Anda di halaman 1dari 84

BAB I

PENDAHULUAN

Tujuan Instruksional Umum (TIU) :


Selesai mempelajari bab I, diharapkan mahasiswa dapat memahami tentang peranan dan
manfaat Ilmu Statistik terutama untuk implementasi di bidang Teknik Industri.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Menjelaskan manfaat dan
kegunaan Ilmu Statistika; 2) Memahami peranan ilmu statistika khususnya untuk aplikasi
di bidang Teknik Industri; 3) Mengerti tentang jenis data, dan usaha pengumpulan data

1. PERANAN STATISTIKA
Dalam kehidupan sehari-hari statistika telah banyak digunakan. Pemerintah
menggunakan statistika untuk menilai hasil pembangunan masa lalu dan juga untuk membuat
rencana masa datang. Pimpinan mengambil manfaat dan kegunaan statistika untuk melakukan
tindakan-tindakan yang perlu dalam menjalankan tugasnya, diantaranya : perlukah
mengangkat pegawai baru, sudah waktunyakah untuk membeli mesin baru, bermanfaatkah
kalau melakukan pelatihan karyawan, dll.
Dunia penelitian atau riset, di mana pun dilakukan, bukan saja telah mendapat manfaat
yang baik dari statistika tetapi sering harus menggunakannya. Peranan dan fungsi statistika
juga telah banyak dimanfaatkan dalam bidang pengetahuan lainnya seperti : teknik, industri,
ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan, bisnis, sosiologi,
antropologi, pemerintahan, pendidikan, psikologi, meteorologi, geologi, farmasi, ekologi,
pengetahuan alam, pengetahuan sosial, dan lain sebagainya.

2. STATISTIK DAN STATISTIKA


Statistik
Hasil penelitian, riset ataupun pengamatan, seringkali dinyatakan dan dicatat dalam
bentuk bilangan atau angka-angka. Kumpulan angka-angka itu sering disusun, diatur atau
disajikan dalam bentuk daftar atau tabel disertai dengan gambar-gambar yang biasa disebut
diagram atau grafik. Semua itu disebut statistik. Jadi, kata statistik telah dipakai untuk
menyatakan kumpulan data, bilangan maupun non-bilangan yang disusun dalam tabel dan atau

1
diagram, yang menggambarkan suatu persoalan. Umpamanya untuk mengetahui statistik
industri, statistik penduduk, statistik kelahiran, statistik pendidikan, statistik produksi, statistik
pertanian, statistik kesehatan, dan lain-lain.
Kata statistik juga masih mengandung pengertian untuk menyatakan ukuran sebagai
wakil dari kumpulan data mengenai suatu hal. Misalnya dalam persen dan rata-rata.
Contoh :
Telah diteliti terhadap 20 pegawai dan dicatat gajinya setiap bulan, lalu dihitung rata-rata
gajinya, misalnya Rp. 87.500,00. maka rata-rata Rp. 87.500,00 ini dinamakan statistik.

Statistika
Dari hasil penelitian, riset maupun pengamatan, baik yang dilakukan khusus ataupun
berbentuk laporan, sering diminta suatu uraian, penjelasan atau kesimpulan tentang persoalan
yang diteliti. Sebelum kesimpulan dibuat, keterangan atau data yang telah terkumpul itu
terlebih dahulu dipelajari, dianalisis atau diolah, dan berdasarkan pengolahan inilah baru dibuat
kesimpulan. Hal ini disebut statistika.
Jadi, statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan
data, pengolahan data, analisis (hasil pengolahan data), dan penarikan kesimpulan.
Ada dua jalan yang ditempuh untuk mempelajari statistika. Statistika digolongkan
kedalam statistika matematis atau statistika teoritis. Yang dibahas antara lain penurunan sifat-
sifat, dalil-dalil, rumus-rumus, menciptakan model-model dan segi-segi lainnya lagi yang
teoritis dan matematis. Yang kedua, mempelajari statistika semata-mata dari segi
penggunaannya. Jadi disini tidak dipersoalkan bagaimana didapatnya rumus-rumus atau
aturan-aturan, melainkan hanya dipentingkan bagaimana cara, teknik atau metoda statistika
yang digunakan.

3. DATA STATISTIK
Ilustrasi mengenai sesuatu hal bisa berbentuk kategori, misalnya : rusak, baik, senang,
puas, berhasil, gagal, dan sebagainya, atau bisa berbentuk bilangan. Kesemuanya ini
dinamakan data atau lengkapnya data statistik.
Data yang berbentuk bilangan disebut data kuantitatif, harganya bisa tetap atau
berubah-ubah bersifat variable. Terdapat dua golongan data kuantitatif, yaitu : 1) Data dengan

2
variabel diskrit adalah data hasil perhitungan/ pembilangan, atau disingkat data diskrit, dan 2)
data dengan variabel kontinyu adalah data hasil pengukuran, atau disingkat data kontinyu.
Data yang bukan kuantitatif disebut data kualiitatif.
Menurut sumbernya telah dikenal data intern dan data ekstern. Pengusaha mencatat
segala aktivitas perusahaannya sendiri, misalnya : keadaan pegawai, pengeluaran, keadaan
barang di gudang, hasil penjualan, keadaan produksi dan lain-lain aktivitas yang terjadi
didalam perusahaan itu. Data yang diperoleh demikian merupakan data intern. Dalam berbagai
situasi, untuk perbandingan misalnya, diperlukan data dari sumber lain di luar perusahaan tadi.
Data demikian disebut data ekstern.
Data ekstern dibagi menjadi data ekstern primer atau disingkat : data primer, dan data
ekstern sekunder atau disingkat : data sekunder.
Data yang baru dikumpulkan dan belum pernah mengalami pengolahan apapun dikenal
dengan nama data mentah.

4. POPULASI DAN SAMPEL


Populasi merupakan (perkembangan) sesuatu hal baik subyek ataupun obyek yang
umumnya diharapkan berlaku untuk hal itu secara keseluruhan dan bukan hanya untuk
sebagian saja. Untuk sampai kepada pengertian demikian, diperlukan data mentah yang bisa
dikumpulkan dengan dua jalan; misalnya :
a. Semua hasil produksi dari sebuah perusahaan beserta karakteristik yang diperlukan (dalam
hal ini keadaan atribut defectnya, dll), yang diteliti atau dijadikan obyek penelitian.
b. Sebagian saja hasil produksi dari sebuah perusahaan yang diteliti atau dijadikan obyek
penelitian.
Sebagian yang diambil dari populasi disebut sample. Sample itu harus representatif,
artinya sample yang diambil harus memiliki karakteristik yang sama dengan populasi yang
diteliti.
Analisis data yang dilakukan dan kesimpulan yang dibuat harus bersifat tak bias,
sehingga diharapkan didapat hasil yang sesuai dengan keadaan yang sebenarnya.
Fase atau proses pengerjaan statistika mulai dari pengumpulan, pengolahan, dan
analisis data sampai dengan dihasilkan suatu kesimpulan dinamakan statistika induktif. Fase
statistika yang hanya berusaha melukiskan dan menganalisis kondisi-kondisi tertentu tanpa

3
membuat atau menarik suatu kesimpulan terhadap populasi atau kelompok yang diteliti disebut
statistika deskriptif.

5. PENGUMPULAN DATA
Statistika induktif memerlukan statistika deskriptif yang benar dan statistika deskriptif
memerlukan data. Proses pengumpulan data dapat dilakukan melalui sensus atau sampling.
Dalam sensus maupun sampling, dapat ditempuh beberapa langkah sebagai usaha
mengumpulkan data, antara lain :
Untuk mendapatkan data primer
a. Mengadakan penelitian langsung ke lapangan atau di laboratorium terhadap obyek
penelitian. Hasilnya dicatat untuk kemudian dianalisis.
b. Mengadakan kuesioner, pooling pendapat atau angket; yakni cara pengumpulan data dengan
menggunakan daftar isian atau daftar pertanyaan yang telah disiapkan dan disusun
sedemikian rupa sehingga calon responden hanya tinggal mengisi atau menandainya dengan
mudah dan cepat. Selain itu pengumpulan data dapat dilakukan pula dengan observasi/
pengamatan, ataupun wawancara
Untuk mendapatkan data sekunder
c. Mengambil atau menggunakan, sebagian atau seluruhnya, dari sekumpulan data yang telah
dicatat atau dilaporkan oleh badan atau orang lain.
Dalam membuat pertanyaan perlu diperhatikan beberapa hal berikut :
a. Siapkan dan rencanakan baik-baik keseluruhannya meliputi tenaga, bahan-bahan dan biaya.
b. Pertanyaan-pertanyaan harus singkat, jelas, tidak menimbulkan macam-macam penafsiran
dan mudah dimengerti.
c. Tujukan pertanyaan-pertanyaan kepada obyek atau masalah yang sedang diteliti.
d. Ajukan pertanyaan-pertanyaan yang pantas, sopan dan usahakan tidak akan menyinggung
perasaan calon responden.

6. PEMBULATAN ANGKA
Untuk keperluan perhitungan, analisis atau laporan, sering dikehendaki pencatatan data
kuantitatif dalam bentuk yang lebih sederhana. Untuk ini dipakai aturan-aturan sebagai berikut
:

4
Aturan 1 : Jika angka terkiri dari yang harus dihilangkan 4 atau kurang, maka
angka terkanan dari yang mendahuluinya tidak berubah. Contoh :
Rp. 55.235.541,73 menjadi Rp. 55 juta.
Aturan 2 : Jika angka terkiri dari yang harus dihilangkan lebih dari 5 atau 5 diikuti oleh
angka bukan nol, maka terkanan dari yang mendahuluinya bertambah
dengan satu. Contoh : 5,723 menjadi 6; 84, 53 menjadi 85.
Aturan 3 : Jika angka terkiri dari yang harus dihilangkan hanya angka 5 atau 5 yang
diikuti oleh angka-angka nol belaka, maka angka terkanan dari yang
mendahuluinya tetap jika ia genap, tambah satu jika ia ganjil. Contoh : 6,5
atau 6,500 menjadi 6; dan 17,5 atau 17,50 menjadi 18.
Aturan 3 disebut aturan genapterdekat yang diambil untuk membuat keseimbangan antara
pembulatan ke atas dan pembulatan ke bawah, jika yang harus dihilangkan itu terdiri atas angka
5 atau 5 diikuti oleh hanya angka-angka nol.

7. PEMERIKSAAN TERHADAP DATA


Sebelum data diolah lebih lanjut, perlu dilakukan pemeriksaan kembali terhadap data
untuk menghindarkan terjadinya hal-hal yang tidak diinginkan misalnya kekeliruan ataupun
ketidakbenaran tentang data. Periksalah apakah ada data yang meragukan, dan jika ini terjadi
cepatlah diyakinkan kebenarannya. Sehingga diperoleh data yang dapat dipercaya
kebenarannya.

5
LEMBAR TUGAS 1
JENIS/ MACAM : (TUGAS BESAR/ KECIL/
KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL :
1. Jelaskan singkat apa yang di maksud dengan :
a. Statistik; b. Statistika
Jawab :

2. Apakah yang dimaksud dengan :


a. Data Statistik
b. Data Diskrit
c. Data Kontinu
d. Data Kuantitatif
e. Data Kualitatif
f. Atribut
g. Data Intern
h. Data Ekstern
i. Data Primer
j. Data Sekunder
k. Data Mentah
Jawab :

6
3. Bulatkan bilangan – bilangan berikut, telitilah hingga ribuan :
a. Rp. 2.456.832,63
b. 300.972 ton
c. 2.012,4 meter
d. 6.142 unit
Jawab :

BAB II
PENYAJIAN DATA

Tujuan Instruksional Umum (TIU) :


Selesai mempelajari bagian ini, diharapkan mahasiswa memiliki pemahaman tentang jenis
dan macam-macam pola penyajian data yang lazim digunakan di berbagai bidang terutama
yang diimplementasikan sesuai dengan bidang Teknik Industri.

7
Tujuan Instruksional Khusus (TIK) :
Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Menjelaskan kegunaan
penyajian data Statistik; 2) Memahami teknik pembuatan penyajian data; 3) Mengerti
tentang bentuk dan jenis data yang disajikan sesuai dengan kebutuhan

1. PENDAHULUAN

Pada prinsipnya secara garis besar terdapat dua cara penyajian data, yaitu dalam
bentuk tabel atau daftar dan grafik atau diagram.
Macam-macam daftar atau tabel, terdiri dari :
a. daftar baris kolom,
b. daftar kontingensi,
c. daftar distribusi frekuensi.
Sedangkan macam grafik atau diagram, antara lain :
a. diagram batang,
b. diagram garis,
c. diagram lambang atau diagram simbul,
d. diagram pastel dan diagram lingkaran,
e. diagram peta atau diagram kartogram,
f. diagram pencar atau diagram titik.

2. CONTOH DAFTAR STATISTIK

Judul daftar, ditulis di tengah-tengah bagian teratas, dalam beberapa baris,


semuanya dengan huruf besar atau huruf pertama saja yang besar. Secara singkat dan jelas
dicantumkan meliputi : apa, macam atau klasifikasi, di mana, bila dan satuan atau unit data
yang digunakan.
Judul kolom ditulis dengan singkat dan jelas, bisa dalam beberapa baris. Usahakan
jangan melakukan pemutusan kata.
Skema garis besar untuk sebuah daftar atau tabel, dengan nama-nama bagiannya,
seperti berikut ini :

8
3. DIAGRAM BATANG

Data yang variabelnya berbentuk kategori atau atribut sangat tepat disajikan dalam
diagram batang. Untuk menggambar diagram batang diperlukan sumbu datar dan sumbu
tegak yang berpotongan tegak lurus. Kalau diagram dibuat tegak, maka sumbu datar
dipakai untuk menyatakan atribut atau waktu. Kuantum atau nilai data digambar pada
sumbu tegak.
Contoh :

9
4. DIAGRAM GARIS
Untuk menggambarkan keadaan yang serba terus atau berkesinambungan,
misalnya produksi minyak tiap tahun, jumlah penduduk tiap tahun, keadaan temperatur
badan tiap jam dan lain-lain, dibuat diagram garis. Disini pun diperlukan sistem sumbu
datar dan sumbu tegak yang saling tegak lurus. Sumbu datar menyatakan waktu sedangkan
sumbu tegaknya melukiskan kuantum data tiap waktu.
Contoh : Penggunaan barang di sebuah jawatan selama 1971 – 1980 berikut ini.

