DIKTAT/ MODUL

STATISTIKA ( MKB 2008, 2 SKS )

Peyusun:
A.A.I.A. Sri Komaladewi,ST.,MT
Dr.Ir. I G.N. Priambadi,MT

PROGRAM STUDI TEKNIK MESIN

FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
 KATA PENGANTAR

Puji syukur Kehadirat Ida Sang Hyang Widi Wasa yang telah
memberikan rahmat-Nya, sehingga penulis dapat menyelesaikan bahan ajar
STATISTIKA.
Adapun tujuan pembuatan bahan ajar ini adalah untuk pembelajaran bagi
mahasiswa maupun penulis sendiri untuk lebih memahami dalam pembelajaran di
dalam perkuliahan.
Dengan segala kekurangan, penulis mengharapkan kritik dan saran yang
sifatnya membangun. Harapan penulis terhadap bahan ajar ini yaitu semoga
bahan ajar ini dapat bermanfaat bagi pembaca pada umumnya dan bagi penulis
sebagai penyusun bahan ajar ini pada khususnya.
 DAFTAR ISI

1. BAB I PENDAHULUAN
2. BAB II UKURAN PEMUSATAN DATA
3. BAB III UKURAN PENYEBARAN DATA/DISPERSI
4. BAB IV TEORI PELUANG
5. BAB V DISTRIBUSI PROBABILITAS
6. BAB VI REGRESI LINIER DAN KORELASI
7. BAB VII UJI HIPOTESIS
 BAB I PENDAHULUAN

1.1 Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu
yang berkenaan dengan data. Istilah 'statistika' berbeda dengan 'statistik'. Statistika merupakan
ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan
algoritma statistika pada suatu data.

Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam
(misalnya astronomi dan biologi ), ilmu-ilmu sosial (termasuk sosiologi dan psikologi), maupun
di bidang bisnis, ekonomi, dan industri. Statistika juga digunakan dalam pemerintahan untuk
berbagai macam tujuan; sensus penduduk merupakan salah satu prosedur yang paling dikenal.
Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak
pendapat atau polling (misalnya dilakukan sebelum pemilihan umum), serta hitung
cepat (perhitungan cepat hasil pemilu) atau quick count. Di bidang komputasi, statistika dapat pula
diterapkan dalam pengenalan pola maupun kecerdasan buatan.

Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif
berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians dari data mentah;
mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah “dibaca”
dan lebih bermakna. Sedangkan statistika inferensial lebih dari itu, misalnya melakukan pengujian
hipotesis, melakukan prediksi observasi masa depan, atau membuat model regresi.

 Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan (dideskripsikan)

atau disimpulkan, baik secara numerik (misalnya menghitung rata-rata dan deviasi standar)
atau secara grafis (dalam bentuk tabel atau grafik), untuk mendapatkan gambaran sekilas
mengenai data tersebut, sehingga lebih mudah dibaca dan bermakna.
 Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan
estimasi pengamatan masa mendatang (estimasi atau prediksi), membuat permodelan
hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.
1.2 Metode Statistika

Dua jenis penelitian: eksperimen dan survai

Terdapat dua jenis utama penelitian: eksperimen dan survei. Keduanya sama-sama mendalami
pengaruh perubahan pada peubah penjelas dan perilaku peubah respon akibat perubahan itu. Beda
keduanya terletak pada bagaimana kajiannya dilakukan.

Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi perlakuan
terhadap sistem, dan kemudian melakukan pengukuran (lagi) dengan cara yang sama terhadap
sistem yang telah diperlakukan untuk mengetahui apakah perlakuan mengubah nilai pengukuran.
Bisa juga perlakuan diberikan secara simultan dan pengaruhnya diukur dalam waktu yang
bersamaan pula. Metode statistika yang berkaitan dengan pelaksanaan suatu eksperimen dipelajari
dalam rancangan percobaan (desain eksperimen).

Dalam survei, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji. Data
dikumpulkan dan hubungan (korelasi) antara berbagai peubah diselidiki untuk memberi gambaran
terhadap objek penelitian. Teknik-teknik survai dipelajari dalam metode survei.

Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik, ilmu
pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen.

Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan dengan
perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi, kedokteran masyarakat, dan
industri.

1.3 Data Statistik

1.3.1 Pembagian data berdasarkan sifatnya

 Data Kualitatif
Hasil pengamatan yang outputnya hanya bisa dimasukan dalam suatu kategori.
Contoh : sikap seseorang terhadap hasil pemilihan DPRD

 Data Kuantitatif
Hasil observasi atas suatu hal yang bisa dinyatakan dalam angka atau data kualitatif yang
diangkakan.
Contoh : tinggi badan, umur siswa, berat badan dll
1.3.2 Berdasarkan sumber Data

 Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti
perorangan maupun organisasi
Contoh: wawancara langsung, praktek lapangan, observasi lapangan

 Data Sekunder
Data sekunder adalah data yang diperoleh atau dikumpulkan dari sumber-sumber yang telah ada.
Data itu biasanya diperoleh dari perpustakaan atau laporan-laporan/dokumen peneliti yang
terdahulu. Data sekunder disebut juga data tersedia.
Contoh : data yang diperoleh dari sumber yang telah ada : buku,surat kabar dll.

1.3.3 Berdasarkan Waktu Pengumpulan Data

 Data Berkala
Data berkala adalah data yang terkumpul dari waktu ke waktu untuk memberikan gambaran
perkembangan suatu kegiatan/fenomena.
Contoh: Data perkembangan akademik siswa selama 1 semester yang dikumpulkan setiap bulan

 Data Cross Section

Data cross section adalah data yang terkumpul pada suatu waktu tertentu untuk memberikan
gambaran perkembangan keadaan atau kegiatan pada waktu itu.
Contoh:
Data sensus penduduk tahun 2000, data hasil UN
siswa SMA tahun 2012, dsb.

1.3.4 Berdasarkan Susunannya

 Data Acak/Tunggal
Data acak atau tunggal adalah data yang belum tersusun atau dikelompokkkan ke dalam kelas-
kelas interval
 Contoh: data nila Statistik Mahasiswa Jurusan TI
89 70 80 78 60
50 55 67 86 10
66 88 55 65 60

 Data Berkelompok
Data berkelompok adalah data yang sudah tersusun atau dikelompokkan kedalam kelas-kelas
interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau tabel frekuensi
contoh :
Data nilai ujian statistik dan jumlah mahasiswa yang mendapatkannya
Nilai Frekuensi
50-55 3
56-60 5
61-65 10
66-70 15
71-80 7

1.3.5 Berdasarkan Skala Pengukuran

 Data Nominal
Data nominal adalah data yang diberikan pada objek atau kategori yang tidak menggambarkan
kedudukan objek atau kategori tersebut terhadap objek atau kategori lainnya, tetapi hanya
sekedar label atau kode saja.
Contoh data berskala nominal:
Jenis kelamin (Laki-laki Æ 1, Perempuan Æ 2), etnis/suku, agama dan lain-lain.

 Data Ordinal
Data ordinal adalah data yang penomoran objek atau kategorinya disusun menurut besarnya,
yaitu dari tingkat terendah ke tingkat tertinggi atau sebaliknya dengan jarak/rentang yang tidak
harus sama. Data ini memiliki ciri seperti ciri data nominal ditambah satu ciri lagi, yaitu kategori
data dapat disusun/diurutkan berdasarkan urutan logis dan sesuai dengan besarnya karakteristik
yang dimiliki
Contoh :
Mengubah nilai ujian ke nilai prestasi, yaitu :
1. nilai A adalah dari 80-100
2. nilai B adalah dari 65-79
3. nilai C adalah dari 55-64
4. nilai D adalah dari 45-54
5. nilai E adalah dari 0-44

 Data Interval
Data interval adalah data di mana objek/kategori dapat diurutkan berdasarkan suatu atribut yang
memberikan informasi tentang interval antara tiap objek/kategori sama. Besarnya interval dapat
ditambah atau dikurangi. Data ini memeiliki ciri sama dengan ciri pada data ordinal ditambah
satu ciri lagi, yaitu urutan kategori data mempunyai jarak yang sama
Contoh :
Penilaian Angket
Jawaban A =1 ; B =2 ; C=3 ; D = 4; E = 5
A B C D E
1 2 3 4 5

 Data Rasio
Data rasio adalah data yang memiliki sifat-sifat data nominal, data ordinal, dan data interval,
dilengkapi dengan kepemilikan nilai atau titik nol absolut/mutlak dengan makna empirik. Data
rasio memiliki sifat; dapat dibedakan, diurutkan, punya jarak, dan punya nol mutlak.
Contoh : A dan B adalah dua mahasiswa Universitas “T” yang nilai mata kuliah
statistik masing-masing 45 dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B adalah nilai
2 kali nilai A.
1.4 PENGUMPULAN DATA
1.4.1 Berdasarkan Jenis dan Cara Pengumpulan
-Observasi
adalah cara pengumpulan data dengan tujuan dan melihat langsung ke lapangan terhadap objek
yang diteliti.
-Literarur
Cara pengumpulan data berdasarkan data yang telah ada dari peneliti sebelumnya atau
berdasarkan sumber lain, misal buku, media elektronik dll
-Angket ( Kuisioner)
adalah cara pengumpulan data dengan menggunakan daftar pertanyaan (angket) terhadap objek
yang diteliti.
-Wawancara
cara pengumpulan data dengan langsung mengadakan tanya jawab kepada objek yang diteliti.

1.4.2 Berdasarkan Banyaknya Data Yang Diambil

-Sensus
pengambilan data secara keseluruhan dari obyek yang akan di teliti
-Sampling
pengambilan data dari sebagian populasi yang akan diteliti

1.5 Penyajian Data

1.5.1 Tabel
Tabel adalah daftar yang berisi ikhtisar sejumlah data-data informasi yang biasanya berupa kata-
kata maupun bilangan yang tersusun dengan garis pembatas

 Tabel Data Tunggal

Tabel Nama siswa dan Nilai Statistik Jurusan TI Kampus Teknokrat
  Tabel Data Berkelompok
Jarak Tempuh Siswa ke Sekolah(km)

1.5.2 Grafik

Grafik adalah gambaran dinamika data yang ada (bisa naik, turun, atau naik turun). Awal yang
harus kita lakukan dalam membaca data pada grafik adalah dengan melihat judul grafik
kemudian baru melihat data yang ada. Ada banyak macam grafik diantaranya adalah grafik
batang dan grafik garis.
1.5.3 Diagram
Diagram adalah gambaran tentang suatu data yang lebih memntingkan hasil penelitian.
Biasanya diagram diurutkan dari data sedikit ke banyak atau sebaliknya. Berbeda dengan grafik
yang lebih mementingkan dinamika pada data yang disajikan. Diagram ini dapat berupa diagram
lingkaran ataupun diagram batang

CONTOH “DIAGRAM LINGKARAN”

Banyak siswa di Kecamatan X menurut tingkat sekolah pada tahun 2006 adalah sebagai berikut.
SD sebanyak 10.000 siswa, SMP sebanyak 7.500 siswa, SMA sebanyak 5.000 siswa, dan SMK
sebanyak 2.500 siswa.
Buatlah diagram lingkaran dari data tersebut.
Jawab:
Perbandingan banyak siswa SD, SMP, SMA, dan SMK adalah
10.000 : 7.500 : 5.000 : 2.500 = 4 : 3 : 2 : 1.
Jumlah perbandingan = 4 + 3 + 2 + 1 = 10.
Ukuran sudut pusat juring dari setiap kategori adalah sebagai berikut.

Jika kamu ingin mengetahui persentase dari setiap kategori, caranya sebagai berikut.
Dengan menggunakan ukuran sudut pusat yang diperoleh dan berdasarkan presentase, diagram
lingkaran yang dihasilkan tampak pada Gambar berikut.
 BAB II
UKURAN PEMUSATAN DATA

Ukuran pemusatan data merupakan salah satu pengukuran data dalam statistika. Statistika adalah
pengetahuan yang berhubungan dengan cara mpenyusunan data, penyajian data, dan penarikan
kesimpulan mengenai suatu keseluruhan berdasarkan data yang ada pada bagian dari keseluruhan
tadi. Yang termasuk dalam ukuran pemusatan data adalah rataan (Mean), Median, Modus . Untuk
memudahkan anda dalam memahami materi ini, dibawah ini akan kita uraikan penjelasan dibawah
ini.

2.1.Rataan (Mean)

Mean atau rata-rata hitung adalah nilai yang diperoleh dari jumlah sekelompok data dibagi dengan
banyaknya data. Rata-rata disimbolkan dengan x.

 Rata-Rata untuk Data Tunggal

Keterangan:
ẋ= rata-rata
n = banyaknya data
xi = nilai data ke i

Contoh:

Nilai ulangan matematika 15 siswa kelas XIIPAadalah 7,8,6,4,10, 5,9,7, 3,8, 6, 5, 8, 9, dan 7. Tentukan
nilai rata-ratanya.

Jawab : X = 6.8

 Rata-Rata untuk Data Bergolong (Berkelompok)

Keterangan:
xi = nilai tengah data ke-i
fi = frekuesni data ke -i
xs = rataan sementara (dipilih pada interval dengan frekuensi terbesar)
di = simpangan ke-i (selisih nilai xi dengan nilai xs)

Contoh untuk data berkelompok :

Tentukan rata-rata dari data berikut.

