Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
01
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Pendahuluan
Mata kuliah statistika bagi mahasiswa sangat diperlukan terutama ketika seorang mahasiswa
harus mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk pembuatan
skripsi, thesis atau disertasi. Dalam hal ini pengetahuan statistik dipakai dalam menyusun
metodologi penelitian.
Sebagai suatu ilmu, kedudukan statistika merupakan salah satu cabang dari ilmu matematika
terapan. Oleh karena itu untuk memahami statistika pada tingkat yang tinggi, terebih dahulu
diperlukan pemahaman ilmu matematika.
Dinegara maju seperti Amerika, Eropa dan Jepang, ilmu statistika berkembang dengan pesat
sejalan dengan berkembangnya ilmu ekonomi dan teknik. Bahkan kemajuan suatu negara sangat
ditentukan oleh sejauh mana negara itu menerapkan ilmu statistika dalam memecahkan masalah-
masalah pembangunan dan perencanaan pemerintahannya. Jepang sebagai salah satu negara maju,
konon telah berhasil memadukan ilmu statistika dengan ilmu ekonomi, desain produk, psikologi dan
sosiologi masyarakat.
Sejauh itu ilmu statistika digunakan pula untuk memprediksi dan menganalisis perilaku
konsumen, sehingga Jepang mampu menguasai perekonomian dunia sampai saat ini.
Statistik adalah kumpulan data dalam bentuk angka maupun bukan angka yang disusun
dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau berkaitan dengan suatu
masalah tertentu.
Contoh :
Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara
mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk disajikan secara
lengkap dalam bentuk yang mudah dipahami penggunanya.
Dalam statistika dikenal beberapa jenis data. Data dapat berupa angka dapat pula bukan
berupa angka. Data berupa angka disebut data kuantitatif dan data yang bukan angka disebut data
kualitatif.
Berdasarkan nilainya dikenal dua jenis data kuantitatif yaitu data diskrit yang diperoleh dari
hasil perhitungan dan data kontinue yang diperoleh dari hasil pengukuran.
Menurut sumbernya data dibedakan menjadi dua jenis yaitu data interen adalah data yang
bersumber dari dalam suatu instansi atau lembaga pemilik data dan data eksteren yaitu data yang
diperoleh dari luar.
Data eksteren dibagi menjadi dua jenis yaitu data primer dan data sekunder. Data primer
adalah data yang langsung dikumpulkan oleh orang yang berkepentingan dengan data tersebut dan
data sekunder adalah data yang tidak secara langsung dikumpulkan oleh orang yang berkepentingan
dengan data tersebut.
Statistika dibedakan berdasarkan jenisnya menjadi dua yaitu Statistika Deskriptif dan
Statistika Inferensia.
Statistika deskriptif adalah statistika yang berkaitan dengan metode atau cara
medeskripsikan, menggambarkan, menjabarkan atau menguraikan data. Statistika deskripsi
mengacu pada bagaimana menata, menyajikan dan menganalisis data, yang dapat dilakukan
misalnya dengan menentukan nilai rata-rata hitung, median, modus, standar deviasi atau
menggunakan cara lain yaitu dengan membuat tabel distribusi frekuensi dan diagram atau grafik.
Statistika inferensia adalah statistika yang berkaitan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakteristik dari suatu
populasi. Dengan demikian dalam statistika inferensia data yang diperoleh dilakukan generalisasi
dari hal yang bersifat kecil (khusus) menjadi hal yang bersifat luas (umum).
Populasi dan sample masing-masing mempunyai karakteristik yang dapat diukur atau
dihitung. Karakteristik untuk populasi disebut parameter dan untuk sample disebut statistik.
S (Populasi)
Sample Contoh parameter adalah mean ( ), standar deviasi ( ),
proporsi (P) dan koefisien korelasi ( ), sedangkan statistik
x, s, p
adalah nilai rata-rata ( x ), standar deviasi (s), proporsi (p)
, , dan koefisien korelasi (r).
Populasi orang atau individu adalah keseluruhan orang atau individu (dapat pula berupa
benda-benda) yang menjadi obyek perhatian.
Populasi data adalah populasi yang terdiri atas keseluruhan karakteristik yang menjadi
obyek perhatian.
Sample juga dibedakan menjadi dua jenis yaitu :
Sampel orang atau individu adalah sampel yang terdiri atas orang-orang (dapat pula berupa
benda-benda) yang merupakan bagian dari populasinya yang menjadi obyek perhatian.
Sampel data adalah sebagaian karakteristik dari suatu populasi yang menjadi obyek
perhatian.
Meskipun populasi merupakan gambaran yang ideal, tetapi sangat jarang penelitian
dilakukan memakai populasi. Pada umumnya yang dipakai adalah sample. Ada beberapa alasan
mengapa penelitian dilakukan menggunakan sample :
Untuk memperoleh data yang benar dan dapat dipertanggung jawabkan keabsahannya, data
harus dikumpulkan dengan cara dan proses yang benar. Terdapat beberapa cara atau teknik untuk
mengumpulkan data yaitu :
Kekurangannya adalah tidak dapat dilakukan dalam skala besar dan sulit memperoleh
keterangan yang sifatnya pribadi.
2. Kuesioner (angket) adalah cara mengumpulkan data dengan mengirim atau menggunakan
kuesioner yang berisi sejumlah pertanyaan.
Kelebihannya adalah dapat dilakukan dalam skala besar, biayanya lebih murah dan dapat
memperoleh jawaban yang sifatnya pribadi.
Kelemahannya adalah jawaban bisa tidak akurat, bisa jadi tidak semua pertanyaan terjawab
bahkan tidak semua lembar jawaban dikembalikan.
3. Observasi (pengamatan) adalah cara mengumpulkan data dengan mengamati obyek penelitian
atau kejadian baik berupa manusia, benda mati maupun gejala alam. Data yang diperoleh adalah
untuk mengetahui sikap dan perilaku manusia, benda mati atau gejala alam.
Kebaikan dari observasi adalah data yang dieroleh lebih dapat dipercaya.
Kelemahannya adalah bisa terjadi kesalahan interpretasi terhadap kejadian yang diamati.
4. Tes dan Skala Obyektif adalah cara mengumpulkan data dengan memberikan tes kepada obyek
yang diteliti. Cara ini banyak dilakukan pada tes psikologi untuk mengukur karakteristik
kepribadian seseorang. Beberapa contoh tes skala obyektif yaitu :
a. Tes kecerdasan dan bakat.
b. Tes kepribadian.
c. Tes sikap.
d. Tes tentang nilai.
5. Metode proyektif adalah cara mengumpulkan data dengan mengamati atau menganalisis suatu
obyek melalui ekspresi luar dari obyek tersebut dalam bentuk karya lukisan atau tulisan. Metode
ini dipakai dalam psikologi untuk mengetahui sikap, emosi dan kepribadian seseorang.
Kelemahan dari metode ini adalah obyek yang sama dapat disimpulkan berbeda oleh pengamat
yang berbeda.
Skala Pengukuran
Salah satu aspek penting dalam memahami data untuk keperluan analisis terutama statistika
inferensia adalah Skala Pengukuran. Secara umum terdapat 4 tingkat/jenis skala pengukuran yaitu :
1. Skala nominal adalah skala yang hanya mempunyai ciri untuk membedakan skala ukur yang satu
dengan yang lain. Contoh skala nominal seperti tabel dibawah ini :
Pepaya 2 ton
Apel 1 ton
2. Skala Ordinal adalah skala yang selain mempunyai ciri untuk membedakan juga mempunyai ciri
untuk mengurutkan pada rentang tertentu. Contoh skala ordinal seperti tabel dibawah ini :
“ Bina Pintar “
Istimewa 6 orang
Rata-rata 15 orang
Kurang 7 orang
3. Skala Interval adalah skala yang mempunyai ciri untuk membedakan, mengurutkan dan
mempunyai ciri jarak yang sama. Contoh, suhu tertinggi pada bulan Desember dikota A, B dan C
berturut-turut adalah 28, 31 dan 20 derajat Fahrenheit. Kita dapat membedakan dan
mengurutkan besarnya suhu, sebab satu derajat Fahrenheit merupakan suatu besaran yang
tetap, namun pada saat suhu menunjukkan nol derajat Fahrenheit tidak berarti tidak adanya
panas pada kondisi tersebut. Hal ini dapat dijelaskan, misalnya kota A bersuhu 30 derajat
Fahrenheit dan kota B bersuhu 60 derajat Fahrenheit, tidak dapat dikatakan bahwa suhu dikota
B dua kali lebih panas dari pada suhu dikota A, karena suhu tidak mempunyai titik nol murni
(tulen).
4. Skala ratio adalah skala yang mempunyai 4 ciri yaitu membedakan, mengurutkan, jarak yang
sama dan mempunyai titik nol yang tulen (berarti). Contoh : Pak Asmuni mempunyai uang nol
rupiah, artinya pak Asmuni tidak mempunyai uang.
PENYAJIAN DATA
Secara garis besar ada dua cara penyajian data yaitu dengan tabel dan grafik. Dua cara
penyajian data ini saling berkaitan karena pada dasarnya sebelum dibuat grafik data tersebut berupa
tabel. Penyajian data berupa grafik lebih komunikatif.
Cross section data adalah data yang dikumpulkan pada suatu waktu tertentu.
Data berkala adalah data yang dikumpulkan dari waktu ke waktu. Dengan data berkala
dapat dibuat garis kecenderungan atau trend.
Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori atau
karakteristik data sehingga memudahkan untuk analisis data.
Tabel satu arah atau satu komponen adalah tabel yang hanya terdiri atas satu kategori
atau karakteristik data. Tabel berikut ini adalah contoh tabel satu arah.
I 703.827
II 1.917.920
III 309.337
IV 17.574
Jumlah 2.948.658
Tabel dua arah atau dua komponen adalah tabel yang menunjukkan dua kategori atau
dua karakteristik. Tabel berikut ini adalah contoh tabel dua arah.
Tabel tiga arah atau tiga komponen adalah tabel yang menunjukkan tiga kategori atau
tiga karakteristik. Contoh tabel berikut ini.
Tahun 2000
IV 0 250 0 250
Penyajian data dengan grafik dianggap lebih komunikatif karena dalam waktu singkat dapat
diketahui karakteristik dari data yang disajikan.
30
25
20
Frekuensi
DATA 1
15
DATA 2
10
0
1 2 3 4 5 6 7 8
Data
30
25
20
Data
15
10
0
1 2 3 4 5 6 7 8
Frekuensi
DATA 1 DATA 2
PIE CHART
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
02
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
x1 x2 x3 .... xn
X
n
Catatan :
X
f .X
i i
f i
Catatan :
• fi = frekuensi ke – i
• Xi = data ke – i
Contoh 1
2 2
3 1
4 5
5 6
7 3
8 6 Jawab:
X
f .x i i
f i
2. Median
Median adalah nilai tengah suatu data yang telah diurutkan, untuk jumlah data genap
median adalah rataan hitung dari dua nilai data yang ada di tengah.
Untuk menentukan median dari data tungal dapat dilakkukan dengan cara:
Contoh 2
2 2
3 1
4 5
8 6 2 2 2
3. Modus
Modus adalah nilai data yan paling sering muncul. Jika data disajkan dengan tabel maka
modus adalah data dengan frekuensi paling besar atau paling banyak.
Contoh 3
Diberikan data sampel tentang nilai 10 siswa untuk bidang studi matematika sebagai
berikut:
6 8 5 7 9 6 7 6 8 5
Jawab:
Karena nilai 6 paling sering muncul (3 kali) maka modus dari data diatas adalah 6.
Data Frekuensi
41 – 45 3
46 – 50 6
51 – 55 10
61 – 65 5
66 – 70 4
a. Kelas
Kelas adalah interval suatu data, yang didalamnya termuat beberapa data.
Tabel diatas terdiri dari 6 kelas. Kelas pertama 41 – 45, kelas kedua 46 – 50
dan seterusnya.
b. Batas Kelas
Batas Kelas adalah nilai ujung dari setiap kelas, misalnya:
Data di atas akan kita tentukan bats atas dan batas bawahnya:
41 – 45 3 40, 5 45, 5
46 – 50 6 45, 5 50, 5
51 – 55 10 50, 5 55, 5
56 – 60 12 55, 5 60, 5
61 – 65 5 60, 5 65, 5
66 – 70 4 65, 5 70, 5
Dari tabel di atas dapat dibuat daftar frekuensi komulatif kurang dari dan lebih dari
seperti berikut ini :
≤ 45, 5 3
≤ 50, 5 9
≤ 55, 5 19
≤ 60, 5 31
≤ 65, 5 36
≤ 70, 5 40
≥ 40, 5 40
X ≥ 45, 5 37
≥ 50, 5 31
X
f .x i i
f i
Catatan:
• X = rataan hitung
• fi = frekuensi ke – i
• xi = titik tengah ke – i
b. Menghitung rataan hitung dengan rata – rata sementara.
X Xs
f .d i i
f i
Catatan :
• X = rataan hitung
Data Frekuensi
30 – 34 6
35 – 39 10
40 – 44 8
45 – 49 6
Jawab:
30 – 34 6 32 192
35 – 39 10 37 370
40 – 44 8 42 336
45 – 49 6 47 282
Jumlah 30 1180
X
f .x i i
1180
39,33
f i 30
30 – 34 6 32 – 5 – 30
0
35 – 39 10 37 = X s 0
5
40 – 44 8 42 40
10
45 – 49 6 47 60
Jumlah 30 70
X Xs
f .d i i
37
70
39,33
f i 30
2. Median
Median dari data berkelompok adalah:
n
F
Me Lme c 2
f
Catatan:
2 2 X n Xn
1
2 X 15 X 16 6 6
Me 6
2
3 1
2 2 2
4 5
Jadi median dari data tersebut dalah 6
5 6
6 7
7 3
8 6
3. Modus
Data nilai yang berbentuk distribusi frekuensi, modus dapat
dicari dengan rumus:
a
Mo Lmo c
ab
Catatan:
Data f
41 – 45 3
46 – 50 6
51 – 55 10
56 – 60 12
61 – 65 5
66 – 70 4
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
03
Ilmu Komputer Teknik InformatikaStudi 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Range = L – S
Contoh data:
44 56 60 67 70 80 85 90 99
Range = 99 – 44 = 55.
• Oleh karena itu, kita harus memilih rumus yang sesuai dengan jenis data yang
ada, yaitu data populasi atau data sampel.
• Jika data kita adalah data populasi gunakan rumus deviasi standar untuk
populasi, dan jika data kita adalah data sampel, maka gunakan rumus deviasi
standar untuk sampel.
( x x _ bar) 2
s
( x ) 2 n 1
N
Keterangan:
Keterangan:
populasi sampel
Latihan Soal:
(x)
1 18
2 19
3 19
4 19
5 19
6 19
7 20
8 20
9 45
10 45
12 47
13 48
14 50
( x xbar) 2 =
Tingkat kemiringan suatu kurva adalah merupakan ukuran kecenderungan mencengnya suatu kurva,
berdasarkan konsep hubungan pemusatan data antara nilai rata-rata hitung, modus dan mediannya
( X, Mo danMe ), jika nilai X Mo Me maka kecenderungan kurvanya akan terbentuk simetris (normal), dan
apabila nilai-nilai X Mo Me maka ada 2 kemungkinan yang dapat terjadi pada kurvanya, bisa condong kekiri
(positif) atau bisa juga condong kekanan (negatif).
GAMBAR VI – 1
X Mo 3(X Me)
a. Pearson: Sk 3 atau Sk 3 ……. VI - 1
s s
Sk : Skewness
X : Rata-rata
Mo : Modus
Me : Median
fi.(X i X)3
b. Moment Matematis: SK 3 ………………. VI - 2
n.s3
• Suatu kurva dikatakan condong ke kiri (Positif), jika Sk > 0,01
• Suatu kurva dikatakan normal, jika Sk = 0,01
• Suatu kurva dikatakan condong ke kanan (Negatif), jika Sk < 0,01
Q Q 2 Q 2 Q1 Q 3 2Q 2 Q1 ………. VI – 3
c. Bowley : S k 3
Q 3 Q 2 Q 2 Q1 Q 3 Q1
Jika Sk = 0,1 , maka kurva dikatakan cenderung condong ke kiri, kanan dan atau normal, sedangkan jika
Sk > 0,3, maka tingkat kecondongannya semakin berarti.
d. Andi Supangat : Sk
Pint MO
Sm
………………….... VI – 4
Tk Tk
Dimana :
Sk : Kemiringan kurva
Pint : Paruh Interval (semi Interval)
Mo : Nilai Modus
Tk : Titik tengan kurva
Sm : Selisih modus
Adapun Kriteria dalam menentukan kemiringan kurvanya dinyatakan sebagai berikut:
fi.(X i X) 4
K α4 ………………….. VI – 5
n.s4
Dimana:
K : Kurtosis ( α4 )
Xi : Midpoint
n : Jumlah data
fi : Frekuensi
Adapun Kriteria untuk menyatakan tingkat keruncingan kurva, dinyatakan sebagai berikut:
• Suatu kurva dikatakan runcing (lepto kurtik) jika, jika nilai K > 3
• Suatu kurva dikatakan normal (meso kurtik), jika nilai K = 3
• Suatu kurva dikatakan datar (plati kurtik), jika K < 3
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
04
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Indeks .. . .....................................................................
Rangkuman..................................................................
Soal-penyelesaian
Soal-soal latihan
Angka Indeks
1. Pendahuluan
Angka Indeks digunakan untuk mengukur perubahan atau perbandingan variabel ekonomi/sosial.
Misalnya untuk mengukur perubahan tingkat produktivitas, penggangguran, gaji/upah dan harga.
2. Kuantitas (Q)
3. Nilai (P x Q)
sebagai penyebut
2020 : APEC
Tahun tertentu (given year) : tahun yang variabelnya ingin kita bandingkan
A. Berdasarkan 1 Komoditas
B. Beberapa Komoditas
a. Metode Agregasi
b. Metode Laspreyres
c. Metode Paasche
d. Metode Fisher
e. Metode Drobisch
f. Metode Marshall-Edgeworth
g. Metode Walsh
a. Tahun Dasar Tetap : untuk semua perbandingan digunakan tahun dasar yang sama
pn Qn Pn Qn
IP 100% IQ 100% IV 100%
P0 Q0 P0 Q0
Contoh 1 :
IP 1991 = 110% dibanding tahun 1990 (Tahun Dasar) terjadi peningkatan harga
sebesar 10%
IP 1992 = 120% dibanding tahun 1990 (Tahun Dasar) terjadi peningkatan harga
sebesar 20%
IQ 1991 = 120% dibanding tahun 1990 (Tahun Dasar) terjadi peningkatan kuantitas
sebesar 20%
IQ 1992 = 86.67% dibanding tahun 1990 (Tahun Dasar) terjadi penurunan kuantitas
sebesar 13.33%
IV 1991 = 132% dibanding tahun 1990 (Tahun Dasar) terjadi peningkatan nilai
sebesar 32%
IV1992 = 104% dibanding tahun 1990 (Tahun Dasar) terjadi peningkatan nilai
untuk memeriksa
dengan setimbang
1 kg emas = 1 kg beras?
k k k
Pni Q ni
i 1
Pni Q 0i P
i 1
ni Q ni
i 1
k 100% k 100% k 100%
P
i 1
0i Q 0i P 0i Q 0i P
i 1
0i Q ni
i 1
Contoh 2 : Tabel Harga dan Kuantitas Beberapa Bahan pokok (data fiktif):
garam Rp 10/blok 500 blok Rp 25/blok 600 blok Rp 40/blok 750 blok
Agregasi :
P 0 Q0 P n Qn P n Qn
Laspeyres :
P 0 Q0 P n Q0 P n Q0
Paasche :
P0 Qn 1985 P n Qn
untuk memeriksa
-- selesai --
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
05
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
ANALISIS KORELASI:
Suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau koelasi
antara dua variabel.
