
oleh suatu perusahaan memiliki rata-rata panjang 80 cm
dengan simpangan baku 7 cm. Sesudah berselang 3 tahun,
teknisi perusahaan meragukan hipotesis mengenai rata-rata
panjang pelat baja tersebut. Guna menyakinkan keabsahan
hipotesis itu, diambil suatu sampel sebanyak 100 unit pelat
baja dari populasi di atas, dan diperoleh hasil perhitungan
bahwa rata-rata panjang pelat baja adalah 83 cm, dan
standar deviasinya tetap. Apakah ada alasan untuk
meragukan bahwa rata-rata panjang pelat baja yang
dihasilkan perusahaan itu sama dengan 80 cm pad taraf
signifikansi  = 5 % ?
Contoh 3 : Uji satu arah (kanan)
Ujilah pernyataan suatu perusahaan rokok X yang
menyatakan bahwa kadar tar rokok produksinya kurang
dari 17,5 mg. Dari sampel acak 8 batang rokok ternyata
memiliki rata-rata kadar tarnya adalah 18,613 mg dengan
simpangan baku = 1,422 mg . Gunakan  = 5 % untuk
menguji pernyataan tersebut di atas.

Bentuk ujinya:
Ho : o < 17,5
H1 : o  17,5
Langkah-langkah dengan SPSS :
1. Masukkan data pada data editor
2. Pilih menu Analyze
3. Pilih Compare Means
4. Pilih one sample T Test
5. Setelah itu akan muncul kotak dialog seperti pada Gambar 3.1
6. Isi nama variabel ( kadartar )yang akan di uji pada Test
Variable(s)
7. Isi nilai rata-rata hipotetsis (17,5 mg) yang akan diuji pada kotak
Test Value
8. Klik OK , maka akan tampil output seperti pada Gambar 3.2
Gambar 3.1
 Gambar 3.2

One-Sample Test

Test Value = 17.5

99% Conf idence
Interv al of the
Mean Dif f erence
t df Sig. (2-tailed) Dif f erence Lower Upper
kadar tar rokok X 2.213 7 .062 1.113 -.647 2.872

Dari tampilan output diperoleh nilai z = nilai t = 2,213 dan nilai p untuk
pengujian dua arah ( nilai Sig.(2-tailed) adalah 0,062. Oleh karena
pengujian satu arah maka nilai p di bagi dua menjadi 0,062/2 = 0,031
lebih kecil dari nilai  yang sebesar 0,05. Berarti Ho ditolak

Keterangan :
Ho diterima bila nilai sgn/2  5 %
Ho ditolak bila nilai sgn/2 < 5 %
Contoh 2 : Uji satu arah (kiri)
Ada pernyataan bahwa rata-rata gaji pegawai di suatu
perusahaan A diatas Rp 750.000 Diambil sampel acak 20
pegawai dan diperoleh rata-rata gajinya Rp 1.020.000
dengan simpangan baku sebesar Rp 820.686,49 .
Gunakan  = 1 %. Ujilah apakah pernyataan tersebut
diterima atau ditolak?

Bentuk ujinya sbb:

Ho : o > 750.000
H1 : o  750.000
Langkah-langkah dengan SPSS :

1. Masukkan data pada data editor

2. Pilih menu Analyze
3. Pilih Compare Means
4. Pilih one sample T Test
5. Setelah itu akan muncul kotak dialog seperti pada peraga
2.1
6. Isi nama variabel ( gaji )yang akan di uji pada Test
Variable(s)
7. Isi nilai rata-rata hipotetsis (750000) yang akan diuji pada
kotak Test Value
8. Klik OK , maka akan tampil output seperti pada peraga 2.2
 One-Sample Test

Test Value = 750000

99% Conf idence
Interv al of t he
Mean Dif f erence
t df Sig. (2-tailed) Dif f erence Lower Upper
gaji pegawai
1.471 19 .158 270000.00 -255013 795013.19
perusahaan A

Dari tampilan output diperoleh nilai z = nilai t = 1,471 dan nilai p untuk
pengujian dua arah ( nilai Sig.(2-tailed) adalah 0,158. Oleh karena
pengujian satu arah maka nilai p di bagi dua menjadi 0,158/2 = 0,079
lebih besar dari nilai  yang sebesar 0,01. Berarti Ho diterima