NILAI FREKUENSI

11 - 15 4

16 - 20 5

21 - 25 8
 26 - 30 8

31 - 35 4

36 - 40 2

Jawab:

Cara I:

NILAI XI FI FIXI

11 - 15 13 4 52

16 - 20 18 5 90

21 - 25 23 8 161

26 - 30 28 8 224

31 - 35 33 4 132

36 - 40 38 2 76

Jumlah 30 735

Penyelesaian:

Cara II:
 NILAI FI XI DI FIDI

11 - 15 4 13 -15 -60

16 - 20 5 18 -10 -50

21 - 25 8 23 -5 -35

26 - 30 8 28 0 0

31 - 35 4 33 5 20

36 - 40 2 38 10 20

Jumlah 30 -105

Penyelesaian:

2.2Median
Median adalah nilai data yang terletak di tengah setelah data diurutkan. Dengan demikian, median
membagi data menjadi dua bagian yang sama besar. Median (nilai tengah) disimbolkan dengan
Me.

 Median untuk Data Tunggal

1. Jika banyaknya data n ganjil maka median

2. Jika banyaknya n genap maka

Contoh :

Tentukan median dari data berikut.

1. 8,6,4,3,7,5,8,10,8,9,8,5
2.

Nilai 3,4,5,6,7,8,9

Frekuensi 2,5,7,8,10,5,4

Jawab:

1. Data diurutkan : 3 4 5 5 6 7 8 8 8 8 9 10
N= 12 (genap)
Jadi, mediannya adalah 7,5

2. n = 41 (ganjil)
  Median untuk data berkelompok

Keterangan:
Me = median
Tb = tepi bawah kelas median
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas median
f = frekuensi kelas median

Contoh median berkelompok :

Tentukan median dari data berikut.

DATA FREKUENSI

11-20 5

21-30 3

31-40 8

41-50 7

51-60 4

61-70 9

Jumlah 36
Jawab:

Karena banyaknya data adalah 36 maka median terletak diantara data ke-18 dan data ke-19
sehingga diperoleh kelas yang mengandung median adalah 4-40. Dengan demikian , Tb = 41-0,5
= 40,5; p=10 (11-20); f =7; F= 16.

DATA F FK

11-20 5 5

21-30 3 8

31-40 8 16

41-50 7 23

51-60 4 27

61-70 9 36

Penyelesaian:

Jadi, mediannya adlah 43,36

2.3 Modus
Modus adalah data yang paling sering muncul atau memiliki frekuensi tertinggi. Modus
dilambangkan dengan Mo.
  Modus untuk data tunggal
Modus dari data tunggal adalah data yang paling sering muncul.

Contoh modus data tunggal

Tentukan modus dari data : 7,6,5,8,3,7,9,4,6,4,8,4,10,7,5,7,8

Jawab:

Data diurutkan: 3,4,4,4,5,5,6,6,7,7,7,7,8,8,8,9,10.

Nilai 7 muncul paling banyak, yaitu 4 kali.
Jadi, modusnya adalah 7

 Modus untuk data bergolong

Keterangan :
Mo : modus
Tb : tepi bawah kelas modus
p : panjang kelas
d1 : selisih frekuensi kelas modus dengan kelas sebelumnya
d2 : selisih frekuensi kelas modus dengan kelas sesudahnya

Contoh modus berkelompok

Tentukan modus dari data berikut

DATA FREKUENSI

11-20 5

21-30 3

31-40 8
 DATA FREKUENSI

41-50 7

51-60 4

61-70 9

Jumlah 36

Jawab:

Karena kelas dengan frekuensi terbanyak 9 maka modus terletak diantara kelas 51-60; tb=51-
0,5=50,5; p=10(11-20); di=9-4=5; F=16.

Penyelesaian:

Jadi, modusnya adalah 53,36

 BAB III
UKURAN PENYEBARAN DATA/ DISPERSI

Ukuran Dispersi

Menurut Hasan (2011 : 101) ukuran dispersi atau ukuran variasi atau ukuran penyimpangan
adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau
ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam menggambarkan
sekumpulan data. Jadi, dengan adanya ukuran dispersi maka penggambaran sekumpulan data akan
menjadi lebih jelas dan tepat.
Macam-macam ukuran dispersi adalah jangkauan, rerata deviasi, variansi, dan deviasi baku.
A. Jangkauan (Range , R)

Menurut Hasan (2011 : 101), jangkauan atau ukuran jarak adalah selisih nilai terbesar data
dengan nilai terkecil data. Menurut Riduwan dan Akdon (2013 : 39) range (rentangan) ialah data tertinggi
dikurangi data terendah. Sedangkan menurut Siregar (2010 : 40), rentang atau daerah jangkauan adalah
selisih antara nilai terbesar sama nilai terkecil dari serangkaian data. Dan menurut Usman dan Akbar
(2008 : 95), rentang ialah ukuran variasi yang paling sederhana yang dihitung dari datum terbesar
dikurang datum data terkecil.
Jadi jangkauan adalah selisih antara nilai tertinggi dengan nilai terendah dari serangkaian data.
Berikut adalah rumus jangkauan (range) untuk data tunggal dan data kelompok menurut Hasan (2011 :
101) adalah sebagai berikut :

1. Data tunggal
Bila ada sekumpulan data tunggal 𝑥1,𝑥2,𝑥3,…,𝑥𝑛 maka jangkauannya adalah
Jangkauan = 𝑥𝑛−𝑥1
Contoh soal :
Tentukan jangkauan data : 1, 4, 7, 8, 9, 11
Penyelesaian :
𝑋6=11 dan 𝑋1=1
Jangkauan = X6 – X1 = 11 – 1 = 10
2. Data kelompok
Untuk data berkelompok, jangkauan dapat ditentukan dengan dua cara yaitu menggunakan titik atau nilai
tengah dan menggunakan tepi kelas.
a. Jangkauan adalah selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah.

b. Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas terendah.

Contoh soal :
Tentukan jangkauan dari distribusi frekuensi berikut !
Tabel 1

Pengukuran Tinggi Badan 50 Frekwensi

Mahasiswa Tinggi Badan (cm)
140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 – 174 3
Jumlah 80

Penyelesaian :

Titik tengah kelas terendah = 142

Titik tengah kelas tertinggi = 172

Tepi bawah kelas terendah = 139,5

Tepi atas kelas tertinggi = 174,5

1) Jangkauan = 172 – 142 = 30

2) Jangkauan = 174,5 – 139,5 = 35

B. Rerata Deviasi (Simpangan Rata-rata)

Menurut Hasan (2011 : 105) deviasi rata-rata adalah nilai rata-rata hitung dari harga mutlak
simpangan-simpangannya. Cara mencari deviasi rata-rata, dibedakan antara data tunggal dan data
kelompok.

1. Deviasi rata-rata data tunggal

Untuk data tunggal, deviasi rata-ratanya dapat dihitung dengan menggunakan

rumus:

DR = 1𝑛Σ| 𝑋− 𝑋̅ |= Σ| 𝑋− 𝑋 |̅𝑛
̅

Contoh soal:

Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11!

Rata-rata hitung = 𝑋̅= 2 + 3+ 6 + 8+ 115=6

Σ| 𝑋𝑖−𝑋 | = |2 - 6| + |3 - 6| + |6 - 6| + |8 - 6| + |11 - 6| = 14

̅
𝐷𝑅= Σ| 𝑋𝑖− 𝑋 ǀ̅𝑛

= 145=2,8

2. Deviasi rata –rata untuk data kelompok

DR = 1𝑛 Σ𝑓 | 𝑋− 𝑋 ̅|= Σ𝑓 | 𝑋− 𝑋 |̅𝑛
̅

Contoh soal:

Tentukan deviasi rata-rata dari distribusi frekuensi pada Tabel 1 Pengukuran Tinggi Badan 50 Mahasiswa

Penyelesaian:

C. Variansi

Menurut Riduwan dan Akdon (2013 : 43), variance (varians) adalah kuadrat dari simpangan
baku. Fungsinya untuk mengetahui tingkat penyebaran atau variasi data. Sedangkan menurut Hasan
(2011: 107),variansi adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-rata
kuadrat. Untuk sampel, variansnya (varians sampel) disimbolkan dengan s². Untuk populasi, variansnya
(varians populasi) disimbolkan dengan 𝜎² (baca: sigma).

1. Varians data tunggal

Untuk seperangkat data 𝑥1,𝑥2,𝑥3,…,𝑥𝑛 (data tunggal), variansnya dapat ditentukan dengan dua metode,
yaitu metode biasa dan metode angka kasar.

a. Metode biasa

1) Untuk sampel besar ( n >30 ) :

s² = Σ( 𝑋− 𝑋 )²̅̅𝑛

2) Untuk sampel kecil ( n ≤30 ) :

s² = Σ( 𝑋− 𝑋 )²̅̅𝑛−1

b. Metode angka kasar

1) Untuk sampel besar ( n >30 ) :

s² = Σ𝑋²𝑛− (Σ𝑋𝑛)2

2) Untuk sampel kecil ( n ≤30 )∶

s² = Σ𝑋²𝑛−1 – ( Σ𝑋 )²𝑛(𝑛−1)

Contoh soal:

Tentukan varians dari data 2, 3, 6, 8, 11!

2.Varians data berkelompok

Untuk data berkelompok (distribusi frekuensi), variansnya dapat ditentukan menggunakan tiga metode,
yaitu metode biasa, metode angka kasar, dan metode coding.

a. Metode biasa

1) Untuk sampel besar (n > 30)

s²= Σ𝑓(𝑋−𝑋)²̅̅𝑛

2) Untuk sampel kecil (n ≤ 30)

s²= Σ𝑓(𝑋−𝑋)²̅̅𝑛−1

D. Simpangan Baku (Standar Deviasi)

Menurut Ridwan dan Akdon (2013 : 40), standard deviation (simpangan baku) ialah suatu nilai
yang menunjukkan tingkat (derajat) variasi kelompok atau ukuran standar penyimpangan dari reratanya.
Sedangkan menurut Hasan (2011 : 112) Simpangan baku adalah akar dari tengah kuadrat simpangan dari
nilai tengah atau akar simpangan rata-rata kuadrat. Untuk sampel, simpangan bakunya (simpangan baku
sampel) disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan baku populasi)
disimbolkan σ. Untuk menentukan nilai simpangan baku, caranya ialah dengan menarik akar dari varians.
Jadi, 𝑠= √𝑣𝑎𝑟𝑖𝑎𝑛𝑠

Cara mencari simpangan baku, dibedakan antara data tunggal dan berkelompok.

1. Simpangan baku data tunggal

Untuk seperangkat data 𝑥1,𝑥2,𝑥3,…,𝑥𝑛 (data tunggal) simpangan bakunya dapat ditentukan dengan dua
metode, yaitu metode biasa dan metode angka kasar.

a. Metode biasa

1) Untuk sampel besar ( n >30 ) :

s = √Σ( 𝑋− 𝑋 ̅)2𝑛

2) Untuk sampel kecil ( n ≤30 ) :

s = √Σ( 𝑋− 𝑋 )²̅̅𝑛−1

b. Metode angka kasar

1) Untuk sampel besar ( n >30 ) :

s = √Σ𝑋²𝑛− (Σ𝑋𝑛)²

2) Untuk sampel kecil ( n ≤30 )∶

s = √Σ𝑋²𝑛−1 – ( Σ𝑋 )²𝑛(𝑛−1)
Contoh soal:

1. Tentukan simpangan baku (standar deviasi) dari data 2, 3, 6, 8, 11!

Penyelesaian:

Dari perhitungan diperoleh varians (s2) = 13,5

Dengan demikian simpangan bakunya adalah 𝑠= √𝑣𝑎𝑟𝑖𝑎𝑛𝑠

= √13,5

= 3,67

2. Berikut ini adalah sampel nilai mid test statistik 1 dari sekelompok mahasiswa di sebuah universitas.

30, 35, 42, 50, 58, 66, 74, 82, 90, 98

Tentukan simpangan baku dari data di atas!

Penyelesaian :

n= 10

𝑋−𝑋̅ (𝑋
 BAB IV
Teori Peluang

A. Pengertian Probabilitas
Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu peristiwa (event) akan
terjadi di masa mendatang. Probabilitas dapat juga diartikan sebagai harga angka yang menunjukkan
seberapa besar kemungkinan suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin
terjadi. Probabilitas dilambangkan dengan P.

Contoh 1:

Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata uang tersebut dilambungkan satu kali,
peluang untuk keluar sisi H adalah ½.

Contoh 2:

Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu kali adalah 1/6 (karena
banyaknya permukaan dadu adalah 6).

Rumus :

P (E) = X/N

P: Probabilitas

E: Event (Kejadian)

X: Jumlah kejadian yang diinginkan (peristiwa)

N: Keseluruhan kejadian yang mungkin terjadi

Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu peristiwa akan terjadi. Suatu
probabilitas dinyatakan antara 0 sampai 1 atau dalam presentase. Probabilitas 0 menunjukkan peristiwa
yang tidak mungkin terjadi, sedangkan probabilitas 1 menunjukkan peristiwa yang pasti terjadi.

Ada tiga hal penting dalam probabilitas, yaitu:

1.Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan timbulnya
paling sedikit 2 peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.

2.Hasil adalah suatu hasil dari sebuah percobaan.

3.Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau kegiatan.
B. Manfaat Probabilitas dalam Peneitian

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam mengambil suatu
keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita tinjau pada saat kita melakukan
penelitian, probabilitas memiliki beberapa fungsi antara lain:

Membantu peneliti dalam pengambilan keputusan yang lebih tepat.

Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis yang terkait tentang
karakteristik populasi.

Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu populasi.

C. Pendekatan Probabilitas

Ada 3 (tiga) pendekatan konsep untuk mendefinisikan probabilitas dan menentukan nilai-nilai
probabilitas, yaitu : (1). Pendekatan Klasik, (2). Pendekatan Frekuensi Relatif, dan (3). Pendekatan
Subyektif.