10
5. DIAGRAM LINGKARAN DAN DIAGRAM PASTEL
Untuk membuat diagram lingkaran, gambarkan sebuah lingkaran, lalu dibagi-bagi
menjadi beberapa sektor. Tiap sektor melukiskan kategori data yang terlebih dahulu diubah
kedalam derajat. Dianjurkan titik pembagian mulai dari titik tertinggi lingkaran. Diagram
lingkaran ini sering digunakan untuk melukiskan data atribut.
Contoh :

11
6. DIAGRAM LAMBANG
Sering dipakai untuk mendapatkan gambaran kasar sesuatu hal dan sebagai alat
visual bagi orang awam. Sangat menarik dilihat, lebih baik jika simbul yang digunakan
cukup baik dan menarik. Misalnya untuk data mengenai jiwa, penduduk dan pegawai
dibuat gambar orang, satu gambar untuk tiap 5000 jiwa. Dapat digunakan untuk data
industri, bangunan, gedung sekolah dan lain-lain.
Contoh :

12
7. DIAGRAM PETA
Diagram ini juga dinamakan kartogram. Dalam pembuatannya digunakan peta
geografis tempat data terjadi. Dengan demikian diagram ini melukiskan keadaan
dihubungkan dengan tempat kejadiannya. Disitu antara lain terdapat peta daerah atau pulau
dengan mencantumkan gambar produk industri tertentu atau hasil pertanian-peternakan
seperti pohon kelapa, jagung, kuda, sapi dll.

8. DIAGRAM PENCAR
Untuk kumpulan data yang terdiri atas dua variabel, dengan nilai kuantitatif,
diagramnya dapat dibuat dalam sistem sumbu koodinat dan gambarnya akan merupakan
kumpulan titik-titik yang terpencar. Karenanya, diagram demikian dinamakan diagram
pencar. Contoh :

2500
2000 Series1
variabel 2

1500 Series2
1000 Series3
500 Series4
0
0 5 10 15
variabel 1

13
LEMBAR TUGAS 2
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL :
1. Buatlah skema umum daftar atau tabel baris-kolom; daftar kontingensi; dan distribusi
frekuensi disertai contoh keterangan judul; catatan, dan badan daftar.

2. Mengapa daftar kontingensi m x n sama dengan daftar kontingensi n x m ?

3. Apa kegunaan penyajian data dalam bentuk diagram atau grafik ?

14
4. Bilamana digunakan : diagram batang dengan komponen disusun ke samping,
diagram dua arah, diagram garis, diagram dengan skala semi logaritma, dan diagram
peta ?

5. Sekelompok pekerja di sebuah industri dengan gaji terendah Rp. 5100,- dan gaji tertinggi
Rp. 10.750,-
Buatlah daftar distribusi frekuensi yang terdiri atas 6 baris atau 6 kelas interval.

15
BAB III
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

Tujuan Instruksional Umum (TIU) :


Dari pembahasan bagian ini, diharapkan mahasiswa memiliki pemahaman tentang daftar
distribusi frekuensi dan grafiknya.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Menjelaskan kegunaan daftar
distribusi frekuensi dan grafiknya; 2) Memahami teknik pembuatan daftar distribusi
frekuensi dan grafiknya; 3) Mengerti tentang implementasi daftar distribusi frekuensi dan
grafiknya dalam teknik industri

1. PENDAHULUAN
Dalam daftar distribusi frekuensi, banyak obyek dikumpulkan dalam kelompok-
kelompok berbentuk a – b, yang disebut kelas interval. Kedalam kelas interval a – b
dimasukkan semua data yang bernilai mulai dari a sampai dengan b.
Urutan kelas interval disusun mulai data terkecil terus ke bawah sampai nilai data
terbesar, berturut-turut, mulai dari atas, diberi nama kelas interval pertama, kelas interval
kedua, … dst sampai kelas interval terakhir. Ini semua ada dalam kolom kiri. Kolom kanan
berisikan bilangan-bilangan yang menyatakan berapa buah data terdapat dalam tiap kelas
interval. Jadi kolom ini berisikan frekuensi, disingkat dengan f. misalnya, = 2 untuk kelas
interval pertama, atau ada 2 orang mahasiswa yang mendapat nilai ujian paling rendah 31 dan
paling tinggi 40. Contoh :

16
Bilangan – bilangan di sebelah kiri kelas interval disebut ujung bawah dan bilangan –
bilangan di sebelah kanannya disebut ujung atas. Ujung-ujung bawah kelas interval pertama,
kedua, …, terakhir ialah 31, 41, . . . , 91 sedangkan ujung-ujung atasnya berturut-turut 40 – 50,
. . . , 100. Selisih positif antara tiap dua ujung bawah berurutan disebut panjang kelas interval.
Dalam Daftar III (1), panjang kelasnya, disingkat dengan p, adalah 10, jadi p = 10 dan
semuanya sama. Dikatakan bahwa daftar itu mempunyai panjang kelas yang sama.
Selain dari ujuing kelas interval ada lagi yang biasa disebut batas kelas interval. Ini
bergantung pada ketelitian data yang digunakan. Jika data dicatat teliti hingga satuan, maka
batas bawah kelas sama dengan ujung bawah dikurangi 0,5. batas atasnya didapat dari ujung
atas ditambah dengan 0,5.untuk data dicatat hingga satu decimal, batas bawah sama dengan
ujung bawah dikurangi 0,05 dan batas atas sama dengan ujung atas ditambah 0,05. kalau data
hingga dua desimal, batas bawah sama dengan ujung bawah dikurangi 0,005 dan batas atas
sama dengan ujung atas ditambah 0,005 dan begitu seterusnya. Untuk perhitungan nanti, dari
tiap kelas interval biasa diambil sebuah nilai sebagai wakil kelas itu. Yang digunakan disini
ialah tanda kelas interval yang didapat dengan menggunakan aturan :
Tanda kelas = ½ ( ujung bawah + ujung atas )

2. MEMBUAT DAFTAR DISTRIBUSI FREKUENSI


Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang sama, kita
lakukan sebagai berikut :
a. tentukan rentang, 99 – 35 = 64
b. tentukan banyak kelas interval, menggunakan aturan sturges, yaitu :
banyak kelas = 1 + ( 3,3 ) log n
banyak kelas = 1 + ( 3,3 ) log 80
= 1 + ( 3,3 ) ( 1,9031 ) = 7,2802
c. tentukan pnjang kelas interval p. ini, secara ancer-ancer ditentukan
oleh aturan :

p= rentang
banyak kelas

d. pilih ujung kelas interval pertama, untuk ini bisa diambil sama dengan

17
data terkecil atau nilai data yang lebih kecil dari data terkecil tetapi
selisihnya harus kurang dari panjang kelas yang telah ditentukan.
Sebelum daftar sebenarnya dituliskan, terlebih dahulu ada baiknya dibuat daftar
penolong yang berisikan kolom tabulasi. Kolom ini merupakan kumpulan deretan garis-garis
miring pendek. Seperti contoh dibawah ini :

3. DISTRIBUSI FRKUENSI RELATIF DAN KUMULATIF


Dalam daftar di atas, frekuensi dinyatakan dengan banyak data yang terdapat dalam
tiap kelas : jadi dalam bentuk absolut. Jika frekuensi dinyatakan dalam persen, maka diperoleh
daftar distribusi frekuensi relatif. Contoh daftar distribusi frekuensi relatif seperti dalam daftar
III (4). Frekuensi relatif, disingkat fre1 atau f (%), untuk kelas pertama didapat dari 2/80 x 100%
= 2,50 %

Ada lagi sebuah daftar yang biasa dinamakan daftar distribusi frekuensi kumulatif.
Daftar distribusi frekuensi kumulatif dapat dibentuk dari daftar distribusi frekuensi biasa,

18
dengan jalan menjumlakan frekuensi demi frekuensi. Dikenal dua macam distribusi frekuensi
kumulatif ialah kurang dari dan atau lebih.

4. HISTOGRAM DAN POLIGON FREKUENSI


Untuk menyajikan data yang telah disusun dalam daftar distribusi frekuensi menjadi
diagram, seperti biasa dipakai sumbu mendatar untuk menyatakan kelas interval, dan sumbu
tegak untuk menyatakan frekuensi baik absolut maupun relatif. Yang dituliskan pada sumbu
datar adalah batas-batas kelas interval. Sehingga terbentuklah sebuah histogram. Contoh :
25

20

15

10

0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5 Nilai

Gambar III(1)

19
Bentuk patah-patah disebut poligon frekuens seperti gambar di bawah ini.

25

20

15

10

30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5 Nilai

5. MODEL POPULASI
Poligon frekuensi yang merupakan garis patah-patah dapat didekati oleh sebuah
lengkungan halus yang bentuknya secocok mungkin dengan bentuk poligon tersebut.
Lengkungan yang di dapat dinamakan kurva frekuensi.

25

20 poligon frekuensi

15

10 kurva frekuensi

0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5 Nilai

20
Bentuk kurva untuk model populasi yang lain, diantaranya adalah model normal,
simetrik, positif atau miring ke kiri, negatif atau miring ke kanan, bentuk-bentuk j dan u.
f f

(A) Normal (B) simetrik

(A) Model normal, bentuk model normal selalu simetrik dan mempunyai sebuah
puncak. Kurva dengan sebuah puncak disebut unimodal.
i. Model simetrik, di sini juga unimodal.

f f

(A) positif (B) negatif

f f

(A) Bentuk J (B) Bentuk J terbalik

21
f
bentuk U

Gambar III (10)

Model dengan lebih dari sebuah puncak, jadi bukan unimodal, disebut multi model.
Kalau hanya ada dua puncak dinamakan bimodal.

22
LEMBAR TUGAS 3
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Jelaskan apa yang dimaksud dengan : a) distribusi frekuensi relatif; b) distribusi frekuensi
kumulatif relatif; c) kelas interval; d) panjang kelas interval; e) rentang; f) kelas interval
tertutup dan terbuka.
2. Susunlah sebuah contoh kelas-kelas interval dengan data berikut ini :
a. 2,5 – 5,0 b. 2,5 – 7,5
5,0 – 7,5 5,0 – 10,5
7,5 – 10,0 7,5 – 12,5
dst dst
c. Apa yang dimaksud dengan : 1) histogram; 2) poligon frekuensi; 3) kurva
(lengkungan) populasi; 4) kurva unimodal; 5) bimodal; dan 6) multi modal ?
Selanjutnya gambarkan bentuknya dengan menggunakan data yang telah anda susun.
3. Buatlah asumsi dan analisis jika data tersebut mengenai kondisi perkembangan suatu
produk industri

23
BAB IV
UKURAN GEJALA PUSAT DAN UKURAN LETAK

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab IV, mahasiswa diharapkan memiliki pemahaman tentang macam-
macam teknik rata-rata yang terkait dengan gejala pusat dan ukuran letak.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Menjelaskan fungsi dan
kegunaan teknik rata-rata; 2) Memahami penerapan teknik rata-rata secara akurat

I. PENDAHULUAN
Dalam bab ini akan diuraikan tentang ukuran gejala pusat dan ukuran letak. Beberapa
macam ukuran dari golongan pertama adalah : rata-rata atau rata-rata hitung, rata-tata ukur,
rata-rata harmonik, dan modus.Golongan kedua meliputi : Median, Kuartil, Desil, dan
Persentil.

2. RATA-RATA ATAU RATA-RATA HITUNG


Nilai-nilai data kuantitatif akan dinyatakan dengan menggunakan symbol-simbol X1,
X2, …., Xn, apabila dalam kumpulan data itu tedapat n buah nilai.
Rata-rata hitung untuk data kuantitatif yang terdapat dalam sebuah sample dapat
dihitung dengan jalan membagi jumlah nilai data oleh banyaknya data.
Rumus untuk rata-rata hitung adalah :
X = ∑ Xi …………….IV (1)
n
Contoh : Nilai ujian dari lima mahasiswa untuk mata kuliah Statistika adalah X1=70;
X2=69; X3=45; X4=80 dan X5=56 maka nilai rata-ratanya, adalah :
X = X1 + X2 + X3 + X4 + X5
n
= 70 + 69 + 45 + 80 + 56
5
= 64

24
dan untuk data berikut digunakan rumus :
Xi fi
70 5
69 6
45 3
80 1
56 1

X = Σ fi Xi ……………IV (2)
Σ fi
Dimana Xi memiliki satu nilai tertentu.
Contoh : Σ fi = 16
Σ fi Xi =1035

X= __Σ fi Xi__ Xi
KOREKSI
Σ fi
= __1035__
16
= 64,6
Rumus rata-rata gabungan :
X= __Σ ni Xi__ ……………IV (3)
Σ ni
Contoh : Tiga sub sample dengan masing-masing ukuran 10,6 dan 8 sedangkan rata-ratanya
masing-masing 145,118 dan 162, maka:
X= __10(145) + 6(118) + 8(162)__
10 + 6 + 8
= 143,9
Untuk data yang telah disusun dalam daftar distribusi frekuensi rata-ratanya dihitung
dengan rumus IV (2), ialah :
X= __Σ fi Xi__ ……………IV (4)
Σ fi
Keterangan ; Xi = tanda kelas interval MIRIP DENGAN RUMUS IV.2

25
f i = frekuensi yang sesuai dengan tanda kelas Xi
Cara kedua untuk menghitung rata-rata dari data dalam daftar distribusi frekuensi
adalah dengan cara sandi atau cara singkat yaitu memakai rumus :
X= Xo + P﴾ __Σ fi Ci__﴿ ………….IV (5)
Σ fi