Hubungan dua variabel ada yang positif dan negatif. Hubungan X dan Y dikatakan positif
apabila kenaikan (penurunan) X pada umumnya diikuti oleh kenaikan (penurunan) Y.
Sebaliknya dikatakan negatif kalau kenaikan (penurunan) X pada umumnya diikuti oleh
penurunan (kenaikan) Y.
Jadi, kalau variabel X dan Y ada hubungan, maka bentuk diagram pencarnya adalah
mulus/teratur. Apabila bentuk diagram pencar tidak teratur, artinya kenaikan/penurunan X
pada umumnya tidak diikuti oleh naik turunnya Y, maka dikatakan X dan Y tidak berkorelasi.
Jika r =1, hubungan X dan Y sempurna dan positif, r = -1, hubungan X dan Y sempurna dan
negatif, r mendekati 1, hubungan sangat kuat dan positif, r mendekati –1, hubungan sangat
kuat dan negatif.
KOEFISIEN PENENTUAN :
Naik turunnya Y adalah sedemikian rupa sehingga nilai Y bervariasi, tidak semata-mata
disebabkan oleh X, karena masih ada faktor lain yang menyebabkannya. Jadi untuk
mengatahui berapa besar kontribusi dari X terhadap naik turunnya nilai Y maka harus
dihitung dengan koefisien penentuan (koefisien determinasi). Kalau koefisien penentuan
ditulis KP, maka untuk menghitung KP digunakan rumus berikut : KP = r2.
CARA MENGHITUNG r :
x y i i n n n
r i 1 n X iYi X i Yi
n n
r i 1 i 1 i 1
x y 2 2
n
n
2 n
n
2
n X X i Yi
i i
i 1 i 1 atau
i
2
Yi 2
i 1 i 1 i 1 i 1
Rumus untuk menghitung koefisien korelasi yang sudah dibahas diatas adalah untuk data
yang tidak berkelompok (data yang belum disajikan dalam bentuk tabel frekuensi, dengan
menggunakan kelas-kelas atau katagori-katagori). Untuk data yang berkelompok rumusnya
adalah sebagai berikut :
Tujuan utama materi ini adalah bagaimana menghitung suatu perkiraan atau persamaan
regresi yang akan menjelaskan hubungan antara dua variabel.
Setelah ditetapkan bahwa terdapat hubungan logis di antara variabel, maka untuk
mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan grafik.
Grafik ini disebut diagram pencar, yang menunjukkan titik-titik tertentu. Setiap titik
memperlihatkan suatu hasil yang kita nilai sebagai varibel tak bebas maupun bebas.
Diagram pencar ini memiliki 2 manfaat, yaitu : membantu menunjukkan apakah terdapat
hubungan yang bermanfaat antara dua variabel, dan membantu menetapkan tipe
persamaan yang menunjukkan hubungan antara kedua variabel tersebut.
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya
korelasi antarvariabelnya. Istilah regresi itu sendiri berarti ramalan atau taksiran.Persamaan
yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut
persamaan regresi.
Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan metode
kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut: Y’ = a + b X
Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan persamaan
garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmatika) memiliki dua sifat
matematis berikut : (Y – Y’) = 0 dan (Y – Y’)2 = nilai terkecil atau terendah. Dengan
perkataan lain, garis regresi akan ditempatkan pada data dalam diagram sedemikian rupa
sehingga penyimpangan (perbedaan) positif titik-titik terhadap titik-titik pencar di atas garis
Untuk tujuan diatas, perhitungan analisis regresi dan analisis korelasi dapat dipermudah
dengan menggunakan rumus dalam bentuk penyimpangan nilai tengah variabel X dan Y,
yaitu penyimpangan dari . X dan Y
x X X
y Y Y
dan xy X X Y Y
Nilai dari a dan b pada persamaan regresi dapat dihitung dengan rumus berikut :
x y
b i i
x 2
i
n X Y X Y
atau b i i i i
n X X 2 2
i i
a Y bX
Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari
variabel tak bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk
mengatakan dengan tepat.
Apabila terdapat lebih dari dua variabel, maka hubungan linear dapat dinyatakan dalam
persamaan regresi linear berganda sebagai berikut :
Disini ada satu variabel tidak bebas, yaitu Y’ dan ada k varibel bebas, yaitu X1, . . . , Xk.
Untuk menghitung b0, b1, b2, . . . , bk kita gunakan metode kuadrat terkecil yang
menghasilkan persamaan normal sebagai berikut :
. . . . .
. . . . .
. . . . .
Kalau persamaan ini dipecahkan, kita akan memperoleh nilai b0, b1, b2, . . . , bk. Kemudian
dapat dibentuk persamaan regresi linear berganda. Apabila persamaan regresi itu telah
diperoleh, barulah kita dapat meramalkan nilai Y dengan syarat kalau nilai X1, X2, . . . ., Xk
sebagai variabel bebas sudah diketahui.
Misalkan: k =2, maka Y’ = b0 + b1X1 + b2X2, satu variabel tak bebas(Y), dan dua variabel
bebas (X1 dan X2), maka b0, b1, dan b2 dihitung dari persamaan normal berikut :
b0 n + b1 X1 + b2 X2 = Y
n
X 1 X 2 b0 Y
b
X 1 X 1
2
X 1 X 2 1 X 1Y
X 2 X 1 X 2 X22 b2 X 2Y
A b H
berikut :
det A0 det A1 det A2
b0 , b1 , b2
det A det A det A
Dimana :
n
X X 1
2
A X1 X X X 1
2
1 2
X 2 X X X 2
1 2 2
det(A) = (n) (X1X1) (X2X2) + (X1) (X1X2) (X2) + (X2) (X1) (X1X2)
det(A0) = (Y) (X1X1) (X2X2) + (X1) (X1X2) (X2Y) + (X2) (X1Y) (X1X2)
n
Y X
2
A1 X 1 X Y X X
1 1 2
X 2 X Y X 2
2 2
det(A1) = (n) (X1Y) (X2X2) + (Y) (X1X2) (X2) + (X2) (X1) (X2Y)
n
X Y
1
A2 X 1 X X Y 1
2
1
X 2 X X X Y
1 2 2
TREND PARABOLA :
Garis trend pada dasarnya adalah garis regresi di mana variabel bebas X merupakan
variabel waktu. Baik garis regresi maupun trend dapat berupa garis lurus maupun tidak
lurus. Persamaan garis trend parabola adalah sebagai berikut : Y’ = a + bX + cX2
Perhatikan bahwa bentuk persamaa seperti persamaan garis regresi linear berganda adalah
Y’ = b0 + b1X1 + b2X2, di mana b0 = a, b1 = b, b2 = c, X1 = X, dan X2 = X2.
Dengan demikian cara menghitung koefisien a, b, dan c sama seperti menghitung b 0, b1,
dan b2, yaitu menggunakan persamaan normal sebagai berikut :
a n + b X + c X2 = Y
Ada beberapa jenis trend yang tidak linear tetapi dapat dibuat linear dengan jalan
melakukan transformasi (perubahan bentuk). Misalnya, trend eksponensial :
Y’ = abx dapat diubah menjadi trend semi log: log Y’ = log a + (log b)X;
log Y’ = Y’0; log a = a0 dan log b = b0. Dengan demikian, Y’0 = a0 + b0X, dimana koefisien a0
dan b0 dapat dicari berdasarkan persamaan normal.
PROBABILITAS
“Probabilitas” ialah suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu
kejadian acak.
Manfaat:
Contoh:
Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui :
1. Percobaan
2. Hasil (outcome)
3. Kejadian atau peristiwa (event)
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan timbulnya paling
sedikit dua peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):
Peristiwa (event):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau kegiatan.
Contoh :
Probabilitas biasanya dinyatakan dengan bilangan desimal (seperti 0,50 ; 0,25 atau 0,70)
atau bilangan pecahan (seperti 5 , 25 , atau 70 ).
10 100 100
Nilai dari probabilitas berkisar antara 0 dan 1. Semakin dekat nilai probabilitas ke nilai 0,
semakin kecil kemungkinan suatu kejadian akan terjadi. Sebaliknya semakin dekat nilai
probabilitas ke nilai 1 semakin besar peluang suatu kejadian akan terjadi.
Ada dua pendekatan dalam menghitung probabilitas yaitu pendekatan yang bersifat objektif
dan subjektif.
1. Pendekatan Klasik
2. Konsep Frekuensi Relatif
1. Pendekatan Klasik
Probabilitas diartikan sebagai hasil bagi dari banyaknya peristiwa yang dimaksud dengan
seluruh peristiwa yang mungkin menurut pendekatan klasik, probabilitas dirumuskan :
PA
x
n
keterangan :
n = banyaknya peristiwa.
Contoh :
Penyelesaian :
Hasil yang mungkin (n) = 36, yaitu (1,1), (1,2), (1,3). ….., (6,5), (6,6).
4
P(A) = 0,11
36
Nilai probabilitas ditentukan melalui percobaan, sehingga nilai probabilitas itu merupakan
limit dari frekuensi relatif peristiwa tersebut. Menurut pendekatan frekuensi relatif,
probabilitas dirumuskan :
f
P(xi ) l imit i
n n
keterangan :
P(Xi) = probabilitas peristiwa i.
fi = frekuensi peristiwa i.
Contoh :
Dari hasil ujian statistik, 65 mahasiswa STMIK MDP, didapat nilai-nilai sebagai berikut.
f 11 14 13 15 7 5
Penyelesaian :
15
P(x 8,3) = 0,23
65
Probabilitas Subjektif
Contoh :
Seorang direktur akan memilih seorang supervisor dari empat orang calon yang telah lulus
ujian saringan. Keempat calon tersebut sama pintar, sama lincah, dan semuanya dapat
dipercaya. Probabilitas tertinggi(kemungkinan diterima) menjadi supervisor ditentukan
secara subjektif oleh sang direktur.
Probabilitas adalah suatu indeks atau nilai yang digunakan untuk menentukan tingkat
terjadinya suatu kejadian yang bersifat random (acak).
Oleh karena probabilitas merupakan suatu indeks atau nilai maka probabilitas memiliki
batas-batas yaitu mulai dari 0 sampai dengan 1 ( 0 P 1).
Pengertian Himpunan.
Himpunan adalah kumpulan objek yang didefinisikan dengan jelas dan dapat dibeda-
bedakan. Setiap objek yang secara kolektif membentuk himpunan tersebut disebut elemen
atau unsur atau anggota dari himpunan tersebut.
Penulisan Himpunan :
Himpunan dapat ditulis dalam dua cara, yaitu cara pendaftaran dan cara pencirian.
Cara Pendaftaran :
Dengan cara pendaftaran, unsur himpunan ditulis satu per satu atau didaftar.
Contoh :
1. A = {a, i, u, e, o}
2. B = {1, 2, 3, 4, 5}
Cara Pencirian :
Dengan cara pencirian, unsur-unsur himpunan ditulis dengan menyebutkan sifar-sifat atau
cirri-ciri unsur himpunan tersebut.
Contoh :
1. A = {X : x huruf hidup}.
2. B = {X : 1 x 2}.
Dalam statistik, cara penulisan seperti contoh 2 menghasilkan data kontinu atau variabel
kontinu. Tanda (:) dibaca sedemikian rupa sehingga atau X di mana ……
1. Himpunan Semesta :
Himpunan semesta adalah himpunan yang memuat seluruh objek yang dibicarakan atau
himpunan yang menjadi objek pembicaraan. Himpunan semesta dilambangkan S atau U.
Contoh :
a. S = U = {a, b, c, ….}
b. S = U = {X : x bilangan asli}
2. Himpunan Kosong :
Himpunan kosong adalah himpunan yang tidak memiliki anggota. Himpunan kosong
dilambangkan atau { }.
3. Himpunan Bagian :
Himpunan bagian adalah himpunan yang menjadi bagian dari himpunan lain. Himpunan A
merupakan himpunan bagian dari B jika setiap unsure A merupakan unsure B atau A
termuat di dalam B atau B memuat A. Himpunan bagian dilambangkan , A B. Banyaknya
himpunan bagian dari sebuh himpunan dengan n unsur adalah 2n.
Contoh :
Jika diketahui : A = {1, 2, 3}, tentukan banyaknya himpunan bagian dari A dan tuliskan
himpunan-himpunan bagian tersebut.
Penyelesaian :
- Himpunan-himpunan bagian itu adalah : { }, {1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3}.
Himpunan kosong merupakan himpunan bagian dari semua himpunan. Dalam statistik,
himpunan bagian merupakan sampel.
4. Himpunan Komplemen :
Himpunan komplemen adalah himpunan semua unsur yang tidak termasuk dalam himpunan
yang diberikan. Jika himpunannya adalah A maka himpunan komplemennya dilambang Ā.
A = {2, 4, 6}
Tentukan Ā !
Penyelesaian :
Ā = {1, 3, 5, 7}.
S)
Operasi Himpunan :
Gabungan dari himpunan A dan himpunan B adalah semua unsur yang termasuk di dalam A
atau di dalam B atau di dalam A dan B sekaligus. Gabungan dari himpunan A dan himpunan
B dilambangkan A B ataau A + B. Dituliskan : A B = { X : x A, x B, atau x AB}.
Contoh :
P = {2, 3, 5, 7}
G = {2, 4, 6, 8, 10}
Penyelesaian :
P G = {2, 3, 4, 5, 6, 7, 8, 10}
S)
P G
Irisan dari himpunan A dan B adalah himpunan semua unsur yang termasuk di dalam A dan
di dalam B. Irisan daari himpunan A dan himpunan B dilambangkan A B atau AB dan
dituliskan : A B = {X : x A dan x B}.
Contoh :
Jika diketahui : S = { x : 2 ≤ x ≤ 8}
P = {2, 3, 5, 7}
A = {2, 3, 4, 6}
Tentukan P A !
Penyelesaian :
P A = {2, 3}
S)
P A
3. Operasi Selisih :
Selisih himpunan A dan B adalah himpunan semua unsur A yang tidak termasuk di dalam B.
Selisih himpunan A dan himpunan B dilambangkan A – B.
Dituliskan : {X : x A dan x B }
Contoh :
P = {2, 3, 5, 7}
G = {2, 4, 6, 8}
Tentukan P – G !
Penyelesaian :
P – G = {3, 5, 7}
S)
1. Hukum komutatif
AB=BA
AB=BA
2. Hukum Asosiatif
(A B) C = A (B C)
(A B) C = A (B C)
3. Hukum Distributif
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
4. Hukum Identitas
AS=A
A=
5. Hukum Komplemen
AĀ=
AĀ=S
Aturan Penjumlahan :
Untuk menerapkan aturan penjumlahan ini, harus dilihat jenis kejadiannya apakah bersifat
saling meniadakan atau tidak saling meniadakan.
Contoh :
Penyelesaian :
P(A) = 1/6
P(B) = 2/6
= 1/6 + 2/6
= 0,5
Dua peristiwa atau lebih disebut peristiwa tidak saling meniadakan apabila kedua peristiwa
atau lebih tersebut dapat terjadi pada saat yang bersamaan. Jika dua peristiwa A dan B
tidak saling meniadakan, probabilitas terjadinya peristiwa tersebut adalah
Penyelesaian :
P(A) = 1/36
P(B) = 14/36
P(A B) = 0
= 1/36 + 14/36 – 0
= 0,42
Aturan Perkalian :
Dalam konsep probabilitas, aturan perkalian diterapkan secara berbeda menurut jenis
kejadiannya. Ada dua jenis kejadian dalam hal ini, yaitu kejadian tak bebas dan kejadian
bebas.
Dua peristiwa atau lebih disebut kejadian tidak bebas apabila peristiwa yang satu
dipengaruhi atau tergantung pada peritiwa lainnya.
Probabilitas peristiwa tidak saling bebas dapat pula dibedakan atas tiga macam, yaitu yaitu
probabilitas bersyarat, gabungan, dan marjinal.
a. Probabilitas Bersyarat :
Probabilitas bersyarat peristiwa tidak saling bebas adalah probabilitas terjadinya suatu
peristiwa dengan syarat peristiwa lain harus terjadi dan peristiwa-peristiwa tersebut saling
PB A
PB/A
PA
Contoh :
Penyelesaian :
P(A) = 5/11
P(B+ A) = 3/11
P(B /A)
P B A
PA
3
P B / A 11
5 5
3
11
b. Probabilitas Gabungan :
Jika dua peristiwa A dan B gubungan, probabilitas terjadinya peristiwa tersebut adalah
Jika tiga buah peristiwa A, B, dan C gabungan, probabilitas terjadinya peristiwa tersebut
adalah
Contoh :
Dari satu set kartu bridge berturut-turut diambil kartu itu sebanyak 2 kali secara acak.
Hitunglah probabilitasnya kartu king (A) pada pengambilan pertama dan as(B) pada
pengambilan kedua, jika kartu pada pengambilan pertama tidak dikembalikan !
Penyelesaian :
P(A) = 4/52
P(B/A) = 4/51
= 4/52 x 4/51
= 0,006
c. Probabilitas Marjinal :
Probabilitas marjinal peristiwa tidak saling bebas adalah probabilitas terjadinya suatu
peristiwa yang tidak memiliki hubungan dengan terjadinya peristiwa lain dan peristiwa
tersebut saling mempengaruhi. Jika dua peristiwa A adalah marjinal, probabilitas terjadinya
peristiwa A tersebut adalah
P(A) = P(B A)
Contoh :
Penyelesaiana :
P(B+ A) = 5/11
P(B- A) = 1/11
= 5/11 + 1/11
= 6/11
2. Kejadian Bebas :
Dua kejadian atau lebih dikatakan merupakan kejadian bebas apabila terjadinya kejadian
tersebut tidak saling mempengaruhi. Dua kejadian A dan B dikatakan bebas, kalau kejadian
A tidak mempengaruhi B atau sebaliknya. Jika A dan B merupakan kejadian bebas, maka
P(A/B) = P(A) dan P(B/A) = P(B)
Contoh :
Satu mata uang logam Rp. 50 dilemparkan ke atas sebanyak dua kali. Jika A1 adalah
lemparan pertama yang mendapat gambar burung(B), dan A2 adalah lemparan kedua yang
mendapatkan gambar burung(B), berapakah P(A1 A2)!
Penyelesaian :
Rumus Bayes :
Jika dalam suatu ruang sampel (S) terdapat beberapa peristiwa saling lepas, yaitu A1, A2,
A3, …., An yang memiliki probabilitas tidak sama dengan nol dan bila ada peritiwa lain
(misalkan X) yang mungkin dapat terjadi pada peristiwa-peristiwa A1, A2, A3, …., An maka
probabilitas terjadinya peristiwa-peristiwa A1, A2, A3, …., An dengan diketahui peristiwa X
tersebut adalah
P Ai P( X / Ai )
P Ai / X
P A1 P X / A1 P A2 X / A2 ...... P An P( X / An )
i 1, 2, 3, 4,...
Contoh :
Tiga kotak masing-masing memiliki dua laci. Didalam laci-laci tersebut terdapat sebuah bola.