1. Pendekatan Klasik

Pendekatan klasik didasarkan pada sebuah peristiwa mempunyai kesempatan untuk terjadi sama
besar (equally likely). Probabilitas suatu peristiwa kemudian dinyatakan sebagai suatu rasio antara jumlah
kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa terhadap hasil).

Probabilitas suatu peristiwa = Jumlah kemungkinan hasil / Jumlah total kemungkinan hasil

Jika ada a kemungkinan yang dapat terjadi pada kejadian A dan ada b kemungkinan yang dapat terjadi
pada kejadian A, serta masing-masing kejadian mempunyai kesempatan yang sama dan saling asing,
maka probabilitas/peluang bahwa akan terjadi a adalah:

P (A) = a/a+b ; dan peluang bahwa akan terjadi b adalah: P (A) = b/a+b

Contoh:

Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika yang diterima hanya 1,
berapa peluang bahwa ia merupakan wanita?

Jawab:

P (A) = 15/10+15 = 3/5

2. Pendekatan Relatif
Besarnya probabilitas suatu peristiwa tidak dianggap sama, tetapi tergantung pada berapa banyak suatu
peristiwa terjadi dari keseluruhan percobaan atau kegiatan yang dilakukan. probabilitas dapat dinyatakan
sebagai berikut :

Probabilitas kejadian relatif = Jumlah peristiwa yang terjadi / Jumlah total percobaan atau kegiatan

Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka probabilitas/peluang akan terjadi A
untuk N data adalah: P (A) = a/N

Contoh:

Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada musim dingin. Apabila
lokakarya diadakan di Puncak, berapa probabilitas terjadi 1 orang sakit flu dari 400 orang karyawan yang
ikut serta?

Jawab:

P (A) = 5/400 = P (A) = 1/80

3. Pendekatan Subjektif
Besarnya suatu probabilitas didasarkan pada penilaian pribadi dan dinyatakan dalam derajat kepercayaan.
Penilaian subjektif diberikan terlalu sedikit atau tidak ada informasi yang diperoleh dan berdasarkan
keyakinan.

D. Konsep Dasar dan Hukum Probabilitas

Dalam mempelajari hukum dasar probabilitas berturut-turut akan dibahas hukum penjumlahan dan hukum
perkalian.

1. Hukum Penjumlahan

Hukum penjumlahan menghendaki peristiwa saling lepas (mutually exclusive) dan peristiwa/kejadian
bersama (non mutually exclusive).

Saling meniadakan (mutually exclusive)

Apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi pada saat bersamaan.
Rumus penjumlahan untuk kejadian-kejadian yang saling meniadakan:

P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:

Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu adalah:

P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

Kejadian Bersama (Non Mutually Exclusive)

Peristiwa Non Mutually Exclusive (Joint) dua peristiwa atau lebih dapat terjadi bersama-sama (tetapi
tidak selalu bersama).
Rumus penjumlahan untuk kejadian-kejadian yang tidak saling meniadakan:

Dua Kejadian

P (A U B) =P(A) + P (B) – P(A ∩ B)

Tiga Kejadian

P(A U B U C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan peristiwa B. Akan tetapi
karena ada elemen yang sama dalam peristiwa A dan B, Gabungan peristiwa A dan B perlu dikurangi
peristiwa di mana A dan B memiliki elemen yang sama. Dengan demikian, probabilitas pada keadaan di
mana terdapat elemen yang sama antara peristiwa A dan B maka probabilitas A atau B adalah probabilitas
A ditambah probabilitas B dan dikurangi probabilitas elemen yang sama dalam peristiwa A dan B.
Peristiwa Pelengkap (Complementary Event)

Apabila peristiwa A dan B saling melengkapi, sehingga jika peristiwa A tidak terjadi, maka peristiwa B
pasti terjadi. Peristiwa A dan B dikatakan sebagai peristiwa komplemen.
Rumus untuk kejadian-kejadian yang saling melengkapi :

P(A)+P(B) = 1 atau P(A) = 1 – P(B)

2. Hukum Perkalian

Hukum Bebas (independent)

Hukum perkalian menghendaki setiap peristiwa adalah independen, yaitu suatu peristiwa terjadi tanpa
harus menghalangi peristiwa lain terjadi. Peristiwa A dan B independen, apabila peristiwa A terjadi tidak
menghalangi terjadinya peristiwa B.

P(A ∩ B) = P (A dan B) = P(A) x P(B)

Contoh soal 1:

Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua kalinya adalah:

P (5 ∩ 5) = 1/6 x 1/6 = 1/36

Contoh soal 2:

Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya hasil lambungan berupa sisi H
pada koin dan sisi 3 pada dadu adalah:

P (H) = ½, P (3) = 1/6

P (H ∩ 3) = ½ x 1/6 = 1/12

Peristiwa Bersyarat (Tidak Bebas) / (Conditional Probability)

Probabilitas bersyarat adalah probabilitas suatu peristiwa akan terjadi dengan ketentuan peristiwa
yang lain telah terjadi. Peristiwa B terjadi dengan syarat peristiwa A telah terjadi.

P(A dan B) = P(A x P(B|A) atau P(B dan A) = P(B) x P(A|B)

Contoh :

Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as adalah sebagai
berikut: Peluang as I adalah 4/52 -> P (as I) = 4/52

Peluang as II dengan syarat as I sudah tertarik adalah 3/51

P (as II │as I) = 3/51

P (as I ∩ as II) = P (as I) x P (as II│ as I) = 4/52 x 3/51 = 12/2652 =1/221

E. Diagram Pohon Probabilitas

Diagram pohon merupakan suatu diagram yang menyerupai pohon dimulai dari batang kemudian
menuju ranting dan daun. diagram pohon dimaksudkan untuk membantu menggambarkan probabilitas
atau probabilitas bersyarat dan probabilitas bersama. diagram pohon sangat berguna untuk menganalisis
keputusan-keputusan bisnis dimana terdapat tahapan-tahapan pekerjaan.

Contoh:

F. Ruang Sampel dan Titik Sampel

Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Ruang Sampel suatu percobaan dapat dinyatakan dalam bentuk diagram pohon atau
tabel.

Titik Sampel adalah anggota-anggota dari ruang sampel atau kemungkinan-kemungkinan yang muncul.

Contoh:
Pada percobaan melempar dua buah mata uang logam (koin) homogen yang berisi angka (A) dan gambar
(G) sebanyak satu kali. Tentukan ruang sampel percobaan tersebut.

a. Dengan Diagram Pohon

Kejadian yang mungkin:

AA : Muncul sisi angka pada kedua koin

AG : Muncul sisi angka pada koin 1 dan sisi gambar pada koin 2

b. Dengan Tabel

Ruang sampel = {(A,A), (A,G), (G,A), (G,G)}

Banyak titik sampel ada 4 yaitu (A,A), (A,G), (G,A), dan (G,G)

G. Teorema Bayes

Dalam teori probabilitas dan statistika, teorema Bayes adalah sebuah teorema dengan dua
penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat kepercayaan
subjektif harus berubah secara rasional ketika ada petunjuk baru. Dalam penafsiran frekuentis teorema ini
menjelaskan representasi invers probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika
Bayes dan memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi mikro),
teori permainan, kedokteran dan hukum. Penerapan teorema Bayes untuk memperbarui kepercayaan
dinamakan inferens Bayes.

atau

H. Prinsip Menghitung

1. Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam mengatur sesuatu. Hasil
perkalian semua bilangan bulat positif secara berurutan dari 1 sampai dengan n disebut n faktorial. Dari
definisi faktorial tersebut, maka dapat dituliskan prinsip menghitung faktorial sebagai berikut :

n ! = n x (n-1) x (n-2) x (n-3) x … 3 x 2 x 1

n ! dibaca n faktorial

nb: 0! = 1dan 1! = 1

Contoh:

3! = 3 x 2 x 1 = 6
5! = 5 x 4 x 3 x 2 x 1 = 120

2. Permutasi
Permutasi digunakan untuk mengetahui jumlah kemungkinan susunan (arrangement) jika terdapat satu
kelompok objek. pada permutasi berkepentingan dengan susunan atau urutan dari objek. Permutasi
dirumuskan sebagai berikut :
atau

dimana :

P = Jumlah permutasi atau cara objek disusun

n = jumlah total objek yang disusun
r/k = jumlah objek yang digunakan pada saat bersamaan, jumlah r/k dapat sama dengan n atau lebih kecil

! = tanda dari faktorial

Contoh:

Di kantor pusat DJBC Ada 3 orang staff yang dicalonkan untuk menjadi mengisi kekosongan 2 kursi
pejabat eselon IV. Tentukan banyak cara yang bisa dipakai untuk mengisi jabatan tersebut?

jawab : Permutasi P (3,2), dengan n =3 (banyaknya staff) dan k =2 (jumlah posisi yang akan diisi)

Permutasi Unsur-unsur yang sama

Contoh:

Tentukan permutasi atas semua unsur yang dibuat dari kata MATEMATIKA!

Jawab: pada kata MATEMATIKA terdapat 2 buah M, 3 buah A, dan 2 buah T yang sama, sehingga
permutasinya adalah:
Permutasi Siklis

RUMUS: banyaknya permutasi = (n-1)!

Contoh:

Suatu keluarga yang terdiri atas 6 orang duduk mengelilingi sebuah meja makan yang berbentuk
lingkaran. Berapa banyak cara agar mereka dapat duduk mengelilingi meja makan dengan cara yang
berbeda?
Jawab :
Banyaknya cara agar 6 orang dapat duduk mengelilingi meja makan dengan urutan yang berbeda sama
dengan banyak permutasi siklis (melingkar) 6 unsur yaitu :

3. Kombinasi

Kombinasi digunakan apabila ingin mengetahui berapa cara sesuatu diambil dari keseluruhan objek tanpa
memperhatikan urutannya. Jumlah kombinasi dirumuskan sebagai berikut:

Contoh:

Saat akan menjamu Bayern Munchen di Allianz arena, Antonio Conte (Pelatih Juventus) punya 20
pemain yang akan dipilih 11 diantaranya untuk jadi starter. Berapa banyak cara pemilihan starter tim
juventus? (tidak memperhatikan posisi pemain).
 BAB V
DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan

terjadinya peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan. Jika kita mengetahui keseluruhan
probabilitas dari kemungkinan outcome yang terjadi, seluruh probabilitas
kejadian tersebut akan membentuk suatu distribusi probabilitas.
Distribusi peluang mempunyai hubungan yang erat dengan distribusi
frekuensi. Frekuensi dalam distribusi frekuensi diperoleh berdasarkan
percobaan atau hasil observasi sedangkan frekuensi dalam distribusi
peluang merupakan has il yang diharapkan jika percobaan atau pengamatan
dilakukan.
Distribusi Peluang Teoritis : Tabel atau Rumus yang men cantumkan semua
kemungkinan nilai peubah acak berikut peluangnya.
Distribusi peluang dibagi menjadi dua, yaitu :
a. Distribusi Peluang Diskrit : Binomial, Hipergeometrik, Poisson b.
Distribusi Peluang Kontinyu : Normal, t, F, X²(chi kuadrat)
Distribusi Peluang Binomial
Penemu Distribusi Binomial adalah James Bernaulli sehingga dikenal
juga sebagai Distribusi Bernaulli. Distribusi Peluang Binomial menggambarkan
fenomena dengan dua hasil atau outcome. Contoh: peluang sukses dan
gagal,sehat dan sakit, dsb.
Misalnya saja dalam pelemparan sekeping uang logam sebanyak 5 kali, hasil
setiap ulangan mungkin muncul sisi gambar atau sisi angka. Kita dapat
menentukan salah satu di antara keduanya asebagai ”berhasil”. Begitu
pula bila 5 kartu diambil berturut -turut, kita dapat memberi label ”berhasil”
bila yang terambil adalah kartu merah atau ”gagal” bila yang terambil adalah
kartu hitam. Bila setiap kali kartu dikembalikan sebelum pengembalian
berikutnya, maka kedua percobaan yang disebutkan di atas mempunyai ciri
-ciri yang sama, yaitu bahwa ulangan -ulangan tersebut bersifat bebas
dan peluang keberhasilan setiap ulangan tetep sama yaitu sebesar ½, sedangkan
pada pengembalian yang kedua peluang itu bersifat bersyarat, bernilai 26/51
atau 25/51, bergantung pada hasil pengambilan pertama. Bila demikian
halnya, percobaan ini bukan lagi percobaan binom.
Syarat Distribusi Binomial
1. Jumlah trial merupakan bilangan bulat.
Contoh : melambungkan coin 2 kali, tidak mungkin2 ½ kali .
2. Setiap eksperiman mempunyai dua outcome (hasil).
Contoh: sukses atau gagal, laki -laki atau perempuan, sehat atau sakit,
setuju atau tidak setuju.
3. Peluang keberhasilan = p dan dalam set iap ulangan nilai p tidak
berubah.
Peluang gagal = q = 1- p.
4. Setiap ulangan bersifat bebas satu dengan yang lain.
Definisi Distribusi Peluang Binomial

n n-x x
b(x;n,p) Cx p q
untuk x = 0,1,23,...,n

n: banyaknya ulangan
x: banyak keberhasilan dalam peubah acak X
p: peluang berhasil pada setiap ulangan
q: peluang gagal = 1 - p pada setiap ulangan

Catatan :
untuk memudahkan membedakan p dengan q, anda terlebih dahulu harus
dapat menetapkan mana kejadian SUKSES mana yang GAGAL. Anda dapat
menetapkan bahwa kejadian yang ditan yakan adalah =
kejadian SUKSES

Contoh :
Tentukan peluang mendapatkan "MATA 1" muncul 3 kali pada
pelemparan 5 kali sebuah dadu setimbang!
Kejadian sukses/berhasil = mendapat "MATA 1" x =
3
n=5 pelemparan diulang 5 kali
1 1 5
p =6 q = 1- 6 = 6

n x n-x
b(x;n,p) Cx p q

1 5 3 2
b( 3;5, ) C (1 ) (5 )
6 3 6 6
5! 52
= 3!2! 65 = 10 0.003215...= 0.03215...
Contoh:
Peluang seorang mahasiswa membolos adalah 6:10, jika terdapat 5
mahasiswa, berapa peluang terdapat 2 orang mahasiswa yang tidak m em
bolos?