3. RATA-RATA UKUR
Jika perbandingan tiap dua data berurutan tetap atau hampir tetap, maka rata-rata ukur
(U) lebih baik dipakai daripada rata-rata hitung.
Rumus :
n
U=  x1, x2,x3, .......... xn …………IV (6)

Untuk bilangan bernilai besar, digunakan logaritma. Maka rumus IV (6) menjadi :
Log U = __Σ log Xi__ …………IV (7)
n
Sedangkan untuk fenomena yang bersifat tumbuh dengan syarat-syarat tertentu, misal
pertumbuhan penduduk, bakteri dan lain-lain digunakan rumus sebagai berikut :
Pt = Po (1 + _X_)t ………….IV (8)
100
Dimana : Pt = keadaan akhir; Po= keadaan awal
X = rata-rata pertumbuhan setiap satuan waktu
t = satuan waktu
Untuk data yang telah disusun dalam daftar distribusi frekuensi rata-rata ukurnya dihitung
dengan rumus :
Log U= __Σ (fi log Xi)__ ………….IV (9)
Σ fi

4. RATA-RATA HARMONIK
Rata-rata Harmonik ditentukan oleh rumus :
H = ___n____ ………….IV (10)
Σ ( 1/Xi)

26
Untuk data dalam distribusi frekuensi, maka rata-rata harmonik dihitung dengan rumus :
H = ____Σ fi_____ ………….IV (11)
Σ (fi / Xi)
Terdapat hubungan antara U(ukur), X (rata-rata) dan H (harmonik) yaitu ;
H≤U≤X ………….IV (12)

5. MODUS
Modus(Mo) digunakan untuk menyatakan data yang paling banyak terdapat dalam
kumpulan data.
Mo = b + p [___b1___] …………...IV (13)
b1 + b2
keterangan :
b = batas bawah kelas modal, kelas interval dengan frekuensi terbanyak
p = panjang kelas modal
b1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda yang lebih
kecil sebelum tanda kelas modal.
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang
lebih besar sesudah tanda kelas modal.

6. MEDIAN
Median menentukan letak data sesudah data itu disusun menurut urutan nilainya.
Me = b + p ( _½ n–F__) …………...IV (14)
f
dengan ;
b = batas kelas bawah median
p = panjang kelas median
n = banyak data
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda median
f = frekuensi kelas median

Hubungan antara rata-rata, modus dan median


Rata-rata – Mo = 3 (Rata-rata – Me) ………….IV (15)

27
7. KUARTIL, DESIL, DAN PERSENTIL
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,sesudah
disusun menurut urutan nilainya, maka bilangan pembaginya disebut Kuartil.
Untuk menentukan nilai kuartil caranya sebagai berikut ;
1. Susun data menurut urutan nilainya
2. Tentukan letak kuartil
3. Tentukan nilai kuartil
Rumus ;
Letak Ki = data ke _i(__n+1__) …………..IV (16)
4
dengan i = 1, 2, 3
Untuk data yang telah disusun dalam daftar distribusi frekuensi, kuartil Ki (1,2,3) dihitung
dengan rumus :
Ki = b + p (_in/4 – F_) ………….IV (17)
f
dengan i = 1, 2, 3
Jika kumpulan data itu dibagi menjadi 10 bagian yang sama, maka didapat sembilan pembagi
dan tiap pembagi dinamakan Desil. Desil dapat ditentukan dengan cara:
1. Susun data menurut urutan nilainya
2. Tentukan letak desil
3. tentukan nilai desil
Letak Di = data ke __i(n+1)__ …………..IV (18)
10
dengan i = 1, 2,…, 9
Untuk data dalam daftar distribusi frekuensi dihitung dengan rumus :
Di = b + p (__in/10–F__) …………..IV (19)
f
Dimana :
b = batas bawah kelas Di,ialah interval dimana Di akan terletak
p = panjang kelas Di
F = jumlah frekuensi dengan data kelas lebih kecil dari tanda kelas Di
f = frekuensi kelas Di
Jika letak persentil Pi (I = 1, 2, …, 99) untuk sekumpulan data diperoleh :
Letak Pi = data ke _i(_n+1_)_ ………….IV (20)
100

28
dengan i = 1, 2, …, 99
Sedangkan nilai Pi untuk data dalam daftar distribusi frekuensi dihitung dengan :
Pi = b + p (__in/100–F__) ………….IV (21)
f
dengan i = 1, 2, …,99
Dimana :
b = batas bawah kelas Pi, ialah kelas interval dimana Pi terletak
p = panjang kelas Pi
F = jumlah frekuensi
f = frekuensi Pi

29
LEMBAR TUGAS 4
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Definisikan teknik rata-rata yang telah anda pelajari, dan bagaimana rumusnya untuk data
yang telah disusun dalam daftar distribusi frekuensi ?
2. Berikan contoh bahwa rata-rata ukur lebih tepat digunakan dari pada rata-rata hitung !
3. Dapatkan cara sandi dipakai untuk menghitung rata-rata jika panjang kelas interval
berlainan ? Mengapa ?
4. Susunlah suatu data bebas tentang kemampuan produksi dari tenaga kerja pada sebuah
perusahaan dalam distribusi frekuensi, dan selesaikan dengan salah satu rumus rata. Setelah
itu buatlah analisis bagaimana kondisi produktivitas tenaga kerja di perusahaan itu.
5. Untuk tambahan latihan soal, anda dapat mengambil dari bahan text book kuliah.

30
BAB V
UKURAN SIMPANGAN, DISPERSI DAN VARIASI

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab V, mahasiswa diharapkan memiliki pemahaman tentang ukuran
simpangan, dispersi, dan variasi.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Menjelaskan fungsi dan
kegunaan rentang data dan rata-ratanya; 2) Memahami rata-rata simpangan data, dan
simpangan baku (standard deviasi), bilangan baku dan koefisien variasi

1. PENDAHULUAN
Kecuali ukuran gejala pusat dan ukuran letak, masih ada lagi ukuran lain ialah
ukuran simpangan atau ukuran dispersi. Ukuran ini kadang-kadang dinamakan pula
ukuran variasi, yang menggambarkan bagaimana berpencarnya data kuantitatif. Beberapa
ukuran dispersi yang terkenal dan akan diuraikan disini ialah: rentang, rentang antar
kuartil, simpangan kuartil atau deviasi kuartil, rata-rata simpangan atau rata-rata deviasi,
simpangan baku atau deviasi standar, varians dan koefisien variasi

2. RENTANG, RENTANG ANTAR KUARTIL, DAN SIMPANGAN KUARTIL


Ukuran variasi yang paling muda ditentukan ialah rentang. Ini sudah digunakan
dalam BAB III, ketika membuat daftar distribusi frekuensi, dengan rumus :

V(1)………………. Rentang = data terbesar – data terkecil

Rentang antar kuartil juga mudah ditentukan, dan ini merupakan selisih antara K3 dan K1
Jadi didapatlah hubungan:

V(2)……………… RAK = K3 – K1

RAK = Rentang Antar Kuartil; K3 = Kuartil ketiga; K1 = Kuartil pertama.

31
3. RATA – RATA SIMPANGAN
Misalkan data hasil pengamatan berbentuk x1, x2, ….., xn dengan rata-rata x.
Selanjutnya kita tentukan jarak antara tiap data dengan rata – rata x . Jarak ini dalam
simbul ditulis xi-x (baca : harga mutlak dari selisih xi dengan x ) . dengan a berarti sama
dengan a jika a positif , sama dengan a jika a negatif dan nol jika a=0 . Jadi harga mutlak
selalu memberikan tanda positif , karena inilah xi-x disebut jarak antara xi dengan x .
Rumus rata-rata simpangan atau rata-rata deviasi :

V(4)……………… RS =  Xi – X KOREKSI
n

RS = Rata-rata simpangan. 

4. SIMPANGAN BAKU
Barangkali ukuran simpangan banyak digunakan adalah simpangan baku atau
deviasi standart . Pangkat dua dari simpangan baku dinamakan varians . Untuk sampel ,
simpangan baku diberi simbul s , sedangkan untuk populasi diberi simbul  (baca : sigma)
. Jika kita mempunyai sampel berukuran n dengan data x1, x2 …...,xn dan rata-rata x , maka
statistik s2 dihitung dengan :

V(5)……………………… S2 =  (X1-X)2
n-1

Untuk mencari simpangan baku s dari s2 diambil harga akarnya yang positif.
Dari rumus V(5), varians s2 dihitung sebagai berikut :
1) hitung rata-rata X
2) tentukan selisih X1-X , X2-X , …………Xn-X
3) Tentukan kuadrat selisih tersebut , yakni (X1-X)2 , (X2 – X)2 , ……(Xn – X)2
4) Kuadrat – kuadrat tersebut dijumlahkan,
5) Jumlah tersebut dibagi oleh (n……1)
Bentuk lain untuk rumus varians sampel :

32
V(6)…………………… S2 = n  xi2 - ( xi)2
n (n – 1)
Dalam rumus diatas nampak bahwa tidak perlu dihitung dulu rata-rata x , tetapi
cukup menggunakan nilai data aslinya berupa jumlah nilai data dan kuadratnya.

KOREKSI : RUMUS 7 – 10 UNTUK DAFTAR DISTRIBUSI FREKUENSI

5. BILANGAN BAKU DAN KOEFISIEN VARIASI


Misalkan kita mempunyai sampel berukuran n dengan data x1,x2,……..xn
sedangkan rata-ratanya x dan simpangan baku =s, dari sini kita dapat membentuk data
baru z1,z2………zn dengan rumus :

V(11)………………… zi = xi - x ; untuk i = 1,2,….,n.


s

Bilangan yang didapat dinamakan bilangan z. Variabel z1,z2,………..zn ternyata


mempunyai rata-rata = 0 dan simpangan baku = 1.Bilangan baku sering dipakai untuk
membandingkan keadaan distribusi fenomena.
Untuk mengukur pengaruh dan membandingkan variasi antara nilai-nilai besar dan nilai-
nilai kecil, digunakan dispersi relatif yang ditentukan oleh :

V(13) ………. Dipersi Relatif = Dispersi Absolut


Rata-rata

Jika untuk dispersi absolut diambil simpangan baku, maka didapat koefisien variasi,
disingkat KV. Rumusnya, dinyatakan dalam persen, berbentuk :

V(14) ………. KV = Simpangan Baku x 100%


Rata-rata

33
Koefisien variasi tidak bergantung pada satuan yang digunakan, maka dapat dipakai
untuk membandingkan variasi relatif beberapa kumpulan data dengan satuan yang berbeda.

34
LEMBAR TUGAS 5
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Sebutkan :
a. Kegunaan ukuran dispersi atau ukuran variasi dan macam ukuran yang lain
b. Apa yang dimaksud : rentang; rentang antar kuartil; deviasi kuartil rata-rata
simpangan; simpangan baku; varians; dan koefisien variasi
2. Sebuah sampel berukuran n memberikan simpangan baku s. Bagaimana jika tiap nilai data
sekarang :
a. ditambah 10
b. dikurangi 10
c. dikalikan 10
d. dibagi 10
Apa yang terjadi terhadap simpangan baku untuk data yang baru pada masing-masing
keadaan di atas ?
3. Hasil pengamatan menunjukkan harga K1 = 140 dan K3 = 196. Apa artinya :
a. K3 – K1
b. ½(k3 – K1)
Ukuran tersebut menggambarkan apa ?
Selanjutnya untuk pengembangan latihan soal dapat anda ambil dari text book kuliah, sebagai
nilai tambah dan tugas mandiri.

35
BAB VI
MOMEN, KEMIRINGAN DAN KURTOSIS

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab VI, mahasiswa diharapkan memiliki pemahaman tentang momen,
kemiringan, dan kurtosis.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu : 1) Mengenal momen sebagai
kelompok ukuran lain dan dapat menjelaskan posisi kurva; 2) Memahami bentuk-bentuk
kurva

1. PENDAHULUAN
Rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok ukuran
lain yang disebut momen. Dari momen ini pula beberapa ukuran lain dapat diturunkan.
Bentuk-bentuk sederhana dari momen dan ukuran-ukuran yang didapat daripadanya akan
diuraikan didalam bab ini.

2. MOMEN
Misalkan diberikan variabel x dengan harga-harga : x1, x2, . . . , xn . Jika A = sebuah
bilangan tetap dan r = 0, 1, 2, . . . , maka momen ke-r sekitar A, disingkat mr , didefinisikan
oleh hubungan :
VI(1) . . . . . . . . . . . . . . mr’ = (xi – A)r
n
Untuk A = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r :

VI(2) . . . . . . . . . . Momen ke-r = xir


n

Dari rumus VI(2), maka untuk r = 1 didapat rata-rata x.


Jika A = x kita peroleh momen ke-r sekitar rata-rata, biasa disingkat dengan mr.

36
Jadi didapat :

VI(3) . . . . . . . . . . mr =  (xi – x ) r KOREKSI


n

Untuk r = 2, Rumus VI(3) memberikan varians s2 .