Didalam kotak I terdapat bola emas, dalam kotak II terdapat bola perak, dan dalam kotak III
terdapat bola emas dan perak. Jika diambil sebuah kotak dan isinya bola emas, berapa
probabilitas bahwa laci lain berisi bola perak?
Penyelesaian :
P A3 .P X / A3
P A3 / X
P A1 .P X / A1 P A2 .P X / A2 P A3 .P X / A3
Pembicaraan mengenai permutasi dan kombinasi selalu berkaitan dengan prinsip dasar
membilang dan faktorial.
Jika kejadian pertama dapat terjadi dalam n1 cara, kejadian kedua dalam n2 cara, demikian
seterusnnya, sampai kejadian k dalam nk cara, maka keseluruhan kejadian dapat terjadi
dalam :
n1 x n2 x …x nk cara
Contoh :
Seorang pengusaha ingin bepergian dari Jakarta ke Ujungpandang melalui Surabaya. Jika
Jakarta – Surabaya dapat dilalui dengan tiga cara dan Surabaya – Ujungpandang dapat
dilalui dengan dua cara, ada berapa cara pengusaha tersebut dapat tiba di Ujungpandang
melalui Surabaya?
Penyelesaian :
misalkan : dari Jakarta ke Surabaya (n1) = 3 cara.
n1 x n2 = 3 x 2 = 6 cara.
2. Faktorial :
= n(n –1)!
Contoh :
a. 5!
b. 3! X 2!
c. 6!/4!
Penyelesaian :
a. 5! = 5 x 4 x 3 x 2 x 1 = 120
b. 3! X 2! = 3 x 2 x 1 x 2 x 1 = 12
6! 6 x 5 x 4 x 3 x 2 x 1
c. 30
4! 4 x 3 x 2 x1
Permutasi :
1. Pengertian Permutasi :
Permutasi adalah suatu penyusunan atau pengaturan beberapa objek ke dalam suatu
urutan tertentu.
Contoh :
Ada 3 objek, yaitu ABC. Pengaturan objek-objek tersebut ialah ABC, ACB, BCA, BAC, CAB,
CBA yang disebut permutasi. Jadi, permutasi 3 objek menghasilkan enam pengaturan
dengan cara yang berbeda.
2. Rumus-rumus Permutasi :
Pada suatu tempat terdapat 4 buku matematika yang berbeda. Buku itu akan disusun pada
sebuah rak buku. Berapa cara susunan yang mungkin dari buku-buku matematika dapat
disusun.
Penyelesaian :
4P4 = 4! = 4 x 3 x 2 x 1 = 24 cara.
mPx
m!
m x
m x !
Contoh :
Dari empat calon pimpinan sebuah perusahaan, misalkan A, B, C, D hendak dipilih seorang
ketua, seorang sekretaris, dan seorang bendahara.
Penyelesaian:
m = 4 dan x = 3
4! 4 x 3 x 2 x1
4P3 = 24
4 3 ! 1
mPx = mx
Contoh :
Tentukan permutasi dari ABC sebanyak 2 unsur dengan pengembalian unsure yang terpilih!
Penyelesaian :
3P2 = 32 = 9
m!
Dengan m1 + m2 + m3 + ….= m
Contoh :
Penyelesaian :
M = 5, m1 = 2, m2 = 2, m3 = 1
5! 5x4x3x2x1
2! . 2! . 1! 2x1x2x1x1
Kombinasi :
1. Pengertian Kombinasi :
Kombinasi adalah suatu penyusunan beberapa objek tanpa memperhatikan urutan objek
tersebut.
Contoh :
2. Rumus-rumus Kombinasi :
m!
(m – x)!.x!
Contoh :
Dari 5 pemain bulu tangkis, yaitu A, B, C, D, dan E hendak dipilih dua orang untuk pemain
ganda. Berapa banyak pemain ganda yang mungkin terbentuk?
Penyelesaian :
M = 5 dan x = 2
5!
5C2 = ---------------- = 10
(5 – 2)! . 2!
VARIABEL ACAK :
Contoh :
1. Banyaknya pemunculan sisi muka atau angka dalam pelemparan sebuah koin (uang
logam).
2. Jumlah anak dalam sebuah keluarga.
Contoh :
Fungsi probabilitas p(x) menyatakan probabilitas untuk setiap nilai variabel acak X.
Contoh :
Jumlah mobil terjual dalam sehari menurut jumlah hari selama 300 hari
0 54
1 117
2 72
3 42
4 12
5 3
Total 300
X p(x)
0 0,18
1 0,39
2 0,24
3 0,14
4 0,04
5 0,01
Total 1,00
Dalam membuat suatu fungsi probabilitas untuk variabel acak diskrit, kondisi berikut harus
dipenuhi.
p(x)
0.5
0.4
0.3
Probabilitas
0.2
0.1
0 x
0 1 2 3 4 5
Dimana :
F(x) = P(X x) menyatakan fungsi probabilitas kumulatif pada titik X = x yang merupakan
jumlah dari seluruh nilai fungsi probabilitas untuk nilai X sama atau kurang dari x.
Contoh :
X F(x)
0 0,18
Kita bisa menyajikan fungsi probabilitas kumulatif dalam bentuk grafik, sbb.
P(X)
1.2
1
0.8
0.6
0.4
0.2
0
X
0 1 2 3 4 5
Distribusi probabilitas variabel acak kontinu dinyatakan dengan fungsi f(x) dan sring disebut
sebagai fungsi kepadatan atau fungsi kepadatan probabilitas dan bukan fungsi probabilitas.
Nilai f(x) bisa lebih besar dari 1.
1. f(x) ≥ 0
2. f x dx 1 (integral seluruh fungsi kepadatan probabilitas f(x) = 1)
b
3. P(a < X < b) = f x dx
a
Catatan : f(x) dx = P{x ≤ X ≤ (x + dx)}, yaitu probabilitas bahwa nilai X terletak pada interval x
dan x + dx.
Kalau pada variabel acak diskrit, fungsi probabilitas kumulatif dihitung dengan cara
penjumlahan maka pada variabel acak kontinu, probabilitas kumulatif dicari dengan integral.
Nilai-nilai dalam rumus ini harus kontinu atau dalam suatu interval.
Contoh :
Suatu variabel acak kontinu X yang memiliki nilai antara X = 1 dan X = 3 memiliki fungsi
densitas yang dinyatakan oleh.
2(1 x)
f x
21
Penyelesaian :
21 x dx
2
=
1
21
=
1
21
2 x x 2 1
2 5
21
Bila X dan Y adalah dua variabel acak diskrit, distribusi probabilitas bersamanya dapat
dinyatakan sabagai sebuah fungsi f(x,y) bagi sembarang nilai (x,y) yang dapat diambil oleh
peubah acak X dan Y. Sehingga dalam rumus variabel acak diskrit.
f(x,y) = p(X = x, Y = y)
Dimana nilai f(x,y) menyatakan peluang bahwa x dan y terjadi secara bersamaan.
Sedangkan distribusi probabilitas kumulatif bersama X dan Y terdiri dari nilai (x,y) dan f(x,y)
untuk semua (X,Y)
Fungsi p(x) dan q(y) yang diperoleh langsung dari p(x,y) disebut fungsi marjinal.
p x px, y , dan q y p x, y
y x
Fungsi marjinal p(x) dan q(y) dapat dilihat dalam tabel, pada beris dan kolom yang paling
akhir (pada tepi tabel, marjin = tepi/pinggir).
Contoh :
Misalkan kotak berisi 4 kartu bernomor 1, 2, 3, dan 4. Suatu permaianan dilakukan dengan
jalan menarik satu kartu dari kotak tersebut secara acak. Apabila kartu yang terambil
mempunyai nomr 1, 2, atau 4, maka kartu yang kedua diambil. Akan tetapi kalau kartu
bernomor 3 yang terpilih, pengambilan kedua tidak dilakukan.
Penyelesaian :
p(x) = P(X = x)
p(x, y) = P(X = x, Y = y)
Y
0 1 2 3 4 p(x)
X
p(3,1) = p(3,2) = p(3,3) = p(3,4) = 0,tak mungkin terjadi, sebab tak mengambil kartu kedua.
= 4/16
= 4/16
= 1/4 + 0 + 0 + 0 + 0
= 1/4
= 4/16
= 0 + 0 +1/4 + 0
= 4/16
= 3/16
= 3/16
= 3/16
= 3/16
Y
0 1 2 3 4 p(x)
X
3 ¼ 0 0 0 0 4/16
Rata-rata () dari distribusi probabilitas adalah nilai harapan dari variabel acaknya.
Nilai harapan variabel acak diskrit adalah rata-rata tertimbang terhadap seluruh
kemungkinan hasil dimana penimbangnya adalah nilai probabilitas yang dihubungkan
dengan setiap hasil.
Nilai harapan dari variabel acak diskrit X yang dinotasikan dengan E(X) dirumuskan sebagai
berikut.
N
E ( X ) x xi p xi
i 1
dimana.
Contoh :
X = banyaknya pesanan barang dalam satuan yang masuk selama 1 minggu. P(X) =
probabilitas terjadinya X = x.
X 0 1 2 3
Penyelesaian :
x E X xi pxi
= 1,5
Jadi secara rata-rata dapat diharapkan bahwa pesanan yang masuk selama 1 minggu
adalah sebanyak 1,5 satuan.
Varians dari variabel acak diskrit adalah rata-rata tertimbang dari kuadrat selisih antara
kemungkinan hasil dan rata-ratanya dimana penimbangnya adalah probabilitas dari masing-
masing hasil tersebut.
Varians diperoleh dengan mengalikan setiap kemungkinan kuadrat selisih (xi - )2 dengan
probabilitasnya p(xi) dan kemudian menjumlahkan seluruh hasil perkalian tersebut.
Sehingga varians dinyatakan sebagai berikut.
N
2 E X 2 x i 2 p x i
i 1
dimana:
2 x p xi
2
i
Contoh.1 :
X = banyaknya pesanan barang dalam satuan yang masuk selama 1 minggu. P(X) =
probabilitas terjadinya X = x.
X 0 1 2 3
Penyelesaian :
2 = E(X - x)2
= E(X – 1,5)2
= 0,74
0,74 0,86
Karena simpangan baku = 0,86, ini berarti bahwa rata-rata jarak nilai X terhadap = E(X)
adalah sebesar 0,86.
Contoh.2 :
X 1 2 3 4 5 6
Berapa banyak mobil yang dia harapkan dapat terjual selama satu minggu? Hitung juga
simpangan bakunya!
Penyelesaian :
E(X) = x p(x)
= 4,29
Kita membayangkan bahwa apabila penjualan dilakukan berkali-kali dari minggu ke minggu
dalam jumlah yang banyak sekali, maka secara rata-rata dapat dijual sebanyak 4,29 mobil.
= 3,27
3,27 1,81
Jika fungsi probabilitas bersama dinotasikan dengan p(x, y) untuk variabel acak X dan Y,
maka nilai harapan dari variabel acak h(x, y) yang merupakan fungsi dari X dan Y adalah
sebagai berikut.
Dimana.
Contoh :
Y
0 1 2 3 4 p(x)
X
b). Carilah nilai E(X) + E(Y), apakah hasilnya sama dengan hasil a?
Penyelesaian :
= 4,8
= 2,8
E(Y) = y p(y)
=2
= 5,2
Pada sub bab ini, kita pelajari konsep kovarians antara dua variabel dan kegunaannya
dalam manajemen portfolio dan keuangan.
Kovarians
Kovarians adalah suatu pengukur yang menyatakan variasi bersama dari dua variable acak.
Kovarians antara dua variabel acak diskrit X dan Y dinotasikan dengan xy dan didefinisikan
sebagai berikut.
N
xy X i E X Yi E Y pxi , yi
i 1
dimana.
i = 1, 2, …, N
Contoh :
Investasi
P(xi,yi) Kondisi Perekonomian
A B
Hitunglah nilai harapan dari pengembalian investasi (expected return) untuk setiap investasi
dan kovarians dari investasi tersebut.
Penyelesaian :
Jika X = investasi di perusahaan A, Y = investasi di perusahaan B.
= 14.725
x = 121,35
= 37.900
y = 194,68
Kov(xy) = xy = (0,2)(-100 – 105) (-200 – 90) + (0,5)(100 – 105) (50 – 90)
xy = 23.300
Nilai harapan dari penjumlahan dua variable acak adalah sama dengan penjumlahan dari
nilai harapan masing-masing variabel acak.
Varians dari penjumlahan dua variabel acak adalah sama dengan jumlah varians dari
masing-masing variabel ditambah dua kali kovarians.
Var x y x2 y x2 y2 2 xy
x y x2 y
Contoh :
Anggaplah bahwa anda akan memutuskan dua laternatif/pilihan investasi pada tahun
mendatang. Kedua macam investasi tersebut ditanamkan pada 2 jenis perusahaan yang
sudah go public, katakana perusahaan A dan perusahaan B. Misalkan anda memperkirakan
pengembalian investasi (untuk setiap investasi $1000) dan 3 kondisi perekonomian di mana
setiap kondisi perekonomian diberikan nilai probabilitasnya.
Investasi
P(xi,yi) Kondisi Perekonomian
A B
Hitunglah nilai harapan varians dan standar deviasi dari penjumlahan kedua investasi
tersebut!
Penyelesaian :
= 99.225
x+y = $315
Setelah kita definisikan kovarians, expected return, dan standar deviasi dari penjumlahan
dua variabel acak, kita dapat menerapkan konsep-konsep tersebut pada studi mengenai
sekelompok asset yang merujuk pada apa yang disebut sebagai portfolio. Dengan
menanamkan investasi yang disebarkan pada tidak hanya satu perusahaan, investor
mengkombinasikan pengembalian dan meminimumkan resiko. Dalam studi portfolio, kita
menggunakan penimbang untuk setiap jenis investasi dengan proporsi asset pada investasi
tersebut. Hal ini memungkinkan kita untuk menghitung portfolio expected return dan portfolio
risk.
Portfolio expected return untuk investasi dua asset sama dengan penimbang bagi asset X
dikalikan dengan expected return dari asset X ditambah dengan penimbang bagi asset Y
dikalikan dengan expected return asset Y.
Dimana.
Portfolio Risk
p 2 x2 1 y2 21 xy
2
Contoh :
Dari contoh diatas, kita telah menghitung E(X), E(Y), x2, y2. Misalkan kita hendak
membentuk sebuah portfolio dari dua investasi tersebut dengan menanamkan investasi
yang sama dalam setiap asset tersebut. Hitunglah portfolio expected return dan portfolio
risk.
Penyelesaian :
Dengan menggunakan persamaan diatas dimana = 0,50, E(X) = 105, E(Y) = 90, x2 =
14.725, y2 = 37.900 dan xy = 23.300, maka
p 2 x2 1 y2 21 xy
2
p = $157,50
Jadi portfolio mempunyai expected return sebesar $97,50 untuk setiap investasi sebesar
$1000 (pengembalian sebesar 9,95%), tetapi memiliki portfolio risk sebesar $157,50. Dalam
hal ini portfolio risk lebih tinggi dari pada expected return.
DISTRIBUSI TEORITIS
Setiap kejadian yang dapat dinyatakan sebagai perubahan nilai suatu variabel, umumnya
mengikuti suatu distribusi teoritis tertentu dan apabila sudah ketahuan jenis distribusinya,
kita dengan mudah dapat mengetahui besarnya nilai probabilitas terjadinya kejadian
tersebut.
Beberapa distribusi teoritis yang akan dibahas dalam bab ini, antara lain Distribusi binomial,
Distribusi Poisson, Distribusi Hipergeometrik, Distribusi Multinomial, Distribusi Normal,
Distribusi Kai-Kuadrat(Chi-Square), Distribusi F, dan Distribusi t.
DISTRIBUSI BINOMIAL :
Distribusi binomial atau distribusi Bernoulli adalah suatu distribusi teoritis yang
menggunakan variabel acak diskrit yang terdiri dari dua kejadian yang berkomplemen,
seperti sukses-gagal, baik-cacat.
Pada umumnya suatu eksperimen dapat dikatakan eksperimen Binomial apabila memenuhi
syarat sebagai berikut.
2. Setiap eksperimen mempunyai dua hasil yang dikatagorikan menjadi “sukses” dan
“gagal”.
3. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap kejadian.
P(p), peluang sukses, P(q) peluang gagal, dan P(p) + P(q)= 1.
4. Probabilitas sukses sama pada setiap eksperimen.
5. Eksperimen tersebut harus bebas satu sama lain, artinya hasil eksperimen yang satu
tidak mempengeruhi hasil eksperimen lainnya.
6. Data yang dihasilkan adalah data perhitungan.
Contoh:
30
= = 0,30
100
70
= = 0,70
100
= 1(0,3) + 0(0,7)
= 0,3
Bila dilakukan eksperimen empat kali. Pengambilan bola dilakukan dengan pengembalian
bola yang terambil. Hal ini untuk menjaga agar eksperimen yang satu tidak mempengaruhi
hasil eksperimen yang lain. Eksperimen ini akan menghasilkan 24 = 16 hasil sebagai berikut.
1. MMMM 9. PMMM
2. MMMP 10. PMMP
3. MMPM 11. PMPM
4. MMPP 12. PMPP
5. MPMM 13. PPMM
6. MPMP 14. PPMP
7. MPPM 15. PPPM
8. MPPP 16. PPPP
Masing-masing hasil eksperimen terdiri dari empat kejadian yang bebas satu sama
lain, sehingga probabilitas terjadinya setiap hasil eksperimen merupakan hasil kali
probabilitas masing-masing kejadian, misalnya P(MMPM) = ppqp =
(0,3)(0,3)(0,7)(0,3) = 0,0189.
Aturan perkalian untuk kejadian-kejadian bebas dan aturan penjumlahan untuk kejadian-
kejadian yang saling meniadakan, yang sudah dibahas sebelumnya dapat diterapkan di
sini dan perhitungannya adalah.
+ (0,7)(0,3)(0,3)(0,3)
= 0,0756
Tanpa memperhatikan urutan dari masing-masing kejadian, setiap suku dalam penjumlahan
tersebut mempunyai probabilitas sebesar pppq = p3q. Dengan cara yang sederhana ini, kita
dapat menghitung probabilitas untuk mendapatkan sejumlah bola merah tertentu sebagai
hasil eksperimen.
X = 0, 1, 2, 3, 4
X = 0, 1, 2, …, n.
Apabila semua nilai probabilitas X sebagai hasil suatu eksperimen kita hitung, akan kita
peroleh distribusi probabilitas X dan disebut distribusi probabilitas Binomial.
(0,7)3(0,3)
= 0,4116
= 0,2646
(0,7)(0,3)3
= 0,0756
Dimana x = 0, 1, 2, 3, …, n
p = probabilitas sukses.
Apabila suatu himpunan yang terdiri dari n elemen dibagi dua, yaitu x sukses dan (n – x)
gagal, maka banyaknya permutasi dari n elemen yang diambil x setiap kali dapat dihitung
berdasarkan rumus kombinasi berikut.
n!
n Pn, n x x!n x ! n C x
disebut koefisien Binomial(merupakan kombinasi dari n elemen yang diambil x setiap kali)
p x q n x
n!
pr x
x!n x !
x = 0, 1, 2, …, n
n!
a). pr(x) 0, untuk semua x, sebab 0 dan px qn-x 0
x!n x !
c). Berapa probabilitasnya bahwa dari 8 buah barang yang dibeli, ada 5 yang rusak.
Penyelesaian :
pr(X = 0) =
8!