Kejadian yang ditanyakan Kejadian SUKSES = TIDAK MEMBOLOS Yang

diketahui peluang MEMBOLOS = q = 6 : 10 = 0.60
p = 1 - q = 1 - 0.60 = 0.40 x = 2, n = 5 b(x =
2; n = 5, p = 0.40) = ....................

Tabel Peluang Binomial

Soal-soal peluang peluang binomial dapat diselesaikan dengan bantuan
Tabel Distribusi Peluang Binomial (Lihat hal 157 -162, Statistika 2)
Cara membaca Tabel tersebut :
Misal :
n x p = 0.10 p = 0.15 p = 0.20 dst

5 0 0.5905 0.4437 0.3277

1 0.3280 0.3915 0.4096
2 0.0729 0.1382 0.2048
3 0.0081 0.0244 0.0512
4 0.0004 0.0020 0.0064
5 0.0000 0.0001 0.0003

Perhatikan Total setiap Kolom p = 1.0000 (atau karena pembulatan,

nilainya tidak persis = 1.0000 hanya mendekati 1.0000)
Contoh :
x=0 n=5 p = 0.10 b(0; 5, 0.10) = 0.5905
x =1 n = 5 p = 0.10 b(1; 5, 0.10) = 0.3280

Jika 0 x 2, n = 5 dan p = 0.10 maka

b(x; n, p) = b(0; 5, 0.10)+ b(1; 5, 0.10)+b(2;5,0.10)
= 0.5905 + 0.3280 +0.0729
= 0.9914

Contoh :
Suatu perusahaan “pengiriman paket ” terikat perjanjian bahwa keterlambatan
paket akan menyebabkan perusahaan harus membayar biaya kompensasi.
Jika Peluang setiap kiriman akan terlambat adalah 0.20 Bila terdapat
5 paket, hitunglah probabilitas :
a. Tidak ada paket yang terlambat, sehingga perusahaan tidak
membayar biaya kompensa si? (x = 0)
b. Lebih dari 2 paket terlambat? (x 2)
c. Tidak Lebih dari 3 paket yang terlambat?(x 3)
d. Ada 2 sampai 4 paket yang terlambat?(2 x 4)
e. Paling tidak ada 2 paket yang terlambat?(x 2)

Jawab
a. x = 0 b(0; 5, 0.20) = 03277 (li hat di tabel atau dihitung dgn
rumus)
 b. x 2 Lihat tabel dan lakukan penjumlahan sebagai berikut :
b(3; 5, 0.20) + b(4; 5, 0.20) + b(5; 5, 0.20) =
0.0512+ 0.0064 + 0.0003 = 0.0579
atau .....
1 - b(x 2) = 1 - [b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20)
= 1 - [0.3277 + 0.4096 + 0.2048)
= 1 - 0.9421 = 0.0579
(hasilnya sama dengan perhitungan sebelumnya, bukan?)

c. x 3 Lihat tabel dan lakukan penjumlahan

b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20) +b(3; 5, 0.20) =
0.3277 + 0.4096 + 0.2048 + 0.0512 = 0.9933
atau ....
1 - b(x 3) = 1 - [ b(4; 5, 0.20) + b(5; 5, 0.20)]
= 1 - [0.0064 + 0.0003] = 1 - 0.0067 = 0.9933
(hasilnya sama dengan perhitungan sebelumnya, bukan?)

d. 2 x 4 Lihat tabel dan lakuka n penjumlahan sebagai berikut:

b( 2; 5, 0.20) + b(3; 5, 0.20) + b(4; 5, 0.20) =
0.2048 + 0.0512 +0,0064 = 0.2624 e.

Kerjakan sendiri!!!
Rata-rata dan Ragam Distribusi Binomial b(x; n, p) adalah
Rata-rata = np
Ragam ² = npq

n = ukuran populasi
p = peluang keberhasilan setiap ulangan q =
1 - p = peluang gagal setiap ulangan

Contoh :
Untuk b(5; 5 0.20), di mana x = 5, n = 5 dan p = 0.20
sehingga q = 0.80 maka
=5 0.20 = 1.00
² =5 0.20 0.80 = 0.80

= 0.80 = 0.8944....

Soal Evaluasi :
1. Suatu ujian terdiri atas 15 pertanyaan pilihan bergan da, masing-
masing dengan empat kemungkinan jawaban dan hanya ada satu yang
benar. Berapa peluang seseorang yang menjawab secara menebak -
nebak saja memperoleh 5 samapi
10 jawaban yanag benar ?

2. Peluang seseorang lulus ujian masuk UMJ adalah 0,8. Bila 25 orang
mengikuti ujian masuk UMJ tentukan peluang bahwa ada
8 sampai 16 orang yang lulus ujian ?
3. Misalkan hanya 40 persen penghuni rumah yang membayar iuran
siskamling. Jika dipanggil secara random 10 penghuni rumah, berapakah
probabilitas bahwa sebagian besar membayar iuran siskamling

4. Peluang seseorang sembuh dari suatu penyakit adala h 0,7. Bila

30 orang diketahui menderita penyakit ini berapa peluang
bahwa :
a. sekurang-kurangnya 10 orang dapat sembuh b.
ada 5 sampai 15 orang yang sembuh
c. tepat 5 orang yang sembuh

5. Persentase mahasiswa yang lulus dalam mengikuti kuliah statistic

adalah 80%. Jika kita memilih dari 20 dari mahasiswa tersebut, rata -rata
dan standar deviasi distribusi binomialnya adalah
Distribusi Peluang Hipergeometrik

Sebaran binomial tidak berlaku untuk, misalnya, pengambilan 3

kartu merah dalam 5 kali pengambilan acak tanpa mengembalikan
dan mengocok lagi.
Tinjau pengambilan 5 kartu secara acak lalu hitung peluang
munculnya 3 kartu merah dari 26 yang ada dan 2 kartu hitam dari 26
sisanya. Ada C(26,3) cara untuk mengambil kartu merah dan C(26,2)
cara untuk kartu hitam. Jadi, total akan ada C(26,3) ⋅C(26,2) untuk

eksperimen ini. Tetapi, ada C(52,5) cara untuk mengambil 5 dari 52

kartu tanpa penggantian sehingga peluang terambil 3 kartu merah

dan 2 hitam adalah.
C(26,3)⋅C(26,2)/C(52,5) = 0.3251

Contoh di atas menggambarkan eksperimen hipergeometrik . Kita

ingin menghitung peluang x buah dari pengambilan k benda yang
dinamakan sukses dann -x gagal dari N-k benda yang dilabeli sebagai
gagal jika n buah cuplikan acak diambil dari N benda.

Peluang Binomial  perhatian hanya untuk peluang BERHASIL

Peluang Hipergeometrik  untuk kasus di mana peluang
BERHASIL berkaitan dengan Peluang
GAGAL
 ada penyekatan dan pemilihan/kombinasi
obyek
(BERHASIL dan GAGAL)
Percobaan hipergeometrik adalah percobaan dengan ciri -ciri sebagai
berikut:
1. Contoh acak berukuran n diambil dari populasi berukuran N
2. k dari N diklasifikasikan sebagai "BERHASIL" sedangkan N -k
diklasifikasikan sebagai "GAGAL"

Definisi Distribusi Hipergeometrik:

Bila dalam populasi N obyek, k benda termasuk kelas "BE RHASIL"

dan N-k (sisanya) termasuk kelas "GAGAL", maka Distribusi
Hipergeometrik peubah Acak X yg menyatakan banyaknya
keberhasilan dalam contoh acak berukuran n adalah :

C k C N k
n x
h( x; N , n, k )  x
N
C
n
untuk x = 0,1,2,3...,k

Contoh :
Jika dari seperangkat kartu bridge diambil 5 kartu secara acak tanpa
pemulihan, berapa peluang diperoleh 3 kartu hati?
Jawab :
N = 52 n=5 k = 13 x=3
C 13 C 39

h(3;52,5,13)  3 2
C552 (selesaikan sendiri !)
Rata-Rata dan Ragam bagi Distribusi Hipergeometrik h(x; N, n, k)
adalah :

nk N n k k
 2  n (1  )
Rata-rata = N Ragam = N 1 N N

Perluasan Distribusi Hipergeometrik jika terdapat lebih dari 2

kelas
Distribusi Hipergeometrik dapat diperluas menjadi penyekatan ke
dalam beberapa kelas
C a1  C a2  ak
x x Cx
f ( x , x ,..., x ; a , a ,..., a , N , n)  1 2 k

1 2 k 1 2 k
CnN
k
N   ai
k
n   xi
dan perhatikan bahwa i 1 dan i 1

N : ukuran populasi atau ruang contoh

n : ukuran contoh acak
k : banyaknya penyekatan atau kelas
xi : banyaknya keberhasilan kelas ke -i dalam contoh
ai : banyaknya keberhasilan kelas ke -i dalam populasi

Contoh :
Dari 10 pengemudi motor, 3 orang mengemudikan motor merk "S", 4
orang memggunakan motor merk "Y" dan sisanya mengemudikan
motor merk "H". Jika secara acak diambil 5 orang, berapa peluang 1
orang mengemudikan motor merk "S", 2 orang merk "Y" dan 2 orang merk
"H"?
Jawab :
N = 10, n=5
a1 = 3, a2 = 4, a3= 3
x1 = 1, x2 = 2, x3= 2

C3  C4  C3 3 6  3 54 3

f (1,2,2; 3,4,3, 10, 5)  1 2 2

    0.2142...
10
C5 252 252 18

Pendekatan Hipergeometrik dapat juga dilakukan untuk

menyelesaikan persoalan binomial :
• Binomial  untuk pengambilan contoh dengan pemulihan (dengan
pengembalian)
• Hipergeometrik  untuk pengambilan contoh tanpa pemulihan
(tanpa pengembalian)

Contoh :
Dalam suatu kotak terdapat 5 bola yang terdiri dari 2 bola Merah, 2
bola Biru dan 1 buah Putih. Berapa peluang
a. terambil 2 bola Merah, dari 4 kali pengambilan yang dilakukan
secara acak dengan pemulihan?
b. terambil 2 bola Merah, dari 4 kali pengambilan yang dilakukan
secara acak tanpa pemulihan?

Soal a diselesaikan dengan Distribusi Peluang binomial :

p = 2/5 = 0.40 n=4 x=2
b(2; 4,0.40) = 0.16 (lihat Tabel atau gunakan rumus Binomial)
Soal b diselesaikan dengan Distribusi Peluang Hipergeometrik
N=5 n=4 k=2 x=2
N-k = 3 n-x=2
C22 C23 1 3 3
5
   0.60
h(2; 5, 4,2) = C4 5 5

Soal Evaluasi :
1. Hitunglah peluang mendapatkan dua bilangan 1, satu bilangan
2, satu bilangan 3, dua bilangan 4, tiga bilangan 5, dan satu
bilangan 6, bila sebuah dadu setimbang dilemparkan 10 kali.
2. Menurut teori genetika , suatu persilangan kelinci percobaan
akan menghasilkan keturunan warna merah, hitam, dan putih
dalam perbandingan 8:4:4. Hitunglah peluang bahwa di antara
8 keturunan semacam ini ada 5 yang berwarna merah, 2 hitam,
dan 1 putih.
3. Dalam suatu konperensi, pel uang suatu delegasi tiba dengan
menggunakan pesawat terbang, bis, kendaraan pribadi, atau
kereta api, masing-masing adlaah 0.4, 0.2, 0.3, dan 0.1. Berapa
peluang bahwa di antara 9 delegasi yang diambil secara acak,
3 tiba dengan menggunakan pesawat terbang , 3 dengan bis, 1
dengan mobil pribadi, dan 2 dengan kereta api?
4. Dari 12 peluru kendali, 5 diambil secara acak dan ditembakkan,
bila di antara 12 peluru itu terdapat 3 peluru yang rusak
sehingga macet bila ditembakkan, berapa peluang bahwa :
a. Kelima-limanya berhasil ditembakkan
b. Sebanyak-banyaknya 2 yang macet
5. Seorang pramuria memeriksa secara acak 6 kartu identitas dari
9 orang mahasiswa yang 4 di antaranya belum memenuhi
 syarat batas umur untuk diperbolehkan minum -minuman
beralkohol. Berapa peluang bahwa ia akan menolak 2
mahasiswa yang ketahuan belum memenuhi syarat umur?
6. Sebuah kantung berisi 3 kelereng hijau, 2 kelereng biru, dan 4
kelereng merah. Bila 5 kelereng diambil secara acak, hitung
peluang terambilhya 2 kelereng biru dan sekurang -kurangnya 1
kelereng merah.
7. Seseorang menanam 5 umbi yang diambil secara acak dari
sebuah kotak yang berisi 5 umbi tulip dan 4 umbi daffodil.
Berapa peluang bahwa yag ditanam itu terdiri atas 2 daffodil
dan 3 tulip?
1 Sejarah Distribusi Poisson
• Dalam teori probabilitas dan statistika, distribusi poisson
(dilafalkan ejaan Per ancis: [pwasɔ ]) adalah distribusi probabilitas
diskret yang menyatakan peluang jumlah peristiwa yang terjadi
pada periode waktu tertentu apabila rata -rata kejadian tersebut
diketahui dan dalam waktu yang saling bebas sejak kejadian
terakhir atau bisa dikatakan sebagai peristiwa yang jarang
terjadi. (distribusi poisson juga dapat digunakan untuk jumlah
kejadian pada interval tertentu seperti jarak, luas, atau v olume).
• Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis
Poisson (1781–1840), seorang ahli matematika Pra ncis dan
diterbitkan, bersama teori probabilitasnya, pada tahun 1838
dalam karyanya Recherches sur la probabilité des jugements en
matière criminelle et en matière civile (“Penelitian Probabilitas
Hukum Masalah Pidana dan Perdata”). Karyanya memfokuskan
peubah acak N yang menghitung antara lain jumlah kejadian
diskret (kadang juga disebut "kedatangan") yang terjadi selama
interval waktu tertentu.
• Menurut Walpole (1995), distribusi poisson adalah distribusi
peluang acak poisson X, yang menyatakan banyaknya sukses
yang terjadi dalam suatu selang waktu atau daerah tertentu.
Definisi Distribusi Poisson

Distribusi poisson adalah

▪ Distribusi nilai-nilai bagi suatu variabel random X (X diskret),
yaitu banyaknya hasil percobaan yang terjadi dalam suatu
interval waktu tertentu atau di suatu daerah tertentu.
▪ Distribusi probabilitas diskret yang menyatakan peluang jumlah
peristiwa yang t erjadi pada periode waktu tertentu apabila rata -
rata kejadian tersebut diketahui dan dalam waktu yang saling
bebas sejak kejadian terakhir.