Untuk membedakan apakah momen itu untuk sampel atau untuk populasi, maka dipakai
simbul.
mr dan mr’ untuk momen sampel
r dan r’ untuk momen populasi
Jadi mr dan mr’ adalah statistik sedangkan r dan r’, merupakan parameter.
Jika data telah disusun dalam daftar distribusi frekuensi, maka rumus-rumus diatas
berturut-turut berbentuk :

VI(4) . . . . . . . . . . mr’ =  fi (xi – A)r


n

VI(5) . . . . . . . . . . Momen ke-r = fi xir


n

VI(6) . . . . . . . . . . mr =  fi (xi – x)r


n

Dimana : n = fi, xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan xi .Dengan
menggunakan cara sandi Rumus VI(4) menjadi :

VI(7) . . . . . . . . . . mr’ = pr ( fi cir )


n

p = panjang kelas interval

37
ci = variabel sandi
dari mr , harga-harga mr untuk beberapa harga r, dapat ditentukan
berdasarkan hubungan :
m2 = m2’ - (m’1)2 KOREKSI

m3 = m’3 – 3 m’1m’2 + 2(m’1)3


m4 = m’4 – 4m’1m’3 + 6(m’1)2 m’2 – 3 (m’1)4

3. KEMIRINGAN
Kita sudah mngenal kurva halus atau model yang bentuknya bisa positif, negatif
atau simetrik. Model positif terjadi bila kurvanya mempunyai ekor yang memanjang ke
sebelah kanan. Sebaliknya, jika ekornya memanjang ke sebelah kiri didapat model
negatif. Dalam kedua hal terjadi sifat taksimetri. Untuk mengetahui derajat taksimetri
sebuah model, digunakan ukuran kemiringa, ditentukan oleh :

VI(8) . . . . . . . . . . Kemiringan = Rata-rata – Modus


Simpangan Baku

Rumus empirik untuk kemiringan adalah :

VI(9) . . . . . . . . . . Kemiringan = 3 (Rata-rata – Median)


Simpangan Baku

Rumus-rumus VI(8) dan VI(9) berturut-turut dinamakan koefisien kemiringan pearson


tipe pertama dan tipe kedua.

4. KURTOSIS
Bertitik tolak dari kurva normal atau distribusi normal, tinggi rendahnya atau
runcing datanya bentuk kurva disebut kurtosis. Kurva yang runcing dinamakan
leptokurtic sedangkan yang datar disebut platikurtik.
Salah satu ukuran kurtosis ialah koefisien kurtosis diberi simbul a4 , ditentukan
oleh rumus :

38
VI(10) . . . . . . . . . . a4 = (m4 / m22)

Dengan m2 dan m4 didapat dari rumus VI(3)


Kriteria yang didapat dari rumus ini adalah :
a) a4 = 3 distribusi normal
b) a4 > 3 distribusi leptokurtik
c) a4 < 3 distribusi platikurtik
Untuk menyelidiki apakah distribusi normal atau tidak, sering pula dipakai koefisien
kurtosis persentil, diberi simbul k, (baca: kappa) yang rumusnya :

VI(11) . . . . . . . . . . k= SK = ½ (k3 – k1)


P90 – P10 P90 – P10

Dengan : SK = rentang semi antar kuartil


k1 = kuartil kesatu; k3 = kuartil ketiga; P10 = persentil kesepuluh
P90 = persentil ke-90; P90 = P10 – rentang 10 – 90 persentil
Untuk model distribusi normal harga k = 0,263

39
LEMBAR TUGAS 6
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)

1. Jika sebuah populasi berukuran N dengan data : X1, X2, ………XN, maka
tentukanlah rumus-rumus untuk momen ke – r dan mr
2. Apa yang dimaksud dengan kurva : model positip; model negatip; simetrik
unimodal; mesokurtik; platikurtik; dan leptokurtik ?
3. Jelaskan bagaimana sifat data akan terkumpul jika lengkungannya leptokurtik dan
platikurtik ?

40
BAB VII
PENGANTAR PELUANG

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab VII, mahasiswa diharapkan memiliki pemahaman tentang
pentingnya kejadian atau peristiwa dan peluang (probabilitas).

Tujuan Instruksional Khusus (TIK), pada akhir pembahasan mahasiswa diharapkan


mampu : 1) Mengenal peluang (probabilitas) berdasarkan peristiwa yang terjadi; 2)
Memahami ekspektasi (harapan) berdasarkan nilai peluang

1. PENDAHULUAN
Sampel yang representatif diambil dari populasi, lalu datanya dikumpulkan dan
dianalisis. Atas dasar analisis dan berbagai pertimbangan, dibuat kesimpulan bagaimana
karakteristik populasi tersebut. Kesimpulan yang dibuat kebenarannya tidaklah pasti benar.
Disini tergantung keyakinan kita 100% benar atau ragu-ragu untuk mempercayainya. Untuk
itu diperlukan teori baru yang disebut peluang. Teori ini antara lain membahas tentang ukuran
atau derajat ketidakpastian sesuatu peristiwa.

2. DEFINISI PELUANG
Peluang atau peristiwa adalah segala bagian yang mungkin didapat dari hasil
eksperimen (eksperimen yang dapat diulangi). Untuk menyatakan peristiwa akan digunakan
huruf-huruf besar, A, B, C,…baik disertai indeks ataupun tidak.
Definisi : Dua peristiwa atau lebih dinamakan saling eksklusif atau saling asing jika
terjadinya peristiwa yang satu mencegah terjadinya yang lain.
Contoh ;
1. E berarti barang yang dihasilkan rusak dan E berarti barang yang dihasilkan tidak rusak.
Dua peristiwa ini saling eksklusif.
2. Mata uang logam kita mempunyai dua muka yang berlainan. Sebut saja muka G dan
muka H. Kita lakukan undian dengan sebuah mata uang lalu perhatikan bagian muka
mana yang tampak. Maka peristiwa-peristiwa muka G yang nampak dan muka H yang
nampak sebagai hasil undian dengan sebuah mata uang merupakan dua peristiwa yang
saling eksklusif.

41
Definisi : Peluang peristiwa E terjadi adalah n / N dan dituliskan dalam bentuk P(E)= n/N
Contoh ;
1. Ketika melakukan pengundian dengan sebuah mata uang, seluruh peristiwa N = 2,
ialah muka G di atas dan muka H di atas. Jika E = muka G di atas maka n = 1. Untuk
mata uang yang dibuat dari logam homogen , mata uang yang tidak berat sebelah, maka
P (E) – P (muka G diatas) = P (G) = ½. Jelas bahwa, juga P (G) = P (H) = ½.
Definisi : Perhatikan frekuensi relatif tentang terjadinya sebuah peristiwa untuk
sejumlah pengamatan. Maka peluang peristiwa itu adalah limit dari frekuensi
relatif apabila Jumlah pengamatan diperbesar sampai tak hingga banyaknya.
Contoh ;
1. Lakukan undian dengan sebuah mata uang yang homogen 1000 kali; misalkan di
dapat muka G sebanyak 519 kali. Maka frekuensi relatif muka G = 0,519. Sekarang
lakukan 2000 kali dimana didapat muka G sebanyak 1020 kali. Frekuensi relatifnya =
0,510. Jika dilakukan 5000 kali dimana muka G terdapat 2530, maka frekuensi
relatifnya = 0,506. Jika proses demikian diteruskan, nilai frekuensi relatif lambat laun
makin dekat kepada sebuah bilangan yang merupakan peluang untuk muka G, dalam
hal ini bilangan tersebut adalah 0,5.
Menggunakan peristiwa, bagaimana peluang dapat dihitung ? Definisi klasik untuk peluang
berdasarkan peristiwa adalah sebagai berikut:
Definisi: Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa yang
saling ekslusif dan masing-masing terjadi dengan kesempatan yang sama.
Maka peluang peristiwa E terjadi adalah n/N dan dituliskan dalam bentuk
P(E)=n/N
Contoh: Sebuah kotak berisi 20 kelereng yang identik kecuali warnanya. terdapat 7 berwarna
merah, 5 berwarna kuning, dan sisanya berwarna biru.
Kelereng dalam kotak itu diaduk lalu diambil sebuah dengan mata tertutup maka
peluang mengambil kelereng berwarna merah = 7/20 = 0,35 ; peluang mengambil warna
kuning = 5/20 = 0,25 ; dan peluang mengambil yang biru = 8/20 = 0,4.

42
3. BEBERAPA ATURAN PELUANG
Batas-batas peluang :
0 ≤ P (E) ≤ 1 ………….VII (1)
Jika P(E) = 0, maka diartikan peristiwa E pasti tidak terjadi, sedangkan jika P(E)=1
diartikan bahwa peristiwa E pasti terjadi. Yang sering terjadi dalam kenyataan, ialah harga-
harga P(E) antara 0 dan 1.
Selanjutnya dari definisi P(E) = n / N, jika E menyatakan bukan peristiwa E, maka
didapat :
P(E) = 1 – P(E) atau berlaku hubungan
P(E) + P(E) = 1 ………….VII (2)
peristiwa-peristiwa E dan E dikatakan saling berkomplemen.
Peristiwa-peristiwa E dan Ē dikatakan saling berkomplemen.
Contoh: Kalau peluang mendapat undian = 0,25 maka peluang tidak mendapatkan undian =
0,75
Peristiwa-peristiwa E dan E juga merupakan dua peristiwa yang saling asing atau saling
eksklusif, karena terjadinya E menghindarkan terjadinya E dan sebaliknya. Untuk dua
peristiwa atau lebih akan terjadi empat buah hubungan seperti dijelaskan berikut :
a. Peristiwa-peristiwa yang saling eksklusif, dihubungkan dengan kata atau. Untuk itu berlaku
aturan sebagai berikut :
Jika k buah peristiwa E1,E2,………Ek saling eksklusif atau saling asing maka peluang
terjadinya E1 atau E2 atau ……. Atau Ek sama dengan peluang tiap peristiwa. Dalam rumus
dituliskan sebagai berikut:

P(E1 atau E2 atau …...atau Ek) ………….VII(3)


= P(E1) + P(E2) + ….. + P(Ek)

Contoh ;
1. Sudah kita ketahui bahwa E dan E saling eksklusif. Jadi berlaku :
P(E atau E) = P(E) + P(E).
Tetapi menurut rumus VII(2) didapat P(E atau E) = 1
Ini berarti terjadi atau tidak terjadinya peristiwa E adalah pasti. Suatu kenyataan yang
cukup jelas !.

43
b. Hubungan kedua yang terdapat antara peristiwa ialah hubungan bersyarat. Dua peristiwa
dikatakan mempunyai hubungan bersyarat jika peristiwa yang satu menjadi syarat terjadinya
peristiwa yang lain. Kita tulis A │ B untuk menyatakan peristiwa A terjadi dengan didahului
terjadinya peristiwa B. peluangnya ditulis P(A│B) dan disebut peluang bersyarat untuk
terjadinya peristiwa A dengan syarat B.
c. Jika terjadi atau tidak terjadinya peristiwa B tidak mempengaruhi terjadinya peristiwa A,
maka disebut peristiwa bebas atau independen.
P(A dan B) = P(B). P(A│B) ………..VII(4)
Jika A dan B Independen, maka :
P(A│B) = P(A) ………..VII(5)
dan dalam hal ini, dari rumus VII(4) diperoleh :
P(A dan B) = P(A) . P(B) ………..VII(6)
Rumus VII(6) ini dapat diperluas untuk k buah peristiwa E1, E2, …, Ek yang independen.
Rumusnya adalah :
P(E1 dan E2 dan … Ek) = P(E1). P(E2)…P(Ek) ……….VII(7)
d. Hubungan terakhir antar peristiwa ialah hubungan inklusif.
Untuk dua peristiwa A dan B yang mempunyai hubungan inklusif, berlaku hubungan :
atau A atau B atau kedua-duanya terjadi, ini berlaku rumus :
P(A dan atau B) = P(A) + P(B) – P(A dan B) ……….VII(8)
dengan A dan atau B disini diartikan hubungan inklusif antara peristiwa A dan peristiwa B.

4. EKSPEKTASI
Misal sebuah eksperimen yang menghasilkan k buah peristiwa dapat terjadi. Peluang
terjadinya tiap peristiwa masing-masing p1,p2,…..,pk dan untuk tiap peristiwa dengan peluang
tersebut terdapat satuan-satuan d1, d2,…..,dk. Satuan-satuan ini bisa nol ,positif atau negatif dan
tentu p1 + p2 + pk = 1.
Maka ekspektasi eksperimen itu ditulis ‫ع‬, didefinisikan sebagai berikut :
‫ = ع‬p1 d1 + p2 d2 + … + pk dk
k
= ∑ pi di ……….VII(9)
i=1

44
Rumus VII(9) menyatakan, bahwa jika tiap peristiwa diberi nilai maka pukul rata diharapkan
terdapat nilai sejumlah pidi untuk eksperimen tersebut.
Contoh:
1. Produksi kotak kardus rusak 8%.Diambil sample secara acak terdiri atas 50 barang. Maka
setiap sampel diharapkan rata-rata berisi 0,08 x 50 = 4 barang rusak.
2. Produksi semacam barang rusak 6%. Diambil sebuah sampel acak terdiri atas 50
barang. Maka setiap sampel diharapkan rata-rata berisi 0,06 x 50 = 3 barang rusak.

45
LEMBAR TUGAS 7
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Mengapa teori peluang diperlukan ? Jelaskan
2. Apa yang dimaksud dengan :
a. peristiwa : saling eksklusif; independen; bersyarat; dan inklusif ?
b. sampel acak; mengambil obyek secara acak; dan ekspektasi sebuah eksperimen ?
3. Sebuah unit barang diselesaikan oleh 4 pegawai yang mengerjakan bagian yang berbeda-
beda. Ternyata terdapat cacat : 5 % oleh pegawai I; 7 % oleh pegawai II; 2 % oleh pegawai
III; 4 % oleh pegawai IV. Tentukan berapa % barang yang baik.

46
BAB VIII
DISTRIBUSI PELUANG

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab VIII, mahasiswa diharapkan memiliki pemahaman tentang
distribusi peluang.

Tujuan Instruksional Khusus (TIK), Pada akhir pembahasan mahasiswa diharapkan


mampu : 1) Mengenal macam-macam distribusi peluang dan kegunaannya; 2) Memahami
implementasi distribusi peluang sesuai dengan fungsinya.