0,80 0,28 0,0000
0!8 0 !
pr(X = 1) =
8!
0,81 0,27 0,0001
1!8 1!
pr(X = 2) =
8!
0,82 0,26 0,0011
2!8 2 !
pr(X = 3) =
8!
0,83 0,25 0,0092
3!8 3!
pr(X = 4) =
8!
0,84 0,24 0,0459
4!8 4 !
pr(X = 5) =
8!
0,85 0,23 0,1468
5!8 5!
pr(X = 6) =
8!
0,86 0,22 0,2936
6!8 6!
pr(X = 7) =
8!
0,87 0,21 0,3355
7!8 7 !
pr(X = 8) =
8!
0,88 0,20 0,1678
8!8 8!
= 0563
pr(X = 8)
= 0,9896
Apabila nilai n makin besar, perhitungan probabilitas Binomial dalam prakteknya harus
digunakan tabel Binomial.
Dalam tabel tersebut, n = 16, dan p = (0,05), (0,10), (0,15), …, (0,50). Apabila p > 0,50,
maka persoalannya harus dibalik, yaitu menjadi x gagal dan (n – x) sukses. Dengan
demikian, peranan p bukan lagi menjadi probabilitas sukses melainkan probabilitas gagal.
Untuk n yang cukup besar dapat digunakan tabel normal.
Kita mengetahui bahwa untuk mencari rata-rata () kita menggunakan rumus.
µ = E(X) = xp x
x
r
n!
= x x!n x ! p q
x
x n x
dimana x = 1, 2, 3, …, n.
Perhatikan bahwa X = Yi = Y1 + Y2 + …+ Yn
p p .... p
=
n kali
= np
Sedangkan untuk menentukan varians dari distribusi binomial, kita menggunakan rumus.
= E(X – np)2
= (x – np)2 p(x)
= E(Y – p)2
= (1 – p)2 p + p2 (1 – p)
= p(1 – p) (1 – p + p)
= p(1 – p)
= pq
Var(X) = Var(Yi)
= Var(Yi)
pq pq ... pq
= = npq
n kali
Dengan demikain, dapat disimpulkan bahwa untuk variabel X yang mengikuti distribusi
binomial berlaku rumus berikut.
= E(X) = np
= npq
Contoh :
Suatu mata uang logam Rp. 50 dilemparkan ke atas sebanyak 4 kali, dimana probabilitas
munculnya gambar p(B) sama dengan probabilitas munculnya gambar bukan burung p( B ) =
1
. Jika X = banyaknya gambar burung (B) yang muncul, carilah nilai rata-rata {E(X)} dan
2
simpangan bakunya () dengan menggunakan cara :
Penyelesaian :
E(X) = xpr(x)
E(X) = (0)( 161 + (1) 164 + (2) 166 + (3) 164 + (4) 161
(4)(0,0625)
= 1,964 2
= (x – 2)2 pr(x)
(4 - 2)2 161
(4)(0,0625)
=1
= 1= 1
b). E(X) = np = 4 2 = 2 1
1 1
2 = npq = 4 2 2 = 1
= 1= 1
Karena distribusi poisson biasanya melibatkan jumlah n yang besar, dengan p kecil,
distribusi ini biasanya digunakan untuk menghitung nilai probabilitas suatu kejadian dalam
suatu selang waktu dan daerah tertentu.
1. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah
tertentu tidak tergantung pada banyaknya hasil percobaan yang terjadi pada interval
waktu atau daerah lain yang terpisah.
2. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau
dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau besarnya
daerah tersebut dan tidak tergantung pada banyaknya hasil percobaan yang terjadi di
luar interval waktu atau daerah tersebut.
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang
singkat atau dalam daerah yang kecil dapat diabaikan.
x e
Pr(x) =
x!
Dimana = rata-rata distribusi
e = konstanta 2,71828
Contoh:
Seorang yang akan menjual mobil mewahnya memasang iklan pada suatu surat kabar yang
dapat mencapai 100.000 pembaca. Dengan anggapan nilai probabilitas bahwa seorang
yang membaca iklan tersebut berminat akan membeli mobilnya sebesar p = 1/50.000. Jika
dari 100.000 pembaca ada dua orang yang berminat membeli mobil tersebut (p = 0,00002)
dan X = banyaknya pembaca yang berminat pada mobil tersebut, berapakah P(X = 0), P(X =
1), P(X = 2), P(X = 3), P(X = 4), ,,,,?
100.000
Apabila = rata-rata distribusi = E(X) = np = = 2, (secara rata-rata dapat
50.000
diharapkan dua orang pembaca yang menanyakan keadaan mobil), maka setelah dilakukan
perhitungan, kita akan memperoleh sebagai berikut.
2 0 e 2
Pr(X = 0) = = 0,1353
0!
21 e 2
Pr(X = 1) = = 0,2707
1!
2 2 e 2
Pr(X = 2) = = 0,2707
2!
2 3 e 2
Pr(X = 3) = = 0,1804
3!
2 4 e 2
Pr(X = 4) = = 0,0902
4!
2 5 e 2
Pr(X = 5) = = 0,0361
5!
2 6 e 2
Pr(X = 6) = = 0,0120
6!
2 7 e 2
Pr(X = 7) = = 0,0034
7!
2 8 e 2
Pr(X = 8) = = 0,0009
8!
Perhatikan kolom 2, dengan = 2,0, telusuri ke bawah sampai ke baris x = 5. Disana kita
akan menemukan angka 0,0361. Artinya probabilitas 5 orang berminat dari 100.000
pembaca adalah 0,0361, probabilitas 6 orang berminat adalah 0,0120, dan seterusnya.
Distribusi Poisson juga dapat digunakan untuk menghitung probabilitas dari x “sukses”
dalam n eksperimen, yang terjadi dalam satuan luas tertentu, satuan isi tertentu, interval
waktu tertentu, atau satuan panjang tertentu.
Contoh :
Seorang pemilik pabrik rokok akan melakukan promasi penjualan rokok merk A dengan iklan
khusus. Di antara 1.000 batang rokok terdapat 5 batang yang diberi tulisan “berhadia” dan
dicampur secara acak dengan rokok lainnya. Setiap pembeli rokok merk A yang
memperoleh batang rokok dengan tulisan “berhadia” akan mendapatkan hadiah yang
menarik.
Apabila X menyatakan banyaknya batang rokok yang terdapat tulisan “berhadiah” dari satu
bungkus rokok merk A yang setiap bungkusnya berisi 20 batang, berapakah P(X = 0), P(X =
1), P(X = 2), P(X = 3), P(X = 4) ?
5
P(batang rokok “berhadiah”) = p(sukses) = p = = 0,005.
1000
= np = 20(0,005) = 0,1
X 0 1 2 3 4
Contoh :
Seorang Kepala Bagian Kredit dari suatu Bank beranggapan bahwa 4% dari para
nasabahnya merasa tidak puas dengan pelayanan bank tersebut. Kemudian 50 orang
nasabah dipilih secara acak. X = banyaknya nasabah yang tidak puas.
Hitung pr(x), untuk x = 0, 1, 2,…,9 dan hitung distribusi kumulatif F(x) = P(X ≤ x).
Penyelesaian :
n = 50
p = 4% = 0,04
= np = 50(0,04) = 2
2 0 e 2
Pr(0) = = 0,1353
0!
21 e 2
Pr(1) = = 0,2707
1!
2 3 e 2
Pr(3) = = 0,1804
3!
2 4 e 2
Pr(4) = = 0,0902
4!
2 5 e 2
Pr(5) = = 0,0361
5!
2 6 e 2
Pr(6) = = 0,0120
6!
2 7 e 2
Pr(7) = = 0,0034
7!
2 8 e 2
Pr(8) = = 0,0009
8!
2 9 e 2
Pr(9) = = 0,0002
9!
P(X ≤ 0) = 0,1353
x e
Pr(x) = , x = 0, 1, 2, …
x!
x e
a. pr(x) 0, sebab ≥0
x!
b. pr(x) = 1, untuk seluruh x.
x e
EX xpr x x
x 0 x 0 x!
x e
EX - x
2 2 2
x 0 x!
dimana :
p = probabilitas terjadinya x
= rata-rata distribusi
DISTRIBUSI HIPERGEOMETRIK :
r N r
Cx C n x
px N
,0 x r
Cn
dimana :
dalam n percobaan.
n = jumlah percobaan
percobaan.
Terdapat dua persyaratan yang harus dipenuhi oleh sebuah distribusi Hipergeometrik:
1. Percobaan diambil dari suatu populasi yang terbatas, dan percobaan dilakukan tanpa
pengembalian.
2. Ukuran sampel n harus lebih besar dari 5% dari populasi N.
r!
r
Cx
x !r x !
N r
C n x
N r !
n x N r n x !
N!
N
Cn
n ! N n !
Contoh :
(i) Berapa probabilitas bahwa dari pemilihan secara acak didapat 2 orang wanita?
(ii) Berapa probabilitas dari 2 orang yang terpilih adalah 1 laki-laki dan 1 wanita?
Penyelesaian :
3! 2 !
3
C 2 2C 0 2 ! 1! 2 ! 0 ! 3
0,3
(i) p(2) = 5
C2 5! 10
2 ! 3!
Jadi probabilitas 2 orang wanita terpilih adalah 0,3
3! 2!
3
C1 2C1 1! 2 ! 1! 1! 3 .2 6
0,6
(ii) p(1) = 5
C2 5! 10 10
2 ! 3!
Jadi probabilitas terpilih 1 orang wanita dan 1 laki-laki = 0,6
DISTRIBUSI MULTINOMIAL :
Kalau pada distribusi binomial hasil sebuah percobaan hanya dikatagorikan 2 macam yaitu
“sukses” dan “gagal”, maka dalam distribusi multinomial, sebuah percobaan akan
menghasilkan beberapa kejadian (lebih dari 2) yang saling meniadakan/saling lepas.
Misalkan ada sebanyak k kejadian dalam sebuah percobaan, katakana kejadian-kejadian
B1, B2, …, Bk. Jika percobaan diulang sebanyak n kali dan peluang terjadinya setiap
kejadian B konstan/tetap dari setiap percobaan dengan P(Bi) = Pi untuk i = 1, 2, 3, …, k, dan
X1, X2, X3, …Xk menyatakan jumlah terjadinya kejadian Bi ( i = 1, 2, …, k dalam n percobaan.
X1 = 0, 1, 2, ……; Xk = 0, 1, 2, … dan x
i 1
i n
Dimana
X1, X2, ……, Xk menyatakan jumlah dari kejadian B1, B2, ….…Bk
P1, p2, ..,pk adalah probabilitas terjadinya kejadian B1, B2, ….Bk
Contoh :
Proses pembuatan pensil dalam sebuah pabrik melibatkan banyak buruh dan proses
tersebut terjadi berulang-ulang. Pada suatu pemeriksaan terakhir yang dilakukan telah
memperlihatkan bahwa 85% produksinya adalah “baik”, 10% ternyata “tidak baik tetapi
masih bias diperbaiki” dan 5% produksinya “rusak dan harus dibuang”. Jika sebuah sample
acak dengan 20 unit dipilih, berapa peluang jumlah unit “baik” sebanyak 18, unit “tidak baik
tetapi bisa diperbaiki” sebanyak 2 dan unit “rusak” tidak ada?
Penyelesaian :
Misalkan,
20!
p18, 2, 0 0,85 0,1 0,05
18 2 0
18! 2! 0!
= 0,102
DISTRIBUSI NORMAL :
Di antara sekian banyak distribusi, barangkali distribusi normal merupakan distribusi yang
secara luas banyak digunakan dalam berbagai penerapan. Distribusi normal merupakan
distribusi kontinu yang mensyaratkan variabel yang diukur harus kontinu misalnya tinggi
badan, berat badan, dan sebagainya.
Persamaan matematika bagi distribusi probabilitas acak normal tergantung pada dua
parameter, yaitu dan atau nilai tengah dan simpangan bakunya. Fungsi kepadatan
probabilitas normal dapat dituliskan sebagai berikut.
1 x
2
f x
1
e 2 , untuk -<X<
2
= 3,14159
e = 2,71828
Bila nilai-nilai dan diketahui, maka kita dapat menggambarkan kurva normal itu dengan
pasti. Bagaimanapun bantuk dan ketinggian dari kurva normal sangat tergantung pada dua
variabel ini.
10
9
8
7
6
5
4
3
2
1
0
m
Keluarga distribusi normal memiliki jumlah yang banyak sekali, akibat pengaruh rata-rata
dan simpangan baku. Akan tetapi, untuk mencari probabilitas suatu interval dari variabel
random kontinu dapat dipermudah dengan menggunakan batuan distribusi normal standar.
Distribusi normal standar adalah distribusi normal yang memiliki rata-rata () = 0 dan
simpangan baku () = 1. Bentuk fungsinya adalah.
Dalam bentuk diagram atau kurva (disebut kurva normal standar), distribusi normal standar
digambarkan :
f(x)
0,4
0,3
0,2
0,1
-3 -2 -1 0 1 2 3
Dari bentuk kurva distribusi normal standar tersebut, dapat diketahui sifatpsifat distribusi
terebut, yaitu :
Untuk mengubah distribusi normal umum menjadi distribusi normal standar, gunakan nilai Z.
Bentuk rumusnya adalah :
X
Z
Dimana :
Nilai Z adalah angka atau indeks yang menyatakan penyimpangan suatu nilai variabel
random (X) dari rata-rata () dihitung dalam satuan simpangan baku ().
Contoh Soal:
Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar deviasinya 144,7.
Berapa nilai Z untuk harga saham 600?
Jawab:
Maka nilai Z =( X - ) /
Z = (600 – 490,7)/144,7
Z = 0,76
68,26%
95,44%
99,74%
Z
-3 -2 -1 0 1 2 3
Contoh Soal:
PT GS mengklaim 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.
Jawab:
• Transformasi ke nilai z
AP(x< 250); P(x=250) = (250-350)/50=-2,00 Jadi P(x<250)=P(z<-2,00)
• Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai daerah yang diarsir
menjadi 0,5 – 0,4772=0,0228. Jadi probabilitas di bawah 250 gram adalah 0,0228
(2,28%). Dengan kata lain probabilitas konsumen protes karena berat buah mangga
kurang dari 250 gram adalah 2,28%.
Contoh Soal:
PT Work Electric, memproduksi Bohlam Lampu yang dapat hidup 900 jam dengan standar
deviasi 50 jam. PT Work Electric ingin mengetahui berapa persen produksi pada kisaran
antara 800-1.000 jam, sebagai bahan promosi bohlam lampu. Hitung berapa
probabilitasnya!
P(800<X<1.000)?
• Hitung nilai Z
Z1 = (800-900)/50 = -2,00;
Z2 = (1.000-900)/50 = 2,00
Jadi 95,44% produksi berada pada kisaran 800-1.000 jam. Jadi jika PT Work Electric
mengklaim bahwa lampu bohlamnya menyala 800-1.000 jam, mempunyai probabilitas benar
95,44%, sedang sisanya 4,56% harus dipersiapkan untuk garansi.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
06
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di perkenalkan pada
tahun 1877 oleh Sir Francis Galton (1822 – 1911). Sehubungan dengan penelitiannya terhadap tinggi
manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya.
A. Rumusan Masalah
B. Tujuan Penulisan
1. Mengetahui penggunaan rumus-rumus yang berlaku pada regresi dan kolinear berganda
Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada
tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk menentukan
bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan analisis itu adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel
yang lain. Disamping hubungan linear dua variabel, hubungan linear dari dua variabel bisa juga
terjadi misalnya; hubungan antara hasil penjualan dengan harga dan daya beli.
Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan
matematis adalah :
Keterangan :
Regresi linear berganda adalah regresi dimana variabel terikatnya (Y) dihubungkan atau
dijelaskan lebih dari satu variabel, mungkin dua, tiga dan seterusnya variabel bebas (x, x1,
hubungan yang ada walaupun masih saja ada variabel yang terabaikan.
Bentuk umum dari persamaan linear berganda dapat ditulis sebagai berikut:
a. Bentuk stokastik
Keterangan
e : kesalahan pengganggu
Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh
menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan untuk
mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan
Se =
y 2
b1 x y b x y
1 2 2
nm
Se
Sb1 =
x 2
1
nx12 1 r 2 y1
Se
Sb2 =
x 2
2
nx 22 1 r 2 y1
Parameter B1 dan B2 sering juga disebut sebagai koefisien regresi parsial. Pendugaan
i = 2,3
Pengujian hipotesis bagi koefisien regresi berganda atau regresi parsial parameter B1
dan B2 dapat dibedakan menjadi 2 bentuk, yaitu pengujian hipotesis serentak dan pengujian
hipotesis individual.
berganda dengan hanya satu B (B1 dan B2) yang mempunyai pengaruh Y. pengujian hipotesis
dilakukan apabila persamaan garis regresinya sudah diestimasi dan nilai variabel bebas x1, x2
sudah diketahui.
Suatu persamaan garis regresi linear berganda dapat dipakai dalam peramalan dengan
Tujuan ialah mengetahui variabel-variabel bebas yang digunakan itu memiliki pengaruh yang
nyata atau tidak terhadap y tersebut. Variabel bebas x1 dan x2 disebut memiliki pengaruh yang
diketahui besarnya pengaruh secara kuantitatif setiap variabel bebas (x1 atau x2) apabila
y = a + b1x1 + b2x2
Keterangan :
Dengan persamaan regresi linear berganda tersebut, nilai y (nilai statistik maha siswa) dapat
diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan x2 (frekuensi membolos
= 63.211
Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan baku
masing-masing variabel bebas dan koefisien determinasi berganda r2, sebagai ukuran tepat atau
Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara
variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x1, x2……xk). Analisis korelasinya
menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda, koefisien korelasi
b1 x1 y b 2 x 2 y
KPBy.12 =
y 2
Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan hubungan antara
b1 x1y b2 x 2 y
Ry.12 =
y 2
Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Jika variabel
lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel.
Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu sebagai
berikut :
ry2 ry1.rI2
ry.12 =
I r I r
2
y1
2
y2
r12 ry1.rI2
R12y =
I r I r
2
y1
2
y2
b1 x1 y b 2 x 2 y b3 x 3 y
KPB =
y 2
y
2
y y
2 2
n
b1 x1y b 2 x 2 y b3 x 3 y
ry123 =
y 2
Apabila terdapat lebih dari dua variabel, maka hubungan linear dapat dinyatakan dalam
persamaan regresi linear berganda sebagai berikut :
Disini ada satu variabel tidak bebas, yaitu Y’ dan ada k varibel bebas, yaitu X1, . . . , Xk.
Untuk menghitung b0, b1, b2, . . . , bk kita gunakan metode kuadrat terkecil yang
menghasilkan persamaan normal sebagai berikut :
. . . . .
. . . . .
. . . . .
Kalau persamaan ini dipecahkan, kita akan memperoleh nilai b0, b1, b2, . . . , bk. Kemudian
dapat dibentuk persamaan regresi linear berganda. Apabila persamaan regresi itu telah
diperoleh, barulah kita dapat meramalkan nilai Y dengan syarat kalau nilai X1, X2, . . . ., Xk
sebagai variabel bebas sudah diketahui.