Keterangan: Ho diterima bila nilai sign/2 > 0,01

Ho diterima bila nilai sign/2  0,01
 UJI HIPOTESIS TENTANG RATA-RATA POPULASI
Contoh 1 : kasus uji dua arah
Nilai matematika di sebuah SMU tahun lalu adalah 60 dan
tahun ini dipekirakan akan sama dengan tahun lalu.
Setelah selesai ujian tahun ini, diambil sampel acak 10
murid dan nilai rata-ratanya adalah 68,8 dengan
simpangan baku 14,91. Dengan menggunakan  = 5 %
apakah Ho diterima atau ditolak ?
Bentuk Uji dua arah:
Ho : o = 60
H1 : o  60
Langkah-langkah dengan SPSS:

1. Masukkan data pada data editor

2. Pilih menu Analyze
3. Pilih Compare Means
4. Pilih one sample T Test
5. Setelah itu akan muncul kotak dialog seperti pada
peraga 1.1
6. Isi nama variabel ( nilai matematika ) yang akan di uji
pada Test Variable(s)
7. Isi nilai rata-rata hipotetsis (60) yang akan diuji pada
kotak Test Value
8. Klik OK , maka akan tampil output seperti pada
peraga 1.2
 One-Sample Test

Test Value = 60
95% Conf idence
Interv al of the
Mean Dif f erence
t df Sig. (2-tailed) Dif f erence Lower Upper
nilia mat ematika 1.867 9 .095 8.80 -1.86 19.46

Penjelasan :
Dari tampilan output diperoleh nilai z = nilai t = 1,867 dan p
( nilai Sig.(2-tailed) adalah 0,095 lebih besar dari nilai  yang
sebesar 0,05. Berarti Ho diterima
Keterangan:
Untuk uji dua arah : Ho diterima bila nilai sign  
Ho ditolak bila nilai sign < 
 Pertemuan Ke-13
6.6 Pengujian Hipotesis mengenai Proporsi
Dalam pengujian hipotesis untuk proporsi langkah-
langkah yang dilakukan sama seperti pengujian
hipotesis untuk rata-rata.
X – np0
Z0 =
 np0(1-p0)
dimana : n = banyak sampel
Latihan soal :
1. Seorang pejabat suatu bank berpendapat, bahwa petani
peminjam kredit Bimas yang belum mengembalikan
kreditnya kembali adalah sebesar 70%, dengan alternatif
lebih kecil dari itu. Untuk mengujinya, kemudian diteliti
sebanyak 225 orang petani peminjam kredit Bimas.
Ternyata ada 150 orang yang belum mengembalikan kredit
dengan  =10%, ujilah pendapat tersebut.
2. Seorang pejabat BKKBN berpendapat bahwa 40%
penduduk suatu desa yang tidak setuju KB, dengan
alternatif tidak sama dengan itu. Untuk mengujinya,
telah diteliti sebanyak 400 orang sebagai sampel acak.
Ternyata ada152 orang yang mengatakan tidak setuju
KB. Mereka berpendapat bahwa setiap anak yang lahir
merupakan rahmat Tuhan dan membawa rezeki sendiri-
sendiri. Dengan menggunakan  =1% ujilah pendapat
tersebut.
UJI HIPOTESIS PROPORSI POPULASI

Contoh 1:
Diperkirakan murid di sebuah SMU yang menyenangi
mata pelajaran matematika tidak lebih dari 10%. Untuk
mengujinya diambil 20 siswa secara acak, hasilnya 4
murid menyatakan menyenangi mata pelajaran
matematika. Dengan tingkat signifikansi  = 5 %, ujilah
pernyataan tersebut benar atau salah ?

Bentuk uji hipotesanya sbb:

Ho : P  10 %
H1 : P > 10 %
 Langkah-langkahnya dengan SPSS

1. Masukkan data hasil pengamatan 20 siswa seperti pada

peraga 1.
2. Pilih menu Analyze
3. Pilih Non Parametrics Test
4. Pilih Binomial (karena yang diuji dua elemen 1 = senang
atau 2 = tidak senang)
5. Isi pada Test Variabel List dengan variabel tanggap
6. Isi pada Test proportion dengan 0.10 dan klik OK
Pada tampilan output akan terlihat seperti peraga 2
 Binomial Test

Observ ed Exact Sig.