1. PENDAHULUAN
Ketika melakukan undian dengan sebuah mata uang yang homogen,kita dapatkan
P(muka G) = P(muka H) = ½ . kalau dihitung banyak muka G yang nampak, maka muka H =
0 G dan muka G = 1 G. Kalau banyak muka G kita beri symbol X maka untuk muka H berlaku
X=0 dan untuk muka G berlaku X = 1. Didapat notasi baru untuk peluang yaitu : P(X = 0) = ½
dan P(X = 1) = ½. Kalau undian dilakukan dengan menggunakan dua mata uang maka peristiwa
yang terjadi adalah GG,GH,HG,HH dengan rumus VII (6) didapat P(GG) = P(GH) = P(HG) =
P(HH) = ¼.
Dalam melakukan undian dengan tiga mata uang maka semuanya ada delapan
peristiwa, ialah : GGG,GGH,GHG,HGG,HHG,HGH,GHH,HHH. Dengan rumus VII(3)
didapat peluang peristiwa = 1/8. Dinyatakan dengan symbol X = banyak muka G yang tampak,
maka X = 0, 1, 2, 3. didapat P ( X = 0) = 1/8, P(X=1) = 3/8, P(X = 2) = 3/8 dan P(X = 3) = 1/8.
Jika hasil ini disusun dalam sebuah tabel diperoleh.
X P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Jumlah 1

Dalam tabel tersebut jumlah peluang selalu sama dengan satu. Ini berarti distribusi peluang
untuk variabel acak X terbentuk.

47
Proses ini dapat diteruskan untuk undian dengan empat mata uang, lima mata uang dan
seterusnya. Variable acak diskrit X menentukan distribusi peluang apabila untuk nilai-nilai X
= x1, x2,…,xn terdapat peluang P(xi) = P(X – xi) sehingga
n
∑ P (xi) = 1 ………VIII(1)
i=1
P (x) disebut fungsi peluang untuk variable acak X pada harga X = x.
Untuk sebuah variable acak, kita dapat menentukan jika ada Ekspektasinya. Rumusnya
adalah :
‫( ع‬X) = ∑ xi . p (xi) ……….VIII(2)
Diamana ‫( ع‬X) = Ekspektasi untuk variable acak X dan penjumlahannya dilakukan untuk
semua harga X yang mungkin. ‫( ع‬x) merupakan rata-rata untuk variable acak X. Variable acak
yang tidak diskrit disebut variable acak kontinu, beberapa diantaranya misalnya untuk
menyatakan waktu dan hasil pengukuran. Jika X variable acak kontinu maka kita mempunyai
fungsi densitas f (X) yang dapat menghasilkan peluang untuk harga-harga x. Dalam hal ini
berlaku

∫ f (x) dx = 1 ………VIII(3)
-∞
Untuk menentukan peluang bahwa harga X = x antara a dan b maka digunakan rumus

b
P (a < x < b) =  f ( x ) dx ……… VIII.(4)
a

Ekspektasi untuk variable acak kontinu X ditentukan oleh :



‫( ع‬X) = ∫ x f(x) dx . . .……..VIII(5)
-∞

48
2. DISTRIBUSI BINOM
Percobaan yang berulang-ulang dari eksperimen dinamakan percobaan Bernoulli.
Sekarang lakukan percobaan Bernoulli sebanyak N kali secara independen, X diantaranya
menghasilkan peristiwa A dan sisanya (N – X) peristiwa Â. Jika л = P (A) untuk tiap percobaan,
jadi 1 – л = P(Â), maka peluang terjadinya peristiwa A sebanyak X = x kali diantara N dihitung
oleh :
Rumus :

 N
P(X) = P(X=X) =    X (1  ) N  X …………........ VIII.(6)
n 

dengan X = 0, 1, 2, ……… N, 0 <  < 1 dan

 N N!
   …………................................ VIII.(7)
 X  X! ( N  X)!

Dimana N! (dibaca N faktorial) = 1 x 2 x 3 x …… x (N-1) x N dan 0! = 1! = 1


Hubungan yang dinyatakan dalam rumus VIII(6) dengan distribusi variabel acak diskrit
dinamakan distribusi binom dan dengan rumus VIII(7) merupakan koefisien binom. Distribusi
ini memiliki parameter diantaranya ialah rata-rata μ dan simpangan baku σ rumusnya :
 = N ........................VIII(8)

= N (1  )

Contoh :
1. Dalam undian dengan menggunakan 2 buah homogen sekaligus.
a. Berapa banyak nampak 2 gambar sebanyak 1 buah ?
Jawab :
 N
P (X) = P (X = x) =    X (1  ) N  X
n 

2 1
 2  1   1   2  1   1   2  1  1
1

= P (X = 1) =     1   =       =     = = 0,5
1   2   2  1   2   2  1   4  2

b. Berapa distribusi binomnya ?

49
Jawab :

 N N!
  
 X  X! ( N  X)!

2!
=
1 (2  1)!

1x 2 2
= = =1
1.1! 1

c. Rata-rata dan simpanan baku


 =N
1 1
=2. =
4 2

3. DISTRIBUSI MULTINOM
Perluasan Distribusi Binom adalah Distribusi Multinom , ditentukan dengan rumus :
N!
P(x1, x2, …,xk) = ________________________ л1x1 л2x2 ….лkxk ……VIII(9)
x1 ! x2 ! ….xk !
Ekspektasi terjadinya tiap peristiwa E1, E2, … Ek dalam peristiwa Multinom, berturut-turut
adalah Nл1, Nл2, …Nлk sedangkan variannya masing-masing Nл1 (1- л1), Nл2 (1-л2), ........,
Nлk (1 – лk).

4. DISTRIBUSI HIPERGEOMETRIK
Misalkan terdapat sebuah populasi berukuran N diantaranya terdapat D buah termasuk
kategori tertentu. Dari populasi ini sebuah sampel acak diambil berukuran n. Pertanyaan yang
timbul ialah berapa peluang dalam sampel itu terdapat x buah termasuk kategori tertentu itu
?
Jawabnya ditentukan oleh Distribusi Hipergeometrik dibawah ini :

D N–D
( )( )

50
x n–x
P (x) = __________________ …….VIII(10)
N
( )
n
Dimana x = 0, 1, 2, …,n dan factor-faktor diruas kanan yang ditentukan oleh rumus VIII(7)
dengan beberapa harga diberikan dalam lampiran.
Rata-rata Distribusi Hipergeometrik, adalah μ = n D/N

5. DISTRIBUSI POISSON
Variable acak diskrit x dikatakan mempunyai distribusi poison jika fungsi peluangnya
berbentuk sebagai berikut :
e-λ λx
p (x) = P ( X = x ) = _________ ……..VIII(11)
x!
Dengan x = 0, 1, 2, 3, ….,sedangkan e = sebuah bilangan konstan yang jika dihitung hingga 4
desimal e = 2,7183 dan  = sebuah bilangan tetap. Harga e -  lihat tabel text book (Daftar D)
Parameter dari Distribusi Poison ini adalah
μ=λ
σ=√λ ……..VIII(12)
Distribusi Poison sering digunakan untuk menentukan peluang sebuah peristiwa yang
dalam area kesempatan tertentu diharapkan terjadinya jarang. Distribusi Poison dapat pula
dianggap sebagai pendekatan kepada Distribusi Binom.

6. DISTRIBUSI NORMAL
Macam-macam distribusi yang dibicarakan diatas semua variable acaknya bersifat
Diskrit. Sekarang dibahas mengenai distribusi dengan variable acak kotinyu, yang pertama
ialah Distribusi Normal atau sering disebut Distribusi Gauss. Jika variable acak kontinyu x
mempunyai fungsi densitas pada X = x, dengan persamaan :

f (x) = _______1_______ e –1/2 ( x –μ )2


σ
σ√ 2π ……..VIII(13)

Untuk variabel acak x berdistribusi normal, maka nilai x : –  < x < ,

51
Dimana : π = nilai konstan yang bila ditulis hingga empat desimal π = 3,1416
e = bilangan konstan, bila ditulis dengan empat desimal e = 2,7183
μ = parameter, merupakan rata-rata untuk distribusi
σ = parameter, merupakan simpangan baku untuk distribusi.
Sifat-sifat penting Distribusi Normal :
1. Grafiknya selalu ada diatas sumbu datar x
2. Bentuknya simetrik terhadap x = μ
3. mempunyai satu Modus, jadi kurva unimodal tercapai pada x = μ sebesar 0,3989/σ
4. Grafiknya mendekati ( berasimtutkan ) sumbu datar x, dimulai dari x = μ + 3σ kekanan
dan x = μ - 3σ ke kiri.
5. Luas daerah grafik selalu sama dengan satu unit persegi.
Disini sifat-sifat dipenuhi tetapi bentuk kurva berlainan makin tinggi (leptokurtik) atau makin
rendah (platikurtik).
Contoh :

(A) Gambar ini memperlihatkan dua


kurva normal. (A) kurva normal dengan  =
(B) 10 dan  = 5, sedangkan ( B ) kurva
normal dengan  = 20 dan  = 7.

10 20

Mengingat luas penerapannya, maka periksa dan pelajari pula berbagai bentuk contoh
kurva dari distribusi normal dalam text book kuliah.

Hubungan dalam rumus VIII(3) menjadi :

∞ - ½ (x- μ)2
∫ ( σ √ 2π )-1 e σ dx = 1 ………VIII(14)
-∞
Untuk menentukan peluang harga X antara a dan b, yakni P (a < x < b ) digunakan
rumus VIII(4) sehingga menjadi :

52
- ½ (x- μ)2
b σ
P (a < X < b ) = ∫ ( σ √ 2π )-1 e dx ……...VIII(15)
a
Untuk penggunaan praktis, rumus diatas tidak perlu dirisaukan karena sebuah daftar
telah disusun untuk keperluan dimaksud. Daftar itu ialah daftar distribusi normal standart atau
normal baku dengan rata-rata μ = 0 dan simpangan baku σ = 1. Fungsi densitasnya berbentuk
:
1
f (z) = e –1/2 z2
..……VIII(16)
√2π
Mengubah Distribusi normal umum menjadi Distribusi normal baku dapat ditempuh
dengan menggunakan transformasi :
X–μ
Z = _______ ……..VIII(17)
σ
Setelah didapatkan distribusi normal baku dari distribusi normal umum dengan
transformasi rumus VIII(17) maka daftar distribusi normal baku dapat digunakan. Dengan
daftar ini (lihat text book kuliah), bagian-bagian luas dari distribusi normal baku dapat dicari
dengan menggunakan cara :
1. Hitung z hingga dua desimal
2. Gambarkan kurvanya seperti gambar VIII(2).
3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal hingga memotong
kurva.
4. Luas yang tertera dalam daftar adalah luas daerah antara garis ini dengan garis tegak
di titik nol.
5. Dalam daftar, daftar F (lampiran), cari tempat harga z pada kolom paling kiri hanya
hingga satu desimal dan desimal keduanya dicari pada baris paling atas.
6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka
didapat bilangan yang merupakan luas dicari. Bilangan yang didapat harus ditulis
dalam bentuk 0, x x x x (bentuk 4 desimal).

53
Untuk pembakuan agar daftar Distribusi normal baku dapat dipakai, maka digunakan
transformasi :
X–Nπ
Z = ____________ ………VIII(18)
√Nπ(1–π)

7. DISTRIBUSI STUDENT
Distribusi dengan variabel acak kontinu lainnya, selain dari distribusi normal, ialah
distribusi Student atau distribusi t. Fungsi densitasnya adalah :
K
f(t) =
½n
t2
1 +

n - 1

Berlaku untuk harga-harga t yang memenuhi –  < t < , dan K merupakan bilangan
tetap yang besarnya bergantung pada n sedemikian sehingga luas daerah di bawah kurva sama
dengan satu unit.
Pada distribusi t ini terdapat bilangan ( n – 1) yang dinamakan Derajat Kebebasan dan
disingkat dengan dk.

8. DISTRIBUSI CHI KUADRAT


Distribusi chi kuadrat merupakan distribusi dengan variabel acak kontinu. Simbul
yang dipakai untuk chi kuadrat ialah χ2 (baca : ci kuadrat).
Persamaan distribusi chi kuadrat adalah :
½ υ –1 1/2 u
F (u) = K . u e ………….VIII(20)

dengan : u = χ2 untuk memudahkan menulis, dan harga u > 0


υ = derajat kebebasan
k = bilangan tetap yang bergantung pada v
e = 2,7183

54
Grafik distribusi chi kuadrat umumnya merupakan kurva positif, yaitu miring ke kanan.
Kemiringan ini akan makin berkurang jika derajat kebebasan v makin besar.

Gambar ini memperlihatkan


grafik distribusi chi kuadrat
secara umum dengan dk = v
miring kanan Daftar H berisikan harga-harga
X2 untuk pasangan dk dan
luas = p peluang p yang besarnya tertentu.
Peluang p terdapat pada
baris paling atas dan dk = v
ada pada kolom paling kiri
Xp2
Contoh :
Untuk mencari X2 dengan p = 0,95 dan derajat kebebasan v = 14, maka (lihat daftar H, pada
text book kuliah) di kolom kiri carilah bilangan 14 dan di baris atas 0,95. Dari 14 maju ke
kanan dan dari 0,95 menurun, maka didapat χ2 = 23,7.

9. DISTRIBUSI F
Distribusi F ini juga mempunyai variabel acak yang kontinu. Fungsi Densitasnya
mempunyai persamaan :
F1/2 ( v1 – 2 )
f (F) = K. _________________________ …………VIII(21)
½ v
1 + v1 F ( 1 + v2)
v2
Dengan variable acak F memenuhi batas F > 0, K = bilangan tetap yang harganya bergantung
pada v1 dan v2 sedemikian sehingga luas dibawah kurva = 1, v1 = dk pembilang dan v2 dk
penyebut.

Untuk tiap pasang dk, v1 dan v2


daftar berisikan harga-harga F
dengan kedua luas daerah ini
(0,01 atau 0,05).