Misalkan: k =2, maka Y’ = b0 + b1X1 + b2X2, satu variabel tak bebas(Y), dan dua variabel
bebas (X1 dan X2), maka b0, b1, dan b2 dihitung dari persamaan normal berikut :
b0 n + b1 X1 + b2 X2 = Y
berikut :
det A0 det A1 det A2
b0 , b1 , b2
det A det A det A
Dimana :
n
X X 1
2
A X1 X X X 1
2
1 2
X 2 X X X 2
1 2 2
det(A) = (n) (X1X1) (X2X2) + (X1) (X1X2) (X2) + (X2) (X1) (X1X2)
Y X1 X 2
A0 X 1Y X 12 X X 1 2
2012
14 X 2Y X 1 X 2
Statistika dan Probabilitas
X 2
Pusat Bahan Ajar dan eLearning
Seputra,ST,MSi 2
Yulius Eka Agung http://www.mercubuana.ac.id
det(A0) = (Y) (X1X1) (X2X2) + (X1) (X1X2) (X2Y) + (X2) (X1Y) (X1X2)
n
Y X
2
A1 X 1 X Y X X
1 1 2
X 2 X Y X 2
2 2
det(A1) = (n) (X1Y) (X2X2) + (Y) (X1X2) (X2) + (X2) (X1) (X2Y)
n
X Y
1
A2 X 1 X X Y 1
2
1
X 2 X X X Y
1 2 2
det(A2) = (n) (X1X1) (X2Y) + (X1) (X1Y) (X2) + (Y) (X1) (X1X2)
Garis trend pada dasarnya adalah garis regresi di mana variabel bebas X merupakan
variabel waktu. Baik garis regresi maupun trend dapat berupa garis lurus maupun tidak
lurus. Persamaan garis trend parabola adalah sebagai berikut : Y’ = a + bX + cX2
Perhatikan bahwa bentuk persamaa seperti persamaan garis regresi linear berganda adalah
Y’ = b0 + b1X1 + b2X2, di mana b0 = a, b1 = b, b2 = c, X1 = X, dan X2 = X2.
Dengan demikian cara menghitung koefisien a, b, dan c sama seperti menghitung b 0, b1,
dan b2, yaitu menggunakan persamaan normal sebagai berikut :
a n + b X + c X2 = Y
Ada beberapa jenis trend yang tidak linear tetapi dapat dibuat linear dengan jalan
melakukan transformasi (perubahan bentuk). Misalnya, trend eksponensial :
Y’ = abx dapat diubah menjadi trend semi log: log Y’ = log a + (log b)X;
log Y’ = Y’0; log a = a0 dan log b = b0. Dengan demikian, Y’0 = a0 + b0X, dimana koefisien a0
dan b0 dapat dicari berdasarkan persamaan normal.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
07
Ilmu Komputer Teknik Informatika 87006 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Tren.. . .....................................................................
Rangkuman. ............................................................
Soal-penyelesaian
Soal-soal latihan
ANALISIS TREN
Pengertian : Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan
suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan
dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan
diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut
dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
mempengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis time series yang
paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang
diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan.
Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau
peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit maka
hasil estimasi atau peramalannya akan semakin jelek.
Metode Least Square : Metode yang digunakan untuk analisis time series adalah Metode
Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi Average
Method), Metode Rata-Rata Bergerak (Moving Average Method) dan Metode Kuadrat
Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk membahas
analisis time series dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus
data genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis time series
adalah : Y = a + b X. Keterangan : Y adalah variabel yang dicari trendnya dan X adalah
variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) dan parameter (b)
adalah : a = ΣY / N dan b =ΣXY / ΣX2
Contoh Kasus Data Ganjil :
Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002
Tahun Penjualan (Y) X XY X2
1995 200 -7 - 1.400 49
1996 245 -5 - 1.225 25
1997 240 -3 - 720 9
1998 275 -1 - 275 1
1999 285 1 285 1
2000 300 3 900 9
2001 290 5 1.450 25
2002 315 7 2.205 49
Jumlah 2.150 1.220 168
Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002
Tahun Penjualan (Y) X XY X2
1995 200 -3 - 700 12,25
1996 245 -2½ - 612,5 6,25
1997 240 -1½ - 360 2,25
1998 275 -½ - 137,5 0,25
1999 285 ½ 142,5 0,25
2000 300 1½ 450 2,25
2001 290 2½ 725 6,25
2002 315 3½ 1102,5 12,25
Jumlah 2.150 610,0 42,00
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
09
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
Probabilitas .......................................................................
Rangkuman. ......................................................................
Soal-penyelesaian
Soal-soal latihan
PROBABILITAS
Pendahuluan
• Ruang Contoh (S) : himpunan yang memuat semua kemungkinan hasil percobaan
kita hanya tertarik pada kejadian A munculnya kartu yang berwarna merah.
A : {hati, wajik }
n
P( A)
N
Contoh 1:
N=6
Kejadian A: Munculnya sisi dadu bernilai GENAP dalam pelemparan sebuah dadu
n=3
n 1
Peluang kejadian A: P( A) 0.5
N 2
Kaidah Penggandaan:
Berapa banyak bilangan 4 digit yang dapat dibentuk dari angka 3, 4, 6, 7, dan 8
5 5 5 5 = 625
5 4 3 2 = 120
4 3 2 2 = 48
d. Berapa peluang bilangan yang muncul adalah bilangan GANJIL dan angka tidak
berulang (lihat Kejadian c) pada kondisi pembentukan bilangan 4 digit, angka boleh berulang
(lihat Kejadian A)
n = 48 N = 625
n 48
P(C) =
N 625
2.2. Permutasi
Permutasi sejumlah obyek adalah penyusunan obyek tersebut dalam suatu urutan/posisi tertentu.
Misal:
0! = 1 1! = 1
Contoh 3:
Berapa cara menyusun bola lampu merah, biru, kuning dan hijau ?
P(KBHM) = 1
24
• Dalil-2 Permutasi :
Banyaknya permutasi r benda dari n benda yang berbeda adalah :
n!
Pr
n
(n r )!
Contoh 4:
Dari 40 nomor rekening akan diundi untuk memenangkan 3 hadiah yang berbeda. Undian urutan
pertama akan memperoleh rumah, undian urutan kedua memperoleh mobil dan undian urutan
Jika anda hanya mempunyai 1 rekening, maka peluang anda menjadi salah satu pemenang adalah:
P(Menang) = 1
59280
• Dalil-3 Permutasi Melingkar: Banyaknya permutasi n benda yang disusun dalam suatu lingkaran
adalah (n-1)!
Contoh 5:
Enam orang bermain bridge dalam susunan melingkar. Berapa susunan yang mungkin dibentuk? n
= 6 maka permutasi melingkar = (6-1)! = 5! = 5 4 3 2 1 = 120
Sampai Dalil ke-3, kita telah membahas permutasi untuk benda-benda yang berbeda. Perhatikan
permutasi ABC, terdapat 3 objek yang jelas berbeda.
Bagaimana jika kita harus berhadapan dengan A1A2B1B2C1C2 dan A1=A2=A dan B1=B2=B dan
C1=C2= C?
: :
: :
n!
adalah :
n1 ! n2 ! n3 ! nk !
Contoh 6:
10!
Permutasi = 75600
2!3!2!2!1!
Contoh 7:
Dari 7 orang mahasiswa akan dilakukan pemisahan kelas. 3 orang masuk ke kelas pertama, 2 orang
masuk ke kelas kedua dan 2 orang masuk ke kelas ketiga.
7!
Ada berapa cara pemisahan? 210
3!2!2!
2.3 Kombinasi
Kombinasi r obyek yang dipilih dari n obyek adalah susunan r obyek tanpa memperhatikan
urutan/posisi
n!
Crn
r !(n r )!
Contoh 8:
Dari 40 nomor rekening akan diundi untuk memenangkan 3 hadiah yang sama. Berapa banyaknya
susunan pemenang yang mungkin terbentuk?
Jika anda hanya mempunyai 1 rekening, maka peluang anda menjadi salah satu pemenang adalah:
P(Menang) = 1
9880
Dalam banyak soal, kaidah penggandaan/perkalian dan kombinasi seringkali digunakan bersama-
sama.
Contoh 9:
Manajer SDM mengajukan 10 calon manajer yang berkualifikasi sama, 5 calon berasal dari Kantor
Pusat, 3 calon dari Kantor cabang dan 2 dari Program Pelatihan manajer.
(a) Berapa cara Manajer SDM dapat memilih 6 manajer baru dengan ketentuan 3 berasal
dari Kantor Pusat. 2 dari Kantor Cabang dan 1 dari Program Pelatihan manajer?
5!
Pemilihan 3 dari 5 calon dari Kantor Pusat = C35 10
3!2!
3!
Pemilihan 2 dari 3 calon dari Kantor Cabang = C23 3
2!1!
2!
Pemilihan 1 dari 2 calon dari Program Pelatihan = C12 2
1!1!
10!
210
10
N = Pemilihan 6 dari 10 kandidat manajer = C 6
6!4!
n 60
P(manajer) =
N 210
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
10
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM
Definisi 1:
Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan
bilangan Real (R), dan ditulis X : S R
CONTOH 1:
Pelemparan uang logam setimbang sebanyak tiga kali. Ruang sampelnya S = {GGG, GGA,
GAG, AGG, GAA, AGA, AAG, AAA}. Dari percobaan ini dapat didefinisikan beberapa
variabel random yang mampu memetakan ruang sampelnya ke dalam bilangan real. Salah
satu variabel random yang dapat dibuat adalah X = banyaknya sisi gambar yang muncul.
Maka nilai numerik 0, 1, 2, atau 3 dapat diberikan pada setiap titik sampel.
Definisi 2 :
Ruang Sampel Diskrit adalah apabila ruang sampelnya mengandung titik sampel yang
berhingga atau terhitung banyaknya.
Variabel random yang didefinisikan di atas ruang sampel diskrit disebut variabel random
diskrit.
CONTOH 2 :
- banyaknya barang yang cacat, dalam pengambilan sampel sebesar k barang.
- banyaknya yang meninggal karena terserang suatu infeksi pernafasan setiap tahun di
Surabaya.
Definisi 3 :
Ruang Sampel Kontinu adalah apabila ruang sampelnya mengandung titik sampel
yang tak berhingga banyaknya, dan memuat semua bilangan real dalam suatu interval.
Variabel random yang didefinisikan di atas ruang sampel kontinu disebut variabel random
kontinu.
CONTOH 3 :
- lamanya reaksi kimia tertentu
- jarak yang ditempuh sebuah mobil yang diisi dengan 5 liter bensin.
Himpunan pasangan terurut (x, f(x)) merupakan suatu fungsi probabilitas atau
distribusi proabilitas dari variabel random diskrit, jika
1. f ( x) 0
2. x
f ( x) 1
3. P ( X x) f ( x)
Fungsi f(x) adalah fungsi kepadatan (density) probabilitas untuk variabel kontinu X, jika
1. f ( x) 0
2.
-
f ( x) dx 1
b
3. P ( a X b) f ( x) dx
a
Definisi 4 :
Suatu percobaan dengan n ulangan mempunyai probabilitas sukses p dan gagal q = 1-
p. Jika variabel random X menyatakan banyaknya sukses dalam n ulangan yang
bebas, maka X berdistribusi Binomial dengan distribusi probabilitas :
n
b(x; n, p) p x q n x , x 0,1,2,....n
x
Nilai harapan (rata-rata) dan varians dari variabel random yang berdistribusi Binomial
= np
2
= npq
SOAL 1 :
Uang logam setimbang dilemparkan sebanyak empat kali. Tentukan distribusi probabilitas
bagi banyaknya sisi gambar yang muncul.
SOAL 2 :
Probabilitas seseorang sembuh dari suatu penyakit darah adalah 0,4. Jika 15 orang diketahui
menderita penyakit ini, tentukan probabilitas :
a. Tepat 5 orang yang sembuh
Distribusi Hipergeometrik
Ciri-ciri percobaan Hipergeometrik :
1. Sampel acak berukuran n diambil dari populasi berukuran N
2. Dari populasi berukuran N benda, sebanyak k benda diberi label “sukses”, dan N-k
benda diberi label “gagal”.
Definisi 5 :
Dalam populasi N benda, k benda diantaranya diberi label “sukses” dan N-k benda
lainnya diberi label “gagal”. Jika variabel random X menyatakan banyaknya sukses
dalam sampel acak berukuran n, maka X berdistribusi hipergeometrik dengan
distribusi probabilitas
k N k
x
n x
h(x; N, n, k) , x 0,1,2,....k
N
n
Nilai harapan dan varians dari variabel random yang berdistribusi Hipergeometrik adalah
nk
N
N n k k
2 .n. 1
N 1 n N
SOAL 3 :
Sebuah panitia 5 orang akan dipilih secara acak dari 3 mahasiswa farmasi dan 5 mahasiswa
kedokteran. Tentukan distribusi probabilitas banyaknya maha-siswa farmasi dalam panitia
tersebut.
Bila n relatif kecil dibandingkan dengan N, maka distribusi hipergeometrik dapat dihampiri
dengan distribusi binomial
h (x; N, n, k) b (x; n, p)
SOAL 4 :
Sebuah perusahaan farmasi melaporkan bahwa diantara 5000 pemakai obat tertentu 4000
diantaranya menggunakan obat generik. Jika 10 orang diantara pemakai obat tersebut dipilih
secara acak, berapa probabilitas tepat ada 3 orang yang memakai obat non generik ?
Distribusi Poisson
Ciri-ciri percobaan Poisson :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu, tidak
tergantung pada banyaknya hasil percobaan yang terjadi pada selang waktu lain yang
terpisah.
Definisi 6 :
Jika variabel random X menyatakan banyaknya hasil percobaan yang terjadi dalam
selang waktu tertentu, dan adalah rata-rata banyaknya hasil percobaan dalam selang
waktu tersebut, maka X berdistribusi Poisson dengan distribusi probabilitas
e x
p(x; ) , x 0,1,2,...
x!
Nilai harapan dan varians dari ariable random yang berdistribusi Poisson keduanya sama
dengan .
SOAL 5 :
Rata-rata banyaknya partikel radioaktif yang melewati suatu penghitung selama 1 milidetik
dalam suatu percobaan di lab adalah 4. Berapa prob 6 partikel melewati penghitung itu dalam
1 milidetik tertentu ?
SOAL 6 :
Probabilitas seseorang meninggal karena suatu infeksi pernafasan adalah 0,002. Carilah
probabilitas jika 2000 orang yang terserang infeksi tersebut, kurang dari 5 orang akan
meninggal ! Tentukan rata-rata dan variansnya.
Definisi 7 :
Variabel random X berdistribusi normal dengan rata-rata dan varians 2 jika
mempunyai fungsi densitas
1 x
2
1
f(x) = n(x; , ) e 2
, - x
2
x1 x2
Misalkan ingin dihitung P (x1 < X < x2) dari variabel random X yang berdistribusi
normal, maka berdasar kurva di atas P (x1 < X < x2) = luas daerah yang diarsir.
x2
SOAL 7 :
Diketahui suatu distribusi normal standart, carilah luas daerah di bawah kurva yang terletak :
a. di sebelah kiri z = -1,39
b. antara z = -2 dan z = 2
c. disebelah kanan z = 1,84.
SOAL 8 :
Diketahui suatu distribusi normal standart, carilah nilai k sehingga
a. P (Z > k) = 0,3015
b. P (k < Z < -0,18) = 0,4197
c. P (-0,93 < Z < k) = 0,7235.
SOAL 9 :
Variabel random X berdistribusi normal dengan rata-rata 50 dan simpangan baku 10.
Tentukan
a. P (x < 45)
b. P ( 47 < x < 62)
c. P (x > 64)
Jika variabel random X berdistribusi Binomial dengan mean = np dan varians 2 = npq,
maka variabel random Z X np untuk n berdistribusi normal standart.
npq
SOAL 11 :
Probabilitas seorang penderita sembuh dari suatu penyakit darah yang jarang muncul sebesar
0,4. Bila diketahui ada 100 orang yang telah terserang penyakit ini, berapa probabilitas bahwa
kurang dari 30 yang sembuh ?
SOAL-SOAL LATIHAN :
2. Suatu perusahaan farmasi mengetahui bahwa secara rata-rata, 5% dari sejenis pil
mempunyai campuran dibawah syarat minimum, sehingga tidak memenuhi
persyaratan. Berapa probabilitas bahwa kurang dari 10 pil dalam sampel 200 pil tidak
memenuhi persyaratan ?
3. Panjang ikan sardine yang diterima suatu pabrik pengalengan ikan mempunyai
panjang rata-rata 4,54 inci dan simpangan baku 0,25 inci. Apabila distribusi panjang
ikan sardine tersebut mengikuti distribusi normal, berapa persentase dari ikan-ikan
tersebut yang panjangnya adalah :
a. Lebih dari 5 inci
b. Kurang dari 5 inci
c. 4,4 sampai 4,6 inci ?
5. Dalam suatu dos berisi 50 botol obat dan 5 buah diantaranya tidak memenuhi standart.
Dari dos tersebut diambil 4 botol obat secara acak, berapa probabilitas mendapat 2
botol yang tidak memenuhi standart ?
6. Dalam suatu ujian statistika, diketahui bahwa nilai rata-ratanya adalah 82 dengan
simpangan baku sama dengan 5. Semua mahasiswa dengan nilai dari 88 sampai 94
mendapat nilai B. Bila nilai-nilai statistika tersebut berdistribusi normal, dan 8 siswa
mendapat nilai B, berapa banyak mahasiswa yang menempuh ujian tersebut (bila nilai
ujian dibulatkan ke bilangan bulat terdekat) ?
8. Suatu organisasi ilmiah mempunyai 1000 anggota, dimana 100 orang diantaranya
adalah sarjana farmasi. Jika 10 orang diambil secara acak untuk diangkat jadi
pengurus organisasi itu, maka tentukan probabilitas lebih dari 5 orang sarjana farmasi
duduk dalam pengurus itu.
9. Tentukan mean dan varians untuk semua soal diatas yang variabel randomnya diskrit.
10. Tinggi 1000 mahasiswa menyebar normal dengan rata-rata 174,5 cm dan simpangan
baku 6,9 cm. Bila tinggi dicatat sampai setengah cm terdekat, berapa banyak diantara
mahasiswa tersebut yang memiliki tinggi
a. Kurang dari 160,5 cm
b. Sama dengan 175 cm
c. Antara 171,5 sampai 182 cm.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
11
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
DISTRIBUSI PROBABILITAS
Rata-rata : μ = E(χ2) = ө
Variansi : σ2 = 2 ө
Probablitas suatu sampel acak yang menghasilkan nilai χ2 yang lebih besar dari suatu nilai
tertentu, sama dengan luas daerah di bawah kurva di sebelah kanan nilai tersebut. Nilai
tertentu tersebut biasanya ditulis dengan χ2α. Dengan demikian χ2α menyatakan nilai χ2α
yang luas di sebelah kanannya sama dengan α. Daerah yang luasnya sama dengan α ini
dinyatakan oleh daerah yang diarsir
Nilai-nilai kritis χ2α untuk berbagai nilai α dan derajat kebebasan ө tersedia pada tabel
distribsi chi-kuadrat.