Percobaan Poisson memiliki ciri -ciri berikut :

1. Hasil percobaan pada suatu selang waktu dan tempat tidak
tergantung dari hasil percobaan di selang waktu dan tempat
yang lain yang terpisah
2. Peluang terjadinya suatu hasil percobaan sebanding dengan
panjang selang waktu dan luas tempat percobaan terjadi.
Hal ini berlaku hanya untuk selang waktu yang singkat
dan luas daerah yang sempit
3 Peluang bahwa lebih dari satu hasil percobaan akan terjadi
pada satu selang waktu dan luasan tempat yang sama
diabaikan

Selain itu, Distribusi poisson banyak digunakan dalam hal berikut:

• Menghitung probabilitas terjadinya per istiwa menurut satuan

waktu, ruang atau isi, luas, panjang tertentu, seperti menghitung
probabilitas dari:
▪ Banyaknya penggunaan telepon per menit atau banyaknya
mobil yang lewat selama 5 menit di suatu ruas jalan,
▪ Banyaknya bakteri dalam satu tetes atau 1 liter air,
 ▪ Banyaknya kesalahan ketik per halaman sebuah buku, dan
▪ Banyaknya kecelakaan mobil di jalan tol selama minggu
pertama bulan Oktober.
 Menghitung distribusi binomial apabila n besar dan nilai p yang
sangat kecil. Dengan menggunakan p endekatan Peluang
Poisson untuk Peluang Binomial dilakukan untuk mendek atkan
probabilitas dari kelas sukses (x) dari n percobaan Binomial.
Aturan yang diikuti oleh kebanyakan ahli statistika adalah bahwa
n cukup besar dan p cukup kecil, jika n adalah 20 atau lebih dar i
20 dan p adalah 0.05 atau kurang dari 0.05.

Definisi Distribusi Peluang Poisson :

e  x
poisson( x;  ) 
x!
e : bilangan natural = 2.71828...
x : banyaknya unsur BERHASIL dalam sampel
 : rata-rata keberhasilan

Perhatikan rumus yang digunakan! Peluang suatu kejadian Poisson

hitung dari rata -rata populasi ()

Tabel Peluang Poisson

Seperti halnya peluang binomial, soal -soal peluang Poisson dapat
diselesaikan dengan Tabel Poisson (Statistika 2, hal 163 -164)
Cara membaca dan menggunakan Tabel ini tidak jauh berbeda
dengan Tabel Binomial
Misal: x  = 4.5  = 5.0
0 0.0111 0.0067
1 0.0500 0.0337
2 0.1125 0.0842
3 0.1687 0.1404
dst dst dst
15 0.0001 0.0002

poisson(2; 4.5) = 0.1125

poisson(x < 3; 4.5) = poisson(0;4.5) + poisson(1; 4.5)+ poisson(2; 4.5)

= 0.0111 + 0.0500 + 0.1125 = 0.1736

poisson(x > 2;4.5) = poisson(3; 4.5) + poisson(4; 4.5) +...+ poisson(15;4.5)

atau
= 1 - poisson(x  2)
= 1 - [poisson(0;4.5) + poisson(1; 4.5)+ poisson(2; 4.5)]
= 1 - [0.0111 + 0.0500 + 0.1125 ] = 1 - 0.1736 = 0.8264

Contoh :
Rata-rata seorang sekretaris baru melakukan 5 kesalahan ketik per
halaman. Berapa peluang bahwa pada halaman berikut ia membuat:
a. tidak ada kesalahan?(x = 0)
b. tidak lebih dari 3 kesalahan?( x  3)
c. lebih dari 3 kesalahan?(x >3)
d. paling tidak ada 3 kesalahan (x  3)
Jawab:
=5
a. x = 0  dengan rumus? hitung poisson(0; 5)
atau
 dengan Tabel Distribusi Poisson
di bawah x:0 dengan  = 5.0  (0; 5.0) = 0.0067

b. x  3 dengan Tabel Distribusi Poisson hitung

poisson(0;5.0) + poisson(1;5.0) + poisson(2;5.0) + poisson(3;5.0)
= 0.0067 + 0.0337 + 0.0842 + 0.1404 = 0.2650
c. x  3  poisson( x  3; 5.0)
` = poisson(4;5.0) + poisson(5;5.0) + poisson (6;5.0) + poisson(7;5.0)
+ ... + poisson(15; 5.0)
atau
 poisson(x >3) = 1 - poisson(x3)
= 1 - [poisson (0; 5.0) + poisson (1; 5.0) +
poisson(2; 5.0) + poisson(3; 5.0)]
= 1 - [0.0067 + 0.0337 + 0.0842 + 0.1404]
= 1 - 0.2650
= 0.7350
Pendekatan Pois son untuk Distribusi Binomial
Pendekatan Peluang Poisson untuk Peluang Binomial,
dilakukan jika n besar (n > 20) dan p sangat kecil (p < 0.05) dengan
terlebih dahulu menetapkan p dan kemudian meneta pkan:
=nxp
Contoh
Dari 1 000 orang mahasiswa 2 orang mengaku selalu terlambat
masuk kuliah setiap hari, jika pada suatu hari terdapat 5 000
mahasiswa, berapa peluang ada lebih dari 3 orang yang terlambat?
Kejadian Sukses : selalu terlambat masuk kuliah
2
p = 1000 = 0.002 n = 5 000 x>3
jika diselesaikan dengan peluang Binomial  b(x > 3; 5 000, 0.002)
tidak ada di Tabel, jika menggunakan rumus sangat tidak praktis.
p = 0.002 n = 5 000 x>3
 = n  p = 0.002  5 000 = 10
diselesaikan dengan peluang Poisson
 poisson (x > 3; 10) = 1 - poisson (x  3)
= 1 - [poisson (0; 10) + poisson(1; 10) + poisson(2;10) + poisson(3; 10)
= 1 - [0.0000 + 0.0005 + 0.0023 ] = 1 - 0.0028 = 0.9972

Soal Evaluasi :
1. Secara rata-rata di suatu simpangan terjadi 3 kecelakaan lalu
lintas per bulan. Berapa peluang bahwa pada suatu bulan
tertentu di simpangan ini terjadi :
a. Tepat 5 kecelakaan.
b. Kutang dari tiga kecelakaan
c. Sekurang-kurangnya 2 kecelakaan
2. Seorang sekretaris rata -rata melakukan 2 kesal ahan ketik per
halaman. Berapa peluang bahwa pada halaman berikutnya ia
membuat :
a. 4 atau lebih kesalahan
b. Tidak satu pun kesalahan
3. Di suatu daerah di bagian timur Amerika Selatan, secara rata -
rata. Dilanda 6 angin rebut per tahun. Hitunglah peluang
bahwadalam suatu tahun tertentu daerah ini akan dilanda :
a. Kurang dari 4 angin rebut
b. 6 sampai 8 angin ribut
4. Peluang seseorang meninggal akibat infeksi pernafasan adalah
0.002. Hitunglah peluang bahwa kurang dari 5 di antara 2000
orang yang terinfeksi akan meninggal
5. Misalkan bahwa secara rata -rata 1 di antara 1000 orang
membuat kesalahan angka dalam melaporkan pajak
pendapatannya. Bila 10000 formulir diambil secara acak dan
diperiksa, berapa peluang ada 6, 7, atau 8 formulir yang
mengandung kesalahan ?
6. Peluang bahwa seorang siswa berhasil lolos dari tes scoliosis
(membengkoknya tulang belakang) adalah 0.004. Di antara
1875 siswa yang dites scoliosis, hitunglah peluang bahwa
terdapat :
a. Kurang dari 5 siswa tidak berhasil lolos dari tes itu.
b. 8,9, atau 10 siswa tidak berh asil lolos dari tes itu.
Sejarah Distribusi Normal
Distribusi normal pertama kali diperkenalkan oleh Abraham de
Moivre dalam artikelnya pada tahun 1733 sebagai pendekatan
distribusi binomial untuk n besar. Karya tersebut dikembangkan lebih
lanjut oleh Pierre Simon de Laplace, dan dikenal sebagai teorema
Moivre-Laplace. Laplace menggunakan distribusi normal untuk
analisis galat suatu eksperimen. Metode kuadrat terkecil
diperkenalkan oleh Legendre pada tahun 1805. Sementara itu Gauss
mengklaim telah menggunakan metode tersebut sejak tahun 1794
dengan mengasumsikan galatnya memiliki distribusi normal. Istilah
kurva lonceng diperkenalkan oleh Jouffret pada tahun 1872 untuk
distribusi normal bivariat. Sementara i tu istilah distribusi normal
secara terpisah diperkenalkan oleh Charles S. Peirce, Francis Galton,
dan W ilhelm Lexis sekitar tahun 1875. Terminologi ini secara tidak
sengaja memiliki nama sama.

12.2 Pengertian Distribusi Normal

Distribusi normal, disebut pula distribusi Gauss, adalah
distribusi probabilitas yang paling banyak digunakan dalam berbagai
analisis statistika. Distribusi normal baku adalah distribusi normal
yang memiliki rata -rata nol dan simpangan baku satu. Distribusi ini
juga dijuluki kurva lonce ng(bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng.
Distribusi normal memodelkan fenomena kuantitatif pada ilmu
alam maupun ilmu sosial. Beragam skor pengujian psikologi dan
fenomena fisika seperti jumlah foton dapa t dihitung melalui
pendekatan dengan mengikuti distribusi normal. Distribusi normal
banyak digunakan dalam berbagai bidang statistika, misalnya
distribusi sampling rata - rata akan mendekati normal, meski distribusi
populasi yang diambil tidak berdistribus i normal. Distribusi normal
juga banyak digunakan dalam berbagai distribusi dalam statistika,
dan kebanyakan pengujian hipotesis mengasumsikan normalitas
suatu data.

12.3 Kurva Distribusi Normal

Grafik distribusi normal tergantung pada dua factor mean dan
deviasi standart. Mean dari distribusi menentukan lokasi pusat grafik,
dan deviasi standard menentukan tinggi dan dan lebar grafik. Ketika
standard deviasi besar, kurva pendek dan lebar, ketika standard
deviasi kecil, kurva kecil dan sempit. Semua distribusi normal tampak
seperti lonceng, Kurva berbentuk simetris, seperti yang di tunjukan di
gambar ini. Kurva di sebelah kiri lebih pendek dan lebih lebar dari
kurva di sebelah kanan, karena kurva di sebelah kiri memiliki standar
deviasi yang lebih besar.
12.4 Ciri-ciri Distribusi Normal
Adapun ciri-ciri dari distribusi normal adalah sebagai berikut :
• Nilai Peluang peubah acak dalamDistribusi Peluang Normal
dinyatakan dalam luas dari di bawah kurva berbentuk
genta\lonceng (bell shaped curve).
• Kurva maupun persamaan Normal melibatkan nilai x,  dan .
• Keseluruhan kurva akan bernilai 1, ini mengambarkan sifat
peluang yang tidak pernah negatif dan maksimal bernilai satu

Perhatikan gambar di bawah ini:



 x
Gambar 4.1 Kurva Distribusi Normal

Definisi Distribusi Peluang Normal

1 x  
1  ( )2
2 
e
n(x; , ) = 2 2

untuk nilai x : - < x <  e = 2.71828.....  = 3.14159...