Category N Prop. Test Prop. (1-tailed)
tanggap terhadap Group 1 senang 4 .2 .1 .133
pelajaran matematika Group 2 tidak
16 .8
senang
Total 20 1.0

Dari ouput viewer SPSS di atas diperoleh nilai sign. = 0,133 lebih besar dari
nilai  = 5 %, jadi kesimpulannya Ho diterima artinya siswa yang
menyenangi mata pelajaran matematika tidak lebih dari 10 %.

Keterangan : untuk Uji seperti di atas ( uji arah kanan )

•Ho diterima bila sign > 0,05 ( 5 % )
•Ho ditolak bila sign < 0,05 ( 5 % )
 Pertemuan ke – 14
6.7 Pengujian Hipotesis mengenai Varians
Dalam pengujian hipotesis untuk varians langkah-langkah
yang dilakukan sama seperti pengujian hipotesis untuk
rata-rata dan proporsi.
(n-1)S2
X2(n-1) =
2
mengikuti fungsi chi-kuadrat dengan derajat kebebasan
(n-1)
Contoh soal :
1. Seorang pemilik perusahaan makanan ternak ingin
mengetahui apakah sejenis makanan baru dapat
mengurangi variasi berat ternak. Pemilik perusahaan
tersebut beranggapan, setelah ternak diberi makanan
tersebut selama 3 bulan, akan tercapai variasi berat, yang
dinyatakan dalam varians sebesar 1600 pon, dengan
alternatif lebih kecil dari itu. Untuk mengujinya, sebanyak
30 ekor ternak yang beratnya hampir sama dipilih sebagai
sampel acak, kemudian diberi makanan baru tersebut
selama 3 bulan. Setelah 3 bulan, dilakukan penimbangan.
Ternyata diperoleh varians berat badan sebesar 1000
pon. Dengan menggunakan tingkat keyakinan 2,5% ujilah
pendapat tersebut.
SOAL – SOAL LATIHAN
01. Dalam pengujian hipotesa mengenai varians maka
digunakan uji:
a. chi kuadrat c. Fisher
b. T - student d. normal

02. Diketahui variansi populasi 2,5 dan dari 50 sampel

diperoleh variansi 2,01, maka nilai uji X2 = …
a. 3,94 c. 0,394
b. 39,4 d. 4,02
02. Diketahui variansi populasi 2,5 dan dari 50 sampel
diperoleh variansi 2,01, maka nilai uji X2 = …
a. 3,94 c. 0,394
b. 39,4 d. 4,02

03. Diketahui variansi populasi 5,5 dan dari 100 sampel

diperoleh variansi 2,35. Maka nilai uji X2 = …
a. 4,23 c. 3,4
b. 42,3 d. 0,423
03. Diketahui variansi populasi 5,5 dan dari 100 sampel
diperoleh variansi 2,35. Maka nilai uji X2 = …
a. 4,23 c. 3,4
b. 42,3 d. 0,423

04. Jika pada uji hipotesa varians dimana hipotesa alternatif

adalah X2 < Xo2. Diketahui X2 tabel = 16 dan X02 = 18
maka keputusannya adalah :
a. Tolak Ho c. Terima H1
b. Terima Ho d. Tolak H1
04. Jika pada uji hipotesa varians dimana hipotesa alternatif
adalah X2 < Xo2. Diketahui X2 tabel = 16 dan X02 = 18
maka keputusannya adalah :
a. Tolak Ho c. Terima H1
b. Terima Ho d. Tolak H1

05. Jika pada uji hipotesa varians dimana hipotesa alternatif

adalah X2 > Xo2. Diketahui X2 tabel = 16 dan X02 = 18
maka keputusannya adalah :
a. Tolak Ho c. Terima H1
b. Terima Ho d. Tolak H1
05. Jika pada uji hipotesa varians dimana hipotesa alternatif
adalah X2 > Xo2. Diketahui X2 tabel = 16 dan X02 = 18 maka
keputusannya adalah :
a. Tolak Ho c. Terima H1
b. Terima Ho d. Tolak H1

01. Dalam pengujian hipotesa mengenai varians maka

digunakan uji:
a. chi kuadrat c. Fisher
b. T - student d. normal