• Untuk α = 0,05, disebelah kanan, dan ө = 10, maka nilai kritis χ20,05 = 18,307. Karena kurva
distribusi chi-kuadrat tidak simetri, maka luas daerah di sebelah kiri harus dicari. Luas
daerah sebelah kiri, yaitu 1 – α = 1- 0,05 = 0,95. Derajat kebebasan ө =10, maka diperoleh
χ20,95 = 3,940
Cari : nilai kritis untuk χ20,01 dan χ20,99 dengan ө = 5 dan χ20,01 dan χ20,99 dengan ө = 11
Y=Σ Xi – μ
i=1 σ
• Bila diambil sampel acak berukuran n dari populasi berdistribusi normal dengan rata-rata μ
dan variansi σ2, dan pada setiap sampel tersebut dihitung variansi S2, maka variabel acak
berikut ini, yaitu :
χ2 = (n – 1) S2
σ2
INTERVAL KEPERCAYAAN χ2 = (n – 1) S2
σ2
Nilai kritis χ21- α/2 membatasi luas daerah di sebeleah kanan sebesar 1 - α/2 pada derajat
kebebasan ө = n.-1. Sedangkan nilai kritis χ2 α/2 membatasi luas daerah di sebelah kanan
sebesar α/2 pada derajat kebebasan ө = n.-1.
P (n – 1) S2 < χ2 < (n – 1) S2 = 1- α
χ2 α/2 χ2 1-α/2
Contoh :
Suatu pabrik baterai mobil menjamin bahwa baterainya akan tahan rata-rata 3 tahun dengan
simpangan baku 1 tahun. Untuk menyakinkan pendapatnya diambil sampel yang terdiri atas
5 baterai dan daya tahannya adalah 1,9, 2,4, 3,0, 3,5, 4,2 tahun.
UJI CHI-KUADRAT
1. Untuk menguji apakah frekuensi yang diamati berbeda secara signifikan dengan
frekuensi teoritis atau frekuensi yang diharapkan.
2. Untuk menguji kebebasan (independensi antar faktor dari data dalam daftar
kontingensi
3. Untuk menguji apakah data sampel mempunyai distribusi yang mendekati distribusi
teoritis tertentu atau distribusi hipotesis tertentu (distribusi populasi), seperti distribusi
binomial, distribusi poisson, dan distribusi normal.
Misalkan kita mempunyai suatu sampel tertentu berupa kejadian A1, A2, A3, …,Ak yang
terjadi dengan frekuensi 01,02,03,…,0k, yang disebut frekuensi yang diobservasi (diamati)
dan bahwa berdasarkan probabilitas kejadia-kejadian yang diharapkan adalah dengan
frekuensi e1,e2,e3, …,ek, yang disebut frekuensi yang diharapkan atau frekuensi territis.
Dalam hal ini ingin diketahui perbedaan yang signifikan antara frekuensi yang diobservasi
dengan frekuensi yang diharapkan
i=1 ei
Jika χ2 = 0, maka frekuensi yang diobservasi dengan frekuensi yang diharapkan adalah
tepat sama. Jika χ2 >0, maka frek observasi berbeda dengan frek yang diharapkan. Makin
besar nilai χ2 , makin besar beda antara frek obsevasi dengan frek yang diharapkan.
Frek yang diharapkan dapat dihitung atas dasar hipotesis nol (H0). Langkah-langkah untuk
melakukan uji chi-kuadrat, adalah sebagai berikut :
4. Menyimpulakan apakah menolak atau menerima H0. Tolak H0 jika nilai χ2h > χ2α dan
terima H0 jika χ2h ≥ χ2α .
Contoh 1 :
Contoh 2
Sebuah dadu dilembpar sebanyak 120 kali. Frek yangyang dihasilkan untuk muka1,2,3,4,5,
dan 6 yang muncul adalah 23, 21, 17, 18, 20, dan 27. Ujilah bahwa dadu tersebut simetris.
Uji ini digunakan untuk menguji hipotesis mengenai ada atau tidak adanya hubungan
(asosiasi)atau kaitan antara dua faktor. Misalnya, apakah prestasi belajar mahasiswa ada
hubungan dengan kondisi sosial ekonomi orang tuanya, apakah agama yang dipeluk ada
hubungannya dengan ketaatan beribadah.
Jika tidak ada hubungan antar dua faktor tersebut, maka dikatkan bahwa dua faktor itu
saling bebas atau independen.
Prosedur chi-kuadrat dapat dipakai juga untuk menguji ada tidaknya pengaruh dari satu
faktor terhadap faktor lainnya.
Misalkan dilakukan surveh pada 1.000 orang di Jakarta dan ingin diketahui apakah
penghasilan masyarakat ada hubungannya dengan tingkat pendidikan. Penghasilan sebagai
faktor 1 dan pendidikan sebagai faktor 2. Penghasilan dibedakan menjadi dua katagori, yaitu
penghasilan rendah dan tinggi. Sedangkan pendidikan dibagi menjadi tiga tingkat, yaitu
SMU ke bawah, sarjana muda, dan sarjana (termasuk pasca sarjana). Hasil survey tersebut
disajikan pada tabel kontingensi berikut :
Tabel di atas adalah tabel kontingensi berukuran 2 x 3, yang terdiri dari 2 baris dan 3 kolom.
Bilangan dalam sel disebut frekuensi yang diobservasi, sedangkan totalnya disebut
frekuensi marjinal.
χ2 = Σ (f0 – fe)2
i=1 fe
derajat kebebasan ө = (Jml baris – 1) (kolom – 1). fe frekuensi harapan = jumlah menurut
baris x jumlah menurut kolom/ jumlah total. Jika nilai χ2h > χ2α, maka hipotesis nol (Ho)
ditolak sedangkan jika tidak, maka hipotesis nol (Ho) diterima.
Dengan demikian frekuensi yang diobservasi dan yang diharapkan secara lengkap adalah
sebagai berikut :
Uji ini digunakan untuk mengetahui sejauh mana kesesuaian atau tingkat kesesuaian antara
distribusi sampel dengan distribusi populasi, disebut juga uji kebaikan suai (test goodness of
test).
Tahapan uji keselerasan apakah suatu distribusi mengikuti kurva normal atau tidak adalah
sebagai berikut :
Beberapa analis memprediksi 20 saham terfavorit yang layak dibeli dan dipertahankan untuk
satu-dua minggu. Berikut adalah harga saham dari 20 perusahaan tersebut tanggal 5
Desember2003. Dari data harga saham di bawah ini, ujilah apakah harga saham mengikuti
distribusi normal?
2 Asahimas FG 2225
3 Astra AL 1675
4 Astra OP 1525
7 Berlina 1575
8 Bimantara 3175
9 Dankos 1125
11 Dynaplast 1400
14 Indocement 1900
16 Komatsu 1475
17 Matahari 525
18 Mayora 950
19 Medco 1400
20 Mustikasari 435
dan seterusnya
Interval f Prob fe
Harapan
a. Ho : tidak ada beda antara frekuensi yang diharapkan dengan yang teramati dari
harga saham.
H1 : ada beda antara frekuensi yang diharapkan dengan yang teramati dari
harga saham.
b. Menentukan nilai kritis dengan derajat bebas = n-1, dimana n = jumlah klas. Nilai
kritis untuk ө = 5-1=4, dan taraf signifikansi = 5% adalah 9,488.
c. Mencari χ2hit dengan rumus (f0 – fe)2 dengan prosedur :
χ2hit 3,6
d. χ2hit < χ2α dapat disimpulkan bahwa tidak ada perbedaan antara frekuensi
harapan dan yang nyata, sehingga distribusi harga saham dapat dikatakan
sebagai distribusi normal.
LATIHAN SOAL
1. PT Kiwi Sentosa adalah perusahaan transportasi untuk buah-buahan dari Madiun ke Jakarta.
Perusahaan menginginkan kerusakan buah yang diangkut tidak sampai 15%. Berikut ini adalah
data buah yang rusak selama 6 bulan terakhir. Dari data tersebut, apakah masih sesuai harapan
dari perusahaan dengan taraf nyata 5%.
Jawab:
fo fe (fo - fe)2/fe
12 15 0,60
14 15 0,07
15 15 0,00
18 15 0,60
16 15 0,07
1. Hipotesa, Ho: ada kesesuaian antara harapan dan kenyataan, H1 tidak ada
kesesuaian antara harapan dan kenyataan.
2. Menentukan nilai kritis, df= 6 - 1= 5 dengan taraf nyata 5% adalah 12,596
3. Nilai chi-kuadrat hitung = 3,73 < dari chi-kuadrat tabel 12,596, dengan demikian Ho
diterima dan H1 ditolak. Harapan dan kenyataan masih sesuai.
2. Beberapa emiten merencanakan memberikan dividen yang lebih besar untuk tahun
2003, sehingga dapat mendorong perbaikan harga saham di bursa. Berikut adalah
dividen yang diharapkan atau direncanakan dan deviden yang dapat dibayarkan pada
tahun 2003 dalam rupiah per lembarnya.
Perusahaan fe fo
Ramayana 75 100
Sampurna 57 90
Dengan memperhatikan kondisi tersebut, apakah antara harapan dan kenyataan masih
sesuai?
fo fe (fo-fe)2/fe
119 25 353,44
75 100 6,25
57 90 12,10
1. Hipotesa, Ho: ada kesesuaian antara harapan dan kenyataan, H1 tidak ada
kesesuaian antara harapan dan kenyataan.
2. Menentukan nilai kritis, df= 6 - 1= 5 dengan taraf nyata 1% adalah 16.812
3. Nilai chi-kuadrat hitung = 518.56 > dari chi-kuadrat tabel 16.812, dengan demikian
Ho ditolak dan H1 diterima. Harapan dan kenyataan sudah tidak sesuai.
3. Pemerintah menghendaki bahwa inflasi pada tahun 2003 sebesar 8% pertahun. Data
tahun 2003 inflasi dibeberapa kota besar adalah sebagai berikut:
Medan 9,49
Palembang 12,25
Padang 10,22
Jakarta 9,08
Bandung 11,97
Surabaya 9,15
Denpasar 12,49
Banjarmasin 9,18
Makasar 8,25
Menado 15,22
Dengan data tersebut apakah target atau harapan pemerintah masih sesuai dengan
kondisi sebenarnya dengan taraf nyata 5%?
Jawab:
fo fe (fo-fe)2/fe
9,49 8 0,28
12,25 8 2,26
10,22 8 0,62
9,08 8 0,15
11,97 8 1,97
13,56 8 3,86
9,15 8 0,17
9,18 8 0,17
8,25 8 0,01
15,22 8 6,52
4. Hipotesa, Ho: ada kesesuaian antara harapan dan kenyataan, H1 tidak ada
kesesuaian antara harapan dan kenyataan.
5. Menentukan nilai kritis, df= 11 - 1= 10 dengan taraf nyata 5% adalah 18.307
6. Nilai chi-kuadrat hitung = 18.51 > dari chi-kuadrat tabel 18.307, dengan demikian Ho
ditolak dan H1 diterima. Harapan dan kenyataan sudah tidak sesuai.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
11
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
INTERVAL TAKSIRAN
Misalkan X1 dan X2 adalah dua peubah acak binomial yang bebas masing-masing dengan
parameter ( n1 , p1 ) dan ( n2 , p2 ). Kemudian kita mengambil sampel acak dari X1 berukuran
n1, yaitu X1, X2, X3, … , Xn1 dan sampel acak dari X2 berukuran n2, yaitu X1, X2, X3, … , Xn2.
Kedua sampel acak itu bebas.
Selisih dua proporsi dilambangkan ( p1 – p2 ), kita akan mencari penaksir titik yang baik
untuk proporsi ( p1 – p2 ). Pada pembahasan sebelumnya telah diketahui bahwa
merupakan penaksir tak bias untuk p. berdasarkan hal tersebut 1= adalah penaksir tak
bias dari p1 atau proporsi yang sebenarmya dari populasi kesatu. Maka 2= merupakan
penaksir yang tak bias dari p2 atau proporsi yang sebenarnya dari populasi kedua.
a. secara pendekatan akan berdistribusi normal dengan rerata p1 dan variansi . Maka
b. secara pendekatan akan berdistribusi normal dengan rerata p2 dan variansi . Maka
Dapat diketahui bentuk di atas adalah fungsi pembangkit momen untuk distribusi normal,
maka: rerata ( p1 – p2 ) dan variansi .
Dengan:
1-α
-Zα/2 o Zα/2
Dengan:
a.
b.
Contoh – Contoh
Dalam pemilihan bupati terdapat 2 calon yaitu calon M dan calon N. Dari Kabupaten Tanah
Amblas diambil secara acak 420 orang pemungut suara, ternyata 278 orang di antaranya
memilih N. sedangkan dari Kabupaten Tanah Kuburan diambil secara acak 375 orang, dan
150 orang di antaranya memilih N. Tentukan taksiran interval untuk selisih dua proporsi yang
sebenarnya dari pemungutan suara dalam memilih calon N di kedua kabupaten tersebut
dengan mengambil derajat kepercayaan sebesar 99%!
Jawab:
Dengan:
a.
b.
c.
d.
e. Z0,005, maka 1 – 0,005 = 0,995. Dilihat dengan bantuan tabel maka Z0,005 = 2,55
Jadi:
Jadi, taksiran interval untuk selisih dua proporsi yang sebenarnya dari pemungutan suara
untuk calon N dari kedua kabupaten tersebut dengan derajat keyakinan sebesar 99% terletak
antara 17% dan 35%.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
13
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
PENGUJIAN HIPOTESIS
Hipotesis statistik merupakan pernyataan sementara tentang satu populasi atau lebih.
Dalam statistika, pengujian hipotesis merupakan bagian terpenting untuk mengambil
keputusan. Dengan melakukan pengujian hipotesis seorang peneliti akan dapat menjawab
pertanyaan-pertanyaan yang diajukan dengan menyatakan penolakan atau penerimaan
terhadap hipotesis. Kebenaran hipotesis secara pasti tidak pernah diketahui kecuali jika
dilakukan pengamatan terhadap seluruh anggota populasi. Untuk melakukan hal ini sangatlah
tidak efisien apalagi bila ukuran populasinya sangat besar.
Penarikan sejumlah sampel acak dari suatu populasi, diamati karakteristiknya dan
kemudian dibandingkan dengan hipotesis yang diajukan merupakan suatu langkah
melakukan uji hipotesis. Apabila sampel acak ini memberikan indikasi yang mendukung
hipotesis yang diajukan maka hipotesis tersebut diterima, sedangkan bila sampel acak itu
memberikan indikasi yang bertentangan dengan hipotesis yang diajukan, maka hipotesis
tersebut ditolak.
Dalam pengujian hipotesis ada dua jenis tipe kesalahan yaitu kesalahan jenis I dan
kesalahan jenis kedua. Kesalahan jenis I adalah kesalahan yang terjadi akibat menolak H0
padahal H0 benar, sedangkan kesalahan jenis II adalah kesalahan yang terjadi akibat
menerima H0 padahal H1 benar. Secara ringkas tabel dari dua jenis tipe kesalahan tersebut
adalah :
Ho benar Ho salah
SOAL 1 :
Suatu jenis vaksin influenza yang beredar di pasaran diketahui hanya 25% efektif setelah
periode dua tahun. Untuk menentukan apakah suatu vaksin baru lebih unggul dalam
memberikan perlindungan terhadap virus yang sama untuk periode yang lebih lama,
dilakukan penelitian. 20 orang diambil secara acak dan diinokulasi dengan vaksin baru
tersebut. Bila 9 atau lebih di antara yang menerima vaksin baru terbebas dari virus tersebut
selama periode 2 tahun, maka vaksin baru dinilai lebih unggul.
a. Hitung peluang melakukan galat jenis I.
b. Jika Ho salah, dan yang benar H1 : p = ½, maka hitung peluang melakukan galat jenis II.
c. Jika Ho salah, dan yang benar H1 : p = 0,7, maka hitung peluang melakukan galat jenis
II.
Jawab :
a. = P (galat jenis I)
= P (x 9 bila p = ¼ )
20 8
=
b(x; 20, ¼) = 1 -
b(x; 20, ¼) = 1 – 0,9591
x 9 x 0
= 0,0409
d. = P (x 8 bila p = ¼ )
20 7
=
b(x; 20, ¼) = 1 -
b(x; 20, ¼) = 1 – 0,8982
x 8 x 0
= 0,1018
7
= P (x < 8 bila p = ½ ) = b(x; 20, ¼) = 0,1316
x 0
Bila H1 benar
= n p = 100 ( ½ ) = 50
2
= n p q = 100 (½) (½) = 25
= P (galat jenis II)
= P (x < 36,5 bila p = ½ ) = P (z < -2,7) = 0,0035
Suatu uji hipotesis statistik yang alternatifnya bersifat satu-arah dinyatakan sebagai :
Ho : = o
H1 : > o
atau
Ho : = o
H1 : < o
disebut uji satu arah.
Sedangkan uji hipotesis statistik yang alternatifnya bersifat dua-arah seperti
Ho : = o
H1 : o
disebut uji dua arah.
Ho selalu dituliskan dengan tanda kesamaan, sehingga menspesifikasi suatu nilai tunggal.
Dengan cara ini peluang melakukan galat jenis I dapat dikendalikan.
4. Ho : 1-2 = do
lawan ( x1 x2 ) d 0
t ;
H1 : 1-2 < do sp ( 1 ) ( 1 )
t < -t
H1 : 1-2 > do n1 n2 t > t
H1 : 1-2 do v = n1 + n2 - 2 t < -t/2 dan t > t/2
12 = 22 , tapi tidak diketahui
(n1 1) s12 (n2 1) s22
sp
2
n1 n2 2
5. Ho : 1-2 = do
lawan ( x1 x2 ) d 0
t'
H1 : 1-2 < do 2 2 t’ < -t
( s1 ) ( s2 )
H1 : 1-2 > do n1 n2 t’ > -t
H1 : 1-2 do ( s n1 s n2 ) 2
2 2
t’ < -t/2 dan t’ > t/2
v 1 2
( s12 n1 ) 2 ( s22 n2 ) 2
n1 1 n2 1
SOAL 2 :
Perusahaan farmasi ‘Pharos’ memproduksi obat jenis tertentu yang masa pakainya
menghampiri distribusi normal dengan rata-rata 800 hari dan simpangan baku 40 hari.
Jawab :
1. Ho : = 800 hari
2. H1 : 800 hari
3. = 0,04
4. Daerah kritis : z : < -2,06 dan z > 2,06
788 800
5. x = 788 hari, n = 30, dan = 40 hari z 1,64
40 / 30
6. Keputusan : Terima Ho
Kesimpulan : masa pakai obat jenis tersebut adalah 800 hari
catatan :
f1-(v1,v2)= 1 / f(v2,v1)
SOAL 3 :
Sebuah perusahaan farmasi ‘Zeneca’ menyatakan bahwa daya kerja obat tertentu hasil
produksinya berdistribusi normal dengan simpangan baku 0,9 menit. Jika sampel acak 10
1. Ho : = 0,81 menit
2
3. = 0,05
4. Daerah kritis ( 0, 05;9) atau 2 16,919
2 2
9(1,44)
5. s2 = 1,44 menit, n = 10 2 16
0,81
6. Keputusan : Terima Ho
Kesimpulan : simpangan baku daya kerja obat tersebut adalah 0,9 menit.
SOAL 4 :
Sebuah penelitian di perusahaan farmasi ‘Roche’ bermaksud membandingkan waktu yang
diperlukan oleh karyawan laki-laki dan wanita untuk membuat obat jenis tertentu dalam
jam. Pengalaman lalu menunjukkan distribusi waktu yang diperlukan karyawan tersebut
berdistribusi normal, tetapi varians bagi wanita lebih kecil daripada varians bagi laki-laki.