55
Meskipun daftar yang diberikan hanyauntuk peluang p = 0,01 dan p = 0,05, tetapi sebenarmya
masih bisa didapat nilai-nilai F dengan peluang 0,99 dan 0,95. Oleh karena itu digunakan
hubungan :
1
F (1- p)( v2 , v1 ) = _____________ .………..VIII(22)
Fp ( v1 , v2 )
Perhatikan rumus di atas antara p dan (1 – p) dan pertukaran antara derajat kebebasan
kebebasan (υ1 , υ2) menjadi (υ2 , υ1)
Contoh :
Telah didapat F0,05(24,8) = 3,12
Maka : F0,95(8,24) = 1/3,12 = 0,321

10. PENGECEKAN DISTRIBUSI NORMAL


Untuk keperluan analisis data selanjutnya dalam statistika induktif, akan ternyata
bahwa modal distribusi sering harus diketahui bentuknya. Teori menaksir dan menguji
hipotesis dianut berdasarkan asumsi bahwa populasi yang sedang diselidiki berdistribusi
normal, jika asumsi ini tidak dipenuhi maka kesimpulan berdasarkan teori itu tidak berlaku.
Karenanya sebelum teori lebih lanjut digunakan dan kesimpulan diambil berdasarkan teori
dimana asumsi normalitas dipakai, terlebih dahulu perlu diselidiki apakah asumsi itu dipenuhi
atau tidak.
Data sampel yang telah diambil dari sebuah populasi (dalam bab 3) perlu disusun dalam
sebuah daftar distribusi frekuensi, dari sini kemudian dibentuk daftar distribusi frekuensi
kumulatif relatifnya kurang dari. Frekuensi kumulatif relatif ini digambarkan pada kertas grafik
khusus, disebut kertas peluang normal atau singkatnya kertas peluang.
Pada sumbu datar digambarkan skala untuk batas-batas atas, sedangkan sumbu tegak
melukiskan persen kumulatifnya, selanjutnya titik-titik yang ditentukan oleh batas atas dan
frekuensi kumulatif relatif digambarkan pada kertas itu.
Perhatikan baik-baik letak titik-titik yang didapat. Jika letak titik-titik pada garis lurus
atau hampir pada garis lurus, maka disimpulkan :
a. Mengenai data itu sendiri
Dikatakan bahwa data itu berdistribusi normal atau hampir berdistribusi normal.

56
b. Mengenai populasi dari mana data sampel diambil
Dikatakan bahwa populasi dari mana sampel diambil ternyata berdistribusi normal atau
hampir berdistribusi normal.
Jika letak titik-titik itu sangat menyimpang dari sekitar garis lurus, maka disimpulkan bahwa
data itu atau populasi dari mana sampel itu diambil tidak berdistribusi normal.

57
LEMBAR TUGAS 8
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Apa yang dimaksud dengan: a) distribusi binom; b) distribusi multinom; distribusi
hipergeometrik; d) distribusi Poisson; e) distribusi normal; distribusi Student; distribusi chi
kuadrat; distribusi F; dan pengecekan distribusi normal ?
2. Berikan contoh dimana distribusi peluang empirik sering digunakan, dan bedakan antara
fungsi peluang dan fungsi densitas disertai contoh.
3. Sebutkan sifat-sifat penting distribusi normal dengan rata-rata 50 dan simpangan baku 5.
4. Apa yang dimaksud dengan distribusi nomal baku dan bagaimana merubahnya menjadi
distribusi normal umum ?
5. Mengapa dalam perhitungan-perhitungan dengan distribusi normal, distribusi itu perlu
dijadikan normal baku ?
6. Telusuri dan periksalah pada text book Metoda Statistika, soal nomor 8 bab VIII tentang
kemampuan sebuah produk dari industri elektronik. Jika dapat anda selesaikan, berikan
analisis anda terhadap produk elektronik tersebut.

58
BAB IX
SAMPLING ATAU PENGAMBILAN CONTOH

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab IX, mahasiswa diharapkan memiliki pemahaman tentang
sampling atau pengambilan contoh.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu :
1. Mengenal macam-macam sampling dan kegunaannya.
2. Memahami implementasi teknik sampling sesuai dengan fungsinya.

1. PENDAHULUAN
Statistik terbagi atas dua fase,statistika deskriptif dan statistika induktif. Fase
pertama dikerjakan untuk melakukan fase kedua,yaitu menyimpulkan tentang karakteristik
populasi yang pada umumnya dilakukan berdasarkan pada data sampel yang diambil dari
populasi yang bersangkutan.Populasi adalah totalitas semua nilai yang mungkin,baik hasil
menghitung maupun pengukuran,kuantitatif ataupun kualitatif,daripada karakteristik
tertentu mengenai sekumpulan obyek yang lengkap dan jelas.Sampel adalah sebagian yang
diambil dari populasi dengan menggunakan cara-cara tertentu.Untuk mendapat kesimpulan
yang dapat dipertanggungjawabkan harus ditempuh langkah-langkah yang benar dalam
setiap langkah termasuk pengambilan sampel atau sampling.

2. ALASAN SAMPLING
Sensus atau sampling dilakukan untuk pengumpulan data guna alnalis statistik
bergantung pada berbagai factor.Sensus terjadi apabila setiap anggota atau karakteristik
yang ada didalam populasi dikenai penelitian.Jika tidak,sampling yang akan di tempuh
yaitu sampel diambil dari populasi dan datanya dikumpulkan. Faktor-faktor sensus tidak
dapat dilakukan:
a) Ukuran populasi
Ada dua macam ukuran populasi,terhingga dan tak hingga.Populasi tak hingga ialah
populasi berisikan tidak terhingga banyak obyek dan pada dasarnya hanya konseptual. Jadi

59
sensus tidak dapat dilakukan.Meskipun kita punya populasi terhingga, sensus belum tentu
bisa dilakukan.
b) Masalah biaya
Banyak obyek yang diteliti akan banyak biaya yang diperlukan.Kecuali ukuran
populasi yang sedikit sehingga tidak memerlukan biaya yang besar.Biaya tidak hanya
dilakukan untuk pengumpulan data tetapi banyak keperluan lainnya.
c) Masalah waktu
Sensus memerlukan waktu yang lebih lama dibandingkan sampling.Sampling dapat
memberikan data lebih cepat.Sampling selain menghemat biaya juga menghemat waktu.
d) Percobaan yang sifatnya merusak
Jika penelitian terhadap obyek sifatnya merusak,maka jelas sampling harus
dilakukan.
e) Masalah ketelitian
Selain data yang benar,pencatatan dan penganalisisannya harus dilakukan secara
benar agar didapat kesimpulan yang dapat dipertanggungjawabkan .
Umumnya,menguasai obyek yang sedikit hasilnya lebih baik daripada menguasai obyek
yang terlalu banyak.
f) Faktor ekonomis
Dengan factor ekonomis dapat diartikan:apakah kegunaan dari hasil penelitian
sepadan dengan biaya,waktu dan tenaga yang telah dikeluarkan untuk itu ataukah tidak.

3. RANCANGAN SAMPLING
Beberapa hal yang perlu diperhatikan untuk merancang sampling:
a) Rumuskan beberapa persoalan
b) Tentukan dengan jelas batas populasi mengenai persoalan yang ingin diketahui
c) Definisikan dengan jelas dan tepatsegala unit dan istilah yang diperlukan
d) Tentukan unit sampling yang diperlukan.Unit sampling yaitu satuan yang terkecil yang
menjadi anggota populasi
e) Tentukan dan rumuskan cara-cara pengukuran dan penilaian yang akan dilakukan
f) Mengumpulkan segala keterangan tentang hal yang ingin diteliti
g) Tentukan ukuran sampling,yakni berapa unit sampling yang harus diambil dari populasi

60
h) Tentukan cara sampling yang mana yang akan ditempuh agar sampel yang diperoleh
representatif
i) Menentukan cara pengumpulan data,dapat berupa wawancara langsung,daftar
isian,dari dokumen,dll.
j) Tentukan metode analisis
k) Menyediakan biaya dan meminta bantuan ahli baik sebagai pembantu tetap atau sebagai
konsultan

4. BEBERAPA CARA SAMPLING


Misalkan kita punya sebuah populasi terhingga berukuran N.Dari populasi ini akan
diambil sampel berukuran n.Ada berapa buah sampel yang bisa diambil?Bergantung pada
bagaimana anggota populasi diperlakukan ketika sampel diambil.Ada dua perlakuan yang
dikenal:
1).Anggota yang telah diambil untuk dijadikan anggota sampel disimpan kembali disatukan
dengan anggota lainnya.Dengan demikian anggota ini masih ada kesempatan untuk diambil
kembali pada pengembalian berikutnya.Cara pengambilan sampel demikian dinamakan
sampling dengan pengembalian.Secara umum jika dari populasi berukuran N diambil
sampel berukuran n dengan pengembalian,maka semuanya ada Nn buah sampel yang
mungkin diambil.
2) Anggota yang telah terambil untuk dijadikan anggota sampel tidak disimpan kembali
kedalam populasi.Dengan demikian setiap anggota hanya bisa diambil satu kali.Cara
pengambilan sampel demikian dinamakan sampling tanpa pengembalian.
Secara umum:banyak sampel berukuran n yang dapat diambil (dengan cara tanpa
pengembalian) dari sebuah populasi berukuran N adalah :

61
 N N
IX(1)….   
 n  N!(N  n)!

Beberapa cara sampling yang mungkin dapat digunakan untuk keadaan tertentu agar
diperoleh sampel yang representative, antara lain :
a) Sampling seadanya
Pengambilan sebagian dari populasi berdasarkan seadanya data atau kemudahannya
mendapatkan data tanpa perhitungan apapun mengenai derajat kerepresentatifannya, dapat
digolongkan kedalam sampling seadanya. Kesimpulan yang ditarik sangat bersifat kasar
dan sementara.
Contoh :
Mengumpulkan data atau opini masyarakat dari orang-orang lewat untuk keperluan
ramalan tentang partai mana yang akan menang dalam pemilu akan datang.
b) Sampling purposif
Sampling purposif dikenal juga sebagai sampling pertimbangan, terjadi apabila
pengambilan sampel dilakukan berdasarkan pertimbangan perorangan atau pertimbangan
peneliti.
Kedua sampling diatas sering dinamakan sampling non peluang karena pada waktu
sampel diambil dari populasi, peluang tidak diikut sertakan. Ketelitian dan
kerepresentatifan sampel nonpeluang tidak dapat ditaksir dan akibatnya tidak mungkin
menggeneralisasikan hasil sampel terhadap populasi dengan derajat keyakinan tertentu
c) Sampling peluang
Sampling peluang adalah sebuah sampel yang anggota-anggotanya diambil dari
populasi berdasarkan peluang yang diketahui. Khususnya, jika tiap anggota populasi
mempunyai peluang yang sama untuk diambil menjadi anggota sampel, maka sampel yang
didapat dinamakan sampel acak dan cara pengambilannya dinamakan sampling acak.
d) Sampling acak Sampling acak terdiri dari anggota-anggota yang diambil sedemikian
sehingga pada tiap tingkatan sampling setiap anggota dalam populasi mempunyai peluang
yang sama untuk dimasukkan ke dalam sample.
Contoh :

62
Hasil proses berupa tablet yang dihasilkanoleh sebuah mesin, dianggap sebagai anggota
hasil sampling acak dari sebuah populasi yang terdiri atas semua hasil yang mungkin
diprodusir jika proses itu berlangsung terus-menerus dibawah kondisi yang sama. Jika
terjadi perubahan yang mempengaruhi proses, maka hasil proses baru merupakan sebuah
sample acak dari populasi baru yangterjadi karena pengaruh perubahan tersebut.
Jika populasi terhingga dan sampling dilakukan tanpa pengembalian, maka sebuah sampel
dinyatakan acak apabila tiap anggota dalam populasi mempunyai kesempatan yang sama
untuk dimasukkan kedalam sampel.

5. BEBERAPA MACAM SAMPLING UNTUK MENDAPATKAN SAMPEL


REPRESENTATIF
1) Sampling petala, pembuatan petala ditentukan berdasarkan karakteristik tertentu
sedemikian sehingga petala itu menjadi homogen. Dari setiap petala lalu diambil secara
acak anggota-anggota yang diperlukan, atau dikatakan secara lain, dilakukan pengacakan
di dalam setiap petala, anggota-anggota yang didapat akan membentuk sebuah sampel data.
2) Sampling klaster, dalam sampling ini, poplasi dibagi-bagi menjadi beberapa
kelompok atau klaster. Secara acak klaster-klaster yang diperlukan diambil dengan proses
pengacakan. Setiap anggota yang berada didalam klaster-klaster yang diambil secara acak
tadi merupakan sampel yang diperlukan.
3) Sampling siitematik, dalam sampling sistematik, anggota sampel diambil dari
populasi pada jarak interval waktu,ruang, atau urutan yang uniform. Jika populasi
berukuran N dan sampel beranggotakan n, maka jarak interval besarnya (N/n).
4) Sampling ganda, dalamsampling ganda, penelitian dilakukan dimulai dengan
menggunakan sebuah sampel yang ukurannya relative kecil. Sampling ganda biasanya
digunakan dalam statistika industri untuk pengontrolan kualitas.
5) Sampling multiple, merupakan perluasan dari sampling ganda, dalam hal ini
pengambilan sampel dilakukan lebih dari dua kali dan tiap kali digabungkan menjadi
sebuah sampel. Untuk menggunakan sampling ganda atau multiple sebuah rencana
sampling yang baik terlebih dahulu harus dibuat.

63
6) Sampling sekuensial, sampling ini sebenarnya sama dengan sampling multiple,
perbedaannya ialah dalam sampling ini tiap anggota sampel diambil satu demi satu pada
tiap kali selesai mengambil anggota.

6. KEKELIRUAN SAMPLING DAN KEKELIRUAN NON-SAMPLING


Dalam penelitian ada dua macam kekeliruan yang bisa terjadi, yaitu :
1) Kekeliruan non-sampling, kekeliruan ini bisa terjadi dalam setiap penelitian, apakah
itu berdasarkan sampling ataukah berdasarkan sensus. Beberapa penyebab terjadinya
kekeliruan non-sampling :
a. populasi tidak didefinisikan sebagaimana semestinya.
b. populasi yang menyimpang dari populasi yang seharusnya dipelajari.
c. istilah-istilah telah didefinisikan secara tidak tepat atau telah digunakan tidak
secara konsisten.
d. kuesioner tidak dirumuskan sebagaimana mestinya.
e. para responden tidak memberikan jawab yang akurat, menolak untuk menjawab atau
tidak ada ditempat ketika petugas datang untuk melakukan wawancara.
Selain daripada itu, kekeliruan non-sampling bisa terjadi pada waktu mencatat data,
melakukan tabulasi, dan melakukan perhitungan-perhitungan.
2) Kekeliruan sampling, kekeliruan ini timbul disebabkan oleh kenyataan adanya
pemeriksaaan yang tidak lengkap tentang populasi dan penelitian hanya dilakukan
berdasarkan sampel.

64
LEMBAR TUGAS 9
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Bedakan antara statistika deskriptif dan induktif; antara sampel dan populasi.
2. Carilah dan jelaskan pengertian dari sampling :
Seadanya; purposif; petimbangan; kuota; non-peluang; peluang; acak; proporsional;
petala; area; sistematik; ganda; tunggal; multiple; sekuensial; dan klaster
3. Apa yang dimaksud : kekeliruan sampling dan non-sampling ? Berikan beberapa
penyebab terjadinya kekeliruan sampling dan non-sampling.

65
BAB X
DISTRIBUSI SAMPLING

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab X, mahasiswa diharapkan memiliki pemahaman tentang distribusi
sampling.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu :
1. Mengenal macam-macam distribusi sampling dan kegunaannya.
2. Memahami implementasi distribusi sampling sesuai dengan fungsinya.

1. PENDAHULUAN
Untuk mempelajari populasi diperlukan sampel yang disebut dengan sampel acak
yang dapat dihitung statistiknya untuk dianalisis dan digunakan seperlunya. Oleh karena itu
diperlukan sebuah teori yang disebut Distribusi Sampling. Distribusi sampling diberi nama
sesuai dengan nama statistik yang digunakan.

2. DISTRIBUSI RATA – RATA


Dengan persaman yang ada diperoleh sebagai berikut :

x= 
x=   N-n
n N-n

Distribusi normal yang didapat dari distribusi rata – rata perlu distandart kan dengan rumus
sebagai berikut :

Z= x-
x

Dari rumus ini varians rata – rata dari ukuran sampel dari kecil dapat diketahui.

66
3. DISTRIBUSI PROPORSI
Untuk ini dapat diketahui dengan rumus :

Z= x/n - 
x/n

Jika perbedaan antara proporsi sampel yang satu dengan yang lain diharapkan tidak lebih
dari sebuah harga d yang ditentukan, maka berlaku : x/n  d

4. DISTRIBUSI SIMPANGAN BAKU


Jika populasi berdistribusi normal atau hampir normal, maka distribusi simpangan
baku sangat mendekati distribusi normal dengan mendekati rumus sebagai berikut :

s = 
s = 
2n

Untuk populasi yang tidak berdistribusi normal dan untuk distribusi yang sampelnya ukuran
kecil dalam buku ini tidak diberikan secara lanjut.

5. DISTRIBUSI MEDIAN
Jika populasi berdistribusi normal maka , distribusi normal dengan rata – rata
Median ( me ) dan dengan simpangan baku ( me ) sebagai berikut:

me = 
me = 1,2533 
n

6. DISTRIBUSI SELISIH
Distribusi selisih ini didapat hubungan dengan mengmbil selisih rata – rata
sebagai tranformasi rumus nya dan didapat sebagai berikut :

x – y = 1- 2

67
7. DISTRIBUSI SELISIH PROPORSI
Menurut formulasi agar supaya distribusi normal menjadi distribusi normal baku
maka didapat hubungan sebagai berikut :

Z= (x/n1 – y/n2) – (1 - 2)


sp

8. DISTRIBUSI SAMPLING LAINNYA


Sehubungan dengan hal ini didapat dua hal sebagai berikut :
a) Statistik t yang dirtentukan oleh :

T= x - 
S/n

b) Statistik x yang ditentukan oleh (dengan x = rata – rata dari sampling yang lainnya) :

X = (n – 1 )s = (xi – x )
 

68
LEMBAR TUGAS 3
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Telusuri dan periksalah apa yang dimaksud dengan : a) distribusi sampling rata-rata; b)
distribusi sampling proporsi; c) distribusi sampling sampangan baku; d) distribusi
sampling median; e) distribusi sampling statistik W; f) distribusi sampling seliseh rata-
rata; g) distribusi sampling seliseh proporsi; h) distribusi sampling seliseh statistik W.
2. Apa yang dimaksud dengan kekeliruan baku atau galat baku : a) rata-rata; b) proporsi; c)
simpangan baku; d) median; e) seliseh rata-rata; f) seliseh proporsi
3. Pahamilah dengan seksama soal nomor 18 dari text book kuliah tentang produk gelas dari
sebuah perusahaan yang dikemas dalam peti. Kerjakan dan setelah itu bagaimana
komentar anda terhadap kondisi gelas yang dikirimkan itu.

69
BAB XI
PENAKSIRAN PARAMETER

Tujuan Instruksional Umum (TIU) :


Selesai pembahasan bab XI, mahasiswa diharapkan memiliki pemahaman tentang
statistik penaksiran paramater.

Tujuan Instruksional Khusus (TIK) :


Pada akhir pembahasan mahasiswa diharapkan mampu :
1. Mengenal dan menerapkan kegunaan penaksir parameter.
2. Memahami sifat penaksir dan mengetahui koefisien kepercayaan penaksiran.

1. PENDAHULUAN
Dengan statistika kita berusaha untuk menyimpulkan populasi, berdasarkan data
yang diambil secara sampling ataupun sensus. Kelakuan populasi akan ditinjau disini
hanyalah mengenai parameter populasi dan sample yang digunakan adalah sample acak.
Parameter yangakan ditaksir dan diuraikandalam bagian ini terutama adalah : rata – rata,
simpangan baku dan persen.

2. PENAKSIR
Parameter populasi akan diberi symbol θ ( tetha ). Jadi θ bisa merupakan rata –rata
μ , simpangan baku σ , proporsi π dan sebaginya. Jika tetha tidak diketahui harganya,
ditaksir oleh harga θˆ ( tetha topi ) , maka dinamakan penaksir. Kenyataan yang bisa terjadi
adalah :
a) Menaksir θ oleh θ terlalu tinggi .
b) Menaksir θ oleh θ terlalu rendah .
Beberapa definisi :
1) Penaksir θ dikatakan penaksir takbias jika rata – rata semua harga θ
yang mungkin akan sama dengan θ. Dalam bahasa ekspetansi ditulis ε
(θ) = θ. Disebut penaksir bias.
2) Penaksir bervarian minimum adalah penaksir dengan varians terkecil
diantara semua penaksir untuk parameter yang sama.

70
3) Misalkan θ penaksir untuk θ yang dihitung berdasarkan sebuah
sample acak berukuran n . Jika ukuran sample n semakin besar
mendekati ukuran populasi menyebabkan θ mendekati θ , maka disebut
penaksir konsisten.
4) Penaksir yang tak bias dan varian minimum dinamakan penaksir terbaik
.

3. CARA – CARA MENAKSIR


Contoh : Untuk menaksir tinggi rata – rata mahasiswa Indonesia kita ambil sebuah
sample acak . Data sample dikumpulkan lalu dihitung rata – ratanya. Misalnya didapatkan
x = 163 cm. Jika 163 cm ini dipakai untuk menaksir rata – rata tinggi mahasiswa Indonesia,
maka 163 adalah titik taksiran untuk rata – rata tinggi mahasiswa Indonesia.
Derajat kepercayaan menaksir, disebut koefisien kepercayaan. Jika koefisien kepercayaan
dinyatakan dengan γ (gama), maka 0 < γ < 1. Harga γ yang digunakan bergantung pada
persoalan yang dihadapi dan berapa besar si peneliti ingin yakin dalam membuat
pernyataan . Yang biasa digunakan adalah 0,95 atau 0,99 yakni γ = 0,99.
Untuk menentukan interval taksiran parameter θ dengan koefisien keprcayaan γ , maka
sample acak diambil, lalu dihitung nilai – nilai statistik yang diperlukan. Perumusan dalam
bentuk peluang untuk parameter θ antara A dan B adalah :
XI (1). . . . . . . . . . . . .
P(A < θ < B) = γ

Dengan A dan B fungsi daripada statistik, jadi merupakan variable acak,


tetapi tidak bergantung pada θ.

4. MENAKSIR RATA – RATA μ’


Untuk memperoleh taksiran yang tinggi derajat kepercayaannya digunakan
interval taksiran atau selang taksiran disertai nilai koefisien kepercayaan yang
dikehendaki.
Simpangan baku σ diketahui dan populasi berdistribusi normal. Rumus XI(1)
menjadi :

71
XI(2). . . . .
P ( x - Z½ γ σ / √n < μ < x + Z½ γ σ / √n ) = γ

XI(3). . . . . x – Z ½ γ σ / √n < μ < x + Z½ γ σ / √n

Simpangan baku tidak diketahui dan populasi berdistribusi normal.


XI(4). . . . .
P( x - tp s / √n < μ < x + tp s / √n =γ

XI(5). . . … x – tp s / √n < μ < x + tp s / √n

XI(6). . . . . x - Z ½ γ σ / √n √ N – a < μ < Z ½ γ σ / √n √ N–a


√ N –1 √ N -1

x tp + s / √n √ N – a < μ < x tp + s / √n √ N – a
XI(7). . . . .
√ N –1 √ N –1

Contoh Soal :
Jika koefisien kepercayaan γ = 0,99 maka tp = 2,654 sehingga rumus XI(5)
menghasilkan :
122 – (2,654) 10 < μ < 112 + (2,654) 10
100 100
atau 109,3 < μ < 144,7
5. MENAKSIR PROPORSI 

72
Populasi binom berukuran N dimana terdapat proporsi  untuk peristiwa A yang
ada didalam populasi itu. Sebuah sample acak berukuran n diambil dari populasi itu.
Misalkan terdapat x peristiwa A, sehingga proporsi sample untuk peristiwa A = (x/n). Jadi
titik taksiran untuk  adalah (x/n). Jika 100% interval kepercayaan untuk penaksiran 
dikehendaki, maka kedua persamaan berikut harus diselesaikan :

XI(8). . . . .
   1....
n
n
Y
Y n .....Y

1
1.......Y 
Yx 2

   1....
n
XI(9). . . . .
n
0Y
Y n . Y

1
1  Y 
Y 0 2

Pendekatan oleh normal kepada binom untuk ukuran sampel n cukup besar. Rumus 100 
% yakin untuk interval kepercayaan , dalam hal ini berbentuk.

pq pq
XI(10). . . . . p  z1 / 2     p  z1 / 2 
n n

Dengan p = x/n dan q = 1 –p sedangkan z1/2  adalah bilangan z didapat dari daftar normal
baku untuk peluang ½ .

6. MENAKSIR SIMPANGAN BAKU 


Untuk menaksir  2 dan sebuah populasi sample variasi s2 berdasarkan sample cak
berukuran perlu dihitung, dan rumus yang digunakan ialah Rumus V(5) yaitu:
( xi  x ) 2
XI(11) s2 =
n 1
Bahwa Varian s2 adalah penaksiran tak bias untuk varians  2. Akan tetapi
simpangan baku s bukan penaksiran tak bias untuk simpangan baku  . Jadi untuk titik
taksiran untuk  adalah bias.
Jika populasi berdistribusi normal dengan varians  2, maka100  % interval
kepercayaan untuk  2 ditentukan dengan distribusi Chi-kuadrat. Rumus :

73
(n  1) s 2 (n  1) s 2
XI(12)  2 
x 1 (1   ) x 1 (1   )
2 2

2 2

Dengan n = Ukuran Sampel


x 1 (1   ) x 1 (1   )
2 2

2 dan 2 didapat dari daftar chi kuadrat berturut turut


x 1 (1   ) x12 (1  )
untuk P = 2 dan P=
dengan dk = (n -1).
Contoh Soal :
Sebuah sampel acak berukuran 30 telah diambil disebuah populasi yang
berdistribusi normal dengan simpangan baku  . Dihasilkan harga statistic s2=7,8.
Dengan koefisien kepercayaan 0,95 dan dk = 29, maka dari daftar Chi-kuadrat
didapat :
x 2 0,975  45,7 dan x 2 0,925  16,0
dari Rumus diperoleh :
29 ( 7,8 ) 29 ( 7,8 )
 
45,7 16,0
atau : 4,95 <  2 < 14,4.
Interval taksiran untuk simpangan baku  adalah.
2,23 <  2 <3,75
Kita merasa 95 % percaya bahwa simpangan baku  akan ada dalam
interval yang dibatasi oleh 2,23 dan 3,75.

7. MENAKSIR SELISIH RATA – RATA


Misalkan mempunyai dua buah populasi, kedua – duanya berdistribusi normal. Rata
– rata dan simpangan bakunya masing m1 dan  1 untuk populasi kesatu, m2 dan  2 untuk
kedua. Dan masing – masing populasi secara independent diambil sebuah sample acak
dengan ukuran n1 dan n2 . Rata – rata dan simpangan baku dari sample - sample itu berturut

– turut x1 , s1 dan x 2 , s 2 . Akan ditaksir selisih rata –rata ( 1   2 ) .