 : rata-rata populasi
 : simpangan baku populasi
² : ragam populasi
• Untuk memudahkan penyelesaian soal -soal peluang Normal, telah
disediakan tabel nilai z (Lampiran table Z -Score)
Perhatikan dalam tabel tersebut nilai yang dicantumkan adalah nilai z
x 
z

Dalam soal-soal peluang Normal tanda = .  dan  diabaikan, jadi
hanya ada tanda < dan >

Cara membaca Tabel Nilai z

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
-3.4
:
-1.2
:
-0.1
-0.0
0.0
0.1
:
1.2 0.8944
:
3.4
Nilai 0.8944 adalah untuk luas atau peluang z < 1.25 yang
digambarkan sebagai berikut , untuk daerah yang di arsir :

1.25
Gambar 4.2 Peluang z < 1.25

Dari Gambar 12.2 dapat kita ketahui bahwa P(z >1.25 ) = 1 - 0.8944 = 0.1056

1.25
Gambar 4.3 Peluang (z>1.25)
Luas daerah untuk z negatif dicari dengan cara yang s ama,
perhatikan contoh berikut :

P(z < -1.25 ) = 0.1056

-1.25 0
Gambar 4.4 Peluang ( z < -1.25 )

P(z >-1.25) = 1 – P(z<-1.25) = 1 – 0.1056 = 0.8944

-1.25

Gambar 4.5 Peluang (z>-1.25)

Jika ingin dicari peluang diantara suatu nilai z  z 1 < z < z 2 ,
perhatikan contoh berikut :

P(-1.25<z<1.25) = P(z<1.25) – P(z<-1.25)

= 0.8944 - 0.1056 = 0.7888

-1.25 1.25
Gambar 4.6 Peluang (-1.25<z<1.25)

P(-1.30 < z < -1.25) = P(z<-1.25) – P(z<-1.30)

= 0.1056 - 0.0948
= 0.0108

-1.30 -1.25
Gambar 4.7 Peluang(-1.30<x<1.25)
Peluang (1.25 < z < 1.35) = P(z<1.35) – P(z<1.25)
= 0.9115 - 0.8944
= 0.0171

1.25 1.35
Gambar 4.8 Peluang (1.25<z<1.35)

• Untuk memastikan pembacaan peluang normal, gambarkan daerah

yang ditanyakan!

Contoh :
Rata-rata upah seorang buruh = $ 8.00 perjam dengan simpangan
baku = $ 0.60, jika terdapat 1 000 orang buruh, hitunglah :
a. banyak buruh yang menerima upah/jam kurang dari $ 7.80
b. banyak buruh yang menerima upah/jam lebih dari $ 8.30
c. .banyak buruh yang menerima upah/jam antara $ 7.80 sampai 8.30
 = 8.00  = 0.60

a. x < 7.80
x  7.80 8.00
z   0.33
 0.60
P(x < 7.80) = P(z < -0.33) = 0.5 - 0.1293 = 0.3707
(Gambarkan!)
banyak buruh yang menerima upah /jam kurang dari $ 7.80
= 0.3707 x 1 000
= 370.7 = 371 orang

b. x > 8.30
x  8.30 8.00
z   0.50.
 0.60
P(x > 8.30) = P(z > 0.50) = 0.5 - 0.1915 = 0.3085
(Gambarkan!)
Banyak buruh yang menerima upah/jam lebih dari $ 8.30
= 0.3085 x 1 000
= 308.5 = 309 o rang

c. 7.80 < x < 8.30

z1 = -0.33 z 2 = 0.50
P(7.80 < x < 8.30) = P(-0.33 < z < 0.50) = 0.1915 + 0.1293 = 0.3208
(Gambarkan)
Banyak buruh yang menerima upah/jam dari $ 7.80 sampai $ 8.30
= 0.3208 x 1 000
= 320.8 = 321 orang
Soal Evaluasi :
1. Sebuah mesin minuman ringan diukur sedemikian rupa sehingga
mengeluarkan secara rata -rata 200 mililiter per gelas. Bila
banyaknya minuman yang dikeluarkan itu menyebar normal
dengan simpangan baku 20 mililiter(bobot 25 %)
a. Berapa banyaknya gelas (dalam pecahan atau persentase)
yang berisi lebih dari 240 mililiter?
b. Berapa peluang sebuah gelas berisi antara 191 dan 209
mililiter?
c. Berapa gelas diantara 1000 gelas berikutnya yang akan tumpah
meluap bila gelas-gelas itu berukuran 245 mililiter?

2. Sebuah rumah rata-rata memakai lampu dengan tegangan 80

watt. Bila tegangan total rumah menyebar normal dengan
simpangan baku 5 watt.
a. Berapa banyak lampu yang mempunyai tegangan lebih dari 115
watt?
b. Berapa peluang sebuah lampu bertegangan antara 75 dan 1 00
watt?

3. Seorang siswa secara rata -rata berangkat dari rumah ke sekolah

dengan menggunakan sepeda 27 menit. Bel masuk sekolah
berdentang tepat jam 07.00. Jika waktu tempuh siswa tersebut
menyebar normal dengan simpangan baku 10 menit. Tentukan :
(bobot15%)
a. peluang siswa tersebut tidak terlambat masuk sekolah jika dia
berangkat dari rumah jam 06.40
b. pada hari senin semua siswa wajib mengikuti upacara bendera
yang dilaksanakan pada jam 07.00 – 08.00. berapa peluang
 siswa mengikuti upacara jika dia berangkat d ari rumah jam
06.38
4. Umur penggunaan bolam jenis awet berdistribusi normal
dengan rata-rata 38.000 jam dan simpangan baku 3.000.
a.Berapa probabilitas bahwa pengambilan secara random
sebuah bolam akan memiliki umur penggunaan sekurang -
kurangnya 35.000 jam?
b.Berapa probabilitas bahwa pengambilan secara random
sebuah bolam akan memiliki umur penggunaan lebih dari
45.000 jam?
c. Jika ada grosir mempunyai 500 buah bolam, tentukan
jumlah bolam yang memiliki umur penggunaan antara
40.000 jam sampai dengan 45.000 jam?
d. Berapa banyak bolam dari 100 bolam berikutnya memiliki
umur penggunaan sekurang -kurangnya 38.000 jam?
Penerapan Sebaran Normal
Beberapa dari sekian banyak masalah yang dapat diselesaikan
dengan sebaran norm al akan diuraikan dalam contoh -contoh berikut :

Contoh:
Diberikan sebuah sebarannormal dengan µ = 40 dan σ = 6. Hitunglah
nilai x yang :
a. luas daerah di bawahnya ada 38 %
b. luas di atasnya 5 % di atasnya

Jawab :
Untuk menyelesaikan soal di atas kita harus memperhatikan rumus,
karena yang ditanya adalah nilai x maka :
x 
z untuk x=σz + µ


a. Daerah seluas 0.38 di sebelah kiri x yang diinginkan diperlihatkan

dalam gambar 13.1. Kita memerlukan nilai z yang luas daerah di
sebelah kirinya sebesar 0.38. Dari Tabel Z -Score kita
mendapatkan P(z< -0.31) = 0.38, sehingga nilai z tersebut adalah
-0.31. Dengan demikian :
 38.1 4
Gambar 4.9 Luas daerah di bawah 38 % pada contoh a

b. Dalam gambar 13.2 ki ta tandai daerah seluas 0.05 di sebelah

kanan nilai x yang diinginkan dengan warna gelap. Kali ini kita
memerlukan nilai z yang luas daerah di sebelah kanannya
sebesar 0.05 atau yang berarti juga luas daerah di sebelah kirinya
0.95. Sekali lagi dari Tabel Z-score kita mendapatkan P(z< 1.645)
= 0.95, sehingga nilai z yang dicari adalah z = 1.645 dan
x=(6)(1.645) + 40 = 49.87

49.8 7
Gambar 4.10 Luas daerah di atas 5 % pada contoh b
Hampiram Normal terhadap Sebaran Binom
Nilai-nilai peluang untuk percobaan binom dengan mudah dapat
diperoleh daru rumus b(x; n, p) bagi debaran binom atau dari tabel
binom bila n kecil. Bila n tidak ada dalam table yang tersedia, kita
dapat menghitung peluang binom melalui prosedur hampiran. Pada
modul 11 telah dijelaskan bahwa sebaran Poisson dapat digunakan
untuk menghampiri peluang binom bila n besar dan p sangat kecil.
Sekarang akan dikemukakan sebua h rumus yang akan
memungkinkan kita menggunakan luas daerah di bawah kurva normal
untuk menghampiri peluang binom bila n cukup besar. Di bawah ini
perbedaan penggunaan pendekatan poisson dan normal :
a. JIKA rata-rata ()  20 MAKA lakukan pendekatan denga n
distribusi POISSON dengan  = n  p
b. JIKA rata-rata () > 20 MAKA lakukan pendekatan dengan
distribusi NORMAL dengan =np
2  n pq

  n pq

Ternyata sebaran normal memberikan hampiran yang sangat

baik pada sebaran binom bila n besar dan p dekat pada ½. Bahkan,
bila n kecil dan p tidak terlalu dekat pada nol atau 1, hampiran itu
masih cukup baik.
Untuk menyelidiki hampiran normal bagi sebaran binom,
pertama-tama kita membuat histogram bagi b(x; 15, 0.4) dan
kemudian menumpang-tindihkan sebaran normal yang memiliki rata -
rata dan ragam seperti peubah acak binom x tersebut. Jadi kita
menggambar sebuah kurva normal dengan :
 = n  p = (15) x (0.4) = 6
  2  n  p  q = (15) x (0.4) x (0.6) = 3.6

Histogram bagi b(x; 15, 0.4) dan kurva normal yang ditumpang -
tindihkan, yang seperti kita ketahui detentukan sepenuhnya oleh rata -
rata dan ragamnya, dapat dilihat di bawah ini :

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Gambar 4.11 Hampiran Normal bagi b(4;15,0.4)

Nilai peluang pasti bahwa peubah acak x mengambil nilai tertentu x

adalah sama dengan luas empat persegi panjang yang alasnya
berpusat di x. Misalnya. Peluanag bahwa x mengambil nilai 4 dama
dengan luas empat persegi panjang yang alasnya berpusat di x = 4.
Dengan menggunakan rumus bagi sebaran binom, kita mendapatkan
bahwa luas itu sama dengan :
b(4; 15, 0.4) = 0.1268

Nilai peluang ini kira -kira sama dengan luas daerah gelap di bawah
kurva normal antara x 1 = 3.5 dan x 2 = 4.5. Dengan mengubahnya ke
nilai Z, kita memperol eh :

x1 np 3.5 6

z1    1.316
npq 3.6
 x np 4.5 6
z2  2   0.789

npq 3.6

Bila x adalah suatu peubah acak binom dan z peubah acak normal
baku, maka :
P(x=4) = b(4; 15, 0.4)
≈ P(-1.316 < z < -0.789)
= P(z < -0.789) – P(z < -1.316)
= 0.2151 – 0.0941
= 0.1210
Perhatikan bahwa nilai ini sangat dekat pada nilai peluang pastinya
sebesar 0.1268

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Gambar 4.12 Hampiran No rmal bagi b(4;15,0.4)

Contoh :
Dari 200 soal pilihan berganda, yang jawabannya terdiri dari lima
pilihan (a, b, c,d dan e), berapa peluang anda akan menjawab
BENAR lebih dari 50 soal?
n = 300 p = 1/5 = 0.20
q = 1 - 0.20 = 0.80
Kerjakan dengan POISSON
P(x >50, p = 0.20)  = n  p = 200  0.20 = 40
Poisson (x > 50;  = 40 ),  = 40 tidak ada di dalam TABEL
POISSON sehingga kita harus menggunakan RUMUS yang terlalu
rumit!

KERJAKAN dengan NORMAL

P (x > 50, p = 0.20)  = n  p = 200  0.20 = 40
 2  n  p  q = 200  0.20 0.80 = 32

  n pq = 32
P(x > 50 , p = 0.20)  P (z > ?)
50  40 10
  1.7677  1.77
32 5.6568...
z=

P (z > 1.77) = 0.5 - 0.4616 = 0.0384 = 3.84 %

Soal Evaluasi :

1. Tentukan area dibawah kurva normal baku berikut ini :

a. Area disebelah kanan dari z = 2.32
b. Area sisebelah kiri z = -1.54
2. Tentukan peluang kurva normal baku berikut ini :
a. P(1.19 < z < 2.12)
b. P(-1.56 < z < 2.31) c. P(z > -0.75)
3. Tentukan peluang kurva normal baku berikut ini :
a. P(0 < z < 5.67)
b. P(z < -5.35)
4. Bila diberikan sebuah sebaran normal dengan µ = 200 dan
σ 2 =100, hirunglah :
a. Luas daerah di bawah 214
b. Luas daerah di atas 179
c. Luas daerah antara 188 dan 206
d. Nilai x yang lua s daerah di bawahnya 80%
e. Dua nilai x yang luas daerah di antara keduanya 75%
5. Jika x adalah sebuah variabel acak kontinyu yang memiliki
distribusi normal dengan rata-rata dan simpangan baku, yaitu 50
dan 10. Tentukan nilai z untuk:
a. x = 55
b. x = 35
6. Jika x adalah sebuah variabel acak kontinyu yang memiliki
distribusi normal dengan rata-rata dan simpangan baku, yaitu 25
dan 4. Tentukan !
a. P(25 < x < 32)
b. P(18 < x < 34)
7. Notebook adalah salah satu barang elektronik yang diproduksi
oleh Perusahaan Toshiba. W aktu yang diperlukan untuk merakit
sebuah notebook pada perusahaan tsb terdistribusi normal
dengan rata-rata 55 menit, dan simpangan baku 4 menit. P erush
tsb tutup tiap hari pada jam 17.00. Jika seorang pekerja mulai merakit
pada jam 16.00, bagaimana peluang pekerja tsb dapat selesai
merakit sebelum perusahaan tsb tutup pada hari itu?
8. Diameter bagian dalam gelang (ring) piston menyebar normal
dengan rata-rata 10 cm dan simpangan baku 0.03.
a. Berapa proporsi ring yang diameter bagian dalamnya lebih
dari 10.075 cm?
 b. Berapa peluang bahwa sebuah ring akan mempunyai diameter
bagian dalam antara 9.97 dan 10.03 cm
c. Di bawah nilai berapa terdapat 15% ring yang dip roduksi?
9. Tinggi 1000 mahasiswa menyebar normal dengan rata -rata 174.5
cm dan simpangan baku 6.9 cm. Bila tinggi dicatat sampai
setengah cm terdekat, berapa banyak di antara mahasiswa itu
yang memiliki tinggi ?
a. kurang dari 160.5 cm
b. antara 171.5 dan 182.0 cm
c. sama dengan 175.0 cm
d. lebih besar atau sama dengan 188.0 cm
10. Sekeping uang logam dilemparkan 400 kali. Gunakan hampiran
kurva normal untuk menghitung peluang mendapatkan.
a. Antara 185 dan 210 sis gambar
b. Tepat 205 sisi gambar
c. Kurang dari 176 atau lebih dari 2 27 sisi gambar
11. Seorang pemburu burung pegar mengatakan bahwa 75% di
antara tembakannya mengenai sasaran. Dari 80 tembakan
berikutnya, berapa peluang bahwa :
a. Sekurang-kurangnya 50 ekor berhasil terbang menyelamatkan
diri?
b. Sebanyak-banyaknya 56 ekor berhasil ditembak jatuh
 BAB VI
REGRESI LINIER DAN KORELASI

6.1 Pendahuluan
o Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-
1911)
o Persamaan regresi :Persamaan matematik yang memungkinkan peramalan
nilai suatu peubah takbebas (dependent variable) dari nilai peubah bebas
(independent variable)
o Diagram Pencar = Scatter Diagram
Diagram yang menggambarkan nilai-nilai observasi peubah
takbebas dan peubah bebas.

Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal) Nilai peubah
takbebas ditulis pada sumbu Y (sumbu vertikal)

Dua variabel yang berhubungan (bivariat) diplotkan dalam grafik diagram

pencar yang menyatakan berbagai pola hubungan tertentu :

a. Hubungan positif linier b.

b . Hubungan negatif linier
c. Hubungan non-linier (eksponential)
d. Tidak ada hubungan

Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas?
Contoh :
Umur Vs Tinggi Tanaman (X : Umur, Y : Tinggi)
Biaya Promosi Vs Volume penjualan (X : Biaya Promosi, Y : Vol.
penjualan)

Jenis-jenis Persamaan Regresi :

a. Regresi Linier :
- Regresi Linier Sederhana
- Regresi Linier Berganda
b. Regresi Nonlinier
- Regresi Eksponensial

Regresi Linier
Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y : peubah takbebas
X : peubah bebas a
: konstanta
b : kemiringan

Bentuk Umum Regresi Linier Berganda

Y = a + b 1 X 1 + b 2 X 2 + ...+ b n X n

Y : peubah tak bebas

a : konstanta
X 1: peubah bebas ke-1 ; b 1 : kemiringan ke-1
X 2 : peubah bebas ke-2 ; b 2 : kemiringan ke-2
X n : peubah bebas ke-n ; b n : kemiringan ke-n

Regresi Non Linier

- Bentuk umum Regresi Eksponensial
x
Y = ab
log Y = log a + (log b) x

6.2 Regresi Linier Sederhana

Metode Kuadrat terkecil (least square method): metode paling
populer untuk menetapkan persamaan regresi linier sederhana
Bentuk Umum Regresi Linier Sederhana :

Y = a + bX
Y : peubah tak bebas
X : peubah bebas
a : konstanta
b : kemiringan

Nilai b dapat positif (+) dapat negartif (-)

b : positif → Y = a + bX b : negatif → Y = a - bX Y

X X
Penetapan Persamaan Regresi Linier Sederhana

sehingga

Dimana :

n : banyak pasangan data

yi : nilai peubah takbebas Y ke-i
x i : nilai peubah bebas X ke-i

Contoh :
Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL
perusahaan Minyak Goreng.

bentuk umum persaman regresi linier sederhana : Y = a + b X

n=5
Y = a + b X → Y = 2.530 + 1.053 X

Peramalan dengan Persamaan Regresi

Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume

penjualan dalam Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi
linier berikut
Y = 2.530 + 1.053 X
Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp.10 juta ?

Jawab :
Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100 000 000 liter
6.3 Korelasi Linier Sederhana
Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y
Nilai r berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
o Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y
memiliki korelasi linier yang tinggi
o Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna
o Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam
kasus r mendekati 0, anda d apat melanjutkan analisis ke regresi
eksponensial)

Koefisien Determinasi Sampel (R)

R = r²

Ukuran proporsi keragaman total nilai peubah Y yang dapat

dijelaskan oleh nilai peubah X melalui hubungan linier.
Penetapan & Interpretasi Koefisien Korelasi dan Koefisien

Determinasi
Contoh :

Lihat Contoh sebelumnya, setelah mendapatkan persamaan Regresi Y =

2.530 + 1.053 X, hitung koef. korelasi (r) dan koef determinasi (R).
Gunakan data berikut (lihat Contoh 2)

Σx = 26 Σy = 40 Σxy = 232 Σx² =158 Σy² = 346

Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume

penjualan) berkorelasi linier yang positif dan tinggi
2 2
R = r = 0.9857.... = 0.97165....= 97 %

Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah

Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi)
melalui hubungan linier.
Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain
Soal Evaluasi :

1. Nilai kuis (x) dan ujian akhir semester (y) dari 9 mahasiswa adalah
sebagai berikut :

a. Tentukan persamaan garis regresinya

b. Dugalah nilai ujian akhir dari seorang mahasiswa yang nilai

kuisnya adalah 85
c. Tentukan koefisien korelasi

2. Tabel berikut menunjukkan besarnya income per minggu (dalam dolar)

dan biaya telepon untuk 10 keluarga sebagai sampel yang diambil
acak.

a. Dugalah persamaan garis regresinya b.

Tentukan koefesien korelasi
3. Sebuah penelitianmengukur banyaknya gula yang terbentuk pada
berbagai suhu. Datanya telah dikodekan sebagai berikut
Suhu, x Gula yang terbentuk, y
1.0 8.1
1.1 7.8
1.2 8.5
1.3 9.8
1.4 9.5
1.5 8.9
1.6 8.6
1.7 10.2
1.8 9.3
1.9 9.2
2.0 10.5
 a. Dugalah garis regresi liniernya

b. Dugalah banyaknya gula yang terbentuk bila suhunya 1.75 c.

Tentukan koefisien korelasinya

4. Dalam tabel di bawah ini, y menyatakan banyaknya suatu senyawa kimia

yang larut dalam 100 gram air pada berbagai suhu x.

X0 C Y (gram)
0 8 6 8
15 12 10 14
30 25 21 24
45 31 33 28
60 44 39 42
75 48 51 44
a. Tentukan persamaan garis regresinya

b. Gambarkan garis regresi tersebut pada diagram pencarnya

c. Dugalah banyaknya senyawa kimia tersebut yang akan larut dalam

100 gram air pada suhu 50 0 C.
d. Tentukan koefisien korelasinya
 BAB VII
HIPOTESIS

7.1. Pengertian Hipotesis Statistik

Hipotesis pada dasarnya merupakan suatu proposisi atau anggapan yang
mungkin benar, dan sering digunakan sebagai dasar pembuatan keputusan/pemecahan
persoalan ataupun untuk dasar penelitian lebih lanjut. Hipotesis statistik ialah suatu
pernyataan tentang bentuk fungsi suatu variabel atau tentang nilai sebenarnya suatu
parameter. Suatu pengujian hipotesis statistik ialah prosedur yang memungkinkan
keputusan dapat dibuat, yaitu keputusan untuk menolak atau tidak menolak hipotesis
yang sedang dipersoalkan/diuji.
Hipotesis (atau lengkapnya hipotesis statistik) merupakan suatu anggapan atau
suatu dugaan mengenai populasi. Sebelum menerima atau menolak sebuah hipotesis,
seorang peneliti harus menguji keabsahan hipotesis tersebut untuk menentukan apakah
hipotesis itu benar atau salah. H0 dapat berisikan tanda kesamaan (equality sign)
seperti : = , ≤ , atau ≥. Bilamana H0 berisi tanda kesamaan yang tegas (strict equality

sign) = , maka Ha akan berisi tanda tidak sama (not-equality sign). Jika H0 berisikan

tanda ketidaksamaan yang lemah (weak inequality sign) ≤ , maka Ha akan berisi tanda
ketidaksamaan yang kuat (stirct inequality sign) > ; dan jika H0 berisi ≥, maka Ha
akan berisi <.
Sebagai contoh : ��0: 𝑋̅= 𝜇 ���: 𝑋̅≠ 𝜇

��0: 𝑋̅≤ 𝜇 ���: 𝑋̅> 𝜇

��0: ̅𝑋≥ 𝜇 ���: ̅𝑋< 𝜇

Istilah hipotesis berasal dari bahasa Yunani, yaitu dari kata hupo dan thesis.
Hupo artinya sementara, atau kurang kebenarannya atau masih lemah kebenarannya.
Sedangkan thesis artinya pernyataan atau teori. Karena hipotesis adalah pernyataan
sementara yang masih lemah kebenarannya, maka perlu diuji kebenarannya, sehingga
istilah hipotesis ialah pernyataan sementara yang perlu diuji kebenarannya.
Hipotesis dapat diartikan sebagai pernyataan statistik tentang parameter populasi.
Dengan kata lain, hipotesis adalah taksiran terhadap parameter populasi, melalui
data-data sampel. Dalam statistik dan penelitian terdapat dua macam hipotesis, yaitu
hipotesis nol dan alternatif. Pada statistik, hipotesis nol diartikan sebagai tidak
adanya perbedaan antara parameter dengan statistik, atau tidak adanya perbedaan
antara ukuran populasi dan ukuran sampel. Dengan demikian hipotesis yang diuji adalah
hipotesis nol, karena memang peneliti tidak mengharapkan adanya perbedaan data populasi
dengan sampel.selanjutnya hipotesis alternatif adalah lawan hipotesis nol, yang berbunyi
ada perbedaan antara data populasi dengan data sampel.

7.2. Tipe – tipe Hipotesis Statistik

Hipotesis dibagi menurut tingkat eksplanasi hipotesis yang akan diuji, maka
rumusan hipotesis dapat dikelompokkan menjadi tiga macam yaitu hipotesis deskriptif
(pada satu sampel atau variabel mandiri/tidak dibandingkan dan dihubungkan),
komparatif dan hubungan.
1. Hipotesis Deskriptif
Hipotesis deskriptif adalah dugaan tentang nilai suatu variabel mandiri, tidak
membuat perbandingan atau hubungan. Dalam perumusan hipotesis statistik, antara
hipotesis nol (H0) dan hipotesis alternatif (Ha) selalu berpasangan, bila salah satu
ditolak, maka yang lain pasti diterima sehingga dapat dibuat keputusan yang tegas,
yaitu kalau H0 ditolak pasti Ha diterima. Hipotesis statistik dinyatakan melalui
simbol-simbol.
Contoh pernyataan yang dapat dirumuskan hipotesis deskriptif -statistiknya :
Suatu perusahaan minimum harus mengikuti ketentuan, bahwa salah satu unsur kimia
hanya boleh dicampurkan paling banyak 1%. Dengan demikian rumusan hipotesis
statistik adalah :
��0: 𝜇 ≤ 0,01
���: 𝜇 > 0,01
Suatu bimbingan tes menyatakan bahwa murid yang dibimbing di lembaga itu ,
paling sedikit 90% dapat diterima di Perguruan Tinggi Negeri. Rumusan hipotesis
statistik adalah :
��0: 𝜇 ≥ 0,90
���: 𝜇 < 0,90
Seorang peneliti menyatakan bahwa daya tahan lampu merk A = 450 jam dan B =
600 jam. Hipotesis statistiknya adalah :
Lampu A : Lampu B :
��0: 𝜇 = 450 jam ��0: 𝜇 = 600 jam
���: 𝜇 ≠ 450 jam ���: 𝜇 ≠ 600 jam

Hipotesis pertama dan kedua diuji dengan uji satu pihak (one tail) dan ketiga
dengan dua pihak (two tail).
 2. Hipotesis Komparatif
Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda.
Contoh rumusan masalah komparatif dan hipotesisnya :
Apakah ada perbedaan daya tahan lampu merk A dan B ?
Rumusan Hipotesis adalah :
1) Tidak terdapat perbedaan daya tahan lampu antara lampu merk A dan B.
2) Daya tahan lampu merk B paling kecil sama dengan lampu merk A.
3) Daya tahan lampu merk B paling tinggi sama dengan lampu merk A.
Hipotesis statistiknya adalah :
��0: ��1 = ��2
Rumusan uji hipotesis dua pihak
���: ��1 ≠ ��2
��0: ��1 ≥ ��2
Rumusan uji hipotesis satu pihak
���: ��1 < ��2
��0: ��1 ≤ ��2
Rumusan uji hipotesis satu pihak
���: ��1 > ��2

3. Hipotesis Hubungan (Assosiatif)

Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan tentang
hubungan antara dua variabel atau lebih. Contoh rumusan masalahnya adalah
“Apakah ada hubungan antara Gaya Kepemimpinan dengan Efektifitas Kerja ?”
Rumus dan hipotesis nolnya adalah : Tidak ada hubungan antar gaya
kepemimpinan dengan efektifitas kerja.
Hipotesis statistiknya adalah ;
��0: 𝜌 = 0

���: 𝜌 ≠ 0 ( 𝜌 = simbol yang menunjukkan kuatnya hubungan)

7.3. Tipe – tipe Kesalahan

Dalam melakukan pengujian hipotesis, ada dua macam kesalahan yang dapat
terjadi, dikenal dengan nama-nama :
1. Kesalahan tipe I yaitu menolak hipotesis (H0) yang seharusnya tidak ditolak atau Ho
ditolak padahal Ho benar. Kesalahan ini disebut kesalahan α..
 2. Kesalahan tipe II yaitu tidak menolak hipotesis (H0) yang seharusnya ditolak atau
Ho diterima padahal Ho salah. Kesalahan ini disebut kesalahan β.

D. Prosedur Uji Hipotesis

Pengujian hipotesis ada tiga macam yaitu :
1. Uji dua pihak
2. Uji satu pihak yaitu pihak kanan
3. Uji satu pihak yaitu pihak kiri
Untuk dapat memutuskan apakah H0 ditolak atau diterima, maka diperlukan
kriteria tertentu dengan nilai tertentu baik dari hasil perhitungan maupun hasil dari
tabel. Kedua hasil tersebut dibandingkan. Dalam hal ini dimisalkan menggunakan
perhitungan t dengan menggunakan rumus t sehingga d iperoleh thitung. Kemudian dicari
ttabel dari tabel t dengan 𝛼 tertentu. Nilai ttabel dua pihak dan satu pihak dengan 𝛼

tertentu diperoleh dengan melihat daftar atau tabel t. Sebelum mengadakan pengujian

hipotesis, maka asumsi – asumsi yang berlaku hendaklah dipenuhi terlebih dahulu.

Asumsi-asumsi yang diperlukan sebelum melakukan pengujian hipotesis

adalah :
1. Nyatakanlah data yang akan diuji tersebut berasal dari sampel atau populasi. Jika

menggunakan data sampel, maka rata – ratanya adalah ��. Dan jika menggunakan
data populasi, maka rata – ratanya adalah ��.
2. Data yang diuji berdistribusi normal.

Langkah – langkah Pengujian Hipotesis adalah sebagai berikut:

1. Tulis Ha dan H0 dalam bentuk kalimat.

2. Tulis Ha dan H0 dalam bentuk statistik.

3. Hitung �ℎ������𝑔 atau ��ℎ������𝑔 (salah satu tergantung 𝜎 tak diketahui atau diketahui)
Jika 𝜎 tidak diketahui, maka �ℎ��������adalah :
𝑥 −��0

�hitung = �

√𝑛
Di mana ng

: � = simpangan baku

𝑥 = rata- 𝑛 = jumlah data sampel

rata data
Jika 𝜎 diketahui, maka ��ℎ������𝑔 adalah :
yang ada

��hitung
0 =

a
𝑥
−
�
�
0

√
𝑛
 Di mana : 𝑥 = rata-rata data yang ada

��0 = rata-rata sekarang

𝜎 = simpangan baku

𝑛 = jumlah data sampel

4. Tentukan taraf signifikansi (��).

5. Cari ������𝑙 dengan ketentuan :

𝛼 seperti langkah

4,

𝑑��= 𝑛 − 1

Dengan menggunakan tabel t diperoleh ������𝑙 atau �������𝑙

6. Tentukan kriteria pengujian.

7. Bandingkan �ℎ������𝑔 dengan ������𝑙 atau ��ℎ������𝑔 dengan �������𝑙

8. Buatlah kesimpulannya

Penentuan kriteria pengujian dan nilai kritis digambarkan seperti tabel berikut ini

1. Uji Dua Pihak ( Two Tail Test )

Uji dua pihak digunakan bila hipotesis nol (H 0) berbunyi “sama dengan” dan
hipotesis alternatifnya (H a) berbunyi “tidak sama
dengan”
Hipotesis
statistiknya :
H0 : 𝜇 = ��0
Ha : 𝜇 ≠ ��0
Kriteria
Pengujian :
Jika −������𝑙 ≤ �ℎ������𝑔 ≤ +������𝑙
Maka
ditolak H0 diterima dan Ha

Contoh
soal :
Telah dilakukan pengumpulan data untuk menguji hipotesis yang menyatakan
bahwa daya tahan berdiri pramuniaga (pelayan toko) di Jakarta adalah 4 jam/hari.
Berdasarkan sampel 31 orang yang diambil secara random terhadap pelayanan toko
yang dimintai keterangan masing-masing memberikan data sebagai berikut :
323456 785345667885345623456323
3
Penyelesaia
n:
Berdasarkan pertanyaan tersebut,
maka

Menentukan H0 dan Ha dalam bentuk kalimat

H0 : Daya tahan berdiri pramuniaga di Jakarta adalah 4 jam / hari.

Ha : Daya tahan berdiri pramuniaga di Jakarta bukan 4 jam / hari.
Menentukan H0 dan Ha dalam bentuk statistik
H0 : 𝜇 = 4 jam / hari

Ha : 𝜇 ≠ 4 jam / hari

Menghitung thitung
n = 31 ; ��0 = 4 jam / hari

∑ 𝑥𝑖

𝑥=
𝑛
3+2+3+⋯+3+3 144
𝑥= = = 4,645
31 31
𝑛 ∑ 𝑥 2 −(∑ 𝑥 )
�= √ 2

𝑛 (��−1)

31 (768 ) −(144 ) 2
�= √
31(30)

23808 −20736
�= √
930

3072
�= √ = 1,81
930

𝑥 −𝜇 0
 �ℎ������𝑔 = �
= 1,98
√𝑛

4,645−4
�ℎ������𝑔 = 1,81

√31

Taraf signifikansi (��) = 0,05

ttabel dengan ktentuan :

𝛼 = 0,05

𝑑��= 𝑛 − 1 = 31 − 1 = 30

Dengan menggunakan uji dua pihak. Maka diperoleh t tabel = 2,042

Kriteria pengujian dua pihak :

Jika −������𝑙 ≤ �ℎ������𝑔 ≤ +������𝑙 , maka H0 diterima dan Ha ditolak

Ternyata −2,04 ≤ 1,98 ≤ +2,042 , sehingga H0 diterima

Kesimpulannya :

H0 yang berbunyi : “Daya tahan berdiri pramuniaga di Jakarta = 4 jam / hari”

diterima. Sebaliknya Ha yang berbunyi : “Daya tahan berdiri pramuniaga di Jakarta

≠ 4 jam / hari” ditolak.

Hipotesis Page 6
2. Uji Satu Pihak Untuk Pihak Kiri

Uji pihak kiri digunakan apabila : hipotesis nol (H0) berbunyi “lebih besar
atau sama dengan (≥)” dan hipotesis alternatifnya berbunyi “lebih kecil (<)”.

Hipotesis statistiknya :
H0 : ��0 ≥ ��1

Ha : ��0 < ��1

Kriteria Pengujian :
Jika �ℎ������𝑔 ≥ −������𝑙

Maka H0 diterima dan Ha ditolak

Contoh soal :

Suatu perusahaan lampu pijar merk Laser, menyatakan bahwa daya tahan lampu
yang dibuat paling sedikit 400 jam. Berdasarkan pernyataan produsen tersebut,
maka lembaga konsumen akan melakukan pengujian, apakah daya tahan lampu itu
betul 400 jam atau tidak, sebab ada keluhan dari masyarakat yang menyatakan
bahwa lampu pijar merk Laser tersebut cepat putus.
Untuk membuktikan pernyataan produsen lampu pijar tersebut, maka dilakukan
penelitian melalui uji coba terhadap daya tahan 25 lampu yang diambil secara
random. Dari uji coba diperoleh data tentang daya tahan 25 lampu sebagai berikut:
450 390 400 480 500 380 350 400 340 300 300

345 375 425 400 425 390 340 350 360 300 200

300 250 400

Penyelesaian:

Menulis H0 dan Ha dalam bentuk kalimat

H0 : Daya tahan lampu yang dibuat paling sedikit 400 jam

Ha : Daya tahan lampu yang dibuat lebih kecil dari 400 jam
Menulis H0 dan Ha dalam bentuk statistik
H0 : ��0 ≥ 400 jam
Ha : ��0 < 400 jam

Menghitung thitung
n = 25 ; ��0 = 400 jam

∑ 𝑥𝑖

𝑥=
𝑛

450 +39 0 +400 +⋯. +250 +400 9 150

𝑥= = = 366
25 25
𝑛 2
∑ 𝑥 −(∑ 𝑥 )
�= √ 2

��(��−1)

25 (346070 0) −(9 150)

�= √
2

25(24)

86517500 −837225 00
�= √
600

279 5000
�= √ = 68,25
600

𝑥 −𝜇 0

�ℎ������𝑔 = �
= −2,49
√𝑛

366−400
�ℎ������𝑔 = 68,25

√25

Menentukan taraf signifikansi (��) = 0,05

Mencari ttabel dengan ketentuan :

𝛼 = 0,05

𝑑��= 𝑛 − 1 = 25 − 1 = 24

Dengan menggunakan uji satu pihak untuk pihak kiri . Maka diperoleh t tabel = 1,711

Menentukan kriteria pengujian

Jika �ℎ������𝑔 ≥ −������𝑙 , Maka H0 diterima dan Ha ditolak

Membandingkan thitung dan ttabel

 Ternyata −2,49 ≤ −1,71 , sehingga H0 ditolak dan Ha diterima

Kesimpulannya :

Pernyataan produsen lampu, yang menyatakan bahwa daya tahan lampu pijar merk
Laser paling sedikit 400 jam ditolak dan daya tahan lampu lebih kecil dari 400 jam
diterima.
3. Uji Satu Pihak Untuk Pihak Kanan

Uji pihak kanan digunakan apabila : hipotesis nol (H 0) berbunyi “lebih kecil
atau sama dengan (≤)” dan hipotesis alternatifnya berbunyi “lebih besar (>)”.

Hipotesis statistiknya :
H0 : ��0 ≤ ��1

Ha : ��0 > ��1

Kriteria Pengujian :
Jika �ℎ������𝑔 ≤ +������𝑙

Maka H0 diterima dan Ha ditolak

Contoh soal :

Karena terlihat ada kelesuan dalam perdagangan jeruk, maka akan dilakukan
penelitian untuk mengetahui berapa kg jeruk yang dapat terjual oleh pedagang pada
setiap hari. Berdasarkan pengamatan sepintas terhadap perdagangan jeruk, maka
peneliti mengajukan hipotesis bahwa pedagang jeruk tiap hari paling banyak dapat
menjual 100 kg jeruk kepada konsumen.
Berdasarkan hipotesis tersebut, maka telah dilakukan pengumpulan data terhadap

20 pedagang jeruk. Pengambilan sampel 20 pedagang jeruk dilakukan s ecara

random. Data dari 20 pedagang diberikan data sebagai berikut :
98 80 120 90 70 100 60 85 95 100

70 95 90 85 75 90 70 90 60 110

Penyelesaian :

Menulis H0 dan Ha dalam bentuk kalimat

H0 : Pedagang jeruk tiap hari paling banyak dapat menjual 100 kg jeruk kepada
konsumen.
Ha : Pedagang jeruk tiap hari dapat menjual lebih dari 100 kg jeruk kepada
konsumen.
Menulis H0 dan Ha dalam bentuk statistik
H0 : ��0 ≤ 100 kg/hr

Ha : ��0 > 100 kg/hr

Menghitung thitung
n = 20 ; ��0 = 100 kg/hr

∑ 𝑥𝑖

𝑥=
𝑛
98+80 +120 +⋯+60 +110 1733
𝑥= = = 86,65
20 20
𝑛 ∑ 𝑥 2 −(∑ 𝑥 )
�= √ 2

��(��−1)

20 (1549 29 ) −(1733 ) 2
�= √
20(19)
 309 8580 −3003289
�= √
380

9 529 1
�= √ = 15,83
380

�ℎ������𝑔 = 𝑥 −𝜇 0
�

√𝑛
 86,65−100 = −3,77
15,83

√20

�ℎ������𝑔 =
 Menentukan taraf signifikansi (��) = 0,05

Mencati ttabel dengan ketentuan :

𝛼 = 0,05

𝑑��= 𝑛 − 1 = 20 − 1 = 19

Dengan menggunakan uji satu pihak untuk pihak kanan, maka diperoleh ttabel =

1,729

Kriteria pengujian satu pihak untuk pihak kanan :

Jika �ℎ������𝑔 ≤ +������𝑙 , Maka H0 diterima

Ternyata −3,77 ≤ +1,729 , maka H0 diterima dan Ha ditolak

Kesimpulannya :

Pedagang jeruk tiap hari paling banyak dapat menjual 100 kg jeruk kepada
konsumen adalah betul.

E. Tingkat Signifikansi Amatan

𝛼 disebut juga taraf signifikansi, taraf arti, taraf nyata atau probability = p, taraf

kesalahan dan taraf kekeliruan. Taraf signifikansi dinyatakan dalam dua atau tiga

desimal atau dalam persen. Lawan dari taraf signifikansi atau tanpa kesalahan ialah
taraf kepercayaan. Jika taraf signifikansi = 5%, maka dengan kata lain dapat disebut
taraf kepercayaan = 95%. Demikian seterusnya.
Dalam penelitian sosial, besarnya 𝛼 biasanya diambil 5% atau 1% (0,05 atau

0,01). Arti 𝛼 = 0,01 ialah kira – kira 1 dari 100 kesimpulan akan menolak hipotesis

yang seharusnya diterima. Atau dengan kata lain kira – kira 99% percaya bahwa kita

telah membuat kesimpulan yang benar.

Hipotesis Page 12
 DAFTAR PUSTAKA

Ronald E. Walpole, PENGANTAR STATISTIKA, Edisi ke 3,

PT.Gramedia Pustaka Utama, Jakarta, 1995.
J. Supranto M.A, STASTISTIK TEORI DAN APLIKASI, Jilid 1, 2 Edisi
ketiga, Penerbit Erlangga, Jakarta, 1981.
Subiyakto,Haryono, STATISTIKA 2, Penerbit Gunadharma, 1993.
http://id.wikipedia.org/wiki/Distribusi_poisson
http://elearning.gunadarma.ac.id/docmodul/statistika_untuk_ekonomi_
dan_bisnis/bab7_distribusi_binomial_poisson_dan_hipergeometri k.pdf