Suatu sampel acak 11 karyawan laki-laki dengan simpangan baku 6,1 jam, sedangkan 14
karyawan wanita dengan simpangan baku 5,3 jam. Ujilah hipotesis Ho : 1 = 2 lawan H1
2 2
: 1 > 2 , dengan 1 dan 2 masing-masing variansi populasi bagi laki-laki dan wanita ? (
2 2 2 2
Gunakan = 1% )
Jawab :
37,21
s1 = 6,1, s 2 = 5,3 F 1,325
28,09
Kesimpulan :
Variansi sebenarnya waktu pembuatan obat jenis tertentu bagi karyawan laki-laki dan
wanita sama.
1. Ho : p = po
lawan x npo
H1 : p < po z
npo qo z < -z
H1 : p > po z > z
pˆ po x
H1 : p po atau z , dengan pˆ z < -z/2 dan z > z/2
po qo n
n
2. Ho : p1 = p2
lawan pˆ 1 pˆ 2
z
H1 : p1 < p2 pˆ qˆ[(1 n1 ) (1 / n2 )] z < -z
H1 : p1 > p2 z > z
dengan pˆ 1 x1 n1 , pˆ 2 x2 n2
H1 : p1 p2 z < -z/2 dan z > z/2
pˆ ( x1 x2 ) (n1 n2 )
3. Ho:p1- p2= d0
lawan
H1:p1- p2< d0 ˆ1 p
p ˆ2 z < -z
H1:p1- p2> d0 z
ˆ1qˆ1
p ˆ qˆ
p z > z
H1:p1-p2 d0 2 2 z < -z/2 dan z > z/2
n1 n2
SOAL 5 :
Suatu obat penenang ketegangan syaraf diduga hanya 60% efektif. Seorang peneliti
bermaksud melakukan percobaan obat penenang jenis baru dengan memberikan kepada
100 orang dewasa penderita ketegangan syaraf yang dipilih secara acak, hasilnya
menunjukkan bahwa obat baru tersebut 70% efektif. Apakah ini merupakan bukti yang
cukup untuk menyimpulkan bahwa obat baru lebih baik daripada yang beredar sekarang ?
(Gunakan = 5%)
Jawab :
1. Ho : p = 0,6
2. H1 : p > 0,6
3. = 0,05
4. Daerah kritis : z > 1,645
6. Keputusan : Tolak Ho
Kesimpulan : Obat baru tersebut memang lebih manjur
SOAL-SOAL LATIHAN :
1. Sampel acak 100 kematian di negara A selama tahun lalu menunjukkan rata-rata usia
mereka 71,8 tahun. Andaikan simpangan baku populasinya 8,9 tahun, apakah hal ini
menunjukkan bahwa rata-rata usia dewasa ini lebih besar dari 70 tahun ? Gunakan taraf
nyata 5%.
2. Sampel acak 8 batang rokok merk tertentu mempunyai kadar nikotin rata-rata 4,2 mg
dengan simpangan baku 1,4 mg. Apakah ini sesuai dengan pernyataan pabriknya bahwa
rata-rata kadar nikotin tidak melebihi 3,5 mg ? Gunakan tarf nyata 5%.
3. Untuk menentukan apakah suatu serum baru akan memperlambat leukemia, 9 tikus
dipilih semuanya telah kena penyakit tersebut pada tahap lanjut. 5 tikus mendapat serum
tadi dan 4 tidak. Umur (dalam tahun) sejak permulaan sebagai berikut :
Perlakuan 2,1 5,3 1,4 4,6 0,9
Tanpa 1,9 0,5 2,8 3,1
Pada taraf nyata 0,05 dapatkah disimpulkan bahwa serum tadi menolong ? Anggap kedua
populasi berdistribusi normal dengan varians sama.
6. Sebuah perusahaan aki mobil mengatakan bahwa umur aki mobil yang diproduksinya
mempunyai simpangan baku 0,9 tahun. Bila suatu sampel acak 10 aki mobil simpangan
baku 1,2 tahun, apakah menurut anda pernyataan perusahaan aki tersebut benar ?
Gunakan taraf nyata 0,05.
7. Seorang peneliti yakin bahwa alat pengukurnya mempunyai simpangan baku =2. Dalam
suatu eksperimen dia mencatat bahwa hasil pengukuran 4,1; 5,2 dan 10,2. Apakah data
ini tidak sesuai dengan asumsinya ? Lakukan pengujian hipotesis dengan menggunakan
taraf nyata 0,1.
8. Peneliti bermaksud membandingkan variabilitas dari 2 jenis alat uji yang dapat digunakan
untuk memonitor output dari proses produksi. Dia menduga bahwa peralatan lama
mempunyai varians yang lebih besar dibandingkan dengan alat baru. Dari sampel acak
yang diambil diperoleh :
alat lama alat baru
n1 = 12 n2 = 10
2
s1 = 14,5 s22 = 10,8
Lakukan pengujian hipotesis, dan anggap bahwa populasi hasil pengukuran berdistribusi
normal. Gunakan taraf nyata 0,05.
9. Seorang ahli genetika tertarik pada proporsi laki-laki dan perempuan, dalam suatu
populasi, yang menderita suatu kelainan darah. Dalam sampel acak 100 laki-laki, ternyata
ada 31 yang menderita, sedangkan di antara 100 perempuan hanya 24 yang menderita
kelainan tersebut. Dapatkan kita menyimpulkan pada taraf nyata 0,01 bahwa proporsi
laki-laki yang menderita kelainan darah dalam populasi itu lebih besar daripada proporsi
perempuan yang menderita ?
10. Pemungutan suara diambil dari suatu kota dan kabupaten disekitarnya untuk menentukan
apakah suatu rencana pembangunan pabrik kimia boleh diteruskan. Untuk menentukan
pakah ada perbedaan yang berarti antara proporsi penduduk kota dan kabupaten yang
mendukung rencana tersebut, suatu pol diadakan. Bila 120 dari 200 penduduk kota yang
setuju, dan 240 dari 500 penduduk kabupaten yang setuju, apakah anda sependapat
bahwa proporsi penduduk kota yang setuju lebih besar dari proporsi penduduk kabupaten
yang setuju ? Gunakan taraf nyata 0,025.
11. Dari soal no. 11, ujilah hipotesis bahwa selisih antara proporsi penduduk kota yang setuju
dengan proporsi penduduk kabupaten yang setuju tidak melebihi 3%. Gunakan taraf nyata
0,025.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
14
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
PENGUJIAN HIPOTESIS
UJI HIPOTESIS
Pengantar
Menurut epistemology (ilmu asal-kata) hipotesis berasal dari kata hipo (hypo) dan tesis
(thesis). Hipo artinya belum dan thesis artinya dalil. Untuk menjadi dalil maka diperlukan
data-data untuk dilakukan uji kebenaran yang dapat mendukung suatu hipotesis menjadi
sebuah dalil.
Hipotesis secara umum mempunyai arti dugaan sementara. Pada prinsipnya uji statistik
menguji hipotesis. Hipotesis secara umum dikenal ada dua tipikal yaitu hipotesis nol dan
hipotesis alternative.
Ho = μ1≠ μ2
Ha = μ1= μ2
Yang masih menjadi pertanyaan adalah apabila setelah diuji kemudian ternyata yang
dihipotesiskan itu tidak benar, artinnya ditolak terus bagaimana?
Memang seperti ini hipotesis, dapat terbukti benar dapat juga tidak benar. Jangan
dipaksakan bahwa hipotesis harus benar. Untuk menguji hipotesis kuantitatif mengunakan
teori probabilitas dalam statistik. Hal ini terkait karena tidak dapat memastikan secara
sempurna tentang keadaan sampel, maka selalu ada peluang salah.
Hipotesis merupakan pernyataan yang positif bukannya negatif artinya statmen yang
dikeluarkan dalam hipotesis berupa hipotesis alternatif bukannya hipotesis nol.
Misal ”ada hubungan” ; ada perbedaan” : bukan statmen yang muncul ”tidak ada
perbedaan”; tidak ada hubungan”.
Tetapi hal yang konsep dalam pengujian hipotesis adalah menguji hipotesis nol bukan
hipotesis alternatif dimana jika hipotesis nol diterima maka secara otomatis hipotesis
Jenis hipotesis
A. Hipotesis deskriftif
Hipotesis ini mempunyai sifat menyatakan eksistensi, ukuran, atau distribusi dari kasus-
kasus.
Contoh
B. Hipotesis Hubungan
Hipotesis ini mempunyai sifat assosiatif (hubungan) antara satu variabel dengan variabel
satunnya, dimana syarat yang diperlukan adalah ada 2 variabel yang terkait.
Contoh
C. Hipotesis Sebab
Hipotesis ini mempunyai ciri satu variabel sebagai sebab sedangkan satu variabel
sebagai akibat.
Contoh
Pada contoh ini variabel kepuasan kerja sebagai sebab sedangkan produktivitas sebagai
akibat. Hal ini dimungkinkan variabel kepuasan kerja terjadi terlebih dahulu, baru
kemudian disusul oleh variabel produktivitas.
D. Hipotesis Perbandingan
Contoh
Pada contoh ini menunjukan ada perbedaan memilih pasta gigi antara wanita dan pria.
Daerah penolakan merupakan suatu daerah dalam distribusi sampling. Distribusi sampling
meliputi semua harga yang mungkin dimiliki oleh satatistik tes di bahwa Ho.
Daerah penerimaan
hipotesis nol
0 Penolakan Ha 1
Letak daerah penolakan hipotesis dipengaruhi oleh sifat hakikat H alternatif yang
menunjukan arah perbedaan yang diprediksikan, maka akan muncul suatu tes yang disebut
satu sisi (one tailed test). Jika hipotesis alternatif tidak menunjukan arah perbedaan yang
diprediksikan, maka digunakan tes dua sisi (two tailed test). Test satu sisi dan dua sisi
berbeda dalam letak penolakan hipotesis, tetapi tidak berbeda dalam besarnnya. Dalam tes
satu sisi daerah penolakan sepenuhnya ada di suatu ujung (sisi) distribusi sampling. Dalam
tes dua sisi daerah penolakan itu terdapat pada kedua ujung (sisi) distribusi samplingnya.
0 1
Ho = μ1≠ μ2
Ha = μ1= μ2
Sebuah hipotesis adalah pernyataan tentang populasi yang kemudian akan dibuktikan oleh
data. Kalau dalam bidang hukum kita sering mendengar ada istilah praduga tak bersalah, di
mana seseorang dalam pengaduan sebagai tersangka akan diasumsikan tak bersalah sampai
hakim membuktikan ia bersalah. Dalam statistika kita juga menggunakan suatu penduga
terhadap populasi dan kemudian kita perlu membuktikan kebenarannya. Jadi hipotesis adalah
sebuah pernyataan tentang parameter populasi yang perlu dibuktikan kebenannya.
Contoh dalam hipotesis tentang mean adalah uji Z yang dihitung dengan rumus:
x
Z
n
Gambar 5.1.
1,65 1,98
0,05 probabilitas
Titik kritis adalah titik yang membagi daerah di mana hipotesis null di terima atau
hipotesis null di tolak.
Tahap 5. Pengambilan Keputusan
Tahap terakhir adalah pengambilan keputusan untuk menolak atau tidak menolak
hipotesis null. Berdasarkan Gambar 5.1 apabila Z hitung ditemukan sebesar 1,98 maka
hipotesis null ditolak pada level kepercayaan 95%. Ho ditolak karena Z hitung berada pada
daerah penolakan H0 yaitu disebelah kanan nilai Z sebesar 1,65.
Pada Gambar 5.1 tersebut terlihat bahwa kita menggunakan uji satu arah, karena area
penolakan hanya di sebelah kanan arah dari kurva. Pengujian satu arah atau dua arah akan
sangat ditentukan oleh hipotesis yang akan kita uji. Pada contoh uji tentang mean yang
menyatakan bahwa Ho: µ 3,02, yang dibaca bahwa rata-rata populasi adalah sama dengan
atau kurang dari 3,02, sehingga hipotesis alternatifnya adalah Ha: µ > 3,02. Uji ini adalah uji
satu arah sehingga apabila kita gambarkan dalam bentuk grafik adalah seperti Gambar 5.2.
Gambar 5.2.
Terima Ho Tolak Ho
1,65
Apabila kita ingin menguji suatu hipotesis yang menyatakan bahwa rata-rata keluarga
memiliki anak kurang dari 4 orang maka bentuk uji hipotesisnya adalah sebagai berikut:
Ho: µ 4
Ho: µ < 4
Gambar 5.3.
Tolak Ho
Terima Ho
-1,65
Uji satu arah digunakan jika dalam pernyataan hipotesis ada tanda lebih besar atau
lebih kecil (>/<).
Apabila dalam pernyataan hipotesis tidak ada petunjuk lebih besar atau lebih kecil
maka uji dua arah digunakan. Sebagai contoh adalah apabila kita ingin menguji suatu
hipotesis yang menyatakan bahwa tidak ada perbedaan antara rata-rata pendapatan daerah A
dengan daerah B, maka hipotesis yang kita gunakan rumus sebagai berikut:
Ho: µA = µB
Ho: µA µB
Untuk menguji hipotesis di atas maka uji yang digunakan adalah uji dua arah, sehingga
kurva uji adalah seperti pada Gambar 5.4.
Gambar 5.4.
-1,96 1,96
Dalam uji hipotesis tentang rata-rata populasi dengan sampel besar, deviasi standar
populasi harus diketahui.
Pada uji ini kita ingin mengetahui tentang apakah rata-rata populasi semua dengan
nilai tertentu. Sebagai contoh adalah rata-rata return on equity perusahaan publik di Indonesia
adalah 0,46 dengan jumlah populasi adalah 700 dan deviasi standart adalah 0,05 maka nilai Z
hitung bisa dicari dengan rumus :
x
Z=
n
Dimana:
Ho: µA = 0,46
Ho: µA 0,46.
x
Maka nilai Z=
n
0,47 0,46
=
0,05 / 30
= 1,095
Apabila dengan tingkat kepercayaan 95% maka nilai kritis Z dengan uji 2 arah,
setengah dari 0,05 adalah 0,025, sehingga luas kurva adalah 0,475 dengan mencari pada
nilai tabel Z didapatkan nilai Z tabel +1,96 sehingga bentuk kurvanya adalah:
Gambar 5.5.
x 0,05
0,025
Z 2
0,475 0,475
-1,96 0 1,96
Nilai Z hitung tersebut akan terletak pada daerah penerimaan Ho. Dari sini kita bisa
menyimpulkan bahwa kita tidak membuktikan bahwa Ho benar tetapi kita telah gagal untuk
menyangkal Ho, yang berarti kesimpulannya rata-rata return on investment perusahaan di
Indonesia adalah 0,46.
Apabila kita ingin menguji satu arah maka nilai Z hitung akan berubah menjadi 0,5 –
0,05 = 0,45 sehingga titik kritisnya adalah 1,65. Dalam bentuk kurva nilai pengujian satu arah
adalah sebagai berikut:
Gambar 5.6
1,65
Dengan menggunakan uji satu arah bisa dilihat bahwa nilai Z hitung tetap berada pada daerah
penolakan H0 sehingga kita bisa menyimpulkan bahwa rata-rata return on investment
perusahaan di Indonesia adalah 0,46.
Dalam aplikasi software statistik biasanya akan tercantum nilai P yang merupakan
nilai kekuatan penolakan. Dengan nilai P kita bisa membandingkan dengan tingkat signifikansi
atau alpha di mana jika nilai P lebih kecil dari nilai tingkat signifikansi atau alpha maka
menolak Ho, namun jika nilai P lebih besar dari tingkat signifikansi atau alpha maka menerima
Ho.
Nilai P adalah probabilitas sampel observasi mempunyai perbedaan yang besar dari
nilai observasi di mana hipotesis null benar. Nilai P yang sangat kecil menunjukkan bahwa
kecil kemungkinan Ho benar, sebaliknya jika P-value besar maka kecil kemungkinan bahwa
Ho salah.
Untuk mendapatkan nilai P kita mengurangi luas area ½ kurva dengan luas area z dari
z hitung. Pada contoh rata-rata pendapatan uji hipotesis tentang return on investment dengan
dua arah diatas, diperoleh luas area z hitung = 0,3621. Dengan 0,5 – 0,3621 = 0,1375. Dikali
dua untuk uji dua arah = 0,275. Karena nilai P sebesar 0,275 lebih besar dari pada 0,05 maka
kita tidak menolak Ho.
Dalam aplikasi software yang lain mungkin bukan nilai P sebagai indikator penerimaan
atau penolakan hipotesis,tetapi menggunakan nilai Signifikansi. Contoh yang ada adalah pada
aplikasi software SPSS, keputusan penerimaan atau penolakan hipotesis bisa dengan melihat
nilai Sig(Significant). Jika nilai Sig lebih kecil dari alpha maka kita bisa menyimpulkan untuk
menolak H0, sebaliknya jika nilai Sig lebih besar dari alpha maka kesimpulan yang dibuat
adalah kita menerima H0. Penerimaan dan penolakan H0 terlihat seperti Gambar 5.7
0,3621
Apabila dalam uji hipotesis di atas tidak diketahui, maka kita menggunakan deviasi
standar sampel sebagai penggantinya, sehingga z hitung adalah
x
Z=
s
n
di mana:
Pada bagian ini kita akan membahas mengenai uji hipotesis untuk perbandingan dua
mean. Untuk menguji perbedaan dua mean digunakan rumus uji sebagai berikut:
x1 x 2
Z=
2 2
s1 s
2
n1 n2
di mana:
Contoh
Kita ingin membandingkan rata-rata kandungan lemak pada produk susu yang
diharuskan minimum sebesar 5 gram per sachet. Suatu survei untuk membandingkan
kandungan lemak susu antara dua perusahaan dengan memilih sampel sebanyak 100 sachet
produk A dan 100 sachet produk B. Berdasarkan hasil survei ditemukan rata-rata kandungan
lemak produk A adalah 5,12 kg sedangkan produk B adalah 5,13 kg dengan deviasi standar
produk A adalah 0,05 dan produk B adalah 0,06. Ujilah apakah kandungan lemak susu per
sachet kedua produk tersebut sama atau berbeda.
Jawab
Untuk menjawab pertanyaan tersebut kita menggunakan uji Z tentang perbedaan mean
atau rata-rata. Langkah-langkah pengujiannya adalah sebagai berikut:
1. Menyatakan hipotesis null dan hipotesis alternatif. Hipotesis null dan alternatifnya
dinyatakan sebagai berikut:
Ho: µA = µB
Ho: µA µB
2. Menentukan level signifikansi. Untuk level signifikansi dipilih tingkat kepercayaan 95%.
3. Menentukan uji statistik yang digunakan. Untuk menguji hipotesis tersebut kita menghitung
nilai Z
x1 x 2
Z=
2 2
s1 s
2
n n
5,12 5,13
=
0,052 0,062
100 100
4. Memformulasi Keputusan.
Dengan memilih level signifikansi 95% uji dua arah kita mendapatkan nilai Z tabel sebesar
1,96. Dengan membandingkan nilai z hitung dengan z tabel di mana z hitung lebih kecil dari pada Z
tabel maka dapat kita simpulkan bahwa z hitung terletak pada daerah penerimaan H0, sehingga
bisa disimpulkan bahwa rata-rata kandungan susu kedua produk adalah sama.
Selengkapnya dapat kita gambarkan dalam Gambar 5.8 sebagai berikut:
Gambar 5.8
nilai p
peneriman Ho
penolakan Ho
Kita juga bisa menghitung nilai P untuk mengambil keputusan. Pada contoh
tersebut terlihat bahwa luas area 1,28 adalah 0,3849. Jadi luas area di sebelah kanan 1,2
adalah 0,5 – 0,3849 = 0,1003. Dengan uji dua arah maka nilai P adalah 2 x 0,1151 =
0,20026 Karena nilai P lebih besar dari 0,05 maka kita tidak menolak Ho.