74
Jelas bahwa titik taksiran untuk ( 1   2 ) adalah ( x1 – x2 ). Untuk interval
taksirannya, dibedakan menjadi hal-hal berikut :
Hal A)  1 =  2

Jika kedua populasi normal itu mempunyai  1 =  2 =  dan besarnya diketahui,

maka 100  % Interval kepercayaan untuk ( 1   2 ) ditentukan oleh rumus:

1 1
( x1  x )  Z 1 
.   1 -  2
2 n1 n2
XI(13)
1 1
 ( x1  x ) - Z 1 
. 
2 n1 n2

dengan z 1 
didapat dari daftar normal baku dengan peluang 1  .
2 2

Dalam hal ini  1 =  2 =  tetapi tidak diketahui besarnya. Pertama – tama dari
sampel – sampel kita perlu diberikan oleh rumus :

(n1  1) s12  (n2  1) s 22


2
XI(14) s =
n1  n2 - 2

Interval kepercayaannya ditentukan dengan menggunakan distribusi Student. Rumus untuk


100  % interval kepercayaan ( 1   2 ) adalah :

1 1
( x1  x 2 )  t p . s   1   2
n1 n2
XI(15)
1 1
 ( x1  x 2 )  t p . s 
n1 n2

dengan s didapat dari rumus dan tp didapat dari daftar distri busi Student ( Daftar G,
x 1 (1   )
Lampiran ) dengan p = 2 dan dk= (n2 + n2 – 2).

75
Hal B).  1   2

Untuk populasi normal dengan  1   2 , teori diatas tidak berlaku dan teori yang
bersifat pendekatan.
Dengan memisahkan s1   1 dan s 2   2 untuk sample – sampel acak berukuran
cukup besar, kita dapat melakukan pendekatan kepada distribusi normal. Rumus interval
kepercayaan ditentukan oleh :

s12 s 22
( x1  x 2 )  z 1 
  1   2
2 n1 n2
XI(16)
s12 s 22
 ( x1  x 2 )  z 1 

2 n1 n2
Z1
dengan 2

didapatdari daftar normal baku dengan peluang 1  .
2
Penggunaan rumus diatas harus berhati – hati sekali karena bukan saja pendekatan
kepada distribusi normal yang mungkin meragukan, tetapi juga asumsi bahwa varians
sample sama dengan varians populasi.
Contoh Soal :
Adadua pengukuran untuk mengukur kelembaban suatu zat. Cara I dilakukan 50
kali yang menghasilkan x1  60,2 dan s 12  24,7 . CaraII dilakukan 60 kali dengan

x 2  70,4 dan s 22  37,2 .


Supaya ditentukan interval kepercayaan 95% mengenai perbedaan rata – rata
pengukuran dari kedua cara itu.
Jawab :
Jika dimisalkan hasil kedua cara pengukuran berdistribusi normal, maka dari Rumus
diatas didapat varians gabungan:
(50  1)(24,7)  (60  1)(37,2)
s2   31,53
50  60  2

Selanjutnya dihitung dahulu :

76
1 1 31,53 31,53
s     1,08
n1 n2 50 60

Dengan p = 0,975 dan dk = 108, dari daftar distribusi t didapat t = 1,984.


Dari rumus diatas diperoleh;
(70,4  60,2)  (1,984)(1,08)  1   2  (70,4  60,2)  (1,84)(1,08)
Atau ; 8,06  1   2  12,34
95% percaya bahwa selisih rata – rata pengukuran kedua cara itu akan ada didalam
interval yang dibatasi oleh 8,06 dan 12,34.

Hal C). Observasi berpasangan


Misalkan populasi kesatu mempunyai variable acak X dan populasi kedua dengan
variable acak Y. Rata – ratanya masing – masing  x dan  y . Diambil kedua sampel acak

masing – masing sebuah dari tiap populasi yang berukuran sama, jadi n1  n2  n . Didapat
data sample.
(x1,x2,…,xn) dan (y1,y2,…,yn).
Dalam hal pasangan data seperti begini, maka untuk menaksir selisih beda rata – rata
 B   x   y ,dapat pula dibentuk selisih atau beda tiap pasangan data. Jadi dicari

B1  x1  y1 , B2  x 2  y 2 ,..., Bn  x n  y n .

Supaya dihitung rata – rata B dan simpangan baku sB , dengan menggunakan :


XI(17) B  t p .s B / n   B  B  t p .s B / n

dengan tp didapat dari daftar distribusi Student untuk p  1 (1   ) dan dk  (n  1)


2
Contoh Soal :
Untuk memudahkan pemahaman berikut ini diberikan contoh data mengenai tinggi
anak laki – laki pertama (X) dan tinggi ayah (Y) dinyatakan dalam Cm.

77
Tinggi Anak Tinggi Ayah Beda (B) B2
(1) (2) (3) (4)
158 161 -3 9
160 159 1 1
163 162 1 1
157 160 -3 9
154 156 -2 4
164 159 5 25
169 163 6 36
158 160 -2 4
162 158 4 16
161 160 1 1

Jumlah 8 106

Untuk menentukan interval taksiran beda rata - rata tinggi badan dibuat kolom (3)
dan kolom (4) yang berisikan beda B dan B2 dengan B = X–Y
Didapat ststistik :
10(100)  64
B  0,8 dan s B2   11,07
10 x9
Dengan mengambil asumsi tinggi badan berdasarkan normal dan tinggi anak
berpasangan dengan tinggi ayah, maka dari Rumus diatas dapat ditentukan interval
kepercayaan 95% untuk  B , ialah :

11,07 11,07
0,8  (2,26)   B  0,8  (2,26)
10 10
atau :  1,6   B  3,2

8. MENAKSIR SELISIH PROPORSI


Mempunyai dua populasi binom dengan parameter untuk peristiwa yang sama
masing – masing  1 dan  2 . Dari populasi ini secara independent masing – masing diambil
sebuah sampel acak berukuran n1 dari populasi ke satu dan n2 dari populasi kedua. Proporsi

78
untuk peristiwa yang diperhatikan dari sampel – sampel itu adalah p1 = x1 / n1 dan p2 = x2 /
n2 dengan x1 dan x2 berturut turut menyatakan banyaknya peristiwa yang diperhatikan yang
didapat di dalam sampel ke satu dan kedua. Rumus yang digunakan untuk interval
kepercayaan  100% selisih ( 1   2 ) adalah :

p1 q1 p 2 q 2
( p1  p 2 )  z 1 
  1   2
2 n1 n2
XI(18)
p1 q1 p 2 q 2
 ( p1  p 2 )  z 1 

2 n1 n2

dengan q1  1  p1 , q 2  1  p 2 dan z 1  didapat dari daftar normal baku dengan peluang


2
1 .
2
Contoh Soal :
Dua sampel acak yang satu terdiri dari 500 pemudi dan satu lagi 700 pemuda yang
mengunjungi sebuah pameran telah diambil. Ternyata bahwa 325 pemudi dan 400
pemuda menyenangi pameran itu.
Tentukan interval kepercayaan 95% untuk perbedaan persentase pemuda dan
pemudi yang mengunjungi pameran dan menyenanginya.
Jawab :
325
Persentase pemudi yang menyenangi pameran = p1  x100%  65%
500
400
Dan untuk pemuda = p 2  x100%  57%
700
Jadi q1 = 35% dan q2 = 43%.
Dengan n1 = 500 dan n2 =700, didapat
p1 q1 p 2 q 2 0,65 x0,35 0,57 x0,43
    0,0284
n1 n21 500 700

dari rumus diatas dengan z = 1,96 diperoleh :


0,65  0,57  (1,96)(0,0284)   1   2  0,65  0,57  (1,96)(0,0284)
atau 0,024   1   2  0,136

79
jadi 95% yakin bahwa perbedaan persentase pemudidan pemuda yang
mengunjungi pameran dan menyenanginya akan ada dala interval yang dibatasi
oleh 2,4% dan 13,6%.

9. MENENTUKAN UKURAN SAMPEL


Beberapa ukuran sample yang diperlukan untuk melakukan suatu penelitian?
Pertanyaan demikian sering diajukan oleh orang – orang yang akan melakukan penelitian.
Untuk menjawabny, ini berbergantung pada faktor, antara lain untuk apa sampel itu
dipergunakan. Khusus sehubungan dengan teori menaksir, ukuran sampel dapat ditentukan
antara lain berdasarkan kepada :
a) Apa yang akan ditaksir?
b) Beberapa besar perbedaan yang masih mau diterima antara yang ditaksir dan
penaksir?
c) Beberap derajat kepercayaan atau koefisien kepercayaan yang diinginkan dalam
melakukan penaksiran?
d) Berapa lembar interval kepercayaan yang masih mau diterima?

Ketika penaksir parameter  dan ˆ , dua hal yang terjadi ialah menaksir terlalu tinggi atau

menaksir terlalu rendah. Dalam hal pertama ˆ >  dan yang kedua ˆ <  . Perbedaan

antara  dan ˆ ialah b    ˆ . Makin kecil bedab makin baik menaksir karena makin

dekat penaksir yang kita pakai kepada parameter yang sedang ditaksir.
Ketika menaksir rata – rata  oleh statistik x , maka beda b    x . Untuk

koefisien kepercayaan  dan populasi berdistribusi normal dengan simpangan baku 


diketahui, maka ukuran sampel n ditentukan oleh :

 z1 
2

XI(19) n 2 
 b 
 

Contoh Soal :
Untuk menaksir rata – rata waktu yang diperlukan oleh setiap mahasiswa dalam
menyelesaikan sebuah soal tertentu, diperlukan sebuah sampel. Ketika menaksir

80
rata – rata tersebut, dikehendaki derajat kepercayaan 95% dengan beda yang lebih
kecil dari 0,05 menit. Jika diketahui simpangan baku waktu yang diperlukan = 0,5
menit, berapa mahasiswa yang perlu diambil untuk sampel tersebut?
Dengan  = 0,5 menit, b = 0,05 menit dan z = 2,58 maka dari rumus diatas didapat
:
2
 2,58 x0,5 
n   665,64
 0,05 
Oleh karena ukuran sampel itu harus merupakan bilangan diskrit, maka paling
sedikit n = 666. Jadi paling sedikit sampel itu harus terdiri atas 666 mahasiswa.
Jika yang ditaksir itu proporsi  oleh statistik p = x / n, maka beda yang terjadi
besarnya b =   p . Dengan memisalkan bahwa pendekatan distribusi normal

kepada binom berlaku dan koefisien kepercayaan =  , maka ukuran sampel dapat
ditentukan dari rumus :
2
z 1 
 2
XI(20) n   (1   ) 
 b 
 
Kecuali jika varians  (1   ) diganti oleh hargamaksimum ialah 0,25.
Contoh Soal :
Misalkan Departemen P dan K perlu mengetahui ada beberapa persen kira – kira
anak SD yang bercita – cita ingin menjadi guru. Ketika melakukan perkiraan lebih
dari dua persen. Berapa anak SD yang perlu diteliti ?
Jawab :
Dsini varians  (1   ) harus diambil 0,25 karena soal tersebut sama sekali tidak
menyebutkan tentang harga  . Dengan b = 0,02 dan z = 1,96 maka dari rumus di
atas didapat :
2
 1,96 
n  (0,25)   2.4o1
 0,02 
Sampel itu paling sedikit harus terdiri dari 2.401 anak – anak SD.

81
Contoh soal :
Jika untuk contoh diatas, dari pengalaman diketahui ada 12 % anak bercita – cita
ingin jadi guru, tentukan berapa ukuran sampel sekarang ?

Jawab :
Kedalam rumus diatas kita substitusikan  = 0,12 dan 1 -  = 0,88, b=0,02 dan
z = 1,96. Didapat hasil :
2
 1,96 
n  (0,12)(0,88)   1.014,18
 0,02 
Paling sedikit sampel itu terdiri dari 1.015 anak SD.
Dari dua contoh terakhir ini, dapat dilihat bahwa dengan diketahui harga  , ukuran
sampel telah sangat berkurang dari 2.402 menjadi 1.015. Ini menyatakan bahwa
informasi terdahulu sangat berfaedah, ikut membantu meringankan analisis dan juga
meringankan biaya.

82
LEMBAR TUGAS 3
JENIS/ MACAM : (TUGAS BESAR/ KECIL/ KELOMPOK/ PERORANGAN)
NAMA/ NPM :
JUR/ SEMESTER :
PARALEL/ POK :
TGL SELESAI :
NILAI : (POINT/ ANGKA)
TTD TPM : (NAMA/ NPM)

SOAL : (SATUKAN SOAL INI DAN JAWABAN KERJAKAN DI KERTAS LAIN)


1. Berikan contoh kegunaan menaksir : a) rata-rata; b) persentase; c) perbedaan
rata-rata; d) perbedaan persentase.
2. Apa yang dimaksud dengan penaksir : a) tak bias; b) bervarians minimum; c)
konsisten; d) terbaik; e) bias ?
3. Sebutkan sifat penaksir yang bagaimana yang dimiliki oleh statistik : a) rata-rata; b)
varians; c) simpangan baku; d) proporsi; e) seliseh rata-rata dua sampel; f) seliseh proporsi
dua sample.
4. Jika menaksir parameter berdasarkan statistik diperlukan sampel acak dari populasi yang
bersangkutan. Faktor apa saja yang perlu diperhatikan untuk menentukan ukuran sampel ?
Bagaimana rumus menentukan ukuran sampel untuk menaksir rata-rata dan persentase ?
5. Perhatikan soal nomor 26 dalam text book kuliah pada akhir bab yang dibahas ini,
selesaikan dan berikan komentar.atau analisis singkat.

83
KEPUSTAKAAN

James T. McClave-Terry Sincich, 2000, Statistics, Eighth Edition, Prentice-Hall, Inc, USA.

Nana Dana Priatna-Rony Setiawan, 2005, Pengantar Statistika, Edisi 1, Graha Ilmu,
Yogyakarta

Richard Lungan, 2006, Aplikasi Statistika dan Hitung Peluang, Edisi 1, Graha Ilmu,
Yagyakarta

Ronald E. Walpole – Raymond H.Myers, 1995, Terjemahan : Probability and Statistic for
Engineers and Scientists, Penerbit ITB, Bandung.

Sudjana, 1996, Metoda Statistik, Ed. 6, Tarsito, Bandung.

84