Dalam menguji proporsi sampel populasi ada beberapa asumsi yang perlu dipenuhi yaitu:
P
Z
p
dimana:
p : proporsi sampel;
: proporsi populasi;
n : jumlah sampel;
1
p : adalah proporsi populasi yang dicari dengan rumus: p = ;
n
p
sehingga rumus di atas menjadi Z
1
n
Contoh
Suatu survei tentang merek kacang garing yang dibeli oleh konsumen menyatakan
bahwa proporsi kacang garing merek A dikonsumsi 60% konsumen yang menjadi responden.
Dengan menggunakan uji hipotesis proporsi, nilailah peluang bahwa kacang merek A dipilih
Jawab
Untuk menguji hipotesis di atas kita menggunakan uji proporsi dengan tahap-tahap
sebagai berikut:
H1 : < 0,6
4. Menentukan titik kritis penolakan atau penerimaan hipotesis. Dari level kepercayaan
95 % kita dapat melihat bahwa nilai Z adalah 0,5 – 0,05 = 0,45. Nilai Z kita cari pada
tabel Z dengan uji satu arah didapat nilai Z adalah 1,65. Aturan keputusan dapat kita
gambarkan sebagai berikut.
Gambar 5.11.
-1,65
5. Untuk menentukan apakah kita menolak H0 atau tidak menolak H0 kita menghitung
nilai Z hitung
p
Z
1
n
580
0,6
1000
0,61 0,6
1000
0,58 0,6
0,00024
0,02
0,01549
1,29
Dari hasil penghitungan tersebut terlihat bahwa nilai z hitung sebesar -1,29 terletak pada
daerah penerimaan H0. Dengan demikian perbedaan sebesar 2 % dari penjualan yang
menyatakan bahwa pangsa pasar kadang merek A adalah 60 % adalah hasil dari variasi
fungsinya, dalam arti pangsa pasar kacang garing merek A adalah 60%. Kita bisa juga
menghitung nilai p dengan cara mencari luas area nilai Z yang sebesar -1,29 yaitu sebesar
0,04015. Sehingga nilai p adalah 0,05 – 0,4015 = 0,09. Karena nilai p lebih besar dari pada
level kepercayaan 95% (α = 5%) maka kita tidak menolak H0.
Dalam dunia bisnis banyak kedudukan dengan dua variasi suatu populasi misalnya
adalah apakah ada perbedaan antara populasi perempuan usia muda yang menyukai parfum
merek A dengan perempuan usia setengah baya yang menyukai parfum merek A. untuk
menguji hal tersebut kita perlu menguji perbedaan antara populasi tersebut. Rumus uji
statistik untuk menguji proporsi dua populasi adalah sebagai berikut:
di mana
jumlah sukses x1 x2
Pi :
jumlah sampel n1 n2
di mana:
Contoh
Suatu survei tentang majalah mengungkapkan bahwa majalah “Ekonomia” dibaca oleh
pembaca 45% dari seluruh pembaca laki-laki, dan 46% pembaca perempuan dari seluruh
pembaca perempuan. Manajer pemasaran majalah ingin membuktikan kebenaran survei
tersebut dengan mengadakan penelitian terhadap pembaca di suatu kota. Jumlah responden
laki-laki dipilih 150 orang dan yang membaca majalah sebanyak 69 orang mengaku
membaca majalah “Ekonomia”, sedangkan dari 200 orang responden perempuan yang
membaca majalah “Ekonomia” adalah 95 orang. Dengan menggunakan uji hipotesis proporsi
ujilah apakah proporsi pembaca majalah tersebut sama?
Jawab:
H1 : P1 P2 : 1 2
di mana
jumlah sukses x1 x2
Pc :
jumlah sampel n1 n2
di mana:
Gambar 5.12
Daerah Penerimaan & Penolakan H0
-1,96 1,96
95%
5. Pengambilan keputusan
69
X1 : 69 p1 :
150
= 0,46
N1 : 150
95
X2 : 95 P2 :
200
N2 : 200 = 0,475
X1 X 2
Pc=
n1 n2
69 95
=
150 200
= 0,47
Jadi
x1 x2
Z
Pc (1 Pc ) Pc (1 Pc )
n1 n2
0,015
0,249 0,249
150 200
0,015
0,00166 0,001245
0,015
0,0029
Z 0,278
Berdasar hasil penghitungan nilai z hitung terlihat bahwa nilai z hitung berada pada daerah
penerimaan H0 sehingga kita dapat membuat keputusan untuk menerima hipotesis
null.
Pada Bab sebelumnya kita telah mempelajari tentang uji hipotesis sampel bisa dengan
menggunakan uji Z. Dalam menggunakan uji Z ada syarat yang harus kita penuhi; yaitu
deviasi standar populasi dikatakan atau mempunyai sampel yang besar (730) dalam
kondisi umum. Pengetahuan tentang deviasi standar populasi adalah uji student’s t atau
distibusi t. dalam mengunakan uji t kita tetap menggunakan asumsi bahan populasi
Karakteristik uji t
akan menimbulkan ketidakcocokan ketika dihitung dengan sampel yang sangat kecil.
Bentuk distribusi t lebih menyebar daripada distribusi Z sebagaimana pada Gambar 5.14
Gambar 5.14
Distribusi Z
Distribusi t
Sebagaimana distribusi Z yang didasarkan ada asumsi bahwa populasi terdistribusi secara
normal, distribusi t juga didasarkan pada asumsi bahwa populasi terdistribusi secara
semakin besar. Sebagai contoh perbandingan adalah distribusi Z dengan level signifikansi
95% dan distribusi t pada jumlah sampel 8 dengan level signifikansi 95% yang
digambarkan pada Gambar 5.15 dan Gambar 5.16. sebagaimana pada Gambar 8.2 titik
Gambar 5.15
-1,65 1,65
Titik Kritis Distribusi t
1,95
Apabila kita lihat pada tabel distribusi Z dengan level signifikansi 95% bila jumlah n tidak
terbatas maka titik kritis distribusi t melewati titik kritis distribusi Z yaitu 1,65.
Sebagaimana kita ingin menguji hipotesis rata-rata populasi, tetapi apabila jumlah
sampel yang terdiri dari 30 dan deviasi standar populasi tidak diketahui, dengan asumsi
populasi mendekati normal, kita menggunakan uji yang berbeda dari uji Z. Untuk menguji
x 0
t
s/ n
di mana:
Contoh
Suatu perusahaan armada truk ingin membeli truk baru. Mereka akan membeli truk
tersebut jika konsumsi solar per liter bisa lebih dari 15 km per liter. Dengan menggunakan
n = 15, ditemukan bahwa rata-rata jarak tempuh per liter adalah 16 km dengan deviasi
standar 1,73 km. Dengan uji statistik ujilah apakah truk tersebut mempunyai jarak tempuh
Jawab
1. Menyatakan hipotesis H0 : 15
H1 : > 15
adalah 1,76. Dengan demikian kita menolak hipotesis null, karena nilai t hitung
Gambar 5.16
Tolak H0
1,76 2,24
Kita juga bisa menentukan keputusan dengan menggunakan nilai P pada hasil print out
komputer.
Dari tabel t dengan n = 4 (n – 1) terlihat nilai 2,236. Pada tabel tersebut nilai 2,236
terletak pada tingkat signifikansi 0,005 sampai 0,01. karena level signifikansi t hitung
Sebagai contoh, dalam bidang akuntansi jika kita ingin menguji apakah ada perbedaan
yang signifikan antara laporan keuangan yang disusun dengan metode konvensional dan yang
disusun dengan metode berindeks harga. Untuk itu kita harus menguji distribusi perbedaan
antara kedua populasi tersebut. Kita menggunakan tanda µd yang menunjukkan bahwa rata-
rata populasi dari distribusi perbedaan. Uji yang kita gunakan adalah uji t dengan rumus
sebagai berikut:
d
t
sd
n
dimana
Sd adalah standar deviasi perbedaan pasangan sampel yang dicari dengan rumus:
Sd =
d d / n
2
n 1
Contoh
Suatu penelitian tentang pengaruh penggunaan indeks harga dalam laporan keuangan
ingin menguji apakah ada perbedaan yang signifikan antara rasio return on asset (ROA)
laporan keuangan konvensional dengan ROA laporan keuangan indeks harga. Data ROA
dihitung dari laporan keuangan. Berdasarkan analisis ROA laporan keuangan konvensional dan
analisis ROA laporan keuangan berindeks harga didapat data sebagai berikut :
Tabel 5.5
Dengan menggunakan level signifikasi 95% ujilah apakah ada perbedaan rata-rata antara ROA
konvensional dengan ROA laporan keuangan berindeks harga.
Jawab
Ho: µd = 0
Ho: µd 0
0,16
d=
10
= -0,016
d d / n
2 2
Sd =
n 1
(0,16) 2
0,0052
= 10
9
0,00264
=
9
= 0,017127
d 0,016 0,016
t= = =
sd 0,017 0,00567
n 9
= -2,82
Berdasarkan hasil perhitungan tersebut terlihat bahwa nilai t hitung terletak pada daerah
penerimaan Ha dengan demikian kita menolak Ho, yang berarti rata-rata ROA laporan
keuangan konvensional dan laporan keuangan berindeks harga adalah berbeda. Kita bisa juga
menggunakan nilai p untuk menguji hipotesis, dengan melihat pada tabel t di df =9 kita bisa
menemukan bahwa nilai t berada pada level signifikansi dibawah 0,05 sehingga kita menolak
Ho.
Statistika
dan
Probabilitas
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana
15
Ilmu Komputer Teknik Informatika MK10230 Yulius Eka Agung Seputra,ST,MSi
penerbit Modul Studi
Abstract Kompetensi
Matakuliah statistik Menjadi Dasar dari Mahasiswa dapat Memahami operasi
Pemikiran penelitian seorang yang akan dasar himpunan, dan penyajian
Mempelajari statistik.Statistik di sangat himpuan
Penting dalam Membangun sebuah
Aplikasi Program Mata Kuliah ini
merupakan prayarat bagi Mata kuliah
Algoritma dan Stuktur Data
2012 Statistika dan Probabilitas Pusat Bahan Ajar dan eLearning
2 Yulius Eka Agung Seputra,ST,MSi http://www.mercubuana.ac.id
KATA PENGANTAR
KATA PENGANTAR
Para mahasiswa/i pada saat ini tidak asing lagi dengan teknologi, karena sudah
merupakan bagian dari kehidupan mereka sehari-hari. Mulai mereka menginjakkan kaki di
sekolah dasar, mereka sudah terbiasa melihat komputer seperti melihat peralatan elektronik
biasa baik dirumah maupun di lingkungan mereka. Modul ini dibuat untuk dapat cocok
dengan apa yang telah mereka ketahui tentang komputer, dan apa yang kami percayai
harus diketahui oleh mereka mengenai komputer dan peralatan lainnya.
Isi dari modul ini sedemikian rupa kami susun sehingga kami harapkan tidak ada
pengetahuan yang terpisah, semua menjadi kesatuan pengetahuan yang menyatu dan
berkesinambungan. Pada modul ini juga dibahas mengenai komunikasi dengan dan tanpa
kabel pada peralatan komputer. Komputasi enterprise atau perusahaan besar juga menjadi
bagian pengetahuan dari modul ini untuk memperluas wawasan para mahasiswa/i untuk
dapat siap menghadapi dunia kerja yang terbentang di masa depan mereka.
Untuk mendukung pengetahuan mereka, mata kuliah juga akan dilengkapi dengan
modul-modul laboratorium, yang akan mengembangkan kemampuan mahasiswa/i dalam
memakai aplikasi komputer khususnya suite software: Microsoft Office XP 2005,
kemampuan dan keahlian ini dikenal juga dengan istilah “soft-skill”.
Kami harapkan modul ini dapat menjadi pegangan untuk memahami dan juga aplikasi
dari teknologi komputer, atau lebih luasnya lebih dikenal dengan istilah baru yaitu:
Telematika. Akhir kata kami tim penyusun dengan rendah hati mohon maaf apabila ada
kekurangan di sana sini, dan dengan hati terbuka kami dengan senang hati akan menerima
semua jenis masukan, terutama kritik-kritik yang membangun untuk menjadikan modul ini
menjadi lebih baik di masa mendatang.
Penulis modul,
Yulius Eka Agung Seputra,ST,MSi
• tanda (+) data pada suatu sampel > pasangannya dalam sampel yang lain
• tanda (–) data pada suatu sampel < pasangannya dalam sampel yang lain
• tanda Nol (0) data pada suatu sampel = pasangannya dalam sampel yang lain
Tanda Nol tidak digunakan dalam perhitungan
q =1–p
q 0 = 1 – p0
p0 q0
Standar Error = Galat Baku = p
n
Rata-Rata Sampel = p p0
p p
Statistik Uji zhitung
p
p p0
zhitung
p0 q0
n
SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam soal.
Jika yang ingin diuji A > B maka SUKSES adalah banyak tanda (+)
Jika yang ingin diuji A < B maka SUKSES adalah banyak tanda (–)
Contoh 1a:
Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi. Dengan taraf nyata 1%,
ujilah apakah proporsi preferensi konsumen pada kedua merk bernilai sama?
1. 4 2 +
2. 2 3 –
3. 3 3 0
4. 2 3 –
5. 3 2 +
6. 1 2 –
7. 2 3 –
8. 3 4 –
9. 3 2 +
10. 2 1 +
11. 4 1 +
12. 1 1 0
13. 4 2 +
14. 3 2 +
15. 4 3 +
n = 8 + 5 = 13
Jika kita asumsikan LUXE lebih disukai dibanding GIVE maka SUKSES dalam sampel adalah p =
proporsi banyak tanda (+) dalam sampel
banyak positif 8
p= 0.62
n 13
q = 1 – p = 1 - 0.62 = 0.38
1. H0 : p0 = 0.50 H1 : p0 0.50
2. Statistik Uji : z
3. Uji: 2 Arah
5. Daerah Penolakan H0
-2.575 0 2.575
0.87
7. Kesimpulan:
Proporsi konsumen yang menyukai LUXE masih sama dengan yang menyukai
Contoh 1b:
Dengan menggunakan data pada Tabel 1 dan taraf nyata 1% ujilah apakah proporsi preferensi
konsumen pada sabun LUXE dibanding sabun GIVE sudah lebih dari 0.30?
p0 = 0.30
p0 = 1 - 0.30 = 0.70
2. Statistik Uji : z
3. Uji 1 Arah
Daerah penolakan H0
0 2.33
2.52
7. Kesimpulan:
H0 ditolak H1 diterima
Uji ini merupakan alternatif uji beda 2 rata-rata Parametrik dengan menggunakan t (Sampel-sampel
berukuran kecil).
Jika ada nilai yang sama, maka ranking dihitung dengan rumus
Peringkat (R) =
urutan data yg bernilai sama
banyak data yg bernilai sama
30 2 2 25 1 1
55 4 4 50 3 3
65 5 5 70 6 7
70 8 7 70 7 7
75 10 9.5 75 9 9.5
88 16 15.5 78 11 11
90 17 17 80 12 12
95 18 18 85 13 13.5
98 19 19 85 14 13.5
100 20 20 88 15 15.5
R1 117 R2 93
6 7 8 21
Ranking untuk Nilai 70 =7 7
3 3
9 10 19
Ranking untuk Nilai 75 = 9.5
2 2
n1 ukuran sampel ke 1
n1 n2 (n1 n2 1)
Standar Error (Galat Baku) = R
12
R1 R1
z
Statistik Uji
R 1
Dalam perhitungan hanya R1 yang digunakan, karena ia menjadi subyek dalam H0 dan H1 :
Penetapan H0 dan H1 : Terdapat 3 alternatif H0 dan H1 :
(a) H0 : 1 2 dan H1 : 1 2
(b) H0 : 1 2 dan H1 : 1 2
(c) H0 : 1 2 dan H1 : 1 2
Contoh 2b:
Berdasarkan Tabel 2 (lihat Contoh 2a), ujilah dengan taraf nyata 5%, apakah (peringkat) nilai
mahasiswa Fak, Ekonomi lebih besar dibanding mahasiswa Ilmu Komputer?
2. Statistik Uji : z
3. Uji 1 Arah
5. Daerah Penolakan H0
Daerah penolakan H0
0 1.645
R1 117 R2 93
n1 10 n2 10
n1 n2 (n1 n2 1) 10 10 21 2100
R 175 13.2287...
12 12 12
R1 R1 117 105 12
z 0.90711... 0.91
R 1
175 13228
. ...
Prinsip pengerjaannnya sama dengan Uji Peringkat 2 Sampel Mann-Whitney, hanya fokus kini
dialihkan sampel dengan ukuran terkecil.
n1 ukuran sampel ke 1
n2 ukuran sampel ke 2
n1 (n1 n2 1)
Nilai Ekspektasi (W) = E(W) =
2
n1 n2 (n1 n2 1)
Standar Error = SE =
12
W E (W
Statistik Uji z=
SE
Departemen Q Departemen Z
6 1 1 12 3 3
10 2 2 13 4 4
15 7 6 15 5 6
32 10 10 15 6 6
W= 19 20 8 8
31 9 9
38 11 11
40 12 12
Dengan taraf nyata 5% ujilah apakah (peringkat) pendapatan di departemen Q lebih kecil
dibandingkan departemen Z?
1. H0 : 1 2 H1 1 2
2. Statistik Uji : z
3. Uji 1 Arah
5. Daerah Penolakan H0
Daerah penolakan H0
–1.645 0
n1 4 n2 8
W = 19
n1 (n1 n2 1) 4(4 8 1) 4 13
E(W) = 26
2 2 2
n1 n2 (n1 n2 1) 4 8 13 416
SE
12 12 12
34.666... 58878
. ... 589
.
W E (W 19 26
z= 119
.
SE 589
.
7. Kesimpulan:
Dua Uji terakhir (Mann-Whitney dan Wilcoxon) ditujukan untuk 2 sampel yang saling bebas
(independen), sedangkan Uji Peringkat Spearman ditujukan untuk penetapan peringkat data
berpasangan.
Rs = Korelasi Spearman
n
6 di 2
i 1
Rs 1
n( n 1)
2
Jika ada item yang dinilai ber-peringkat sama, maka penetapan peringkat seperti dalam Mann-
Whitney dapat dilakukan (ambil rata-rata peringkatnya!)
Contoh 5:
Dua orang pakar (ahli) diminta memberikan peringkat kinerja pada 10 Bank di Indonesia. Peringkat
diberikan mulai dari bank terbaik = peringkat 1 sedang yang terburuk diberi peringkat 10. Hasilnya
disajikan dalam Tabel 4.
A 4 3 1 1
B 5 1 4 16
D 7 6 1 1
E 10 8 2 4
F 1 2 -1 1
H 2 7 -5 25
di =
2 55
Dengan taraf nyata 5% ujilah apakah apa korelasi antara peringkat yang diberikan kedua pakar?
1. H0 : R = 0 H1 : R 0
2. Statistik Uji : z
3. Uji 2 Arah
5. Daerah Penolakan H0
-1.96 0 1.96
n
6 d i 2
i 1 6 55 330
Rs 1 1 1 1 0.33... 0.67
n(n 1)
2
10 (10 1)
2
990
z = RS
n 1 = 0.67
10 1 0.67 9 0.67 3 2.01
7. Kesimpulan:
H0 ditolak H1 diterima
Catatan akhir: