Sats 412102

Metode Statistik I
Penulis:
1. Dr. Sutikno, M.Si.
2. Dewi Juliah Ratnaningsih, S.Si., M.Si.
ISBN: 978-602-392-476-9
e-ISBN: 978-602-392-477-6
Penelaah Materi: Dewi Juliah Ratnaningsih, S.Si., M.Si.

Pengembang Desain Instruksional: Dewi Juliah Ratnaningsih, S.Si., M.Si.
Penyunting : 1. Brillianing Pratiwi, S.S.
2. Dewi Juliah Ratnaningsih, S.Si., M.Si.
Perancang Kover dan Ilustrasi : Sunarti, S.Des.
Penata Letak : 1. Nono Suwarno
2. Andy Sosiawan, S.Pd.
Penerbit:
Universitas Terbuka
Jalan Cabe Raya, Pondok Cabe, Pamulang, Tangerang Selatan - 15418
Banten – Indonesia
Telp.: (021) 7490941 (hunting); Fax.: (021) 7490147
Laman: www.ut.ac.id.
Edisi kedua
Cetakan pertama, Februari 2019
2019 oleh Universitas Terbuka

Hak cipta dilindungi Undang-Undang ada pada Penerbitan Universitas Terbuka
Kementerian Riset, Teknologi, dan Pendidikan Tinggi
Dilarang mengutip sebagian ataupun seluruh buku ini

dalam bentuk apa pun tanpa izin dari penerbit
Universitas Terbuka : Katalog Dalam Terbitan (Versi RDA)

Nama : Sutikno
Judul : Metode Statistik I (BMP); 1—9 / SATS4121 / 3SKS / penulis, Dr. Sutikno, M.Si.,
Dewi Juliah Ratnaningsih, S.Si., M.Si. ; penelaah materi, Dewi Juliah Ratnaningsih, S.Si.,
M.Si. ; pengembang desain instruksional, Dewi Juliah Ratnaningsih, S.Si., M.Si. ;
penyunting, Brillianing Pratiwi, S.S., Dewi Juliah Ratnaningsih, S.Si., M.Si. ; perancang
kover dan ilustrasi, Sunarti, S.Des. ; penata letak, Nono Suwarno, Andy Sosiawan, S.Pd.
Edisi : 2 | Cetakan : 1
Deskripsi : Tangerang Selatan : Universitas Terbuka, 2019 | 435 halaman ; 21 cm
(termasuk daftar referensi)
ISBN : 978-602-392-476-9 e-ISBN : 978-602-392-477-6
Subyek : 1. Metode statistik 2. Statistical method
Nomor klasifikasi : 001.422 [23] 201900064
Dicetak oleh:
iii
Daftar Isi
TINJAUAN MATA KULIAH ........................................................... ix
MODUL 1: PENGERTIAN STATISTIKA DAN

KLASIFIKASINYA 1.1
Kegiatan Belajar 1:
Pengertian Statistik, Statistika, dan Manfaatnya ................................. 1.3
Latihan ................................................................................................. 1.11
Rangkuman ......................................................................................... 1.12
Tes Formatif 1 .................................................................................... 1.13
Kegiatan Belajar 2:
Skala Pengukuran Data dan Notasi Penting Statistika ........................ 1.16
Latihan ................................................................................................. 1.26
Rangkuman ......................................................................................... 1.30
Tes Formatif 2 .................................................................................... 1.31
KUNCI JAWABAN TES FORMATIF.............................................. 1.35

DAFTAR PUSTAKA......................................................................... 1.36
MODUL 2: STATISTIKA DESKRIPTIF 2.1

Kegiatan Belajar 1:
Penyajian Data ..................................................................................... 2.2
Latihan ................................................................................................. 2.12
Rangkuman ......................................................................................... 2.15
Tes Formatif 1 .................................................................................... 2.16
Kegiatan Belajar 2:
Ukuran Pemusatan .............................................................................. 2.20
Latihan ............................................................................................... 2.34
Rangkuman ......................................................................................... 2.36
Tes Formatif 2 .................................................................................... 2.37
iv
Kegiatan Belajar 3:
Ukuran Penyebaran ............................................................................. 2.41
Latihan ............................................................................................... 2.46
Rangkuman ......................................................................................... 2.48
Tes Formatif 3 .................................................................................... 2.48

DAFTAR PUSTAKA......................................................................... 2.53
MODUL 3: PELUANG 3.1

Kegiatan Belajar 1:
Konsep Dasar Peluang ....................................................................... 3.3
Latihan ............................................................................................... 3.8
Rangkuman ......................................................................................... 3.10
Tes Formatif 1 .................................................................................... 3.11
Kegiatan Belajar 2:
Rumus-Rumus Peluang ....................................................................... 3.14
Latihan ............................................................................................... 3.28
Rangkuman ......................................................................................... 3.30
Tes Formatif 2 .................................................................................... 3.31
Kegiatan Belajar 3:
Peluang Bersyarat dan Teorema Bayes .............................................. 3.34
Latihan ............................................................................................... 3.40
Rangkuman ......................................................................................... 3.44
Tes Formatif 3 .................................................................................... 3.45

DAFTAR PUSTAKA......................................................................... 3.51
v
MODUL 4: VARIABEL ACAK DAN DISTRIBUSI PELUANG 4.1

Kegiatan Belajar 1:
Distribusi Peluang ............................................................................... 4.3
Latihan ............................................................................................... 4.9
Rangkuman ......................................................................................... 4.13
Tes Formatif 1 .................................................................................... 4.13
Kegiatan Belajar 2:
Ekspektasi dan Varian Distribusi Peluang ........................................ 4.18
Latihan ................................................................................................. 4.27
Rangkuman ......................................................................................... 4.30
Tes Formatif 2 .................................................................................... 4.31
Kegiatan Belajar 3:
Distribusi Peluang Bersama................................................................. 4.35
Latihan ............................................................................................... 4.38
Rangkuman ......................................................................................... 4.42
Tes Formatif 3 .................................................................................... 4.43

DAFTAR PUSTAKA......................................................................... 4.52
MODUL 5: DISTRIBUSI PELUANG DISKRIT 5.1

Kegiatan Belajar 1:
Distribusi Peluang Diskrit ................................................................... 5.3
Latihan ............................................................................................... 5.10
Rangkuman ......................................................................................... 5.13
Tes Formatif 1 .................................................................................... 5.14
Kegiatan Belajar 2:
Distribusi Hipergeometrik dan Poisson ............................................... 5.17
Latihan ............................................................................................... 5.20
Rangkuman ......................................................................................... 5.22
Tes Formatif 2 .................................................................................... 5.23

DAFTAR PUSTAKA......................................................................... 5.27
vi
MODUL 6: DISTRIBUSI PELUANG KONTINU 6.1

Kegiatan Belajar 1:
Distribusi Normal ................................................................................ 6.3
Latihan ............................................................................................... 6.11
Rangkuman ......................................................................................... 6.16
Tes Formatif 1 .................................................................................... 6.17
Kegiatan Belajar 2:
Pendekatan Normal untuk Distribusi Binomial .................................. 6.20
Latihan ............................................................................................... 6.24
Rangkuman ......................................................................................... 6.26
Tes Formatif 2 .................................................................................... 6.26
Kegiatan Belajar 3:
Distribusi Eksponensial ..................................................................... 6.30
Latihan ............................................................................................... 6.33
Rangkuman ......................................................................................... 6.34
Tes Formatif 3 .................................................................................... 6.35

DAFTAR PUSTAKA......................................................................... 6.37
MODUL 7: STATISTIKA INFERENSIA: PENDUGAAN 7.1

Kegiatan Belajar 1:
Distribusi Sampling dan Teorema Limit Pusat ................................... 7.2
Latihan ............................................................................................... 7.15
Rangkuman ......................................................................................... 7.17
Tes Formatif 1 .................................................................................... 7.18
Kegiatan Belajar 2:
Pendugaan Titik dan Selang: Rata-rata ............................................... 7.21
Latihan ............................................................................................... 7.25
Rangkuman ......................................................................................... 7.27
Tes Formatif 2 .................................................................................... 7.28
Kegiatan Belajar 3:
Pendugaan Titik dan Selang: Proporsi ................................................ 7.31
Latihan ............................................................................................... 7.35
vii
Rangkuman ......................................................................................... 7.37

Tes Formatif 3 .................................................................................... 7.38
Kegiatan Belajar 4:
Pendugaan Titik dan Selang: Varians ................................................. 7.41
Latihan ............................................................................................... 7.43
Rangkuman ......................................................................................... 7.45
Tes Formatif 4 .................................................................................... 7.46

DAFTAR PUSTAKA......................................................................... 7.50
MODUL 8: PENGUJIAN HIPOTESIS SATU POPULASI 8.1

Kegiatan Belajar 1:
Konsep Dasar Pengujian Hipotesis ..................................................... 8.2
Latihan ............................................................................................... 8.6
Rangkuman ......................................................................................... 8.8
Tes Formatif 1 .................................................................................... 8.8
Kegiatan Belajar 2:
Pengujian Hipotesis: Rata-Rata ......................................................... 8.11
Latihan ............................................................................................... 8.19
Rangkuman ......................................................................................... 8.22
Tes Formatif 2 .................................................................................... 8.23
Kegiatan Belajar 3:
Pengujian Hipotesis: Proporsi ............................................................. 8.27
Latihan ............................................................................................... 8.29
Rangkuman ......................................................................................... 8.31
Tes Formatif 3 .................................................................................... 8.32
Kegiatan Belajar 4:
Pengujian Hipotesis: Varians ............................................................. 8.35
Latihan ............................................................................................... 8.37
Rangkuman ......................................................................................... 8.40
Tes Formatif 4 .................................................................................... 8.40

DAFTAR PUSTAKA......................................................................... 8.44
viii
MODUL 9: PENGUJIAN HIPOTESIS DUA POPULASI 9.1

Kegiatan Belajar 1:
Pengujian Hipotesis: Rata-Rata .......................................................... 9.3
Latihan ............................................................................................... 9.13
Rangkuman ......................................................................................... 9.17
Tes Formatif 1 .................................................................................... 9.19
Kegiatan Belajar 2:
Pengujian Hipotesis: Proporsi ............................................................. 9.23
Latihan ............................................................................................... 9.28
Rangkuman ......................................................................................... 9.31
Tes Formatif 2 .................................................................................... 9.32
Kegiatan Belajar 3:
Pengujian Hipotesis: Varians............................................................... 9.36
Latihan ............................................................................................... 9.41
Rangkuman ......................................................................................... 9.44
Tes Formatif 3 .................................................................................... 9.44
KUNCI JAWABAN TES FORMATIF .............................................. 9.48

DAFTAR PUSTAKA ......................................................................... 9.54
DAFTAR RIWAYAT HIDUP ............................................................ 9.55
DAFTAR LAMPIRAN …………………………………………… 9.58
ix
Tinjauan Mata Kuliah
M ata kuliah Metode Statistika I/SATS4121 merupakan mata kuliah inti

pada Program Studi Statistika FMIPA Universitas Terbuka. Mata
kuliah ini sangat penting dibaca dan dipelajari oleh mahasiswa Jurusan
Statistika dan pengguna statistika lainnya dalam menentukan berbagai Metode
Statistika yang sesuai digunakan untuk pemodelan dan/atau prediksi. Buku
Materi Pokok (BMP) SATS4121 memberikan materi yang berkaitan dengan
pengertian statistika dan klasifikasinya, statistika deskriptif, konsep dasar
peluang, variabel acak dan distribusi peluang, distribusi peluang diskrit,
distribusi peluang kontinu, statistika inferensia, dan pengujian hipotesis baik
untuk satu populasi maupun untuk dua populasi.
Materi mata kuliah ini disajikan dalam 9 modul yang berisi penjelasan
topik-topik bahasan dan contoh-contoh yang relevan dengan topik yang
dibahas. Selain itu, dalam BMP ini diberikan soal-soal latihan beserta petunjuk
jawabannya, rangkuman, dan tes formatif yang ditujukan untuk membantu
mahasiswa memahami dengan baik dan lebih mendalam melalui proses
berpikir dan aktif dalam menjawab baik berupa pertanyaan maupun contoh
kasus yang diberikan.
Secara umum, sistematika materi dalam BMP SATS4121 adalah sebagai
berikut.
1. Modul 1 : Pengertian Statistika dan Klasifikasinya
2. Modul 2 : Statistika Deskriptif
3. Modul 3 : Peluang
4. Modul 4 : Variabel Acak dan Distribusi Peluang
5. Modul 5 : Distribusi Peluang Diskrit
6. Modul 6 : Distribusi Peluang Kontinu
7. Modul 7 : Statistika Inferensia Pendugaan
8. Modul 8 : Pengujian Hipotesis Satu Populasi
9. Modul 9 : Pengujian Hipotesis Dua Populasi
Secara khusus, setelah mempelajari BMP SATS4121, diharapkan

mahasiswa mampu:
1. Menjelaskan pengertian statistik dan statistika.
2. Menjelaskan pemanfaatan statistika dalam kehidupan sehari-hari.
3. Menjelaskan berbagai istilah dalam statistika.
4. Mengklasifikasikan statistika.
x
5. Menjelaskan skala pengukuran data notasi yang digunakan dalam

statistika.
6. Melakukan eksplorasi data menggunakan grafik, tabel, dan ukuran-ukuran
numerik yang dapat menggambarkan keadaan data.
7. Menyajikan data dalam bentuk grafik/diagram dan tabel, serta dapat
memberikan interpretasi yang bermakna.
8. Menghitung ukuran-ukuran numerik yang menggambarkan pemusatan
dan keragaman data.
9. Menjelaskan konsep dasar peluang.
10. Menghitung peluang suatu kejadian.
11. Menghitung peluang beberapa kejadian.
12. Menghitung peluang bersyarat suatu kejadian.
13. Menerapkan teorema Bayes dalam suatu kejadian.
14. Menjelaskan konsep variabel acak.
15. Menjelaskan distribusi peluang variabel acak diskrit dan kontinu.
16. Menghitung nilai harapan dan varian variabel acak.
17. Menghitung distribusi peluang bersama.
18. Menggunakan distribusi peluang Bernouli dan Binomial suatu kejadian.
19. Menggunakan distribusi peluang seragam suatu kejadian.
20. Menggunakan distribusi peluang hipergeometrik.
21. Menggunakan distribusi peluang Poisson.
22. Menjelaskan konsep distribusi normal.
23. Menggunakan tabel distribusi normal baku Z.
24. Menghitung peluang distribusi normal.
25. Menerapkan konsep distribusi normal untuk menyelesaikan permasalahan
yang relevan.
26. Menjelaskan konsep pendugaan.
27. Menjelaskan konsep distribusi sampling.
28. Menjelaskan konsep teorema limit pusat.
29. Menghitung pendugaan titik untuk mean.
30. Menghitung pendugaan selang untuk mean pada sampel besar (σ tidak
diketahui) dan sampel kecil (σ tidak diketahui).
31. Menghitung pendugaan titik untuk proporsi.
32. Menghitung pendugaan selang untuk proporsi.
33. Menghitung pendugaan titik untuk varians.
34. Menghitung pendugaan selang untuk varians.
35. Menjelaskan konsep dasar pengujian hipotesis.
xi
36. Menganalisis hasil uji hipotesis rata-rata satu populasi untuk sampel besar.
37. Menganalisis hasil uji hipotesis rata-rata satu populasi untuk sampel kecil.
38. Menganalisis hasil uji hipotesis proporsi satu populasi.
39. Menganalisis hasil uji hipotesis varians satu populasi.
40. Menganalisis hasil uji hipotesis rata-rata dua populasi independen.
41. Menganalisis hasil uji hipotesis rata-rata dua populasi dependen.
42. Menganalisis hasil uji hipotesis proporsi dua populasi.
43. Menganalisis hasil uji hipotesis varians dua populasi.
Dengan mempelajari BMP ini, diharapkan mahasiswa Jurusan Statistika

dan statistisian lainnya dapat menggunakan berbagai metode statistika dengan
benar dan tepat, dan dapat menentukan pendugaan parameter ataupun
pengujian hipotesis menggunakan metode statistika dengan tepat sehingga
kesimpulan yang dihasilkan valid dan reliabel.
xii
Peta Kompetensi
Sats4121/Metode Statistika I/3 SKS
Modul 1
Pengertian Statistika dan

Klasifikasinya
Dr. Sutikno, M.Si.
Dewi Juliah Ratnaningsih, S.Si., M.Si.
PEN D A HU L UA N
S audara mahasiswa, materi yang akan Anda pelajari dalam modul ini
adalah materi yang sangat mudah dan menyenangkan. Anda bisa
memahaminya dalam waktu yang singkat. Saya yakin itu! Apakah anda
percaya? Jika Anda ingin berhasil, Anda mesti percaya. Bahkan, Anda harus
meyakininya! Karena, keyakinan akan mensugesti Anda untuk dapat
memahami materi ini dengan mudah dan cepat. Dengan sugesti itu, diri Anda
akan mendapat dorongan untuk mempelajari materi ini dengan lancar, tanpa
macet. Silakan Anda praktekkan!
Di luar masalah keyakinan, setidaknya ada beberapa alasan logis yang
mendasari penulis berani menyatakan ini materi yang mudah dan
menyenangkan. Pertama, Anda tentu sudah pernah mendengar istilah
statistik dan statistika. Di era yang semakin modern ini, statistika sering kali
diperbincangkan. Bahkan, pada jenjang pendidikan sebelumnya (SMA/SMK)
Anda sudah belajar materi Statistika. Sesuatu yang sudah pernah dipelajari,
jika dipelajari ulang tentu akan terasa lebih mudah, bukan? Kedua, apa yang
akan Anda pelajari pada Modul ini sebenarnya sangat erat dengan aktivitas
kehidupan Anda sehari-hari. Misalnya, data tentang: jumlah anggota
keluarga, rata-rata konsumsi beras per hari, rata-rata pengeluaran, berapa
orang teman yang tidak masuk kuliah hari ini, berapa persen masyarakat yang
mendukung calon Presiden A, berapa banyaknya kejadian kecelakaan lalu
lintas pada hari ini di kota Anda, dan lain sebagainya. Hal-hal tersebut sangat
erat kaitannya dengan kehidupan Anda, bukan? Itulah statistik. Intinya, saat
Anda membicarakan data, Anda berbicara masalah statistik dan statistika.
Sangat menarik bukan? Mempelajari sesuatu yang benar-benar nyata ada
di kehidupan kita, yang erat kaitannya dengan keseharian kita. Terlebih lagi,
sesuatu itu dulunya sudah pernah kita pelajari. Hanya saja, di sini akan ada
1.2 Metode Statistika 1 
tambahan konsep-konsep yang menjadi dasar dalam belajar mata kuliah

Metode Statistika secara keseluruhan, yang mungkin ketika SMA/SMK dulu
Anda belum diperkenalkan. Oleh karenanya, saya yakin Anda akan dengan
mudah dan cepat memahami materi dalam modul ini.
Nah, apa saja materi yang akan Anda pelajari dalam modul ini? Modul
ini memaparkan beberapa ilmu dasar dan bagian mendasar dari statistika.
Oleh karena itu, pemahaman awal Anda dalam modul ini sangat menentukan
dalam memahami materi selanjutnya yang ada kaitannya dengan statistika.
Setelah mempelajari modul ini Anda diharapkan mampu:
1. menjelaskan pengertian statistik dan statistika;
2. menjelaskan pemanfaatan statistika dalam kehidupan sehari-hari;
3. menjelaskan berbagai istilah dalam statistika;
4. mengklasifikasikan statistika;
5. menjelaskan skala pengukuran data notasi yang digunakan dalam
statistika.
Ada dua Kegiatan Belajar dalam modul ini. Pada Kegiatan Belajar 1
Anda akan mempelajari pengertian statistik, statistika, dan manfaatannya,
sedangkan pada Kegiatan Belajar 2 Anda akan mempelajari skala
pengukuran dan notasi-notasi dalam statistika.
Mari kita melangkah pada Kegiatan Belajar 1 dan 2.
 SATS4121/MODUL 1 1.3
Kegiatan Belajar 1
Pengertian Statistik, Statistika, dan

Manfaatnya
A. PENGERTIAN STATISTIK DAN STATISTIKA
Pada bagian ini, Anda kami ajak untuk memahami konsep statistik dan
statistika, supaya Anda dapat memahami perbedaannya. Anda mungkin tidak
asing dengan istilah statistik. Karena di Indonesia ada sebuah lembaga yang
bernama Badan Pusat Statistik (BPS). Ketika mendengar kata statistik dan
statistika ini, beberapa di antara Anda dan orang lain mungkin beranggapan
bahwa kedua istilah tersebut berkaitan dengan BPS. Di mana aktivitas
tersebut berupa penyajian data seperti membuat tabel, grafik informasi
kependudukan, sosial ekonomi, dan lain sebagainya. Pengertian ini tidaklah
salah, karena kata Statistika berasal dari Bahasa Latin ”status” yang berarti
state atau negara. Pada awalnya pemanfaatan statistik berkaitan dengan
aktivitas rutinitas pemerintahan, seperti yang telah disebutkan di atas. Namun
demikian, adanya perkembangan saat ini, statistika mulai diterapkan di
berbagai bidang. Seperti di bidang industri, bisnis, ekonomi, sosial, pertanian,
lingkungan, kesehatan, serta bidang lainnya.
Sekilas kata statistika (statistics) dan statistik (statistic) tidak
mengandung perbedaan, tetapi sebenarnya keduanya memiliki perbedaan
yang sangat berarti dan Anda wajib mengetahuinya. Statistik berbicara pada
data dan hasil peringkasan data, sedangkan statistika berbicara mengenai
suatu ilmu yang mempelajari data.
Jika dilihat dari sisi historis, pada mulanya, kata "statistik" diartikan
sebagai "kumpulan bahan keterangan (data), baik yang berwujud angka (data
kuantitatif) maupun yang tidak berwujud angka (data kualitatif) yang
mempunyai arti penting dan kegunaan yang besar bagi suatu negara. Namun,
dalam perkembangan selanjutnya, arti kata statistik hanya dibatasi pada
"kumpulan bahan keterangan yang berwujud angka (data kuantitatif)" saja;
bahan keterangan yang tidak berwujud angka (data kualitatif) tidak lagi
disebut statistik.
Seiring dengan perkembangan zaman, statistik tidak dibatasi untuk
kepentingan negara saja. Akan tetap,i digunakan juga oleh masyarakat dalam
keseharian untuk mempermudah pencatatan dan menganalisis data. Sehingga

muncullah beberapa nama statistik. Misalnya, statistik nilai mahasiswa
Jurusan Statistika yang mengambil mata kuliah Metode Statistika, statistik
produksi suatu perusahaan yang memproduksi barang “X”, dan lain
sebagainya.
Dengan demikian, dapat disimpulkan bahwa statistik merupakan
kumpulan data baik berupa bilangan maupun bukan bilangan yang disusun
dalam tabel ataupun gambar yang melukiskan atau menggambarkan suatu
persoalan. Kata statistik bisa juga digunakan untuk menyatakan ukuran
sebagai wakil dari kumpulan data mengenai sesuatu hal. Ukuran ini didapat
berdasarkan perhitungan menggunakan kumpulan sebagian data yang diambil
dari keseluruhan tentang persoalan tersebut (misal: persen dan rata-rata).
Terkait dengan hal itu, statistik punya pengertian yang lebih spesifik.
Untuk masuk pada pengertian ini, Anda harus memahami terlebih dahulu
istilah populasi dan sampel. Pembahasan ini dapat Anda jumpai pada Sub 2.
Lalu, apa yang dimaksud dengan statistika? Saudara, perlu Anda pahami
bahwa statistik itu tidaklah muncul dengan sendirinya. Informasi yang berupa
tabel, grafik, angka-angka, keseluruhan jenis statistik tersebut memerlukan
suatu metode dalam pembuatannya dan dalam menerjemahkannya. Sehingga,
jelas bahwa dibutuhkan suatu proses untuk mendapatkan suatu statistik.
Dalam proses tersebut dibutuhkan suatu ilmu. Ilmu inilah yang dinamakan
statistika, yaitu ilmu yang mencakup bagaimana cara mengumpulkan data,
menyajikan data, menganalisis data, menginterpretasikan data, dan menarik
kesimpulan.
Statistika adalah ilmu yang mempelajari tentang perancangan

pengumpulan data, penyajian data, analisis data, interpretasi data, dan
penarikan kesimpulan dimana terdapat keragaman dan kondisi
ketidakpastian.
Statistik kumpulan data baik berupa bilangan maupun bukan bilangan

yang disajikan dalam tabel ataupun gambar yang melukiskan atau
menggambarkan suatu persoalan.
Dengan demikian, bisa disimpulkan pula bahwa ruang lingkup statistika

lebih luas daripada statistik. Statistika mencakup statistik. Dengan kata lain
statistik merupakan bagian dari statistika. Jika diibaratkan sebuah komputer,
kita dapat menganalogikan bahwa komputer utuh merupakan statistika,
sedangkan alat-alat penyusun dari komputer (LCD, mouse, CPU, keyboard,
dll) merupakan statistik. Sekarang, apakah Anda sudah jelas mengenai
perbedaan antara statistik dan statistika?
B. POPULASI DAN SAMPEL
Statistika erat kaitannya dengan kegiatan penelitian yang di dalamnya

pasti dilakukan suatu kegiatan pengukuran atau mengamati suatu objek.
Keseluruhan pengamatan atau objek yang menjadi perhatian peneliti disebut
populasi. Sedangkan, sebagian dari populasi dimana pengukuran dilakukan
dinamakan sampel, seperti yang diilustrasikan pada Gambar 1.1.
Populasi terbagi menjadi dua, yaitu populasi tak hingga dan populasi
terhingga. Populasi tak hingga adalah populasi yang ukurannya tak hingga.
Sebagai contoh, populasi yang terdiri atas semua mahasiswa Universitas
Terbuka yang memakai kaca mata. Meskipun kita bisa menghitung, namun
mengetahui jumlah pastinya biasanya sulit kita ketahui, karena jumlahnya
cukup besar. Sementara itu, populasi berhingga adalah populasi yang banyak
anggotanya berhingga, contohnya adalah semua kemungkinan munculnya
angka atau gambar dalam proses pelemparan koin secara berulang-ulang,
atau semua mahasiswa Universitas Terbuka (UT) di Provinsi Jawa Barat.
Gambar 1.1
Ilustrasi Populasi dan Sampel
Dalam proses pengumpulan data untuk sampel biasanya diperoleh

melalui survei, sedangkan untuk mengetahui populasi dilakukan sensus.
Seperti yang telah dilakukan oleh BPS dan lembaga survei lain yang selalu
melakukan survei (Misal: Survei Sosial Ekonomi Nasional, Survei
Ketenagakerjaan, Survei Pertanian, Survei popularitas dan elektabilitas
seorang calon presiden, dll). Sementara BPS melakukan sensus penduduk per
10 tahunan.
Populasi adalah keseluruhan dari karakteristik atau unit hasil

pengukuran yang menjadi objek amatan.
Sampel adalah himpunan bagian dari populasi dimana suatu

pengukuran dilakukan.
Contoh 1.1.
Misalnya populasi dari mahasiswa UT yang memakai kaca mata, maka bisa
diambil sampel mahasiswa UT Jurusan Statistika angkatan 2012 yang
berkaca mata. Contoh lain aktivitas sehari-hari dalam pengambilan sampel
adalah aktivitas mencicipi makanan. Misal seorang ibu memasak sayur sup
yang diletakkan pada sebuah panci. Untuk mengetahui pas atau tidaknya
bumbu yang telah dimasukkan, ibu tersebut mencicipi satu sendok sup yang
telah dibuatnya. Bagaimana Anda mendefinisikan populasi dan sampel pada
kasus tersebut?
Jawab:
Populasi dari kasus tersebut adalah sup yang berada dalam panci, karena
merupakan seluruh karakteristik yang menjadi objek diamati. Sampel dari
kasus tersebut adalah satu sendok sup yang ibu cicipi karena merupakan
bagian dari populasi yang akan dijadikan objek yang diamati.
Saudara, ingat kembali bahwa populasi dan sampel merupakan

kumpulan objek-objek, sehingga masing-masing memiliki ciri atau ukuran-
ukuran tertentu. Ukuran-ukuran atau ciri numerik dari suatu populasi disebut
parameter, yang hanya diketahui melalui kegiatan sensus atau pengukuran
terhadap keseluruhan anggota populasi. Jika tidak dilakukan melalui sensus,
maka parameter ini tidak akan diketahui nilai sebenarnya. Sedangkan, ciri
numerik dari suatu sampel disebut statistik (statistic), yang nilainya
diperoleh dari hasil pengukuran terhadap sampel. Inilah pengertian statistik

secara spesifik.
Ukuran-ukuran yang ada pada sampel merupakan penduga bagi ukuran-
ukuran yang ada pada populasi, sehingga, statistik merupakan penduga bagi
parameter. Oleh karena itu, secara spesifik, statistika juga dapat diartikan
sebagai ilmu yang mempelajari tentang pendugaan parameter.
Untuk memudahkan pemahaman Anda mengenai hal ini, mari kita ingat
kembali kegiatan politik besar-besaran yang baru saja di gelar di negara kita
yaitu pemilihan umum (pemilu) presiden dan wakil presiden. Pada pemilu
tersebut, sangat ramai diperbincangkan kegiatan survei yang disebut hitung
cepat (quick count). Apakah Anda mengetahuinya? Pada quick count,
dilakukan perhitungan suara secara cepat dengan cara mengambil sampel
beberapa Tempat Pemungutan Suara (TPS) di setiap daerah yang dianggap
mewakili keseluruhan TPS se-Indonesia. Dengan demikian, data hasil
perhitungan dari quick count itu tidak melibatkan keseluruhan TPS, bukan?
Dari survei quick count ini diperolehlah proporsi suara masing-masing
pasangan calon presiden dan wakil presiden. Kemudian, setelah perhitungan
di seluruh TPS se-Indonesia selesai, beberapa hari kemudian Ketua
Pemilihan Umum (KPU) menetapkan pemenang pemilu dengan
mengumumkan hasil perolehan suara masing-masing pasangan calon. Nah,
dari cerita Pemilu ini, dapatkah Anda mengidentifikasi yang mana yang
merupakan populasi, sampel, parameter, dan statistik?
Jawabannya adalah keseluruhan TPS se-Indonesia merupakan populasi,
sedangkan TPS-TPS yang disurvei pada kegiatan quick count adalah sampel.
Proporsi suara hasil perhitungan KPU yang diumumkan saat penetapan
pemenang pemilu adalah parameter, yaitu nilai yang diperoleh dari
perhitungan suara keseluruhan TPS se-Indonesia. Sementara itu, proporsi
suara hasil perhitungan quick count adalah statistik, yaitu nilai yang diperoleh
dari sampel TPS. Dari sini jelas bahwa, perolehan suara hasil quick count
hanya sebuah dugaan perolehan suara hasil KPU, karena statistik merupakan
penduga parameter. Nah, dalam rangkaian kegiatan perhitungan suara ini
sehingga hasil perhitungan quick count dapat disebut sebagai penduga hasil
perhitungan KPU tentu dibutuhkan suatu ilmu, bukan? Ilmu tersebut adalah
statistika. Melalui ilustrasi ini, saya yakin bahwa Anda sekarang lebih paham
mengenai konsep populasi, sampel, parameter, statistik, dan statistika.
Ciri numerik dari populasi disebut parameter. Ciri numerik dari sampel
disebut statistik. Ilmu yang mempelajari tentang pendugaan parameter
disebut statistika.
C. KLASIFIKASI STATISTIKA
Statistika dapat diklasifikasikan menjadi dua, yaitu statistika deskriptif

dan statistika inferensia. Statistika deskriptif adalah metode-metode yang
berkaitan dengan pengumpulan dan penyajian data sehingga memberikan
informasi yang berguna. Misalkan dalam suatu hasil survei mengenai
pengeluaran keluarga per bulan di Kabupaten ”X”. Data yang diperoleh
tentunya cukup besar, sehingga perlu disajikan dalam bentuk yang lebih
ringkas dan informatif. Penyajian data dapat berupa tabel, gambar dan ukuran
ringkasan lainnya, yang Saudara pelajari lebih lanjut pada modul berikutnya.
Salah satu contoh menggambarkan statistika deskriptif pada kasus di atas,
penyajian dalam bentuk tabel, seperti disajikan pada Tabel 1.1 berikut.
Tabel 1.1
Persentase Keluarga di Kabupaten ”X” Berdasarkan Pengeluaran
dalam Sebulan
Pengeluaran Persentase
(%)
Kurang dari Rp.150.000 16,8
Rp150.000 – Rp249.999 16,4
Rp250.000 – Rp499.999 36,3
Rp500.000 – Rp999.999 25,1
Lebih besar Rp999.999 5,4
Tabel 1.1 menunjukkan bahwa persentase keluarga berdasarkan

pengeluaran dalam satu bulan. Sebanyak 16,8% dari jumlah keluarga di
kabupaten tersebut memiliki pengeluaran di bawah Rp.150.000/ bulan, 16,4%
memiliki pengeluaran antara Rp150.000 sampai Rp249.999, dan hanya 5,4%
yang memiliki pengeluaran di atas Rp.999.999.
Statistika inferensia merupakan metode yang menggunakan sampel
untuk menarik kesimpulan, memprediksi, atau meramalkan suatu populasi
berdasarkan sampel. Sebagai contoh, misalkan sebuah perusahaan televisi
ingin mengetahui kualitas dari produk yang akan dipasarkan, pemeriksaan
kualitas produk tersebut tidak mungkin dilakukan untuk setiap unit karena
biaya yang mahal dan membutuhkan waktu yang banyak. Oleh karena itu,
diambil sampel untuk dilakukan pemeriksaan sehingga dapat ditarik
kesimpulan bahwa produk tersebut sudah siap dipasarkan atau tidak.
Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan

dan penyajian data, sehingga memberikan informasi yang berguna.
Statistika inferensia merupakan metode yang menggunakan sampel

untuk menarik kesimpulan, memprediksi, atau meramalkan suatu
populasi berdasarkan sampel
D. PEMANFAATAN STATISTIKA
Statistika merupakan alat analisis. Namanya alat, pasti keberadaannya

memiliki kegunaan tertentu. Lalu, apa kegunaan statistika itu? Kegunaan
statistika banyak, yaitu dalam kehidupan Anda, dalam perusahaan tempat
Anda bekerja, atau dalam kehidupan berbangsa dan bernegara? Saudara,
apakah Anda tahu, dalam kehidupan ini apa yang pasti muncul dan tak dapat
dihindari? Baik dalam kehidupan pribadi, kelompok, maupun kehidupan
bernegara. Ya, itu adalah masalah. Dalam hidup ini, yang namanya masalah
pasti selalu ada dan tak dapat kita hindari. Lalu, kalau masalah sudah datang,
apa yang harus kita lakukan? Sudah tentu, kita wajib menyelesaikan
permasalahan tersebut bukan? Nah, dalam proses penyelesaian masalah
inilah, statistika sangat berguna atau bermanfaat! Sehingga, dapat dikatakan
bahwa secara prinsip, statistika berguna sebagai alat untuk pemecahan
masalah.
Permasalahan dalam kehidupan ini sangatlah kompleks dan dapat terjadi
di berbagai bidang kehidupan. Oleh karena itu, statistika juga berperan dalam
berbagai bidang. Secara teknis, pemanfaatan statistika dapat dibedakan
menjadi dua, yaitu:
1. Manfaat statistika secara umum

a. Menyajikan data secara ringkas sehingga lebih mudah untuk
dimengerti.
b. Membuat catatan data yang bersifat matematis dan sistematis.
c. Menyajikan perbandingan-perbandingan suatu data.
d. Memberikan data masa lampau untuk menentukan kebijakan saat
ini.
e. Membuat perkiraan-perkiraan secara generalisasi terhadap obyek
yang lebih luas.
f. Menunjukkan tren maupun tendensi perkembangan suatu masalah.
g. Membuat penarikan kesimpulan secara ilmiah.
2. Manfaat statistika pada beberapa bidang

Statistika dapat diterapkan dan bermanfaat pada berbagai bidang, seperti
lingkungan, kesehatan, sosial, bisnis, dan ekonomi, industri, dan di dalam
bidang apapun. Selama terdapat suatu ketidakpastian, maka statistika akan
selalu dipakai sebagai alat. Berikut ini diuraikan contoh pemanfaat statistika
dalam beberapa bidang.
a. Bidang Pemasaran
Statistika dapat digunakan dalam analisis pemasaran, analisis penjualan,
dan analisis pasar untuk melihat potensi penjualan di masa yang akan datang.
b. Bidang Kesehatan
Kegunaan statistika di bidang kesehatan di antaranya adalah untuk
melihat dan membandingkan tingkat kesehatan masyarakat, memberi
informasi kesehatan dan program-program kesehatan, dan menggambarkan
keadaan kesehatan masyarakat.
c. Bidang Manajemen
Manajer menggunakan metode statistika untuk melihat grafik naik
turunnya perkembangan suatu perusahaan yang dijadikan pedoman dalam
menentukan langkah selanjutnya.
d. Bidang Produksi
Statistika dapat digunakan untuk pengontrolan kualitas dari barang yang
diproduksi, pengawasan terhadap efisiensi kerja dan produk baru.
Selain bidang-bidang tersebut, statistika dapat dimanfaatkan pada
banyak bidang lainnya, seperti bidang pendidikan, pertanian, psikologi,
teknik, politik, dan lain sebagainya. Hampir seluruh bidang kehidupan ini
membutuhkan statistika. Nah, dengan membaca dari berbagai sumber
lainnya, Anda dapat memahami apa saja pemanfaatan statistika di bidang-
 SATS4121/MODUL 1 1.11
bidang tersebut. Dari sini, nantinya, Anda dapat juga menentukan prioritas
untuk menekuni statistika di bidang tertentu sesuai dengan ketertarikan Anda.
Dengan demikian, statistika akan semakin menarik dan bermanfaat untuk
kehidupan, bukan? Semoga Anda semakin bersemangat untuk mempelajari
statistika pada modul berikutnya.
LAT IH A N
Untuk memperdalam pemahaman Anda mengenai materi di atas,

kerjakanlah latihan berikut!
1) Jelaskan perbedaan antara statistika dan statistik!

2) Jelaskan perbedaan antara populasi dan sampel!
3) Jelaskan pernyataan tersebut apakah termasuk statistika deskriptif atau
statistika inferensia!
a. Berdasarkan serangan hama besar-besaran yang terjadi di Lampung
2 tahun yang lalu, diramalkan kopi akan meningkat menjadi tiga kali
lipat pada tahun depan.
b. Sekurang-kurangnya 5% dari kejadian kebakaran di Jakarta tahun
lalu diakibatkan oleh arus pendek listrik.
c. Berdasarkan pencatatan terhadap 100 mahasiswa Jurusan Statistika
FMIPA-UT, terdapat 15 orang mahasiswa yang memiliki IPK > 3,5.
d. Sebagian besar masyarakat Indonesia tidak menyetujui didirikannya
pusat tenaga nuklir sebagai pembangkit tenaga listrik.
4) Tentukan populasi dan sampel dari kasus berikut!
a. Seorang petani mempunyai satu hektar ladang yang ditanami kacang
tanah. Pada musim panen, petani tersebut ingin menjual hasil
panennya. Untuk mengetahui kualitas hasil panen, seorang calon
pembeli mengambil beberapa rumpun kacang tanah dari beberapa
lokasi yang berbeda di ladang petani tersebut.
b. Seorang ketua OSIS SMP X ingin mengetahui rata-rata uang saku
per bulan siswa SMP tersebut. Untuk itu dia mengambil secara acak
30 siswa dari kelas VII, 30 siswa kelas VIII, dan 30 siswa kelas IX.
Petunjuk Jawaban Latihan
1) Statistik adalah ciri numerik dari sampel, sedangkan statistika

merupakan ilmu yang mempelajari tentang perancangan pengumpulan
data, penyajian data, analisis data, interpretasi data, dan penarikan
kesimpulan di mana terdapat keragaman dan kondisi ketidakpastian.
2) Populasi adalah keseluruhan objek yang menjadi pusat perhatian dalam
suatu penelitian, sedangkan sampel adalah bagian dari populasi di mana
suatu pengukuran dilakukan.
3) Klasifikasi statistika :
a. Inferensia
b. Deskriptif
4) Identifikasi populasi dan sampel
a. Populasi: tanaman kacang tanah yang ditanam pada lahan seluas
satu hektar
Sampel : beberapa rumpun kacang tanah yang diambil dari
beberapa lokasi
b. Populasi : seluruh siswa SMP X kelas VII, VIII, dan IX.
Sampel : 30 siswa dari kelas VII, 30 siswa kelas VIII, dan 30
siswa kelas IX.
R A NG KU M AN
Statistika adalah ilmu yang mempelajari tentang perancangan

pengumpulan data, penyajian data, analisis data, interpretasi data, dan
penarikan kesimpulan dimana terdapat keragaman dan kondisi
ketidakpastian. Statistik merupakan karakteristik atau ciri numerik dari
sampel.
Populasi adalah keseluruhan dari karakteristik atau unit hasil
pengukuran yang menjadi objek amatan. Sampel adalah himpunan
bagian dari populasi dimana suatu pengukuran dilakukan.
Statistika terbagi menjadi dua, yaitu statistika deskriptif dan
statistika inferensia. Statistika deskriptif adalah metode yang berkaitan
dengan pengumpulan dan penyajian data sehingga memberikan
informasi yang berguna. Statistika inferensia merupakan metode yang
menggunakan sampel untuk menarik kesimpulan, memprediksi, atau
meramalkan suatu populasi berdasarkan sampel.
 SATS4121/MODUL 1 1.13
TES F OR M AT IF 1
Pilihlah satu jawaban yang paling tepat!

1) Statistika merupakan ilmu yang meliputi kegiatan berikut, kecuali ....
A. mengumpulkan data
B. menyajikan data
C. menarik kesimpulan
D. menyusun laporan hasil penelitian
2) Di Indonesia ada sebuah lembaga yang bertugas untuk mengurusi

masalah statistik nasional yang disebut ....
A. Badan Pusat Statistika
B. Lembaga Statistika Indonesia
C. Badan Pusat Statistik
D. Lembaga Pusat Statistik
3) Adanya lembaga tersebut pada nomor 2, mengindikasikan bahwa ....

A. negara memerlukan kelengkapan data
B. statistik dan statistika merupakan hal yang sangat penting bagi suatu
negara
C. statistika perlu dikembangkan melalui sebuah lembaga negara
D. perlu suatu lembaga untuk mensosialisasikan statistik dan statistika
Untuk nomor 4 sampai 7, perhatikan kasus berikut.

Seorang mahasiswa yang sedang menyelesaikan skripsi melakukan
penelitian untuk mengetahui proporsi mahasiswa pengguna Handpone
merek A di Universitas X. Karena jumlah seluruh mahasiswa di
Universitas tersebut sangat banyak, maka dia hanya menanyakan kepada
sebagian mahasiswa saja yang mewakili semua fakultas. Kemudian, dari
hasil penelitiannya itu diperoleh informasi bahwa sebanyak 63%
mahasiswa menggunakan Handphone merek A.
4) Keseluruhan mahasiswa Universitas X merupakan ....

A. populasi
B. sampel
C. parameter
D. statistik
5) Mahasiswa-mahasiswa yang dipilih untuk diberi pertanyaan tentang

merek Handphone yang digunakannya merupakan ....
A. populasi
B. sampel
C. parameter
D. statistik
6) Angka 63% yang menunjukkan banyaknya mahasiswa pengguna

Handphone merek A merupakan ....
A. populasi
B. sampel
C. parameter
D. statistik
7) Ketika mahasiswa tersebut mengambil kesimpulan bahwa dugaan

pengguna Handphone merek A di Universitas X adalah sebesar 63%,
maka penelitian mahasiswa tersebut termasuk dalam ranah statistika ....
A. deskriptif
B. pengendalian mutu
C. inferensia
D. kuantitatif
8) Perhatikan Gambar berikut ini.
Gambar di atas merupakan output dari statistika ....

A. inferensia
B. sosial
C. hiburan
D. deskriptif
 SATS4121/MODUL 1 1.15
9) Parameter populasi hanya dapat diketahui nilainya melalui suatu

kegiatan penelitian yang disebut ....
A. sensus
B. sampling
C. survei
D. percobaan
10) Dalam berbagai bidang kehidupan, khususnya yang berkaitan dengan

riset kuantitatif, statistika berperan sebagai ....
A. penentu kebijakan
B. penyusun hipotesis
C. alat dalam penyelesaian masalah
D. pengambilan keputusan
Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 1 yang

terdapat di bagian akhir modul ini. Hitunglah jawaban yang benar.
Kemudian, gunakan rumus berikut untuk mengetahui tingkat penguasaan
Anda terhadap materi Kegiatan Belajar 1.
Jumlah Jawaban yang Benar

Tingkat penguasaan =  100%
Jumlah Soal
Arti tingkat penguasaan: 90 - 100% = baik sekali

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang
Apabila mencapai tingkat penguasaan 80% atau lebih, Anda dapat

meneruskan dengan Kegiatan Belajar 2. Bagus! Jika masih di bawah 80%,
Anda harus mengulangi materi Kegiatan Belajar 1, terutama bagian yang
belum dikuasai.
Kegiatan Belajar 2
Skala Pengukuran Data

dan Notasi Penting Statistika
S etelah Anda mempelajari Kegiatan Belajar 1 maka pada Kegiatan Belajar

2 ini Anda akan melanjutkan belajar mengenai beberapa jenis atau tipe
data dan notasi sigma. Pada bagian pertama akan dibahas mengenai jenis dan
skala pengukuran data. Pada bagian kedua dibahas notasi penting dalam
statistika yang sering digunakan, yaitu penjumlahan data dengan simbol ,
dan dibaca sigma.
A. JENIS DAN SKALA PENGUKURAN DATA
Saudara, perlu Anda pahami bahwa data merupakan hal terpenting dalam
statistika. Data dapat digolongkan ke dalam beberapa jenis. Pemahaman
Anda terhadap tipe/jenis data ini merupakan hal yang penting sekali, karena
sebagai dasar penentuan metode statistik yang akan digunakan dalam analisis
data atau pengolahan data. Secara umum terdapat dua jenis data, yaitu: data
kategorik (kualitatif) dan data kontinu (kuantitatif). Di beberapa buku lain,
data kontinu disebut juga data numerik atau pengukuran (numerical or
measurement). Kemudian, data kategorik dan numerik diklasifikasikan lagi
menjadi beberapa jenis data. Menurut skala pengukurannya,
pengklasifikasian data adalah sebagai berikut.
1. Nominal
Suatu data dikatakan memiliki skala pengukuran nominal, jika data
dalam bentuk kategorik yang disajikan dalam bentuk label nonnumerik dan
kode numerik. Sebagai contoh data label nonnumerik adalah warna (merah,
kuning, hijau, dan lain sebagainya), nama provinsi (Jawa Timur, Jawa Barat,
Jawa Tengah, dan lain sebagainya), agama, jenis kelamin, dan sebagainya.
Untuk contoh data kategorik dalam bentuk kode numerik, seperti: nomor
rumah, nomor telepon, penomeran pada suku cadang mesin atau peralatan,
seri nomor kendaraan, dan sebagainya. Untuk kepentingan pengolahan data,
data-data kategorik tersebut seringkali disajikan dalam bentuk kode numerik,
misal jenis kelamin, laki-laki, diberi kode 1, dan wanita diberi kode 2.
 SATS4121/MODUL 1 1.17
Meskipun data tersebut dilabelkan dalam bentuk numerik, namun operasi

aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian tidak
berlaku. Dengan demikian pelabelan numerik pada data kategorik hanya
untuk membedakan antar data. Oleh karena itu, perhitungan rata-rata data
tidak mungkin dilakukan dan menghasilkan informasi yang kurang sahih.
Informasi yang bisa diberikan dari data kategorik ini adalah frekuensi dan
persentase. Misal persentase jumlah penduduk di suatu kabupaten menurut
jenis kelamin, jumlah mahasiswa UT menurut asal provinsi, dan sebagainya.
2. Ordinal
Suatu data dikatakan memiliki skala pengukuran ordinal, jika data
tersebut memiliki sifat skala nominal dan memiliki order (urutan) jika
dilabelkan dalam kode numerik. Misalkan jenjang pendidikan formal yang
ditamatkan oleh penduduk, dilabelkan sebagai berikut: tidak sekolah diberi
kode 0; tamatan TK diberi kode 1; tamatan SD diberi kode 2; tamatan SMP
diberi kode 3; tamatan SMA diberi kode 4; tamatan perguruan tinggi diberi
kode 5. Contoh lain, persepsi seseorang terhadap pernyataan tertentu,
dinyatakan sebagai berikut: sangat tidak setuju = 1, tidak setuju = 2, ragu-
ragu = 3, setuju = 4, dan sangat setuju = 5. Seperti halnya pada data nominal,
pada data skala pengukuran ordinal tidak bisa dilakukan operasi aritmatika.
3. Interval
Data dikatakan memiliki skala pengukuran interval, jika data tersebut
memiliki sifat skala ordinal dan memiliki interval yang sama dalam unit
pengukuran. Sebagai contoh adalah suhu, memiliki unit pengukuran yang
tetap dengan satuan derajat, sehingga data suhu dapat diurutkan dari yang
terkecil hingga terbesar. Hal penting yang membedakan dengan skala
pengukuran rasio adalah skala interval tidak memiliki nilai 0 (nol) mutlak,
artinya nilai pembandingan (rasio) tidak bermakna. Misal 0 0C tidak sama
dengan 00F dan ini bukan berarti tidak ada nilainya. Di samping itu, jika suhu
ruangan 400C, maka ini berarti 200C lebih tinggi dari suhu rungan 20 0C.
Namun, suhu 400C bukan berarti 2 kali dari suhu ruangan 200C. Pada data
skala interval dapat dilakukan operasi aritmatika.
4. Rasio
Suatu data dikatakan memiliki skala pengukuran rasio, jika data tersebut
memiliki sifat skala interval dan memiliki nilai 0 (nol) mutlak. Contoh data
skala rasio adalah berat badan, tinggi badan, jarak lokasi, waktu dan
sebagainya. Jika suatu benda mempunyai berat 0 kg berarti tidak memiliki
berat, atau seseorang membayar Rp0,00, artinya mereka tidak membayar atau
gratis. Data dengan skala rasio selalu datanya numerik sehingga dapat
dilakukan operasi aritmatik.
Data yang memiliki skala pengukuran nominal dan ordinal seringkali
diklasifikasikan data kategorik atau kualitatif. Sementara data yang memiliki
data skala pengukuran interval dan rasio diklasifikasikan data kontinu atau
kuantitatif. Penjelasan skala pengukuran di atas dapat ringkas seperti
disajikan pada Tabel 1.2 berikut.
Tabel 1.2
Deskripsi Skala Pengukuran
Skala Pelabelan Data Operasi

Pengukuran Non numerik Numerik aritmatik
Nominal Pengamatan Nilai numerik sebagai Tidak dapat
dalam kategorik pelabelan kategorik dan hanya diterapkan
sebagai pembeda
Ordinal Pengamatan Nilai numerik di samping Tidak dapat
dalam kategorik sebagai pembeda juga diterapkan
dan dapat menunjukkan rangking atau
diurutkan urutan data
Interval Tidak dapat Nilai numerik sebagai Dapat
terapkan pembeda, dapat diurutkan dan diterapkan
memiliki interval yang sama
dan bermakna, namun tidak
memiliki nol mutlak, artinya
perbandingan (ratio) tidak
bermakna
Rasio Tidak dapat Nilai numerik sebagai Dapat
diterapkan pembeda, dapat diurutkan dan diterapkan
memiliki interval yang sama
dan bermakna, serta memiliki
nol mutlak, artinya
perbandingan (ratio) bermakna
 SATS4121/MODUL 1 1.19
B. NOTASI PENJUMLAHAN ()
Dalam analisis statistika, data yang terhimpun biasanya cukup banyak,

sehingga dibutuhkan cara menyajikan yang efektif melalui lambang
matematik. Misalkan sekumpulan data yang dituliskan sebagai berikut:
x1 , x2 , , xn . Sebanyak n pengamatan, x1 adalah pengamatan pertama, x2
pengamatan kedua, dan seterusnya. Sebagai contoh, hasil pengukuran tinggi
badan empat mahasiswa UT, diperoleh: 165, 170, 175, dan 160 cm, maka
dapat dituliskan sebagai berikut: x1  165, x2  170, x3  175, dan x4  160.
Untuk menyajikan data yang lebih efektif, maka jumlahan data
pengamatan dapat ditulis dengan lambang  dibaca Sigma.
n
Notasi x
i 1
i menunjukkan jumlah n bilangan x1 , x2 , , xn dan dibaca jumlah
semua xi, dengan i berjalan 1 sampai dengan n, sehingga

n
x
i 1
i  x1  x2   xn . Suku yang ada di sebelah kanan  merupakan
kuantitas yang dijumlah. Berikut disajikan lambang  dengan beberapa

kuantitas:
4
x i 1
i  x1  x2  x3  x4
3
 7  x   7  x   7  x   7  x 
i 1
i 1 2 3
x i 1
3
i x13  x23  x33  x43  x53
Contoh 1.2.
Misalkan terdapat tiga data pengamatan, yaitu: x1  3; x2  2; x3  4 , maka
hitunglah nilai penjumlahan sebagai berikut.
3 3
1.  xii 1
4. x
i 1
i
2
3 3
2.  3xi 1
i 5. x
i 1
i  3
3 3
7 x  3
2
3. 6. i
i 1 i 1
Jawab:
3
a) x
i 1
i  x1  x2  x3  3  2  4  9
3 3
b)  3x
i 1
i  3x1  3x2  3x3  3 xi  3  9   27
i 1
3
c)  7  7  7  7  21
i 1
3
d)   x  3   x
i 1
i 1  3   x2  3   x2  3
  3  3   2  3    4  3 
 18
Dapat juga diselesaikan dengan

3 3 3
  x  3   x  3  9  3  3  18
i 1
i
i 1
i
i 1
3
  x  3   x  3   x2  3   x3  3
2 2 2 2
e) i 1
i 1
  3  3   2  3   4  3
2 2 2
 155
Dapat juga diselesaikan dengan

 3    xi 2  6 xi  9 
3 3
x
2
i
i 1 i 1
3 3 3
  xi 2   6 xi   9
i 1 i 1 i 1
3 3 3
  xi 2  6 xi   9
i 1 i 1 i 1
 29  6(9)  27
 110
3
f) x
i 1
i
2
 x12  x2 2  x32  32  22  42  29
 SATS4121/MODUL 1 1.21
Berdasarkan beberapa contoh di atas, maka terdapat beberapa sifat dasar

operasi penjumlahan , yaitu:
(misalkan c adalah suatu konstanta)
n
1. c  c  c 
i 1
 c  nc
n n
2.  cx
i 1
i  cx1  cx2   cxn  c  xi
i 1
n n n
3.  x  y    x
i 1
i i 1  y1     xn  yn    xi   yi
i 1 i 1
Contoh 1.3.
  ax  by      ax  
n n
 ab  xi yi   byi 2
2 2
1. i i i
i 1 i 1
n n n
   axi    ab  xi yi     byi  , sifat 3
2 2
i 1 i 1 i 1
n n n
 a 2  xi 2  ab  xi yi   b 2  yi 2 , sifat 2
i 1 i 1 i 1
 x  k    x  kxi  k 2 
n n
2 2
2. i i
i 1 i 1
n n n
  xi 2   kxi   k 2 , sifat 3
i 1 i 1 i 1
n n
  xi 2  k  xi  nk 2 , sifat 2 dan 1
i 1 i 1
  x  2 x  2     x  22     xi 2  4 
n n n
2
3. i i i
i 1 i 1 i 1
n n
  xi 2   4 , sifat 3
i 1 i 1
n
  xi  4n , sifat 1 2
i 1
Dalam pengembangan selanjutnya, data yang kita jumlahkan tidak hanya

dari satu pengukuran atau satu variabel, namun bisa berasal dari satu
variabel. Sebagai contoh kita terdapat dua pengukuran, yaitu tinggi badan
mahasiswa pria dan tinggi badan mahasiswa wanita. Oleh karena itu
penggunaan notasi penjumlahan akan diperluas menjadi penjumlahan

rangkap.
Misalkan terdapat mn kuantitas xij , dengan i  1, 2, ..., m dan
j  1, 2, ..., n. Sehingga Anda mempunyai matriks data sebanyak m baris
dan n kolom. Kuantitas-kuantitas ini dapat disusun sebagai berikut:
x11 x12 x1n
x21 x22 x2 n
xm1 xm 2 xmn
Untuk melakukan penjumlahan semua kuantitas mn dapat dilakukan dengan

menjumlahkan setiap kolom, selanjutnya hasil setiap kolom dilakukan
penjumlahan lagi, seperti dituliskan sebagai berikut:
m m m
x x
i 1
i1
i 1
i2    xin atau dapat dituliskan sebagai berikut:
i 1
n
 m 
   xij  .
j 1  i 1 
Cara lain adalah menjumlahkan setiap baris, selanjutnya hasil tiap baris
dijumlahkan lagi. Karena hasil penjumlahan kedua cara sama, maka:
n
 m
 m  n  n m m n
   x ij      xij  atau dapat dituliskan  x  x ij ij

j 1 i 1  i 1  j 1  i 1 j 1 j 1 i 1
C. PENGGUNAAN DASAR NOTASI 
Pada modul-modul berikutnya, Anda akan banyak menjumpai perhitungan

beberapa ukuran statistik, misal nilai rata-rata data  x  dan ragam  s 2  atau
variansi. Nilai rata-rata dirumuskan sebagai berikut:
n
x1  x2   xn i 1 i x
x  . Nilai ini merupakan rata-rata dari sekumpulan
n n
data x1, x2, ..., n. Perhitungan diawali dengan menjumlahkan semua nilai
x1  x 2    x n dan selanjutnya dibagi dengan banyaknya data.
 SATS4121/MODUL 1 1.23
Untuk perhitungan ragam adalah sebagai berikut:

n
 x  x
2
i
s 
2 i 1
n 1
Merupakan ragam dari nilai-nilai x1  x2   xn . Penguraian bagian
pembilang:
 x  x    x  2 xxi  x 2 
n n
2 2
i i
i 1 i 1
n n n
  xi 2   2 xxi   x 2
i 1 i 1 i 1
n n
  xi 2  2 x  xi  nx 2
i 1 i 1
2
n
 n 
n n x   xi
i 
  xi 2  2 i 1  xi  n  i 1 
i 1 n i 1  n 
 
 
2 2
 n   n 
  xi    xi 
  xi 2  2  i 1    i 1 
n
i 1 n n
2
 n 
  xi 
  xi   i 1 
n
2
i 1 n
Oleh karena itu rumus s 2 dapat dituliskan sebagai berikut:

2
n
 n 
 xi 2    xi  / n
 i 1 
s 2  i 1
n 1
Contoh lain, Anda akan menjumpai bentuk rumus, seperti ini:

n
sxy    xi  x  yi  y 
i 1
Dengan memperhatikan sifat-sifat notasi penjumlahan , maka dapat

dituliskan sebagai berikut:
n
 n  n 
sxy   xi yi    xi   yi  / n
i 1  i 1  i 1 
Sebagai penguraian rumus tersebut:

n n
  xi  x  yi  y     xi yi  xi y  xyi  xy 
i 1 i 1
n n n n
  xi yi  y  xi  x  yi  xy
i 1 i 1 i 1 i 1
 n   n 
n   xi    yi 
  xi yi  ny  i 1   nx  i 1   nxy
i 1  n   n 
   
   
n
  xi yi  nyx  nxy  nxy
i 1
n
  xi yi  nyx
i 1
n n
n x y i i
  xi yi  n i 1 i 1
i 1 n n
n
  n 
n
  xi yi    xi   yi  / n
i 1  i 1  i 1 
Contoh 1.4.
Data dalam tabel di bawah ini menunjukkan ukuran lingkar pinggang untuk
ukuran celana panjang beberapa pasangan muda-mudi yang dalam suatu
kegiatan.
Pasangan (i) 1 2 3 4 5 6 7 8 9 10
Ukuran pria (xi) 32 22 24 25 28 30 29 27 21 38
Ukuran wanita (yi) 19 20 21 22 24 25 25 23 25 18
 SATS4121/MODUL 1 1.25
Hasil perhitungan:
10
a. x
i 1
i  32  22  24  25  28  30  29  27  21  38 276
10
b. y
i 1
i  19  20  21  22  24  25  25  23  25  18  222
10
c. x
i 1
i
2
 322  222  242  252  282  302  292  27 2  212  382 7.848
10
d. y
i 1
i
2
 192  202  212  222  242  252  252  232  252  182  4.990
10
e. x y
i 1
i i  (32)(19)  (22)(20)  (24)(21)  (25)(22)  (28)(24)  (30)(25) 
(29)(25)  (27)(23)  (21)(25)  (38)(18)  6.079

 10
  10
f.   xi    yi   61.272
 i 1   i 1 
10
g. x   xi / 10  27, 6
i 1
10
h. y   yi / 10  22, 2
i 1
10 10
i. x
i 1
i  x   0 dan  y
i 1
i  y  0
2
 10 
  xi 
  xi 2   i 1   230, 4
10 10
 x  x 
2
j. i
i 1 i 1 10
 10  10 
  xi   yi 
 i  i   i i  i 1  i 1   48, 2
10 10
k. 
i 1
x  x y  y 
i 1
x y 
10
LAT IH A N

1) Misalkan x1  1; x2  4; x3  2; x4  3; x5  7
Hitunglah:
5
a. x
i 1
i
5
b. x
i 1
i
2
c. x
d. S xx
e. S2
5
f.  (4 x
i 1
i  6)
5
g.  (5x  6)(2 x  3)
i 1
i i
2) Tulislah dengan tanda 

a. 2 x  4 x 2  8 x 3  16 x 4  32 x 5
4 8 12 4n
b.    ... 
5 9 13 4n  1
1 1 1
c. 1    ...  n1
2 4 2
1 1 1 1 1 1 1
d. 1       
3 5 7 9 11 13 15
3) Ekspansikan yang berikut

10
a.  x  x  4
i 1
i i

R
b.  (1  1)
i 1
x
5
c.  x
i 1
i  3 4 xi  5 
 SATS4121/MODUL 1 1.27
k
nx n
d.  1 2
i 1
n
4) Sebelas orang mahasiswa tercatat mempunyai IP sebagai berikut:

Mahasiswa 1 2 3 4 5 6 7 8 9 10 11
IP 2,3 1,9 3,2 2,9 2,8 3,4 3,0 2,7 3,3 2,6 3,3
Hitunglah:
11 11
(a) x
i 1
i (b) x (c)  4x
i 1
i
2
(d) S 2
5) Pasangan muda-mudi yang menikah mempunyai umur sebagai berikut:

Pasangan 1 2 3 4 5 6 7
(Pria) xi 30 27 25 28 29 32 25
(wanita) yi 25 23 21 20 21 22 24
Hitunglah :
7 7
x x  x
2
a. i f. i
i 1 i 1
7 7
y  y  y
2
b. i g. i
i 1 i 1
 
7
 7 7
c.   xi    yi  h.  x i  x  yi  y 
 i 1   i 1  i 1
 x  yi 
7
2
d. x i. i
i 1
7
e. y j.  x
i 1
i  4  4 yi  3
5
1) a) x
i 1
i  17
5
b) x
i 1
i
2
 79
5
c) x   xi / 5  3, 4
i 1
2
 5 
  xi 
S xx    xi  x    xi   i 1   79 
5 5
17 2
 21, 2
2 2
d)
i 1 i 1 5 5
1 5 1
S2    xi  x   4 (21.2)  5,3
2
e)
n  1 i 1
5
f)   4 x  6   98
i 1
i
5 5
g)  (5x
i 1
i  6)(2 xi  3)   (10 xi 2  12 xi  15 xi  6)
i 1
5 5
 5 xi 2  12 xi  5(6)
i 1 i 1
 5(79)  12(17)  30
 569
2) a) 2 x  4 x 2  8 x 3  16 x 4  32 x 5
 2 x  2 2 x 2  2 3 x 3  2 4 x 4  25 x 5
 (2 x)1  (2 x) 2  (2 x)3  (2 x) 4  (2 x)5
5
  (2 x)i
i 1
n
4 8 12 4n 4i
b)    ...  
5 9 13 4n  1 i 1 4i  1
n
2
1 1 1 2i
c) 1   ...  n 1  i 1
2 4 2 i 1
7
1 1 1 1 1 1 1 1
d) 1          (1)i i 1
3 5 7 9 11 13 15 i 1 2
5
3) a)  x  x  4  x ( x
i 1
i i 1 1  4)  x2 ( x2  4)  x3 ( x3  4)  x4 ( x4  4)  x5 ( x5  4)

R R R R R
b)  (1  1)
i 1
x

(1  i) 0
 
(1  i) (1  i)
1 2

(1  i)3
 ...
 1 1 1 1 
 R 1      ...
 1  i  1  i  1  i  1  i 
2 3 4

 SATS4121/MODUL 1 1.29
Untuk i > 0 faktor di dalam kurung besar adalah deret yang konvergen,
a 1
dan jumlahnya sama dengan , dimana a  1 dan p  .
(1  p) 1  i 
 
R   1  R (1  i )
Jadi,   R 
i 1 (1  i )
x
1  1  i
 1 i 
5
c)  x
i 1
i  3 4 xi  5   ( x1  3)(4 x1  5)  ( x2  3)(4 x21  5) 
( x3  3)(4x3  5)  (x4  3)(4x4  5)  (x5  3)(4x5  5)

k
n xn x 2 x 2 3x 2 kx k
d) 
n 1 1  2
n

3

5

9
 ... 
1  2k
11
4) a) x
i 1
i  31, 4
b) x  2,854
11
c)  4x
i 1
2
i  367,12
1  11 2  xi  
2
  xi  
10  i 1 11 
1
d) S2  91.78  89.63
10
 0, 214
7
5) a) x
i 1
i  196
7
b) y
i 1
i  156
 7  7 
c)   xi    yi   30,576
 i 1   i 1 
d) x  196 / 7  28
e) y  156 / 7  22,28
 xi 
2
7 7
 38416 
 x  x    x   5528     40
2 2
f) i i
i 1 i 1 7  7 
 yi 
2
7 7
 24336 
 y  y    y   3496     19, 428
2 2
g) i i
i 1 i 1 7  7 
7 7
7 7 x  y i i
(196)(156)
h)   x  x  y  y    x y 
i 1
i i
i 1
i i
i 1
7
i 1
 4.369 
7
 4.369  4.368  1
 x  yi    ( xi 2 )    yi  5.528  156  5.372

7 7 7
2
i) i
i 1 i 1 i 1
7 7
j)   x  4  4 y
i 1
i i  3    4 xi yi  16 yi  3xi  12 
i 1
7 7 7
 4 xi yi  16 yi  3 xi  7(12)
i 1 i 1 i 1
 4(4.369) 16(156)  3(196)  84

 15.484
R A NG KU M AN
Notasi penjumlahan mempunyai beberapa aturan

Aturan 1 : jika k suatu konstan, maka
n
 k  k  k...  k  nk
i 1
n n
Aturan 2 :  kxi 1
i  k  xi
i 1
n n n
Aturan 3 :  xi 1
i  yi    xi   yi
i 1 i 1
Ketiga aturan di atas sering digunakan bersama, misalnya :
 x  k    x  2kxi  k 2 
n n
2 2
i i
i 1 i 1
n n
  xi 2  2k  xi  nk 2
i 1 i 1
 SATS4121/MODUL 1 1.31
TES F OR M AT IF 2

I. Data dalam tabel
Tabel di bawah ini menunjukkan IPK dan TOEFL dari lima Mahasiswa
Jurusan Statistika UT.
Mahasiswa 1 2 3 4 5
IPK (xi) 3,46 3,12 3,55 2,98 3,73
Toefl (yi) 480 447 396 410 477
1) Nilai rata-rata x sama dengan ....

A. 3,357
B. 3,368
C. 3,245
D. 3,443
2) Nilai rata-rata y sama dengan ...

A. 442
B. 443
C. 441
D. 440
1 5
  xi  x   ....
2
3) Nilai dari
5 i 1
A. 0,066
B. 0,077
C. 0,067
D. 0,076
1 5
4) Nilai dari   xi  x  yi  y   ....
5 i 1
A. –3,764
B. 3,794
C. –3,794
D. 3,764
Berikut merupakan hasil nilai TOEFL dalam 4 kali tes dari 3 Mahasiswa
UT.
Mahasiswa 1 2 3
432 457 478
456 467 490
TOEFL
412 412 500
427 425 487
5) Hitung rata-rata nilai TOEFL untuk setiap Mahasiswa

Mahasiswa 1:
A. 431,75
B. 431,25
C. 431,55
D. 430,75
Mahasiswa 2:
A. 442,25
B. 440,25
C. 443,25
D. 441,25
Mahasiswa 3:
A. 487,75
B. 477,75
C. 488,75
D. 478,75
1 n 1 n n n
6) Jika x  
n i 1
xi dan y   yi , maka
n i 1
 x
i 1
i  x   yi  y  sama
i 1
dengan….
A. 2n
B. n
C. 1
D. 0
1 n n
7) Jika x   xi , maka x  x  sama dengan ….
2
i
n i 1 i 1
n
A. x
i 1
i
2
x 2
 SATS4121/MODUL 1 1.33
n
B. x i 1
i
2
 nx 2
n
C. x i 1
i
2
 nx
n
D. x i 1
i
2
 2x
n
8)   x  2 x  2 
i 1
i i sama dengan ....
n
A. x i 1
i
2
 4n
n
B. x i 1
i
2
 4n 2
n
C. x i 1
i
2
 2n
2
x  2n 
n
2
D. i
i 1
n
9) i
i 1
sama dengan ....
n2  2
A.
n
B. n n
3
n2  n
C.
2
D. n  2 n
2
 i i  i 
2 2
10) sama dengan ....
i 1
A. n 2  1
B. n  1
C. n
D. n 2


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

meneruskan dengan modul selanjutnya. Bagus! Jika masih di bawah 80%,
belum dikuasai.
 SATS4121/MODUL 1 1.35
Kunci Jawaban Tes Formatif
Tes Formatif 1 Tes Formatif 2

1) D 1) B
2) C 2) A
3) B 3) B
4) A 4) C
5) B 5) A
6) D B
7) C C
8) A 6) D
9) A 7) B
10) C 8) A
9) C
10) D
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Anderson R.A, D.J Sweeney, T.A Williams. 2011. Statistics for Business
and Economics. [S.N]. United States. ISBN: 13-978-0-538-47188-6.
Bhattacharyya, G.K., and R.A. Johnson. 1997. Statistical Concepts and

Methods. John Wiley & Sons. New York.
Freund, J.E. 2001. Modern Elementary Statistics. Prentice-Hall.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Moore, D. & McCabe G. 1998. Introduction to the Practice of Statistics. 3th

Edition. Freeman.
Mattjik, A.A. & Sumertajaya, I.M. 2013. Perancangan Percobaan dengan

Aplikasi SAS dan Minitab. IPB Press. Bogor.
Rosenkrantz, W. A. 1997. Introduction to Probaility and Statistict for

Scientist and Engineers. McGraw-Hill Internat.
Ronald E. Walpole, Raymond H. Myers Sharon L. Myers Keying Ye, Sharon

L. Myers, Keying Ye. 2007. Probability and statistics for engineers and
scientists. 8th edition. Pearson Prentice Hall. New Jersey. ISBN: 978-0-
13-204767-8.
Modul 2
Statistika Deskriptif
Dr. Sutikno, M.Si.
PEN D A HU L UA N
P ada Modul 1 Anda telah mempelajari klasifikasi statistika yang terdiri

atas dua bagian, yaitu statistika deskriptif dan statistika inferensia. Pada
Modul 2 ini, Anda akan mempelajari bagian yang pertama, yaitu statistika
deskriptif. Sebagaimana halnya dengan materi yang telah Anda pelajari pada
Modul 1, materi pada Modul 2 ini adalah materi yang mudah, karena
semuanya telah dipelajari di SMA. Di sini, Anda hanya mengulang kembali
dan mempertajam interpretasi. Oleh karenanya, saya yakin bahwa Modul 2
ini dapat Anda kuasai dengan mudah dan cepat.
Setelah mempelajari materi pada Modul 2, Anda diharapkan dapat :
1. Melakukan eksplorasi data menggunakan grafik, tabel, dan ukuran-
ukuran numerik yang dapat menggambarkan keadaan data.
2. Menyajikan data dalam bentuk grafik/diagram dan tabel, serta dapat
memberikan interpretasi yang bermakna.
3. Menghitung ukuran-ukuran numerik yang menggambarkan pemusatan
dan keragaman data.
Kompetensi yang ingin dicapai melalui Modul 2 ini dituangkan melalui

3 (tiga) Kegiatan Belajar, yaitu:
1. Kegiatan Belajar 1 membahas tentang penyajian data melalui tabel dan
grafik/diagram.
2. Kegiatan Belajar 2 membahas tentang ukuran pemusatan data.
3. Kegiatan Belajar 3 membahas tentang ukuran penyebaran data.
Mari melangkah pada Kegiatan Belajar 1, 2, dan 3.

Kegiatan Belajar 1
Penyajian Data
P ada bagian ini Anda akan mempelajari beberapa cara menyajikan data.
Penyajian data merupakan bagian penting dalam statistika deskriptif.
Sebagaimana telah dibahas pada Modul 1 bahwa statistika deskriptif itu
secara umum meliputi dua bagian, yaitu penyajian data dan ukuran-ukuran
numerik. Sementara ukuran-ukuran numerik terbagi menjadi dua, yaitu
ukuran pemusatan dan ukuran penyebaran data. Melalui statistika deskriptif,
kita dapat mengekplorasi data seoptimal mungkin sehingga dapat diperoleh
informasi yang lebih bermakna. Penyajian data yang tepat akan memudahkan
pengguna dalam memahami informasi yang terkandung dalam data. Oleh
karena itu, penyajian data merupakan salah satu bagian penting dalam
eksplorasi data.
Penyajian data dapat dilakukan dengan banyak cara, namun secara
umum terbagi menjadi dua cara, yaitu dengan menggunakan tabel dan
grafik/diagram. Masing-masing cara memiliki kesesuaian tersendiri dengan
jenis atau tipe datanya. Pendekatan tabel dapat dilakukan untuk jenis data
kualitatif maupun kuantitatif. Sementara pendekatan grafik/diagram, ada
sebagian yang sesuai untuk tipe data kuantitatif dan sebagian hanya sesuai
untuk data kualitatif. Beberapa cara penyajian data yang dibahas dalam
materi ini adalah tabel distribusi frekuensi, histogram, diagram batang,
diagram lingkaran, dan diagram kotak garis (box plot).
A. TABEL DISTRIBUSI FREKUENSI
Pada data yang berjumlah besar, untuk memudahkan analisis deskriptif

data tersebut dapat diringkas menjadi tabel distribusi frekuensi. Bentuk
deskripsi ini adalah dengan mengelompokkan data tersebut ke dalam
beberapa kelas atau kelompok. Selanjutnya menghitung frekuensi (jumlah)
data pada masing-masing kelas tersebut. Pada data kualitatif, distribusi
frekuensinya ditunjukkan oleh jumlah data pada masing-masing kategori
yang ada atau dibentuk.
Contoh 2.1.
Sebagai ilustrasi, disajikan data pada Tabel 2.1, yaitu tentang produk
elektronik di sebuah toko yang terjual pada satu hari. Produk elektronik
tersebut adalah TV, radio, dan AC.
Tabel 2.1
Produk Elektronik yang Terjual
TV TV
Radio TV
Radio AC
TV AC
TV TV
Tabel distribusi frekuensi produk tersebut adalah
Tabel 2.2
Distribusi Frekuensi Produk Elektronik
Produk Frekuensi
TV 6
Radio 2
AC 2
Total 10
Pada data kuantitatif, pembentukan distribusi frekuensi mengikuti

beberapa langkah khusus. Menurut Anderson, Sweeney, dan Williams (2011)
langkah tersebut adalah:
1. menentukan jumlah kelas yang diinginkan;
2. menentukan lebar kelas;
3. menentukan batas bawah dan batas atas kelas.
Jumlah kelas dibentuk dari range data yang akan digunakan untuk
mengelompokkan data. Secara umum jumlah kelas yang dapat digunakan
adalah antara 5 hingga 20 kelas. Untuk jumlah data yang sedikit cukup
menggunakan 5 atau 6 kelas. Sedangkan untuk data yang besar juga
dibutuhkan jumlah kelas yang besar pula. Beberapa referensi juga
memberikan pendekatan rumus untuk mendapatkan kelas yang cukup baik,
yaitu k  1  3,3 log  n  , dengan k adalah jumlah kelas dan n adalah
jumlah sampel.
Lebar kelas atau selang kelas ditentukan sama untuk semua kelas.
Perhitungan lebar kelas adalah dengan menghitung selisih data maksimum
dan minimum, kemudian membaginya dengan jumlah kelas.
maksimum  minimum
lebar kelas  (2.1)
jumlah kelas
Batas bawah didefinisikan sebagai nilai terkecil yang mungkin dari

selang kelas yang bersangkutan. Begitu juga batas atas adalah nilai
maksimum yang mungkin. Batas bawah dan batas atas dipilih sehingga
setiap data akan hanya masuk pada satu kelas.
Contoh 2.2.
Tabel 2.3
Data Berat Badan 20 Sampel Ayam
No Berat badan No Berat badan

1 2,50 11 2,45
2 2,60 12 2,60
3 2,50 13 2,60
4 2,29 14 2,29
5 2,30 15 2,33
6 2,22 16 2,25
7 2,12 17 2,19
8 2,45 18 2,50
9 2,50 19 2,50
10 2,43 20 2,45
Dari data pendapatan Tabel 2.3 akan dibentuk distribusi frekuensi

dengan jumlah data 20. Langkah-langkahnya adalah sebagai berikut:
1. Menentukan jumlah kelas
k  1  3,3 log  20   5, 29 ~ 6
2. Menentukan lebar kelas
2,6  2,12
lebar kelas   0, 08 ~ 0,10
6
3. Menentukan batas bawah dan batas atas kelas

Misalnya, dengan nilai minimum 2,12 dibentuk interval kelas pertama
2,10 – 2,19, dimana batas bawah adalah 2,10 dan batas atas adalah 2,19
Interval kelas selanjutnya adalah 2,20 – 2,29; 2,30 – 2,39; 2,40 – 2,49;
2,50 – 2,59; dan 2,60 – 2,69.
Selanjutnya setelah didapatkan batas bawah dan batas atas masing-

masing kelas, dihitung frekuensi di masing-masing kelas tersebut. Hasil tabel
frekuensi data berat badan ayam adalah sebagai berikut:
Tabel 2.4
Distribusi Frekuensi Berat Badan Ayam
Kelas Frekuensi
2,10 – 2,19 2
2,20 – 2,29 4
2,30 – 2,39 2
2,40 – 2,49 4
2,50 – 2,59 5
2,60 – 2,69 3
Total 20
Dari uraian-uraian tersebut dapat disimpulkan bahwa frekuensi adalah

banyaknya data yang termasuk pada masing-masing selang interval atau
kelas. Tabel distribusi frekuensi adalah tabel yang menunjukkan distribusi
banyaknya data yang termasuk pada kelas-kelas tertentu. Dari nilai frekuensi
juga dapat dihitung frekuensi kumulatif dan frekuensi relatif (proporsi).
Frekuensi kumulatif adalah penjumlahan frekuensi kelas ke- k dengan
frekuensi kelas sebelumnya. Frekuensi relatif adalah frekuensi dibagi
dengan banyaknya data. Apabila nilai frekuensi relatif dikalikan 100 maka
dinamakan persentase. Nilai frekuensi kumulatif dan frekuensi relatif
masing-masing kelas data berat ayam adalah sebagai berikut:
Tabel 2.5
Distribusi Frekuensi, Frekuensi Kumulatif,
dan Frekuensi Relatif Berat Badan Ayam
Frekuensi Frekuensi
Kelas Frekuensi
Kumulatif Relatif
2,10 – 2,19 2 2 2/20 = 0,1
2,20 – 2,29 4 4+2=6 4/20 = 0,2
2,30 – 2,39 2 2+6=8 0,1
2,40 – 2,49 4 4 + 8 = 12 0,2
2,50 – 2,59 5 17 0,25
2,60 – 2,69 3 20 0,15
Total 20 1,00
B. DIAGRAM BATANG
Diagram batang adalah diagram yang menunjukkan nilai-nilai frekuensi,

frekuensi kumulatif, atau frekuensi relatif. Diagram ini memiliki sumbu
horizontal yang menunjukkan kelas atau kelompok dan sumbu vertikal
merupakan batang-batang yang bernilai frekuensi, frekuensi kumulatif, atau
frekuensi relatif. Diagram batang ini lebih sering digunakan untuk data
kualitatif.
Contoh 2.3.
Sebagai contoh adalah Gambar 2.1 yang menunjukkan diagram batang
data produk elektronik. Nilai frekuensi pada sumbu vertikal diperoleh dari
distribusi frekuensi pada Tabel 2.2.
Gambar 2.1
Diagram Batang Produk Elektronik
C. HISTOGRAM
Histogram adalah diagram batang untuk data kuantitatif. Berbeda dengan

diagram batang sebelumnya, batang pada diagram ini memiliki lebar yang
sama dengan interval kelasnya.
Contoh 2.4.
Sebagai contoh adalah histogram Gambar 2.2 dari data Tabel 2.5.
Gambar 2.2
Histogram Data Berat Badan Ayam
Histogram digunakan untuk melihat distribusi dari data, yang terdiri atas
beberapa informasi berikut ini.
1. Melihat ukuran penyebaran dan ukuran pemusatan data.
2. Melihat adanya data pencilan data (outlier).
3. Mendeteksi adanya bimodus/tidak.
Perhatikan gambar-gambar berikut ini.
Gambar 2.3
Histogram dengan ukuran pemusatan sama
Histogram tersebut memberikan informasi bahwa kedua data memiliki

ukuran pemusatan yang relatif sama, namun memiliki ukuran penyebaran
yang berbeda. Data 2 memiliki penyebaran yang lebih besar daripada Data 1,
hal ini ditunjukkan oleh rentang histogram yang lebih lebar daripada Data 1.
Gambar 2.4
Histogram dengan Ukuran Penyebaran Sama
Histogram pada Gambar 2.4 menunjukkan adanya kesamaan ukuran

penyebaran antara Data 1 dan Data 3, sedangkan ukuran pemusatannya
berbeda.
Pencilan
Gambar 2.5
Histogram data yang memiliki pencilan
Gambar 2.5 menunjukkan terdapat pencilan pada data, yaitu nilai yang
posisinya jauh dari kumpulan data yang lainnya.
Gambar 2.6
Histogram dengan bimodus
Histogram pada Gambar 2.6 menunjukkan ada dua modus (bimodus) pada
gugua data asalnya. Hal ini mengindikasikan bahwa ada dua kelompok gugus
data yang masing-masing memiliki sebaran sendiri.
D. DIAGRAM LINGKARAN
Diagram lingkaran adalah diagram yang menunjukkan nilai-nilai

presentase frekuensi pada masing-masing kelas atau kelompok. Perbedaan
persentase frekuensi pada masing-masing kelompok ditunjukkan oleh bentuk
luasan lingkaran yang terbagi-bagi sesuai jumlah kelompok. Diagram ini
dapat digunakan untuk data kualitatif maupun kuantitatif.
Contoh 2.5.
Sebagai contoh adalah Gambar 2.7 yang menunjukkan diagram lingkaran
data produk elektronik. Terlihat bahwa lingkaran yang ada terbagi-bagi
menjadi 3 kelompok. Bagian yang terluas menunjukkan kelompok yang
memiliki frekuensi tertinggi atau persentase frekuensi tertinggi, yaitu produk
TV yang berjumlah 60%. Nilai ini diperoleh dari Tabel 2.2, yaitu (6/10) ×
100% = 60%.
Gambar 2.7
Diagram Lingkaran Produk Elektronik
Contoh 2.6.
Contoh kedua adalah Gambar 2.8 yang menunjukkan diagram lingkaran dari
data kuantitatif berat badan ayam di Tabel 2.5.
Gambar 2.8
Diagram Lingkaran Data Berat Badan Ayam
 SATS4121/MODUL 2 2.11
E. BOXPLOT
Boxplot atau diagram kotak garis berfungsi untuk eksplorasi atau

ringkasan data yang digambarkan secara grafis. Disebut juga diagram kotak
(box) dan whisker. Diagram ini dapat menggambarkan pemusatan,
penyebaran, dan outlier. Penyebaran data ditunjukkan oleh nilai-nilai kuartil.
Gambar 2.9 adalah gambar diagram kotak garis beserta komponen-
komponennya:
Langkah-langkah yang dilakukan untuk membuatnya adalah:
1. Menghitung nilai kuartil pertama ( Q1 ), kedua ( Q2 ), dan ketiga ( Q3 ).
Gambarlah kotak garis dengan garis horizontal di bagian bawah adalah
kuartil pertama dan garis horizontal di bagian atas adalah kuartil ketiga.
Sementara itu, garis yang berada di bagian tengah yang membagi kotak
menjadi dua bagian adalah kuartil kedua atau median.
2.5
2. Menghitung nilai jangkauan kuartil (inner quartile range=IQR).

IQR  Q3  Q1
2.0
Extreme
1,5 IQR
Outlier
1.5
Outlier
inflasi
1,5 IQR
1.0
Whisker
Q3
0.5
IQR Q2
Q1
Whisker
1,5 IQR
0.0
2006 2007 2008

1,5 IQR
tahun
Gambar 2.9
Diagram Kotak Garis beserta Komponennya
3. Menghitung upper whisker dan lower whisker

Upper whisker = Q3 + 1,5 IQR
Lower whisker = Q1 – 1,5 IQR
Nilai ini digunakan untuk menentukan posisi data outlier. Suatu data
dikatakan outlier apabila terletak di atas upper whisker atau di bawah lower
whisker. Data yang berada di luar 2(Q3  1,5 IQR) atau 2(Q1 –1, 5 IQR)
dinamakan extreme outlier.
Menggambar garis whisker antara garis kuartil ketiga hingga nilai
terakhir yang masih masuk wilayah upper whisker. Selanjutnya digambarkan
juga garis whisker antara garis kuartil pertama hingga nilai terakhir yang
masih masuk wilayah lower whisker.
LAT IH A N

Angka berikut menunjukkan hasil survei curah hujan tahunan pada suatu
wilayah (dalam mm) selama 30 tahun mulai 1960 hingga 1990.
123 117 83 140 97 110 117 86

116 79 130 63 95 103 98 119
84 136 87 91 107 122 74 98
80 82 90 125 105 97
Dari data tersebut,

1) Susunlah menjadi tabel distribusi frekuensi!
2) Buatlah histogram!
3) Buatlah diagram lingkaran dari tabel distribusi frekuensi pada no. 1!
4) Diagram batang dari tabel distribusi frekuensi pada no. 1!
5) Buatlah boxplot!
 SATS4121/MODUL 2 2.13
1. Langkah-langkah :
a. Menentukan jumlah kelas yang diinginkan
k 1 3,3log  30  5,8745~ 6
b. Menentukan lebar kelas
Lebar kelas = (140 – 63)/6=12,8 ~ 13
c. Menentukan batas bawah dan batas atas kelas
Kelas Frekuensi
63-75 2
76-88 7
89-101 7
102-114 4
115-127 7
128-140 3
Total 30
2.
3.
4.
5.
Boxplot of curah hujan
150
140
130
120
curah hujan
110
100
90
80
70
60
 SATS4121/MODUL 2 2.15
R A NG KU M AN
Beberapa bentuk analisis statistika deskriptif melalui penyajian data

dalam tabel dan grafik adalah:
1. Tabel Distribusi Frekuensi
Tabel distribusi frekuensi adalah tabel yang menunjukkan distribusi
banyaknya data yang termasuk pada kelas-kelas tertentu. Dari nilai
frekuensi juga dapat dihitung frekuensi kumulatif dan frekuensi
relatif (proporsi).
Frekuensi kumulatif adalah penjumlahan frekuensi kelas ke- k

dengan frekuensi kelas sebelumnya.
Frekuensi relatif adalah frekuensi dibagi dengan banyaknya data.
Apabila nilai frekuensi relatif dikalikan 100 maka dinamakan
persentase.
2. Diagram Batang
Diagram batang adalah diagram yang menunjukkan nilai-nilai
frekuensi, frekuensi kumulatif, atau frekuensi relatif. Diagram ini
memiliki sumbu horizontal yang menunjukkan kelas atau kelompok
dan sumbu vertikal merupakan batang-batang yang bernilai
frekuensi, frekuensi kumulatif, atau frekuensi relatif.
3. Histogram
Histogram adalah diagram batang untuk data kuantitatif.
4. Diagram Lingkaran
Diagram lingkaran adalah diagram yang menunjukkan nilai-nilai
persentase frekuensi pada masing-masing kelas atau kelompok
5. Boxplot
Boxplot atau diagram kotak garis berfungsi untuk eksplorasi atau
ringkasan data yang digambarkan secara grafis. Diagram ini dapat
menggambarkan pemusatan, penyebaran, dan outlier.
TES F OR M AT IF 1
1) Salah satu bentuk penyajian data diagram untuk data kualitatif adalah ....
A. histogram
B. diagram kotak garis
C. diagram batang
D. tabel frekuensi
2) Data asal 15 peserta lomba lukis adalah sebagai berikut

Jawa Timur Bali DKI Jakarta Jawa Barat Jawa Barat
Jawa Barat DIY DKI Jakarta Jawa Timur Jawa Timur
Jawa Timur Bali Jawa Timur Jawa Barat DIY
Bentuk diagram batang yang sesuai adalah ....
A.
B.
 SATS4121/MODUL 2 2.17
C.
D.
3) Peserta lomba lukis sebagian besar berasal dari

A. Jawa Barat
B. Jawa Timur
C. DKI Jakarta
D. Bali
4) Suatu penelitian yang bertujuan ingin mengetahui pengaruh penambahan

zat aditif biomikro terhadap pematangan kompos. Penelitian ini
menggunakan peralatan reaktor selanjutnya diukur nilai pH. Dari hasil
pengukuran pH didapatkan nilai minimum 7,41 dan maksimum 10,01.
Dengan jumlah data 50 tersebut akan dibuat tabel frekuensi. Berapa
jumlah kelas yang baik yang dapat digunakan?
A. 2 kelas
B. 3 kelas
C. 7 kelas
D. 10 kelas
5) Selanjutnya dari no. 4, apabila diinginkan 5 kelas maka lebar kelas yang
dapat digunakan
A. 0,3
B. 0,6
C. 1,0
D. 0,2
6) Histogram relevan digunakan untuk menyajikan data ....

A. nominal
B. ordinal
C. kuantitatif
D. kualitatif
7) Kegunaan histogram histogram dalam penyajian data adalah untuk ...

A. mendeteksi ada pencilan atau tidak
B. mengetahui pemusatan data
C. mengetahui keragaman data
D. jawaban A, B, dan C benar semua
8) Perhatikan histogram nilai ujian statistika mahasiswa laki-laki dan

perempuan berikut ini.
Histogram of NILAI
20 30 40 50 60 70 80 90
laki-laki perempuan
4
3
Frequency
0
20 30 40 50 60 70 80 90
NILAI
Panel variable: C1
Manakah pernyataan tentang keragaman data kedua kelompok

mahasiswa pada histogram tersebut yang benar.
A. Nilai mahasiswa laki-laki lebih beragam daripada nilai mahasiswa
perempuan
B. Nilai mahasiswa perempuan lebih beragam daripada nilai
mahasiswa laki-laki
C. Nilai mahasiswa laki-laki dan perempuan sama-sama beragam.
D. Jawaban A, B, dan C semuanya benar.
 SATS4121/MODUL 2 2.19
9) Dari histogram pada nomor 8, manakah pernyataan berikut yang tidak

benar.
A. Ada pencilan pada data nilai ujian mahasiswa lak-laki dan
perempuan.
B. Sebaran nilai mahasiswa laki-laki dan perempuan sama-sama tidak
ada bimodus.
C. Rata-rata nilai ujian mahasiswa perempuan lebih tinggi daripada
mahasiswa perempuan.
D. Sebaran data nilai mahasiswa perempuan tidak simetrik.
10) Boxplot berfungsi untuk ….

A. melihat persentase data tertinggi
B. mendeteksi adanya pencilan
C. menyajikan data kuantitatif dan kualitatif
D. menentukan nilai tengah


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 2
Ukuran Pemusatan
S etelah Anda selesai mempelajari teknik-teknik penyajian data pada

Kegiatan Belajar 1, sekarang Anda akan mempelajari statistik deskriptif
yang lainnya, yaitu ukuran pemusatan atau central tendency. Nilai sentral
atau nilai tengah sekumpulan data adalah nilai yang dipandang dapat
menggambarkan ukuran pemusatan data yang berkaitan dengan letak
(lokasi). Statistik yang tergolong dalam ukuran pemusatan adalah rata-rata,
median, modus, kuartil, dan persentil. Berikut akan dijelaskan masing-masing
ukuran pemusatan untuk bentuk data tunggal, data berbobot, dan data
berkelompok.
A. RATA-RATA
1. Data Tunggal
Didefinisikan sebagai jumlah semua data yang dibagi dengan banyaknya
data. Apabila terdapat n data yang dinyatakan dengan X1 , X 2 , ..., X n maka
rata-ratanya adalah:
n
X i
X  i 1
(2.1)
n
Contoh 2.7.
Sebagai contoh, data berat badan dari 10 sampel ayam yang tertera pada
Tabel 2.1. Dari data tersebut maka dapat dihitung rata-rata sebagai berikut.
2,5  2,6  2,5  2, 29  2,3  2, 22  2,12  2, 45  2,5  2, 43
X
20
2, 45  2,6  2,6  2, 29  2,33  2, 25  2,19  2,5  2,5  2, 45

20
48, 07
  2, 4
20
 SATS4121/MODUL 2 2.21
2. Data Berbobot
Yang dimaksud dengan data berbobot adalah data yang nilai-nilainya
disajikan bersama dengan frekuensi kemunculannya dalam kelas-kelas.
Rumus rata-rata adalah sebagai berikut:
m f i i
X i 1
k
(2.2)
f
i 1
i
dengan :
k = banyaknya kelas
mi = nilai data pada kelas ke-i
fi = frekuensi kelas ke-i
Contoh 2.8.
Berikut adalah data curah hujan tahunan di suatu wilayah (dalam mm).
Tabel 2.6
Data Curah Hujan Tahunan (mm)
No Data Curah Hujan (mm) Frekuensi

1 69 2
2 82 7
3 95 7
4 108 4
5 121 7
6 134 3
Berapa rata-rata curah hujan di wilayah tersebut?
Jawab :
 69  2   82  7    95  7   108  4   121 7   134  3
X 
30
3.054
  101,8
30
Jadi, rata-rata curah hujan di wilayah tersebut adalah 101,8 mm.

3. Data Berkelompok
Data berkelompok adalah data yang nilai-nilainya disajikan bersama
frekuensinya dalam kelas-kelas interval. Rumusannya adalah sebagai berikut.
m
m f i i
X  i 1
k
(2.3)
i 1
fi
dengan :
k = banyaknya kelas
fi = frekuensi kelas ke- i
mi = titik tengah kelas ke- i
Rumusnya adalah:
BA  BB
mi 
2
(2.4)
Dengan:
BA = Batas atas kelas
BB = Batas bawah kelas
mi = Titik tengah kelas ke-i
Contoh 2.9.
Berikut adalah banyaknya stok barang di suatu toko berdasarkan kelompok
harga jual.
Tabel 2.7
Data Stok Barang
Harga jual (ribuan dolar) Frekuensi

15-18 8
19-21 23
22-24 17
25-27 18
28-30 8
31-33 4
34-36 2
Tentukan rata-rata harga jual di toko tersebut!
 SATS4121/MODUL 2 2.23
Jawab :
Untuk mudahkan menjawab soal tersebut, ikuti langkah-langkah sebagai
berikut :
Langkah 1 : menentukan titik tengah kelas
Misalnya, titik tengah kelas ke-1 :
18  15
m1   16,5
2
Dan seterusnya, hingga kelas ke-7 karena pada tabel tersebut ada tujuh kelas.
Dan hasil seluruhnya adalah sebagai berikut:
Tabel 2.8
Titik tengah kelas data stok barang
Hargajual Titiktengah  mi  Frekuensi (f)

15-18 11,5 8
19-21 21 23
22-24 19,5 17
25-27 21,5 18
28-30 18 8
31-33 17,5 4
34-36 18 2
Langkah 2 : Menentukan m i fi
i 1
Tabel 2.9
Perkalian antara Titik Tengah Kelas dengan
Frekuensi Data Stok Barang
Harga jual mi fi mi fi
15-18 11,5 8 92
19-21 21 23 483
22-24 19,5 17 331,5
25-27 21,5 18 387
28-30 18 8 144
31-33 17,5 4 70
34-36 18 2 36
Jumlah 80 1.543,5
Langkah 3 : Menghitung rata-rata

 mf
k
1543,5
X i 1
  19, 29
i i
 f
k
80
i 1 i
Jadi, rata-rata harga jual barang tersebut adalah 19,29 ribu dolar.
B. MEDIAN
Median adalah suatu nilai yang membagi data yang telah diurutkan
menjadi dua bagian yang sama. Frekuensi data yang di bawah median sama
dengan data di atas median.
1. Data Tunggal
Jika terdapat n data yang dinyatakan dengan X1, X2, ..., Xn maka median
adalah nilai X yang sedemikian hingga X tersebut tepat berada di tengah-
tengah barisan data yang telah disusun dari kecil ke besar atau dari besar ke
kecil.
n 1
a. Untuk n ganjil, median  X k di mana k  (2.5)
2
X  X k 1 n
b. Untuk n genap, median  k di mana k  (2.6)
2 2
Contoh 2.10.
Dari Tabel 2.1 dengan n  20 (genap), setelah data diurutkan didapatkan
letak posisi median berada pada data urutan ke-10 dan ke-11 yaitu :
2,12 2,19 2,22 2,25 2,29 2,29 2,3 2,33
2,43 2,45 2,45 2,45 2,5 2,5 2,5 2,5
2,5 2,6 2,6 2,6
2, 45  2, 45
Sehingga median   2, 45
2
Catatan : Untuk median, jika data disajikan dalam bentuk data berbobot, inti
dari cara menentukan median sama saja dengan cara menentukan median
pada data tunggal.
 SATS4121/MODUL 2 2.25
2. Data Berkelompok
Apabila data dikelompokkan dalam interval kelas maka mediannya
adalah:
n 
i   fj 
2 j 
Median  I med  (2.7)
f med
dengan:
Imed = batas bawah kelas dari interval yang memuat median, dimana
n
median terletak pada kelas ke-
2
i = lebar interval
n = banyaknya data
 f j = jumlah frekuensi dari semua interval kelas (frekuensi kumulatif)
j
sebelum median
fmed = frekuensi kelas interval yang memuat median
Contoh 2.11.
Tentukan median dari data stok barang pada Tabel 2.7 Contoh 9.
Jawab :
Kelas median:
Harga Frekuensi
Frekuensi n 80
jual kumulatif   40
15-18 8 8 2 2
19-21 23 31 Jadi, median terletak
22-24 17 48 pada data ke-40, yaitu
pada kelas ketiga.
25-27 18 66
28-30 8 74
31-33 4 78
Imed = 22
34-36 2 80 i =4
 j f j = 31
4  40  31 fmed = 17
Median  22   24,12.
17
C. MODUS
Modus adalah nilai yang sering muncul (frekuensi terbesar).

1. Data Tunggal
Modus dari n data dengan X1 , X 2 , ..., X n adalah nilai X yang sering
muncul atau nilai data yang memiliki frekuensi terbesar. Sehingga cara
menentukan modus adalah mencari data yang memiliki frekuensi terbesar.
Hal ini berlaku bagi data tunggal maupun data berbobot.
Contoh 2.12.
Berdasarkan Tabel 2.2 diperoleh modus curah hujan tahunan adalah 82 mm,
95 mm, dan 121 mm.
2. Data Berkelompok
Modus dari n data yang telah dikelompokkan dalam interval kelas
dirumuskan dalam persamaan sebagai berikut.
d1
Modus  I mo  i (2.8)
d1  d 2
dengan:
Imo = batas bawah interval kelas yang memuat modus
d1 = selisih frekuensi interval kelas yang memuat modus
dengan interval kelas sebelumnya
d2 = selisih frekuensi interval kelas yang memuat modus dengan interval
kelas sesudahnya
i = lebar interval kelas
Contoh 2.13.
Tentukan modus dari data stok barang pada Tabel 2.4, Contoh 2.9.
 SATS4121/MODUL 2 2.27
Jawab :
Frekuensi terbesar.
Harga jual Frekuensi Kelas modus kelas
(ribuan dolar) ke-2
15-18 8
19-21 23
Imo= 19
22-24 17
d1= 23 – 8 = 15
25-27 18 d2 = 23 – 17 = 6
28-30 8 i=4
31-33 4
34-36 2
Jadi, modusnya adalah :

 15 
Modus  19  4    21,86.
 15  6 
Artinya adalah bahwa mayoritas barang-barang di toko tersebut berharga
21,86 ribu dolar.
D. KUARTIL
Kuartil adalah titik atau nilai yang membagi seluruh distribusi data
menjadi empat bagian yang sama setelah data diurutkan sehingga didapatkan
tiga buah kuartil yaitu : kuartil bawah ( Q1 ), kuartil tengah ( Q2 ), dan kuartil
atas ( Q3 ).
1. Data Tunggal
Jika terdapat n data X1 , X 2 , ..., X n dan diurutkan dari data kecil ke
besar maka:
a. Kuartil bawah yang disebut juga kuartil pertama ( Q1 ) adalah nilai X
yang sedemikian rupa hingga ¼ jumlah data berada di bawahnya,
sedangkan ¾ sisanya berada di atasnya.
b. Kuartil tengah disebut juga kuartil kedua ( Q2 ) atau median yaitu nilai X
yang sedemikian rupa hingga membagi dua bagian yang jumlah datanya
sama banyaknya.
c. Kuartil atas disebut juga kuartil ketiga ( Q3 ) yaitu nilai X sedemikian
hingga ¾ jumlah data berada di bawahnya, sedangkan ¼ sisanya berada
di atasnya.
Ada dua pendekatan yang dapat dilakukan untuk menentukan kuartil,

yaitu metode belah dua dan metode interpolasi (Mattjik & Sumertajaya,
2013).
Pendekatan I : Metode belah dua

Prinsip dari metode belah dua yaitu, tahap pertama pecah gugus data menjadi
dua bagian yang sama, selanjutnya setiap bagian pecah kembali menjadi dua
sehingga akan terbentuk empat bagian yang sama. Secara teknis, langkah-
langkah perhitungannya adalah sebagai berikut :
a. Urutkan data mulai dari data terkecil sampai data terbesar.
b. Hitung posisi kuartil kedua  nq 2  . Perlu dicatat bahwa kuartil kedua ini
sama dengan median.
n 1
c. Jika posisi kuartil kedua bulat, maka kuartil kedua adalah data ke- ,
2
sedangkan jika bernilai pecahan maka kuartil kedua adalah rata-rata dari
n n
data ke- dan 1.
2 2
d. Hitung posisi kuartil pertama dan kuartil ketiga dengan menggunakan
rumus berikut :
posisi kuartil kedua terpangkas  1 nq 2  1
*
nq1  nq 3  
2 2
e. Posisi kuartil kedua terpangkas maksudnya adalah angka bulat dari
posisi kuartil kedua. Misalnya, dari perhitungan diperoleh nq 2  6,5
maka nq 2  6, pecahan 0,5 nya dihilangkan.
f. Penetapan nilai kuartil pertama dan ketiga pada prinsipnya sama dengan
penentuan kuartil kedua pada langkah 3. Nilai kuartil pertama dihitung
mulai pengamatan terkecil, sedangkan nilai kuartil ketiga dihitung dari
pengamatan terbesar.
Pendekatan II : Metode interpolasi

Pendekatan interpolasi digunakan untuk menentukan nilai kuartil pada
software minitab. Formulasi yang digunakan adalah sebagai berikut.
a. Urutkan data dari yang terkecil sampai terbesar.
b. Posisi kuartil ke-i adalah
i
nqi   n  1
4
 SATS4121/MODUL 2 2.29
c. Jika posisi kuartil pecahan maka nilai kuartil dihitung dengan

pendekatan interpolasi, yang formulanya sebagai berikut.
X qi  X a ,i  hi  X b ,i  X a ,i 
X a,i = data sebelum posisi kuartil ke-i, X b,i = data setelah posisi kuartil
ke-i dan hi adalah nilai pecahan dari posisi kuartil.
Karena ada dua pendekatan dalam menghitung kuartil, maka ada

kemungkinan nilai yang dihasilkan dari kedua metode tidaklah sama. Lalu,
bagaimana jadinya jika nilai kuartil yang dihasilkan berbeda? Ternyata, hal
ini tidak menjadi masalah. Pendekatan apapun yang Anda gunakan asalkan
nilai kuartil yang dihasilkan dapat membagi data menjadi empat bagian yang
sama yaitu masing-masing bagian 25%, tidaklah menjadi masalah.
Contoh 2.14.
Tentukan kuartil pertama, kedua, dan ketiga dari data berikut.
5, 3, 4, 8, 5, 10, 6, 8.
Jawab :
Pendekatan I : Metode belah dua
a. Urutkan data : 3, 4, 5, 5, 6, 8, 8, 10
b. Posisi kuartil
8 1
nq 2   4.5
2
4 1
nq1  nq 3   2,5
2
c. Nilai kuartil
56
Q2   5,5 (rata-rata data ke-4 dan ke-5)
2
45
Q1   4,5 (rata-rata data ke-2 dan ke-3)
2
88
Q3   8 (rata-rata data ke-6 dan ke-7)
2
Pendekatan II : Metode interpolasi

a. Urutkan data: 3, 4, 5, 5, 6, 8, 8, 10
b. Posisi kuartil:
1
nq1   8  1  2, 25
4
2
nq 2   8  1  4,50
4
3
nq 3   8  1  6, 75
4
c. Nilai Kuartil
Q1  4  0, 25  5  4   4, 25 (data kedua ditambah interpolasi 0,25 dari
selang data ke-2 dan ke-3).
Q2  5  0,50  6  5  5,50 (data ke-4 ditambah interpolasi 0,5 dari
selang data ke-4 dan ke-5.
Q3  8  0,75 8  8  8 (data ke-6 ditambah interpolasi 0,75 dari selang
data ke-6 dan ke-7).
Para Mahasiswa, dari kedua metode, ternyata nilai kuartil pertama yang
diperoleh tidak sama. Namun, silakan Anda perhatikan bahwa dari nilai
kuartil yang dihasilkan dapat membagi data menjadi empat bagian, dimana
setiap bagian terdiri atas dua pengamatan yaitu bagian satu terdiri atas 3 dan
5, bagian dua terdiri atas 5 dan 5, bagian tiga terdiri atas 6 dan 8, bagian
empat terdiri atas 8 dan 10.
Catatan : Sama halnya dengan median, jika data disajikan dalam bentuk data
berbobot, penentuan kuartil masih sama saja dengan cara menentukan kuartil
pada data tunggal.
2. Data Berkelompok
Bila data dikelompokkan dalam interval kelas maka kuartil-kuartil dapat
dirumuskan pada persamaan sebagai berikut.
n 
  fj 
Q1  I Q1  i  
4 j
(2.9)
f Q1
 SATS4121/MODUL 2 2.31
 3n 
  fj 
Q3  I Q 3  i  
4 j
(2.10)
fQ3
dengan :
IQ = batas kelas bawah dari interval yang memuat kuartil
i = lebar interval
n = banyaknya data
 j =
j
f jumlah frekuensi dari semua interval kelas (frekuensi kumulatif)
sebelum kuartil
fQ = frekuensi interval kelas yang memuat kuartil
Contoh 2.15.
Tentukan Q1 dan Q3 dari data stok barang pada Tabel 2.4 Contoh 9.
Jawab:
a. Menentukan Q1.
Kelas kuartil 1:
Hargajual Frekuensi Frekuensikumulatifn 80
  20
15-18 8 8 4 4
Jadi, Q3 terletak pada
19-21 23 31
data ke-20, yaitu pada
22-24 17 48
kelas ke-empat.
25-27 18 66
28-30 8 74
31-33 4 78 IQ1 = 19
i =4
34-36 2 80 =8
fQ1 = 23
4  20  8 
Q1 19   21, 087.
23
Artinya, dari keseluruhan barang dagangan di toko tersebut berharga

kurang dari 21,087 ribu dolar.
b. Menentukan Q3.
Kelas kuartil3:
3n 3 80 
Harga
Frekuensi
Frekuensi   60
jual kumulatif 4 4
Jadi,Q3 terletak pada
15-18 8 8 data ke-60, yaitu pada
19-21 23 31 kelas keempat.
22-24 17 48
25-27 18 66
IQ3 = 25
28-30 8 74 i =4
31-33 4 78 = 48
34-36 2 80 fQ3 = 18
4  60  48
Q3  25   27, 667.
18
Artinya, sebanyak 25% dari keseluruhan barang dagangan di toko

tersebut berharga lebih dari 27,667 ribu dolar.
E. PERSENTIL
Nilai persentil ke-100p adalah suatu nilai sedemikian hingga paling

sedikit 100p persen dari semua data berada di bawahnya dan paling sedikit
100 (1-p)% lebih dari nilai tersebut. Prinsipnya sama saja dengan median dan
kuartil. Apabila data dikelompokkan dalam interval kelas maka rumus
persentil ke-p dapat dituliskan sebagai berikut.
 
 pn   f j 
p  Ip i  
j
(2.9)
fp
dengan :
Ip = batas kelas bawah dari interval yang memuat persentil
i = lebar interval
n = banyaknya data
 fj =
j
jumlah frekuensi dari semua interval kelas (frekuensi kumulatif)
sebelum persentil
 SATS4121/MODUL 2 2.33
fQ = frekuensi interval kelas yang memuat persentil

p = persentil ke-p (%)
Persentil ini dapat dihitung untuk data yang jumlahnya banyak (lebih dari
100 data).
Contoh 2.16.
Tentukan persentil ke-90 dari data pada Tabel 2.8 tentang frekuensi jumlah
klien dari perusahaan konsultan pajak berikut.
Tabel 2.8
Data Klien Konsultan Pajak
Data Frekuensi
20-29 5
30-39 20
40-49 55
50-59 25
60-69 10
Jawab:
n = 115
pn = (0,9)(115)= 103,5
Jumlah Frekuensi Frekuensi Kelas persentil terletak pada
klien kumulatif data ke-103,5
20-29 5 5
30-39 20 25 Ip = 50
40-49 55 80 i = 10
= 80
50-59 25 105 fp = 25
60-69 10 115
103,5  80 
p90  50  10  59, 4 .
25
Jadi, 10% jumlah klien tertinggi dari 115 perusahaan konsultan pajak
tersebut adalah di atas 59 klien.
LAT IH A N

1) Seorang peneliti mencatat banyak bayi yang lahir selama setahun di 20

kecamatan. Hasil pencatatannya disajikan sebagai berikut.
136, 140, 220, 193, 130, 158, 242, 127, 184, 213, 200, 131, 111, 160,
217, 281, 242, 242, 281 192
Hitunglah:
a. Mean, modus, dan median dari data tersebut!
b. Hitunglah Q1, Q2, dan Q3 dari data tersebut!
2) Berat paket yang diterima oleh suatu perusahaan selama 1 minggu

tercatat seperti pada tabel berikut:
Berat (Kg) Frekuensi
90 2
85 3
75 3
65 4
60 4
55 7
40 2
Hitunglah mean, modus, dan median dari data tersebut!
3) Diketahui data sebagai berikut

Data Frekuensi
30-39 9
40-49 32
50-59 43
60-69 21
70-79 11
80-89 3
90-99 1
Total 120
Tentukan kuartil pertama, kedua, dan ketiga!
 SATS4121/MODUL 2 2.35
1) Mean, modus, dan median dari data di atas adalah

a. Mean, modus, dan median dari data
136  140  ...  192 3800
Mean: X   190
20 20
Modus dari data tersebut diperoleh berdasarkan nilai observasi yang
paling banyak muncul yaitu 242.
Median dapat diperoleh dengan cara mengurutkan data terlebih
dahulu sebagai berikut: 111, 127, 130, 131, 136, 140, 158, 160, 184,
192, 193, 200, 213, 217, 220, 242, 242, 242, 281, 281. Jadi median
192 192
 192,5
2
b. Q1, Q2, dan Q3 dari data tersebut
Dengan cara interpolasi diperoleh :
Q1 = 137, Q2 = 192,5, dan Q3 = 236,5
2) Mean, modus, dan median dari data di atas

a. Mean:
x
 fi xi  90  2  85  3  75  3  65  4   60  4   55  7    40  2 
 fi 25
1625
  65
25
b. Median diperoleh dengan cara mengurutkan data mulai dari nilai
yang terkecil hingga terbesar kemudian diambil nilai tengahnya,
nilai tengah dari data ini merupakan data dengan urutan ke-13 dari
25 data. Jadi mediannya adalah 60.
c. Modus diperoleh berdasarkan nilai yang frekuensinya paling banyak
muncul yaitu 55.
3) Kuartil data berkelompok

a. Perhitungan Q1
n
 60 , kelas Q1 pada interval 40-49
4
IQ1 = 40
i = 10
j f j = 9
fQ1 = 32
Q1 = 46,56
b. Perhitungan Q3
3n
 90 , kelas Q3 pada interval 60-69
4
IQ3 = 60
i = 10
 j f j = 43
fQ3 = 21
Q3 = 82,38
R A NG KU M AN
Ukuran pemusatan data dapat berupa mean (rata-rata), median,

modus, kuartil, dan persentil. Cara mendapatkan masing-masing ukuran
pemusatan tersebut tergantung pada penyajian datanya, apakah berupa
data tunggal, data berbobot, atau data berkelompok.
Ukuran
Data tunggal Data berbobot Data berkelompok
pemusatan

Mean n k m
X mi fi m fi
X  i 1
i i
X  i 1 X  i 1

k k
n i 1
fi f
i 1
i
Median Data yang di Sama dengan n 

tengah-tengah data tunggal i   fj 
  
setelah di 2
Median  I med
j
urutkan f med
 SATS4121/MODUL 2 2.37
Ukuran
Data tunggal Data berbobot Data berkelompok
pemusatan
Modus Data yang Data yang d1
sering muncul memiliki Modus  I mo  i
frekuensi d1  d 2
terbesar
Kuartil Nilai yang Sama dengan Kuartil ke-k :
membagi data data tunggal n 
menjadi 4  j fj 
i  
4
bagian yang Qk  I Qk
sama besar. fQk
Ada dua
metode : belah
dua dan
interpolasi
Persentil Nilai persentil Sama dengan  
ke-100 p data tunggal  pn   f j 
p  Ip i  
adalah suatu j
nilai fp
sedemikian
hingga paling
sedikit 100 p
persen dari
semua data
berada di
bawahnya dan
paling sedikit
100 (1-p)%
lebih dari nilai
tersebut.
TES F OR M AT IF 2
1) Produksi 9 kapal dengan alat tangkap purse seine berturut-turut (dalam

ton) adalah 10, 8, 5, 6, 10, 11, 8, 8, 7. Rata-rata produksi dari data
tersebut adalah ....
A. 8,0
B. 7,0
C. 7,5
D. 9,0
2) Modus dari data no. 1 adalah ....

A. 5
B. 6
C. 8
D. 11
3) Rata-rata hasil ujian mata kuliah statistika 15 mahasiswa adalah 6,8. Jika
5 mahasiswa mengikuti ujian susulan maka rata-ratanya menjadi 7. Nilai
rata-rata kelima siswa yang mengikuti ujian susulan tersebut adalah ....
A. 7,0
B. 7,6
C. 7,9
D. 8,3
4) Berat badan 10 orang mahasiswa adalah z, 48, 50, 44, 46, 50, 56, 57, 44,
dan 45 kg. Jika berat badan rata-rata ke-10 mahasiswa tersebut 50 kg,
nilai yang benar untuk z adalah ....
A. 70
B. 68
C. 60
D. 66
5) Andi mendapatkan nilai quiz 65, tugas 70, praktikum 60, UTS 80, dan
UAS 85. Jika nilai quiz diberi bobot 2, tugas 3, praktikum 4, UTS dan
UAS 5. Rata-rata nilai Andi adalah ....
A. 72,93
B. 73,93
C. 73,94
D. 74,94
6) Modus dari nilai ujian Bahasa Inggris 40 siswa dari suatu SMA swasta di
Jakarta. Data yang diperoleh sebagai berikut:
Frekuensi 17 10 6 7
Nilai 4 5 8 6
A. 4
B. 5
C. 8
D. 6
 SATS4121/MODUL 2 2.39
7) Nilai ujian kemampuan bahasa dari peserta seleksi pegawai di suatu

instansi diperlihatkan pada tabel berikut:
Frekuensi 11 21 49 23 16
Nilai 5 6 7 8 9
Seorang peserta seleksi dinyatakan lulus jika nilai ujiannya lebih tinggi
dari nilai rata-rata ujian tersebut. Jumlah peserta yang tidak lulus tes
adalah ....
A. 32
B. 81
C. 104
D. 105
8) Nilai ujian mata kuliah Statistika yang diikuti oleh 70 mahasiswa

dinyatakan dalam tabel distribusi frekuensi sebagai berikut.
Nilai Interval Frekuensi
60 – 64 2
65 – 69 6
70 – 74 15
75 – 79 20
80 – 84 16
85 – 89 7
90 – 94 4
Median nilai ujian mata kuliah statistika adalah ....
A. 71,25
B. 72,75
C. 74,50
D. 77,50
9) Kuartil bawah dari data yang tersaji pada tabel distribusi frekuensi di
samping adalah ....
Nilai Frekuensi
30 – 39 1
40 – 49 3
50 – 59 11
60 – 69 21
70 – 79 43
80 – 89 32
90 – 99 9
A. 66,9
B. 66,5
C. 66,6
D. 66,1
10) Perhatikan tabel berikut:

Berat (kg) Frekuensi
31 – 36 4
37 – 42 6
43 – 48 9
49 – 54 14
55 – 60 10
61 – 66 5
67 – 72 2
Modus data pada tabel tersebut adalah ...

A. 49,06 kg
B. 50,20 kg
C. 51,33 kg
D. 51,83 kg


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 2 2.41
Kegiatan Belajar 3
Ukuran Penyebaran
B agaimana kita mengetahui selisih atau penyimpangan antara suatu nilai

data dengan nilai rata-ratanya? Seberapa jauh amatan-amatan yang ada
menyebar dari rata-ratanya? Bagaimana bentuk keragaman datanya? Hal ini
dapat didapatkan dengan menghitung ukuran penyebaran.
Ukuran pemusatan kurang bermanfaat apabila tidak diketahui atau
disertai pemencaran (dispersi) atau penyimpangan (deviasi) setiap datanya
dengan nilai rata-ratanya. Misalnya, jika nilai deviasi besar maka nilai rata-
rata yang didapatkan kurang baik dalam menggambarkan kondisi datanya.
Misalnya, berat badan ayam di dua kelompok A dan B. Kedua kelompok
memiliki rata-rata yang sama, yaitu 2,4 kg, namun memiliki keragaman yang
berbeda. Kelompok A memiliki nilai minimum berat badan 2,0 kg dan
maksimum 3 kg. Kelompok B memiliki nilai minimum berat badan 1,8 kg
dan nilai maksimum 3,2 kg. Jika dihitung jarak atau jauh dari rata-ratanya,
maka amatan-amatan pada kelompok A memiliki jarak yang lebih dekat
dengan rata-ratanya dibandingkan pada kelompok B. Dapat dikatakan juga
kelompok A memiliki keragaman yang lebih rendah dibandingkan kelompok
B.
Dalam hal ini, ukuran penyebaran digunakan untuk menganalisis
pemencaran, penyimpangan, atau keragaman suatu kelompok data. Beberapa
ukurannya adalah range, varians, standard deviasi, dan koefisien varians.
A. RANGE
Range merupakan selisih antara data tertinggi (maksimum) dan data

terendah (minimum). Perhitungan ukuran ini mudah didapatkan untuk
menunjukkan seberapa jauh data memencar, tetapi tidak menunjukkan
keragaman. Ukuran ini jarang digunakan karena hanya berdasarkan dua
amatan, yaitu nilai maksimum dan minimum.
Range  xmax  xmin (2.10)
Contoh 2.14.
Dari data Tabel 2.1 di contoh 2 didapatkan range = 2,60 – 2,12 = 0,48
B. VARIANS DAN STANDARD DEVIASI
Berbeda dengan range, varians menggunakan keseluruhan data dan

menunjukkan deviasi atau keragaman. Ukuran ini didasarkan pada perbedaan
antara nilai-nilai suatu amatan dengan rata-ratanya. Dalam perhitungannya
dirumuskan sebagai penjumlahan kuadrat selisih antara amatan dengan rata-
ratanya, kemudian dibagi dengan total amatan.
Misalkan dari suatu populasi terdiri atas N pengamatan yaitu
x1 , x2 , , xN , maka varians populasi (σ2) didefinisikan sebagai:
 xi  x 
2
N
2   (2.11)
i 1 N
Sedangkan jika dari populasi tersebut diambil sampel berukuran n, maka

varians sampelnya adalah :
 xi  x 
2
n
s2   (2.12)
i 1 n 1
dengan n adalah total amatan sampel dan x adalah rata-rata sampel.

Perbedaan masing-masing amatan (xi) dengan rata-ratanya dinamakan deviasi
dari rata-rata. Misalnya untuk data sampel memiliki deviasi  xi  x  .
Rumus varians sampel pada persamaan 2.12 dapat dijabarkan menjadi
rumus hitung sebagai berikut :
 x  n 2

n i 1 i
x2
i 1 i
 (2.13)
s 
2 n
n 1
Nilai varians lebih baik digunakan dan diinterpretasikan ketika

membandingkan beberapa varians dari dua atau lebih variabel. Dari beberapa
nilai varians tersebut, varians atau deviasi yang besar menunjukkan
penyimpangan dan keragaman yang besar pula. Dalam hal interpretasi, nilai
varians yang diperoleh dari pengkuadratan menyebabkan sulit untuk
mendapatkan interpretasinya. Oleh karena itu, diperlukan standard deviasi.
 SATS4121/MODUL 2 2.43
Standard deviasi dikenal juga sebagai simpangan baku, yang merupakan

akar dari nilai varians. Muncul pertanyaan, mengapa perlu merubah nilai
varians menjadi standard deviasi? Hal ini dikarenakan standard deviasi
merupakan hasil pengukuran yang memberikan nilai sama dengan data asli.
Untuk populasi, standar deviasi (σ) merupakan akar dari varians
populasi, sedangkan standar deviasi sampel merupakan akar dari varians
sampel. Sebagai gambaran, untuk standard deviasi sampel dihitung dengan
rumus berikut:
 xi  x 
2
n
s  s2  
i 1 n 1
(2.14)
Contoh 2.15.
Dari tabel di bawah ini akan kita hitung varians dan standard deviasi .
 xi  x 
2
n
s2  
i 1 n 1
8
0, 010  0, 040  ...  0, 003
Varians : 
i 1 20  1
0,395
  0, 021
19
 xi  x 
2
No Berat badan xi  x  xi  2,4
1 2,5 0,100 0,010
2 2,6 0,200 0,040
3 2,5 0,100 0,010
4 2,29 -0,110 0,012
5 2,3 -0,100 0,010
6 2,22 -0,180 0,032
7 2,12 -0,280 0,078
8 2,45 0,050 0,003
9 2,5 0,100 0,010
10 2,43 0,030 0,001
11 2,45 0,050 0,003
12 2,6 0,200 0,040
 xi  x 
2
No Berat badan xi  x  xi  2,4
13 2,6 0,200 0,040
14 2,29 -0,110 0,012
15 2,33 -0,070 0,005
16 2,25 -0,150 0,023
17 2,19 -0,210 0,044
18 2,5 0,100 0,010
19 2,5 0,100 0,010
20 2,45 0,050 0,003
Total 48,070 0,395
Selanjutnya standar deviasi adalah :

s  s 2  0, 021  0,144
C. KOEFISIEN VARIANS
Nilai koefisien varians menunjukkan nilai relatif standard deviasi

terhadap rata-rata. Secara umum, nilai ini digunakan untuk membandingkan
keragaman beberapa variabel yang memiliki standard deviasi dan rata-rata
yang berbeda. Dapat juga dinyatakan dengan persentase, seperti berikut :
s
CV  100% (2.15)
x
Contoh 2.16.
Berikut adalah data berat badan ayam kelompok A dan kelompok B.
Didapatkan rata-rata berat badan ayam kelompok A dan kelompok B masing-
masing adalah 2,391 kg dan 2,416 kg. Sementara itu standard deviasinya
adalah 0,151 kg dan 0,144 kg.
 SATS4121/MODUL 2 2.45
Berat badan ayam Berat badan ayam

No
Kelompok A Kelompok B
1 2,5 2,45
2 2,6 2,6
3 2,5 2,6
4 2,29 2,29
5 2,3 2,33
6 2,22 2,25
7 2,12 2,19
8 2,45 2,5
9 2,5 2,5
10 2,43 2,45
Standard deviasi 0,151 0,144
Rata-rata 2,391 2,416
Selanjutnya nilai koefisien varians adalah :

0,151
Kelompok A : CV  100%  6,3%
2,391
0,144
Kelompok B : CV  100%  6, 0%
2, 416
Secara umum kedua kelompok memiliki keragaman yang hampir sama,
karena memiliki nilai CV yang hampir sama. Namun kelompok B memiliki
nilai CV lebih kecil dan dapat dikatakan memiliki keragaman lebih kecil dan
dapat dikatakan pula lebih homogen.
LAT IH A N

1) Dari data latihan subbab 2.1, yaitu data curah hujan tahunan pada suatu
wilayah (dalam mm) selama 30 tahun mulai 1960 hingga 1990.
Tahun Curah hujan Tahun Curah hujan

1961 123 1981 97
1962 116 1982 110
1963 84 1983 103
1964 80 1984 122
1965 82 1976 91
1966 117 1977 105
1967 79 1978 97
1968 136 1979 95
1969 90 1980 107
1970 83 1985 117
1971 130 1986 98
1972 87 1987 74
1973 125 1988 86
1974 140 1989 119
1975 63 1990 98
Tentukanlah:
a. range
b. varians dan standard deviasi
c. koefisien varians
2) Selanjutnya dari data no.1, peneliti ingin membandingkan tingkat

keragaman atau kehomogenan data tahun 1961 hingga 1980 dan 1981
hingga 1990. Dapatkan perbandingan kedua data tersebut!
 SATS4121/MODUL 2 2.47
1. a. Range = 140 – 63 = 77
b. Varians:
 xi  x   xi  101,8
2 2
n n
11.066,8
s 
2
   381,61
i 1 n 1 i 1 30  1 29
Standard deviasi:
s  381,61  19,53
c. Koefisien varians:
19,53
CV  100%  19,19%
101,8
2. a. Data tahun 1961-1980

 Range = 77
 Varians = 473
 Standard deviasi = 21,75
 CV = 21,43
b. Data tahun 1981-1990

 Range = 48
 Varians = 230,49
 Standard deviasi = 15,18
 CV = 14,83
Jadi kelompok data curah hujan 1961-1980 memiliki keragaman yang lebih
tinggi dibandingkan data tahun 1981-1990. Hal ini ditunjukkan oleh nilai
varians, standard deviasi, dan CV yang lebih besar.
R A NG KU M AN
Beberapa bentuk analisis statistika deskriptif untuk mengetahui

ukuran penyebaran adalah :
1. Range
Range  xmax  xmin
2. Varians dan Standard Deviasi

 xi  x 
2
n
s2  
i 1 n 1
 xi  x 
2
n
s s  2
i 1 n 1
3. Koefisien varians
s
CV  100%
x
TES F OR M AT IF 3
1) Ukuran deviasi yang paling sederhana adalah

A. koefisien varians
B. standard deviasi
C. rata-rata
D. range
2) Ukuran keragaman yang tetap mempertahankan skala asli data adalah

A. varians
B. standard deviasi
C. rata-rata
D. skewness
3) Diketahui informasi simpangan pendapatan masyarakat di Kota A

sebesar Rp. 500 ribu dan Kota B sebesar Rp. 750 ribu. Pernyataan
berikut yang benar adalah ….
 SATS4121/MODUL 2 2.49
A. pendapatan masyarakat Kota A lebih bervariasi daripada Kota B

B. pendapatan masyarakat Kota B lebih bervariasi daripada Kota A
C. pendapatan masyarakat Kota A lebih besar daripada Kota B
D. pendapatan masyarakat Kota B lebih besar daripada Kota A
4) Data tinggi badan yang diukur dalam satuan cm, memiliki ragam yang
satuannya ....
A. m
B. m2
C. cm
D. cm2
5) Sedangkan simpangan baku dari soal no 4 memiliki satuan ...

A. m
B. m2
C. cm
D. cm2
Soal untuk No. 6 sampai 10
Untuk melakukan perencanaan teknis konstruksi bendungan dan
spillway Waduk Pidekso di Wonogiri dilakukan pengumpulan data
temperatur udara rata-rata bulanan (oC). Pencatatan dilakukan oleh
stasiun Baturetno pada Januari-Februari 1982, yaitu:
33,31 33 32,5 34 33,2 35,2
34,2 34,5 33,2 34,2 35,2 34,5
6) Range dari data tersebut adalah ....

A. 2,4
B. 2,5
C. 2,6
D. 2,7
7) Nilai variansnya adalah ....

A. 0,873
B. 0,762
C. 0,672
D. 0,783
8) Nilai standar deviasinya adalah ....

A. 0,873
B. 0,762
C. 0,100
D. 0,800
9) Koefisien variansnya adalah ....

A. 2,57%
B. 2,3%
C. 25,7%
D. 0,257%
10) Dari koefisien varians dari soal no. 9, dapat dimaknai ....
A. data tersebut beragam
B. data tersebut cenderung homogen
C. data tersebut memiliki keragaman yang besar
D. data tersebut memusat


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 2 2.51
Tes Formatif 1
1) C. Cukup Jelas
2) A.
Penyelesaian:
diperoleh dari tabel frekuensi seperti berikut :
Asal Frekuensi Persentase
Jawa Timur 5 33.33
Jawa Barat 4 26.67
DIY 2 13.33
DKI Jakarta 2 13.33
Bali 2 13.33
Total 15 100.00
3) B. Cukup Jelas
4) C.
Penyelesaian:
K = 1 + 3,3 log (50) = 6,61 ~ 7
5) B.
Penyelesaian:
Lebar kelas = (10,01-7,41)/5 = 0,52 ~ 0,6
6) C. Cukup jelas
7) D. Cukup jelas
8) A. Cukup jelas
9) A. Cukup jelas
10) B. Cukup jelas
Tes Formatif 2
1) A
2) C
3) B
4) C
5) C
6) A
7) B
8) D
9) C
10) D
Tes Formatif 3
1) D
2) B
3) B
4) D
5) C
6) D
7) B
8) A
9) A
10) B
 SATS4121/MODUL 2 2.53
Daftar Pustaka


Edition. Freeman.



13-204767-8.
Modul 3
Peluang
Dr. Sutikno, M.Si.
PEN D A HU L UA N
S audara, sekarang Anda memasuki ranah Statistika yang sangat penting,

yaitu peluang (probabilitas). Peluang adalah dasar berpikir yang
digunakan dalam statistika. Oleh karenanya, statistika merupakan ilmu yang
menggunakan kaidah probabilistik, bukan deterministik seperti matematika.
Pemahaman Anda mengenai Peluang akan sangat membantu Anda
dalam memahami materi berikutnya. Berbeda dengan materi Modul 2 yang
fokus pada data, materi peluang ini membicarakan suatu kemungkinan
kejadian-kejadian yang mengarah pada suatu konsep mengenai
variabel/peubah acak (random variabel) yang akan dibahas pada modul
berikutnya.
Saudara, pahamilah bahwa yang namanya data adalah output dari suatu
pengukuran, sedangkan peubah adalah sesuatu yang diukur. Perbedaan akan
kedua hal ini sangat wajib dipahami. Suatu peubah acak memiliki nilai-nilai,
dan nilai-nilai yang muncul dari peubah acak inilah yang dinamakan data.
Kemunculan nilai-nilai suatu peubah acak memiliki peluang, sedangkan data
adalah sesuatu yang akan diolah dan dianalisis untuk dapat menghasilkan
informasi bermakna. Oleh karena itu, sebelum mempelajari tentang
pengolahan/analisis data, Anda wajib paham mengenai konsep peluang.
Selain karena alasan keterkaitan dengan materi selanjutnya, pemahaman
Anda mengenai peluang juga sangat banyak manfaatnya dalam kehidupan
sehari-hari. Misalnya, Anda dapat membantu seorang peneliti bidang
kesehatan untuk mengetahui peluang seseorang terkena penyakit kanker, di
bidang ekonomi dan keuangan Anda dapat membantu untuk menentukan
peluang atau risiko kredit macet, dan lain sebagainya. Banyak sekali manfaat
teori peluang dalam aplikasi di dunia nyata.
Materi peluang ini juga bukan merupakan materi yang baru bagi Anda.
Materi ini telah diajarkan di SMA. Oleh karenanya, saya yakin, Anda pun
pasti akan mudah mempelajari materi ini.
Harapannya, setelah Anda mempelajari Modul 3 ini, Anda dapat :
1. Menjelaskan konsep dasar peluang.
2. Menghitung peluang suatu kejadian.
3. Menghitung peluang beberapa kejadian.
4. Menghitung peluang bersyarat suatu kejadian.
5. Menerapkan teorema bayes dalam suatu kejadian.
Untuk mencapai tujuan pembelajaran tersebut, dalam Modul 3 akan

disajikan 3 subtopik yang akan Anda pelajari secara bertahap dalam tiga
kegiatan belajar, yaitu :
1. Konsep dasar peluang, sehingga Anda dapat memahami konsep ruang
sampel, kejadian, dan peluang suatu kejadian.
2. Rumus-rumus peluang, sehingga Anda dapat memahami konsep peluang
beberapa kejadian (irisan, gabungan, komplemen, kejadian saling lepas,
kejadian saling bebas); serta konsep pengambilan sampel (permutasi dan
kombinasi).
3. Peluang bersyarat dan teorema bayes.

Kegiatan Belajar 1
Konsep Dasar Peluang
S audara, mari mengingat kembali materi yang telah Anda pelajari di SMA,
yaitu peluang. Untuk mengawali pembahasannya, silakan dijawab,
pernahkah Anda memperhatikan bahwa hampir semua peristiwa dalam hidup
ini merupakan sebuah kemungkinan? Misalnya, Anda tiba-tiba mendapat
doorprize dari bank tempat Anda menabung, Anda datang terlambat ke
kantor karena jalan macet, Anda menjadi seorang artis, Anda berhasil lulus
ujian, sebuah tendangan pada permainan sepak bola akan masuk gawang, dan
lain sebagainya. Semuanya itu sifatnya masih berupa kemungkinan, bukan?
Alias belum pasti. Nah, pada dasarnya teori peluang berkaitan erat dengan
perhitungan kemungkinan terjadinya suatu kejadian. Sehingga, saat
membicarakan peluang berarti kita sedang membicarakan kejadian yang
belum terjadi atau akan terjadi. Kejadian yang sudah terjadi, bukan lagi
sebuah peluang namanya. Itu sudah pasti. Nah, kejadian yang akan datang
yang pasti terjadi, nilai peluangnya 1, sedangkan yang tidak mungkin terjadi
nilainya 0. Sehingga nilai peluang berkisar antara 0 dan 1.
Beberapa kejadian akan membentuk suatu himpunan yang lebih besar
disebut dengan ruang sampel. Untuk memperoleh perhitungan yang benar
terkait peluang suatu kejadian maka perlu diketahui seberapa banyak
kejadian itu dapat terjadi dan ruang sampelnya terjadi. Oleh karena itu, dalam
menghitung suatu peluang perlu dilakukan suatu perhitungan banyaknya
kejadian yang terjadi atau anggota suatu kejadian.
Peluang atau probabilitas menggambarkan besarnya kesempatan yang akan

muncul dalam suatu kejadian tertentu pada kondisi tertentu serta diwakili
oleh nilai di antara 0 dan 1.
Secara rinci, tiga pokok bahasan tersebut sebagai berikut.
A. RUANG SAMPEL
Saudara, pernahkan Anda memperhatikan seorang wasit melemparkan

sebuah koin dalam suatu permainan? Pelemparan uang koin tersebut
dimaksudkan untuk menentukan siapa yang berhak bermain lebih dulu.
Kemungkinan yang terjadi apabila sebuah koin dilemparkan adalah muncul

"Angka" atau "Gambar". Hanya ada dua kemungkinan kejadian dari
pelemparan sebuah koin. Nah, dua buah kemungkinan tersebut yakni muncul
"Angka" dan "Gambar" dalam peluang dinamakan ruang sampel.
Ruang sampel merupakan himpunan semua kemungkinan hasil suatu
percobaan. Biasanya dilambangkan dengan huruf S. Setiap kemungkinan
dalam suatu ruang sampel disebut unsur atau anggota ruang sampel atau titik
sampel. Dari contoh pelemparan koin sebelumnya, maka dapat dikatakan
ruang sampel (S) adalah angka (A) dan gambar (G). Atau sering ditulis
sebagai S = {A, G}. Contoh lainnya, misalkan pelemparan sebuah dadu
setimbang, maka jumlah ruang sampelnya ada 6, yaitu: muncul angka 1, 2, 3,
4, 5, dan 6 atau ditulis S = {1, 2, 3, 4, 5, 6}. Demikian juga jika kejadian
melemparkan sebuah koin dan sebuah dadu setimbang, maka ruang
sampelnya ada sebanyak 12, yaitu: S = {(1, A), (2, A), (3, A), (4, A), (5, A),
(6, A), (1, G), (2, G), (3, G), (4, G), (5, G), dan (6, G)}. Sementara itu, {A}
atau {G} merupakan titik sampel dalam kejadian pelemparan sekeping koin.
Demikian juga, titik sampel dalam pelemparan sebuah dadu seimbang adalah
{1}, {2}, {3}, {4}, {5}, dan {6}. Dapatkah Anda menyebutkan titik sampel
kejadian pelemparan sekeping koin dan sebuah dadu setimbang??
Dalam peluang, salah satu masalah yang harus diselesaikan adalah unsur
kemungkinan yang berkaitan dengan munculnya kejadian tertentu bila suatu
percobaan dilakukan. Dalam banyak hal suatu soal peluang dapat
diselesaikan dengan menghitung jumlah titik dalam ruang sampel tanpa perlu
membuat daftar unsur yang disebut sebagai aturan perkalian. Misalnya
dalam percobaan pelemparan sekeping koin dan sebuah dadu seimbang,
maka banyaknya titik contoh adalah 2 × 6 = 12 unsur. Nilai 2 diperoleh dari
kemungkinan munculnya A dan G ada 2 buah, sedangkan nilai 6 adalah
semua kemungkinan nilai dadu yang muncul ada 6 buah. Dengan demikian,
banyaknya titik contoh dari peristiwa tersebut adalah banyaknya titik contoh
kejadian pertama dikalikan dengan banyaknya titik contoh kejadian kedua,
sehingga jumlah sampel yang mungkin sebanyak 12 buah. Dengan demikian,
sebagai kesimpulan dapat dinyatakan pada teorema berikut ini.
Teorema 3.1.
Bila suatu operasi dapat dilakukan dengan n1 cara, dan bila untuk tiap cara
ini operasi kedua dapat dikerjakan dengan n2 cara, maka kedua operasi itu
dapat dikerjakan bersama-sama dengan n1n2 cara.
Contoh 3.1.
1. Jika sebuah dadu setimbang dilemparkan satu kali. Tentukan ruang
sampel dan ada berapa banyak titik sampelnya?
2. Jika dua buah dadu setimbang dilemparkan satu kali, ada berapa titik
sampelnya. Jabarkan!
Jawab:
1. Dadu setimbang memiliki 6 sisi. Sehingga, mata dadu setimbang ada 6,
katakanlah S1 , S2 ,, S6 .
Semua sisi dadu itu membentuk ruang sampel, sehingga jika dadu
dilempar satu kali ruang sampelnya adalah:  1, 2,3, 4,5,6 . Dan
banyaknya titik sampel adalah n  6 .
2. Ruang sampel untuk dadu I:
S1  1, 2,3, 4,5,6 .
Banyaknya titik sampel n1  6 .
Ruang sampel untuk dadu II:
S2  1, 2,3, 4,5,6 .
Banyaknya titik sampel n2  6 . Sehingga, banyaknya titik sampel untuk
pelemparan dua dadu adalah:
n  n1 . n2   6 .  6   36
Penjabaran ruang sampelnya adalah pada Tabel 3.1. berikut.
Tabel 3.1
Ruang Sampel Pelemparan dari Dadu Mata Satu II
Mata Dadu II
X 1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
Mata
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
Dadu I
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Jika dituliskan, ruang sampelnya adalah S  1,1 , 1, 2  , ,  6, 6  .

Contoh 3.2
Seorang langganan ingin memasang telepon dan dapat memilih dari n1 = 10
warna dekorasi, yang dimisalkan tersedia dengan pilihan panjang kawat
sambungan n2  3 dengan n3  2 jenis telepon, yaitu yang diputar atau yang
memakai tombol. Berapa banyak pilihan yang dapat dibuat dalam
pemasangan telepon dengan model pilihan warna dekorasi, panjang kawat
sambungan, dan jenis telepon?
Jawab:
Ketiga bentuk pilihan tersebut memberikan kemungkinan sebanyak
n1 n2 n3  10  3 2   60 cara.
B. KEJADIAN
Kejadian disebut juga dengan peristiwa yaitu himpunan bagian dari

ruang sampel. Kejadian dibedakan menjadi dua bagian, yaitu kejadian
sederhana dan kejadian majemuk. Definisi kedua kejadian tersebut adalah
sebagai berikut.
Kejadian Sederhana. Bila suatu kejadian dapat dinyatakan sebagai

sebuah himpunan yang hanya terdiri dari satu titik sampel.
Kejadian Majemuk. Kejadian yang dapat dinyatakan sebagai gabungan
beberapa kejadian sederhana.
Contoh 3.3.
Misalkan P adalah kejadian bahwa seorang karyawan yang dipilih secara
acak pada suatu perusahaan pengeboran minyak merupakan seorang perokok.
Misalkan Q kejadian bahwa karyawan yang terpilih merupakan seorang
peminum alkohol. Definisikan kejadian P  Q .
Jawab:
Kejadian P  Q merupakan himpunan semua karyawan yang perokok atau
peminum atau kedua-duanya.
Contoh 3.4.
Untuk percobaan/pengamatan jenis kartu, dimana S = {heart, spade, club,
diamond}, maka A = {heart} adalah kejadian sederhana, sedangkan
B = {heart, diamond} adalah kejadian majemuk.
C. PELUANG SUATU KEJADIAN
Secara umum peluang suatu kejadian dapat didefinisikan sebagai

perbandingan banyaknya titik sampel kejadian dengan banyaknya anggota
ruang sampel kejadian.
Peluang Suatu Kejadian. Misalkan A adalah suatu kejadian yang terjadi,

maka nilai peluang suatu kejadian A dinyatakan dengan:
n  A
P  A 
nS 
dimana:
n  A adalah banyaknya kejadian A yang terjadi
n  S  adalah banyaknya seluruh kejadian yang terjadi
n  S   n  A
Adapun syarat-syarat yang harus dipenuhi dalam peluang, sebagai berikut:

0  P  A  1
P    0 adalah peluang himpunan kosong (null)
P  S   1 adalah peluang himpunan semesta
Contoh 3.5.
Suatu dadu diboboti sedemikian rupa sehingga kemungkinan muncul suatu
angka genap adalah dua kali lebih besar daripada kemungkinan muncul suatu
angka ganjil. Bila K menyatakan kejadian munculnya suatu angka yang lebih
kecil dari 4 dalam suatu lemparan, tentukan nilai P(K).
Jawab:
Ruang sampel dadu adalah {1, 2, 3, 4, 5, 6}. Misalkan bobot tiap angka ganjil
b, maka bobot tiap angka genap adalah 2b. Karena jumlah semua bobot 1
maka 3b + 3(2b) = 1 atau 9b = 1 atau b = 1/9. Jadi tiap angka ganjil berbobot
1/9 sedangkan tiap angka genap berbobot 2/9.
Jadi
K = {1, 2, 3} sehingga P(K) = 1/9 + 2/9 + 1/9 = 4/9.
Setelah Anda memahami materi mengenai konsep dasar peluang,

selanjutnya silakan Anda mengerjakan latihan untuk meningkatkan
pemahaman Anda. Selamat berlatih.
LAT IH A N

1) Tuliskan anggota tiap ruang sampel berikut ini.
a. Himpunan bilangan bulat antara 1 dan 50 yang habis dibagi 8.

b. Himpunan T  x x2  4 x  5  0 . 
c. Himpunan T   x 2 x  4  0 dan x  1.
2) Dua juri dipilih dari 4 calon pada suatu perlombaan. Dengan
menggunakan lambang C1C3, misalnya untuk menyatakan kejadian
sederhana bahwa calon 1 dan 3 yang terpilih, tuliskanlah ke 6 unsur
ruang sampel T.
3) Tiga wanita dipilih secara acak untuk ditanya apakah mereka mencuci
pakaiannya dengan sabun merek X.
a. Tuliskan anggota ruang sampel S dengan menggunakan huruf Y
untuk “ya” dan B untuk “bukan”.
b. Tuliskanlah anggota S yang berkaitan dengan kejadian E bahwa
paling sedikit dua wanita menggunakan sabun X.
c. Tentukanlah kejadian yang beranggotakan titik {YYY, BYY, YYB,
BYB}.
4) Dua buah dadu dilemparkan. Carilah peluang untuk:
a. jumlah 8;
b. paling banyak jumlahnya 5.
5) Dua kartu diambil secara berurutan tanpa dikembalikan dari suatu kotak
kartu bridge. Berapa peluang kedua kartu tersebut lebih besar dari 2
tetapi lebih kecil dari 8?
1) Anggota tiap ruang sampel berikut ini adalah.

a. Himpunan bilangan bulat antara 1 dan 50 yang habis dibagi 8
B  8, 16, 24, 32, 40, 48.
b.  
Himpunan T  x x2  4 x  5  0 .
T  5,1.
c. Himpunan T   x 2 x  4  0 dan x  1.
T   ~,, 1, 0, 2, 3,,  ~.
2) Anggota ke-6 unsur ruang sampel dari dua juri yang dipilih dari 4 calon
pada suatu perlombaan, sebagai berikut.
T  C1C2 , C1C3 , C1C4 , C2C3 , C2C4 , C3C4 
3) a. S  YYY , YYB, YBY , BYY , YBB, BYB, BBY , BBB.

b. E  YYB, YBY , BYY , YYY .
c. karena titik sampel menyatakan banyaknya huruf Y minimal ada 1,
maka kejadian yang tepat yang menggambarkan anggota titik
sampel tersebut adalah kejadian paling sedikit satu wanita
menggunakan sabun X.
4) Jumlah ruang sampel untuk kejadian dua buah dadu dilemparkan adalah
n  S   36 , misal:
a. Kejadian pelemparan dadu berjumlah 8, A = {(2,6); (3,5); (4,4);
(5,3); (6,2)}. Sehingga n(A) = 5.
n  A 5
P  A   .
n  S  36
b. Kejadian pelemparan dadu paling banyak berjumlah 5, B = {(1,1);
(1,2); (1,3); (1,4); (2,1); (2,2); (2,3); (3,1); (3,2)}.
5) Banyaknya ruang sampel n(S) = 52.

Kejadian kedua kartu lebih besar dari 2 tetapi lebih kecil dari 8 yang
diambil secara berurutan tanpa dikembalikan adalah {(2,3); (2,4); (2,5);
(3,2); (3,4); (4,2); (4,3); (5,2)}. Sehingga nilai peluangnya adalah
n  A 8 2
P  A    .
n  S  52 13
R A NG KU M AN
1. Peluang atau probabilitas menggambarkan besarnya kesempatan

yang akan muncul dalam suatu kejadian tertentu pada kondisi
tertentu nilai peluang berkisar antara 0 dan 1.
2. Kejadian sederhana adalah kejadian yang dapat dinyatakan sebagai
sebuah himpunan yang hanya terdiri dari satu titik sampel.
3. Kejadian majemuk adalah kejadian yang dapat dinyatakan sebagai
gabungan beberapa kejadian sederhana.
4. Peluang suatu kejadian menyatakan nilai kemungkinan yang terjadi.
Misalkan A adalah suatu kejadian yang terjadi, maka nilai peluang
suatu kejadian A dinyatakan dengan
n  A
P  A 
nS 
dengan :
n  A adalah banyaknya kejadian A yang terjadi
n  S  adalah banyaknya seluruh kejadian yang terjadi
n  S   n  A
5. Syarat-syarat yang harus dipenuhi dalam peluang, sebagai berikut :

0  P  A  1
P    0 adalah peluang himpunan kosong (null)
P  S   1 adalah peluang himpunan semesta
 SATS4121/MODUL 3 3.11
TES F OR M AT IF 1
1) Ruang sampel dari pelemparan dua buah mata uang logam setimbang
yang memiliki sisi M = muka dan B = belakang adalah ....
A. {M, B}
B. {MM, BB}
C. {MB, BM}
D. {MM, MB, BM, BB}
2) Berapa peluang muncul keduanya sisi muka pada pelemparan dua buah
mata uang logam tersebut?
1
A.
4
1
B.
3
1
C.
2
2
D.
4
3) Berapa peluang muncul keduanya sisi belakang pada pelemparan dua

buah mata uang logam tersebut.
1
A.
4
1
B.
3
1
C.
2
2
D.
4
4) Dalam sebuah kantong, ada 2 bola berwarna merah dan 3 bola berwarna
hijau. Banyaknya cara mengambil 1 buah bola merah secara acak adalah
2 dan banyaknya cara mengambil 1bola hijau secara acak adalah 3. Jika
diambil dua bola secara bertahap satu per satu dengan pengembalian,
maka banyaknya cara adalah ....
A. 4 cara
B. 5 cara
C. 6 cara
D. 7 cara
5) Dari soal no. 2, berapa peluang terambilnya bola hijau pada pengambilan
pertama dan bola hijau lagi pada pengambilan kedua ....
A. 0,40
B. 0,16
C. 0,24
D. 0,36
6) Sekantung permen berisi 6 rasa jeruk, 4 rasa kopi, dan 3 rasa coklat. Bila
seseorang mengambil satu permen secara acak, hitunglah peluangnya
mendapat satu rasa jeruk ....
A. 0,4615
B. 0,3615
C. 0,5615
D. 0,2615
7) Sebuah mata uang dilantunkan dua kali. Berapakah peluangnya bahwa

paling sedikit muncul muka sekali?
A. 0,50
B. 0,75
C. 0,333
D. 0,25
8) Sebuah dadu dilempar sebanyak 30 kali. Adapun mata dadu yang

muncul dicatat dan hasilnya disajikan pada tabel berikut ini.
Mata dadu 1 2 3 4 5 6
Frekuensi 4 3 6 7 5 5
Peluang muncul mata dadu 3 adalah ....

A. 0,40
B. 0,25
C. 0,60
D. 0,20
 SATS4121/MODUL 3 3.13
9) Dari soal no 6, peluang muncul mata dadu 4 adalah ....

A. 0,250
B. 0,200
C. 0,233
D. 0,633
10) Peluang seorang anggota dewan tidak hadir rapat paripurna adalah 0,35.
Berapa peluang anggota dewan tersebut dapat rapat paripurna?
A. 0
B. 0,5
C. 0,65
D. 1


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 2
Rumus-rumus Peluang
P ada Kegiatan Belajar 2 ini, Anda akan mempelajari rumus-rumus

peluang yang didasari oleh aljabar himpunan. Oleh karena itu, untuk
menguasai materi ini dengan mudah, diharapkan Anda mengingat kembali
materi tentang himpunan. Rumus-rumus peluang yang akan dibahas meliputi
peluang beberapa kejadian yang terdiri atas irisan, gabungan, komplemen,
kejadian saling lepas, kejadian saling bebas, dan penghitungan pengambilan
titik sampel. Semuanya akan dijelaskan secara rinci sebagai berikut.
A. PELUANG BEBERAPA KEJADIAN
Peluang beberapa kejadian sering disebut dengan peluang kejadian

majemuk. Kejadian majemuk dapat terjadi dengan cara mengkombinasikan
dua atau lebih kejadian. Dalam modul ini, pengkombinasian dua atau lebih
kejadian dapat dilakukan dengan cara gabungan, irisan, dan komplemen.
Pemahaman Anda mengenai aljabar himpunan sangat penting di sini karena
pada saat kita membicarakan anggota ruang kejadian akan sama halnya kita
membicarakan anggota himpunan. Misal, kejadian A adalah kejadian
munculnya sisi muka pada pelemparan dua buah koin, maka ruang kejadian A
ditulis A = {MB, BM, MM}, dengan M = muka dan B = belakang.
1. Irisan
Irisan antara dua kejadian A dan B yang dilambangkan dengan A  B
merupakan kejadian yang mengandung semua elemen yang berada di A dan
di B sekaligus. Notasi juga berarti “dan”.
Irisan A dan B dapat dinotasikan dengan:

A  B   x x  A dan x  B
 SATS4121/MODUL 3 3.15
Untuk dapat lebih memahami konsep irisan kejadian, silakan pelajari contoh-
contoh berikut ini.
Contoh 3.6.
Misalkan A = {1, 2, 3, 4, 5} dan B = {2, 4, 6, 8}; maka anggota himpunan
A  B adalah anggota A yang sekaligus menjadi anggota B, yaitu 2 dan 4,
sehingga A  B  2, 4 .
Contoh 3.7.
Bila R adalah himpunan semua pembayar pajak dan S adalah himpunan
semua orang yang berusia di atas 65 tahun maka R  S adalah himpunan
semua pembayar pajak yang berusia di atas 65 tahun.
2. Gabungan (Union)
Gabungan dua buah kejadian, A dan B yang dilambangkan dengan
A  B merupakan kejadian yang mengandung semua elemen dari A, atau B,
atau keduanya. Notasi dapat juga berarti “atau”.
Gabungan A dan B dapat dinotasikan dengan
A  B   x x  A atau x  B
Pelajari contoh berikut ini untuk meningkatkan pemahaman Anda mengenai

gabungan dua kejadian.
Contoh 3.8.
Jika A = {2, 3, 5, 8} dan B = {3, 6, 8}, maka A  B beranggotakan semua
anggota A ditambah semua anggota B, sehingga A  B = {2, 3, 5, 6, 8}.
Contoh 3.9.
Dalam suatu kelas di SMA X ada 10 orang yang bercita-cita ingin menjadi
dosen, 5 orang ingin menjadi pengusaha, 8 orang ingin menjadi motivator, 3
orang ingin menjadi pengusaha dan motivator, dan 20 orang bercita-cita yang
lainnya. Berapa orang siswa yang bercita-cita menjadi dosen atau pengusaha?
Jawab:
Kata “atau” berarti gabungan, berarti yang ditanya “n (dosen pengusaha)“
dibaca banyaknya siswa yang bercita-cita menjadi dosen atau pengusaha.
Karena dari informasi di soal tidak ada irisan antara siswa yang bercita-cita
menjadi dosen dan yang bercita-cita menjadi pengusaha, maka
n (dosen pengusaha) = n (dosen) + n (pengusaha) = 10 + 5 = 15 siswa.
3. Komplemen
Komplemen dari kejadian A terhadap S yang dilambangkan dengan A '
merupakan himpunan semua elemen S yang tidak berada dalam A.
Komplemen A terhadap S dapat dinotasikan dengan
A '   x x  S , x  A
Jika A adalah suatu kejadian pada suatu percobaan peluang komplemen,

maka peluang komplemen kejadian A adalah P  A '  1  P  A
Berikut diberikan contoh komplemen suatu kejadian untuk menambah
pemahaman Anda.
 SATS4121/MODUL 3 3.17
Contoh 3.10.
Misalkan R adalah kejadian terambilnya kartu merah dari seperangkat kartu
bridge dan S adalah ruang contohnya yang berupa seluruh kartu tersebut.
Maka R ' adalah kejadian terambilnya kartu bukan merah, yang berarti juga
terambilnya kartu hitam.
Contoh 3.11.
Perhatikan ruang contoh S = {buku, kucing, rokok, uang logam, peta,
perang}. Jika A = {kucing, perang, buku, rokok}, maka A ' adalah anggota S
yang bukan merupakan anggota A, yaitu uang logam dan peta, sehingga
A ' = {uang logam, peta}.
Contoh 3.12.
Sekeping uang logam dilemparkan 6 kali berturut-turut. Berapa peluang
sekurang-kurangnya sisi gambar muncul sekali?
Jawab:
Misalkan E adalah kejadian yang ditanyakan. Ruang contoh S mempunyai 26
= 64 titik contoh, karena setiap pelemparan menghasilkan 2 kemungkinan
dan dilemparkan sebanyak 6 kali. Sekarang, P  E   1 – P( E '), dengan
E ' menyatakan kejadian bahwa sisi gambar tidak muncul barang sekalipun.
Ini hanya dapat terjadi dalam satu cara, yaitu bila semua pelemparan
menghasilkan sisi angka yang memiliki peluang 1/64. Sehingga P  E ' =
1/64 dan P  E   1 – 1/ 64  63 / 64.
4. Kejadian Saling Lepas

Dua kejadian disebut sebagai kejadian saling lepas (mutually exclusive)
apabila dua kejadian tersebut tidak terjadi pada saat yang bersamaan. Dua
kejadian saling lepas tidak akan mungkin memiliki anggota ruang sampel
yang sama. Jika ada dua kejadian memiliki anggota sampel yang sama, maka
dua kejadian tersebut bukan merupakan kejadian saling lepas. Dengan kata
lain kejadian saling lepas adalah kejadian yang tidak memiliki irisan.
Dua kejadian saling lepas dinotasikan dengan A / / B atau A  B  0.
Sehingga, peluang kejadian A dan B dapat disimpulkan

a. P  A  B   P  A  P  B  , jika A dan B saling lepas
b. P  A  B   P  A  P  B   P  A  B  , jika A dan B tidak saling lepas
Contoh 3.13.
Misalkan sebuah dadu dilemparkan. Misalkan pula A adalah kejadian
munculnya bilangan genap dan B adalah kejadian munculnya bilangan ganjil.
Kejadian A = {2, 4, 6} dan B = {1, 3, 5} tidak memiliki titik persekutuan
karena bilangan ganjil dan genap tidak mungkin muncul bersamaan pada satu
kali lemparan sebuah dadu. Jadi, A  B   , yang berarti kejadian A dan B
saling terpisah, dengan demikian P  A  B   0.
Contoh 3.14.
Peluang seorang mahasiswa lulus matematika adalah 2/3, dan peluang ia
lulus Bahasa Inggris adalah 4/9. Bila peluang lulus sekurang-kurangnya satu
pelajaran di atas adalah 4/5, berapa peluang ia lulus kedua pelajaran itu.
Jawab:
Bila M adalah kejadian “lulus matematika” dan E adalah kejadian “lulus
Bahasa Inggris”, maka peluang ia lulus kedua pelajaran tersebut
dinotasikan P(M  E) , hal ini jelas bahwa kedua kejadian ini bukanlah
 SATS4121/MODUL 3 3.19
kejadian yang saling lepas. Sehingga, dari formula PM  E 

P  M   P  E   P  M  E  diperoleh :
P M  E   P  M   P  E   P M  E  
2 4 4 14
  
3 9 5 45
Jadi, peluang seorang mahasiswa lulus kedua mata kuliah itu adalah 14/45.
Contoh 3.15.
Berapa peluang mendapatkan jumlah 7 atau 11 bila sepasang dadu
dilemparkan?
Jawab:
Misalkan A adalah jumlah 7 dan B adalah kejadian munculnya jumlah 11.
Jumlah 7 dapat terjadi dari 6 titik contoh di antara 36 titik contoh dalam
ruang contohnya, sedangkan jumlah 11 hanya dapat terjadi dari 2 titik
contoh. Karena semua titik contoh mempunyai peluang muncul yang sama,
maka P(A) = 1/6 dan P(B) = 1/18. Kejadian A dan B saling terpisah, karena
jumlah 7 dan jumlah 11 tidak mungkin terjadi bersamaan pada satu kali
lemparan. Jadi:
1 1 2
P  A  B   P  A  P  B    
6 18 9
5. Kejadian Saling Bebas

Saudara, perlu dicatat bahwa kejadian saling lepas tidaklah sama dengan
kejadian saling bebas. Kejadian saling lepas adalah dua buah kejadian yang
tidak memiliki irisan atau tidak akan terjadi dalam waktu yang bersamaan.
Sedangkan, dua kejadian disebut saling bebas (mutually exhaustic), jika
kejadian pertama tidak tergantung pada terjadinya kejadian kedua. Misalkan
kejadian A dikatakan bebas dari kejadian B jika terjadinya A tidak tergantung
pada terjadinya kejadian B. Peluang terjadinya dua kejadian saling bebas
sama dengan hasil kali peluang kedua kejadian.
P  A  B   P  A  P  B 
Contoh 3.16.
Dalam satu kotak terdapat 20 sekering, 5 di antaranya cacat. Jika 2 buah
sekering dipilih secara acak dan diambil dari kotak secara berurutan, tanpa
pengulangan, berapa peluang kedua sekering itu terambil cacat?
Jawab:
Andaikan A adalah kejadian terambilnya sekering cacat yang pertama dan B
adalah kejadian terambilnya sekering cacat kedua, kejadian A  B
menunjukkan bahwa A terjadi kemudian B terjadi setelah A. Maka peluang
terambil sekering pertama cacat adalah 5/20 = ¼. Sementara itu, peluang
terambilnya sekering kedua cacat adalah:
(5-1)/(20-1) = 4/19.
Dengan demikian:
1 4 1
P  A  B    .
4 19 19
Contoh 3.17.
Dua buah dadu dilempar bersama-sama sebanyak satu kali. Berapa peluang
munculnya mata dadu tidak berjumlah 12 ?
Jawab:
Pada ilustrasi sebelumnya, telah kita ketahui bahwa jika satu dadu dilempar
maka ruang sampelnya ada enam, n(S) = 6. Jika dua buah dadu dilempar
bersama-sama satu kali maka ruang sampelnya jadi 6  6  36, sehingga
n  S   36.
Misalkan, n(A) adalah banyaknya kejadian muncul mata dadu berjumlah 12.
Dari semua mata dadu, dua buah mata dadu yang jika dijumlahkan hasilnya
12 adalah hanyalah mata dadu 6 ditambah mata dadu 6. Sehingga, anggota
kejadian A hanya satu, yaitu (6,6). Berarti, n(A) = 1.
Dari n(A) dan n(S) dapat diperoleh peluang A, P(A) = 1/36, sehingga peluang
munculnya mata dadu tidak berjumlah12 adalah:
P  A'   1 – P  A 
 1 – 1/ 36
 35 / 36
 SATS4121/MODUL 3 3.21
B. PENGAMBILAN SAMPEL
Dalam menentukan peluang, hal yang sudah pasti dilakukan adalah

mengetahui banyaknya anggota ruang kejadian dan ruang sampel. Nah, cara
menentukan banyaknya anggota ruang sampel dan ruang kejadian ini bisa
dengan permutasi atau kombinasi. Secara rinci permutasi dan kombinasi
dapat diuraikan sebagai berikut.
1. Permutasi
Merupakan suatu susunan yang dibentuk oleh keseluruhan atau sebagian
dari sekumpulan benda. Cara penyusunan benda ini dengan memerhatikan
urutan. Misalnya, dalam permutasi AB berbeda dengan BA.
Teorema 3.2.
Banyaknya permutasi n benda yang berlainan adalah n!
Untuk memahaminya, pelajari contoh berikut.
Contoh 3.18.
Tentukan banyaknya permutasi dari tiga huruf a, b, dan c.
Jawab:
Anggap a, b, dan c sebagai suatu benda. Maka, huruf a, b, c merupakan tiga
benda yang berlainan. Jadi, n  3 , sehingga banyaknya permutasi adalah
n!  3!  3  2 1  6.
Supaya lebih jelas, mari perhatikan penjabaran dari 6 susunan yang dapat
terbentuk dari 3 huruf tersebut berikut ini.
Susunan 1 : abc
Susunan 2 : bac
Susunan 3 : cba
Susunan 4 : cab
Susunan 5 : acb
Susunan 6 : bca
Bagaimana saudara, sudah dapat memahami Teorema 3.2 di atas? Jika sudah,
silakan pahami teorema-teorema yang selanjutnya beserta contoh-contohnya.
Teorema 3.3.
Banyaknya permutasi n benda yang berlainan bila diambil r sekaligus
n!
adalah n Pr 
 n  r !
Contoh 3.19.
Tentukan banyaknya jadwal yang dapat disusun pada suatu cabang
Himpunan Statistika Indonesia untuk 3 penceramah dalam 3 pertemuan bila
ketiganya bersedia berceramah tiap hari selama 5 hari.
Jawab:
Untuk menjawab soal ini, kita harus mengetahui mana yang menjadi r dan
mana yang menjadi n. Jika dipahami dari cerita soal tersebut, jadwal
berceramah ada 5 hari, berarti n = 5. Kemudian, 3 orang penceramah bersedia
berceramah tiap hari dalam tiga pertemuan, hal ini berarti selama 3 hari para
penceramah itu datang. Nah, dari sini jelas bahwa permasalahannya adalah,
ada berapa kemungkinan pilihan jadwal yang dapat disusun dengan
mengambil 3 hari dari 5 hari jadwal. Jelas bahwa, r = 3. Sehingga, banyaknya
cara mengatur jadwal para penceramah adalah permutasi 3 dari 5,
perhitungannya sebagai berikut:
5!
P3   60
5
 5  3 !
Bagaimana saudara, apakah sudah dapat memahami konsep permutasi
melalui contoh-contohnya? Selain kedua konsep permutasi tersebut, ada lagi
cara penyusunan benda-benda yang disebut sebagai permutasi melingkar atau
permutasi siklis. Permutasi ini berkaitan dengan penyusunan benda-benda
dalam bentuk lingkaran atau penyusunan sederetan objek yang melingkar.
Misalnya, bagaimana cara menempati posisi tempat duduk pada meja yang
bundar?
Dua permutasi melingkar tidak dianggap berbeda, karena saat dua benda
atau objek akan ditempatkan di posisi melingkar maka objek pertama pasti
harus menjadi patokan, sehingga posisinya tetap. Mau digeser ke manapun
objek pertama itu tidak akan mengubah cara penyusunan. Sementara itu,
 SATS4121/MODUL 3 3.23
objek kedua ditempatkan di sebelah objek pertama, jadi walaupun objek

pertama digeser-geser, tetap saja posisi penempatannya sama, sehingga
permutasi melingkar dari dua objek adalah satu.
Misalnya objek pertama A dan objek kedua B. Karena A sudah menjadi
patokan, maka cara berikutnya adalah menempatkan B. Karena hanya satu
objek yaitu B, maka cara menempatkan B adalah 1 cara. Sehingga cara
menempatkan A dan B dalam posisi melingkar hanya ada satu cara yaitu AB.
Di sini jelas bahwa BA akan sama saja dengan AB karena posisinya
melingkar. Untuk lebih jelasnya, perhatikan Gambar berikut.
Pada gambar di atas terlihat bahwa, posisi A dan B selalu sama,

meskipun A di geser ke kanan ataupun ke kiri. Silakan anda geser-geser
posisi A atau B, maka tetap sama susunan yang terjadi adalah AB.
Dari ilustrasi tersebut dapat dipahami bahwa permutasi melingkar dari
dua objek adalah satu. Jika objeknya ada tiga, katakanlah A, B, dan C. Ada
berapa cara menyusunnya? Perhatikan gambar berikut.
Apakah ada susunan yang mungkin lainnya selain dua susunan seperti
pada gambar di atas? Tentu tidak ada lagi! Penjelasannya begini, misalnya A
sebagai patokan. Katakanlah arah susunan tempat duduk ini adalah searah
jarum jam. Maka, cara penyusunan yang dapat dilakukan adalah hanya
menempatkan B dan C, apakah B berada di sebelah kanan atau kiri A.
Sehingga, ada dua cara yang dapat dilakukan, yaitu adalah ABC dan ACB.
Kedua susunan itulah kemungkinannya. Jadi, untuk permutasi melingkar dari
3 objek akan ada dua kemungkinan susunan yang dapat terjadi. Hasil ini
sesuai logika bahwa dari ketiga objek tersebut ada salah satu yang menjadi
patokan, sehingga cara penyusunan berikutnya adalah 2 objek sisanya yang
dapat disusun dengan cara 2!
Nah, untuk n objek, ada berapa susunan yang dapat terjadi? Karena 1
objek akan menjadi patokan, maka sisanya adalah sebanyak  n  1! Uraian
ini merupakan penjelasan dari Teorema 3.4.
Teorema 3.4.
Banyaknya permutasi n benda yang berlainan bila disusun melingkar
adalah  n  1!
Kemudian, ada lagi jenis permutasi yang lainnya. Misalnya Anda

memiliki n buah benda yang terdiri atas beberapa jenis. Jenis pertama
sebanyak n1, jenis kedua sebanyak n2, dan seterusnya jenis ke-k ada sebanyak
nk. Sehingga n  n1  n2  ...  nk . Maka ada berapa cara menyusun n benda
tersebut? Jawabannya ada di Teorema 3.5.
Teorema 3.5.
Banyaknya permutasi n benda yang berlainan bila n benda yang n1 di
antaranya berjenis pertama, n2 berjenis kedua, … , nk berjenis ke – k
n!
adalah
n1 ! n2 !...nk !
Contoh 3.20.
Suatu pohon natal dihias dengan 9 bola lampu yang dirangkai seri. Tentukan
banyaknya cara menyusun 9 bola lampu itu bila 3 di antaranya berwarna
merah, 4 kuning, dan 2 biru.
 SATS4121/MODUL 3 3.25
Jawab:
Dari soal diketahui bahwa n  9, dengan n1  3, n2  4, dan n3  2.
Sehingga menggunakan Teorema 3.5 diperoleh banyaknya susunan bola
lampu natal tersebut adalah:
9!
 1.260 cara.
3!4!2!
Selain itu, terkadang kita berhadapan pada permasalahan dimana kita
ingin menentukan banyaknya cara menyekat atau membagi n benda ke dalam
r tempat atau sel, dengan catatan sel-sel yang dihasilkan tidak saling tumpang
tindih atau gabungan semuanya menghasilkan himpunan asalnya. Dalam hal
ini susunan objek-objek dalam sel tidak diperhatikan. Misalnya, himpunan
{A, B, C, D} akan disekat menjadi dua sel. Sel pertama berisi tiga objek
sedangkan sel kedua berisi satu objek. Maka kemungkinan sekatannya adalah
{(ABC), (D)}, {(ABD),(C)}, {(ACD),(B)}, dan {(BCD),(A)}. Ternyata ada 4
cara dalam penyekatan 4 objek ke dalam 2 sel , dengan 3 objek pada sel
pertama dan 1 objek pada sel kedua.
Banyaknya sekatan dalam ilustrasi tersebut dapat dihitung dari:
 4  4!
  4
 
3,1 3! 1!
Bilangan yang di dalam tanda kurung, yang di atas menyatakan keseluruhan

objek, sedangkan yang di bawah menyatakan banyaknya unsur dalam tiap
sel. Secara umum, formulasi untuk permasalahan ini dinyatakan dalam
Teorema 3.6
Teorema 3.6.
Banyaknya permutasi n benda ke dalam k sel, dengan n1 unsur dalam sel
pertama, n2 unsur dalam sel kedua, dan demikian seterusnya
 n  n!
  Dalam hal ini n1  n2  ...  nk  n
 1 2
n , n ,..., nk  n1 ! n2 !...nk !
Contoh 3.21.
Tentukan banyaknya cara untuk menampung 7 petinju dalam 3 kamar hotel,
bila 1 kamar bertempat tidur 3 sedang 2 lainnya mempunyai 2 tempat tidur.
Jawab:
Pada soal di atas, diketahui n  7 , akan disekat ke dalam 3 sel, sehingga
r  3, di mana sel pertama berisi 3, sel kedua berisi 2, dan sel ketiga juga
berisi 2, berarti n1  3, n2  2, n3  2.
Sehingga, banyaknya cara menempatkan 7 petinju ke dalam 3 kamar hotel
adalah:
 7  7!
   210
 3, 2, 2  3!2!2!
Demikianlah penjelasan mengenai permutasi, selanjutnya akan kita

bahas cara lain dalam menentukan banyaknya cara suatu kejadian dapat
terjadi atau banyaknya cara menentukan titik sampel yang lain, yaitu
kombinasi.
2. Kombinasi
Lain halnya dengan permutasi, yaitu cara penyusunan objek dengan
memandang urutan, maka yang dinamakan kombinasi adalah cara
penyusunan objek dengan tidak memandang urutan. Konsep kombinasi ini
berguna pada saat kita menghadapi suatu pertanyaan bagaimana mengambil r
benda dari n benda yang tersedia. Perhatikan ilustrasi berikut.
Misalnya saya akan memilih 2 orang dari 4 mahasiswa untuk mengikuti
seminar nasional. Sebut saja keempat orang itu adalah A, B, C, D. Pemilihan
ini saya lakukan secara acak. Pertanyaannya, siapa saja kemungkinan yang
dapat terpilih? Maka kemungkinan-kemungkinan yang dapat terjadi adalah:
AB, AC, AD, BC, BD, CD.
Jadi, memilih dua orang dari empat orang dapat dilakukan dengan 6 cara. Hal
ini dapat dihitung dari 4 C2  6 . Untuk kasus yang lebih umum perhatikan
Teorema 3.6.
 SATS4121/MODUL 3 3.27
Teorema 3.6.
Banyaknya kombinasi r benda dari n benda yang berbeda adalah
n n! n!
  atau n Cr 
 r  r ! n  r ! r ! n  r  !
Contoh 3.22.
Dari 4 orang anggota partai Republik dan 3 orang anggota partai Demokrat,
hitunglah banyaknya komisi yang terdiri atas 3 orang dengan 2 orang dari
partai Republik dan 1 orang dari partai Demokrat yang dapat dibentuk.
Jawab:
Kasus tersebut jelas merupakan kasus kombinasi. Karena pemilihan orang
untuk menjadi anggota komisi tidak memandang urutan orang-orangnya.
Karena akan memilih 3 orang dengan komposisi 2 orang dari Partai Republik
dan 1 orang dari Partai Demokrat maka tahap awal kita harus menentukan
banyaknya cara memilih 2 dari 4 orang anggota Partai Republik dan memilih
1 dari 3 anggota Partai Demokrat. Banyaknya cara memilih 2 orang dari 4
orang Partai Republik ada
4 4!
  6
 2  2! 2!
Banyaknya cara memilih 1 dari 3 orang partai Demokrat ada
 3 3!
  3
 1  1! 2!
Sehingga, banyaknya cara membentuk anggota komisi dengan 2 orang Partai
Republik dan 1 orang Partai Demokrat merupakan perkalian 6 dengan 3,
yaitu (6)(3) = 18 cara.
Bagaimana saudara, apakah sekarang sudah paham dengan rumus-rumus
yang merupakan fondasi penting dalam menghitung peluang suatu kejadian?
Untuk meningkatkan pemahaman Anda, silakan dicoba mengerjakan latihan
dan tes formatif yang telah disediakan.
LAT IH A N

1) Suatu dadu dibuat sedemikian rupa sehingga angka 1 atau 2 muncul dua
kali lebih sering daripada 5, yang muncul tiga kali lebih sering daripada
3, 4, atau 6. Bila dadu digulirkan sekali, cari peluang bahwa yang
muncul:
a. Angka genap.
b. Angka yang merupakan kuadrat murni.
c. Angka yang lebih besar dari 4.
2) Dari 100 siswa yang diwisuda, 54 siswa belajar matematika, 69 siswa

belajar sejarah, 35 siswa belajar matematika dan sejarah. Bila seorang
siswa dipilih secara acak, hitunglah peluangnya:
a. Dia belajar matematika atau sejarah.
b. Dia tidak belajar keduanya.
c. Dia belajar sejarah tapi tidak matematika.
3) Empat pasangan suami istri membeli 8 tiket bioskop yang sebaris. Dalam
berapa cara mereka dapat duduk bila:
a. Tanpa pembatasan.
b. Tiap pasangan duduk berdampingan.
c. Semua suami duduk bersama di sebelah kanan para istri.
4) Ada berapa banyak cara memilih 3 dari 8 calon yang memenuhi syarat
untuk akuntansi?
5) Bila suatu permutasi dari kata putih diambil secara acak, cari peluang
bahwa permutasi itu:
a. Berawal dengan huruf mati.
b. Berakhir dengan huruf hidup.
c. Huruf mati dan huruf hidup bergantian.
 SATS4121/MODUL 3 3.29
1) Misal X adalah kejadian muncul angka 1 atau 2

Y adalah kejadian muncul angka 3, 4, atau 6
Z adalah kejadian muncul angka 5
Jika dadu digulirkan sekali dengan frekuensi kemunculan X  3Y dan
X  2Z , X  Y  Z  6.
Sehingga X  1 / 3 X  1 / 2 X  6; X  3, 27; Y  1, 09; Z  1, 64
maka peluang muncul
a. Angka genap = {2, 4, 6}
n  X   n Y  3, 27  1,09 4,36
   0,73
nS  6 6
b. Angka kuadrat murni = {4}
n Y  1,09
  0,18
nS  6
c. Angka lebih besar dari 4 = {5,6}
n Y   n  Z  1,09  1,64 2.73
   0, 455
nS  6 6
2) Misal n(M) adalah banyaknya kejadian siswa belajar Matematika dan

n(Se) adalah banyaknya kejadian siswa belajar Sejarah, maka:
a. Peluang seorang siswa belajar matematika atau sejarah adalah:
P  M  Se   P  M   P  Se   P  P  Se 
54 69 35
P  M  Se    
100 100 100
88
P  M  Se  
100
b. Peluang seorang siswa tidak belajar keduanya adalah:
P  M  Se   P     P  M  Se 
P  M  Se   1 
35 65

100 100
c. Peluang seorang siswa belajar sejarah tapi tidak matematika adalah:
P  M  Se   P  Se   P  M  Se 
P  M  Se  
69 35 34
 
100 100 100
3) Dengan menggunakan aturan perkalian, maka:

a. Cara suami istri duduk tanpa pembatasan
8!  40.320.
b.
Tiap pasangan duduk berdampingan
8!
1.680.
4!
c. Semua suami duduk bersama di sebelah kanan para istri
8!
 70
4!4!
4) Cara memilih 3 dari 8 calon yang memenuhi syarat dengan
menggunakan hukum kombinasi.
8!
8 C3   56.
3!5!
5) a. Berawal dengan huruf mati
5!
 20.
3!
b. Berakhir dengan huruf hidup
5!
 60.
2!
c. Huruf mati dan huruf hidup bergantian
3!2!2!1!1! = 24.
R A NG KU M AN
1. Peluang beberapa kejadian disebut dengan peluang kejadian

majemuk apabila kejadian tersebut dapat terjadi dengan cara
mengombinasikan dua atau lebih kejadian. Terdiri atas peristiwa
irisan, gabungan, komplemen.
2. Pengambilan sampel dilakukan dengan cara permutasi dan
kombinasi
 SATS4121/MODUL 3 3.31
3. Permutasi dan Kombinasi terdiri dari:

a. Banyaknya permutasi n benda yang berlainan adalah n!
b. Banyaknya permutasi n benda yang berlainan bila diambil r
n!
sekaligus adalah n Pr 
 n  r !
c. Banyaknya permutasi n benda yang berlainan bila disusun
melingkar adalah  n  1!
d. Banyaknya permutasi n benda yang berlainan bila n benda yang
n1 diantaranya berjenis pertama, n2 berjenis kedua, , nk
n!
berjenis ke – k adalah
n1 ! n2 !...nk !
e. Banyaknya permutasi n benda ke dalam k sel, dengan n1 unsur
dalam sel pertama, n2 unsur dalam sel kedua, dan demikian
seterusnya.
 n  n!
f.   . Dalam hal ini n1  n2  ...  nk  n .
 n1 , n2 ,..., nk  n1 !n2 !...nk !
g. Banyaknya kombinasi r benda dari n benda yang berbeda
n n! n!
adalah    atau n Cr 
 
r r ! n  r  ! r ! n  r !
TES F OR M AT IF 2
1) Peluang mendapatkan jumlah 7 atau 11 bila dua dadu ditos adalah ....
A. 2/9
B. 3/9
C. 4/9
D. 5/9
2) Peluang seorang mahasiswa lulus Matematika 2/3 dan peluangnya lulus

Biologi 4/9. Bila peluang lulus kedua mata kuliah adalah 1/4, maka
peluang lulus paling sedikit satu mata kuliah adalah ....
A. 0,8641
B. 0,8611
C. 0,8621
D. 0,8631
3) Peluang seorang montir mobil akan memperbaiki 3, 4, 5, 6, 7 atau 8

lebih mobil pada setiap hari kerja masing-masing adalah 0,12; 0,19;
0,28; 0,24; 0,10 dan 0,07. Peluang bahwa dia akan memperbaiki paling
sedikit 5 mobil pada hari kerja berikutnya adalah ....
A. 0,31
B. 0,59
C. 0,69
D. 0,79
4) Bila ada 4 kimiawan dan 3 fisikawan, banyaknya panitia 3 orang yang

dapat dibuat beranggotakan 2 kimiawan dan 1 fisikawan adalah ....
A. 6
B. 14
C. 16
D. 18
5) Banyak cara sebuah panitia yang terdiri dari 2 mahasiswa dan 3

mahasiswi yang bisa dipilih dari 5 mahasiswa dan 6 mahasiswi adalah ....
A. 100
B. 200
C. 150
D. 250
6) Bila peluang seorang yang membeli mobil akan memilih warna hijau,
putih, merah, atau biru masing-masing 0,09; 0,15; 0,21; dan 0,23.
Peluang seorang pembeli tertentu akan membeli mobil baru berwarna
seperti salah satu dari warna tersebut tadi adalah ....
A. 0,65
B. 0,66
C. 0,67
D. 0,68
7) Berapa banyak bilangan genap, terdiri atas tiga angka yang dapat
dibentuk dari angka-angka 1, 2, 5, 6 dan 9, bila setiap angka tersebut
hanya boleh digunakan sekali?
A. 20
B. 30
C. 40
D. 50
 SATS4121/MODUL 3 3.33
8) Tiga orang calon saling bersaing memperebutkan satu jabatan. Calon A

dan B mempunyai peluang berhasil yang sama, sedangkan calon C
mempunyai peluang berhasil dua kali lebih besar daripada calon A
maupun calon B. Peluang C berhasil adalah ....
A. 0,25
B. 0,50
C. 0,35
D. 0,75
9) Dari soal nomor 8. Berapa peluang A tidak berhasil?

A. 0,25
B. 0,50
C. 0,35
D. 0,75
10) Dalam sebuah kotak ada 3 bola berwarna merah, 4 berwarna biru, dan 2
berwarna kuning. Dari kotak tersebut diambil 2 bola sekaligus secara
acak. Peluang terambilnya 1 bola merah dan 1 bola biru adalah:
2
A.
9
3
B.
27
1
C.
9
1
D.
3


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 3 3.35
Kegiatan Belajar 3
Peluang Bersyarat dan Teorema Bayes
S etelah Anda selesai mempelajari konsep peluang dan rumus-rumus

peluang, pada Kegiatan Belajar 3 ini Anda akan mempelajari metode
penentuan peluang yang lebih kompleks lagi, yaitu peluang bersyarat dan
teorema Bayes. Sebagian dari Anda barangkali belum mengenal metode ini,
oleh karenanya kesungguhan dalam mempelajari materi ini perlu
ditingkatkan. Pembahasan mengenai peluang bersyarat dan teorema Bayes
merupakan pembahasan mengenai peluang untuk kejadian yang tidak saling
bebas, di mana sebelumnya pada Kegiatan Belajar 2 kita telah membahas
peluang dua kejadian yang saling bebas. Mari kita pahami materi ini satu
persatu.
A. PELUANG BERSYARAT
Peluang bersyarat dapat terjadi jika dua kejadian terjadi secara berurutan
dan kedua kejadian tersebut tidak saling bebas, namun saling mempengaruhi.
Peluang Bersyarat B bila A diketahui dinyatakan dengan P  B A  ,

P  A  B
ditentukan oleh P  B A  , dengan P  A  0
P  A
Dalam konsep peluang bersyarat, dikenal suatu kaidah penggandaan yang

diperoleh dengan menggandakan kedua sisi rumus peluang bersyarat dengan
P(A) sehingga memungkinkan untuk menghitung peluang terjadinya dua
kejadian sekaligus.
Teorema 3.8.
Bila dalam suatu percobaan kejadian A dan B keduanya dapat terjadi
sekaligus, maka:
P A  B   P A PB A
Jadi peluang A dan B terjadi serentak sama dengan peluang A terjadi

dikalikan dengan peluang terjadinya B bila A terjadi.
Teorema 3.9.
Bila dua kejadian A dan B saling bebas, maka
P  A  B   P  A  P  B 
Jadi, untuk mendapatkan peluang bahwa dua kejadian bebas akan terjadi
bersama yaitu dengan mengalikan peluang kedua kejadian.
Teorema 3.10.
Bila dalam suatu percobaan kejadian-kejadian A1, A2, … , Ak dapat
terjadi, maka:
P  A1  A2  A3  ...  Ak   P  A1   P  A2 A1   P  A3 A1  A2  P  Ak A1  A2   Ak 1 
Teorema 3.11.
Bila kejadian-kejadian A1, A2, … , Ak bebas, maka
P  A1  A2  A3   Ak   P  A1   P  A2   P  A3  P  Ak 
Contoh 3.23.
Misalkan, ruang contoh S terdiri atas populasi sarjana di suatu kota. Populasi
dikategorikan menurut jenis kelamin dan status pekerjaan. Datanya adalah
sebagai berikut :
Bekerja Menganggur Jumlah

Laki-laki 460 40 500
Perempuan 140 260 400
Jumlah 600 300 900
Dari populasi tersebut, akan diambil secara acak satu orang untuk ditugaskan
mempublikasikan pentingnya didirikan industri-industri baru di kota tersebut.
Perhatikan kejadian-kejadian berikut:
M : yang terpilih laki-laki
E : yang terpilih telah bekerja
 SATS4121/MODUL 3 3.37
Berapa peluang terpilihnya orang laki-laki bila yang diinginkan adalah orang
yang bekerja?
Jawab:
Maksud pertanyaan tersebut adalah mencari peluang M dengan syarat E,
ditulis P(M|E), yang berarti kita menghitung peluang (M dan E) dibagi
peluang E, atau sama saja dengan membagi banyaknya anggota (M dan E)
dengan banyaknya anggota E. Banyaknya anggota (M dan E) adalah
banyaknya orang laki-laki yang bekerja, yaitu 460 orang, sedangkan anggota
E adalah banyaknya orang yang bekerja, yaitu 600. Diperoleh,
nM  E 460 23
PM  E   
nS  900 45
dan
n ( E ) 600 2
PE   
n  S  900 3
Sehingga, peluang terpilih laki-laki yang bekerja adalah :

23
PM  E 23
PM | E   45 
PE 2 30
3
Hal tersebut sama saja dengan menghitung langsung
nM  E 460 23
PM | E   
nE 600 30
Rumus tersebut diperoleh dari

nM  E
PM  E nS  nM  E
PM | E   
PE nE nE
nS 
Agar dapat memahami lebih dalam, silakan pelajari Contoh 3.24.

Contoh 3.24.
Peluang kereta api Gajayana berangkat tepat pada waktunya P(A) = 0,85.
Peluang kereta api Gajayana datang tepat pada waktunya adalah P(B) = 0,90,
dan peluang kereta api tersebut berangkat dan datang tepat pada waktunya
adalah PA  B  0,75 . Hitunglah a) Peluang kereta api Gajayana datang
tepat pada waktunya bila diketahui kereta api tersebut berangkat tepat pada
waktunya, b) Peluang bahwa kereta api Gajayana berangkat tepat pada
waktunya bila diketahui kereta api tersebut datang tepat pada waktunya.
Jawab:
a. Peluang bahwa kereta api Gajayana datang tepat pada waktunya bila
diketahui kereta api tersebut berangkat tepat pada waktunya.
P  A  B  0,75
P  B A    0,8824
P  A 0,85
b. Peluang bahwa kereta api Gajayana berangkat tepat pada waktunya bila
diketahui kereta api tersebut datang tepat pada waktunya.
P  A  B  0,75
P  A B    0,8333
P  B 0,9
B. TEOREMA BAYES
Teorema Bayes diawali dari konsep peluang total yang merupakan

kejadian-kejadian B1 , B2 , , Bn  0 untuk i  1, 2,, n; maka untuk
sembarang kejadian A yang merupakan himpunan bagian S berlaku :
P  A   P  B1   P  A B1   P  B2   P  A B2    P  Bk   P  A Bn 
Ilustrasi dari konsep ini dapat dilihat pada gambar berikut.
 SATS4121/MODUL 3 3.39
Teorema 3.11.
Misalkan kejadian-kejadian B1 , B2 , , Bk yang membentuk partisi dari
ruang sampel S, dimana P  Bi   0 untuk i  1, 2,, n. Andaikan A
adalah sembarang peristiwa dalam S sedemikian hingga P A  0 . Maka,
untuk k = 1, 2, … , n berlaku:
P  Bk  A  P  Bk  P  A Bk 
P  Bk A   n
 n
 P  B  A  P  B  P  A B 
i 1
i
i 1
i i
Berikut contoh dari Teorema Bayes untuk menambah pemahaman Anda.
Contoh 3.14.
Suatu perusahaan besar menggunakan 3 hotel sebagai tempat menginap para
langganannya. Dari pengalaman yang lalu diketahui bahwa 20%
langganannya ditempatkan di hotel I, 50% di hotel B, dan 30% di hotel S.
Bila 5% kamar mandi di hotel I tidak berfungsi dengan baik, 4% di hotel B,
dan 8% di hotel S. Berapa peluang bahwa :
a. Seorang langganan mendapat kamar yang kamar mandinya tidak baik?
b. Seseorang yang mendapat kamar mandi yang tidak baik ditempatkan di
hotel S?
Jawab:
Misalkan
A : seorang langganan mendapat kamar yang kamar mandinya tidak baik
B1 : Penempatan di hotel I
B2 : Penempatan di hotel B
B3 : Penempatan di hotel S
Dari soal diperoleh informasi sebagai berikut:

P(B1) = 20% = 0,2 P(B2) = 50% = 0,5 P(B3) = 30% = 0,3
dan
P  A B1   5%  0, 05 P  A B2   4%  0, 04 P  A B3   8%  0, 08
Jadi,
a. Peluang seorang langganan mendapat kamar yang kamar mandinya tidak
baik didapatkan dengan menghitung total peluang, yaitu
n
P  A    P  A  Bi 
i 1
 P  B1   P  A B1   P  B2   P  A B2   P  B3   P  A B3 
  0, 2  0, 05    0,5  0, 04    0,3 0, 08 
 0, 054
b. Peluang seseorang mendapat kamar mandi yang tidak baik ditempatkan
di hotel S dihitung menggunakan teorema Bayes, yaitu
P  A B3  P  B3   0, 08 0,3 4
P  B3 A   n  
  i i
0, 054 9
P A B P  B 
i 1
Demikianlah saudara, pembahasan mengenai peluang bersyarat dan Teorema

Bayes. Untuk lebih memahami materi pada Kegiatan Belajar 3 ini, silakan
Anda mencoba latihan soal dan tes formatif yang telah disediakan.
LAT IH A N

1) Suatu kuliah Fisika lanjutan diikuti oleh 10 mahasiswa tahun ke-3, 30
siswa tahun ke-4, dan 10 siswa pra-S2. Yang mendapat nilai A pada ujian
akhir terdapat 3 siswa dari tahun ke-3, 10 siswa dari tahun ke-4, dan 5
siswa pra-S2. Bila seorang mahasiswa dipilih secara acak dari kuliah ini
dan ternyata nilai akhirnya A, berapakah peluangnya dia mahasiswa
tahun ke-4?
2) Peluang seorang dokter dengan tepat mendiagnosa sejenis penyakit
tertentu adalah 0,7. Bila dokter tadi salah mendiagnosa, peluangnya si
sakit meninggal adalah 0,9. Berapakah peluang dokter tersebut salah
mendiagnosa dan si sakit meninggal?
3) Peluang suatu pompa bensin akan memompa bensin ke 0,1,2,3,4, atau 5
atau lebih mobil selama suatu selang waktu 30 menit tertentu adalah
0,03; 0,18; 0,24; 0,28; 0,10 dan 0,17. Cari peluangnya bahwa dalam
selang waktu 30 menit tersebut :
a. Lebih dari 2 mobil mendapat bensin.
 SATS4121/MODUL 3 3.41
b. Paling banyak 4 mobil mendapat bensin.

c. 4 atau lebih mobil mendapat bensin.
4) Peluang suatu penerbangan reguler berangkat tepat pada waktunya
adalah P(D) = 0,83, peluang penerbangan itu mendarat tepat pada
waktunya adalah P(A) = 0,92, dan peluang penerbangan itu berangkat
dan mendarat tepat pada waktunya adalah P  D  A  0,78. Hitung
peluang bahwa suatu pesawat pada penerbangan itu:
a. Mendarat pada waktunya bila diketahui bahwa pesawat itu
berangkat pada waktunya.
b. Berangkat pada waktunya bila diketahui bahwa pesawat itu
mendarat pada waktunya.
5) Tiga anggota sebuah organisasi telah dicalonkan sebagai ketua. Peluang
Tuan Adams terpilih adalah 0,3. Peluang Tuan Brown terpilih adalah
0,5. Peluang Nyonya Cooper terpilih adalah 0,2. Seandainya Tuan
Adams terpilih, peluang terjadinya kenaikan iuran anggota naik adalah
0,8. Seandainya Tuan Brown atau Nyonya Cooper terpilih, peluang
kenaikan iuran anggota masing-masing adalah 0,1 dan 0,4. Berapa
peluang terjadi kenaikan iuran anggota?
6) Dari soal nomor 5, misalkan seseorang bermaksud menjadi anggota
organisasi tersebut tetapi ia menunda keputusannya beberapa minggu.
Ternyata iuran anggotanya telah dinaikkan. Berapa peluang Nyonya
Cooper menjadi ketua terpilih bagi organisasi tersebut?
1) Misal:
A : Peluang mendapat nilai A pada ujian akhir
B1 : siswa tahun ke – 3
B2 : siswa tahun ke – 4
B3 : siswa Pra – S2
P(B1) = 0,2
P(B2) = 0,6
P(B3) = 0,2
P  A B1   0, 06
P  A B2   0, 2
P  A B3   0,1
Peluang mahasiswa tahun ke – 4 mendapat nilai A:

n
P  A   P  A  Bi    0, 06  0, 2    0, 2  0, 6    0,1 0, 2   0,152
i 1
P  A B2  P  B2   0, 2  0, 6 
P  B2 A  n
  0, 789
 P  A Bi  P  Bi 
0,152
i 1
2) Misal
P  B  adalah peluang seorang dokter dengan tepat mendiagnosa
penyakit = 1 – 0,7 = 0,3
P  A B  adalah peluang si sakit meninggal bila dokter salah
mendiagnosa = 0,9.
maka:
P  B   1  P  B   1  0,3  0, 7.
Peluang dokter tersebut salah mendiagnosa dan si sakit meninggal
P  A  B   P  B  .P  A B 
P  A  B   0, 7.0,9  0, 63.
3) X adalah banyaknya mobil yang akan dipompa bensinnya:

a. P  X  2  1  P  X  2 
P  X  2   1  P  X  0   P  X  1  P  X  2 
P  X  2  1  0,03  0,18  0, 24
P  X  2   1  0, 45  0,55.
b. P  X  4  P  X  0  P  X  1  P  X  2   P  X  3  P  X  4 
P  X  4   0, 03  0,18  0, 24  0, 28  0,1
P  X  4   0, 03  0,18  0, 24  0, 28  0,1
P  X  4   0,83.
 SATS4121/MODUL 3 3.43
c. P  X  4   P  X  4  P  X  5
P  X  4   0,1  0,17  0, 27.
4) Ini merupakan peluang bersyarat.

a. Peluang bahwa pesawat mendarat tepat pada waktunya bila
diketahui bahwa pesawat tersebut berangkat pada waktunya adalah:
P( D  A) 0, 78
P  A D    0,94.
P( D) 0,83
b. Peluang bahwa pesawat berangkat pada waktunya bila diketahui
bahwa pesawat itu mendarat pada waktunya adalah:
P( D  A) 0, 78
P  A D    0,85.
P( A) 0,92
5) Perhatikan kejadian-kejadian berikut:
A = iuran anggota dinaikkan
B1 = Tuan Adams terpilih
B2 = Tuan Brown terpilih
B3 = Nyonya Cooper terpilih
Dengan menerapkan kaidah eliminasi, diperoleh
P( A)  P(B1 )P( A | B1 )  P(B2 )P( A | B2 )  P(B3 )P( A | B3 )
Dari diagram pohon, ketiga cabang tersebut memberikan peluang-
peluang:
P(B1 )P( A | B1 )  (0,3)(0,8)  0, 24
P(B2 )P( A | B2 )  (0,5)(0,1)  0,05
P(B3 )P( A | B3 )  (0, 2)(0, 4)  0,08.
Sehingga
P( A)  0,24  0,05  0,08  0,37.
6) Dengan menggunakan kaidah Bayes dapat dituliskan:

P  B3 A  
P( B3 ) P( A | B3 )
P( B1 ) P( A | B1 )  P ( B2 ) P ( A | B2 )  P ( B3 ) P ( A | B3 )
Dengan mensubstitusikan nilai-nilai peluang yang dihitung dalam soal
nomor 5 dapat diperoleh:
0, 08 8
P( B3 | A)   .
0, 24  0, 05  0, 08 37
Mengingat fakta bahwa iuran anggotanya telah dinaikkan, nilai peluang

ini menunjukkan bahwa kemungkinan Nyonya Cooper bukan ketua
terpilih bagi organisasi tersebut.
R A NG KU M AN
1. Peluang Bersyarat B bila A diketahui dinyatakan dengan P  B A  ,

P  A  B
ditentukan oleh P  B A  , dengan P  A  0
P  A
2. Teorema Bayes diawali dari konsep peluang total yang merupakan
kejadian-kejadian B1 , B2 , , Bn  0 untuk i  1, 2,, n ; maka untuk
sembarang kejadian A yang merupakan himpunan bagian S berlaku:
P  A   P  B1   P  A B1   P  B2   P  A B2    P  Bk   P  A Bn 
Misalkan kejadian-kejadian B1 , B2 , , Bk yang membentuk partisi

dari ruang sampel S, dimana P  Bi   0 untuk i  1, 2,, n .
Andaikan A adalah sembarang peristiwa dalam S sedemikian hingga
P  A  0 . Maka, untuk k = 1, 2, … , n berlaku
P  Bk  A  P  Bk  P  A Bk 
P  Bk A   n
 n
 P  B  A  P  B  P  A B 
i 1
i
i 1
i i
 SATS4121/MODUL 3 3.45
TES F OR M AT IF 3
1) Seandainya P(A) = 0,4 dan P(B|A) = 0,3, berapa peluang A dan B?

A. 0,10
B. 0,12
C. 0,24
D. 0,21
2) Terdapat suatu kotak berisi 20 sekering, lima di antaranya cacat. Bila dua
sekering dikeluarkan dari kotak satu demi satu secara acak (tanpa
pengembalian yang pertama ke dalam kotak), peluang kedua sekering itu
cacat adalah ….
A. 1/19
B. 2/19
C. 3/19
D. 4/19
3) Suatu kantong pertama berisi 4 bola merah dan 3 bola hitam, dan
kantong kedua berisi 3 bola merah dan 5 bola hitam. Satu bola diambil
dari kantong pertama dan dimasukkan tanpa melihatnya ke kantong
kedua. Peluang bola hitam terambil dari kantong kedua adalah ....
A. 0,5032
B. 0,6032
C. 0,6132
D. 0,6232
4) Suatu kota kecil mempunyai satu mobil pemadam kebakaran dan satu
ambulans untuk keadaan darurat. Peluang mobil pemadam kebakaran
siap waktu diperlukan adalah 0,98; peluang ambulans siap waktu
dipanggil adalah 0,92. Jika dalam kejadian ada kecelakaan karena
kebakaran gedung, maka peluang keduanya siap adalah ....
A. 0,6016
B. 0,7016
C. 0,8016
D. 0,9016
5) Diketahui P(A1) = 0,60, P(A2) = 0,40, P(B1|A1) =0,05, dan P(B1|A2) =

0,10. Berapakah P(A1|B1)?
A. 0,3284
B. 0,5123
C. 0,4563
D. 0,4286
6) Dewan direksi sebuah perusahaan kecil terdiri atas lima orang. Tiga di
antaranya adalah “pemimpin yang kuat”. Jika mereka mengemukakan
sebuah gagasan, seluruh dewan akan setuju. Anggota “lemah” yang lain
tidak memiliki pengaruh. Tiga orang petugas penjualan dijadwalkan satu
per satu untuk melakukan presentasi penjualan pada salah satu dari
kelima anggota dewan itu, berdasarkan pilihan petugas penjualan itu
sendiri. Petugas penjualannya berusaha meyakinkan, tetapi mereka tidak
tahu siapa tiga orang “pemimpin yang kuat” tersebut. Meskipun
demikian, mereka akan tahu petugas penjualan yang sebelumnya
berbicara kepada pemimpin yang mana. Petugas penjualan yang paling
awal mengetahui siapa pemimpin yang kuat akan menang. Berapakah
peluang kemenangan petugas penjualan pertama, kedua, dan ketiga
secara berturut-turut?
A. 0,60; 0,30; dan 0;10
B. 0,10; 0,30; dan 0;60
C. 0,33; 0,33; dan 0,33
D. 0,5; 0,25; dan 0,25
 SATS4121/MODUL 3 3.47


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Tes Formatif 1
1) D
2) A
3) A
4) B
5) D
6) A
Misal
P(J) adalah peluang seseorang mendapat permen rasa jeruk.
P(K) adalah peluang seseorang mendapat permen rasa kopi.
P(C) adalah peluang seseorang mendapat permen rasa coklat.
6
PJ    0, 4615
13
7) B. S  MM , MB, BM , BB
Misal P(M) adalah peluang bahwa paling sedikit muncul muka
3
sekali P  M    0,75
4
8) D. Misal P(A) adalah peluang muncul mata dadu 3
P A 
6
 0,2
30
9) C. Misal P(B) adalah peluang muncul mata dadu 4
7
P  B   0, 233
30
10) C. P  A  1– P  A’  1  0,35  0,65.
Tes Formatif 2
1) A. n  S   36
A  1, 6  ;  6,1 ;  2,5  ;  5, 2  ;  3, 4  ;  4,3 ;  5, 6  ;  6,5 
8 2
P  A  
36 9
2) B
Misal:
P(M) adalah peluang seorang mahasiswa lulus matematika
 SATS4121/MODUL 3 3.49
P(B) adalah peluang seorang mahasiswa lulus biologi

Maka peluang mahasiswa lulus paling sedikit satu mata kuliah adalah
P  M  B  P  M   P  B  P M  B
2 4 1
P  M  B     0,8611
3 9 4
3) C
P  X  5  P  X  5  P  X  6   P  X  7   P  X  8
P  X  5  0, 28  0, 24  0,1  0, 07  0, 69
4) D
Dengan menggunakan aturan kombinasi, maka banyaknya panitia
beranggotakan 2 kimiawan dan 1 fisikawan adalah
4 C2  3C1  6  3  18
5) B
Dengan menggunakan aturan kombinasi, maka banyaknya panitia
beranggotakan 5 mahasiswa dan 6 mahasiswi adalah
5 C2  6 C3  10  20  200
6) D
Misal P(A) adalah peluang seorang pembeli tertentu akan membeli mobil
baru berwarna adalah
PA  0,09  0,15  0,21  0,23  0,68
7) C
8) B
9) D
10) D
Tes Formatif 3
1) B
2) A
Misal P(A) adalah peluang kedua sekering tersebut cacat
5 4 1
P  A   
20 19 19
3) B
Misal P(B) adalah peluang bola hitam terambil dari kantong kedua
4 5 3 6
P  B       0, 6032
7 9 7 9
4) D
Misal P(C) adalah peluang mobil pemadam kebakaran dan ambulans
siap. Karena kejadian mobil pemadam kebakaran dan ambulans siap
termasuk kejadian bebas, sehingga
P  C   0,98  0,92  0,9016
5) D
6) A
 SATS4121/MODUL 3 3.51
Daftar Pustaka


Edition. Freeman.



13-204767-8.
Modul 4
Variabel Acak dan Distribusi Peluang

Dr. Sutikno, M.Si.
PEN D A HU L UA N
S etelah Anda mempelajari peluang pada Modul 3, sekarang Anda akan

mempelajari distribusi peluang. Pokok bahasan yang akan dibahas
meliputi distribusi peluang, sifat distribusi peluang, dan distribusi peluang
bersama dengan subpokok bahasan, yaitu variabel acak, distribusi peluang
variabel acak diskrit dan kontinu, nilai ekspektasi dan varian, serta distribusi
peluang bersama untuk dua variabel acak.
Saudara, statistika merupakan ilmu yang berfungsi melakukan inferensi
atau pengambilan kesimpulan, baik melalui proses pendugaan maupun
pengujian hipotesis. Proses pengambilan kesimpulan ini dilakukan
berdasarkan pada data sampel dengan tujuan memperoleh informasi
mengenai populasi. Permasalahan yang kemudian muncul dari kegiatan ini
adalah bagaimana cara mengambil sampel dan bagaimana cara mengambil
kesimpulan. Tentunya, ilmu peluang sangat berperan di sini.
Peluang merupakan kemungkinan munculnya suatu kejadian dalam
sebuah fenomena kehidupan. Karena merupakan kemungkinan, tentu nilainya
tidak hanya satu macam, namun bervariasi. Nah, variasi nilai-nilai peluang
dari suatu kejadian sering kali membentuk pola yang karakteristiknya dapat
diidentifikasi. Pola nilai-nilai peluang dari suatu kejadian dapat
diformulasikan dalam model matematika, inilah yang dinamakan distribusi
peluang. Sebagai contoh, dalam pelemparan suatu dadu setimbang dapat
dihitung peluang dari seluruh peristiwa yang mungkin yakni munculnya
angka 1, 2, 3, 4, 5 dan 6 yang masing-masing memiliki peluang 1/6. Nilai
peluang dari kemunculan masing-masing mata dadu adalah sama, sehingga
pola yang terbentuk adalah seragam. Oleh karenanya, distribusi peluang dari
kejadian munculnya masing-masing mata dadu membentuk suatu distribusi
seragam.
Setelah mempelajari Modul 4 ini diharapkan Anda dapat:

1. Menjelaskan konsep variabel acak.
2. Menjelaskan distribusi peluang variabel acak diskrit dan kontinu.
3. Menghitung nilai harapan dan varians variabel acak.
4. Menghitung distribusi peluang bersama.
Modul 4 terdiri dari 3 kegiatan belajar, yaitu:

1. Distribusi peluang, sehingga Anda dapat memahami konsep variabel
acak, variabel acak diskrit dan kontinu.
2. Sifat distribusi peluang, sehingga Anda dapat memahami nilai ekspektasi
dan varians.
3. Distribusi peluang bersama, sehingga Anda dapat memahami distribusi
dua variabel acak.
Mari kita pelajari Kegiatan Belajar 1, 2, dan 3.

Kegiatan Belajar 1
Distribusi Peluang
S ebuah distribusi peluang dikatakan sudah terbentuk, jika semua peluang

dari setiap variabel acak berjumlah satu. Dalam distribusi peluang akan
dibahas tiga pokok bahasan di antaranya variabel acak, distribusi peluang
variabel acak diskrit, dan distribusi peluang variabel acak kontinu. Secara
detail, tiga pokok bahasan tersebut sebagai berikut.
A. VARIABEL ACAK
Dalam suatu percobaan, dapat dimungkinkan bahwa ruang sampel

merupakan himpunan bagian dari bilangan riil. Namun, sering terjadi juga
bahwa ruang sampel yang ada bukan merupakan himpunan bagian dari
bilangan riil. Jika dalam suatu percobaan yang terjadi adalah ruang sampel
bukan merupakan himpunan bagian dari bilangan riil, maka akan kesulitan
dalam melakukan analisis lebih lanjut. Oleh karena itu diperlukan suatu
transformasi dengan menggunakan variabel acak.
Variabel acak adalah suatu fungsi berupa bilangan riil pada setiap unsur
dalam ruang sampel (Walpole dan Myers, 1999). Sebuah variabel acak X
pada ruang sampel S dinotasikan dengan X : S  R untuk sebuah bilangan
riil X  s  dengan setiap titik sampel s  S . Variabel acak dinyatakan dengan
huruf kapital, biasanya adalah huruf X, Y, Z,…., sedangkan nilainya
dinyatakan dengan huruf kecil x, y, z,….
Variabel acak pada ruang probabilitas  , S , P  yang dinotasikan
dengan X dapat diartikan sebagai fungsi dengan domain  dan kodomain
himpunan bagian dari bilangan riil sedemikian hingga untuk setiap bilangan
riel r dipenuhi Ar   / X    r  S sehingga dengan variabel acak, ruang
sampel telah ditransformasikan menjadi ruang sampel variabel acak yang
merupakan himpunan bagian dari dari bilangan riil.
Variabel Acak. Suatu fungsi yang mengaitkan suatu bilangan real

pada setiap unsur dalam ruang sampel.
Variabel acak terbagi menjadi dua jenis, yaitu variabel acak diskrit dan
kontinu, sebagai berikut.
1. Variabel Acak Diskrit

Suatu variabel acak X dikatakan diskrit, jika himpunan semua nilai yang
mungkin dari X merupakan himpunan yang dapat dihitung. Lind et al (2007)
menyatakan bahwa variabel acak diskrit adalah sebuah variabel acak yang
hanya berisi nilai-nilai yang terpisah dengan jelas. Biasanya nilai-nilai
variabel acak diskrit ini diperoleh dari hasil menghitung. Misalnya, jumlah
mahasiswa yang tidak hadir kuliah di kelas Metode Statistika. Nilai-nilai
yang mungkin adalah 0, 1, 2, ... dan seterusnya.
2. Variabel Acak Kontinu

Sedangkan suatu variabel acak dikatakan kontinu, jika nilai-nilai dari X
merupakan bilangan-bilangan pada suat interval. Menurut Lind et al (2007),
variabel acak kontinu dapat berisi satu dari sekian banyak nilai yang
jumlahnya tak hingga dalam batasan-batasan tertentu. Misalnya, Waktu
penerbangan komersial antara Jakarta dan Palembang adalah 1 jam, 1,5 jam,
2 jam, dst. Variabel acaknya adalah durasi waktu.
Contoh 4.1.
Dua bola diambil satu demi satu tanpa pengembalian dari suatu kantong
berisi 4 bola merah dan 3 bola hitam. Bila Y menyatakan jumlah bola merah
yang terambil maka berapa nilai y yang mungkin dari variabel acak Y?
Jawab:
Y : banyaknya bola merah yang terambil
Pengambilan dilakukan satu per satu tanpa pengembalian. Berarti,
kemungkinan-kemungkinan yang dapat terjadi dari pengambilan pertama dan
kedua adalah:
Kemungkinan 1 : keduanya terambil bola merah (MM)
Kemungkinan 2 : terambil bola merah dan hitam (MH)
Kemungkinan 3 : terambil bola hitam dan merah (HM)
Kemungkinan 4 : keduanya terambil bola hitam (HH).
Karena variabel acak Y merupakan banyaknya bola merah yang terambil,

maka nilai-nilai dari variabel Y dari keempat kemungkinan tersebut berturut-
turut adalah 2, 1, 2, dan 0. Nilai 0 di sini berarti bahwa dari kedua

pengambilan tak satu pun terambil bola merah. Nilai 1 berarti dari kedua
pengambilan hanya diperoleh satu bola merah. Sedangkan nilai 2 berarti
keduanya terambol bola merah. Nah, secara ringkas, nilai-nilai variabel acak
Y disajikan pada Tabel 4.1.
Tabel 4.1
Nilai-nilai Variabel acak Y
Ruang Sampel Y=y
MM 2
MH 1
HM 1
HH 0
B. DISTRIBUSI PELUANG VARIABEL ACAK DISKRIT
Setiap variabel acak diskrit memiliki nilai yang menyatakan peluang dari
variabel tersebut. Biasanya, agar lebih mudah dipahami semua nilai peluang
dari variabel acak X dinyatakan dengan sebuah rumus atau fungsi seperti
f  x  , g  x  , r  x  dan seterusnya.
Dalam hal ini dimisalkan f  x   P  X  x  , dengan kumpulan pasangan
terurut  x, f  x  sebagai fungsi peluang atau distribusi peluang dari variabel
acak diskrit X dan fungsi massa peluang di mana untuk setiap kejadian X
dipenuhi (Walpole, E.R dan Myers, H.R ; 1999) :
1. f  x   0
2.  f  x  1
x
3. P  X  x  f  x
Sementara itu, dalam banyak kasus diperlukan juga menghitung peluang

bahwa untuk nilai variabel acak disrit X akan lebih kecil atau sama dengan
suatu bilangan riil x. Bila F  x   P  X  x  untuk setiap bilangan riil x,
maka F  x  disebut sebagai fungsi distribusi kumulatif. Adapun distribusi
kumulatif F  x  dari variabel acak diskrit X dengan distribusi peluang f  x 
sebagai berikut.
F  x   P  X  x    f  x  untuk   x  
x
Contoh 4.2.
Suatu pengiriman 8 komputer PC yang sama ke suatu toko mengandung 3
yang cacat. Bila suatu sekolah membeli 2 komputer ini secara acak, tentukan
distribusi peluang banyaknya komputer PC yang cacat.
Jawab:
Dimisalkan X adalah variabel acak dengan nilai x kemungkinan banyaknya
komputer yang cacat yang dibeli sekolah tersebut. Maka x dapat memperoleh
setiap nilai 0, 1, dan 2. Sehingga:
 3  5 
  
f  0   P  X  0      
0 2 10
8  28
 
 2
 3  5 
  
f 1  P  X  1     
1 1 15
8  28
 
 2
 3  5 
  
f  2   P  X  2      
2 0 2
8  28
 
 2
Jadi, distribusi peluang X adalah:
x 0 1 2
f  x
10 15 3
28 28 28
C. DISTRIBUSI PELUANG VARIABEL ACAK KONTINU
Suatu variabel acak kontinu selalu memiliki peluang nol pada setiap titik
x sehingga nilai distribusi peluangnya tidak mungkin disajikan dalam bentuk
tabel. Sebagai contoh, suatu variabel acak menyatakan berat badan semua
mahasiswa Jurusan Statistika UT di atas angkatan 2009. Di antara dua
sembarang nilai misal antara 50 kg dan 52 kg terdapat berat badan yang tak
berhingga banyaknya, di antaranya 50 kg; 51 kg; dstnya. Peluang memilih
secara acak berat badan mahasiswa tepat 50 kg tidak kurang dan lebih sedikit
pun, tentu sangat kecil sehingga peluang dari kejadian tersebut dapat diberi
nilai nol. Lain halnya jika ditentukan memilih secara acak berat badan
mahasiswa yang beratnya paling sedikit 50 kg dan paling banyak 60 kg.
Dengan demikian, nilai dalam variabel acak kontinu dapat dinyatakan
sebagai nilai suatu selang bukan titik.
Meskipun distribusi peluang variabel acak kontinu tidak dapat
dinyatakan dalam bentuk tabel, namun dapat disajikan dalam bentuk rumus
sebagai berikut.
P a  X  b  P a  X  b  P  X  b
 P  a  X  b
Sehingga dihitung:
P  a  X  b   f  x  dx
b
Fungsi f x  sebagai fungsi densitas peluang untuk variabel acak kontinu X

yang didefinisikan pada bilangan riil R, jika:
1. f  x   0, x  R

2.  f  x  dx  1

b
3. P  a  X  b    f  x  dx
a
Pada Gambar 4.1 ditampilkan suatu peluang X yang mempunyai nilai antara
a dan b sama dengan luas daerah di bawah fungsi padat antara absis x  a
dan x  b.
Gambar 4.1
P  a  X  b
Adapun distribusi kumulatif F  x  dari variabel acak kontinu X dengan

fungsi densitas peluang f  x  adalah:
x
F  x  P  X  x   f  x  dx untuk   x  

Sehingga:
dF  x 
P  a  x  b   F  a   F b  dan f  x  
d  x
Contoh 4.3.
Misalkan bahwa error suhu reaksi, dalam 0C pada percobaan laboratorium
yang dikontrol merupakan variabel acak X yang mempunyai fungsi padat
peluang
 x2
 , 1  x  2
f  x   3
0, untuk x lainnya

Tentukan nilai peluang dari
P  0  x  1
Jawab:
Kasus ini merupakan distribusi variabel acak kontinu, karena nilai-nilai X
berupa interval nilai. Menghitung peluang nilai-nilai X antara 0 sampai 1
sama saja dengan menghitung luas daerah di bawah kurva f(x) dengan batas 0
dan 1. Hasilnya adalah
1 1
x2 x3 1
P  0  x  1   dx   .
0 3 9 0 9
LAT IH A N

1) Tentukan mana dari variabel acak berikut yang termasuk diskrit dan
kontinu.
X : banyaknya kecelakaan mobil per tahun di Jakarta.
Y : lamanya waktu pertandingan tunggal bulu tangkis.
M : banyaknya susu setahun yang dihasilkan seekor sapi betina tertentu.
N : Banyaknya telur setiap bulan yang dihasilkan seekor ayam betina.
P : Banyaknya SIM dikeluarkan tiap bulan di suatu kota tertentu.
Q : berat padi yang dihasilkan per hektar.
2) Tiga kartu diambil berturutan dari sekotak kartu bridge tanpa
pengembalian. Cari distribusi peluang dari banyaknya spade.
3) Dari suatu kotak yang berisi 4 bola hitam dan 2 bola hijau, 3 bola
diambil secara berturutan, tiap bola dikembalikan sebelum pengambilan
berikutnya. Carilah distribusi peluang banyaknya bola hijau yang
terambil.
4) Suatu variabel acak kontinu X terletak pada nilai antara x  1 dan x  3
mempunyai fungsi padat f  x   1/ 2.
a. Tunjukkan bahwa luasan di bawah kurva itu adalah 1!
b. Cari nilai P  2  x  2,5!
5) Proporsi orang yang menjawab suatu tawaran lewat pos berbentuk
variabel acak kontinu X yang mempunyai fungsi kepadatan peluang
sebagai berikut.
 2  x  2
 ,0  x  1
f  x   5
0, untuk xlainnya

a. Tunjukkan bahwa P  0  X  1  1!
b.Cari peluang bahwa lebih dari 1/4 tapi kurang dari 1/2 orang yang
dihubungi akan menjawab tawaran tersebut!
6) Waktu tunggu dalam jam antara pengebut yang berturutan yang
terperangkap oleh radar berbentuk variabel acak kontinu dengan fungsi
distribusi sebagai berikut.
0, x0
F  x   8 x
1  e , x  0
Carilah nilai peluangnya menunggu kurang dari 12 menit antara
pengebut yang berturutan!
1) Berdasarkan pada bahasan sub bab 4.2 dan 4.3 maka yang termasuk:
a. Variabel acak diskrit adalah:
X : banyaknya kecelakaan mobil per tahun di Jakarta.
N : banyaknya telur setiap bulan yang dihasilkan seekor sapi betina
tertentu.
P : banyaknya SIM dikeluarkan tiap bulan di suatu kota tertentu.
b. Variabel acak kontinu adalah:
Y : Lamanya waktu pertandingan tunggal bulu tangkis.
M : Banyaknya susu setahun yang dihasilkan seekor sapi betina
tertentu.
Q : Berat padi yang dihasilkan per hektar.
2) Dimisalkan X adalah variabel acak dengan nilai x kemungkinan
banyaknya spade yang terambil dan pengambilan dilakukan tanpa
pengembalian. Maka x dapat memperoleh setiap nilai 0, 1, 2, dan 3.
Sehingga:
13  39 
  
f  0   P  X  0       0,0084
0 3
 52 
 
3 
 SATS4121/MODUL 4 4.11
13  39 
  
f 1  P  X  1      0,0042
1 2
 
52
 
3 
13  39 
  
f  2   P  X  2       0,0014
2 1
 52 
 
3 
13  39 
  
f  3  P  X  3      0,00029
3 0
 52 
 
3 
Jadi distribusi peluang X adalah
x 0 1 2 3
f x  0,0084 0,0042 0,0014 0,00029
3) Dimisalkan X adalah variabel acak dengan nilai x kemungkinan

banyaknya bola hijau yang terambil dan pengambilan dilakukan tanpa
pengembalian. Maka x dapat memperoleh setiap nilai 0, 1, dan 2.
Sehingga:
 2  4 
  
f  0   P  X  0       0,1
0 3
6
 
3
 2  4 
  
f 1  P  X  1      0,3
1 2
 6
 
3
 2  4 
  
f  2   P  X  2       0,1
2 1
6
 
3
Jadi distribusi peluang X adalah:

x 0 1 2
f x  0,1 0,3 0,1
b
4) Distribusi peluang variabel acak kontinu P  a  X  b    f  x  dx
a
a. Luasan di bawah kurva:

3
1 1 3 3 1
P 1  X  3   dx  x 1    1
1 2 2 2 2
b. Nilai P  2  X  2,5
2,5
1 1 5 1
P  2  X  2,5   2 dx  2 x  1 
2,5
2
2 4 4
b
5) Distribusi peluang variabel acak kontinu P  a  X  b    f  x  dx
a
a. Luasan di bawah kurva

1
2 4 1 4
1
1 4
P  0  X  1    x   dx  x2  x      0  1
05 5 5 5 0 5 5
1 1
b. Nilai P   X  
 4 2
1 1
1 1  2 2 4 1 4 2  1 4   1 1  19
P   X      x   dx  x2  x         
4 2 1 5 5 5 5 1  20 10   80 5  80
4 4
6) Distribusi peluang variabel acak kontinu

b
P  a  X  b    f  x  dx  F  b   F  a 
a
Sehingga:
P  X  12  F  X  12  1  e8.12  1  e96  1
 SATS4121/MODUL 4 4.13
R A NG KU M AN
1. Distribusi peluang sudah terbentuk jika semua peluang dari setiap

variabel acak berjumlah satu.
2. Variabel acak adalah suatu fungsi yang mengaitkan suatu bilangan
real pada setiap unsur dalam ruang sampel terdiri dari variabel acak
diskrit dan variabel acak kontinu
3. Distribusi peluang variabel acak diskrit adalah fungsi peluang atau
distribusi peluang dari variabel acak diskrit X dan fungsi massa
peluang di mana untuk setiap kejadian X dipenuhi.
a. f  x   0
b.  f  x  1
x
c. P  X  x  f  x
4. Distribusi peluang variabel acak kontinu adalah fungsi peluang atau
distribusi peluang dari variabel acak diskrit X dan fungsi massa
peluang di mana untuk setiap kejadian X dipenuhi.
a. f  x   0, x  R

b.  f  x  dx  1

b
c. P  a  X  b    f  x  dx
a
TES F OR M AT IF 1
1) Seorang penjaga penitipan helm, mengembalikan 3 helm kepada orang

yang punya sesuai urutan. Misalkan M adalah variabel acak yang
menyatakan kesesuaian dengan pemiliknya dan jumlah keseluruhan
sampel adalah 6. Maka nilai peluang keluaran m = 0 adalah ....
A. 0,33
B. 0,50
C. 0,16
D. 0,25
2) Dari soal nomor 1, nilai peluang keluaran m = 1 dengan jumlah sampel

sebanyak 3 adalah ....
A. 0,33
B. 0,50
C. 0,16
D. 0,25
3) Sebuah mata uang dilantunkan 3 kali. Misalkan variabel acak X

menyatakan banyaknya muncul angka. Nilai peluang dengan keluaran
angka semuanya adalah ....
A. 0,500
B. 0,125
C. 0,375
D. 0,250
4) Diketahui C  x 0  x  1 atau 2  x  4 adalah ruang dari variabel

acak X. Misalkan adalah fungsi dari C ke dalam R yang didefinisikan
sebagai :
1
 , untuk x  C
f  x   k

0 , untuk x yang lain
Maka nilai P  x  3 adalah...
A. 0,500
B. 0,125
C. 0,375
D. 0,667
5) Sebuah variabel acak kontinu X yang mengambil nilai antara x  2 dan

x  4 mempunyai fungsi kepekatan peluang
x 1
f  x 
8
Maka P  2  X  4 adalah....
A. 0,0
B. 0,5
C. 1,0
D. 1,5
 SATS4121/MODUL 4 4.15
6) Dari soal no. 5 P  X  3,5 adalah....

A. 0,70
B. 0,25
C. 1,25
D. 0,75
7) Dari soal no. 5 P  2.4  X  3,5 adalah....

A. 0,50
B. 0,54
C. 0,45
D. 1,10
8) Tiga buah mata uang dilemparkan satu kali. Variabel acak X menyatakan
banyaknya angka yang keluar. Fungsi massa peluangnya adalah ....
1
 , untuk x  0,1,2,3
A. P  X  x    8

0 , untuk x  lain
1
 8 , untuk x  0,3

3
B. P  X  x    , untuk x  1, 2
8
0 , untuk x  lain


1
 8 , untuk x  0,1

3
C. P  X  x    , untuk x  2,3
8


2
 8 , untuk x  0,3

3
D. P  X  x    , untuk x  1, 2
8


9) Sebuah kotak berisi 3 kelereng merah dan 2 kelereng putih. Diambil 3

kelereng dari kotak tersebut. Variabel acak X menyatakan banyaknya
kelereng merah yang terambil. Himpunan dari nilai-nilai variabel acak X
adalah…
A. {0,1,2}
B. {0,1,2,3}
C. {1,2,3}
D. {1,2,3,4}
10) Dari soal no. 9, fungsi massa peluangnya adalah ....

3
 10 , untuk x  1

6
A. f  x   10 , untuk x  2
1
 , untuk x  3
10
 0 , untuk x  1
3
10 , untuk x  0

6
B. f  x   10 , untuk x  1
1
 , untuk x  2,3
10
0 , untuk x lain
3
10 , untuk x  1

6 , untuk x  2,3

C. f  x   10
1
 , untuk x  4
10
0 , untuk x  lain
 SATS4121/MODUL 4 4.17
3
10 , untuk x  0

6 , untuk x  1

D. f  x   10
1
 , untuk x  2
10
0 , untuk x  lain


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 2
Ekspektasi dan Varians Distribusi Peluang
S audara, setelah Anda mempelajari distribusi peluang, selanjutnya Anda

mempelajari karakteristik dari distribusi peluang yang menggambarkan
ukuran pemusatan dan ukuran variasi atau keragaman. Ukuran pemusatan
ditunjukkan oleh nilai ekspektasi (nilai harapan) dan ukuran keragaman
ditunjukkan oleh varians. Secara rinci kedua karakteristik distribusi peluang
tersebut diuraikan sebagai berikut.
A. NILAI EKSPEKTASI (NILAI HARAPAN)
Selain ekspektasi, istilah nilai harapan sering juga disebut dengan mean.
Misalkan X adalah variabel acak dengan distribusi peluang f  x  , maka
ekspektasi atau mean dari X didefinisikan berikut ini.
Definisi 4.1
E  x      x  f  x  jika X berupa variabel acak diskrit.
x

E  x     x  f  x  dx jika X berupa variabel acak kontinu.

Contoh 4.4.
Carilah nilai harapan banyaknya kimiawan dalam panitia 3 orang yang dipilih
secara acak dari 4 kimiawan dan 3 biolog.
Jawab:
Misalkan X menyatakan banyaknya kimiawan dalam panitia. Variabel acak X
merupakan variabel acak diskrit, maka nilai-nilai X adalah:
x = 0, jika tak satu pun kimiawan yang terpilih
x = 1, jika hanya satu orang kimiawan yang terpilih
x = 2, jika ada dua orang kimiawan yang terpilih
x = 3, jika ketiga orang yang terpilih adalah kimiawan.
 SATS4121/MODUL 4 4.19
Dari nilai-nilai x, didapat distribusi peluang X:

 4  3 
  
x 3 x
f  x     , x  0,1, 2,3.
7
 
 3
Dari distribusi peluang tersebut, diperoleh
f  0  1/ 35, f 1  12 / 35, f  2  18 / 35 dan f  3  4 / 35.
Sehingga:
  EX 
 1  12   18   14 
  0     1     2      3  
 
35  
35  
35  35 
12

7
 1,7.
Jadi, bila suatu panitia beranggota 3 orang dipilih secara acak berulang-ulang
dari 4 kimiawan dan 3 biolog maka rata-ratanya akan beranggota 1,7
kimiawan.
Contoh 4.5.
Misalkan X variabel acak yang menyatakan umur dalam jam sejenis bola
lampu. Fungsi padat peluangnya diberikan oleh
 20.000
 , x  100
f  X    x3

0 , untuk x lainnya
Hitunglah harapan umur jenis bola lampu tersebut.
Jawab:
Variabel acak X merupakan variabel acak kontinu.
Dengan menggunakan Definisi 4.1 diperoleh
 
20.000 20.000
  E  X    x 3 dx   dx  200.
100 x 100 x2
Jadi, jenis bola lampu tadi dapat diharapkan, rata-ratanya, berumur 200 jam.
Sekarang, misalnya sebuah variabel acak baru g(X) nilainya bergantung
pada X atau merupakan fungsi dari X, yaitu, tiap nilai g(X) dapat ditentukan
bila diketahui nilai X. Misalnya, g(X) sama dengan X 2 atau 3X-1, jadi bila X
bernilai 2 maka g(X) bernilai g(2). Khususnya, bila X variabel acak diskrit
dengan distribusi peluang dan g( x)  X 2 , maka:
P  g  X   0  P  X  0   f  0 
P  g  X   1  P  X  1  P  X  1  f  1  f 1
P  g  X   4  P  X  2   f  2 
Jadi distribusi peluang g(X) dapat ditulis sebagai:
gX  0 1 4
P  g  X   g  x  f  0 f  1  f 1 f  2
Menurut definisi nilai harapan variabel acak, diperoleh:

 g  x   E  g  X 
  1 f  1   0  f  0   1 f 1   2  f  2 
2 2 2 2
  g  x f  X 
Teorema 4.1.
Misalkan X suatu peubah acak dengan distribusi peluang f(x). Rataan
atau nilai harapan peubah acak g(X) adalah:
g  x  E  g  X   g  x  f  X 
bila X diskrit, dan

g  x  E  g  X    g  X  f  X  dx

bila X kontinu.
 SATS4121/MODUL 4 4.21
Contoh 4.6.
Banyaknya mobil X, yang masuk ke suatu pencuci mobil setiap hari antara
jam 13.00-14.00 mempunyai distribusi peluang
x 4 5 6 7 8 9
P  X  x
1 1 1 1 1 1
12 12 4 4 6 6
Jawab:
Menurut Teorema 4.1, harapan penerimaan para karyawan
E  g  X   E  2 X  1
9
   2 x  1 f ( x) 
4
1 1 1 1 1 1

  7      9     11    13    15    17   
 12   12  4 4 6 6
=Rp 12,67.
Contoh 4.7.
Jika X adalah suatu variabel acak dengan fungsi densitas probabilitas sebagai
berikut
 x2
 , 1  x  2
f  x, y    3
0 , untuk x yang lain

Tentukan nilai harapan g  X   4 X  3!
Jawab:
2
x2
E  g  x   E  4 X  3    4x  3  3 dx
1
2

1
3 1
 4x3  3x2  dx
1 2
  x 4  x3  1  8.
3
Teorema 4.2.
Misalkan X dan Y adalah variabel random diskrit, maka:
a. Untuk sembarang konstanta a , maka:
E  a   a dan E  aX   aE  X 
b. E  X  Y   E  X   E Y 
c. Jika terdapat konstanta a, b, c , maka:
E  aX  bY  c   aE  X   bE Y   c.
Contoh 4.8.
Sebuah produsen kosmetik baru-baru ini membuat dua macam krim
pelembab yang ditujukan untuk wanita dewasa dan remaja. Karena telah
banyak produk-produk kecantikan sejenis yang beredar di pasaran maka
penjualan untuk tahu produk krim pelembab ini tidak bisa di prediksi secara
pasti. Berdasarkan hasil penjualan yang telah dilakukan, dugaan penjualan
krim pelembab untuk wanita dewasa adalah sebagai berikut:
Banyaknya Krim yang Terjual (Botol) 1.000 3.000 5.000 10.000
Peluang  f  x  0,1 0,3 0,4 0,2
Sedangkan dugaan penjualan krim pelembab untuk remaja adalah sebagai

barikut:
Banyaknya Krim yang Terjual (Botol) 300 500 750
Peluang  f  x  0,4 0,5 0,1
Misalkan X menyatakan jumlah krim untuk wanita dewasa yang terjual dan Y
menyatakan jumlah krim untuk remaja yang terjual.
1. Berapa ekspektasi atau nilai harapan jumlah penjualan krim untuk
remaja dan jumlah penjualan krim untuk wanita dewasa?
2. produsen kosmetik itu menetapkan keuntungan $2.000 untuk setiap botol
krim dewasa dan $3.500 untuk krim remaja. Berapa ekspektasi
keuntungan untuk krim dewasa dan krim remaja?
3. Berapa ekspektasi total keuntungan untuk kedua krim?
 SATS4121/MODUL 4 4.23
Jawab:
1. Ekspektasi krim dewasa:
E  X   xf ( x)
 1.000 0,1   3.000 0,3  5.000  0, 4   (10.000)(0, 2)
 100  900  2.000  2.000  5.000
Ekspektasi krim remaja:
E Y   y f ( y)
  300 0, 4  500 0,5   750 0,1
 120  250  75  445
2. Keuntungan krim dewasa (D) sebesar $2.000

maka D = 2.000X
E  D  E  2.000 X   2.000E  X   2.000 5.000  $10.000.000,00
Keuntungan krim remaja (R) sebesar $3.500
maka, R + 3.500Y
Sehingga
E  R   E 3.500Y   3.500E Y   3.500  445  $1.557.500,00
3. Total keuntungan (T) adalah penjumlahan dari keuntungan krim dewasa

dan keuntungan krim remaja
T  D  R  2.000 X  3.500Y
Sehingga:
E T   E  D  R 
 E  D  E  R
 $10.000.000  $1.557.500
 $11.557.500,00
B. VARIANSI
Nilai harapan dari variabel acak X merupakan suatu nilai dalam statistik
yang menggambarkan letak distribusi probabilitas berpusat. Meskipun
demikian, nilai harapan tersebut tidak cukup untuk memberikan gambaran
tentang bentuk suatu distribusi. Untuk mengetahui bentuk suatu distribusi,
perlu diketahui variabilitas distribusi tersebut (Walpole, E.R, 2007). Salah
satu ukuran variabilitas dalam statistik adalah variansi. Variansi dari variabel
acak X atau variansi dari distribusi probabilitas X dinyatakan dengan Var(X)
atau dinotasikan dengan  x2 atau  2 .
Definisi 4.2.
Misalkan X adalah variabel acak dengan distribusi probabilitas f  x 
dan nilai harapan  . Variansi dari X adalah:
 2  E  X        x     f  x  ,
2 2
jika X diskrit.

 2  E  X        x     f  x  dx , jika X kontinu.
2 2

Besaran x  µ pada Definisi 4.2 merupakan penyimpangan suatu

pengamatan dari rata-ratanya. Karena penyimpangan ini dikuadratkan dan
kemudian dirata-ratakan,  2 akan lebih kecil untuk suatu kelompok nilai x
yang dekat ke µ dibandingkan dengan kelompok nilai yang berjauhan
dengan µ (Walpole & Myers, 1995).
Contoh 4.9.
Misalkan peubah acak X menyatakan banyaknya mobil yang digunakan
untuk keperluan dinas kantor pada setiap hari kerja. Distribusi peluang untuk
kantor A adalah
X 1 2 3
f(x) 0,3 0,4 0,3
Dan untuk kantor B adalah

X 0 1 2 3 4
f(x) 0,2 0,1 0,3 0,3 0,1
Tunjukkan bahwa variansi distribusi peluang kantor B lebih besar dari pada
variansi kantor A.
 SATS4121/MODUL 4 4.25
Jawab:
Untuk kantor A, diperoleh:
  E  X   1 0,3   2 0,4  3 0,3  2,0
3
 2    x  2 f  x 
2
x 1
 1  2   0,3   2  2   0, 4   3  2   0,3  0,6.

2 2 2
Untuk kantor B, diperoleh:

  E  X    0 0, 2  1 0,1   2 0,3  30,3   40,1  2,0
4
 2    x  2 f  x 
2
x 0
  0  2   0, 2   1  2   0,1   2  2   0,3   3  2   0,3

2 2 2 2
  4  2   0,1  1,6.
2
Jelas, variansi banyaknya mobil yang digunakan untuk keperluan kantor B

daripada untuk kantor A.
Teorema 4.3.
Variansi variabel random X adalah:  2  E x2   2  
Bukti:
Untuk kasus diskrit dapat dituliskan sebagai berikut.
 2   x     f  x
2
   x 2  2 x   2   f  x 
x
  x 2  f  x   2  x  f  x    2  f  x 
x x x
Karena    x  f  x  dan  f  x  1 untuk setiap distribusi probabilitas

x x
diskrit, maka:
 2   x 2  f  x   2 2   2
x
Sehingga:
 2   x2  f  x    2
x
 E  x2    2
Untuk variabel acak kontinu, langkah-langkah pembuktiannya sama, hanya
penjumlahan diganti dengan integral.
Contoh 4.10.
Misalkan peubah acak X menyatakan banyaknya bagian yang cacat dari suatu
mesin bila 3 suku cadang disampling dari rantai produksi dan diuji. Berikut
adalah distribusi peluang X.
X 0 1 2 3
f  x 0,51 0,38 0,10 0,01
Hitung  menggunakan Teorema 4.3.
2
Jawab:
Dari Teorema 4.3,
 2  E x 2    2
Pertama-tama hitung dulu µ:
µ  E  X    0 0,51  1 0,38   2 0,10  3 0,01  0,61.
Kemudian,
E  X 2    0 0,51  1 0,38   40,10  90,01  0,87
Sehingga:
 2  0,87 – 0,61  0,4979.
2
Contoh 4.11.
Jika X adalah suatu variabel acak dengan fungsi densitas probabilitas sebagai
berikut
 x2
 , 1  x  2
f  x, y    3
0 , untuk x yang lain

Hitunglah nilai varians g  X   4 X  3!
 SATS4121/MODUL 4 4.27
Jawab:
2
x2
E  g  x   E  4 X  3    4 x  3
2

2 2
dx
1 3
12
  16 x 2  24 x  9   dx
x2
3 1 3
12

3 1
16 x4  24 x3  9 x2 dx
2
1 16 
  x5  6 x 4  3x3 
3 5  1
 74, 2.
LAT IH A N

1) Sebuah uang logam setimbang ditos (dilempar) sebanyak 2 kali. Carilah
nilai harapan yang menyatakan bahwa lemparan pertama menghasilkan
belakang dan kedua muka.
2) Tukang cuci mobil dibayar berdasarkan banyaknya mobil yang mereka
cuci. Misalkan bahwa penerimaannya sehari, dalam ribuan rupiah yaitu
7, 9, 11, 13, 15 atau 17 dengan peluang masing-masing 1/12, 1/12, 1/4,
1/4, 1/6, 1/6. Carilah nilai harapan untuk penghasilan mereka sehari-hari
3) Fungsi padat sebuah variabel acak kontinu X, jumlah jam, dalam satuan
100 jam, mesin penghisap debu digunakan setahun oleh sebuah keluarga
berbentuk:
x ,0  x  1

f  x   2  x ,1  x  2
0
 , untuk x lainnya
Carilah rata-rata jumlah jam setahun keluarga tadi yang menggunakan
mesin tersebut
4) Misalkan 0, 1, 2, atau 3 seringnya mati listrik di suatu daerah dalam
sebulan dengan peluang masing-masing 0,4; 0,3; 0,2; dan 0,1. Carilah
rataan dan variansi variabel acak X yang menyatakan banyaknya mati
listrik pada daerah tersebut.
5) Lamanya, dalam menit, suatu pesawat terbang menunggu tanda boleh

tinggal landas di suatu bandara merupakan variabel acak Y  3 X – 2 ,
bila X mempunyai fungsi padat sebagai berikut.
 1 x/4
 e ,x  0
f  x   4

0, , untuk x lainnya
Carilah rataan dan variansi variabel acak Y.
1) Ruang sampel untuk kemungkinan hasil bila 1 uang dilantunkan

sebanyak 2 kali adalah T  MM , MB, BM , BB.
Karena ke empat sampel berpeluang sama, maka:
1
P  X  0   P  BB  
4
1
P  X  1  P  BM   P  MB  
2
1
P  X  2   P  MM  
4
Sesuai dengan sub bab 4.4 maka nilai harapan untuk variabel acak diskrit
adalah E  x      x  f  x  jika X berupa variabel acak diskrit.
x
Sehingga:
1 1 1
E  x      0    1     2     1
4 2 4
2) Sama seperti no.1, sesuai dengan rumus mencari nilai harapan untuk
variabel acak diskrit, maka nilai harapan untuk penghasilan tukang cuci
mobil adalah
1 1 1 1 1 1 2
E  x      7     9    11    13    15    17     12 .
 12   12   4  4  6  6 3
3) Nilai harapan untuk variabel kontinu dinotasikan dengan

E  x     x  f  x  dx

Jika diketahui jumlah bulan dalam setahun adalah 12 bulan; 1 bulan

adalah 30 hari; dan 1 hari adalah 24 jam, maka jumlah jam dalam
setahun adalah 8.640 jam. Sehingga dengan satuan 100 jam, maka
 SATS4121/MODUL 4 4.29
diperoleh 8.640:100 = 86,4 jam. Maka rata-rata jumlah jam setahun

keluarga yang menggunakan mesin penghisap debu adalah:
1 2
E  x      86, 4 x dx   86, 4  2  x  dx
0 1
 1 2
 1 1  1  
2
E  x     86, 4   x dx    2  x  dx   86, 4  x 2   2 x  x 2  
0 1   2 0  2  1 
E  x     345,6
4) Nilai harapan untuk variabel diskrit dinotasikan dengan:
E  x     x  f  x
x
Variansi untuk varibel diskrit dinotasikan dengan:

 2  E  X        x     f  x 
2 2
Adapun rataan yang menyatakan banyaknya listrik mati di daerah

tersebut adalah:
E  x      0 0, 4  1 0,3   2 0, 2  3 0,1  1
E  x2    02   0,4  12  0,3   22  0,2  32  0,1  2
Adapun varians yang menyatakan banyaknya listrik mati di daerah
tersebut adalah:
E  x2    E  x   2  1  1.
2
5) Diketahui Y = 3X – 2, sehingga X = 1/3(Y+2).

1
F  x    e x 4 dx
4
F  x   e x 4
d
f  y   F  y  
dy 
d  1 3 y  2 
f  y  e
dy  
1
f  y    e1 3 y  2 .
3
Rataan untuk variabel acak kontinu adalah:

E  y      y. f  y  dy
1
E  y      y.  e1 3 y  2 dy
3
1
E  y       y e1 3 y  2 dy
3
1
E  y     y  3 e1 3 y  2 .
3
Variansi untuk variabel acak kontinu adalah:
  1
E y 2      y 2 e1 3 y  2 dx
3
 
E y2   y 1 y  3 e1 3 y 2
Var  y   E  y 2    E  y 
2
2
 1 
Var  y    y  1 y  3 e1 3 y  2    y  3 e1 3 y  2 
 3 
 1 2 2  1 3 y  2
Var  y    y  1 y  3  e  y  3  e .
 9 
R A NG KU M AN
1. Ekspektasi (nilai harapan) terdiri atas ekspektasi variabel acak

diskrit dan kontinu.
2. Misalkan X adalah variabel acak dengan distribusi peluang f  x  ,
maka ekspektasi atau mean dari X adalah:
E  x      x  f  x  jika X berupa variabel acak diskrit.
x

E  x     x  f  x  dx jika X berupa variabel acak kontinu.

3. Variansi merupakan salah satu ukuran variabilitas dalam statistik.
Variansi dari variabel acak X atau variansi dari distribusi
probabilitas X dinyatakan dengan Var(X) atau dinotasikan dengan
 x2 atau  2 .
 SATS4121/MODUL 4 4.31
4. Misalkan X adalah variabel acak dengan distribusi probabilitas

f  x  dan nilai harapan  , maka variansi dari X adalah:
 2  E  X        x     f  x  jika X diskrit.
2 2
x

 2  E  X        x     f  x  dx jika X kontinu.
2 2

TES F OR M AT IF 2
1) Dalam suatu permainan seseorang mendapat Rp 5,- bila dalam lemparan

3 uang logam muncul semua muka atau semua belakang, dan membayar
Rp 3,- bila muncul muka satu atau dua. Nilai harapan kemenangannya
adalah ....
A. 2/8
B. 1/8
C. 3/8
D. 4/8
2) Misalkan X adalah variabel acak yang menyatakan umur dalam jam

sejenis bola lampu dengan fungsi padat peluang yang diberikan:
 20.000
 , x  100
f  x    x3

0, , untuk x lainnya
Harapan untuk umur jenis bola lampu tadi adalah …………..
A. 50
B. 100
C. 150
D. 200
3) Misalkan variabel acak X menyatakan banyaknya bagian yang cacat dari

suatu mesin bila 3 suku cadang diambil dari rantai produksi dan diuji.
Ada pun distribusi peluang X sebagai berikut.
x 0 1 2 3
f(x) 0,51 0,38 0,10 0,01
Varians dari distribusi di atas adalah
A. 0,3979
B. 0,5979
C. 0,4979
D. 0,2979
4) Permintaan mingguan Coca Cola, dalam ribuan liter, pada suatu jaringan
pemasaran daerah, merupakan variabel acak kontinu X dengan fungsi
padat peluang sebagai berikut.
2  x  1 ,1  x  2

f  x  

Nilai harapan dari X adalah....
A. 2
B. 7/3
C. 4/3
D. 5/3
5) Dari soal nomor 4, varians dari fungsi padat peluang tersebut adalah ....
A. 1/18
B. 1/9
C. 1/6
D. 4/18
6) Bila X merupakan variabel acak dengan distribusi peluang yang

diberikan sebagai berikut.
x 0 1 2 3
f(x) 0,25 0,125 0,5 0,125
Variansi g  X   2 X  3 adalah ....

A. 4
B. 5
C. 6
D. 7
7) Misalkanlah X peubah acak dengan distribusi peluang sebagai berikut:

X -2 3 5
f(x) 0,3 0,2 0,5
Nilai espektasi dari variabel acak X adalah ....
A. 2,0
B. 2,5
C. 3,0
D. 3,5
 SATS4121/MODUL 4 4.33
8) Simpangan baku X dari soal no. 7 adalah ....

A. 8,0
B. 8,5
C. 9,0
D. 9,25
9) Misalkan 0, 1, 2, atau 3 seringnya mati listrik di suatu daerah dalam

sebulan dengan peluang, masing-masing 0,4, 0,3, 0,2, dan 0,1. Rataan
dan variansi peubah acak X yang menyatakan banyaknya mati listrik
pada daerah tadi berturut-turut adalah ....
A. 1 dan 1
B. 0,5 dan 1
C. 1,5 dan 2
D. 1 dan 2
10) Lamanya, dalam menit, suatu pesawat terbang menunggu tanda boleh
tinggal landas di suatu bandar udara merupakan peubah acak
Y  3 X – 2, bila X mempunyai fungsi kepadatan peluang sebagai
berikut.
 1 x/4
 e ,x 0
f  x   4

Ekspektasi dan varians dari variabel acak X adalah ....
A. 5 dan 112
B. 5 dan 100
C. 10 dan 144
D. 10 dan 116


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 4 4.35
Kegiatan Belajar 3
Distribusi Peluang Bersama
V ariabel acak menggambarkan suatu kejadian atau fenomena kehidupan.

Satu kejadian direpresentasikan oleh satu variabel acak. Pada
pembahasan sebelumnya kita telah mempelajari konsep variabel acak dalam
ruang dimensi satu atau variabel acak tunggal. Nah, sekarang kita akan
mempelajari distribusi peluang dari variabel acak ganda. Mengapa kita
penting mempelajari hal ini? Saudara, silakan renungkan, bahwa dalam
kehidupan kita, sering kali suatu kejadian saling berkaitan dengan kejadian
yang lain. Kemudian, dari kejadian-kejadian itu kita melakukan pencatatan
secara serentak. Hal ini berarti bahwa variabel-variabel acak itu saling terkait
dan memiliki distribusi peluang bersama. Sebagai contoh, dalam penelitian
untuk melihat keberhasilan prestasi mahasiswa di perguruan tinggi, kita dapat
menggunakan data-data seperti nilai rata-rata rapor di SMA, nilai skor test
masuk perguruan tinggi, dan asal SMA. Ketiga variabel tersebut diukur
secara bersama-sama sehingga ketiganya dapat memiliki distribusi peluang
bersama.
Misalkan ada suatu variabel acak X dan variabel acak Y, maka distribusi
peluang gabungan dari dua variabel acak X dan Y dengan kejadian simultan
antara keduanya adalah f  x, y   P  X  x, Y  y  . Peristiwa distribusi
peluang bersama ini terdiri atas kejadian diskrit dan kontinu, dimana secara
detail diuraikan pada subbab selanjutnya.
A. DISTRIBUSI PELUANG BERSAMA DISKRIT
Definisi 4.3.
Fungsi f  x, y  merupakan distribusi peluang gabungan (joint
probability distribution) dari variabel random diskrit X dan Y, jika :
1. f  x, y   0 untuksemua  x, y  .
2.  f  x, y   1.
x y
3. P  X  x, Y  y   f  x, y  .
Untuk daerah sebarang dalam bidang xy, P  x, y   A   f  x, y .

A
Contoh 4.12.
Dua isi ulang ballpoint diambil dari box yang berisi 3 warna biru, 2 warna
merah dan 3 warna hijau. Jika X menyatakan jumlah warna biru dan Y
menyatakan jumlah warna merah, tentukan :
1. Fungsi peluang gabungan f  x, y  .
2. P  X , Y  A dimana A adalah daerah  x, y  x  y  1.
Jawab:
1. Nilai pasangan yang mungkin dari  x, y  adalah (0,0); (0,1); (1,0); (1,1);
(2,0); (0,2).
8
Jumlah semua kemungkinan pengambilan adalah    28 . Karena
 2
kejadiannya adalah kejadian diskrit, sehingga fungsi massa peluangnya
sebagai berikut.
 3  2  3 
   
 
f  x, y      
x y 2 x y
8
 
 2
Untuk x  0,1,2; y  0,1,2; 0  x  y  2.
Dalam bentuk tabel dapat dituliskan:

f  x, y  x0 x 1 x2 Total
y0 3 28 9 28 3 28 15 28
y 1 3 14 3 14 37
y2 1 28 1 28
Total 5 14 15 28 3 28 1
2. P  X , Y  A  P  X  Y  1
 f  0,0   f  0,1  f 1,0 
3 3 9 9
    .
28 14 28 14
 SATS4121/MODUL 4 4.37
B. DISTRIBUSI PELUANG BERSAMA KONTINU
Definisi 4.4.
Fungsi f  x, y  merupakan distribusi peluang bersama (joint probability
distribution) dari variabel random kontinu X dan Y, jika:
1. f  x, y   0 untuksemua  x, y  .
 
2.   f  x, y  dx dy  1.
 
3. P  X , Y   A   f  x, y  dx dy.

A
untuk tiap daerah A di bidang xy.
Contoh 4.13.
Suatu perusahaan coklat mengirim berkotak-kotak coklat dengan campuran
krem, tofe, dan kacang berlapis coklat cerah dan pekat. Bila kotak dipilih
secara acak, serta X dan Y masing-masing menyatakan proporsi yang krem
berlapis coklat cerah dan pekat dan misalkan bahwa fungsi distribusi peluang
bersamanya adalah:
2
  2 x  3 y  , 0  x  1, 0  y  1
f  x, y    3

0 , untuk x, y lainnya
1. Tunjukkan bahwa syarat 2 Definisi 4.4 dipenuhi.

 1 1 1
2. Cari P  X , Y   A , bila A daerah  x, y  | 0  x  ,  y   .
 2 4 2
Jawab:
  11
2
1.   f  x, y  dx dy    2 x  3 y  dx dy
 00 5
1
2 x 2 6 xy x  1
  dy
0 5 5 x0
 2 6y 
1
     dy
05 5 
2 y 3y2 1
 
5 5 0
2 3
   1.
5 5
1 1 1
2. P  X , Y   A  P(0  X  ,  Y 
2 4 2
1 1
2
 12  2  2 x  3 y  dx dy
0 5
4
1
1
2 x 2 6 xy x 
 12  2 dy
5 5
4
x0
1
 1 3y 
1
y 3y2 2
     dy  
1
2
4 10 5  10 10 1
4
1  1 3   1 3   13
          .
10  2 4   4 16   160
LAT IH A N

1) Dari suatu bungkus buah-buahan yang berisi 3 jeruk, 2 mangga, dan 3

pisang dipilih secara acak 2 buah. Bila X menyatakan banyaknya jeruk
dan Y banyaknya mangga dalam dalam sampel tersebut, hitunglah :
a. Distribusi peluang gabungan X dan Y.
b. P  X , Y  A di mana A adalah daerah  x, y  x  y  1
2) Misalkan X menyatakan banyaknya muka dan Y adalah banyaknya muka
dikurangi belakang bila 3 uang logam dilantun. Cari distribusi peluang
gabungan X dan Y.
 SATS4121/MODUL 4 4.39
3) Dua variabel acak mempunyai fungsi padat gabungan sebagai berikut

4 xy ,0  x  1, 0  y
f  x, y   
0 , untuk x dan y lainnya
a. Hitunglah: P  0  X  3 / 4, 1/ 8  Y  1/ 2
b. P Y  X  .
4) Dari sebuah kotak yang berisi 3 bola merah, 4 bola putih, dan 5 bola biru
diambil 3 bola secara acak. Jika X dan Y menunjukkan masing-masing
adalah bola merah dan bola putih yang terambil, maka fungsi kepekatan
peluang bersama dari X dan Y. Hitunglah p  x, y   P  X  x, Y  y  .
1) a. Nilai pasangan yang mungkin dari  x, y  adalah (0,0); (0,1); (1,0);

(1,1); (2,0); (0,2). Jumlah semua kemungkinan pengambilan adalah
8
   28 . Karena kejadiannya adalah kejadian diskrit sehingga
 2
fungsi densitas peluangnya sebagai berikut.
 3  2  3 
   
x y 2 x  y
f  x, y     
8
 
 2
Untuk x  0,1, 2; y  0,1, 2; 0  x  y  2.
Dalam bentuk tabel dapat dituliskan sebagai berikut:


f x, y  x0 x 1 x2 Total
y0 3 28 9 28 3 28 15 28
y 1 3 14 3 14 37
y2 1 28 1 28
Total 5 14 15 28 3 28 1
b. P  X , Y  A  P  X  Y  2
 f  0,0  f  0,1  f 1,0
 9 14.
2) Nilai pasangan yang mungkin dari x, y  adalah (0,3); (1,2); (2,1);
(3,0). Jumlah semua kemungkinan adalah 8. Uang logam yang
dilantunkan adalah setimbang.
Dalam bentuk tabel dapat dituliskan:


f x, y  x0 x 1 x2 x3 Total
y0 18 18
y 1 38 38
y2 38 38
y 3 18 18
Total 18 38 38 18 1
3) Dengan menggunakan rumus fungsi peluang gabungan untuk distribusi

kontinu, sehingga :
a. Nilai P  0  X  3 / 4, 1/ 8  Y  1/ 2
P0  X  3 / 4, 1/ 8  Y  1/ 2   
34 12
4xy dxdy
0 18
34
P0  X  3 / 4, 1/ 8  Y  1/ 2  
12
2x2 y dy
18 0
P0  X  3 / 4, 1/ 8  Y  1/ 2 
18 1 212
. y  0,1318
16 2 18
b. Nilai P Y  X 
P  0  X  Y , X  Y  1   
1 y
4xy dxdy
0 0
y
P  0  X  Y , X  Y  1   2 x 2 y dy
1
0 0
y
P  0  X  Y , X  Y  1   2 x
1
2
y dy
0 0
P  0  X  Y , X  Y  1   2 y3dy
1
0
 SATS4121/MODUL 4 4.41
1
1 4 1
P  0  X  Y , X  Y  1  y 
2 0 2
4) Pertama-tama kita mesti menentukan nilai-nilai pasangan peubah acak X
dan Y.
(X,Y) ={(0,0), (0,1), (0,2), (0,3), (1,0). (1,1), (1,2), (2,0), (2,1), (3,0)}
Nilai peluangnya adalah:
 3  4  5   3  4  5 
       
p  0,0        p 1,1      
0 0 3 10 1 1 1 60
 
12 220  
12 220
   
 
3 3
 3  4  5   3  4  5 
       
p  0,1       p 1, 2       
0 1 2 40 1 2 0 18
12  220 12  220
   
 
3  
3
 3  4  5   3  4  5 
       
p  0, 2        p  2,0       
0 2 1 30 2 0 1 15
12  220 12  220
   
3 3
 3  4  5   3  4  5 
       
p  0,3       p  2,1      
0 3 0 4 2 1 0 12
12  220 12  220
   
3 3
 3  4  5   3  4  5 
         
p 1,0        p  3,0        
1 0 2 30 3 0 0 1
 
12 220  
12 220
   
 
3  
3
Sebaran peluang bersama selengkapnya disajikan dalam tabel di bawah

ini.
P  X  x, Y  y  P Y  y 
X
0 1 2 3
0 10/220 40/220 30/220 4/220 84/220
1 30/220 60/220 18/220 0 108/220
y
2 15/220 12/220 0 0 27/220
3 1/220 0 0 0 1/220
P  X  x 56/220 112/220 48/220 4/220 1,00
Atau dalam bentuk fungsi dapat dinyatakan sebagai berikut.
 3  4  5 
   
x y 3 x  y
P  X  x, Y  y     
12 
 
3
Untuk x  0,1, 2,3; y  0,1,2,3,4 dan x  y  3 . Fungsi massa peluang
ini adalah fungsi sebaran hipergeometrik untuk variabel acak ganda. Jika
kita ingin menghitung P x  1, Y  1 , maka lebih dulu tentukan nilai
(x,y) yang memenuhi A  x  1, Y  1   0,0 ,  0,1 , 1,0 , 1,1 .
Selanjutnya dihitung peluangnya
P  X , Y   A  p  0,0  p  0,1  p 1,0  p 1,1
10 40 30 60 140
     .
220 220 220 220 220
R A NG KU M AN
1. Distribusi peluang bersama diskrit merupakan distribusi peluang

gabungan (joint probability distribution) dari variabel acak diskrit X
dan Y, jika:
a. f  x, y   0 untuk semua  x, y 
b.  f  x, y   1
x y
c. P  X  x, Y  y   f  x, y 
Untuk daerah sebarang dalam bidang
xy, P  x, y   A   f  x, y .
A
 SATS4121/MODUL 4 4.43
2. Distribusi peluang bersama kontinu merupakan distribusi peluang

gabungan (joint probability distribution) dari variabel acak kontinu
X dan Y, jika dari variabel acak diskrit X dan Y, jika:
a. f  x, y   0 untuk semua  x, y 
 
b.   f  x, y  dxdy  1
 
c. P  X , Y   A   f  x, y  dxdy

A
Untuk daerah sebarang dalam bidang xy.
TES F OR M AT IF 3
1) Suatu perusahaan coklat mengirim berkotak-kotak coklat dengan

campuran krem, tofe, dan kacang berlapis coklat cerah dan pekat. Bila
kotak dipilih secara acak, serta X dan Y masing-masing menyatakan
proporsi krem berlapis coklat cerah dan pekat. Misalkan fungsi padat
gabungannya adalah:
2
  2 x  3 y  , 0  x  1,0  y  1
f  x, y    5

 1 1 1
maka P  X , Y   A bila daerah  x, y  0  x  ,  y  
 2 4 2
adalah ....
A. 0,81
B. 0,08
C. 0,07
D. 0,71
2) Misalkan bahwa X bagian dari pelari pria dan Y bagian dari pelari wanita
yang menyelesaikan lomba-lomba maraton dapat dinyatakan sebagai
fungsi padat gabungan sebagai berikut.
8xy , 0  x  1,0  y  x
f  x, y   
Maka peluang bahwa kurang dari 1/8 pelari wanita yang menyelesaikan
suatu maraton bila diketahui bahwa tepat 1/2 dari pelari pria
menyelesaikan maraton tersebut.
A. 0,5032
B. 0,6032
C. 0,0625
D. 0,6232
3) Diketahui fungsi kepadatan peluang bersama sebagai berikut:

 
 x 1  3y2
 , 0  x  2,0  y  1
f  x, y    4
0
 , untuk x dan y lainnya
1 1 1
maka nilai peluang P   X  Y   adalah ....
 4 2 3
A. 0,0649
B. 0,0659
C. 0,0569
D. 0,0469
4) Misalkan variabel acak kontinu X dan Y mempunyai fungsi kepekatan

bersama
c xy untuk10  x  20, 0  y  3
f  x, y   
 0 untuk (x, y) lainnya
Nilai c adalah...
A. 1/65
B. 1/625
C. 1/75
D. 1/675
5) Dari soal no. 4, P( X  15,Y  1) adalah ....

A. 1/708
B. 1/245
C. 1/345
D. 1/807
6) Dari soal no. 4, P(Y  X / 5) adalah ....

A. 0,124
B. 0,116
 SATS4121/MODUL 4 4.45
C. 0,540
D. 0,326
7) Bila distribusi peluang gabungan (bersama) X dan Y berbentuk
f  x, y  
 x  y  , untuk x  0,1, 2,3; y  0,1, 2.
30
Nilai P( X  2,Y  1) adalah ...
1
A.
5
7
B.
30
3
C.
30
2
D.
5
8) Berdasarkan soal no.7 P(X > Y) adalah…

1
A.
5
2
B.
5
3
C.
5
4
D.
5
9) Berdasarkan soal no. 7 P(X + Y = 4) adalah…

2
A.
15
3
B.
15
4
C.
15
5
D.
15
10) Berdasarkan soal No. 7. P ( X  2, Y  1) adalah ....

1
A.
5
2
B.
5
3
C.
5
4
D.
5


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 4 4.47
Tes Formatif 1
1) A
Misal sampel untuk kesesuaian urutan adalah  ABC . Sehingga ruang
sampel secara keseluruhan beserta nilai m dapat dilihat pada Tabel
berikut ini.
Ruang Sampel m
ABC 3
ACB 1
CBA 1
CAB 0
BAC 1
BCA 0
Sehingga diperoleh nilai peluang sebagai berikut:

M 0 1 3
P(M = m) 0,3333 0,5 0,1667
2) B Cukup Jelas
3) B
Diperoleh
S   AAA ,  AAG ,  AGA , GAA ,  AGG , GAG  , GGA , GGG 
Hanya ada 1 sampel dengan keluaran angka semua yaitu  AAA
1
Sehingga nilai peluangnya adalah  0,125
8
11 41
4) D. Jika P  0  x  1 atau 2  x  4   dx   dx  1
0 k 2 k
Maka nilai:
1 1

k 3
1 31
P  0  x  1 atau 2  x  3   dx   dx
1
0 k 2 k
1 3
1 1 2
P  0  x  1 atau 2  x  3  x  x   0, 6667
k 0 k 2 k
5) C
6) A
7) B
8) B
9) C
10) A
Tes Formatif 2
1) B Cukup jelas
2) D
 20.000
E  x    x. dx
100 x3
 1
E  x   20.000 2 dx
100 x

1  1 
E  x   20.000   20.000   0    200
x 100  100 
3) C
E  X    0 . 0,51  1. 0,38   2. 0,1  3. 0,01  0,61
E  X 2    02 . 0,51  12 .0,38   22 . 0,1  32 . 0,01  0,87
Var  X   E  X 2    E  X   0,87  0,3721  0, 4979
2
4) D
E  x    x. f  x dx
2
E x   x.2x  1dx 
  2x 
2 2
2
 2 x dx
1 1
2
E x  
2 3 2 5
x  x2  1 
3 1 3 3
 SATS4121/MODUL 4 4.49
5) A
E  x2    x2 .2  x 1 dx    2x3  2x2  dx
2 2
1 1
 
2
1 4 2 3 1
E x2  x  x 3
2 3 1 12
 
Varx  E x 2  Ex2  3
1 25 1
 
12 9 18
6) A
E  x    0 . 0,25  1 . 0,125   2. 0,5  3. 0,125  1,5
E  x2    02 .0,25  12 .0,125   22 .0,5  32 . 0,125  3,25
Var  x   E  x2    E  x   1
2
Var  g  x   var  2 X 1  4VarX  4

7) B
8) D
9) A
10) A
Tes Formatif 3
1) B
 1 1 1 12 12 2
P0  x  ,  y       2 x  3 y  dx dy
 2 4 2 14 0 5
12
 1 1 1 122 2 6 3 12
P0  x  ,  y     x . y dy   y dy
 2 4 2 1 4 5 0 5 25 1 4
 1 1 1
P  0  x  ,  y    0,081
 2 4 2
2) C
Misal:
g  x    8xy dy  4x3 ;0  x  1
x
h  y    8xy dx  4 y,0  y  x
1
Jika:
f  x, y  2 y
f  y x   2
g  x x
 1  1 8 2y
18
1 1 1
P0  Y  X     dx  2  y 2  4   0,0625
0 x2
 8 2  x 0 64
3) D
Misal:
x 1  3 y 2  x
g  x  
1
dy  ,0  x  2
0 4 2
2 x 1  3 y 
2
1  3y2
h y   dy  ,0  y  1
0 4 2
Jika:
f  x, y  x
f  x y  
h y 2
1 1 1 12 x 3
P  X  Y     dx   0,0469
4 2 3 1 4 2 64
4) D
Untuk menentukan c, gunakan definisi 4.2, yaitu:

3 20
cxy dxdy  1
0 10
x 2 y 20
c d y  c  150 y dy
3 3
0 2 10 0
3
 75 cy 2
0
 675 c
5) A
1 1 20
P  X  15,Y  1 
675 0 15
xy dx dy
1 1 20
675 0 15
 xy dx dy
1 1 x 2 y 20
675 0 2 15
 dy
175 1 175 1 7
675  2  0
 y dy  y2 
675  2  2  0 108
 SATS4121/MODUL 4 4.51
6) B
Untuk menghitung P(Y  X / 5) , lebih dulu menentukan nilai  x, y 
 X
yang memenuhi A  Y   .
 5
 X 1 3 5y
5  675 2 10
P Y    xy dx d y

1 3 x2 y 5 y
675 2 2 10
 dy
1
  25 y3 100 y  dy
3

675  2  2
1  25 4 3
  y  50 y 2 
675  2   4 2
1  25 81   25 16   
   50  9      50  4   
675  2   3   3  
 0.116
7) B
8) B
9) C
10) A
Daftar Pustaka
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor: IPB Press

Lind, D.A., Marchal, W.G., and Wathen, S.A. 2007. Statistical Techniques in
Business and Economic with Global Data sets. Buku satu. Terjemahan.
Jakarta : Salemba Empat.

Edition. Freeman.

13-204767-8.

Walpole, R. E. dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung : ITB.
Modul 5
Distribusi Peluang Diskrit

Dr. Sutikno, M.Si.
PEN D A HU L UA N
P ada Modul 4 Anda telah mempelajari distribusi peluang, yang terbagi

menjadi dua, yaitu distribusi peluang diskrit dan kontinu. Distribusi
peluang banyak jenisnya, baik yang dikrit maupun yang kontinu. Pada modul
ini, Anda akan mempelajari beberapa jenis distribusi peluang diskrit, yaitu
Bernoulli, Binomial, seragam diskrit, Hipergeometrik, dan Poisson. Materi
tersebut terbagi menjadi dua kegiatan belajar. Kegiatan Belajar 1 akan
membahas distribusi Bernoulli, Binomial, dan seragam (uniform) diskrit,
sedangkan Kegiatan Belajar 2 akan membahas distribusi Hipergeometrik dan
Poisson.
Selain distribusi-distribusi tersebut masih banyak lagi nama-nama
distribusi lainnya yang tergolong distribusi peluang diskrit. Namun, itu secara
lebih rinci akan dipelajari pada mata kuliah lain. Pada mata kuliah ini Anda
hanya diperkenalkan pada distribusi-distribusi yang tergolong sederhana dan
sering digunakan.
Nah, mengapa distribusi peluang itu banyak jenisnya? Ingat bahwa,
distribusi peluang merupakan formulasi dari fenomena alam yang berpola.
Sementara, ada begitu banyak fenomena alam di dunia ini, masing-masing
memiliki karakteristik tertentu yang dapat dikenali melalui data. Hal ini
otomatis memunculkan berbagai macam formulasi mengenai fenomena
tersebut, yang dinamakan distribusi peluang. Itulah alasannya mengapa
distribusi peluang itu banyak jenisnya.
Pada intinya, mempelajari jenis-jenis distribusi peluang tujuannya agar
kita mampu memformulasikan sebuah permasalahan melalui suatu model
peluang dan mampu menyelesaikan permasalahan tersebut. Setelah
mempelajari modul ini, diharapkan Anda dapat memahami model-model
distribusi, di antaranya: distribusi Bernoulli, distribusi Binomial, distribusi
seragam (uniform), distribusi Hipergeometrik, dan distribusi Poisson, serta

mampu menyelesaikan permasalahan melalui model-model peluang tersebut.
Pada Kegiatan Belajar 1, diharapkan Anda dapat:
1. Menggunakan distribusi peluang Bernoulli dan Binomial suatu kejadian
2. Menggunakan distribusi peluang seragam suatu kejadian
Sedangkan pada Kegiatan Belajar 2, Anda diharapkan dapat :

1. Menggunakan distribusi peluang Hipergeometrik
2. Menggunakan distribusi peluang Poisson
Pemahaman terhadap distribusi-distribusi yang dipelajari dalam modul

ini dapat membantu Anda dalam menjelaskan data yang ditemui dalam
praktik.
Kegiatan Belajar 1
Distribusi Peluang Diskrit
P ada variabel acak diskrit, setiap nilainya dikaitkan dengan peluang

tertentu. Misalnya dalam pelemparan uang logam sebanyak 3 kali,
variabel acak X, yaitu banyaknya sisi gambar, mengaitkan peluang sebesar
3/8 pada nilai variabel acak 2, karena 3 di antara 8 titik sampel mempunyai
kemungkinan yang sama untuk menghasilkan 2 sisi gambar dan 1 sisi angka.
Dengan mengasumsikan peluang yang sama untuk setiap kejadian sederhana,
maka peluang M bernilai 0 adalah 1/3. Semua kemungkinan nilai m berikut
peluangnya dicantumkan dalam tabel berikut.
m 0 1 3
P (M = m) 1/3 1/3 1/3
Perhatikan bahwa nilai-nilai m mencakup semua kemungkinan sehingga

total peluangnya sama dengan 1.
Seringkali, lebih memudahkan bila semua peluang suatu variabel acak
dinyatakan dalam sebuah rumus. Rumus demikian ini tentulah merupakan
fungsi nilai-nilai x, oleh karena itu kita akan melambangkan dengan
f  x  , g ( x), r ( x), dan sebagainya. Jadi f  x   P  X  x  ; misalnya
f  3  P  X  3 . Himpunan semua pasangan berurutan (x, f(x)) disebut
fungsi peluang atau sebaran peluang bagi variabel acak X.
Distribusi peluang diskrit adalah sebuah tabel atau rumus yang

mencantumkan semua kemungkinan nilai suatu variabel acak diskrit
berikut peluangnya.
A. DISTRIBUSI BERNOULLI
Distribusi Bernoulli dibentuk berdasarkan satu kali percobaan yang

memberikan hasil dua kemungkinan, yaitu sukses atau gagal, dengan peluang
sukses p dan peluang gagal q  1  p . Variabel acak Bernoulli
didefinisikan sebagai kejadian sukses dalam percobaan tersebut.
Misalnya, percobaan pelemparan sekeping mata uang logam. Jika sukses
didefinisikan sebagai munculnya sisi gambar, maka variabel acak X adalah

1
munculnya sisi gambar, dengan peluang sukses adalah p  dan peluang
2
1
gagal adalah q  . Contoh lain lagi misalnya, kejadian tendangan pinalti ke
2
gawang. Peubah acak X adalah tendangan pinalti berhasil memasukkan bola
ke gawang. Nilai dari variabel X ini hanya ada dua kemungkinan, yaitu
“sukses masuk gawang” atau “gagal masuk gawang”. Jika peluang seorang
pemain sepak bola berhasil memasukkan bola ke gawang adalah 85%, maka
peluang bola gagal masuk gawang adalah 15%.
Secara umum, distribusi peluang Bernoulli diformulasikan sebagai
berikut.
Distribusi Bernoulli
Fungsi distribusi peluang variabel acak X Bernoulli dengan peluang
sukses p dan peluang gagal q  1  p adalah:
b  x, p   p x q1 x , untuk x  0,1.
Espektasi dan Varians Distribusi Bernoulli

Nilai espektasi variabel acak X Bernoulli adalah: E  X   p dan
varians Var  X   pq.
Karena variabel acak Bernoulli hanya terdiri dari satu kali percobaan,
maka hal yang menarik adalah menggunakan kejadian Bernoulli untuk
beberapa kali percobaan. Nah, percobaan yang melibatkan kejadian Bernoulli
yang dilakukan sebanyak n kali dinamakan kejadian Binomial.
B. DISTRIBUSI BINOMIAL
Saudara, percobaan melemparkan sekeping mata uang logam tentu dapat

dilakukan berulang-ulang, bukan? Katakanlah sebanyak n kali. Masing-
masing ulangan memberikan hasil dua kemungkinan, yaitu muncul gambar
atau muncul angka. Ini jelas merupakan percobaan Bernoulli. Nah, percobaan
Bernoulli yang dilakukan berulang-ulang dinamakan percobaan Binomial.
Variabel acak Binomial X didefinisikan sebagai jumlah kejadian sukses
dalam n kali percobaan. Sehingga, distribusi peluang Binomial juga

merupakan pengembangan dari distribusi Bernoulli. Hal ini sesuai dengan
sejarahnya, bahwa distribusi Binomial ditemukan pertama kali oleh
Bernoulli.
Secara umum, percobaan Binomial adalah percobaan yang memiliki ciri-
ciri berikut:
1. Percobaannya terdiri atas n ulangan.
2. Dalam setiap ulangan, hasilnya dapat digolongkan sukses atau gagal.
3. Peluang sukses, yang dilambangkan dengan p, untuk setiap ulangan
adalah sama, tidak berubah-ubah.
4. Ulangan-ulangan itu bersifat bebas satu sama lain.
Misalnya, percobaan pelemparan sekeping mata uang dilakukan

sebanyak 3 kali. Variabel acak X adalah banyaknya muncul sisi gambar.
Hasil percobaan yang mungkin adalah sebagai berikut.
Hasil X P  X  x
1 – p 
3
AAA 0
p 1 – p 
2
AAG 1
p 1 – p 
2
AGA 1
p 1 – p 
2
GAA 1
AGG 2 p 2 1– p 
GAG 2 p 2 1– p 
GGA 2 p 2 1– p 
GGG 3 p3
Keterangan: G = sisi gambar, A = sisi angka
Berdasarkan tabel di atas maka:

1. Peluang X  3 atau semua hasil percobaan muncul gambar adalah p3.
2. Peluang X  2 atau dari tiga percobaan hanya dua kali muncul gambar
adalah 3 p 2 1  p  .
3. Peluang X  1 atau hanya satu kali muncul gambar dari tiga kali
pelemparan adalah 3 p 1  p  .
2
4. Peluang X  0 atau semua hasil percobaan muncul sisi angka adalah

1  p 
3
.
Dari ilustrasi tersebut dapat dirumuskan model matematika dari

distribusi peluang Binomial sebagai berikut.
Distribusi Binomial
Suatu kejadian Bernoulli dapat menghasilkan sukses dengan peluang p
dan gagal dengan peluang q  1  p, maka distribusi peluang peubah
acak binomial X yaitu banyaknya sukses dalam n usaha bebas, adalah:
n
b  x; n, p     p x q n  x , x  0,1, 2,, n.
 x
Contoh 5.1.
Di sebuah kota, keperluan uang untuk membeli ganja atau sejenisnya ternyata
melatarbelakangi 75% peristiwa pencurian yang terjadi. Berapa peluang
bahwa tepat 2 di antara 4 kasus pencurian yang berikutnya dilatarbelakangi
oleh keperluan uang untuk membeli ganja? Asumsinya kejadian pencurian
bersifat saling bebas.
Jawab:
Berikut poin-poin penting yang bisa diperoleh dari soal, yaitu :
a. Variabel acak X adalah banyaknya kejadian pencurian yang
dilatarbelakangi oleh keperluan uang untuk membeli ganja. X merupakan
variabel acak Binomial. Kejadian sukses (1) dari percobaan Binomial ini
adalah jika pencurian yang terjadi dilatarbelakangi oleh keperluan uang
untuk membeli ganja, dan kejadian gagal (0) adalah jika pencurian yang
terjadi tidak dilatarbelakangi oleh keperluan uang untuk membeli ganja,
mungkin ada motif yang lainnya.
b. Keperluan uang untuk membeli ganja atau sejenisnya ternyata
melatarbelakangi 75% peristiwa pencurian yang terjadi, berarti :
3
p  75%  .
4
c. Tepat 2 di antara 4 kasus pencurian yang berikutnya dilatarbelakangi
oleh keperluan uang untuk membeli ganja. Hal ini berarti:
n4
x2
Sehingga, yang ingin kita hitung adalah P  X  2  .
Berdasarkan informasi tersebut, menggunakan fungsi distribusi peluang
Binomial diperoleh:
3   4 3   1 
2 2
 4! 32
P( X  2)  b  2;4,           0, 211.
 4   2 4   4  2! 2! 44
Contoh 5.2.
Peluang seseorang sembuh dari suatu penyakit darah adalah 0,4. Bila 15
orang diketahui menderita penyakit ini, berapa peluang bahwa (a) sekurang-
kurangnya 10 orang dapat sembuh; (b) ada 3 sampai 8 orang yang sembuh;
dan (c) tepat 5 orang yang sembuh?
Jawab:
Misalkan X adalah banyaknya orang yang sembuh, maka:
a. P(sekurang-kurangnya 10 orang dapat sembuh)  P  X  10 
Ingat bahwa, total peluang adalah 1, sehingga
9
P  X  10   1  P  X  10   1   b  x;15;0, 4 
x 0
 1  0.9662  0.0338
b. P(3 sampai 8 orang dapat sembuh) = P  3  X  8
8 8 2
P  3  X  8    b  x;15;0, 4    b  x;15;0, 4    b  x;15;0, 4 
x 3 x 0 x 0
 0,9050  0, 0271  0,8779

c. P (tepat 5 orang yang sembuh) = P  X  5
5 4
P  X  5  b  5;15;0, 4    b  x;15;0, 4    b  x;15;0, 4 
x 0 x 0
 0, 4032  0, 2173  0,1859
Ekspektasi dan Varians dari Variabel Acak Binomial

Nilai ekspektasi dan varians bagi distribusi binomial b  x; n, p  adalah:
  np dan  2  npq.
Contoh 5.3.
Tentukan rata-rata (ekspektasi) dan varians dari soal pada contoh 5.2.
Jawab:
a. Rata-rata  
  n. p  15  0, 4   6
Artinya rata-rata orang sembuh dari penyakit darah adalah 6 orang.
b. Varians   2
 2  n p q  15  0, 4 0,6   3,6.
Artinya, besarnya variasi jumlah orang yang sembuh dari penyakit darah
adalah 3,6.
Saudara, setiap variabel acak pasti memiliki nilai rata-rata atau

ekspektasi dan varians. Lalu, apa kegunaan mengetahui rataan dan varians
dari peubah acak? Salah satunya adalah untuk menentukan batas-batas
interval nilai yang memiliki peluang tertentu. Seperti pada dalil Chebyshev
berikut:
Teorema Chebyshev:
Peluang setiap variabel acak X mendapat nilai dalam k simpangan baku
 1 
dari nilai rataan adalah paling sedikit 1  2  , yaitu
 k 
1
P    k    k   1  2 .
k
Contoh 5.4.
Dari Contoh 5.2 dan Contoh 5.3, tentukanlah batas-batas selang   2 dan
berikan interpretasinya.
Jawab:
Dari Contoh 5.3 diperoleh varians sebesar  2  3,6 sehingga simpangan
baku   1,897. Dengan demikian, selang yang ditanyakan yaitu   2
adalah 6   2  1,897  atau dari 2,206 sampai 9,794. Teorema Chebysev
mengatakan bahwa banyaknya orang yang sembuh di antara 15 pasien
tersebut akan berada antara 2,206 dan 9,794 dengan peluang sekurang-
3
kurangnya .
4
C. DISTRIBUSI SERAGAM (UNIFORM) DISKRIT
Di antara semua distribusi peluang diskrit, yang paling sederhana adalah

distribusi seragam (uniform) diskrit. Dalam distribusi ini, setiap nilai variabel
acak mempunyai peluang terjadi yang sama.
Distribusi Seragam (uniform) Diskrit.

Bila variabel acak X mempunyai nilai-nilai x1 , x2 , ..., xk dengan peluang
1
yang sama, maka distribusi seragam diskritnya adalah f  x; k   untuk
k
x  x1 , x2 , ..., x.
Contoh 5.5.
Bila sebuah dadu dilemparkan, setiap ruang sampel S = {1, 2, 3, 4, 5, 6}
mempunyai peluang yang sama untuk muncul, yaitu 1/6. Oleh karena itu, kita
1
mempunyai distribusi seragam dengan f  x; 6   untuk x  1, 2,3, 4,5, 6
6
Sajian grafik histogram bagi distribusi seragam ini selalu berupa
beberapa empat persegi panjang dengan tinggi yang sama. Histogram bagi
Contoh 5.5 ditunjukkan dalam Gambar 5.1.
Gambar 5.1
Histogram bagi Pelemparan Sebuah Dadu
Contoh 5.6.
Tentukan distribusi seragam bagi himpunan bagian nama bulan berukuran 3
yang diambil secara acak.
Jawab:
Karena semuanya terdapat 12 nama bulan, maka kita dapat mengambil 3
12 
secara acak dalam    220 cara. Dengan menomori masing-masing dari 1
3
sampai 220, maka sebaran peluangnya diberikan oleh:
1
f  x; 220   untuk x = 1, 2, ..., 220
220
Sehingga peluang terambilnya himpunan bagian nomor 5, misalnya adalah
1
f  5; 220   .
220
Demikianlah 3 jenis dari distribusi peluang diskrit yang banyak dijumpai
aplikasinya dalam kehidupan. Sebelum melanjutkan pada Kegiatan Belajar 2
yang membahas dua jenis distribusi seragam diskrit lainnya, sebaiknya Anda
mengerjakan latihan soal dan tes formatifnya terlebih dahulu.
 SATS4121/MODUL 5 5.11
LAT IH A N

1) Berapa peluang untuk mendapatkan 6 bermuka gambar ketika

melakukan pelemparan dengan sebuah mata uang sebanyak 10 kali?
2) Suatu suku cadang dapat menahan uji goncangan tertentu dengan
peluang ¾. Hitunglah peluang bahwa :
a. Tepat 2 dari 4 suku cadang yang diuji tidak akan rusak?
b. Paling banyak 3 dari 4 suku cadang yang diuji tidak akan rusak?
c. Minimal 3 dari 4 suku cadang yang diuji tidak akan rusak?
d. Berapaan rataan dan simpangan baku dari banyaknya suku cadang
yang mampu menahan guncangan tertentu?
3) Misalkan seorang staf dipilih secara acak, dari 10 staf yang tersedia
untuk mengawasi suatu proyek tertentu. Berapa peluang setiap orang
untuk dipilih mengawasi proyek tersebut ?
4) Bila sebuah bola lampu dipilih secara acak dari sekotak bola lampu yang
berisi 1 yang 40-Watt, 1 yang 60-Watt, 1 yang 75-Watt, dan 1 yang 100-
Watt. Jika diambil satu bola secara acak, tentukan fungsi distribusinya.
Berapa rataan dan variansnya?
1) Dari soal diketahui:

x=6
n = 10
p =1/2
maka:
P(6 dari 10 lemparan muncul gambar) adalah:
 1
P  X  6  b  6,10, 
 2
10   1   1 
6 10
     
 6  2   2 
 0, 205.
2) Misal tiap pengujian bebas, jadi setiap pengujian yang satu tidak
mempengaruhi atau dipengaruhi oleh pengujian yang berikutnya. Jadi,
p  ¾ untuk tiap keempat pengujian. Variabel acak X adalah banyaknya
suku cadang yang diuji tidak akan rusak. Maka nilai-nilai X adalah
0,1, 2,3, 4 , dan n  4.
a. P(2 dari 4 suku cadang yang diuji tidak rusak)
 3
P  X  2  b  2, 4, 
 4
 4 3   1 
2 2
     
 2 4   4 
27
 .
128
b. P (paling banyak 3dari 4 suku cadang yang diuji tidak rusak)

 P  X  0 atau X  1 atau X  2 atau X  3
 P  X  3
 1  P  X  4.
dengan:
 3
P  X  4   b  4, 4, 
 4
 4 3   1 
4 0
     
 4 4   4 
81

256
Sehingga, P(paling banyak 3 dari 4 suku cadang yang diuji tidak

81 75
rusak) = 1   .
256 256
c. P( minimal 3dari 4 suku cadang yang diuji tidak rusak)

 P  X  3 atau X  4 
dengan:
 SATS4121/MODUL 5 5.13
 3
P  X  3  b  3, 4, 
 4
 4 3   1 
3 1
     
 3 4   4 
9

64
Sehingga:
9 81 117
P  X  3 atau X  4    
64 256 256
d. Rataannya adalah:
3
  np  4    3
4
Simpangan baku:
 4 
3  1 
  npq     0,86.
 4  4 
3) Dari soal diketahui k = 10, maka peluang setiap orang dipilih sebagai
pegawai proyek tersebut adalah 1/10.
4) Ini merupakan contoh kasus dari distribusi seragam diskrit.
Ruang sampel untuk variabel acak X adalah T  40, 60, 75, 100. Tiap
unsur dari ruang sampel tersebut muncul dengan peluang ¼. Sehingga,
distribusi peluangnya adalah:
1
f  x, 4   , untuk x  40,60,75,100
4
Rata-ratanya adalah:

4
40  60  75  100
x
 i 1 i
  68,75
4 4
Variansnya adalah:
 x  
4 2
  i 1
2 i
4
 40  68, 75 100  68, 75
2 2
 
4 4
 479, 69
Sehingga, simpangan bakunya = 21,90.
R A NG KU M AN
Distribusi Bernoulli
Fungsi distribusi peluang variabel acak X Bernoulli dengan peluang
sukses p dan peluang gagal q  1  p adalah:
b  x, p   p x q1 x , untuk x  0,1.
Ekspektasi dan Varians Distribusi Bernoulli

Nilai ekspektasi variabel acak X Bernoulli adalah E  X   p dan
varians Var  X   pq.
Distribusi Binomial
Suatu kejadian Bernoulli dapat menghasilkan sukses dengan
peluang p dan gagal dengan peluang q  1  p , maka distribusi peluang
peubah acak binomial X yaitu banyaknya sukses dalam n usaha bebas,
adalah:
n
b  x; n, p     p x q n  x , x  0,1, 2,, n
 x
Ekspektasi dan Varians dari Variabel Acak Binomial
Nilai ekspektasi dan varians bagi distribusi binomial b  x; n, p 
adalah:   np dan  2  npq.
Teorema Chebyshev. Peluang setiap variabel acak X mendapat

nilai dalam k simpangan baku dari nilai rataan adalah paling sedikit
 1  1
1  2  , yaitu P    k    k   1  2
 k  k
Distribusi Seragam (uniform) Diskrit. Bila variabel acak X
mempunyai nilai-nilai x1 , x2 , ..., xk dengan peluang yang sama, maka
1
distribusi seragam diskritnya adalah f  x; k   untuk x  x1 , x2 , ..., x.
k
 SATS4121/MODUL 5 5.15
TES F OR M AT IF 1
1) Dua mata dadu dilemparkan sebanyak 3 kali. Peluang untuk

mendapatkan mata dadu yang bernilai 7 sebanyak 2 kali dari 3
pelemparan ini adalah ....
A. 0,243
B. 0,087
C. 0,056
D. 0,069
2) Di dalam suatu wadah terdapat 3 bola putih dan 3 bola hijau. Akan
dilakukan pengambilan bola sebanyak 4 kali. Probabilitas akan terambil
bola hijau sebanyak 2 kali dari 4 kali pengambilan ini adalah ....
A. 0,45
B. 0,75
C. 0,69
D. 0,57
3) Suatu ruangan aula yang besar memiliki 3 lampu merah dan 5 lampu
putih. Saklar dari lampu-lampu itu disusun secara acak. Seseorang ingin
menyalakan lampu dan akan menekan saklar sebanyak 4 kali.
Probabilitas ia menyalakan 2 lampu merah dari 4 kali ia menyalakan
lampu adalah ....
A. 0,97
B. 0,88
C. 0,76
D. 0,65
4) 10% dari penduduk tergolong kategori A. Sebuah sampel acak terdiri

atas 400 penduduk telah diambil. Peluang akan terdapat paling banyak
30 orang tergolong kategori A adalah ....
A. 0,0571
B. 0,8765
C. 0,5643
D. 0,2876
5) Dari soal no. 4, peluang akan terdapat antara 30 dan 50 orang tergolong
kategori A adalah ....
A. 0,2456
B. 0,6547
C. 0,7896
D. 0,8858
6) Dari soal no. 4, peluang akan terdapat 55 orang atau lebih termasuk
kategori A adalah ....
A. 0,0078
B. 0,0763
C. 0,3462
D. 0,4537
7) Terdapat 5 penerbangan setiap harinya dari Bandara Sukarno Hatta,

Jakarta menggunakan Lion Air ke Bandara Fatmawati Sukarno,
Bengkulu. Misalkan peluang penerbangan datang terlambat adalah 0,20.
Berapa peluang tidak ada penerbangan terlambat hari ini?
A. 0,3277
B. 0,1563
C. 0,2367
D. 0,3214
8) Peluang hanya satu dari lima penerbangan yang terlambat adalah ....
A. 0,2451
B. 0,3127
C. 0,4096
D. 0,5025
9) Suatu roda roulette terbagi atas 25 sektor dengan luas yang sama dan
diberi nomor dari 1 sampai 25. Peluang muncul nomor 5 ketika roda
berhenti dari satu kali putaran adalah ....
A. 1/5
B. 5/10
C. 5/25
D. 1/25
10) Peluang muncul nomor 2 atau nomor 20 dari soal no. 9 adalah ....
A. 1/5
B. 2/5
C. 3/5
D. 4/5
 SATS4121/MODUL 5 5.17


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 2
Distribusi Hipergeometrik dan Poisson
A. DISTRIBUSI HIPERGEOMETRIK
Distribusi Hipergeometrik sering terjadi pada populasi produksi yang

dapat dikategorikan cacat dan tidak cacat. Jika diambil sampel secara acak,
karakteristik cacat dan tidak cacat masih mungkin nampak dalam sampel, dan
peluang terjadinya dapat ditentukan.
Percobaan Hipergeometrik bercirikan dua sifat berikut :
1. Suatu sampel acak berukuran n diambil dari populasi berukuran N.
2. k dari N diklasifikasikan sebagai sukses dan N-k diklasifikasikan sebagai
gagal.
Andaikan suatu populasi komponen dalam suatu peti kemas berukuran N

dan jumlah komponen cacat ada D buah. Jika diambil n komponen sebagai
sampel dan x menyatakan jumlah cacat dalam sampel maka fungsi
distribusi peluang dari X merupakan fungsi hipergeometrik dan dinyatakan
dalam :
D  N  D
x nx 
P  X  x      untuk x = 1, 2, ..., D.
N 
n
 
Rata-rata dan varians distribusi hipergeometrik adalah:
  np
 N  n
 2  npq  .
 N 1
Contoh 5.7.
PT Adikarya memproduksi alat pengukur regangan (strain gage). Produk ini
disuplai ke PT Jaya secara rutin. Dalam proses transaksinya PT Jaya
menuntut mutu 10% cacat dari satu peti yang berisi 30 komponen. Dalam
proses transaksi PT Jaya selalu melakukan pemeriksaan berdasarkan sampel
sebanyak 5 buah. Jika ditemukan cacat lebih dari 2 dalam sampel maka peti
kemas ditolak, selain itu diterima.
 SATS4121/MODUL 5 5.19
1. Berapa peluang dalam sampel terdapat cacat sama dengan 3?

2. Berapa peluang peti kemas diterima?
Jawab:
1. Jumlah alat pengukur regangan dalam populasi = 10% x 30 = 3
Sehingga:
D=3
N = 30
n=5
Peluang dalam sampel terdapat cacat sama dengan 3 adalah P(X=3).
Menurut distribusi Hipergeometrik diperoleh:
3 30  3
3  5  3 
P  X  3       0, 00246.
30
5
 
2. Peti kemas diterima bila dalam sampel terdapat jumlah cacat 0, 1, atau 2
sehingga:
P (peti kemas diterima) :
 P  X  2
 P  X  0   P  X  1  P  X  2 
3 30  3 3 30  3  3  30  3
0   5  0   1  5  1    2   5  2 
           0,997.
30 
5
 
B. DISTRIBUSI POISSON
Percobaan yang menghasilkan variabel acak X menyatakan banyaknya

kejadian yang terjadi pada selang waktu tertentu disebut percobaan Poisson.
Fenomena alam (percobaan) yang mengikuti pola Poisson mempunyai ciri-
ciri sebagai berikut:
1. Suatu kejadian sukses dapat terjadi secara acak dalam suatu waktu
(ruang, wilayah, dan lain sebagainya).
2. Kejadian sukses antara satu interval waktu saling bebas.

3. Peluang terjadinya sukses di dalam interval yang kecil t setara dengan
t dan dapat ditulis sebagai   t dengan  sebagai laju rata-rata
sukses suatu kejadian dan biasanya diasumsikan konstan. Peluang dari
dua kejadian atau lebih di dalam t dapat diabaikan.
Proses Poisson banyak terjadi pada satu kasus yang jarang terjadi.
Misalnya kasus retak dalam suatu las besi (fatique cracks). Kejadian gempa
di suatu daerah gempa aktif, jumlah kecelakaan di suatu lalu lintas dapat
terjadi kapan saja, jumlah produk cacat di suatu pabrik, tetapi semua
menginginkan kasus ini merupakan hal yang jarang terjadi.
Berdasarkan proses Poisson di atas, dapat dirumuskan fungsi distribusi
Poisson sebagai berikut.
Jika xt adalah jumlah kejadian sukses dalam selang waktu tertentu, maka
fungsi distribusi Poisson dapat dijelaskan dalam :
e  t   t 
x
p ( x;  t )  untuk x = 0, 1, 2, ...
x!
Rata-rata dan varians distribusi Poisson p  x; t  keduanya adalah t .
Contoh 5.8.
Untuk merancang jalur belok kanan pada suatu persimpangan jalan raya,
diasumsikan jumlah kendaraan yang melewati jalur ini mengikuti proses
Poisson. Waktu sukses lampu lalu lintas untuk belok kanan adalah 1 menit
dan rata-rata ada 100 mobil yang belok kanan per jam. Jika kriteria
perancangan mensyaratkan suatu jalur belok kanan yang cukup untuk 96%
pada setiap waktu, berapakah panjang jalur belok kanan dalam satuan jumlah
mobil?
Jawab:
Misalkan panjang jalur belok kanan ditentukan oleh k buah mobil.
100 
Laju rata-rata   100 mobil/jam    per menit.
 60 
Jika Xt menyatakan jumlah mobil yang lewat jalur belok kanan, maka :
P  X t  k   0,96
 SATS4121/MODUL 5 5.21
x
k
 x e  k
1 100 100
     e 60 .
x 0 x! x  0 x !  60 
Untuk k  4, P  X t  4   0,968
k  3, P  X t  3  0,91.
Dalam hal ini yang dipilih adalah k = 4, artinya panjang jalur belok kanan
adalah 4 buah mobil.
LAT IH A N

1) Sebuah panitia yang terdiri atas 5 orang diambil secara acak dari 3
perempuan dan 5 laki-laki. Tentukan distribusi peluang bagi banyaknya
perempuan dalam panitia itu !
2) Suatu kotak berisi 40 suku cadang dikatakan memenuhi syarat
penerimaan bila berisi tidak lebih dari 3 yang cacat. Cara sampling kotak
ialah dengan memilih 5 suku cadang secara acak dari dalamnya dan
menolak kotak tersebut bila di antaranya ada yang cacat. Berapakah
peluang mendapatkan tepat satu yang cacat dalam sampel berukuran 5
bila kotak tersebut berisi 3 yang cacat?
3) Carilah rataan dan varians dari soal no. 2!
4) Rata-rata banyaknya partikel radioaktif yang melewati suatu perhitungan
selama 1 milidetik dalam suatu percobaan di laboratorium adalah 4.
Berapakah peluang 6 partikel melewati penghitung itu dalam 1 milidetik
tertentu?
5) Rata-rata banyaknya tanker minyak yang tiba tiap hari di suatu
pelabuhan adalah 10. Pelabuhan tersebut hanya mampu menerima paling
banyak 15 tanker sehari. Berapakah peluang pada suatu hari tertentu
tanker terpaksa ditolak karena pelabuhan tak mampu melayaninya?
1) Misalkan peubah acak X menyatakan banyaknya perempuan dalam

panitia. Kedua sifat percobaan Hipergeometrik terpenuhi. Jadi,
 3  5 
  
P  X  0   h  0;8,5,3     
0 5 1
8 56
 
 
5
 3  5 
  
P  X  1  h 1;8,5,3     
1 4 15
8 56
 
5
 3  5 
  
P  X  2   h  0;8,5,3     
2 3 30
 
8 56
 
5
 3  5 
  
P  X  3  h  3;8,5,3      .
3 2 10
8 56
 
 
5
Berikut disajikan distribusi hipergemetrik X dalam bentuk tabel:
X 0 1 2 3
h  x;8,5,3 1 15 30 10
56 56 56 56
2) Dengan menggunakan distribusi Hipergeometrik untuk

n  5, N  40, k  3, dan x  1 , peluang mendapatkan satu yang cacat
 3  37 
  
h 1; 40,5,3      0,3011.
1 4
 40 
 
5
 SATS4121/MODUL 5 5.23
3) Karena contoh no. 1 merupakan percobaan Hipergemetrik dengan

N  40 , n  50 , dan k  3 , maka menurut teorema diperoleh:
 5 3 3
   0,375
40 8
dan
 40  5   3  3 
2    5  1    0,3113.
 39   40  40 
4) Dengan menggunakan distribusi Poisson untuk x  6 dan t  4
diperoleh:
e 4 46
P  6; 4  
6!
6 5
  p  x; 4    p  x; 4   0,8893  0, 7851
x 0 x 0
 0,1042.
5) Misalkan X menyatakan banyaknya tanker yang tiba tiap hari, diperoleh:

P  X  15   1  P  X  15 
15
 1   p  x;10   1  0,9513  0, 0487.
x 0
R A NG KU M AN
Distribusi Hipergeometrik
Dari populasi berukuran N terdapat jumlah komponen cacat
sebanyak D buah. Jika diambil n komponen sebagai sampel dan x
menyatakan jumlah cacat dalam sampel maka fungsi distribusi peluang
dari X merupakan fungsi Hipergeometrik dan dinyatakan dalam :
D  N  D
x nx 
P  X  x      untuk x = 1, 2, ..., D.
N 
n
 
Rata-rata dan varians distribusi Hipergeometrik adalah:

  np
 N  n
 2  npq  .
 N 1
Distribusi Poisson
Jika xt adalah jumlah kejadian sukses dalam selang waktu tertentu,
maka fungsi distribusi Poisson dapat dijelaskan dalam :
e  t   t 
x
p ( x;  t )  untuk x = 0, 1, 2, ...
x!
Rata-rata dan varians distribusi Poisson p  x; t  keduanya adalah t .
TES F OR M AT IF 2
1) Dengan menggunakan distribusi Hipergeometrik untuk n  5, N  52,

D  13, dan x = 3 maka peluang memperoleh 3 kartu hati adalah ....
A. 0,012
B. 0,087
C. 0,136
D. 0,082
2) Suatu grup band sedang mencari personil band, yaitu vokalis, gitaris dan
drummer. Kriteria untuk personil-personil ini adalah mereka menyukai
lagu pop ataupun rock. Dari hasil seleksi, mereka mendapatkan 6
kandidat, yaitu 4 menyukai lagu pop dan 2 menyukai lagu rock.
Probabilitas 3 posisi itu diisi oleh 3 kandidat yang menyukai lagu pop
adalah ...
A. 0,2
B. 0,3
C. 0,4
D. 0,5
3) Suatu perusahaan akan mengerjakan suatu proyek. Untuk itu dibentuk

tim yang terdiri dari 4 orang untuk memimpin berjalannya proyek. Ada
10 kandidat yang terdiri dari 3 manager baru dan 7 manager senior.
Probabilitas terpilihnya 2 manager baru untuk mengisi 4 posisi itu
adalah....
A. 0,4
 SATS4121/MODUL 5 5.25
B. 0,7
C. 0,1
D. 0,3
4) Dalam sekantong kotak terdapat 6 bola merah dan 4 bola putih,

kemudian diambil 3 buah bola secara berturut-turut. Peluang terambil
semua bola merah adalah ....
A. 0,167
B. 0,879
C. 0,543
D. 0,265
5) Sebuah kotak berisi 4000 bola merah dan 6000 bola putih, diambil
secara acak 5 buah bola. Peluang terambil 3 bola merah adalah ....
A. 0,2304
B. 0,6574
C. 0,2678
D. 0,6543
6) Antara jam 10 dan 11 pagi, rata-rata banyaknya telepon yang masuk

pada sebuah kantor tiap menit adalah 3 kali. Probabilitas bahwa dalam 1
menit pada jam tersebut akan terdapat 2 telepon masuk adalah ....
A. 0,675
B. 0,224
C. 0,876
D. 0,274
7) Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan

vaksinasi meningitis adalah 0,0005. Kalau di suatu kota jumlah orang
yang dilakukan vaksinasi sebanyak 4000. Peluang tepat tiga orang akan
terjadi shock adalah ....
A. 0,226
B. 0,441
C. 0,663
D. 0,180
8) Rata-rata banyaknya partikel yang melewati suatu penyaring selama 1

detik dalam suatu percobaan di laboratorium adalah 4. Probabilitas 6
partikel melewati penyaring itu dalam 1 detik tertentu adalah ...
A. 0,017
B. 0,112
C. 0,104
D. 0,012
9) Dalam satu tahun sebuah rumah mengalami pemadaman bergilir

sebanyak 7 kali. Kemungkinan rumah tersebut mengalami pemadaman
bergilir sebanyak 10 kali dalam satu tahun adalah ....
A. 0,161
B. 0,124
C. 0,241
D. 0,312
10) Sebuah perusahaan yang memproduksi sabun menyatakan bahwa dari

250 sabun terdapat 5 sabun yang rusak. Bila diambil 10 sabun,
probabilitas maksimum 3 yang rusak adalah ...
A. 0,999
B. 0,228
C. 0,136
D. 0,097


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 5 5.27

1) D 1) D
2) B 2) A
3) B 3) D
4) A 4) A
5) D 5) A
6) A 6) B
7) A 7) D
8) C 8) C
9) D 9) A
10) B 10) A
Daftar Pustaka
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor : IPB Press.
Bhattacharyya, G. K. and Johnson, R.A. 1977. Statistical Concepts and

Methods. New York : John Willey.
Freund, J. E. and Perles, B. M. 2007. Modern Elementary Statistics. Prentice

Hall.

Aplikasi SAS dan Minitab. Bogor: IPB Press.

Edition. Freeman.

13-204767-8.

Walpole, R. E.dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung: ITB.
Modul 6
Distribusi Peluang Kontinu

Dr. Sutikno, M.Si.
PEN D A HU L UA N
S etelah Anda mempelajari beberapa jenis distribusi peluang diskrit,

sekarang Anda akan mempelajari dua jenis distribusi peluang kontinu,
yaitu distribusi normal dan distribusi ekponensial. Distribusi normal
merupakan suatu distribusi yang paling populer digunakan dalam
menjelaskan perilaku data. Selain itu, distribusi ini merupakan landasan bagi
sebagian besar teori inferensi statistik. Distribusi normal juga dapat
digunakan sebagai pendekatan dalam menghitung peluang dari distribusi
Binomial untuk data besar. Agar bahasan materi dalam modul ini lebih
sistematik, maka dibagi dalam tiga subpokok bahasan, yaitu: distribusi
normal (Kegiatan Belajar 1), pendekatan normal untuk distribusi Binomial
(Kegiatan Belajar 2) dan distribusi eksponensial (Kegiatan Belajar 3).
Setelah mempelajari modul ini, Anda diharapkan dapat mengidentifikasi
model distribusi peluang kontinu, khususnya model normal dan eksponensial,
kemudian mampu menghitung peluang untuk variabel acak yang berdistribusi
Binomial untuk data besar,serta dapat mengaplikasikannya dalam beberapa
kasus. Secara khusus, pada Kegiatan Belajar 1, diharapkan Anda dapat :
1. Menjelaskan konsep distribusi normal.
2. Menggunakan tabel distribusi normal baku Z.
3. Menghitung peluang distribusi normal.
4. Menerapkan konsep distribusi normal untuk menyelesaikan
permasalahan yang relevan.
Pada Kegiatan Belajar 2, diharapkan Anda dapat:

1. Menggunakan distribusi normal untuk menentukan peluang distribusi
Binomial.
2. Menerapkan distribusi normal untuk menyelesaikan permasalahan yang
berkaitan dengan variabel acak Binomial.
Kemudian, pada Kegiatan Belajar 3, diharapkan Anda dapat :

1. Menjelaskan konsep distribusi eksponensial.
2. Menghitung peluang distribusi eksponensial.
3. Menerapkan distribusi eksponensial untuk menyelesaikan permasalahan
yang relevan.
Saudara,materi dalam modul ini masih berkaitan dengan materi pada

Modul 5. Oleh karena itu, pemahaman Anda pada Modul 5 sangat
mendukung kelancaran Anda dalam memahami materi pada modul ini. Jika
Anda paham akan materi modul ini, tentu akan memudahkan Anda dalam
memahami materi-materi yang ada dalam modul selanjutnya.
Kegiatan Belajar 1
Distribusi Normal
V ariabel acak kontinu dan fungsi distribusi atau fungsi kepekatannya

muncul bila data percobaan kita didefinisikan pada suatu ruang sampel
yang kontinu. Oleh karena itu, bila kita mengukur selang waktu, bobot,
tinggi, volume, dan lain sebagainya, maka populasi kita dapat dinyatakan
dengan suatu distribusi kontinu. Kita mengenal banyak sekali distribusi
peluang kontinu, yang grafiknya mungkin menunjukkan adanya
kemenjuluran. Di antara semua itu, yang sejauh ini paling penting adalah
suatu distribusi peluang kontinu yang grafiknya berbentuk genta dan
menjulur tak terbatas dalam kedua arah. Distribusi inilah yang merupakan
landasan bagi sebagian besar teori inferensia statistik.
A. DISTRIBUSI NORMAL
Distribusi peluang kontinu yang paling penting dalam bidang statistika

adalah distribusi normal. Grafiknya yang disebut kurva normal adalah kurva
yang berbentuk genta seerti pada Gambar 6.1, yang dapat digunakan dalam
banyak sekali sekumpulan data yang terjadi di alam, industri, dan penelitian.
Pada tahun 1733, DeMoivre telah berhasil menurunkan persamaan
matematika bagi kurva normal ini. Distribusi normal sering disebut distribusi
Gauss, untuk menghormati Gauss (1777-1855), yang juga berhasil
mendapatkan persamaannya dari studi mengenai galat dalam pengukuran
yang berulang-ulang terhadap benda yang sama.
Gambar 6.1
Kurva Normal
Suatu variabel acak kontinu X yang memiliki distribusi berbentuk genta

seperti pada Gambar 6.1 disebut variabel acak normal. Persamaan matematis
bagi distribusi peluang variabel acak normal ini bergantung pada dua
parameter  dan  yaitu nilai tengah dan simpangan bakunya. Oleh karena
itu kita lambangkan nilai-nilai fungsi kepekatan bagi X ini dengan
n  x;  ,   .
Definisi 6.1. Kurva Normal.

Bila X adalah suatu variabel acak normal dengan nilai tengah  dan
varians  2 maka persamaan kurva normalnya adalah:
1  x 
2
1   
n  x;  ,   e untuk   x  
2  
2
sedangkan dalam hal ini   3,14159... dan e  2, 71828
Bila nilai-nilai  dan  diketahui, maka kurva normal itu telah

terbentuk dengan pasti. Misalnya, bila   50 dan   5 maka ordinat-
ordinat n  x;50,5 dengan mudah dapat dihitung untuk berbagai nilai x, dan
kemudian kurvanya dapat digambar. Pada Gambar 6.2 diberikan sketsa dua
kurva normal yang mempunyai simpangan baku yang sama tetapi nilai
tengah berbeda. Kedua kurva itu sama bentuknya tetapi berpusat pada posisi
yang berbeda sepanjang sumbu mendatar.
Gambar 6.2
Dua Kurva Normal dengan  1   2 tetapi 1   2
Pada Gambar 6.3 menunjukkan sketsa dua kurva normal dengan nilai
tengah yang sama tetapi simpangan bakunya berbeda. Di sini kita melihat
bahwa kedua kurva itu berpusat pada posisi yang sama pada sumbu
mendatar, tetapi kurva dengan simpangan baku yang lebih besar berada lebih
rendah dan lebih menyebar ke samping. Ingat bahwa luas daerah di bawa
suatu kurva peluang harus sama dengan 1, oleh karena itulah semakin
beragam suatu gugus pengamatan, maka kurvanya menjadi lebih rendah dan
lebih melebar.
Gambar 6.3
Dua Kurva Normal dengan  1   2 tetapi 1   2
Gambar 6.4 menunjukkan sketsa dua kurva normal yang mempunyai

nilai tengah dan simpangan baku yang berbeda. Jelas, bahwa keduanya
berpusat pada posisi yang berbeda pada sumbu mendatar dan bangun kedua
kurva itu mencerminkan kedua nilai  yang berbeda.
Gambar 6.4
Dua Kurva Normal dengan  1   2 tetapi 1   2
Berdasarkan pengamatan kita terhadap Gambar 6.1 sampai Gambar 6.4,

kita memperoleh sifat-sifat kurva normal sebagai berikut.
1. Modusnya, yaitu titik pada sumbu mendatar yang membuat fungsi
mendapat maksimum, terjadi pada x  .
2. Kurvanya setangkup terhadap suatu garis tegak yang melalui nilai tengah
.
3. Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah
bila kita semakin menjauhi nilai tengahnya.
4. Luas daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar
sama dengan 1.
B. DISTRIBUSI NORMAL STANDAR
Suatu distribusi dikatakan normal apabila sesuai dengan karakteristik

distribusi yang secara teoritis diturunkan dari apa yang disebut sebagai
distribusi normal standar. Distribusi ini mempunyai nilai rata-rata 0 dan
varians 1. Luas area untuk distribusi normal standar telah disusun dalam
sebuah tabel yang dikenal sebagai tabel normal standar. Dengan adanya tabel
ini maka kita dapat menghitung peluang variabel acak dari data yang
berdistribusi normal hanya dengan menggunakan transformasi Z yang
rumusnya adalah :
Xi  
Zi 

Jika data berasal dari sampel maka digunakan :
Xi  X
Zi 
s
Jadi, Z di atas merupakan variabel acak yang berdistribusi normal
dengan rata-rata 0 dan varians 1 dan merupakan nilai-nilai standar dari kurva
normal.
Distribisi normal standar dapat pula digambarkan seperti halnya
distribusi normal. Perbedaannya adalah rata-rata  digantikan oleh 0.
Sedangkan luas di bawah kurva normal standar ini sama saja dengan kurva
normal yaitu 1 atau 100% yang merupakan jumlah peluang semua peristiwa
yang mungkin terjadi. Untuk jelasnya lihat Gambar 6.5 berikut.
- -     
Gambar 6.5
Distribusi normal baku
C. CARA MEMBACA TABEL NORMAL STANDAR
Berikut adalah contoh tabel normal standar yang diambil sebagian dari
tabel yang sesungguhnya. Nilai-nilai z dimulai dari 0,00 sampai 3,09.
Tabel 6.1
Tabel Normal Standar
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0763
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
Angka-angka yang dicetak tebal adalah nilai-nilai z, sedangkan angka di

dalam tubuh tabel menunjukkan luas area di bawah kurva normal standar
atau nilai peluang mulai dari titik nol hingga z. Perlu diketahui bahwa nilai z
yang tercetak dalam tabel, semuanya untuk nilai z yang positif atau luas area
di sebelah kanan kurva, sedangkan yang negatif tidak dicetak karena nilainya
adalah sama. Contohnya, luas area untuk z = 0,65 sama dengan z = -0,65
yaitu 0,2422.
Untuk mempermudah pemahaman tentang distribusi normal serta
penggunaannya kita lihat contoh berikut ini.
Contoh 6.1.
Sebuah perusahaan ayam potong mendapatkan bahwa berat rata-rata ayam
yang sudah bersih adalah 2,5 kg dengan simpangan baku 0,8 kg. Jika seekor
ayam potong diambil secara acak, tentukanlah peluang:
a. Berat ayam kurang dari 3,0 kg.

b. Berat ayam lebih dari 3,5 kg.
c. Berat ayam antara 2,0 hingga 2,7 kg.
d. Berat ayam antara 2,7 hingga 3,0.
Jawab:
a. Peluang berat ayam kurang dari 3,0 kg atau P( X  3,0) adalah:
Gunakan transformasi Z :
X  3, 0  2,5
z   0, 625
 0,8
Yang akan kita cari dari persoalan di atas adalah peluang ayam potong
yang beratnya kurang dari 3,0 kg (daerah yang di arsir dalam gambar
berikut). Berarti yang kita cari adalah luas area mulai dari bagian sebelah
kiri kurva (0,5) hingga z = 0,63 (dibulatkan hingga dua desimal untuk
mengakomodasikan tabel z).
Gambar 6.6
Gambar 6.6 menunjukkan bagaimana kurva normal ditumpangtindihkan

dengan kurva normal baku di mana nilai X = 3,0 adalah sama dengan
nilai z = 0,63.
Luas area mulai dari titik 0 hingga nilai z  0, 63 adalah 0,2357. Dengan
demikian, peluang berat ayam yang kurang dari 3,0 kg adalah
0,5  0, 2357  0, 7357 atau secara notasi:
P( X  3,00)  0,5  0,2357  0,7357
Artinya peluang terambilnya ayam potong dengan berat kurang dari 3,0
kg adalah 73,57%
b. Peluang berat ayam lebih dari 3,5 kg atau P( X  3,5) adalah:

3,5  2,5
z  1, 25.
0,8
Luas area yang akan dicari adalah daerah yang diarsir hitam dalam
Gambar 6.7. Dari tabel kita dapatkan bahwa luas area untuk z = 1,25
adalah 0,3944. Jadi luas area yang di arsir hitam adalah 0,5 – 0,3944 =
0,1056 atau secara notasi:
P( X  3,50)  0,5  0,3944  0,1056 atau 10,56%.
Gambar 6.7
c. Peluang berat ayam antara 2,0 hingga 2,7 kg atau

P(2,0  X  2,7) sebagai berikut.
Dalam persoalan ini pemecahan dilakukan dalam dua langkah. Pertama,
menghitung area antara rata-rata dengan X = 2,0 dan kemudian area
antara rata-rata dengan X = 2,7. Dengan demikian kita akan memperoleh
dua nilai z yaitu :
2, 0  2,5
z1   0, 63 ;
0,8
Luas area = 0,2357 (sama dengan luas z = 0,63).
2, 7  2,5
z2   0, 25 ; Luas area = 0,0987
0,8
Gambar 6.8
Jadi P(2,0  X  2,7) = luas z1 + luas z2 = 0,2357 + 0,0987 = 0,3344

atau 33,44%.
d. Peluang berat ayam antara 2,7 hingga 3,0 kg atau P( 2,7  X  3,0)
sebagai berikut.
Peluang yang dicari adalah luas yang di arsir dari Gambar 6.9.
Perhitungan sama dengan soal c) yaitu mencari dua nilai z.
2, 7  2,5
z1   0, 25 ; luas area dari 0 sampai z1  0,0987
0,8
3, 0  2,5
z2   0, 63 ; luas area dari 0 sampai z2  0,2357
0,8
P(2,7  X  3,0)  0, 2357 – 0,0987  0,137.
Gambar 6.9
D. APLIKASI DISTRIBUSI NORMAL
Dengan sedikit imajinasi, berat ayam potong seperti yang dicontohkan di

atas bisa dianalogikan dengan pengukuran lainnya yang berkaitan dengan
keputusan manajerial seperti hasil penjualan bulanan, pengukuran daya
 SATS4121/MODUL 6 6.11
rentang suatu material, volume minuman dalam kemasan, dan lain

sebagainya. Jika data ini berdistribusi normal, maka dapat diketahui peluang
setiap unsur data apakah termasuk ke dalam suatu nilai-nilai tertentu.
Distribusi normal dapat dikatakan sebagai distribusi yang paling banyak
digunakan dalam analisis statistika lanjutan. Banyak analisis statistika
lanjutan untuk keperluan penaksiran parameter maupun pengujian hipotesis
yang mensyaratkan bahwa data yang dikumpulkan harus berdistribusi
normal. Oleh karena itu, pemahaman yang mendalam tentang distribusi ini
perlu dimiliki oleh seorang manajer agar informasi yang dihasilkan dari
analisis data statistika dapat digunakan secara benar dalam proses
pengambilan keputusan.
LAT IH A N

1) Tentukan:
a. P  Z  1,96
b. P  Z  1,96 
c. P  Z  1,96 
d. P  1,96  Z  1,96
2) Tentukan nilai z0 apabila luas daerah di bawah kurva normal baku:

a. Antara 0 sampai z0 adalah 0,4788
b. Kurang dari z0 adalah 0,8365
c. Antara –z0 sampai z0 adalah 0,8584
d. Lebih besar dari z0 adalah 0,7734
3) Variabel acak X diketahui menyebar normal dengan nilai tengah 82 dan

simpangan baku 4,8. Tentukan peluang untuk nilai X:
a. Kurang dari 89,2
b. Lebih besar dari 78,4
c. Antara 83,2 dan 88
d. Antara 73,6 dan 90,4
4) Dari hasil sensus diketahui bahwa pendapatan rumah tangga petani

perkebunan kelapa sawit per bulan di Provinsi A menyebar normal
dengan nilai tengah Rp. 2.110.000 dan simpangan baku Rp. 650.000.
berapa persen rumah tangga yang pendapatan perbulannya:
a. Lebih besar dari Rp. 2.500.000?
b. Antara Rp. 2.250.000 sampai Rp. 2.500.000?
c. Kurang dari Rp. 1.000.000?
d. Jika 5% dari populasi merupakan pencilan, berapa batas bawah (BB)
dan batas atas (BA) dari nilai pencilan tersebut? (Petunjuk:
P  BB  x  BA  95%).
1) Peluang:
a. P  Z  1,96
Lihat tabel normal baku, diperoleh:
P  Z  1,96  0,025
b. P  Z  1,96 
Dari tabel normal baku, diperoleh:
P  Z  1,96   0,9750
c. P  Z  1,96 
Total peluang = 1, maka:
P  Z  1,96   P  Z  1,96   1
0,9750  P  Z  1,96   1
P  Z  1,96   1– 0,9750  0,0250
d. P  1,96  Z  1,96
P  1,96  Z  1,96  P  Z  1,96   P  Z  1,96 
 0,9750  0, 0250  0,9500
 SATS4121/MODUL 6 6.13
2) Menentukan nilai z0
a. P  0  Z  z0   0, 4788
P  0  Z  z0   P  Z  z0   0,5
0, 4788  P  Z  z0   0,5
P  Z  z0   0, 4788  0,5  0,9788
z0  2,03
Jadi, nilai z0 yang memenuhi:
P  0  Z  z0   0, 4788 adalah z0  2,03.
b. P  Z  z0   0,8365
Lihat tabel normal baku, diperoleh:
Z0  0,908
c. P   z0  Z  z0   0,8584
P  Z   z0   P  Z  z0 
2P  Z   z0   P   z0  Z  z0   1
1  0,8584
P  Z   z0    0,0708
2
Sehingga:
z0  1, 407 dan z0  1,407.
d. P  Z  z0   0,7734
P  Z  z0   P  Z  z0   1
P  Z  z0   1  0,7734  0, 2266
Dari tabel normal baku:
Z0  0,75.
3) 
X ~ N 82,  4,8
2

a. P( X  89, 2)
x 89, 2  82
Z   1,5
 4,8
Jadi, X  89, 2 setara dengan Z  1,5
Sehingga:
P  X  89, 2   P  Z  1,5  0,9332.
b. Untuk b caranya sama dengan soal nomor 2, dengan terlebih dahulu
mengkonversi X menjadi Z.
c. Untuk soal c caranya sama dengan soal nomor 2, dengan terlebih
dahulu mengkonversi X menjadi Z.
4) X = pendapatan rumah tangga petani perkebunan kelapa sawit per bulan

X ~ N  2.110.000, 650.0002 
Untuk memudahkan perhitungan angka ditulis dalam ribu rupiah.
a. P( X  2.500)
x
z 

2.500  2.110

650
 0, 6
Sehingga:
P  X  2.500   P  Z  0,6 
 P  Z  0,6 
 0, 2743.
Jadi, persentase rumah tangga yang pendapatannya lebih besar dari
Rp.2.500.000 adalah 27,43%.
b. P(2.250  X  2.500)
Misal, x1  2.250 maka:
x
z1 

2.250  2.110

650
140

650
 0, 22
x2  2.500 , dari poin a) diperoleh z2  0,6 .
 SATS4121/MODUL 6 6.15
Sehingga:
P  2.250  X  2.500   P  0, 22  Z  0, 6 
 P  Z  0, 6   P  Z  0, 22 
 0, 7257  0,5871
 0,1386
 13,86%.
Jadi, persentase rumah tangga yang pendapatannya antara Rp
2.250.000 sampai Rp 2.500.000 adalah 13,86%.
c. Untuk c prinsipnya sama dengan soal-soal sebelumnya.

P  X  1.000
x
z

1.000  2.110

650
1.110

650
 1, 71
Sehingga:
P  X  1.000   P  Z  1, 71
 0, 0436
 4,36%
d. P  BB  X  BA  95%  0,95
Berarti,
P  X  BB   P  X  BA  0,05
Karena simetris, maka:
P  X  BB   P  X  BA
Sehingga:
2 P  X  BB   0, 05
P  X  BB   0, 025
Mencari nilai BB, akan sama dengan:
Mencari nilai Z0 jika diketahui P  Z  z0   0,025.
Dari tabel normal standar diperoleh z0  1,96.
Sehingga, nilai BB diperoleh dari:

BB  
z0 

BB  2.110
1,96 
650
1, 274  BB  2.110
BB  1.274  2.110
BB  836 ribu rupiah
Karena simetris, dilakukan mencari BA dengan cara
menstubtitusikan z0  1,96 pada:
BA  
z0 

BB  2.110
1,96 
650
1, 274  BB  2.110
BA  1.274  2.110
BA  3384 ribu rupiah
Jadi, batas-batas pencilannya adalah pendapatan yang kurang dari
Rp 836.000 dan lebih dari Rp3.384.000,00.
R A NG KU M AN
1. Bila X adalah suatu variabel acak normal dengan nilai tengah  dan
varians  2 maka persamaan kurva normalnya adalah:
1  x 
2
1   
n  x;  ,    e untuk   x  
2  
2
sedangkan dalam hal ini   3,14159... dan e  2,71828.
2. Distribusi normal standar adalah bentuk khusus dari distribusi
normal yang memiliki nilai tengah 0 dan varians 1.
3. Transformasi variabel acak X yang berdistribusi normal menjadi
variabel Z yang berdistribusi normal standar dilakukan mengguna-
kan rumus:
X 
Zi  i

Peluang di bawah kurva normal standar telah dibakukan dalam tabel
normal standar.
 SATS4121/MODUL 6 6.17
TES F OR M AT IF 1
Rata-rata upah seorang buruh = $ 8.00 perjam dengan simpangan baku

= $ 0,60 jika terdapat 1000 orang buruh, maka:
1) Banyak buruh yang menerima upah/jam kurang dari $ 7,80 adalah ....
A. 560 orang
B. 343 orang
C. 450 orang
D. 371 orang
2) Banyak buruh yang menerima upah/jam lebih dari $ 8,30 adalah ...
A. 425 orang
B. 309 orang
C. 400 orang
D. 530 orang
3) Banyak buruh yang menerima upah/jam antara $ 7,80 sampai $ 8,30

adalah ....
A. 245 orang
B. 434 orang
C. 540 orang
D. 321 orang
4) Dari penelitian terhadap 150 orang laki-laki yang berumur 40–60 tahun
didapatkan rata-rata kadar kolesterol (μ) mereka 215 mg % dan
simpangan baku σ = 45 mg %. Peluang kita mendapatkan seorang yang
kadar kolesterolnya < 200 mg % adalah ....
A. 0,251
B. 0,340
C. 0,546
D. 0,659
5) Dari soal no. 4, peluang kita mendapatkan seorang yang kadar

kolesterolnya > 250 mg % adalah ...
A. 0,975
B. 0,765
C. 0,897
D. 0,779
6) Curah hujan yang tercatat di stasiun Pengamatan Cuaca Tanjung Selor

Kalimantan Timur selama 10 tahun terakhir rata-rata mencapai 2800
mm/th dengan simpangan baku 75 mm/th. Bila curah hujan mengikuti
distribusi normal, probabilitas curah hujan kurang dari 2675 mm/th atau
lebih dari 2900 mm/th adalah ....
A. 0,276
B. 0,453
C. 0,234
D. 0,139
7) Variabel acak X berdistribusi N (65; 36), maka nilai P  X  70 

adalah....
A. 0,833
B. 0,203
C. 0,971
D. 0,913
8) Dari soal no. 7, nilai P  55  X  72  adalah ....

A. 0,919
B. 0,799
C. 0,045
D. 0,832
9) Jika X berdistribusi normal dengan rata-rata = 200 dan standar deviasi =

5 maka nilai b sehingga P  X  b   0,0110 adalah ....
A. 211,45
B. 220,54
C. 236,71
D. 241,11
10) Dari soal no. 9, nilai b sehingga P  X  200 |  b   0,966 adalah ....
A. 10,63
B. 12,17
C. 14,65
D. 16,12
 SATS4121/MODUL 6 6.19


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 2
Pendekatan Normal untuk

Distribusi Binomial
S audara, pada Modul 5, Anda telah mempelajari distribusi Binomial . Ingat

kembali bahwa pada distribusi Binomial kita berkepentingan untuk
menentukan peluang kejadian sukses sebanyak x dari percobaan yang
dilakukan sebanyak n kali yang saling bebas antar percobaan satu dengan
lainnya. Percobaan semacam ini juga dikenal dengan proses Bernoulli yang
memiliki dua kemungkinan hasil, yaitu sukses atau gagal.
Ulangan sebanyak n kali dalam proses Bernoulli tentu tidak dibatasi
jumlahnya. Dalam percobaan tertentu dapat saja dilakukan pengulangan
berkali-kali sehingga n menjadi cukup besar. Nah, jika nilai n cukup besar,
proses Bernoulli akan mendekati distribusi normal.
Jika X variabel acak binomial dengan rataan   np dan varians

 2  npq , maka bentuk limit distribusi:
X   X  np
Z 
 npq
Bila n  , ialah distribusi normal baku.
Dengan menggunakan pendekatan distribusi Binomial oleh distribusi

normal diharapkan bisa lebih praktis dan lebih efisien. Di samping itu rumus
distribusi normal terkadang lebih praktis digunakan pada penjumlahan yang
rumit, tentu saja dengan simpangan yang relatif kecil. Diharapkan untuk
masalah distribusi Binomial bisa diatasi dengan menggunakan pendekatan
normal, dan hasil yang diperoleh tidak jauh berbeda dengan distribusi
aslinya. Atau dengan kata lain simpangan yang diakibatkan pendekatan
normal ini relatif kecil.
Dari perhitungan, distribusi normal memberikan pendekatan nilai
probabilitas yang baik terhadap distribusi Binomial bila n besar dan p
mendekati 0,5, bahkan nilai n mengecil tapi p tidak terlalu jauh dari 0,5
masih diperoleh pendekatan yang cukup baik.
 SATS4121/MODUL 6 6.21
 untuk n besar n  50 dan p tidak mendekati 0 atau 1

 a  np b  np 
P a  X  b  P  Z 
 np 1  p  np 1  p  

atau
 untuk n sedang  20  n  50 
 a  0.5  np b  0.5  np 
P a  X  b  P  Z  
 np 1  p  np 1  p  
 
Jika p kecil (mendekati 0) atau besar (mendekati 1), maka digunakan
pendekatan dengan distribusi Poisson.
Contoh 6.2.
Suatu proses menghasilkan sejumlah produk (dengan kemungkinan produk
cacat 10%). Bila 100 produk diambil secara acak, berapakah kemungkinan
bahwa terdapat lebih dari 13 produk cacat?
Jawab:
Dalam kasus ini, banyaknya cacat berdistribusi Binomial dengan parameter
n = 100 dan p = 0,1. Karena ukuran sampel besar dilakukan pendekatan
dengan fungsi kemungkinan normal dimana parameternya adalah
  np  100  0,1  10 dan   npq  100 0,1 0,9  3.
Karena ingin diamati kemungkinan bahwa terdapat lebih dari 13 produk
cacat, maka dicari probabilitas X > 13. Untuk kasus diskrit, digunakan batas
X  np 13,5  10
X = 13,5 dan harga Z yang sesuai adalah Z    1,167.
npq 3
Dari tabel diperoleh kemungkinan Z > 1,167 adalah 0,1216.
Contoh 6.3.
Suatu pabrik pembuat CD menghasilkan 10% CD yang cacat. Jika 100 CD
dipilih secara random, berapa probabilitas terdapat:
a. 8 CD yang rusak
b. paling sedikit 12 CD yang rusak
c. paling banyak 5 CD yang rusak
Jawab:
x = banyak CD yang rusak
x ~ bin (100; 0, 1) dengan n = 100 dan p = 0,1
  np  100  0,1  10
 2  np 1  p   100  0,1 0,9  9 jadi   9  3
a. P (x = 8) = luas kurva normal antara x1 = 7.5 dan x2 = 8,5
x1   7,5  10
Z1    0,83 jadi A = 0,2967
 3
x   8,5  10
Z2  2   0,50 jadi B = 0,1915
 3
P(x = 8) = A – B = 0,2967 – 0,1915 = 0,1052
b. P  x  12  = Luas kurva normal dari x = 11,5 ke kanan
x 11,5  10 1,5

Z    0,50 jadi A = 0,1915
 3 3
P  x  12   0,5  0,1915  0,3085
 SATS4121/MODUL 6 6.23
c. P  x  5 = Luas kurva normal dari x = 5,5 ke kiri
x 5,5  10
Z   1,50 jadi A = 0,4332
 3
P  x  12  0,5  0, 4332  0,0668.
Contoh 6.4.
Anggota suatu dewan juri berisikan 55% wanita. Berapa peluang terpilihnya
50 anggota juri yang dipilih secara acak akan berisikan anggota wanita
sebanyak 30 orang atau lebih?
Jawab:
Pemilihan ini jelas merupakan proses Binomial dengan n = 50, p = 0.55 dan
x  30. Tabel Binomial tidak mempunyai nilai untuk n = 50. Pendekatan
Poisson juga tidak dapat dilakukan karena np = 27,5. Demikian pula teknik
menggunakan 1– p untuk p tidak dapat dilakukan juga karena n (1  p) 23,5.
Akan tetapi, kriteria untuk pendekatan normal sudah dipenuhi dimana
parameter Binomial untuk mendekati distribusi normal adalah :
B  np  27.5
 B  np (1  p)  3,52
Sebelum menghitung peluang distribusi normal, terlebih dahulu perlu
dihitung suatu koreksi yang memperkenankan kita melakukan pendekatan
dari distribusi diskrit ke distribusi kontinu. Dalam distribusi kontinu, nilai 29
didefinisikan mengambil nilai antara “28,5 sampai 29,5”, nilai 30 di antara
nilai 29.5 sampai 30.5 dan seterusnya. Dengan demikian, nilai-nilai diskrit
yang sama atau lebih besar dari 30 dapat diperlihatkan dalam Gambar 6.10.
Akhirnya persoalan di atas dapat diselesaikan sebagaimana persoalan
distribusi normal biasa yaitu:
29,5  27,5
z  0,57
3,52
Luas area dari 0 sampai 0,57 adalah 0,2157.
Jadi:
P( X  29,5)  0,5  0,2157  0,2843
Artinya, peluang terpilihnya anggota juri wanita lebih dari 30 orang

adalah 0,2843. Jika dihitung dengan distribusi Binomial diperoleh
0,2862.
Gambar 6.10
Pendekatan Normal terhadap Binomial
LAT IH A N

1) Peluang seseorang penderita sembuh dari suatu penyakit darah yang
jarang muncul 0,4. Bila diketahui ada 100 orang yang telah terserang
penyakit ini, berapa peluangnya bahwa kurang dari 30 yang sembuh?
2) Suatu ujian pilihan ganda terdiri atas 200 soal masing-masing dengan 4
pilihan dan hanya satu jawaban yang benar. Tanpa memahami sedikit
pun masalahnya dan hanya dengan menerka saja, berapakah peluang
seorang murid menjawab 25 sampai 30 soal dengan benar untuk 80 dari
200 soal?
 SATS4121/MODUL 6 6.25
1) Misalkan variabel Binomial X menyatakan banyaknya penderita yang

sembuh. Karena n = 100, maka penggunaan hampiran kurva normal
seharusnya memberi hasil yang cukup tepat dengan
  np  100  0, 4   40
dan
  npq  1000, 40,6  4,899
Untuk mendapatkan peluang yang dicari, harus dicari luas di sebelah kiri
x = 29,5. Nilai –z yang berpadanan dengan 29,5 adalah:
29,5  40
z  2,14
4,899
Peluang kurang dari 30 dari 100 penderita yang sembuh adalah:
P  X  30   P  Z  2,14   0,0162.
2) Peluang menjawab benar untuk tiap soal dari 80 adalah p = 1/4. Bila X
menyatakan banyaknya jawaban yang benar dengan hanya menerka
maka:
30
 1
P  25  X  30   b  x;80, 
x  25  4
Dengan menggunakan hampiran kurva normal dengan:
1
  np   80     20
4
dan
80 
1  3 
  npq     3,873.
 4  4 
Diperluakan luas antara x1  24,5 dan x2  30,5 . Nilai z padanannya
24,5  20
adalah z1   1,16
3,873
dan
30,5  20
z2   2, 71
3,873
Peluang menerka tepat 25 sampai 30 soal diberikan adalah:
30
 1
P  25  X  30  b  x;80, 4   P(1,16  Z  2, 71)
x  25
 P  Z  2, 71  P( Z  1,16)
 0,9966  0,8770  0,1196.
R A NG KU M AN
Variabel acak Binomial X yang menyatakan banyaknya kejadian

sukses sebanyak x kali dari n percobaan memiliki peluang yang dapat
didekati dengan distribusi normal jika n berukuran besar.
Transformasi variabel acak X Binomial dengan rataan   np dan
varians  2  npq menjadi variabel normal standar Z adalah:
X  X  np
Z  .
 npq
TES F OR M AT IF 2
1) Sebuah uang logam dilempar 400 kali. Dengan menggunakan hampiran

kurva normal untuk menentukan peluang mendapatkan antara, dan
termasuk, 185 dan 210 muka adalah....
A. 0,6925
B. 0,7925
C. 0,8925
D. 0,9925
2) Berdasarkan soal no. 3 tentukan peluang tepat 205 muka adalah....

A. 0,0252
B. 0,2522
C. 0,0352
D. 0,3522
3) Berdasarkan soal no. 3 tentukan peluang kurang dari 176 atau lebih dari
227 muka adalah....
A. 0,0101
B. 0,0125
 SATS4121/MODUL 6 6.27
C. 0,0123
D. 0,0144
4) Suatu proses produksi menghasilkan 10% barang yang cacat. Bila 100
barang diambil secara acak dari proses tersebut, peluang banyaknya yang
cacat melebihi 13 adalah ...
A. 0,1210
B. 0,2210
C. 0,3210
D. 0,4210
5) Berdasarkan soal no. 6 peluang banyaknya yang cacat kurang dari 8

adalah ...
A. 0,2011
B. 0,2033
C. 0,9333
D. 0,8273
6) Peluang seseorang sembuh dari suatu operasi jantung adalah 0,9. Dari
100 penderita yang menjalani operasi tersebut, peluangnya yang sembuh
antara dan termasuk 84 sampai 95 adalah ...
A. 0,0320
B. 0,1010
C. 0,2050
D. 0,9514
7) Berdasarkan soal no. 6 peluang yang sembuh kurang dari 86 adalah ...
A. 0,0557
B. 0,0668
C. 0,0779
D. 0,0890
8) Bila 20% penduduk suatu kota di AS lebih menyukai telepon berwarna

putih daripada warna lainnya yang tersedia, peluang bahwa di antara
1000 sambungan yang dipasang di kota itu antara, dan termasuk, 170 dan
185 yang berwarna putih adalah ...
A. 0,1161
B. 0,1170
C. 0,1171
D. 0,1180
9) Berdasarkan soal no. 8 peluang paling sedikit 210 tapi tidak lebih dari
225 yang berwarna putih adalah ...
A. 0,2150
B. 0,2225
C. 0,2010
D. 0,2049
10) Suatu perusahaan farmasi mengatakan bahwa suatu jenis obat dapat
menyembuhkan rata-rata 80% penderita suatu penyakit darah. Untuk
memeriksa kebenarannya pengujian pemerintah mencobakan obat
tertentu pada sampel 100 penderita dan akan memutuskan obat itu baik
bila 75 penderita atau lebih yang sembuh. Peluang bahwa obat itu akan
ditolak padahal peluang sembuh sesungguhnya benar 0,8 adalah ...
A. 0,0838
B. 0,0939
C. 0,1050
D. 0,1161
11) Berdasarkan soal no. 10 peluang bahwa obat itu akan diterima badan
pemerintah padahal peluang sembuh hanya 0,7 adalah ...
A. 0,1620
B. 0,1625
C. 0,1630
D. 0,1635
 SATS4121/MODUL 6 6.29


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 3
Distribusi Eksponensial
P ada Modul 5 Anda telah mempelajari distribusi Poisson. Nah, kali ini
Anda mempelajari distribusi yang masih ada kaitannya dengan distribusi
Poisson, yaitu distribusi eksponensial.
Distribusi eksponensial sering disebut sebagai distribusi waktu.
Peristiwanya sangat erat dengan peristiwa pada distribusi Poisson. Saudara
perlu mengingat bahwa distribusi Poisson digunakan untuk menghitung
jumlah kejadian selama jangka waktu atau selang tertentu. Dalam banyak hal,
jangka waktu atau selang waktu dapat berupa variabel acak. Nah, variabel
acak yang berupa jangka waktu memiliki distribusi eksponensial. Misalnya,
dalam suatu antrian kapal yang berlabuh di suatu dermaga, jumlah
kedatangan kapal mengikuti distribusi Poisson, sedangkan waktu antara
kedatangan kapal mengikuti distribusi eksponensial.
Andaikan Xt mengikuti distribusi Poisson dengan parameter  , dimana
 menyatakan rataan banyaknya kejadian per satuan waktu, maka waktu
sampai kejadian sukses pertama (T1) mengikuti distribusi eksponensial
dengan parameter  yang menyatakan rataan waktu antar kejadian, dimana
1
 . Fungsi dari T1 dapat diturunkan dengan menggunakan fungsi

distribusi Poisson. Xt dalam distribusi Poisson berarti jumlah kejadian sukses
dalam interval t, sementara T1 menyatakan waktu sampai terjadinya sukses
maka T1  t , artinya dalam waktu tersebut tidak ada kejadian sukses,
sehingga:
P T1  t   P  X t  0   et .
T1 disebut sebagai waktu kejadian yang pertama dalam proses Poisson
dan disebut waktu ulang atau waktu antara dua kejadian yang berurutan,
karena kejadian sukses independen dari waktu ke waktu.
Fungsi distribusi kumulatif dari T1 adalah:
F T1   P T1  t   1  e t .
Dari fungsi distribusi kumulatif tersebut dapat diturunkan fungsi distribusi
eksponensial. Dengan mengganti T1 dengan X, distribusi variabel acak X
dinyatakan sebagai berikut.
 SATS4121/MODUL 6 6.31
Variabel acak kontinu X berdistribusi eksponensial dengan parameter  ,
bila fungsi distribusinya diberikan oleh:
 1  x
 e , untuk x  0
f  x   
0
dengan   0.
Rata-rata dan varians distribusi eksponensial adalah:
   dan  2   2 .
Berikut adalah gambar fungsi probability distribution function (pdf) dari

distribusi eksponensial.
Gambar 6.10
Contoh 6.2.
Dari arsip mengenai gempa di San Fransisco, California, selama periode
1836-1961 terdapat 16 gempa yang berskala intensitas VI atau lebih. Jika
kejadian gempa yang berintensitas tinggi demikian diasumsikan mengikuti
distribusi Poisson. Berapa peluang tidak akan terjadi gempa dengan intensitas
setinggi ini dalam 10 tahun mendatang?
Jawab:
Peluang tidak akan terjadi gempa dalam 10 tahun mendatang adalah:
P T1  10  .
P T1  10   1  P T  10 

 1  1  e 10 0,128 
 e 10 0,128
 0, 278
Contoh 6.3.
Andaikan ada 4 mesin diesel yang sama, digunakan sebagai
penggerak utama untuk membangkitkan tenaga listrik serap untuk
sistem pengendalian darurat dari suatu pembangkit tenaga nuklir.
Dalam keadaan darurat diperlukan minimal ada 2 mesin yang
bekerja secara otomatis (jika tidak sistem pendamping tidak bisa
bekerja). Umur operasional mengikuti distribusi eksponensial
dengan rata-rata 15 tahun. Tentukan keandalan sistem pendamping
darurat selama periode 2 tahun?
Jawab:
Keandalan suatu sistem berarti kemampuan sistem untuk bekerja,
dalam hal ini adalah P T  2  .
4
4
P T  2      p n q 4  n
n2 n
n = jumlah mesin, p = kegiatan sukses.

Peluang sukses P T  2   e t .
 1
1    2
 , t = 2 maka P T  2  e 5   0,875
15
4
4
Jadi, P T  2       0,875   0,125   0,993.
n 4n
n2 n
 SATS4121/MODUL 6 6.33
LAT IH A N

1) Misalkan X adalah waktu (response time) suatu terminal komputer online

yang merupakan tenggang waktu antara masuknya suatu permintaan dari
pengguna sampai sistem mulai memberikan tanggapan atas permintaan
tersebut, memiliki suatu distribusi eksponensial dengan waktu tanggap
rata-rata 5 detik. Berapa peluang sebuah perintah tersebut akan
dijalankan selambat-lambatnya setelah 10 detik ?
2) Suatu sistem mengandung sejenis komponen yang daya tahannya dalam
tahun dinyatakan oleh variabel acak X yang berdistribusi eksponensial
dengan rata-rata waktu sampai komponen rusak adalah 5 tahun. Berapa
peluang bahwa suatu komponen tertentu masih akan berfungsi setelah 8
tahun?
3) Misalkan lamanya waktu menelepon memiliki distribusi eksponensial
dengan   0,1 . Jika seseorang segera datang saat Anda selesai
menelepon pada telepon umum. Tentukan peluang:
a. Anda menunggu lebih dari 10 menit.
b. Anda menunggu antara 10 hingga 20 menit.
4) Sebuah swalayan di Bogor memiliki rata-rata kedatangan pengunjung
yang berdistribusi eksponensial sebesar 5,8 setiap 50 menit. Berapa
probabilitas kedatangan pengunjung memiliki selang waktu 15 menit
atau kurang?
1) Diketahui:
 5
x  10
Peluang sebuah perintah akan dijalankan selambat-lambatnya 10 detik
adalah:

1 x 
10
P  X  10    e 5 dx  e 5  0,135
10
5
2) Diketahui:
 5
x8
Peluang bahwa suatu komponen tertentu masih akan berfungsi setelah 8
tahun adalah:

1 x 
8
P  X  8    e 5 dx  e 5  0, 2
8
5
1
3) Ingat bahwa   sehingga,   0,1 berarti bahwa   10 .

Sehingga:
1 101 x

a. P  X  10    e dx  e 1  0,368.
10 10
1
20 1  x
b. P 10  X  20    e 10 dx  e1  e 2  0, 233.
10 10
4) Diketahui:
x  15 menit / 50 menit = 0,3
  5,8
maka P  X  15 menit  adalah:
P  X  x   1  e x
P  X  15  1  e 5,8 0,3  0,8244
R A NG KU M AN
Variabel acak kontinu X berdistribusi eksponensial dengan
parameter  , bila fungsi distribusinya diberikan oleh:
 1  x
 e , untuk x  0
f  x   
0
dengan   0.
Rata-rata dan varians distribusi eksponensial adalah:
   dan  2   2 .
 SATS4121/MODUL 6 6.35
TES F OR M AT IF 3
1) Umur lampu (dinotasikan dengan X) merupakan variabel random yang

memiliki distribusi eksponensial dengan rata-rata   6 bulan.
Probabilitas bahwa umur lampu X lebih dari 8 bulan adalah ....
A. 0,645
B. 0,350
C. 0,264
D. 0,423
2) Di restoran sebuah kota kecil kedatangan pelanggan dapat dianggap

berdistribusi Poisson dengan rata-rata 3,2 pelanggan per 30 menit.
Waktu rata-rata antar kedatangan pelanggan di restoran tersebut
adalah.... menit.
A. 8,75
B. 7,50
C. 10,00
D. 9,39
3) Dari soal no.2 probabilitas bahwa antar kedatangan pelanggan ada selang
1 jam atau kurang adalah ...
A. 0,998
B. 0,780
C. 0, 989
D. 0,675
4) Dari soal no. 2 probabilitas bahwa dua pelanggan datang dengan selang
waktu kedatangan 15 menit atau lebih adalah ...
A. 0,304
B. 0,564
C. 0,202
D. 0,938
5) Dari arsip mengenai gempa di San Fransisco, California, selama periode

1836-1961 terdapat 16 gempa yang berskala intensitas VI atau lebih. Jika
kejadian gempa yang berintensitas tinggi demikian diasumsikan
mengikuti distribusi Poisson. Peluang bahwa gempa-gempa yang
setinggi ini akan terjadi lagi 2 tahun mendatang adalah ....
A. 0,226
B. 0,345
C. 0,203
D. 0,786
6) MATAHARI Dept. Store tengah mengadakan diskon besar-besaran

sehingga kedatangan pengunjung yang berdistribusi eksponensial
meningkat dari biasanya menjadi 8,4 per 35 menit. Probabilitas
kedatangan pengunjung dalam selang waktu 8 menit atau lebih adalah ...
A. 0,285
B. 0,147
C. 0,201
D. 0,125


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 6 6.37
Tes Formatif 1 Tes Formatif 2 Tes Formatif 3

1) D 1) B 1) C
2) B 2) C 2) D
3) D 3) A 3) A
4) A 4) A 4) C
5) D 5) B 5) A
6) D 6) D 6) B
7) B 7) B
8) D 8) C
9) A 9) D
10) C 10) A
11) D
Daftar Pustaka
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor: IPB Press.
Bhattacharyya, G. K. and Johnson, R.A. 1977. Statistical Concepts and

Methods. New York: John Willey.
Freund, J. E. and Perles, B. M. 2007. Modern Elementary Statistics. Prentice

Hall.


Edition. Freeman.

13-204767-8.

Walpole, R. E. 1995. Pengantar Statistika. Jakarta: Gramedia Pustaka

Utama.
Walpole, R. E. dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung : ITB.
Modul 7
Statistika Inferensia: Pendugaan

Dr. Sutikno, M.Si.
PEN D A HU L UA N
S etelah selesai mempelajari distribusi variabel acak, sekarang Anda akan

mempelajari teori tentang pendugaan parameter populasi. Namun,
sebelum ke pendugaan, terlebih dahulu Anda mempelajari distribusi
sampling. Dalam mempelajari materi ini, pemahaman Anda mengenai
distribusi variabel acak sangatlah dibutuhkan. Karena, materi yang akan kita
bahas masih menggunakan konsep-konsep distribusi peluang variabel acak.
Materi pada Modul ini membahas tentang distribusi sampling dan
teorema limit pusat, serta pendugaan parameter populasi yang meliputi rata-
rata (nilai tengah), proporsi, dan varians. Agar bahasan materi dalam modul
ini lebih sistematis, maka Modul 7 ini dibagi ke dalam 4 subpokok bahasan,
yaitu:
1. Distribusi sampling dan teorema limit pusat.
2. Pendugaan titik dan selang : mean.
3. Pendugaan titik dan selang : proporsi.
4. Pendugaan titik dan selang : varians.
Secara khusus, setelah mempelajari modul in 1, diharapkan Anda dapat:

1. Menjelaskan konsep pendugaan.
2. Menjelaskan konsep distribusi sampling.
3. Menjelaskan konsep teorema limit pusat.
4. Menghitung pendugaan titik untuk mean.
5. Menghitung pendugaan selang untuk mean pada sampel besar (σ tidak
diketahui) dan sampel kecil (σ tidak diketahui).
6. Menghitung pendugaan titik untuk proporsi.
7. Menghitung pendugaan selang untuk proporsi.
8. Menghitung pendugaan titik untuk varians.
9. Menghitung pendugaan selang untuk varians.
Pemahaman terhadap modul ini, akan memudahkan Anda dalam

memahami materi-materi yang ada dalam modul selanjutnya.
Kegiatan Belajar 1
Distribusi Sampling dan

Teorema Limit Pusat
A pakah yang dimaksud dengan distribusi sampling? Anda tentu bertanya-

tanya mengenai hal ini, bukan? Untuk memahaminya, mari kita sadari
kembali bahwa saat ini kita sedang berbicara pada ranah statistika inferensia.
Pada ranah ini sesungguhnya proses yang dilakukan berkaitan dengan
generalisasi dan peramalan.
Adanya proses generalisasi atau peramalan menandakan bahwa dalam
konteks ini ada objek yang disebut populasi dan sampel. Tentunya, kita
bekerja dengan data pada ranah sampel untuk kemudian digunakan dalam
menyimpulkan keadaan populasi. Seperti telah kita bahas pada Modul 1,
bahwa populasi dan sampel masing-masing memiliki karakteristik numerik.
Karakteristik numerik dari populasi disebut sebagai parameter dan
karakteristik sampel disebut statistik. Parameter dan statistik ini dapat berupa
rata-rata, varians, simpangan baku, atau proporsi. Lalu apa hubungannya
distribusi sampling dengan statistik?
Saudara, misalnya kita memiliki populasi berukuran 6 yang anggotanya
{A, B, C, D, E, dan F}. Sampel berukuran 3 akan diambil dari populasi
tersebut secara acak. Apa saja kemungkinan-kemungkinan sampel yang dapat
diambil? Tentu Anda dapat menjabarkan berbagai kemungkinan yang dapat
terjadi, karena kita mengambil sampel ini secara acak. Misalnya, Anda
diminta mengambil sampel satu kali dan Anda memperoleh {A, C, D}, lalu
teman Anda diminta mengambil sampel tersebut juga dan diperoleh {A, B,
C}, dan seterusnya. Jika dilakukan pengambilan sampel lagi akan ada banyak
kemungkinan sampel yang dapat terpilih. Seandainya, kita sedang berbicara
mengenai rata-rata, maka rata-rata sampel yang diperoleh akan berbeda-beda
dari satu sampel dengan sampel yang lain. Hal ini menunjukkan bahwa
karakteristik sampel, yakni statistik, nilainya berubah-ubah, akan sangat
bergantung pada sampel yang terambil. Karena nilainya berubah-ubah itulah,
maka statistik merupakan variabel acak yang nilainya bervariasi sesuai
dengan variasi sampel yang terambil.
Suatu variabel acak tentu memiliki distribusi peluang. Nah, karena

statistik itu merupakan variabel acak, maka statistik juga memiliki distribusi
peluang, yang dinamakan distribusi sampling.
Distribusi sampling adalah distribusi peluang dari suatu statistik.
Sebuah distribusi tentu memiliki nilai tengah atau rataan dan juga
keragaman yang dicirikan oleh simpangan baku. Nah, simpangan baku dari
suatu statistik disebut sebagai standar error atau galat baku. Misalnya
statistik yang kita perhatikan adalah rata-rata  X  . Distribusi peluang X
disebut distribusi sampel dari rataan, dan standar error bagi rataan adalah
simpangan baku dari distribusi sampel x .
Simpangan baku distribusi sampel suatu statistik disebut

standard error atau galat baku dari statistik tersebut.
Pertanyaan berikutnya yang menarik untuk dijawab adalah, untuk apa

kita perlu mengetahui distribusi sampling?
Saudara, di awal tadi kita telah ketahui bahwa pada statistika inferensia
yang menjadi fokusnya adalah adanya proses generalisasi mengenai
karakteristik populasi melalui data sampel. Generalisasi ini meliputi
pendugaan dan pengujian hipotesis. Ketidaktahuan kita mengenai parameter
populasi yang sesungguhnya menjadi alasan perlunya kita melakukan
pengukuran terhadap data sampel. Pada saat melakukan generalisasi, karena
data yang digunakan hanya data sampel, yaitu sebagian dari populasi, maka
sudah pasti generalisasi tersebut tidak seratus persen akurat, meskipun sedikit
pasti ada error-nya. Nah, untuk dapat melakukan generalisasi dengan baik
terhadap populasi, pengetahuan mengenai distribusi dari suatu statistik atau
distribusi sampling sangatlah diperlukan. Inilah yang dapat menuntun kita
agar dapat melakukan generalisasi terhadap populasi dengan benar.
Misalnya, dari sebuah populasi berukuran N, dapat diambil sampel
berukuran n1, n2, dan seterusnya. Masing-masing sampel memberikan
statistik tersendiri. Nilai-nilai statistik dari setiap sampel tentu nilainya
bervariasi sehingga statistik tersebut memiliki distribusi. Gambar 7.1 berikut
memberikan gambaran mengenai distribusi sampling.
Gambar 7.1
Distribusi Sampling, sampel dan Populasi
Pada pokok bahasan berikutnya kita akan membahas pendugaan

parameter dan juga pengujian hipotesis. Keduanya adalah proses inferensia
terhadap populasi. Pemahaman mengenai distribusi sampling sangat
diperlukan pada kedua pokok bahasan tersebut.
Penentuan distribusi sampling tergantung pada ukuran populasi, ukuran
sampel, dan bagaimana metode pengambilan sampelnya. Oleh karena itu, ada
beberapa formula mengenai distribusi sampling, yaitu pada saat pengambilan
sampel dengan pengembalian, tanpa pengembalian, apabila ukuran
sampelnya besar (teorema limit pusat), dan apabila ukuran sampelnya kecil.
Pada Kegiatan Belajar 1 ini akan dipelajari distribusi sampling bagi rata-rata
untuk berbagai keadaan tersebut.
A. DISTRIBUSI SAMPLING BAGI RATA-RATA UNTUK

PENGAMBILAN SAMPEL DENGAN PENGEMBALIAN
Ukuran penting dari suatu distribusi adalah rata-rata dan varians-nya atau
simpangan bakunya. Sebagai contoh, misalnya kita memiliki sebuah populasi
berukuran N  4 , dengan data sebagai berikut: 1,2,3,4. Dari populasi
tersebut diambil sampel berukuran n  2 dengan pengembalian. Artinya,
setelah mengambil sampel yang pertama, kemudian data yang terambil
tersebut dikembalikan lagi sehingga ada kemungkinan satu data terambil
berulang kali.
Jika dihitung, nilai rata-rata dan varians populasi dari data tersebut diperoleh
Rata-rata:

x  1  2  3  4  2,50.
N 4
Varians:
 x   
2
2   1, 25.
N
Dari populasi tersebut, berbagai kemungkinan sampel yang dapat diambil
adalah sebagai berikut.
Kemungkinan Sampel Rataan sampel

1 1 1 1
2 1 2 1,5
3 1 3 2
4 1 4 2,5
5 2 1 1,5
6 2 2 2
7 2 3 2,5
8 2 4 3
9 3 1 2
10 3 2 2,5
11 3 3 3
12 3 4 3,5
13 4 1 2,5
14 4 2 3
15 4 3 3,5
16 4 4 4
Rata-rata 2,5
varians 0,67
Ternyata, melalui pengambilan sampel dengan pengembalian, ada 16

kemungkinan sampel yang dapat diambil, dimana masing-masing sampel
memiliki rata-rata. Misalnya sampel ke-1, rata-ratanya adalah x1  1 , sampel
kedua rata-ratanya x2  1,5 , dan seterusnya hingga sampai ke-enambelas.
Dapat Anda lihat bahwa setiap sampel nilai rata-ratanya berbeda. Hal ini
bergantung pada hasil sampling yang diperoleh. Sehingga, nilai-nilai rataan

ini membentuk suatu sebaran tersendiri yang jika dihitung ekspektasi atau
rata-ratanya menjadi x  2,50 dan variansnya  x2  0,63.
Lihat bahwa, nilai rata-rata dari rataan sampel  X  sama dengan rata-
rata populasi, x  .
1, 25  2
Sedangkan, varians dari rataan sampel  x2  0, 63   .
2 n
Kemudian, bentuk distribusi dari X adalah normal, sebagaimana
diperlihatkan pada histogram Gambar 7.2.
Gambar 7.2
Histogram Peluang bagi X dengan Pengembalian
Dari uraian di atas, dapat disimpulkan bahwa jika X berdistribusi normal

dengan rataan  dan varians  2 maka X juga berdistribusi normal dengan
2 
rataan dan varians atau simpangan baku .
n n
Penerapan distribusi sampling ini biasanya untuk menghitung peluang
termbilnya sampel dengan nilai rataan tertentu. Oleh karenanya, informasi

mengenai  x dan  x  diperlukan untuk transformasi menjadi variabel
n
acak baku Z. Agar lebih memahami penerapan distribusi sampling dengan
pengembalian, pelajari Contoh 7.1.
Distribusi Sampling bagi X dengan Pengembalian

Bila semua kemungkinan sampel acak berukuran n yang diambil dengan
pengembalian dari populasi berhingga berukuran N yang mempunyai
rataan  dan simpangan baku  , maka distribusi sampling bagi X
adalah normal dengan espektasi/rataan E  X    x   dan simpangan

baku  x  . Sehingga nilai variabel acak baku z yang bersesuaian
n
adalah:
x 
z .

n
Contoh 7.1.
Bila diberikan populasi 1, 1, 1, 3, 4, 5, 6, 6, 6, dan 7. Hitunglah peluang
bahwa suatu contoh acak berukuran 36, yang diambil dengan pemulihan,
akan menghasilkan nilai tengah yang lebih besar daripada 3,8 tetapi lebih
kecil daripada 4,5 bila nilai tengah itu diukur sampai per sepuluh terdekat.
Jawab:
Karena data dalam populasi tersebut ada yang nilainya sama, maka setiap
nilai memiliki peluang yang berbeda. Sebaran peluang bagi populasi tersebut
dicatat sebagai berikut
X 1 3 4 5 6 7
P  X  x 0,3 0,1 0,1 0,1 0,3 0,1
Nilai ekspektasi atau rata-rata populasi adalah:

E  X     xp  x 
 1 0,3   3 0,1    7  0,1
4
Varians populasi diperoleh:

  4E  X 2    E  X 
2
E  X 2   x 2 p  x 
 1 0,3   9  0,1    49  0,1
 5.
Distribusi sampling bagi rata-rata sampel, x , adalah normal dengan nilai

2 5
tengah x    4 dan varians  x2   . Dengan mengambil akar dari
n 36
 x2 diperoleh simpangan baku x , yaitu  x   x2  0,373. Peluang bahwa
x lebih besar daripada 3,8 tetapi lebih kecil daripada 4,5 diberikan oleh x
luas daerah gelap dalam Gambar 8.3. nilai z padanan x1  3,85 dan
x2  4,45 adalah:
3,85  4
x1   0, 40
0,373
4, 45  4
x2   1, 21.
0,373
Dengan demikian:
P  3,8  x  4,5   P(0, 40  Z  1, 21)
 P  Z  1, 21  P  Z  0, 40 
 0,8869  0,3446
 0,5423.
B. DISTRIBUSI SAMPLING BAGI RATA-RATA UNTUK

PENGAMBILAN SAMPEL TANPA PENGEMBALIAN
Sekarang, bagaimana jika populasi yang beranggotakan nilai-nilai

1,2,3,4 dilakukan pengambilan sampel berukuran n  2 tanpa pengembalian?
Berbagai kemungkinan sampel yang akan terpilih adalah sebagai berikut.
No Sampel Rataan No Sampel Rataan

1 1 2 1,5 7 3 1 2
2 1 3 2 8 3 2 2,5
3 1 4 2,5 9 3 4 3,5
4 2 1 1,5 10 4 1 2,5
5 2 3 2,5 11 4 2 3
6 2 4 3 12 4 3 3,5
rata-rata 2,5
varians 0,42
Melalui pengambilan sampel tanpa pengembalian terdapat 12

kemungkinan sampel yang dapat terpilih dengan rata-rata x  2,50 dan
 x2  0, 42 . Sementara telah kita dapatkan bahwa rata-rata populasi   2, 50
dan  2  1,25 .
Perhatikan bahwa ternyata x    2,50 sedangkan,  x2  0, 42 akan
 2  N  n  1, 25  4  2 
sama dengan      0, 42 . Kemudian, histogram dari
n  N 1  2  4 1 
rataan sampel X juga terlihat mengikuti distribusi normal seperti disajikan
pada Gambar 7.3.
Gambar 7.3
Histogram Peluang bagi X tanpa Pengembalian
Dengan demikian, jika sampel diambil tanpa pengembalian, distribusi

2  N n
X juga menyebar normal dengan rataan  dan ragam   atau
n  N 1 
2  N n
simpangan baku   . Untuk lebih memahami penerapannya,
n  N 1 
pelajari Contoh 7.2.
Distribusi Sampling bagi X tanpa Pengembalian

Bila semua kemungkinan sampel acak berukuran n diambil tanpa
pemulihan dari suatu populasi terhingga berukuran N yang mempunyai
nilai tengah  dan simpangan baku  , maka distribusi sampling bagi
nilai tengah sampel X akan menghampiri sebaran normal dengan nilai
tengah dan simpangan baku:
x  
 N n
x  .
n N 1
Sehingga nilai variabel acak normal baku z yang bersesuaian adalah:
x 
z .
Contoh 7.2  N n
n N 1
Contoh 7.2.
Diberikan sebuah populasi yang terdiri atas nilai-nilai 1, 1, 1, 3, 4, 5, 6, 6, 6,
dan 7. Dari populasi ini diambil semua kemungkinan contoh berukuran 4
tanpa pemulihan, dan untuk setiap contoh yang diperoleh dihitung nilai
tengah contohnya, sehingga diperoleh sebaran penarikan contoh bagi semua
nilai tengah contoh itu. Hitunglah nilai tengah dan simpangan baku bagi
sebaran penarikan contoh itu. Sekurang-kurangnya ¾ di antara semua nilai
tengah contoh itu kita harapkan akan jatuh di antara dua nilai berapa?
Jawab:
Dari Contoh 7.1 diperoleh bahwa   4 dan  2  5 . Ekspektasi atau rataan
dan simpangan baku bagi distribusi sampling X adalah:
 SATS4121/MODUL 7 7.11
E  X   x  4
5 10  4
x   0,91.
4 10  1
Selanjutnya, dengan menerapkan dalil Chebyshev, kita mengharapkan bahwa

sekurang-kurangnya ¾ di antara semua nilai tengah contoh itu akan jatuh
dalam x  2 x  4   2  0,91 selang, atau antara 2,17 dan 5,83.
C. TEOREMA LIMIT PUSAT UNTUK UKURAN SAMPEL BESAR
Dalam kenyataannya, suatu populasi belum tentu berdistribusi normal.

Banyak juga populasi yang tidak diketahui apa distribusinya. Nah, jika kita
berkepentingan untuk mengetahui distribusi sampling bagi rata-rata sampel,
apa yang harus kita lakukan? Sementara itu, sudah jelas bahwa distribusi
sampling diturunkan dari distribusi populasinya.
Dalam kondisi demikian, ada sebuah dalil yang menyatakan bahwa jika
ukuran sampel n besar, maka distribusi x mendekati normal apapun bentuk
distribusi populasinya.
Teorema Limit Pusat

Dalam pengambilan sampel acak dari suatu populasi sembarang dengan
nilai tengah  dan simpangan baku  , jika n besar, maka distribusi X
mendekati normal dengan ekspektasi atau rataan  dan simpangan baku

.
n
x 
Dengan demikian, z  merupakan sebuah nilai bagi variabel acak
/ n
Z ~ N  0;1 .
Teorema limit pusat akan sangat baik hasilnya jika digunakan pada
n  30 , apapun bentuk populasinya. Jika n  30 , hampiran distribusi normal
melalui teorema limit pusat ini baik digunakan hanya jika populasinya
diketahui beristribusi normal atau mendekati normal. Bila populasinya
normal maka X akan tepat menyebar normal betapapun kecilnya ukuran

sampelnya (Walpole, 1995).
Contoh 7.3.
Misalkan bahwa distribusi populasi kekuatan genggaman karyawan-
karyawan industri diketahui mempunyai rata-rata 110 dan simpangan baku
10. Untuk suatu sampel acak dengan 75 karyawan, berapakah peluang bahwa
rata-rata genggaman sampel itu akan:
1. Antara 109 dan 112?
2. Lebih besar dari 111?
Jawab:
Di sini rata-rata dan simpangan baku populasi itu adalah   110 dan
  10 . Ukuran sampel n = 75, tergolong ukuran sampel besar karena lebih
dari 30, sehingga teorema limit pusat meyakinkan bahwa distribusi x

mendekati normal dengan nilai tengah 110 dan simpangan baku  1,155.
n
1. Untuk mendapatkan P 109  x  112  kita ubah menjadi variabel
x  110
normal baku yang bersesuaian, yaitu z .
1,155
109  110
Untuk x1  109 , bersesuaian dengan z   0,866.
1,155
112  110
Untuk x2  112, bersesuaian dengan z   1, 732.
1,155
Maka peluang yang diminta adalah:
P 109  x  112   P  0,866  Z  1, 732 
 0,958  0,193
 0, 765.
 SATS4121/MODUL 7 7.13
2. Dengan cara yang sama, diperoleh:

 111  110 
P  x  111  P  Z  
 1,155 
 P  Z  0,866 
 1  P  Z  0,866 
 1  0,807
 0,193.
D. DISTRIBUSI t
Dalam penelitian sering pula kita jumpai keadaan dimana varians

populasi tempat kita mengambil sampel tidak diketahui. Hal ini akan
x 
bermasalah pada penentuan nilai z  , karena  tidak diketahui.
/ n
Jika demikian, bagaimana cara mengatasinya?
Untuk ukuran sampel yang besar (n  30),  2 dapat diduga dengan s 2
secara baik. Asalkan s 2 tidak terlalu bervariasi dari satu sampel ke sampel
x 
yang lain, maka nilai-nilai masih mendekati distribusi normal baku,
s/ n
sehingga dalil limit pusat masih berlaku. Namun, jika ukuran sampelnya kecil
(n  30) , nilai-nilai s 2 akan sangat bervariasi dari satu sampel ke sampel
x 
yang lain, sehingga nilai-nilai tidak lagi berdistribusi normal baku.
s/ n
x 
Nah, dalam keadaan demikian, nilai-nilai berdistribusi t-student
s/ n
dengan derajat bebas v  n  1 . Distribusi ini menyerupai distribusi normal
yang setangkup di sekitar nilai 0. Untuk n mendekati tak hingga (n  )
kedua sebaran ini menjadi sama. Nilai-nilai peluang distribusi t ini juga telah
diberikan dalam tabel distribusi t, seperti halnya tabel distribusi normal baku.
Mengenai hubungan distribusi t-student dengan distribusi normal dapat
dilihat pada literatur lain, salah satunya Walpole (1995).
Distribusi t
Bila x dan s 2 masing-masing adalah nilai tengah dan ragam suatu contoh
acak berukuran n yang diambil dari suatu populasi normal dengan nilai
tengah  dan ragam  2 , maka:
x 
t
s/ n
Merupakan sebuah nilai peubah acak T yang mempunyai sebaran t dengan
v  n  1 derajat bebas.
Contoh 7.4.
Sebuah produsen bohlam menyatakan bahwa bohlam produksinya mencapai
umur rata-rata 500 jam. Untuk menjaga nilai rata-rata ini, ia menguji 25
bohlam setiap bulan. Bila nilai t yang diperolehnya jatuh antara t0,05 dan
t0,05 ia puas. Kesimpulan apa yang ditariknya bila ia memperoleh nilai tengah
x  518 jam dan simpangan baku s  40 jam? Asumsikan bahwa umur
bohlam itu menyebar normal.
Jawab:
Dari distribusi t, kita mendapatkan bahwa t0,05  1,711 untuk derajat bebas
v  24. Dengan demikian, produsen itu puas bila contoh bohlam itu
menghasilkan nilai t antara -1,711 dan 1,711 bila   500 , maka:
518  500
t  2, 25.
40 / 25
Suatu nilai yang jauh di atas 1,711. Peluang mendapatkan nilai t untuk
  24 yang sama atau lebih besar dari 2,25 kurang lebih adalah 0,02? Bila
  500 maka nilai t yang diperoleh tersebut akan lebih wajar. Dengan
demikian, dalam kasus ini, produsen itu akan menyimpulkan bahwa bohlam
produksinya ternyata lebih baik yang disangkanya.
Demikianlah berbagai kondisi dari formulasi distribusi sampling bagi
rata-rata. Dalam penggunaannya untuk menyelesaikan permasalahan Anda
mesti dapat mengidentifikasi formula mana yang harus digunakan.
Pemahaman terhadap materi ini merupakan fondasi penting untuk
mempelajari materi pendugaan parameter.
 SATS4121/MODUL 7 7.15
LAT IH A N

1) Sebuah penelitian terbaru mengenai upah per jam anggota kru
pemeliharaan untuk maskapai penerbangan menunjukkan rata-rata upah
per jam adalah $20,50 dengan simpangan baku $3,50. Asumsikan
distribusi upah per jam mengikuti distribusi normal. Jika diambil 10
anggota kru secara acak sebagai contoh, berapakah ekspektasi dari
rataan sampel dan standard error-nya?
2) Untuk soal no. 1, berapakah peluang rata-rata upah per jamnya lebih dari
$23?
3) Untuk soal no. 1, berapakah peluang rata-rata upah per jamnya kurang
dari $23?
4) Untuk soal no. 1, berapakah peluang rata-rata upah per jamnya antara
$17 sampai $23?
5) Bila standar error rata-rata untuk distribusi sampling bagi sampel
berukuran 36 yang diambil dari populasi tak hingga adalah 2, berapa
ukuran sampel itu harus ditingkatkan agar standard error-nya berkurang
menjadi 1,2?
1) Diketahui:
  20,50
n  10
x  upah per jam
 N  20,50;3,50 
E  x    x    20,50
karena x berdistribusi normal, maka berlaku Teorema Limit Pusat.
 2  3,50 
2
Sehingga varians  x    x 
2
  1, 225.
n 10
2) P (rata-rata upah per jam > 23)

 P  x  23
 23  20,50 
 PZ  
 3,50 / 10 
 P  Z  2, 26 
 1  P  Z  2, 26 
 1  0,9881
 0, 0119.
3) P (rata-rata upah per jam < 23)
 P  x  23
 P  x  23
 P  Z  2, 26 
 0,9881.
4) P(rata-rata upah antara 17 sampai 23)
 P 17  x  23
 23  20,50 23  20,50 
 P Z 
 3,50 / 10 3,50 / 10 
 P  3,16  Z  2, 26 
 P  Z  2, 26   P  Z  3,16 
 0,9881  0, 0008
 0,9873.
5) Diketahui:
n  36   x  2
n=⋯?→ σ_x ̅ =1,2
Karena populasi tak hingga, dan n > 30, maka berlaku Teorema Limit
Pusat. Sehingga, standard error x adalah:
 
x  2
n 36
12
Untuk  x  1, 2  1, 2 
n
n  10
n  100
 SATS4121/MODUL 7 7.17
R A NG KU M AN
Kondisi populasi dan sampel Distribusi sampling X

 Populasi normal dengan nilai tengah  X berdistribusi normal
dan varians  2 . dengan:
 Sampel diambil dengan pengembalian x 
z

n
 Populasi normal dengan nilai tengah  X berdistribusi normal
dan varians  2 . dengan:
 Sampel diambil tanpa pengembalian. x 
z
 N n
n N 1
 Apapun sebaran populasinya. (Teorema limit pusat)

 Ukuran sampel besar X berdistribusi normal
atau dengan:
 Ukuran sampel kecil, namun x 
z
populasinya normal. 
n
 Populasi normal dengan nilai tengah  (Teorema limit pusat)
dan varians tidak diketahui. X berdistribusi normal
 Ukuran sampel besar (n  30) dengan dengan:
rataan x dan simpangan baku s. x 
z
s
n
 Populasi normal dengan nilai tengah  X berdistribusi t-student
dan varians tidak diketahui. dengan:
 Ukuran sampel kecil (n  30) dengan x 
t
rataan x dan simpangan baku s. s/ n
derajat bebas v  n  1
TES F OR M AT IF 1
1) Suatu populasi terdiri dari empat bilangan {2, 4, 6, 8}, kita ambil sampel
random berukuran 2 dari populasi itu (dengan pengembalian). Nilai
tengah distribusi sampling x sama dengan ....
A. 4
B. 5
C. 6
D. 7
2) Lihat soal no. 1. Simpangan baku distribusi sampling x adalah ....

A. 1,06
B. 1,73
C. 2,47
D. 2,83
3) Pandang sampel random dari suatu populasi dengan nilai tengah 550 dan
simpangan baku 70. Maka nilai tengah dan simpangan baku x untuk
ukuran sampel 16 adalah ....
A. 500 dan 15,3
B. 500 dan 16,7
C. 550 dan 17,5
D. 550 dan 18,7
4) Lihat soal no. 3. Nilai tengah dan simpangan baku x untuk ukuran
sampel 160 adalah ....
A. 550 dan 4,2
B. 550 dan 5,5
C. 600 dan 3,7
D. 600 dan 5,2
5) Berat buah apel dalam suatu pohon berdistribusi normal dengan nilai
tengah 0,32 pound dan simpangan baku 0,08 pound. Jika satu apel
dipilih secara random, maka peluang bahwa beratnya antara 0,28 dan
0,34 pound adalah ....
A. 0,2103
B. 0,2902
C. 0,3212
D. 0,3907
 SATS4121/MODUL 7 7.19
6) Lihat soal no. 5. Jika x menunjukkan berat rata-rata sampel random

dengan 4 apel, maka peluang x antara 0,28 dan 0,34 pound adalah....
A. 0,4312
B. 04721
C. 0,5328
D. 0,6721
7) Suatu sampel random berukuran 150 diambil dari suatu populasi yang
mempunyai nilai tengah 60 dan simpangan baku 8. Distribusi populasi
itu tidak normal. Peluang bahwa x akan terletak antara 59 dan 61
adalah....
A. 0,8217
B. 0,8972
C. 0,9092
D. 0,9036
8) Lihat soal no. 7. Peluang bahwa x akan lebih besar dari 62 adalah ....
A. 0,8007
B. 0,8212
C. 0,8740
D. 0,9036
9) Pandang suatu sampel random berukuran n = 100 dan suatu populasi

yang mempunyai simpangan baku σ = 20. Peluang bahwa nilai tengah
sampel akan terletak dalam 2 unit dari nilai tengah populasinya, yakni
P  2  x    2 sama dengan ....
A. 0,5998
B. 0,6113
C. 0,6826
D. 0,7442
10) Lihat soal no. 9. Nilai k adalah P  k  x    k   0,90 adalah....

A. 2,02
B. 2,32
C. 2,71
D 3,29


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 7 7.21
Kegiatan Belaj ar 2
Pendugaan Titik dan Selang:Rata-rata
M ateri tentang distribusi sampling yang Anda pelajari pada Kegiatan

Belajar 1 sangat berguna dalam pendugaan parameter. Adapun materi
pendugaan yang dibahas pada Kegiatan Belajar 2 ini adalah pendugaan bagi
rata-rata.
Sebagaimana telah disebutkan sebelumnya bahwa dalam statistika
inferensia tujuan utamanya adalah melakukan generalisasi terhadap populasi,
salah satunya yaitu pendugaan. Penduga bagi parameter populasi ini ada dua
macam, yaitu penduga titik dan penduga selang. Penduga titik berupa sebuah
nilai, sedangkan penduga selang berupa interval nilai. Penduga ini kita
dapatkan dari data sampel yang kita ambil dari populasi. Konsep mengenai
pendugaan ini adalah sebagai berikut.
Suatu sampel acak x1 , x2, , xn dari n sampel memiliki dugaan titik yang
dengan dinyatakan dengan :
n
x x  x2  ...  xn
x  i  1
i 1 n n
Pendugaan selang rata-rata μ terdiri dari 2 jenis yaitu sampel besar (σ
diketahui) dan sampel kecil (σ tidak diketahui). Pada σ diketahui, maka
 2 
distribusi sampling x mengikuti distribusi sampling N   ,  atau
 n 
x 
Z ~ N (0,1) .
/ n
Pada distribusi normal standard,
P(Z / 2  Z  Z / 2 )  (1   )100%
maka:
x 
P (  Z / 2    Z / 2 )  (1   )100%
/ n
 
P ( x  Z / 2    x  Z / 2 )  (1   )100%.
n n
Sehingga didapatkan penduga selang:
 
x  Z / 2    x  Z / 2 .
n n
σ σ
x  Z α/2 merupakan batas bawah dan x  Z α/2 merupakan batas
n n
atas. Selisih antara rata-rata populasi dan penduga titik rata-rata adalah error.
Dengan sampel yang berbeda maka akan menghasilkan banyak kemungkinan

seperti pada Gambar 7.4.
Gambar 7.4.
Penduga Selang pada Distribusi Normal dengan Sampel yang Berbeda-beda
Jika x adalah rata-rata dari sampel acak n yang diambil dari populasi
dengan ragam σ2 diketahui, maka penduga selang (1-α)100% untuk μ
adalah
 
x  Z / 2    x  Z / 2
n n
Dimana z /2 adalah nilai peluang atau luasan pada kurva normal  2.
 SATS4121/MODUL 7 7.23
Apabila  tidak diketahui maka dapat diduga dengan simpangan baku

sampel atau s. Distribusi yang digunakan adalah distribusi t-student dengan
derajat bebas n-1.
x-μ
T= .
s/ n
Pada distribusi t-student,
P(t / 2  T  t / 2 )  (1   )100%
maka:
 x  
P  t / 2   t / 2   (1   )100%
 s/ n 
 s s 
P  x  t / 2    x  t / 2   (1   )100%.
 n n
s s
x  t / 2    x  t / 2 .
n n
Jika x dan s adalah rata-rata dan simpangan baku dari sampel acak n
yang diambil dari populasi dengan ragam  2 tidak diketahui, maka
penduga selang (1-α)100% untuk μ adalah:
s s
x  t / 2, n 1    x  t / 2, n 1
n n
Dimana t / 2 adalah nilai peluang atau luasan pada kurva distribusi
t-student α/2 dengan derajat bebas n-1.
Gambar 7.5.
Penduga Selang proporsi pada Distribusi t-Student
Contoh 7.5.
Data berat badan 10 sampel ayam adalah sebagai berikut:
Tabel 7.1
Data Berat Badan 10 sampel ayam
No Berat badan
1 2,50
2 2,60
3 2,50
4 2,29
5 2,30
6 2,22
7 2,12
8 2,45
9 2,50
10 2,43
Hitunglah penduga titik dan selang untuk rata-rata berat badan untuk populasi
ayam dengan   5%!
 SATS4121/MODUL 7 7.25
1. Penduga titik:
10
xi 2,50  2, 60  ...  2, 43
x    2,391
i 1 10 10
2. Penduga selang:
Karena σ diketahui, yaitu 0,8 maka penduga selang adalah sebagai
berikut:
 
x  Z / 2    x  Z / 2
n n
0,8 0,8
2,391  1,96    2,391  1,96
10 10
2,138    2, 644.
Batas bawah dan batas atas tersebut menunjukkan bahwa dugaan rata-
rata berat badan ayam adalah antara 2,138 hingga 2,644.
LAT IH A N

1) Suatu sampel acak 10 rokok merek tertentu mempunyai rata-rata kadar
nikotin x  5 mg dan simpangan baku sampel 2 mg. Dapatkan penduga
selang (selang kepercayaan) 90% rata-rata kadar nikotin tersebut!
2) Nilai tengah nilai Matematika sampel acak 36 mahasiswa tingkat
sarjana, masing-masing 2,6. Hitunglah selang kepercayaan 95% dan 99%
untuk rataan nilai matematika semua mahasiswa tingkat sarjana. Anggap
bahwa simpangan baku populasinya adalah 0,3.
3) Berapa besar sampel yang diperlukan pada soal No 2 bila ingin percaya
95% bahwa dugaan untuk μ meleset kurang dari 0,05?
4) Tujuh botol yang mirip masing-masing berisi asam sulfat 9,8, 10,2, 10,4,
9,8, 10,0, 10,2, dan 9,6 liter. Carilah selang kepercayaan 95% untuk nilai
tengah isi botol semacam itu bila distribusinya dianggap hampir normal.
1) Diketahui:
n  10
x 5
s2

Tentukan selang kepercayaan 90% bagi  ,   10%,  0,05.
2
Jawab:
Karena n  30 dan σ tidak diketahui, gunakan t.
s
x  t
; n 1 n
2
2
5  t0,05;9
10
5  1,833 0, 632 
5  1,159
Sehingga, selang kepercayaan 90% bagi μ adalah:
3,841    6,159.
2) Penduga titik untuk μ ialah x  2, 6 . Nilai z yang luas di sebelah

kanannya 0,025, jadi luas sebelah kirinya sebesar 0,975, adalah
z0,025  1,96 . Jadi selang kepercayaan 95% adalah:
 0,3   0,3 
2, 6  1,96       2, 6  1,96   
 36   36 
Yang dapat disederhanakan menjadi:
2,50    2, 70.
Untuk mencari selang kepercayaan 99%, carilah nilai z sehingga di
sebelah kanannya terdapat luas sebesar 0,005 atau 0,995 di sebelah
kirinya. Menurut Tabel t z0,005  2,575 dan selang kepercayaan 99%
yang dicari adalah:
 0,3   0,3 
2, 6   2,575       2, 6   2,575   
 36   36 
Atau, bila disederhanakan:
2, 47    2, 73.
 SATS4121/MODUL 7 7.27
3) Simpangan baku populasi σ = 0,3. Maka, menurut Teorema 7.2

 1,96  0,3 
2
n   138,3.
 0, 05 
Jadi, dengan kepercayaan 95% sampel acak ukuran 139 akan
memberikan taksiran x yang perbedaannya dengan μ kurang dari 0,05.
4) Nilai tengah dan simpangan baku sampel di atas adalah:

x  10, 0 dan s  0, 283
Dari Tabel t diperoleh t0,025  2, 447 untuk derajat kebebasan v  6.
Jadi selang kepercayaan 95% untuk μ adalah:
 0, 283   0, 283 
10, 0   2, 447       10, 0   2, 447   
 7   7 
Yang, bila disederhanakan, menjadi:
9, 74    10, 26.
R A NG KU M AN
Dugaan titik rata-rata  adalah :

n
x x  x  ...  xn
x  i  1 2
i 1 n n
Dugaan selang bagi  :
 Sampel besar (σ diketahui) :
 
x  Z / 2    x  Z / 2 .
n n
 Sampel kecil (σ tidak diketahui) :
s s
x  t / 2, n 1    x  t / 2, n 1 .
n n
TES F OR M AT IF 2
1) Penduga selang dengan n  30 dapat didekati dengan distribusi ....

A. t-student
B. normal
C. eksponensial
D. log normal
2) Sejumlah data sulfuric acid adalah sebagai berikut 9,8; 10,2; 10,4; 9,8;
10; 10,2; dan 9,6 liter. Penduga titik rata-ratanya adalah.....
A. 8,71
B. 3,58
C. 10,00
D. 9,00
3) Dengan mengasumsikan data pada no. 2 mengikuti distribusi normal,

95% penduga selang rata-rata data tersebut adalah....
A. antara 9,8 dan 10,26
B. antara 10,7 dan 10,26
C. antara 9,7 dan 10,26
D. antara 9,7 dan 10,00
4) Suatu data volume sampah selama 31 hari memiliki rata-rata 137,496 m3.
Sementara itu, simpangan baku populasi adalah 7,09. 90% penduga
selang rata-rata volume sampah adalah....
A. antara 135,3949 dan 139,5971 m3
B. antara 135,3949 dan 140 m3
C. antara 135,3349 dan 139,6571 m3
D. antara 136 dan 139,6571 m3
5) Suatu perusahaan listrik yang membuat bola lampu yang panjang

umurnya berdistribusi hampir normal dengan simpangan baku 40 jam.
Bila sampel 30 bola lampu berumur rata-rata 780 jam. Selang
kepercayaan 96% untuk rataan populasi bola lampu yang dihasilkan
perusahaan adalah....
A. 765    795
B. 767    797
 SATS4121/MODUL 7 7.29
C. 770    790
D. 778    793
6) Sarapan teratur sereal yang diberi pemanis sebelumnya menyebabkan

kerusakan gigi, sakit jantung, dan penyakit lainnya menurut penelitian
yang dilakukan oleh Dr. W. H. Bowen dari Institut Kesehatan Nasional
dan Dr. J. Yudhen, Profesor Nutrisi dan Diet di Universitas London.
Dalam suatu sampel acak 20 porsi yang sama Alpha-Bits (sejenis sereal)
rata-rata kadar gulanya 11,3 gr dengan simpangan baku 2,45 gr. Bila
dimisalkan bahwa kadar gula berdistribusi normal, selang kepercayaan
95% untuk rataan kadar gula berdistribusi normal adalah....
A. 9, 45    11,95
B. 10, 00    12, 45
C. 10,15    12, 45
D. 10, 45    13, 00
7) Sebuah mesin menghasilkan potongan logam yang berbentuk silinder.

Sampai beberapa potongan diukur dan ternyata diameternya 1,01; 0,97;
1,03; 1,04; 0,99; 0,98; 0,99; 1,01; dan 1,03 cm. Selang kepercayaan 99%
untuk rataan diameter potong yang dihasilkan mesin tersebut bila
dimisalkan distribusinya hampir normal adalah....
A. 0,978    1, 003
B. 0,978    1, 033
C. 0,989    1, 044
D. 0,999    1, 055
8) Sampel acak 8 batang rokok merek tertentu mempunyai kadar nikotin

rata-rata 2,6 mg dengan simpangan baku 0,9 mg. Selang kepercayaan
99% untuk kadar nikotin rata-rata sesungguhnya rokok merek tersebut,
jika anggap distribusinya hampir normal adalah....
A. 1, 49    3, 71
B. 1,52    3,82
C. 1,57    3,88
D. 1,58    3,89
9) Sampel acak 12 paku penjepit gunting besar diambil untuk meneliti

kekerasan Rockwell kepala paku tersebut. Kekerasan Rockwell kedua
belas kepala paku diukur dan pengukuran menghasilkan nilai rata-rata
48,50 dengan simpangan baku sampel 1,5. Bila dimisalkan pengukuran
berdistribusi normal, selang kepercayaan 90% untuk rataan kekerasan
Rockwell adalah....
A. 42, 722    44, 278
B. 47, 722    49, 278
C. 48, 722    50, 278
D. 49, 722    51, 278
10) Sampel acak 12 lulusan suatu sekolah sekretaris mengetik rata-rata 79,3
kata per menit dengan simpangan baku 7,8 kata per menit. Anggap
jumlah kata yang diketik per menit berdistribusi normal, selang
kepercayaan 95% untuk rata-rata jumlah kata yang diketik per menit
oleh semua lulusan sekolah adalah....
A. 68,99    80, 26
B. 70,11    81, 26
C. 71,33    83, 26
D. 74,34    84, 26


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 7 7.31
Kegiatan Belajar 3
Pendugaan Titik dan Selang: Proporsi
S elain rata-rata, parameter lainnya yang juga sangat penting untuk

menggambarkan populasi dan sering dijumpai kasusnya dalam bidang-
bidang terapan adalah proporsi. Pendugaan titik bagi proporsi mengikuti
kejadian distribusi Binomial yang identik dengan kejadian sukses dan gagal.
Distribusi Binomial memiliki parameter p yang menyatakan peluang
kejadian sukses. Dalam pembahasan kali ini, peluang tersebut dinamakan
proporsi. Pendugaan titik proporsi adalah:
x
pˆ  .
n
Dimana x adalah jumlah kejadian sukses yang diinginkan pada sampel dan n
adalah jumlah sampel. Nilai proporsi berkisar antara 0 dan 1.
Dengan cara yang sama seperti pada pendugaan rata-rata , maka
perhitungan pendugaan selang proporsi p adalah sebagai berikut:
pˆ  p
P ( z / 2   z / 2 )  (1   )100%
pˆ (1  pˆ ) / n
 pˆ (1  pˆ ) pˆ (1  pˆ ) 
P  pˆ  z / 2  p  pˆ  z / 2   (1   )100%.
 n n 
pˆ (1  pˆ ) pˆ (1  pˆ )
pˆ  z / 2  p  pˆ  z / 2 .
n n
pˆ (1  pˆ )
Margin error-nya adalah z / 2 .
n
Jika p̂ adalah proporsi kejadian sukses dari sampel acak n dan

qˆ  1  pˆ , maka penduga selang 1   100% untuk p sebagai
parameter distribusi Binomial adalah:
pˆ (1  pˆ ) pˆ (1  pˆ )
pˆ  z / 2  p  pˆ  z / 2
n n
Dimana z /2 adalah nilai peluang atau luasan pada kurva normal α/2.
Gambar 7.6
Penduga Selang Proporsi pada Distribusi Normal Standard
Contoh 7.6.
Seperti pada Contoh 7.5, hitunglah penduga titik dan selang untuk proporsi
berat badan ayam yang lebih dari 2,4 kg. Jumlah sampel telah diketahui yaitu
n  10 . Gunakan   5%.
Jawab:
1. Terdapat 6 ayam yang memiliki berat badan lebih dari 2,4 kg, sehingga
penduga titiknya adalah:
X 6
pˆ    0,6.
n 10
 SATS4121/MODUL 7 7.33
2. Penduga selang:
pˆ (1  pˆ ) pˆ (1  pˆ )
pˆ  z / 2  p  pˆ  z / 2
n n
(0, 6)(0, 4) (0, 6)(0, 4)
0.6  1,96  p  0, 6  1,96
10 10
0, 296  p  0,904.
Batas bawah dan batas atas tersebut menunjukkan bahwa proporsi ayam
yang memiliki berat badan lebih dari 2,4 kg adalah antara 0,296 dan
0,904. Dengan kata lain, terdapat sejumlah 29,6% hingga 90,4% ayam
memiliki berat badan lebih dari 2,4 kg. Ilustrasinya disajikan pada
Gambar 7.7.
Gambar 7.7
Penduga selang bagi Proporsi Data Berat-Badan Ayam
Dalam pendugaan parameter sesungguhnya kita tidak mengetahui

dimana letak parameter tersebut. Bila proporsi populasi p, berada tepat di
tengah selang kepercayaan 1   100% maka p̂ menduga p tanpa error.
Tapi, yang sering dijumpai adalah kondisi dimana p̂ tidak akan tepat sama
dengan p dan dugaan titik meleset (mempunyai error). Nah, besarnya error
ini sama dengan selisih positif antara p̂ dan p, dan dengan kepercayaan
1   100% ˆ ˆ / n.
selisih ini akan lebih kecil dari z / 2 pq
Bila p̂ dipakai sebagai penduga p, galatnya akan lebih kecil daripada

ˆ ˆ / n dengan kepercayaan 1   100%.
z / 2 pq
Kemudian, hal yang menarik untuk dikaji adalah penentuan ukuran

sampel yang baik untuk menduga proporsi populasi ini. Terkait dengan
kondisi di atas, berapa besarkah sampel yang diperlukan agar terjamin bahwa
galat dalam menduga p tidak melebihi suatu besaran tertentu g. Menurut
ˆ ˆ / n  g.
formula di atas, ini berarti n harus dipilih agar z / 2 pq
Bila p̂ dipakai sebagai taksiran p, maka dengan kepercayaan

1   100% galat akan lebih kecil dari besaran tertentu g bila ukuran
ˆˆ
z2 / 2 pq
sampel sebesar n  2
.
g
Namun, formula tersebut agak membingungkan karena untuk

menentukan ukuran sampel n digunakan p̂ , padahal p̂ dihitung dari sampel.
Bila p dapat diduga secara kasar tanpa mengambil sampel maka dugaan ini
dapat dipakai untuk menentukan n. Bila ini tidak tersedia atau tidak dapat
dilakukan, maka ambil sampel pendahuluan berukuran n  30 untuk
ˆˆ
z 2 pq
menduga p. Kemudian, dengan menggunakan formula n   / 22 , dapat
g
ditentukan perkiraan besarnya sampel yang diperlukan agar derajat ketepatan
yang diinginkan tercapai. Sekali lagi, semua nilai pecahan n agar dibulatkan
ke bilangan bulat yang lebih besar terdekat. Untuk lebih memahami konsep
ini, pelajari soal-soal latihan.
Saudara, terkadang tidak praktis mencari dugaan p untuk digunakan
dalam menentukan ukuran sampel n pada suatu taraf kepercayaan tertentu.
Bila ini terjadi, batas atas untuk n dapat diperoleh dengan menyadari bahwa
ˆ ˆ  pˆ 1  pˆ   1/ 4 , karena p̂ terletak antara 0 dan 1. Ini dapat dibuktikan
pq
dengan melengkapi bentuk kuadrat. Jadi,
1  1
pˆ 1  pˆ     pˆ 2  pˆ     pˆ 2  pˆ  
4  4
2
1  1
  pˆ   .
4  2
Yang selalu lebih kecil dari ¼ kecuali bila p  1/ 2 yang mengakibatkan
ˆˆ
z2 / 2 pq
ˆ ˆ  1 / 4 . Jadi, bila dimasukkan pˆ  1/ 2 pada rumus n 
pq 2
. Padahal,
g
 SATS4121/MODUL 7 7.35
sesungguhnya, p cukup berbeda dengan ½ , maka tentunya n akan melebihi

dari yang diperlukan untuk taraf kepercayaan yang ditetapkan dan sebagai
akibatnya taraf kepercayaan yang diperoleh akan meningkat (Walpole, 1995).
Untuk memahami lebih dalam, pelajari soal-soal latihan.
Bila p̂ dipakai sebagai penduga p, maka dengan kepercayaan paling

sedikit 1   100% error akan lebih kecil dari besaran tertentu g bila
ukuran sampel:
z2 / 2
n .
4g 2
Ilustrasi mengenai kedua formula ini ada di soal latihan. Dari Latihan No 2
dan Latihan No 3, terlihat bahwa dugaan mengenai p, yang diperoleh dari
sampel pendahuluan atau pun mungkin dari pengalaman masa silam, dapat
dipakai untuk menarik sampel yang lebih kecil dengan tetap
mempertahankan taraf ketelitian semula.
LAT IH A N

1) Pada suatu sampel acak n  500 keluarga yang memiliki pesawat
televisi di kota Hamilton, Kanada, ditemukan bahwa x  340 memiliki
TV berwarna. Carilah selang kepercayaan 95% untuk proporsi
sesungguhnya dari keluarga yang memiliki TV berwarna di kota
tersebut.
2) Berapa besarkah diperlukan sampel pada soal no. 1 agar dugaan p
meleset kurang dari 0,02 dengan kepercayaan 95%?
3) Berapa besarkah sampel yang diperlukan pada soal no. 1 agar kita yakin
paling sedikit 95% bahwa nilai dugaan p yang dihasilkan berada dalam
jarak sebesar-besarnya 0,02?
4) Manajer marketing hendak menyelidiki produk minuman apa yang
paling diminati konsumen. Jumlah konsumen pada tahun 2011 adalah
sekitar 1 juta. Kedua jenis produk di antaranya minuman rasa lemon dan
stroberi. Hasil riset pasar terhadap 250 responden menghasilkan data

bahwa 145 di antaranya menyukai rasa stroberi dan sisanya menyukai
rasa lemon. Berapa persen dugaan konsumen yang menyukai rasa
lemon? Gunakan α=20%!
340
1) Penduga titik untuk p ialah pˆ   0, 68 . Dari tabel normal baku
500
diperoleh z0,025  1,96 . Jadi, selang kepercayaan 95% untuk p adalah:
 0, 68 0,32   0, 68  0,32 
0, 68  1,96  p  0, 68  1,96
500 500
Yang, bila disederhanakan akan menjadi:
0, 64  p  0, 72.
Bila p berada tepat di tengah selang kepercayaan 1   100% maka
pˆ, menaksir p tanpa galat. Tapi, biasanya, p̂ tidak akan tepat sama
dengan p dan taksiran titik meleset (mempunyai galat). Besarnya galat
sama dengan selisih positif antara p̂ dan p, dan dengan kepercayaan
1   100% ˆ ˆ / n.
selisih ini akan lebih kecil dari z / 2 pq
2) Anggaplah ke-500 keluarga sebagai sampel pendahuluan yang
memberikan dugaan pˆ  0,68. Maka, ukuran sampel yang diperlukan
adalah:
ˆ ˆ 1,96   0, 68  0,32 
2
z2 / 2 pq
n   2.090.
g2  0, 02 
2
Jadi, bila dugaan p didasarkan atas sampel acak ukuran 2.090 maka
proporsi sampel tidak akan berbeda lebih dari 0,02 dengan proporsi
sesungguhnya, dengan kepercayaan 95%.
3) Dengan kepercayaan paling sedikit 95% proporsi sampel yang kita
peroleh tidak akan berbeda dari proporsi sesungguhnya melebihi 0,02
bila kita memilih ukuran sampel:
1,96 
2
z2 / 2
n 2   2.401.
4  0, 02 
2
4g
 SATS4121/MODUL 7 7.37
4) Diketahui:
n  250
x  145  yang menyukai rasa stroberi  .
a. Dugaan proporsi orang yang menyukai rasa stroberi:
x 145
pˆ    0,58.
n 250
b. Dugaan proporsi orang yang menyukai rasa lemon:
qˆ  1  pˆ  1  0,58  0,42.
Jadi, orang yang menyukai rasa lemon = 42%.
Selang kepercayaan bagi rata-rata orang yang menyukai rasa lemon.
ˆˆ
pq
qˆ  Z 
2 n
 0,58 0, 42 
0, 42  Z 0,025
250
0, 42  1,96  0, 0098  .
R A NG KU M AN
Dugaan titik proporsi p adalah:

x
pˆ  .
n
Dugaan selang bagi proposi p:
pˆ (1  pˆ ) pˆ (1  pˆ )
pˆ  z / 2  p  pˆ  z / 2 .
n n
TES F OR M AT IF 3
1) Penduga selang proporsi dengan n  30 dapat didekati dengan

distribusi ....
A. Weibull
B. normal
C. eksponensial
D. log normal
10; 10,2; dan 9,6 liter. Penduga titik proporsi sulfuric acid yang lebih
dari 10 adalah....
A. 3/10
B. 3/7
C. 3
D. 4/10
3) Dengan mengasumsikan data pada no. 2 mengikuti distribusi normal,

95% penduga selang proporsi tersebut adalah....
B. antara 3 dan 10
C. antara 3 dan 7
4) Suatu sampel acak 200 pemilih diambil dan ternyata 114 dari padanya
mendukung calon A. Selang kepercayaan 96% untuk proporsi populasi
pemilih yang mendukung calon A adalah....
A. 0, 298  p  0, 442
B. 0,398  p  0,542
C. 0, 498  p  0, 642
D. 0,598  p  0, 742
5) Apa yang dapat dikatakan mengenai kemungkinan besarnya galat

dengan kepercayaan 96% bila taksiran proporsi pemilih yang
mendukung calon A diambil 0,57?
A. Galat/error  0, 072
B. Galat/error  0, 074
 SATS4121/MODUL 7 7.39
C. Galat/error  0, 075
D Galat/error  0, 077
6) Suatu sampel acak 500 perokok diambil dan 86 daripadanya ternyata

lebih menyukai merek X. Selang kepercayaan 90% untuk proporsi
populasi perokok yang lebih menyukai merek X adalah....
A. 0,1442  p  0,1998
B. 0,1552  p  0, 2010
C. 0,1662  p  0, 2310
D. 0,1772  p  0, 2020
7) Apa yang dapat dikatakan mengenai kemungkinan besarnya galat/error

dengan kepercayaan 90% bila taksiran proporsi perokok yang lebih
menyukai merek X diambil 0,172?
A. Galat/error ≤ 0,0178
B. Galat/error ≤ 0,0278
C. Galat/error ≤ 0,0378
D. Galat/error ≤ 0,0478
8) Dari suatu sampel acak 1000 rumah di suatu kota ternyata 228
menggunakan gas Elpiji. Selang kepercayaan 99% untuk proporsi rumah
di kota tadi yang menggunakan gas Elpiji adalah....
A. 0,193 < p < 0,260
B. 0,194 < p <0,262
C. 0,195< p <0,260
D. 0,196< p <0,262
9) Selang kepercayaan 98% untuk proporsi hasil yang cacat pada suatu
proses bila ditemukan 8 yang cacat dalam sampel ukuran 100 adalah....
A. 0,014 < p < 0,139
B. 0,015 < p < 0,140
C. 0,016 < p < 0,141
D. 0,017 < p < 0,143
10) Berapakah sampel yang diperlukan pada soal 1 agar proporsi sampel
berjarak paling jauh 0,02 dari proporsi sesungguhnya populasi pemilih
dengan kepercayaan 96%?
A. 2.115
B. 2.576
C. 2.666
D. 2.793


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 7 7.41
Kegiatan Belajar 4
Pendugaan Titik dan Selang: Varians
S elain rata-rata dan proporsi, parameter populasi lainnya yang sangat

penting untuk diketahui adalah varians. Penduganya juga dapat berupa
penduga titik dan penduga selang.
Untuk sampel berukuran n, misalnya x1 , x2 , , xn , maka penduga titik
bagi varians adalah:
n
xi  x 2
s2  
i 1
n 1
Metode pendugaan selang untuk ragam sama seperti pendugaan selang rata-
rata, yaitu dengan menurunkan distribusi sampling untuk s2 sebagai penduga
 2.
 xi  x 
2
n
s 2
i 1 n 1
atau
n
(n  1) s 2    xi  x  .
2
i 1
Jika X mengikuti distribusi N (m,  2 ) maka:

n
x  x
2
i
s2  i 1
~  n21
2
dan
(n  1) s 2
~  n21 .
2
Sehingga didapatkan:
  n  1 s 2 2 
P  12 / 2, n 1    / 2, n 1   (1   )100%
 2 
  n  1 s 2  n  1 s 2 
P 2 2  2   (1   )100%
  1 / 2, n 1
  / 2, n 1 
 n  1 s 2 2  n  1 s 2
  2 .
 / 2, n 1
2
1 / 2, n 1
Gambar 7.8
Penduga Selang varians pada Distribusi Chi-square
Jika s 2 adalah ragam dari sampel acak n dari populasi yang

berdistribusi normal, maka penduga selang 1   100% untuk  2
adalah:
 n  1 s 2  n  1 s 2
2  .
2 / 2, n 1 12 / 2, n 1
Dimana 1 / 2, n 1 dan  / 2, n 1 adalah nila X2 pada tabel Chi-square

2 2
dengan derajat bebas n  1.
Sementara itu penduga selang bagi simpangan baku diperoleh dengan

menghitung akar pada masing-masing batas bawah dan atas penduga selang
varians.
 SATS4121/MODUL 7 7.43
Contoh 7.7.
Hitunglah penduga titik dan selang untuk varians berat badan ayam dari data
contoh 7.5. Gunakan   5%.
Jawab:
1. Penduga titik:
 xi  x 
2
n
s2  
i 1 n 1
 xi  2,391
2
10

i 1 9
 2,50  2,391  2, 60  2,391  2, 43  2,391
2 2 2
   ..... 
9 9 9
 0, 0228.
2) Penduga selang:
 n  1 s 2 2  n  1 s 2
  2
 / 2, n 1
2
1 / 2, n 1
(9)(0, 0228) (9)(0, 0228)
2 
19, 023 2, 700
0, 011   2  0, 076.
Jadi penduga selang 95% untuk σ2 adalah antara 0,011 hingga 0,076.
LAT IH A N

1) Dalam membuat produksi baut, seorang ahli sangat memperhitungkan
presisi diameter baut. Untuk itu dilakukan pengamatan terhadap 12 buah
mur yang telah dilewati pemeriksaan kualitas akhir, diperoleh data
berikut.
2 2,5 2,3 2,1 1,9 1,8
2 2,4 1,7 2,2 3 2,5
a. Tentukan penduga titik untuk ragam diameter baut tersebut!

b. Tentukan 90% dugaan selang untuk ragam diameter tersebut!
2) Sejumlah 100 siswa di suatu sekolah telah mengikuti ujian akhir
Matematika. Rata-rata nilai 20 mahasiswa adalah 72 dan varians adalah
16. Apabila diasumsikan nilai tersebut mengikuti distribusi normal,
dapatkan 90% dugaan selang σ2!
3) Data berikut menyatakan berat, dalam gram, 10 bungkus bibit sejenis
tanaman yang dipasarkan oleh suatu perusahaan: 46,4; 46,1; 45,8; 47,0;
46,1; 45,9; 45,8; 46,9; 45,2 dan 46,0. Carilah selang kepercayaan 95%
untuk varians semua bungkusan bibit yang dipasarkan perusahaan
tersebut, anggap populasinya normal.
1) Penduga varians
a. Penduga titik:
 xi  x 
2
n
s 
2
i 1 n 1
 xi  2, 2 
2
12

i 1 11
 0,13.
b. Penduga selang kepercayaan 90%:

 n  1 s 2 2  n  1 s 2
σ  2
χ α2 / 2 ,n 1 χ1 α / 2 ,n 1
(11)(0,13) (11)(0,13)
 σ2 
19,675 4,575
0,0726  σ 2  0,0,313.
 SATS4121/MODUL 7 7.45
2) Diketahui:
N  100, n  20, x  72, s 2  16 , derajat bebas = 19
Selang kepercayaan 90% bagi  2 :
 n  1 s 2 2  n  1 s 2
  2
 / 2, n 1
2
1 / 2, n 1
(19)(16) (19)(16)
2 
30,144 10,117
10, 085   2  30, 048.
3) Mula-mula hitunglah:
  
2
n i 1 i2 
n n
10  21.273,12    461, 2 
2
i 1 i
s2    0, 286.
n  n  1 10  9 
Untuk mendapatkan selang kepercayaan 95%, ambil   0, 05. Dari
tabel Chi-square untuk derajat bebas v  9 diperoleh 0,025
2
 19, 023
dan  0,975
2
 2, 700.
Jadi, selang kepercayaan 95% untuk  2 :
 9  0, 286  2  9  0, 286 
 
19, 023 2, 700
atau
0,135   2  0,953.
R A NG KU M AN
Dugaan titik ragam  2 adalah:
 xi  x 
2
n
s2   .
i 1 n 1
Dugaan selang bagi ragam  2 :
 n  1 s 2  n  1 s 2
2  .
2 / 2, n 1 12 / 2, n 1
TES F OR M AT IF 4
1) Penduga selang ragam dapat didekati dengan distribusi ....

A. Chi-square
B. normal
C. eksponensial
D. log normal
10; 10,2 dan 9.6 liter. Penduga titik untuk varians sulfuric acid adalah ....
A. 0,080
B. 0,800
C. 0.283
D. 0,008
3) Lihat soal no. 2. 90% penduga selang bagi varians adalah....

B. antara 0,038 dan 0,294
C. antara 0,214 dan 0,294
4) Suatu perusahaan baterai mobil menyatakan bahwa baterainya tahan,

pada rata-ratanya, 3 tahun dengan variasi 1 tahun. Bila 5 dari baterai ini
tahan selama 1,9; 2,4; 3,0; 3,5 dan 4,2 tahun, selang kepercayaan 95%
untuk σ2 dan apakah pernyataan perusahaan tadi bahwa σ2 = 1 dapat
dibenarkan? Anggap umur populasi baterai berdistribusi hampiran
normal.
A. 0,193   2  6,260 ; ya
B. 0,233   2  6,262 ; ya
C. 0,253   2  6,260 ; ya
D. 0,293   2  6,736 ; ya
5) Dari sampel acak 20 siswa diperoleh nilai UMPTN dengan nilai tengah
x  5 dan varians s 2  16. Anggap nilai UMPTN berdistribusi normal,
selang kepercayaan 98% untuk  2 adalah....
A. 1.800   2  38,827
B. 5.400   2  38,827
 SATS4121/MODUL 7 7.47
C. 8.400   2  39,827
D. 8.500   2  40,827
6) Sarapan teratur sereal yang diberi pemanis sebelumnya menyebabkan

kerusakan gigi, sakit jantung, dan penyakit lainnya menurut penelitian
yang dilakukan oleh Dr. W. H. Bowen dari Institut Kesehatan Nasional
dan Dr. J. Yudhen, Profesor Nutrisi dan Diet di Universitas London.
Dalam suatu sampel acak 20 porsi yang sama Alpha-Bits (sejenis sereal)
rata-rata kadar gulanya 11,3 gr dengan simpangan baku 2,45 gr. Bila
dimisalkan bahwa kadar gula berdistribusi normal, selang kepercayaan
95% untuk σ adalah ....
A. 1,863    3,578
B. 1,963    1,578
C. 1,973    2,578
D. 1,983    3,578
7) Sebuah mesin menghasilkan potongan logam yang berbentuk silinder.

Sampai beberapa potongan diukur dan ternyata diameternya 1,01; 0,97;
1,03; 1,04; 0,99; 0,98; 0,99; 1,01 dan 1,03 cm. Selang kepercayaan 99%
untuk varians diameter potong yang dihasilkan mesin tersebut bila
dimisalkan distribusinya hampir normal adalah....
A. 0,00018   2  0,00107
B. 0,00019   2  0,00117
C. 0,00020   2  0,00337
D. 0,00022   2  0,00357
8) Sampel acak 8 batang rokok merek tertentu mempunyai kadar nikotin

rata-rata 2,6 mg dengan simpangan baku 0,9 mg. Selang kepercayaan
99% untuk simpangan baku kadar nikotin sesungguhnya rokok merek
tersebut, anggap distribusinya hampir normal adalah....
A. 1,380    6,827
B. 1, 410    6,385
C. 1,390    6,985
D. 1, 410    6,830
9) Sampel acak 12 paku penjepit gunting besar diambil untuk meneliti

kekerasan Rockwell kepala paku tersebut. Kekerasan Rockwell
keduabelas kepala paku diukur dan pengukuran menghasilkan nilai rata-
rata 48,50 dengan simpangan baku sampel 1,5. Bila dimisalkan
pengukuran berdistribusi normal, selang kepercayaan 90% untuk  2
adalah ....
A. 1, 258   2  5, 410
B. 2,258   2  5,510
C. 3,258   2  5,610
D. 4,258   2  5,670
10) Manakah di antara pernyataan berikut yang benar?

A. Penduga titik dan penduga selang adalah saling melengkapi.
B. Penduga titik saja sudah cukup, tidak perlu penduga selang
C. Penduga selang lebih baik dari pada penduga titik
D. Pernyataan A, B, dan C semuanya salah.


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 7 7.49

1) B 1) B
2) A 2) C
3) C 3) C
4) B 4) A
5) B 5) A
6) C 6) C
7) D 7) B
8) C 8) A
9) C 9) B
10) D 10) D

1) B 1) B
2) B 2) A
3) A 3) B
4) C 4) D
5) A 5) C
6) A 6) B
7) B 7) D
8) B 8) D
9) D 9) A
10) B 10) A
Daftar Pustaka



Edition. Freeman.

L. Myers, Keying Ye,. 2007. Probability and statistics for engineers and
13-204767-8.

Walpole, R.E. 1995. Pengantar Statistika. Terjemahan Edisi Ketiga. Jakarta:

Gramedia Pustaka Utama.
Modul 8
Pengujian Hipotesis Satu Populasi

Dr. Sutikno, M.Si.
PEN D A HU L UA N
S audara, saat ini Anda mulai masuk pada ranah statistika yang sangat
penting dan menarik, yaitu pengujian hipotesis. Di sini, Anda bukan lagi
melakukan pendugaan, tetapi melakukan pengambilan kesimpulan. Hipotesis
dapat berarti dugaan sementara, yang akan dibuktikan melalui kegiatan
pengumpulan dan analisis data. Sama halnya dengan pendugaan parameter
yang telah Anda pelajari di Modul 7, materi mengenai pengujian hipotesis ini
meliputi pengujian hipotesis rata-rata, proporsi, dan varians untuk satu
populasi. Sebelumnya, Anda diperkenalkan terlebih dahulu tentang konsep
dasar pengujian hipotesis.
Agar bahasan materi dalam modul ini lebih sistematik, maka
penyajiannya dibagi dalam 4 subpokok bahasan, yaitu:
1. Konsep dasar pengujian hipotesis.
2. Pengujian hipotesis terhadap rata-rata.
3. Pengujian hipotesis terhadap proporsi.
4. Pengujian hipotesis terhadap varians.
Setelah mempelajari modul ini, secara khusus mahasiswa diharapkan

mampu:
1. Menjelaskan konsep dasar pengujian hipotesis.
2. Menganalisis hasil uji hipotesis rata-rata satu populasi untuk sampel
besar.
3. Menganalisis hasil uji hipotesis rata-rata satu populasi untuk sampel
kecil.
4. Menganalisis hasil uji hipotesis proporsi satu populasi.
5. Menganalisis hasil uji hipotesis varian satu populasi.
Selamat Belajar.
Kegiatan Belajar 1
Konsep Dasar Pengujian Hipotesis

A. PENGERTIAN HIPOTESIS
Setelah dilakukan pendugaan, perlu dilakukan pengujian apakah

pendugaan yang kita dapatkan tersebut benar-benar menggambarkan
karakteristik populasi. Atau bertujuan untuk mengetahui apakah nilai
pendugaan sesuai dengan yang diharapkan. Sebagai contoh perusahaan
daging ayam sedang berupaya untuk meningkatkan produksi daging
ayamnya. Untuk mencapainya dilakukan pemberian vitamin atau obat
tambahan. Dengan pemberian tersebut, perusahaan beranggapan bahwa rata-
rata berat badan ayam akan naik atau dengan kata lain akan menjadi lebih
dari 2,5 kg. Untuk memastikan anggapan tersebut, perlu dilakukan pengujian
”Apakah pemberian vitamin atau obat akan meningkatkan rata-rata berat
badan menjadi lebih dari 2,5 kg?” Pengujian juga dapat dilakukan pada
proporsi, misalnya apakah terdapat 75% peristiwa pencurian dilatarbelakangi
oleh keperluan uang untuk membeli ganja atau sejenisnya.
Untuk menjawab hal-hal tersebut perlu dilakukan suatu pengujian
hipotesis. Jadi, pengujian hipotesis adalah suatu usaha menguji parameter
populasi melalui pengambilan sampel. Hipotesis yang digunakan adalah
hipotesis statistik, yaitu suatu anggapan atau pernyataan tentang satu atau
lebih populasi yang dapat benar atau salah.
Hipotesis statististik terdiri dari dua jenis, yaitu:
1. Hipotesis nol (H0), adalah suatu dugaan awal terhadap pernyataan
tertentu yang dapat diterima atau ditolak. Penolakan atau penerimaan
tergantung pada hasil eksperimen dan pemilihan sampel.
2. Hipotesis alternatif (H1), adalah lawan dari hipotesis nol dan merupakan
hipotesis yang ingin dicari (dibuktikan) oleh peneliti.
Dari contoh sebelumnya dapat dituliskan ke dalam hipotesis :

H0 : μ ≤ 2,5 H0 : p = 0,75
H1 : μ > 2,5 H1 : p ≠ 0,75
Pengujian Hipotesis
Pengujian hipotesis adalah suatu usaha menguji parameter populasi
melalui pengambilan sampel.
Jenis pengujian hipotesis ada dua jenis, yaitu :

1. Satu arah (one way), ditunjukkan oleh tanda pada hipotesis alternatif
lebih dari () atau kurang dari (<).
Sebagai contoh :
Lower tail test Upper tail test
H0 : μ ≥ μ 0 H0 : μ ≤ μ 0
H1 : μ <μ0 H1 : μ > μ 0
2. Dua arah (two way), ditunjukkan oleh tanda pada hipotesis alternatif ≠
Sebagai contoh :
H0 : μ = μ o
H1 : μ ≠ μ o
Pemilihan satu arah atau dua arah tentu saja tergantung pada dugaan
yang dikemukakan peneliti.
B. KESALAHAN JENIS I DAN II
Hipotesis nol dan alternatif merupakan pernyataan penting tentang suatu

karakteristik populasi. Beberapa alternatif kesimpulan dari pernyataan
tersebut adalah apakah H0 benar, apakah H1 benar, ataukah bukan keduanya?.
Misalnya, apakah benar bahwa H0 : μ = 2,5 atau benar bahwa H1: μ ≠ 2,5?.
Secara umum, prosedur hipotesis akan melakukan pengambilan kesimpulan
menolak H0 jika H1 benar dan menerima H0 jika H0 benar.
Uji hipotesis dilakukan dengan mengambil sampel, kemudian
mengambil kesimpulan dari pengambilan sampel tersebut. Dengan demikian
uji hipotesis mengikuti pola berbagai kemungkinan kesalahan. Tabel berikut
menunjukkan dua jenis kesalahan dalam uji hipotesis:
Tabel 8.1
Jenis Kesalahan I dan II
Hipotesis
H0 benar H0 salah
Kesimpulan
Terima H0 Kesimpulan benar Kesalahan jenis II
Peluang 1-α Peluang β
Tolak H0 Kesalahan jenis I Kesimpulan benar
Peluang α Peluang 1-β
Dalam setiap pengambilan keputusan selalu dihadapkan pada jenis kesalahan

tersebut, yaitu:
1. Kesalahan jenis I, merupakan kesalahan menolak hipotesis nol padahal
hipotesis nol benar.
2. Kesalahan jenis II, merupakan kesalahan tidak menolak (menerima)
hipotesis nol padahal hipotesis nol salah.
Secara teoritis, kedua kesalahan tersebut diharapkan sekecil mungkin melalui

pemilihan daerah kritis yang setepat mungkin.
Sebagai contoh pada peningkatan produksi daging ayam. Hipotesis H1 :
μ > 2,5 menunjukkan bahwa perusahaan beranggapan rata-rata berat badan
ayam akan menjadi lebih besar dari 2,5 kg jika dilakukan pemberian vitamin
atau obat. Berarti, kesalahan jenis I memberikan arti bahwa rata-rata berat
badan ayam akan menjadi lebih besar dari 2,5 kg. Padahal kenyataannya
tidak lebih besar dari 2,5 kg. Dengan kata lain, pemberian vitamin atau obat
kurang efektif meningkatkan berat badan. Sebaliknya, kesalahan jenis II akan
memberikan arti bahwa perusahaan menyimpulkan rata-rata berat badan
ayam tetap kurang atau sama dengan 2,5 kg. Padahal kenyataannya lebih
besar dari 2,5 kg. Dengan kata lain pemberian vitamin atau obat efektif
meningkatkan berat badan ayam.
Pengambilan keputusan atau kesimpulan dari pengujian hipotesis
dilakukan dengan menggunakan suatu taraf signifikansi, yaitu peluang
menggunakan kesalahan jenis I. Taraf signifikansi dilambangkan dengan α.
Secara umum nilainya adalah 2,5% (0,025), 5% (0,05), 10% (0,1), dan lain
sebagainya.
Taraf Signifikansi
Taraf signifikansi merupakan peluang menggunakan kesalahan jenis I.
C. STATISTIK UJI
Seperti yang telah dibahas sebelumnya bahwa pengujian hipotesis

memiliki berbagai macam alternatif jawaban. Oleh karena itu, diperlukan
suatu batas untuk mengambil kesimpulan. Batas tersebut dinamakan daerah
kritis dan titik kritis.
Untuk lower tail test, titik kritis digunakan untuk menentukan apakah
nilai statistik uji lebih kecil sehingga disimpulkan menolak H0. Sebaliknya,
untuk upper tail test, titik kritis digunakan untuk menentukan apakah nilai
statistik uji lebih besar sehingga disimpulkan menolak H0. Dengan kata lain,
titik kritis merupakan nilai terbesar atau terkecil dari statistik uji untuk
menolak H0.
D. PROSEDUR PENGUJIAN HIPOTESIS
Langkah-langkah pengujian Hipotesis adalah sebagai berikut.

1. Menentukan hipotesis, yaitu hipotesis nol dan alternatif.
Penentuannya berdasarkan dugaan awal oleh peneliti.
2. Menentukan taraf signifikansi (α).
3. Menentukan statistik uji.
Statistik uji dipilih berdasarkan karakteristik yang akan di uji, jenis
hipotesis, asumsi pembentuk distribusi, dan jumlah sampel.
4. Menentukan daerah kritis.
Daerah kritis bergantung pada jenis hipotesis.
5. Mengambil kesimpulan.
Kesimpulan dilakukan dengan membandingkan nilai statistik uji dengan
daerah kritis. Apabila statistik uji berada di daerah kritis maka
kesimpulannya adalah H0 ditolak. Sebaliknya apabila statistik uji berada
di luar kritis maka kesimpulannya adalah H0 gagal ditolak.
LAT IH A N

1) Jelaskan apakah yang dimaksud dengan uji hipotesis! Sebutkan juga

langkah-langkahnya!
2) Suatu populasi siswa kelas IV sekolah dasar memiliki rata-rata berat
badan 30 kg dan standar deviasi 50. Sejumlah sampel di ambil dan akan
diuji apakah rata-rata berat badan siswa tersebut benar-benar 30 kg.
Jelaskan apa yang perlu dilakukan untuk membuktikannya!
3) Sebutkan jenis-jenis hipotesis nol dan hipotesis alternatif!
4) Jelaskan bagaimana seorang peneliti melakukan pengambilan keputusan
dari pengujian hipotesis yang dilakukan!
5) Nyatakan hipotesis nol dan hipotesis alternatif dari pernyataan peneliti
berikut.
a. Rata-rata curah-salju di Danau George selama Bulan Februari
adalah 21,8 cm.
b. Banyaknya staf dosen suatu perguruan tinggi yang menyumbang
dalam suatu kegiatan pengumpulan dana sosial tidak lebih dari 20%
c. Pada tahun mendatang, sekurang-kurangnya 70% dari mobil baru
termasuk dalam kategori kelompok dan sub kelompok
d. Rata-rata steak yang dihidangkan di suatu restoran adalah 340 gram
1) Pengujian hipotesis adalah suatu usaha menguji parameter populasi

melalui pengambilan sampel.
Langkah-langkah yang dilakukan adalah sebagai berikut.
a. Menentukan hipotesis, yaitu hipotesis nol dan alternatif.
Penentuannya berdasarkan dugaan awal oleh peneliti.
b. Menentukan taraf signifikansi (α).
c. Menentukan statistik uji.
d. Statistik uji dipilih berdasarkan karakteristik yang akan di uji, jenis
hipotesis, asumsi pembentuk distribusi, dan jumlah sampel.
e. Menentukan daerah kritis. Daerah kritis bergantung pada jenis
hipotesis.
f. Mengambil kesimpulan.
2) Langkah-langkah yang harus dilakukan:

a. Menetapkan hipotesisnya, apakah satu arah atau dua arah.
b. Menetapkan taraf signifikansi.
c. Menghitung rata-rata berat badan dari sampel siswa yang terpilih
 x .
d. Menentukan statistik uji, yaitu:
x  30
z .
50
n
e. Menentukan daerah kritisnya.
f. Mengambil kesimpulannya.
3) Jenis-jenis hipotesis : hipotesis satu arah dan dua arah.
4) Membandingkan statistik uji dengan statistik tabel, dengan melihat posisi
statistik uji dalam daerah kritis.
5) Hipotesis untuk:
a. Rata-rata curah-salju di Danau George selama Bulan Februari
adalah 21,8 cm
H0 :   21,8
H1 :   21,8
b. Banyaknya staf dosen suatu perguruan tinggi yang menyumbang

dalam suatu kegiatan pengumpulan dana sosial tidak lebih dari 20%
H0 : p  20%
H1 : p  20%
c. Pada tahun mendatang, sekurang-kurangnya 70% dari mobil baru

termasuk dalam kategori kelompok dan sub kelompok
H0 : p  70%
H1 : p  70%
d. Rata-rata steak yang dihidangkan di suatu restoran adalah 340 gram

H0 :   340
H1 :   340
R A NG KU M AN
Pengujian hipotesis adalah suatu usaha menguji parameter populasi

melalui pengambilan sampel. Langkah-langkah pengujian Hipotesis
1. Menentukan hipotesis, yaitu hipotesis nol dan alternatif.
2. Menentukan taraf signifikansi (α).
4. Menentukan daerah kritis.
5. Mengambil kesimpulan.
TES F OR M AT IF 1

1) Sejumlah 80 orang pemilik mobil menyatakan bahwa rata-rata waktu
tempuh mobil mereka adalah 23.500. Untuk membuktikannya mereka
melakukan pengambilan sampel 30 mobil dan mencatat waktu
tempuhnya. Rata-rata waktu tempuh sampel tersebut adalah 24.000.
Untuk menguji pernyataan para pemilik tersebut digunakan hipotesis ....
A. H0 : μ ≥ 23.500
H1 : μ < 23.500
B. H0 : μ ≤ 23.500
H1 : μ > 23.500
C. H0 : μ = 23.500
H1 : μ ≠ 23.500
D. H0 : μ = 24.000
H1 : μ ≠ 24.000
2) Hipotesis yang ingin dicari (dibuktikan) oleh peneliti dinamakan ....

A. Hipotesis nol
B. Hipotesis alternatif
C. Uji hipotesis
D. Hipotesis nol dan alternatif
3) Kesalahan ini menolak hipotesis nol padahal hipotesis nol benar

dinamakan kesalahan....
A. jenis I
B. jenis II
C. error
D. jenis I dan II
4) Suatu hipotesis proporsi dinyatakan sebagai berikut :

H0 : p ≥ 0,6
H1 : p < 0,6
Pengujian tersebut termasuk jenis
A. lower tail test
B. upper tail test
C. two way
D. hipotesis nol dan alternatif
5) Uji hipotesis dengan membagi daerah kritis menjadi dua bagian

dinamakan ....
A. lower tail test
B. upper tail test
C. two way
D. hipotesis nol dan alternatif
6) Dalam suatu pengujian hipotesis, taraf signifikansi yang digunakan

adalah 5%. Jika dibuat selang kepercayaan, yang terbentuk adalah selang
kepercayaan ....
A. yang memiliki tingkat kepercayaan 90%
B. yang memiliki tingkat kepercayaan 95%
C. yang memiliki tingkat keyakinan 5%
D. yang memiliki tingkat kesalahan 95%
7) Dalam pengujian hipotesis dua arah, aturan penolakan H0 adalah jika ....
A. statistik uji jatuh di antara statistik tabel
B. statistik uji bernilai lebih kecil dari statistik tabel
C. statistik uji bernilai lebih besar dari statistik tabel
D. harga mutlak dari nilai statistik uji lebih besar dari statistik tabel
8) Dalam pengujian hipotesis satu arah kanan, aturan penolakan H0

adalah jika statistik uji ....
A. jatuh di antara statistik tabel
B. bernilai lebih kecil dari statistik tabel
C. bernilai lebih besar dari statistik tabel
D. bernilai lebih kecil atau lebih besar dari statistik tabel
9) Dalam pengujian hipotesis satu arah kiri, aturan penolakan H0

adalah jika statistik uji ....
A. jatuh di antara statistik tabel
B. bernilai lebih kecil dari statistik tabel
C. bernilai lebih besar dari statistik tabel
D. bernilai lebih kecil atau lebih besar dari statistik tabel
10) Manakah di antara pernyataan berikut yang benar?

A. Kesalahan menolak H1 padahal H1 benar disebut taraf signifikansi
B. Pengujian hipotesis bertujuan untuk membuktikan kebenaran
dugaan dari parameter populasi
C. Penggunaan statistik z atau t didasarkan atas ukuran sampel semata-
mata
D. Ketiga pernyataan tersebut salah semua


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 8 8.11
Kegiatan Belajar 2
Pengujian Hipotesis: Rata -Rata
P engujian hipotesis rata-rata dimaksudkan untuk mengetahui apakah rata-

rata populasi berbeda dengan suatu nilai rata-rata tertentu  o  . Uji
hipotesis ini terdiri dari dua jenis, yaitu ketika jumlah sampel besar  n  30
dan sampel kecil. Ketika jumlah sampel besar, dibedakan lagi menjadi ketika
 
varians  2 diketahui dan varians tidak diketahui.
Hipotesis dinyatakan dalam satu arah dan dua arah.
1. Satu arah
H0 : μ ≥ μ o H0 : μ ≤ μ o
H1 : μ < μ o H1 : μ > μ o
2. Dua arah
H0 : μ = μ o
H1 : μ ≠ μ o
B. SAMPEL BESAR
Suatu sampel acak x1 , x2 , xn dari n menunjukkan sampel acak dari

suatu distribusi dengan rata-rata μ dan varians σ2 diketahui. Misalnya
hipotesis pertama adalah:
H0 :   o
H1 :   o
Statistik uji diperoleh berdasarkan variabel random x . Pada materi teorema

limit pusat, diketahui bahwa random variabel x dapat didekati dengan
distribusi N (, 2 n). Sehingga didapatkan:
x 
z .
/ n
Diketahui bahwa di bawah H0, jika   0 maka n ( x  0 ) /  mengikuti
distribusi normal standard N  x; 0,1 . Sehingga dapat dituliskan menjadi
suatu statistik uji.
x  0
z (8.1)
/ n
dan
 x  0 
P   z /2   z /2   1   . (8.2)
 / n 
Dimana α adalah peluang kesalahan jenis I, yaitu menolak H0 padahal H0
benar.
Persamaan tersebut dapat digunakan untuk daerah penerimaan. Sementara
itu, daerah penolakannya adalah:
x  0 x  0
z  z / 2 atau z    z / 2 . (8.3)
/ n / n
Persamaan 8.3 menunjukkan dua daerah kritis. Apabila menolak H0 berarti
digunakan H1 :   0 . Sebaliknya, gagal tolak H0 berarti digunakan
H 0 :   0 . Daerah kritis penolakan H0 dengan tingkat signifikansi α
digambarkan pada kurva normal sebagai berikut:
Gambar 8.1
Daerah Kritis untuk Hipotesis Alternatif μ ≠ μ0
Pengujian hipotesis satu arah juga mengikuti prosedur hupotesis dua arah.
Perbedaanya adalah pada daerah kritis.
Untuk hipotesis lower tail test:
H0 :   0
H1 :   0
Daerah penolakannya adalah H0 ditolak jika z   z
 SATS4121/MODUL 8 8.13
Untuk hipotesis upper tail test:

H 0 :   o
H1 :   o
Daerah penolakannya adalah Ho ditolak jika z  z .
Gambar daerah kritis dapat dilihat pada Gambar 8.2.
Gambar 8.2
Daerah Kritis untuk Hipotesis Alternatif μ > μo dan μ < μo
Contoh 8.1.
Perusahaan industri besi baja mencatat bahwa pelat baja yang diproduksi
memiliki rata-rata panjang 80 cm dan simpangan baku 7 cm. Setelah tiga
tahun, teknisi perusahaan meragukan keabsahan rata-rata panjang tersebut.
Teknisi tersebut menduga bahwa rata-ratanya sudah tidak sama dengan 80
cm. Untuk meyakinkan hipotesisnya tersebut, dilakukan pengambilan sampel
100 pelat baja yang dipilih secara random dari populasi. Rata-rata panjang
sampel tersebut adalah 83 cm. Apakah ada alasan untuk meragukan bahwa
rata-rata panjang pelat baja tidak sama dengan 80 cm? Gunakan   5%.
Jawab:
Untuk menjawab pertanyaan ini dilakukan pengujian hipotesis dengan
langkah-langkah sebagai berikut:
1. Menentukan hipotesis
Karena yang dihipotesiskan teknisi (peneliti) adalah rata-ratanya sudah
tidak sama dengan 80 cm, maka hipotesis yang digunakan dua arah:
H 0 :   80.
H1 :   80
2. Menentukan taraf signifikansi   5%.
3. Menentukan statistik uji
x  83  80
z   4, 2857.
 / n 7 / 100
4. Menentukan daerah kritis

H0 ditolak jika z  z0,05/2 atau z  z0,05/2
z0,05/2  1,96 didapatkan dari nilai peluang di bawah kurva normal.
5. Mengambil kesimpulan
Karena nilai z  4, 2857 lebih besar dari z0,05/ 2  1,96 maka
kesimpulannya adalah Ho ditolak. Dengan kata lain digunakan hipotesis
alternatif, yaitu rata-rata panjang pelat baja tidak sama dengan 80 cm.
Rata-rata tidak sama dengan 80 cm berarti ada kemungkinan kurang dari
80 cm atau lebih dari 80 cm. Untuk membuktikannya dapat digunakan
uji hipotesis satu arah seperti pada Contoh 8.2 dan Contoh 8.3.
Contoh 8.2.
Seperti pada Contoh 8.1, teknisi dapat menguji juga apakah rata-rata panjang
pelat baja kurang dari 80 cm.
Jawab:
Langkah-langkah hipotesis :
H0 :   o
H1 :   o
2. Menentukan taraf signifikansi   5%
3. Menentukan statistik uji z  4, 2857
Ho ditolak jika z  z0,05 , di mana z0,05  1,645
 SATS4121/MODUL 8 8.15
Karena nilai z  4, 2857 lebih besar dari z0,05  1,645 maka
kesimpulannya adalah H0 gagal ditolak. Dengan kata lain digunakan
hipotesis nol, yaitu rata-rata panjang pelat baja lebih dari atau sama
dengan 80 cm.
Contoh 8.3.
Seperti pada Contoh 8.1, teknisi dapat menguji juga apakah rata-rata panjang
pelat baja lebih dari 80 cm.
Jawab:
Langkah-langkah hipotesis :
H0 :   o
H1 :   o
2. Menentukan taraf signifikansi   5%
3. Menentukan statistik uji z  4, 2857
Ho ditolak jika z  z , di mana z0,05  1,645
Karena nilai z  4, 2857 lebih besar dari z0,05  1,645 maka
kesimpulannya adalah H0 gagal ditolak. Dengan kata lain digunakan
hipotesis alternatif, yaitu rata-rata panjang pelat baja lebih dari 80 cm.
Pembahasan sebelumnya adalah uji hipotesis rata-rata ketika varians

   
 diketahui. Apabila varians  2 tidak diketahui maka diduga dengan
2
 
2
varians sampel s . Distribusi yang digunakan adalah distribusi t-student
dengan derajat bebas n 1.
x 
T
s/ n
Sehingga statistik ujinya adalah sama dengan ketika varians  2   diketahui

dengan mengganti σ dengan s
x  0
t . (8.4)
s/ n
Sementara itu, daerah penolakannya adalah:
x  0 x  0
t  t / 2, n 1 atau t   t / 2, n 1 (8.5)
s/ n s/ n
H0 :   o
H1 :   o
Daerah penolakannya adalah Ho ditolak jika t  t , n 1 .

H0 :   o
H1 :   o
Daerah penolakannya adalah Ho ditolak jika t  t ,n1.

 SATS4121/MODUL 8 8.17
Contoh 8.4.
Dalam proses pengisian cairan botol di industri kosmetik, dicatat bahwa rata-
rata waktu yang dibutuhkan untuk pengisian susu pembersih adalah 10 detik.
Industri ini ingin meningkatkan produktivitas dengan melakukan perbaikan
proses yang dapat memperpendek proses pengisian. Sejumlah 20 sampel
telah diambil, dan hasil pencatatan waktu pengisian adalah sebagai berikut.
9 8,5 7,6 9,8 10,5 11,8 10,9 9,5

7,6 7,8 8,7 9,2 10,6 10 11 11,5
7,5 8,6 7,8 8,5
Ujilah apakah perbaikan proses tersebut mampu memperpendek pengisian?

Dengan kata lain, apakah rata-rata waktu pengisian sama dengan 10 detik
seperti pada data sebelumnya? Gunakan α = 5%.
Jawab:
Langkah-langkah pengujian:
1. Hipotesis
H 0 :   10
H1 :   10
2. Taraf signifikansi   5%
3. Statistik uji
x  9,310  10
t   2, 27.
s / n 1,362 / 20
dengan:
n
x x  x  ...  xn
x  i  1 2  9,310
i 1 n n
n
 xi  x 2
s i 1 n 1
 1,362.
4. Daerah kritis
H0 ditolak jika t  t0,05/ 2,19 atau t  t0,05/2,19
t0,05/2,19  2,093 didapatkan dari nilai tabel t-student
Karena nilai t  2, 27 lebih kecil dari t0,05/2,19  2,093 maka
kesimpulannya adalah H0 ditolak. Dengan kata lain digunakan hipotesis
alternatif H1 :   10, yaitu proses memperpendek pengisian. Hal ini

juga ditunjukkan oleh nilai rata-rata waktu pengisian sampel 9,310 yang
lebih kecil dari 10 detik.
Contoh 8.5.
Dari contoh 8.4, dilakukan pengujian apakah rata-rata waktu pengisian lebih
pendek dari 10 detik?
Jawab:
Langkah-langkah pengujian :
1. Hipotesis
H 0 :   10
H1 :   10
2. Taraf signifikansi α=5%
3. Statistik uji t  2, 27
4. Daerah kritis
Ho ditolak jika t  t0,05,19
t0,05,19  1,729 didapatkan dari nilai tabel Student t
Karena nilai t  2, 27 lebih kecil dari t0,05,19  1,729 maka
kesimpulannya adalah Ho ditolak atau rata-rata waktu pengisian lebih
kecil dari 10 detik.
B. SAMPEL KECIL
Pada kasus ukuran sampel besar maka digunakan statistik uji z yang
mengikuti distribusi normal. Ketika varians tidak diketahui, maka simpangan
baku σ di estimasi dengan simpangan baku sampel s. Begitu juga ketika
sampel kecil, yaitu ketika n  30. Sehingga statistik ujinya adalah sama
 
dengan ketika varians  2 diketahui dengan mengganti σ dengan s.
x  0
t . (8.6)
s/ n
 SATS4121/MODUL 8 8.19
LAT IH A N

1) Diketahui bahwa konsumsi alkohol oleh wanita usia muda di US terus

mengalami peningkatan. Untuk mengetahui rata-rata volume minum
alkohol (dalam liter), dilakukan survei terhadap 20 wanita. Hasil
pencatatan adalah sebagai berikut.
266 82 199 174 97
170 222 115 130 169
164 102 113 171 0
93 0 93 110 130
Dengan menggunakan taraf signifikansi 10%, ujilah apakah rata-rata

volume alkohol tersebut lebih dari 100 liter!
2) Produk lampu listrik di perusahaan A memiliki rata-rata usia pakai 800
jam dan simpangan baku 40. Ujilah hipotesis bahwa   800 jam dan
hipotesis alternatifnya   800, bila suatu sampel acak 35 lampu
menghasilkan rata-rata usia pakai 788 jam   5%!
3) Tinggi rata-rata mahasiswa semester tingkat akhir di suatu perguruan
tinggi adalah 162,5 cm dengan simpangan baku 6,9 cm. Ada anggapan
bahwa saat ini ada kenaikan tinggi badan. Untuk membuktikannya
dilakukan pengambilan sampel sejumlah 50 mahasiswa dan didapatkan
rata-rata berat badan 165,2 cm. Dengan taraf signifikansi 1%, buktikan
bahwa anggapan tersebut benar!
4) Ujilah hipotesis bahwa rata-rata isi kaleng suatu jenis minyak pelumas
adalah 10 liter (α=1%). Sejumlah 10 sampel yang dikumpulkan adalah
sebagai berikut.
10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
5) Salah satu produk industri konstruksi adalah tiang pancang. Pihak

manajemen menyatakan bahwa kekuatan luncur tiang pancang yang
dihasilkan adalah 5,6 ksi. Untuk membenarkan pernyataan ini, seorang
pemasok bahan bangunan melakukan pengujian terhadap tiang pancang.

Hasil pengumpulan data adalah sebagai berikut.
5,6 5,3 4 4,4 5,5 5,7 6 4,77,1 4,7
5,6
Berdasarkan data tersebut, lakukan pengujian apakah pernyataan

manajemen tersebut benar (α=1%)!
1) Diketahui:
n  20
0  100
  10%
Apakah rata-rata volume alkohol tersebut lebih dari 100 liter?
 Hipotesis
H0 :   100
H1 :   100
 Statistik uji
x  0
t
s
n
Dari data diperoleh:
x  130
s  65, 4
Sehingga, t  2, 05
 Daerah kritis
t ;db  t0,1;19  1,328
 Tolak H0 , jika t  t0,1;19
 Kesimpulan
Tolak H 0 , karena
t  2,05  t0,1;19  1,328
 SATS4121/MODUL 8 8.21
2) Diketahui:
n  35
0  800
  40
x  788
  5%
 Hipotesis
H 0 :   800
H1 :   800
 Statistik Uji
Gunakan Z karena σ diketahui
x  0 788  800
Z   1,77
 40
n 35
 Daerah Kritis
Z  Z 0,025  1,96
2
Tolak H 0 , jika Zhit  Z0,025 atau Zhit  Z0,025

 Kesimpulan
Terima H 0 , karena
1,96  Z  1, 77  1,96
3) Diketahui:
n  50
0  162,5
  6,9
x  165, 2
  1%
 Hipotesis
H 0 :   162,5
H1 :   162,5
Dengan cara yang sama dengan no 2, diperoleh Z  2, 77
Kesimpulan, Tolak H 0 .
4) Diketahui:
n  10
0  10
  1%
Hipotesis
H 0 :   10
H1 :   10
Dari data diperoleh:
x  10,06
s  0, 2459
t  0,77
db  10  1  9
t  0,005; g  3, 25
; db
2
Daerah Kritis H 0 , karena 3, 25  t  0, 77  3, 25

5) Sama caranya dengan no. 4.
R A NG KU M AN
Hipotesis, statistik uji, dan daerah kritis untuk uji rata-rata :

Varians tidak diketahui
Varians diketahui
n kecil
Hipotesis
Statistik Daerah kritis Statistik Daerah kritis
uji uji
H0 : μ = μ o z  z / 2 atau t  t /2,n1 atau

H1 : μ ≠ μ o z   z / 2 t  t /2,n1
x  0 x  0
H0 : μ ≥ μ o z z   z t t  t n 1
/ n s/ n
H1 : μ < μ o
H0 : μ ≤ μ o z  z t  t ,n1
H1 : μ > μ o
 SATS4121/MODUL 8 8.23
TES F OR M AT IF 2
1) Pada Januari 2003, sejumlah 30 pekerja di Amerika menghabiskan

waktu rata-rata 77 jam untuk memanfaatkan internet ketika bekerja.
Sementara itu standar deviasinya adalah 20 jam. Nilai rata-rata waktu
berinternet sama dengan 70 jam dengan α=5% adalah....
A.  ≠ 70
B.  ≥ 70
C.  ≤ 70
D.  = 70
2) Dari nomor 1, bagaimana kesimpulan yang dapat di ambil jika dilakukan

pengujian apakah nilai rata-rata waktu berinternet lebih besar 70 jam?
A.  ≠ 70
B.  > 70
C.  ≤ 70
D.  = 70
3) Dari nomor 1, kesimpulan yang dapat diambil jika dilakukan pengujian

terhadap nilai rata-rata waktu berinternet kurang dari 70 jam adalah....
A.  ≠ 70
B.  ≥ 70
C.  ≤ 70
D.  = 70
4) Diketahui data Opening Gross Sales dari 10 motion picture sebagai

berikut.
Motion Picture Opening Gross Sales
Coach Carter 29,17
Ladies in Lavender 0,15
Batman Begins 48,75
Unleashed 10,9
Pretty P 0,06
Fever P 12,4
Harry P & the Goblet of Fire 102,69
Monster in Law 23,11
White Noise 24,11
Mr. & Mrs. Smith 50,34
Ujilah apakah rata-rata Opening Gross Sales tersebut tidak sama dengan
35 (α=5%)?
A.  ≠ 35
B.  ≥ 35
C.  ≤ 35
D.  = 35
5) Suatu perusahaan alat listrik menghasilkan bola lampu yang umurnya

berdistribusi hampir normal dengan rataan 800 jam dan simpangan baku
40 jam. Uji hipotesis bahwa   800 jam lawan tandingan   800 jam
bila sampel acak 30 bola lampu mempunyai rata-rata umur 788 jam
menghasilakan nilai z dan kesimpulan. (Gunakan taraf nyata 0,04).
A. z  1, 64 ; terima   800 jam
B. t  1, 64 ; terima   800 jam
C. z  2,39 ; tolak   800 jam
D. t  2,39 ; tolak   800 jam
6) Suatu sampel acak 36 cangkir minuman yang diambil dari suatu mesin
minuman berisi rata-rata 21,9 desiliter, dengan simpangan baku 1,42
desiliter. Uji hipotesis bahwa   22,2 desiliter lawan hipotesis
tandingan bahwa   22,2 pada taraf nyata 0,05 menghasilkan nilai Z
dan kesimpulan.
A. t  1, 27 ; terima   22,2 desiliter
B. t  1, 27 ; terima   22,2 desiliter
C. t  0, 039 ; tolak   22,2 desiliter
D. z  1, 085 ; tolak   22,2 desiliter
7) Dalam laporan penelitian oleh Richard H. Weindruch dari UCLA

Medical School, dikemukakan bahwa tikus yang umur rata-ratanya 32
bulan akan hidup mencapai sekitar 40 bulan bila 40% dari kalori dalam
makanannya diganti dengan vitamin dan protein. Apakah ada alasan
untuk mempercayai bahwa   40 bila 64 tikus yang diberi diet seperti
ini tadi mempunyai umur rata-rata 38 bulan dengan simpangan baku 5,8
bulan? Gunakan taraf nyata 0,025. Nilai t dan kesimpulannya adalah
statistik uji.
A. t  1, 27; ya   40 bulan
B. z  1, 27; ya   40 bulan
 SATS4121/MODUL 8 8.25
C. t  2,76; ya   40 bulan
D. z  2,76; ya   40 bulan
8) Ujilah hipotesis bahwa rata-rata isi kaleng sejenis minyak pelumas 10

liter bila isi sampel acak 10 kaleng adalah 10,2; 9,7; 10,1;10,3; 10,1; 9,8;
9,9; 10,4; 10,3 dan 9,8 liter. Gunakan taraf nyata 0,01 dan anggap bahwa
distribusi isi kaleng normal.
A. t  1,77; tolak   10 liter
B. z  1,77; terima   10 liter
C. t  0,77; terima   10 liter
D. z  0,77; tolak   10 liter
9) Menurut Dietary Goals for the United States (1977) pemakaian natrium
yang tinggi mungkin menyebabkan bisul, kanker perut, dan sakit kepala
migrain. Kebutuhan manusia akan garam hanyalah 220 mg per hari,
yang umumnya telah dilampaui dengan sekali sarapan sereal kemasan
(sejenis sarapan dari gandum atau beras). Bila sampel acak 20 sereal
merek Special K mengandung rataan kadar natrium 244 mg dengan
simpangan baku 24,5 mg, apakah ini mendukung penyataan pada traf
nyata 0,05 bahwa rata-rata kadar natrium pada satu kemasan spesial K
melebihi 220 mg? Anggap distribusi kadar natrium normal. Tuliskan
nilai statistik ujinya.
A. z  1,27; ya   220 mg
B. t  4,38; ya   220 mg
C. t  2,76; ya   220 mg
D. z  2,76; ya   220 mg
10) Di antara pernyataan berikut yang benar adalah ....

A. Statistik uji t digunakan apabila varians populasi diketahui
B. Statistik uji z digunakan apabila ukuran sampelnya kecil
C. Statistik uji z dan uji t dapat digunakan bergantian
D. Untuk ukuran sampel yang besar, nilai peluang dari distribusi t
hampir sama dengan nilai peluang distribusi normal baku z


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 8 8.27
Kegiatan Belajar 3
Pengujian Hipotesis: Proporsi
P roporsi merupakan karakteristik yang mengikuti kejadian distribusi

binomial dan identik dengan kejadian sukses dan gagal. Dalam proporsi
pun dapat dilakukan pengujian hipotesis, yaitu untuk mengetahui apakah
proporsi kejadian sukses tertentu berbeda dengan dengan nilai tertentu (po).
Hipotesis dinyatakan dalam satu arah dan dua arah.
1. Satu arah
H0 : p  po H0 : p  po
H1 : p  po H1 : p  po
2. Dua arah
H0 : p  po
H1 : p  po
Menurut dalil/teorema limit pusat (central limit theorem), distribusi

sampling proporsi p̂ dapat mendekati distribusi normal dengan rata-rata p
dan simpangan baku p(1  p) / n . Sehingga didapatkan:
pˆ  p
z .
p(1  p) / n
Di bawah hipotesis nol, jika p  po maka didapatkan statistik uji:
pˆ  po
z
po (1  po ) / n
dan
 pˆ  po 
P   z / 2   z / 2   1   (8.6)
 po (1  po ) / n 
 
Dimana α adalah peluang kesalahan jenis I, yaitu menolak H0 padahal H0
benar. Persamaan tersebut dapat digunakan untuk daerah penerimaan.
Sementara itu, daerah penolakannya adalah:
z  z / 2 atau z   z / 2 (8.7)

H0 : p  po
H1 : p  po
Daerah penolakannya adalah H0 ditolak jika z   z
H 0 : p  po
H1 : p  po
Daerah penolakannya adalah H0 ditolak jika z  z
Contoh 8.6.
Sejumlah 400 unit sampel tube televisi telah dipilih secara random. Setelah
diteliti ternyata terdapat 12 tube televisi yang rusak atau tidak memenuhi
kualitas standar. Dari sampel tersebut, apakah ada bukti yang cukup untuk
menyimpulkan bahwa persentase tube yang rusak lebih dari 2%?. Gunakan
  5%. Jika persentase kerusakan memang lebih dari 2% maka proses
produksi harus diperbaiki.
Jawab:
1. Hipotesis
H0 : p  0,02
H1 : p  0,02
2. Taraf signifikansi   5%.
3. Statistik uji
pˆ  po (12 / 400)  0,02
z   1, 4285
po (1  po ) / n 0,02(1  0,02) / 400
4. Daerah kritis
H0 ditolak jika z  z
Dengan z0,05  1,645
Karena nilai z  1, 4285 lebih kecil dari z0,05 1,645 maka
kesimpulannya adalah Ho gagal ditolak atau persentase tube yang rusak
kurang dari 2%. Sehingga tidak diperlukan perbaikan proses.
 SATS4121/MODUL 8 8.29
LAT IH A N

1) Seorang agen real estate menyatakan bahwa 60% di antara semua rumah
pribadi yang baru selesai dibangun merupakan rumah dengan tiga kamar
tidur. Untuk menguji pernyataan ini diperiksa salah sejumlah besar
rumah. Proporsi rumah yang mempunyai tiga kamar tidur dicatat dan
digunakan sebagai statistik uji. Nyatakan hipotesis nol dan alternatif
yang digunakan dalam uji ini. Selanjutnya tentukan lokasi daerah
kritisnya!
2) Dari soal latihan kegiatan belajar 2 nomor 1, ujilah apakah proporsi
volume alkohol yang lebih dari 100 liter adalah 65%! Gunakan taraf
signifikansi 10%.
3) Seorang pemborong menyatakan bahwa di 70% rumah-rumah yang baru
dibangun di kota Jakarta dipasang suatu alat pemompa udara panas.
Apakah Anda setuju dengan pernyataan tersebut bila di antara 15 rumah
yang diambil secara acak terdapat 8 rumah yang menggunakan pompa
udara panas. Gunakan taraf signifikansi 10%.
4) Suatu obat yang biasa dijual untuk mengurangi ketegangan syaraf
diyakini manjur hanya 60%. Hasil percobaan dengan obat baru yang
dicobakan pada sampel acak 100 orang dewasa yang menderita
ketegangan syaraf menunjukkan bahwa 70 merasa tertolong. Apakah
kenyataan ini cukup untuk menyimpulkan bahwa obat baru tadi lebih
unggul dari yang biasa? (Gunakan taraf nyata 0,05).
1) Diketahui:
P0  60%  0,6
Hipotesis
H0 : P  0,6
H1 : P  0,6
Daerah kritis:
Tolak H 0 , jika
Z  Z  atau Z  Z 
2 2
2) Diketahui:
n  20
14
pˆ   0,7
20
P0  0,65
Hipotesis
H 0 : P  0,65
H1 : P  0,65
Statistik uji
p̂  P0
Z  0, 47
P0 1  P0 
n
Z   Z 0,10 Z 0,05  1,645
2 2
Daerah kritis
Tolak H 0 , jika
Z  1, 645 atau Z  1, 645
Kesimpulan
Tolak H 0 , karena
1, 645  Z  1, 645
3) Diketahui:
P0  0, 7
n  15
x8
8
pˆ   0,533
15
Hipotesis
H 0 : P  0,7
H1 : P  0,7
Statistik uji
Z  1, 41
Z  Z0,05  1,645
Kesimpulan
Tolak H 0 , karena
1, 645  Z  1, 41  1, 645
 SATS4121/MODUL 8 8.31
4) Hipotesis :
H 0 : p  0,6
H1 : p  0,6
  0,05
Daerah kritis: z  1, 645
Perhitungan: x  70, n  100, np0  100 0,6  60
dan
70  60
z  2,04
100 0,6 0, 4
P  P  Z  2,04   0,025
Keputusan: Tolak H 0 dan simpulkan bahwa obat baru lebih unggul.
R A NG KU M AN
Hipotesis, statistik uji, dan daerah kritis untuk uji proporsi:

Hipotesis Varians diketahui
Statistik uji Daerah kritis
H0 : p po
z  z / 2 atau z   z / 2
H1 : p po
pˆ  po
H0 : p po z
po (1  po ) / n z   z
H1 : p po
H0 : p μpo
z  z
H1 : p po
TES F OR M AT IF 3
1) Statistik uji dalam pengujian hipotesis proporsi menggunakan

pendekatan distribusi
A. Binomial
B. normal
C. log normal
D. eksponensial
2) Dari 60 mahasiswa, terdapat 10 mahasiswa yang mendapatkan nilai IPK

>3,5. Uji proporsi bahwa mahasiswa yang mendapatkan IPK >3,5 adalah
0,5 (α=5%) ditulis….
A. p = 0,5
B. p ≠ 0,5
C. p ≥ 0,5
D. p < 0,5
3) Sebuah pabrik rokok menyatakan bahwa 20% perokok lebih menyenangi

merek X. Untuk menguji pertanyaan ini, sampel acak 20 perokok
diambil dan ditanya merek rokok kesukaan mereka. Bila 6 dari dua
puluh perokok itu lebih menyenangi merek X, kesimpulan apakah yang
dapat ditarik? Gunakan taraf nyata 0,05.
A. P = 0,2916; terima p = 0,2
B. P = 0,3916; terima p = 0,2
C. P = 0,4916; tolak p > 0,2
D. P = 0,5916; tolak p > 0,2
4) Misalkan bahwa dulu 40% dari semua orang dewasa menyetujui

hukuman mati. Apakah cukup ada kenyataan untuk mendukung bahwa
proporsi orang dewasa sekarang yang menyetujui hukuman mati telah
naik bila dalam suatu sampel acak 15 orang dewasa, 8 yang menyetujui
hukuman mati? Gunakan taraf nyata 0,05.
A. P = 0,6131; ya, p > 0,4
B. P = 0,5131; ya, p > 0,4
C. P = 0,2131; tidak, p = 0,4
D. P = 0,3131; tidak, p = 0,4
 SATS4121/MODUL 8 8.33
5) Diduga paling sedikit 60% rumah tangga di suatu daerah memiliki

pesawat televisi. Kesimpulan yang dapat Anda ambil bila hanya 110
dalam sampel 200 keluarga yang memiliki televisi? Gunakan taraf nyata
0,04.
A. z  1,44; p  0,6
B. z  1,39; p  0,6
C. z  0,49; p  0,6
D. z  0,59; p  0,6
6) Suatu perusahaan gas menyatakan bahwa 1/5 rumah tangga di kota B

menggunakan kompor gas. Apakah ada alasan meragukan pernyataan ini
bila, dalam sampel acak 1000 rumah di kota B, ditemukan 236
menggunakan kompor gas? Gunakan taraf nyata 0,01.
A. z  0, 44; terima H 0 , p  1/ 5
B. z  0,39; terima H0 , p  1/ 5
C. z  1,99; tolak H0 , p  1/ 5
D. z  2,85; tolak H 0 , p  1/ 5
7) Di suatu perguruan tinggi diduga kurang dari 25% mahasiswa memiliki

motor. Apakah dugaan ini tepat? Gunakan taraf nyata 0,05.
A. z = 1,34; dugaan tepat
B. z = 1,09; dugaan tepat
C. z = 5,07; dugaan tepat
D. z = 2,05; dugaan tepat
8) Suatu peralatan radar baru sedang dipertimbangkan untuk dipakai dalam

suatu sistem pertahanan rudal. Sistem itu diuji dengan mencobanya
dengan pesawat terbang sungguhan dan mensimulasikan penembakan.
Bila dalam 300 kali usaha penembakan, 250 mengenai sasaran, dengan
taraf nyata 0,04, diterima atau ditolakkah pertanyaan bahwa peluang
mengenai sasaran dengan sistem baru tersebut tidak melebihi peluang
0,8 dari sistem yang lama?
A. z = 0,44; pernyataan yang sahih
B. z = 1,44; pernyataan yang sahih
C. z = 2,44; pernyataan yang sahih
D. z = 3,44; pernyataan yang sahih
9) Dalam suatu percobaan laboratorium yang terkontrol para peneliti di

University of Minesota menemukan bahwa 25% dari suatu jenis tikus
yang makanannya terdiri atas 20% biji kopi dan kemudian diberi zat
kimia penimbul kanker kemudian berkembang menjadi kanker. Apakah
cukup alasan untuk mempercayai bahwa proporsi tikus yang kena kanker
bila diberi diet tadi meningkat bila percobaan diulangi dan ternyata 16
dari 48 tikus kena kanker? Gunakan taraf nyata 0,05.
A. z = 0,44; terjadi kenaikan
B. z = 0,39; terjadi kenaikan
C. z = 1,99; tidak ada kenaikan
D. z = 1,33; tidak ada kenaikan


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 8 8.35
Kegiatan Belajar 4
Pengujian Hipotesis: Varians
S uatu sampel acak x1 , x2 ,..., xn dari n menunjukkan sampel acak dari suatu
distribusi normal dengan rata-rata  dan varians  2 , maka
2  
n
 xi  x 2 
(n  1)s 2
(8.8)
i 1 2 2
akan mengikuti distribusi X 2 dengan derajat bebas n 1.

Uji hipotesis kesamaan varians  2 dengan  02 dua arah :
H 0 :  2   02
H1 :  2   02
Statistik uji hipotesis tersebut adalah :
(n 1)s2
2 
 02
Karena X2 mengikuti distribusi Chi-square, maka daerah penolakannya
dibandingkan dengan nilai Chi-square pada tingkat derajat tertentu. Dengan
demikian, H 0 ditolak jika
(n  1)s 2 (n 1)s2
2   2 /2, n1 atau  2   12 /2,n1.
 2
0  2
0
Gambar 8.3
Daerah Kritis untuk Hipotesis Alternatif σ2 ≠ σo2
H 0 :  2   02
H1 :  2   02
Daerah penolakannya adalah H 0 ditolak jika  2  12 ,n1

H 0 :  2   02
H1 :  2   02
Daerah penolakannya adalah H 0 ditolak jika  2  2 ,n1
Gambar 8.4
Daerah Kritis untuk Hipotesis Alternatif σ2> σo2 dan σ2< σo2
 SATS4121/MODUL 8 8.37
Contoh 8.7.
Dari Contoh 8.4. ujilah apakah varians waktu pengisian sama dengan 3?
1. Hipotesis
H0 :  2  3
H1 :  2  3
3. Statistik uji
(n 1)s 2 19(1,855)
2    11,748
 02 3
dengan:
s 
2
n
 xi  x 2  1,855
i 1 n 1
4. Daerah kritis
Ho ditolak jika  2  0,05/2,19
2
atau  2  120,05/2,19
0,05/2,19
2
 32,852 dan 120,05/2,19  8,907 didapatkan dari nilai tabel Chi-
square
5. Kesimpulan
Karena nilai  2  11,748 berada diantara 0,05/2,19
2
 32,852 dan
120,05/2,19  8,907 maka H 0 gagal ditolak atau varians sama dengan 3.
LAT IH A N

1) Isi suatu kaleng minyak pelumas tertentu berdistribusi normal dengan
varians 0,03 liter. Dengan taraf signifikansi 10%, ujilah hipotesis bahwa
 2  3, lawan alternatifnya  2  3 . Data hasil pengambilan sampel
untuk mendukung pengujian adalah sebagai berikut.
10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
2) Sebuah mesin minuman ringan perlu diperbaiki bila varians minuman
yang dikeluarkan melebihi 1,15 dl. Sejumlah 25 sampel minuman dari
mesin menghasilkan ragam 2,03 dl. Pada taraf signifikansi 5% apakah
ini menunjukkan bahwa mesin tersebut perlu diperbaiki?
3) Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya

berdistribusi hampir normal dengan simpangan baku 0,9 tahun. Bila
sampel acak 10 baterai tersebut menghasilkan simpangan baku 1,2 tahun,
apakah anda setuju bahwa   0,9 tahun? Gunakan taraf nyata 0,05.
1) a. Hipotesis
H0 :  2  3
H1 :  2  3
Taraf signifikansi   5%
b. Statistik uji
(n 1)s2 9(0,246)
2    0,18
 02 3
dengan
s2  
n
 xi  x 2
 0, 246
i 1n 1
c. Daerah kritis
Ho ditolak jika  2  02,05 / 2;9 atau  2  (12 0,05)/2;9
0,05/2;9
2
 19,023 dan (12 0,05)2,9  3,325 didapatkan dari nilai tabel
Chi-square
d. Kesimpulan
Karena nilai  2  0,738 berada lebih kecil dari (12 0,05)2,9  3,325
maka H 0 ditolak, artinya varians tidak sama dengan 3.
2) Diketahui
n  25
s 2  2, 03
  0, 05
a. Hipotesis
H 0 :  2  1,15
H1 :  2  1,15
 SATS4121/MODUL 8 8.39
b. Statistik uji
2 
 n 1 s2   24 2,03  42,365
 02 1,15
c. Daerah kritis
H 0 ditolak jika  2  0,05/2;24
2
atau  2  (12 0,05)/2;24
(12 0,05)/2;24  13,848
d. Kesimpulan
H 0 ditolak, karena  2  42,365  0,05/2;24
2
 39,364
3) a. Hipotesis :
H 0 :  2  0,9
H1 :  2  0,9
  0,05
b. Statistik uji
2 
 n  1 s 2
02
c. Hipotesis nol ditolak bila  2  16,919

dengan derajat bebas v  9.
Perhitungan: s 2  1, 44, n  10 dan
2 
 91, 44  16,0
0,81
p  0,07
d. Keputusan:
Terima H0, karena  2  16,919.
R A NG KU M AN
Hipotesis, statistik uji, dan daerah kritis untuk uji varians:
Hipotesis Varians diketahui
Statistik uji Daerah kritis
H0 : σ2 = σo2  2  2 / 2,n1

H1 : σ2 ≠ σo2 atau
(n  1)s 2  
2
12 / 2,n1
2 
 02
TES F OR M AT IF 4
1) Daerah kritis pengujian hipotesis varians menggunakan pendekatan

distribusi
A. Binomial
B. normal
C. log normal
D. Chi-square
2) Sebuah perusahaan aki mobil mengatakan bahwa umur aki yang

diproduksi memiliki simpangan baku lebih dari 0,9 tahun. Bila 10
sampel aki menghasilkan simpangan baku 1,2 tahun. Kesimpulan apa
yang dapat diambil dari pengujian hipotesis tersebut (α = 5%).
A.  2  0,9
B.  2  0,9
C.  2  0,9
D.  2  0,9
 SATS4121/MODUL 8 8.41
3) Sekolah A mencatat bahwa waktu yang diperlukan oleh siswa untuk

menyelesaikan ujian akhir memiliki simpangan baku 6 menit.
Selanjutnya dilakukan pengambilan sampel 20 siswa untuk
membuktikannya dan didapatkan simpangan baku 4,51. Dengan
menggunakan hipotesis alternatif  2  6, kesimpulan apa yang dapat
diambil? (α=5%).
A.  2  6
B.  2  6
C.  2  4,51
D.  2  4,51
4) Kadar nikotin rokok merek tertentu diketahui berdistribusi normal

dengan varians 1,3 mg. Ujilah hipotesis bahwa  2  1,3 lawan
tandingan bahwa  2  1,3 bila sampel acak 8 dari rokok tersebut
mempunyai simpangan baku s = 1,8. Gunakan taraf nyata 0,05.
A.  2  17,4; tolak H0 ,  2  1,3
B.  2  18,4; tolak H0 ,  2  1,3
C.  2  14,4; jangan terima H0 ,  2  1,3
D.  2  13,4; jangan terima H0 ,  2  1,3
5) Data masa lalu menunjukkan bahwa uang yang disumbangkan oleh

karyawan di suatu kota pada PMI berdistribusi normal dengan
simpangan baku 1,40 ribu rupiah. Ada dugaan bahwa sumbangan dari
para pedagang pada PMI lebih beragam. Bila sumbangan sampel acak 12
pedagang pada PMI mempunyai simpangan baku 1,75 ribu rupiah,
dapatkah disimpulkan, pada tahap keberartian 0,01, bahwa simpangan
baku sumbangan dari para pedagang lebih besar daripada para karyawan
di kota tersebut?
A.  2  16,19; terima H 0 ,   1, 4
B.  2  17,19; terima H 0 ,   1, 4
C.  2  14,19; tolak H0 ,  2  1,3
D.  2  13,19; tolak H0 ,  2  1,3


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 8 8.43

1) C 1) D
2) B 2) B
3) A 3) B
4) A 4) D
5) C 5) A
6) B 6) B
7) D 7) D
8) C 8) C
9) B 9) B
10) B

1) B 1) D
2) B 2) B
3) B 3) B
4) C 4) A
5) A 5) B
6) D
7) A
8) B
9) D
Daftar Pustaka
Anderson R.A, D.J Sweeney, T. A Williams. 2011. Statistics for Business




Edition. Freeman.

13-204767-8.
Rosenkrantz, W.A. 1997. Introduction to Probaility and Statistict for

Walpole, R.E. 1995. Pengantar Statistika. Terjemahan Edisi ketiga. Jakarta:

Modul 9
Pengujian Hipotesis Dua Populasi

Dr. Sutikno, M.Si.
PEN D A HU L UA N
S audara, materi yang akan dibahas dalam modul ini adalah kelanjutan dari
modul sebelumnya, yaitu tentang uji hipotesis. Pengujian hipotesis
sendiri memiliki arti sebagai suatu usaha menguji parameter populasi melalui
pengambilan sampel. Pengujian hipotesis dapat dilakukan untuk gugus data
satu populasi, dua populasi atau lebih. Pada pembahasan sebelumnya
dijelaskan untuk satu populasi, pada pembahasan kali ini akan dijelaskan uji
hipotesis untuk dua populasi, baik untuk rata-rata, proporsi, maupun
varians/ragam, beserta selang kepercayaan bagi selisih dua populasi. Pada
Modul 7 Anda telah mempelajari selang kepercayaan satu populasi, bukan?
Nah, sekarang bersama dengan materi pengujian hipotesisnya, materi selang
kepercayaan dua populasi juga dibahas sekaligus.
Pengujian hipotesis dua populasi bertujuan untuk membandingkan dua
macam populasi. Misalnya pengusaha daging ayam sedang berusaha
meningkatkan berat badan ayam dengan memberikan jenis makanan A.
Untuk mengetahui apakah jenis makanan tersebut mampu meningkatkan
berat badan atau tidak, perusahaan membentuk dua kelompok ayam. Data
ayam tersebut dapat menggunakan pengambilan data sampel dari populasi
atau keseluruhan data di populasi. Kelompok pertama adalah ayam dengan
tanpa diberi makanan A. Sementara itu, kelompok kedua diberi makanan A.
Selanjutnya dilakukan uji rata-rata berat badan, apakah rata-rata berat badan
kelompok ayam kedua lebih besar dari kelompok pertama.
Langkah-langkah pengujiannya juga mengikuti pembahasan
sebelumnya, yaitu: (1) menentukan hipotesis; (2) menentukan taraf
signifikansi; (3) menentukan statistik uji; (4) menentukan daerah kritis; dan
(5) mengambil kesimpulan.
Agar bahasan materi dalam modul ini lebih sistematik, maka dibagi
dalam 4 subpokok bahasan, yaitu:
1. Pengujian hipotesis terhadap rata-rata.
2. Pengujian hipotesis terhadap proporsi.
3. Pengujian hipotesis terhadap varians.
Secara khusus, pada Kegiatan Belajar 1, diharapkan mahasiswa mampu:

1. Menganalisis hasil uji hipotesis rata-rata dua populasi independen.
2. Menganalisis hasil uji hipotesis rata-rata dua populasi dependen.
Selanjutnya, pada Kegiatan Belajar 2, diharapkan mahasiswa mampu

menganalisis hasil uji hipotesis proporsi dua populasi. Sementara pada
Kegiatan Belajar 3, diharapkan mahasiswa mampu menganalisis hasil uji
hipotesis varians dua populasi.
Kegiatan Belajar 1
Pengujian Hipotesis: Rata -Rata
P engujian hipotesis rata-rata dua populasi bertujuan untuk

membandingkan rata-rata dua macam populasi dan mengetahui
perbedaan atau selisih rata-rata dua populasi. Misalnya pada kasus nilai ujian
siswa, ingin menguji apakah rata-rata ujian akhir Matematika tahun 2010 dan
2011 adalah sama atau mengalami peningkatan.
Jenis populasi yang ada dapat berupa populasi independen dan
dependen. Dua populasi dikatakan independen jika populasi pertama tidak
berhubungan atau tidak berpasangan dengan populasi kedua. Sebaliknya,
dikatakan dependen jika populasi pertama dan kedua adalah sama,
berhubungan, atau berpasangan. Sebagai contoh pada perusahaan daging
ayam yang dijelaskan sebelumnya. Jenis populasi tersebut adalah
independen, karena kedua kelompok berbeda dan tidak berpasangan. Ayam
kelompok pertama tidak diberi makanan dan kelompok kedua diberi
makanan. Apabila dilakukan pengambilan sekelompok ayam, selanjutnya
dicatat berat badan ayam ketika normal dan beberapa hari kemudian diberi
makanan jenis A dan dicatat perubahan berat badannya, maka dikatakan jenis
populasi yang dependen. Hal tersebut dikarenakan ayam di kedua populasi
adalah sama yaitu populasi ayam ketika masih normal dan setelah diberi
makanan jenis A.
Pengujian hipotesis rata-rata dua populasi sendiri terdiri dari dua
populasi independen dan dependen. Populasi independen terbagi lagi menjadi
ketika varians diketahui dan tidak diketahui. Masing-masing akan dijelaskan
sebagai berikut.
A. DUA POPULASI INDEPENDEN
1. Varians Diketahui
Dua sampel acak independen dengan jumlah n1 dan n2, masing-masing
diperoleh dari dua populasi dengan rata-rata μ1 dan μ2 serta ragam  12 dan
 22 akan memiliki penduga titik untuk perbedaan rata-rata adalah x1  x2 .
Dengan mengikuti teorema limit pusat (central limit theorem), maka
didapatkan distribusi sampling x1  x2 yaitu memiliki rata-rata
x  x  1  2 dan standar deviasi  x1  x2  12 / n1   22 / n2 , sehingga

1 2
peluang dari 1   bahwa variabel normal standard:
z
 x1  x2    1  2  (9.1)
12 / n1   22 / n2
akan menjadi:
  x  x    1  2   z   1  
P   z / 2  z  1 2  /2 (9.2)
 12 / n1   22 / n2 
 
yang akan digunakan untuk mendapatkan selang kepercayaan bagi 1 - 2 .

Jika x1 dan x2 adalah rata-rata sampel acak independen yang berukuran
n1 dan n2 dari populasi dengan varians diketahui  1 dan  2 maka selang
2 2
kepercayaan 1   100% bagi 1  2 adalah
12  22 12  22
 x1  x2   z / 2    1  2    x1  x2   z / 2  (9.3)
n1 n2 n1 n2
Dengan z / 2 adalah nilai z di bawah kurva normal
Distribusi sampling pada persamaan (9.1) merupakan dasar untuk

mendapatkan pengujian hipotesis rata-rata dua populasi. Misalnya hipotesis
dua arah untuk menguji selisih rata-rata populasi pertama (μ1) dan kedua (μ2)
terhadap suatu nilai do adalah:
H0 : 1  2  do
H1 : 1  2  do
Statistik uji diperoleh berdasarkan variabel random x1  x2 di bawah H0,

ketika  1 dan  2 diketahui adalah
z
 x1  x2   do
(9.4)
12 / n1   22 / n2
Sementara itu, daerah penolakannya adalah H0 ditolak jika z  z / 2 atau

z zα / 2 . Untuk hipotesis lower tail test H0 : 1  2  do dan
H1 : 1   2  do , H0 ditolak jika z zα . Untuk hipotesis upper tail test
H0 : 1  2  do dan H1 : 1  2  do, H0 ditolak jika z zα .
Contoh 9.1.
Seorang importir telah mengimpor sejumlah lampu pijar yang mereknya
berbeda, yaitu merek everbright dan merek everlight. Importir tersebut ingin
sekali mengetahui ada atau tidaknya perbedaan rata-rata usia pakai kedua
merek tersebut. Secara acak dipilih 50 buah lampu pijar merek everbright dan
50 buah merek everlight. Setelah diadakan pengukuran, ternyata rata-rata
usia pakai lampu everlight sebesar 1282 jam dan merek everbright sebesar
1.208 jam. Menurut catatan perusahaan, simpangan baku populasi usia pakai
lampu pijar merek everlight adalah 80 jam dan merek everbright adalah 94
jam. Yakinkan pedagang import tersebut terhadap dugaannya bahwa rata-rata
usia kedua merek nyata berbeda?. Gunakan taraf signifikansi 5%.
Jawab:
Untuk menjawab pertanyaan ini dilakukan pengujian hipotesis dengan
langkah-langkah sebagai berikut:
Karena yang dihipotesiskan importir adalah rata-ratanya nyata berbeda,
maka hipotesis yang digunakan dua arah:
H0 : 1  2  do
H1 : 1  2  do
misalkan  1 adalah rata-rata usia pakai merek everlight dan  2 adalah
rata-rata usia pakai merek everbright. Dengan do  0 dapat dituliskan
juga menjadi:
H 0 : 1  2
H1 : 1  2
2. Menentukan taraf signifikansi   5% .
z
 x1  x2   do
12 / n1   22 / n2

1282  1208  0
802 / 50  942 / 50
 4, 23.
H0 ditolak jika z  z0,05/2 atau z  z0,05/2
z0,05/2  1,96 didapatkan dari nilai peluang di bawah kurva normal.
Karena nilai z  4, 23 lebih besar dari z0,05/2  1,96 maka kesimpulan-
nya adalah H0 ditolak. Artinya dugaannya bahwa rata-rata usia kedua
merek nyata berbeda adalah benar.
Contoh 9.2.
Dari Contoh 9.1, dapatkan 95% selang kepercayaan selisih rata-rata usia
pakai lampu merek everbright (populasi pertama) dan merek everlight
(populasi kedua)!
Jawab:
Karena kedua populasi independen dan standar deviasi populasi diketahui,
maka selang kepercayaannya adalah sebagai berikut:
 12  22  12  22
x1  x2   z / 2   1   2   x1  x2   z / 2 
n1 n2 n1 n2
802 942
1282  1208 1,96    1  2 
50 50
802 942
 1282  1208  1,96 
50 50
39,79   1   2   108,21.
Perhitungan tersebut menghasilkan kesimpulan bahwa selisih rata-rata usia

pakai adalah antara 39,79 jam hingga 108,21 jam. Nilai selisih yang positif
menunjukkan juga bahwa usia pakai merek everbright lebih tinggi dari merek
everlight. Hal ini akan dibuktikan melalui uji hipotesis pada Contoh 9.3.
Contoh 9.3.
Dari Contoh 9.1, misalnya importir juga menduga bahwa rata-rata usia pakai
merek everlight lebih lama dibandingkan merek everbright. Ujilah anggapan
tersebut dengan menggunakan taraf signifikansi 5%.
Jawab:
1. Hipotesis
Misalkan  1 adalah rata-rata usia pakai merek everlight dan  2 adalah
rata-rata usia pakai merek everbright, maka
H 0 : 1  2
H1 : 1  2
3. Statistik uji z  4, 23
4. Daerah kritis
H0 ditolak jika z  z0,05 dengan z0,05  1,645
5. Kesimpulan
kesimpulannya adalah H0 ditolak, artinya bahwa rata-rata usia merek
everlight lebih lama dibandingkan merek everbright.
2. Varians Tidak Diketahui

Pembahasan sebelumnya adalah uji hipotesis rata-rata ketika varians
diketahui. Apabila varians  12 dan  22 tidak diketahui maka menggunakan
pendekatan distribusi t-student. Pengujian ini mengasumsikan simpangan
baku kedua populasi sama 1   2   atau 1   2 .
Ketika diasumsikan 1   2   digunakan uji pooled t-test. Statistik
uji yang digunakan adalah:
t
 x1  x2   do (9.5)
s p 1/ n1  1/ n 2
Dengan s 2p adalah penduga varians pooled

s12  n1  1  s22  n2  1
s 2p  . (9.6)
n1  n2  2
Pada hipotesis dua arah H1 : 1   2  d0 , daerah penolakannya adalah

ketika t  t / 2, n1  n 2  2 atau t  t / 2, n1  n 2  2 . Nilai t /2,n1  n2 2 didapatkan dari
tabel distribusi t dengan derajat bebas n1  n 2 – 2. Untuk hipotesis lower tail
test H0 : 1   2  do dan H 1 : 1  2  d0 , H0 ditolak jika t tα,n1 n2 2 .
Untuk hipotesis upper tail test H0 : 1  2  d0 dan H1 : 1   2  d0, H0
ditolak jika t tα,n1 n2 2 .
Sementara itu, selang kepercayaan 1   100% bagi 1  2 adalah:
1 1 1 1
 x1  x2   t / 2 s p    1  2    x1  x2   t / 2 s p  (9.7)
n1 n2 n1 n 2
Contoh 9.4.
Dilakukan pengamatan terhadap Sungai Mas dan Wonokromo untuk
membandingkan konsentrasi DO harian. Pengamatan sampel dilakukan
selama sepuluh hari dan dicatat konsentrasi DO setiap sehari sekali di
masing-masing sungai. Dari hasil pengamatan tersebut, diperoleh bahwa rata-
rata konsentrasi DO di Sungai Mas adalah 2,5 mg/l dan simpangan baku 2,05
mg/l. Sedangkan untuk Sungai Wonokromo rata-ratanya 3,20 mg/l dan
simpangan baku 2,75 mg/l. Apakah ada cukup bukti untuk menyatakan
bahwa kedua sungai memiliki rata-rata konsentrasi DO harian yang berbeda.
Gunakan taraf signifikansi 5% dan di asumsikan 1   2   .
Jawab:
1. Hipotesis
Misalkan μ1 adalah konsentrasi DO di Sungai Mas dan μ2 adalah rata-rata
konsentrasi DO di Sungai Wonokromo, maka:
H0 : 1   2
H1 :  1   2

3. Statistik uji
Karena yang diketahui adalah simpangan baku sampel (  12 dan  22 tidak
diketahui) dan 1   2   maka statistik uji yang digunakan adalah:
t
 x1  x2   do
s p 1/ n1  1/ n 2

 2,5  3, 20   0
5,88 1/10  1/10
 0,63
dengan:
s 2  n  1  s22  n2  1
s 2p  1 1
n1  n 2  2
2,052 10  1  2,752 10  1

10  10  2
 5,88.
4. Daerah kritis
H0 ditolak jika t  t /2, n1  n2 2 atau t  t /2,n1  n2 2 dengan
t /2, n1  n2 2  t0.025,18  2,101.
5. Kesimpulan
Karena nilai t   0,63 kurang dari t /2,n1 n2 2  2,101 maka
kesimpulannya adalah H0 gagal ditolak, artinya bahwa rata-rata
konsentrasi DO di kedua sungai adalah sama.
Contoh 9.5.
Dari Contoh 9.4 juga dapat dihitung 95% selang kepercayaan selisih rata-rata
konsentrasi DO di Sungai Mas dan di Sungai Wonokromo.
Karena kedua populasi independen dan standar deviasi populasi tidak
diketahui, maka selang kepercayaannya adalah sebagai berikut:
1 1 1 1
 x1  x2   t / 2 s p    1  2    x1  x2   t / 2 s p 
n1 n2 n1 n2
1 1 1 1
 2,5  3, 2  (2,101) 5,88    1  2    2,5  3, 2   (2,101) 5,88 
10 10 10 10
2,98   1  2   1,58
Sehingga didapatkan selang kepercayaan selisih rata-rata konsentrasi DO di

Sungai Mas dan di Sungai Wonokromo adalah antara -2,98 mg/l hingga 1,58
mg/l.
Selanjutnya, ketika diasumsikan 1   2 maka statistik uji yang digunakan

adalah:
t
 x1  x2   do (9.8)
s12 / n1  s22 / n2
Pada hipotesis dua arah H1 : 1   2  d0 , daerah penolakannya adalah
ketika t  t /2,v atau t  t /2,v . Nilai t / 2,v didapatkan dari tabel distribusi t
dengan derajat bebas v seperti berikut:
s / n1  s22 / n2 
2 2
v
1
.
s / n1  /  n1  1   s22 / n2  /  n2  1
2 2 2
1
Untuk hipotesis lower tail test Ho :μ1 - μ2 ≥ do dan H1 : μ1 - μ2 < do, Ho

ditolak jika t tα , v . Untuk hipotesis upper tail test Ho : μ1 - μ2 ≤ do dan H1
: μ1 - μ2 > do, Ho ditolak jika t  t ,v .
Sementara itu, selang kepercayaan (1-α)100% bagi μ1 - μ2 adalah:
s12 s22 s2 s2
 x1  x2   t / 2    1  2    x1  x2   t / 2 1  2 (9.9)
n1 n2 n1 n2
B. DUA POPULASI DEPENDEN
Pada kasus dua populasi dependen masing-masing amatan adalah

berpasangan atau berhubungan. Amatan-amatan tersebut dinyatakan dengan
D1, D2, ....., DN yang diperoleh dari selisih setiap amatan dari populasi
pertama dan kedua.
Di  x1i  x2i
(9.10)
 SATS4121/MODUL 9 9.11
Amatan tersebut memiliki distribusi sampling dengan rata-rata D  1  2

dan ragam  D2 . Penduga titik untuk rata-rata dan varians tersebut adalah d
dan s d2
n
d   di
i 1
d 
n 2
i d
sd2  i 1
(9.11)
n 1
dengan di  x1i  x2i dan n adalah jumlah amatan.
Hipotesis dua arah yang digunakan adalah sebagai berikut:
H 0 : D  do
H1 : D  do
Statistik uji:
d  do
t (9.12)
sd / n
Daerah penolakannya adalah menggunakan distribusi t-student dengan

derajat bebas n 1. H0 ditolak ketika t  t / 2,n1 atau t  t / 2,n1 . Untuk
hipotesis lower tail test H0 : D  do dan H1 : D  do , H0 ditolak jika
t tα,n 1. Untuk hipotesis upper tail test H0 : D  do dan H1 : D  do,
Ho ditolak jika t tα , n 1 .
Sementara itu, selang kepercayaan 1   100% bagi  D  1  2 adalah:
sd sd
d  t / 2  D  d  t / 2 . (9.13)
n n
Contoh 9.6.
Untuk mengetahui apakah keanggotaan dalam suatu organisasi mahasiswa
berpengaruh terhadap IPK mahasiswa dilakukan pencatatan nilai IPK 5
mahasiswa. Pencatatan pertama adalah ketika mahasiswa tersebut masih
menjadi anggota organisasi. Pencatatan kedua adalah ketika mahasiswa
sudah tidak menjadi anggota organisasi. Ujilah apakah keanggotaan
organisasi akan membuat nilai IPK menurun dengan taraf signifikansi 5%!
Mahasiswa Anggota Bukan Anggota

1 2 2,2
2 2 1,9
3 2,3 2,5
4 2,1 2,3
5 2,4 2,4
Jawab:
1. Hipotesis
Misalkan 1 adalah rata-rata IPK ketika menjadi anggota organisasi dan
2 adalah ketika bukan anggota organisasi, maka:
H 0 : 1  2
H1 : 1  2
Dapat dituliskan menjadi
H0 : μ1-μ2 ≥ 0 atau H0 : μD≥ 0
H1: μ1-μ2 < 0 atau H1: μD< 0
3. Statistik uji
Perhitungan:
Bukan
d 
2
Mahasiswa Anggota di i d
Anggota
1 2 2,2 -0,2 0,01
2 2 1,9 0,1 0,04
3 2,3 2,5 -0,2 0,01
4 2,1 2,3 -0,2 0,01
5 2,4 2,4 0 0,01
d  0,1 sd2  0,02
d  do
t
sd / n
0,5  0

0.02 / 5
 1,58
4. Daerah kritis
H0 ditolak jika t  t , n1 dengan t ,n1  t0.5,4  2,132
 SATS4121/MODUL 9 9.13
5. Kesimpulan
Karena nilai t  1,58 lebih dari t0.5,4  2,132 maka kesimpulannya
adalah H0 gagal gagal ditolak, artinya bahwa rata-rata IPK ketika
menjadi anggota organisasi lebih besar atau sama dengan ketika bukan
menjadi anggota organisasi. Dengan kata lain tidak terbukti bahwa
keanggotaan organisasi menurunkan nilai IPK mahasiswa.
Contoh 9.7.
Selanjutnya selang kepercayaan 95% selisih rata-rata IPK pada Contoh 9.6.
adalah:
sd sd
d  t / 2  D  d  t / 2
n n
0,02 0,02
0,5  2,78  D  0,5  2,78
5 5
0,68  D  0,32.
Selang kepercayaan tersebut adalah antara -0,68 hingga -0,32. Nilai selisih
yang negatif menunjukkan tidak terbuktinya bahwa rata-rata IPK ketika
menjadi anggota organisasi lebih kecil dibandingkan ketika tidak menjadi
anggota organisasi.
LAT IH A N

1) Seperti pada contoh pada bab sebelumnya, diketahui bahwa konsumsi
alkohol oleh wanita usia muda di US terus mengalami peningkatan.
Untuk mengetahui rata-rata volume minum alkohol (dalam liter),
dilakukan survey terhadap 18 wanita usia dibawah 20 tahun dan 20 tahun
atau lebih. Hasil pencatatan adalah sebagai berikut.
Usia di bawah 20 tahun:

266 82 199 174 97 170 222 115
Usia 20 tahun ke atas

164 102 113 171 0 93 0 93 110 130
Dengan menggunakan taraf signifikansi 7%, ujilah apakah rata-rata

volume alkohol kedua kelompok usia wanita tersebut sama!
2) Dalam suatu penelitian, untuk mengetahui efek penambahan zat aditif
terhadap reaksi kimia dilakukan percobaan dengan memberikan
penambahan zat aditif dan tidak. Dengan penambahan zat aditif reaksi
kimia dilakukan 15 kali dan menghasilkan rata-rata kecepatan 7,5
mikromol per 30 menit dan simpangan baku 1,5 mikromol. Selanjutnya
dengan tanpa penambahan zat aditif dilakukan 14 kali dan menghasilkan
rata-rata kecepatan 8,8 per 30 menit dan simpangan baku 2,0 mikormol.
Ujilah pada tingkat signifikansi 5%, apakah penambahan zat aditif
mampu mempercepat reaksi kimia! Asumsikan varians-nya sama.
3) Sebuah perusahaan menyatakan bahwa kekuatan rentangan rata-rata tali
A melebihi kekuatan rentangan tali B sebesar sekurang-kurangnya 12 kg.
Untuk menguji pernyataan ini, sejumlah 50 tali dari masing-masing jenis
tali. Hasil pengujian memperlihatkan bahwa tali A mempunyai kekuatan
rentangan rata-rata 86,7 kg, sedangkan tali B 77,8 kg. Sebelumnya
perusahaan telah memiliki catatan bahwa simpangan baku kekuatan
rentang tali A dan B masing-masing 6,28 kg dan 5,61 kg. Buktikan
pernyataan perusahaan tersebut dengan menggunakan taraf signifikansi
1%.
4) Harga rumah di lokasi B sebelum dan sesudah krisis ekonomi :
No rumah 1 2 3 4
Sebelum 51 63 88 97
sesudah 45 60 75 75
Ujilah apakah harga rumah B sebelum krisis ekonomi lebih tinggi

daripada setelah krisis? Gunakan α=10%
 SATS4121/MODUL 9 9.15
1) Uji hipotesis rata-rata dua populasi independen dengan varians  12 dan

 22 tidak diketahui, asumsi 1   2 . Misalnya populasi pertama adalah
wanita usia dibawah 20 tahun dan populasi kedua adalah 20 tahun atau
lebih.
a. Hipotesis
H0 : 1  2
H1 : 1  2
Taraf signifikansi α = 7%
b. Statistik uji
t
x1  x2   d o  2,333
s12 / n1  s22 / n2
c. Daerah kritis
t  t /2,v atau t  t /2,v dengan t /2,v  t0,07/2,14  1,96
d. Kesimpulan
Karena nilai t  2,33 lebih dari t0,07/2,14  1,96 maka kesimpulannya
adalah H0 ditolak, artinya bahwa rata-rata rata-rata volume alkohol
kedua kelompok usia wanita tersebut berbeda.

 22 tidak diketahui, asumsi 1   2 . Misalnya populasi pertama adalah
penambahan zat aditif dan populasi kedua adalah tanpa penambahan zat
aditif.
a. Hipotesis
H 0 : 1  2
H1 : 1  2
b. Statistik uji
t
 x1  x2   do  1,99
s p 1/ n1  1/ n2
c. Daerah kritis
t  t , n1  n2 2 dengan t ,n1  n2 2  t5%,27  1,703
d. Kesimpulan
Karena nilai t  1,99 lebih dari t5%,27  1,703 maka kesimpulan-
nya adalah H0 gagal ditolak, artinya bahwa penambahan zat aditif
tidak mampu mempercepat reaksi kimia.

 22 diketahui. Misalnya populasi pertama adalah tali A dan populasi
kedua adalah tali B.
a. Hipotesis
H0 : 1  2  12
H1 : 1  2  12
Taraf signifikansi α=1%
b. Statistik uji
z
 x1  x2   do  2,603
12 / n1   22 / n2
c. Daerah kritis
z  z dengan z1%  2,326
d. Kesimpulan
Karena nilai z  2, 603 kurang dari z1%  2,326 maka
kesimpulannya adalah H0 gagal ditolak, artinya bahwa rentangan
rata-rata tali A tidak melebihi kekuatan rentangan tali B sebesar
sekurang-kurangnya 12 kg.
4) Uji hipotesis rata-rata dua populasi dependen. Misalnya populasi

pertama adalah sebelum krisis dan populasi kedua adalah sesudah krisis.
a. Hipotesis
H 0 : D  do
H1 : D  do
b. Statistik uji
d  do
t  2,6
sd / n
c. Daerah kritis
t  t ,n1 dengan t ,n1  t10%,3  1,638
 SATS4121/MODUL 9 9.17
d. Kesimpulan
Karena nilai t  2,6 lebih dari dari t10%,3  1,638 maka
kesimpulannya adalah H0 ditolak, artinya bahwa harga rumah B
sebelum krisis ekonomi lebih tinggi daripada setelah krisis.
R A NG KU M AN
1. Pengujian hipotesis rata-rata dua populasi bertujuan untuk

membandingkan rata-rata dua macam populasi dan mengetahui
perbedaan atau selisih rata-rata dua populasi.
2. Penduga titik untuk perbedaan rata-rata dua populasi adalah
x1  x2 .
3. Jenis populasi yang ada dapat berupa populasi independen dan
dependen.
4. Jika x1 dan x2 adalah rata-rata sampel acak independen yang
berukuran n1 dan n2 dari populasi dengan varians diketahui  1 dan
2
 22 maka selang kepercayaan 1   100% bagi 1  2 adalah:

12  22 12  22
 x1  x2   z / 2    1  2    x1  x2   z / 2
 .
n1 n2 n1 n2
Sementara itu, jika varians tidak diketahui dan diasumsikan
1   2   adalah:
1 1 1 1
 x1  x2   t / 2 s p    1  2    x1  x2   t / 2 s p  .
n1 n2 n1 n2
5. Selang kepercayaan 1   100% bagi D  1  2 untuk dua
populasi dependent adalah:
sd sd
d  t / 2  D  d  t / 2 .
n n
6. Hipotesis, statistik uji, dan daerah kritis untuk uji rata-rata dua
populasi:
Hipotesis Keterangan Statistik uji Daerah kritis
H0 : μ1 μ2 do - Populasi z  z / 2 atau
H1 : μ1 μ2 do independen z   z / 2
- Varians  1
2
z
x1  x2   d o
H 0 : μ1 μ2 do dan  2
2 z   z
 12 / n1   22 / n2
H1 : μ1 μ2 do diketahui
H 0 : μ1 μ2 do z  z
H1 : μ1 μ2 do
H0 : μ1 μ2 do - Populasi t  t / 2,n1n2 2
H1 : μ1 μ2 do independen atau
- Varians  1 dan
2
t
x1  x2   d o t  t / 2,n1n2 2
s p 1 / n1  1 / n2
 22 tidak
H 0 : μ1 μ2 do diketahui t  t ,n1n2 2
H1 : μ1 μ2 do - 1   2   s12 n1  1  s 22 n2  1
s 2p 
n1  n2  2
H 0 : μ1 μ2 do t  t ,n1n2 2
H1 : μ1 μ2 do
H 0 : μ1 μ2 do - Populasi t  t / 2,v atau

H1 : μ1 μ2 do independen
x1  x2   d o t  t / 2,v
- Varians  12 t
H 0 : 1  2  do s12 / n1  s22 / n2 t  t ,v
dan  22 tidak
H1 : 1  2  do diketahui
s
2
/ n1  s 22 / n2 
2
- 1   2 v 1
H 0 : μ1 μ2 do s
2
1 
2

/ n1 / n1  1  s 22 / n2 
2
/ n2  1
t  t ,v
H1 : μ1 μ2 do
H 0 : μD do - Populasi t  t / 2,n1 atau

d  do
H1 : μD do dependen atau t t  t / 2,n1
sd / n
berpasangan
H0 : μD do t  t ,n1
H1 : μD do
 SATS4121/MODUL 9 9.19
H0 : μD do t  t ,n1
H1 : μD do
TES F OR M AT IF 1
1) Berikut adalah data dua sampel random yang diambil dari dua populasi
yang saling bebas.
Sampel 1 Sampel 2
n1  50 n 2  35
x1  13.6 x2  11.6
1  2.2 2  3
Penduga titik untuk selisih rata-rata dua populasi adalah….

A. 4
B. 2,6
C. 3
D. 2
2) Dari soal no. 1, selang kepercayaan 90% untuk selisih rata-rata dua
populasi adalah:
A. 0,833 hingga 2,979
B. 1,021 hingga 3,167
C. 1,021 hingga 2,979
D. 0,833 hingga 3,167
3) Data dua kelompok sampel independen yang diperoleh dari dua populasi
sebagai berikut.
Sampel 1 10 7 13 7 9
Sampel 2 8 7 8 4 6
Melalui selang kepercayaan 90% selisih rata-rata kedua sampel tersebut,

buktikan apakah rata-rata sampel 1 lebih besar dibanding sampel 2!
A. 0,105 hingga 5,095 maka rata-rata sampel 1 lebih besar dibanding
sampel 2
B. -0,49 hingga 5,69 maka rata-rata sampel 1 lebih besar dibanding
sampel 2
C. 0,105 hingga 5,095 maka rata-rata sampel 2 lebih besar dibanding

sampel 1
D. -2,899 hingga 7,099 maka rata-rata sampel 1 lebih besar dibanding
sampel 2
4) Diketahui uji hipotesis sebagai berikut.

H0 : 1  2  0
H1 : 1  2  0
Selanjutnya berikut adalah data dua sampel random yang diambil dari
dua populasi yang saling bebas.
Sampel 1 Sampel 2
n1  40 n2  50
x1  25.5 x2  22,8
1  5.2 2  6
Nilai statistik ujinya adalah….

A. 2,085
B. 2,285
C. 3,111
D. 3,285
5) Dari soal no. 4, kesimpulan apa yang dapat diambil   1% adalah ....
A. rata-rata populasi pertama kurang dari atau sama dengan populasi
kedua
B. rata-rata populasi kedua kurang dari atau sama dengan populasi
pertama
C. rata-rata populasi pertama lebih besar dibandingkan populasi kedua
D. selisih rata-rata populasi pertama dan kedua lebih besar dari nol
6) BLK Cola memiliki 2 metode penjualan produknya, yaitu metode

‘normal’ dan ‘end-aisle’. Data penjualan per minggu kedua metode
Normal End-Aisle
22 34 52 62 30 52 71 76 54 67
40 64 84 56 59 83 66 90 77 84
 SATS4121/MODUL 9 9.21
Menurut Anda, untuk menguji apakah rata-rata penjualan dengan metode

‘end-aisle’ (populasi kedua) lebih tinggi dibandingkan metode ‘normal’
(populasi pertama) menggunakan pendekatan distribusi….
A. normal
B. t
C. F
D. Chi-square
7) Dari soal no. 6 di atas, hipotesis nol dan alternatif dituliskan sebagai ....
H0 : μ1 μ2
A.
H1 : μ1 μ2
H 0 : μ1 μ2
B.
H1 : μ1 μ2
H0 : μ1 μ2
C.
H1 : μ μ2
H0 : μ1 μ2 0
D.
H1 : μ1 μ2 0
8) Dari soal no. 6, dengan taraf signifikansi 5% kesimpulan yang dapat di

ambil adalah ....
A. rata-rata penjualan dengan metode ‘end-aisle’ lebih tinggi
dibandingkan metode ‘normal’
B. rata-rata penjualan dengan metode ‘end-aisle’ lebih rendah
dibandingkan metode ‘normal’
C. rata-rata penjualan dengan metode ‘end-aisle’ tidak sama dengan
metode ‘normal’
D. tidak ada kesimpulan
9) Perbedaan dua populasi yang saling independen dan dependen adalah ....
A. dependen jika populasi pertama berhubungan dengan populasi kedua
dan independen jika populasi pertama dan kedua adalah sama
B. independen jika populasi pertama tidak berhubungan dengan
populasi kedua dan dependen jika populasi pertama dan kedua
adalah sama, berhubungan, atau berpasangan
C. dependen jika pengambilan sampel dari populasi pertama dan kedua
dilakukan pada waktu yang sama
D. independen jika populasi pertama dan kedua adalah sama, namun
pengambilan sampel dilakukan pada waktu yang berbeda
10) Lima orang penderita kelebihan berat badan telah meminum obat
penurun berat badan. Data berat badan (kg) sebelum dan sesudah
meminum obat adalah sebagai berikut.
Sebelum 100 80 95 78 80
Sesudah 80 75 90 70 85
Ujilah apakah obat tersebut mampu menurunkan berat badan sama

dengan 2 kg? (  20%).
A. obat mampu menurunkan berat badan
B. obat mampu menurunkan berat badan 2 kg
C. obat tidak menurunkan berat badan
D. tidak ada kesimpulan


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
 SATS4121/MODUL 9 9.23
Kegiatan Belajar 2
Pengujian Hipotesis: Proporsi
P roporsi merupakan karakteristik yang mengikuti kejadian distribusi

Binomial dan identik dengan kejadian sukses dan gagal. Berbeda dengan
uji rata-rata, pada uji proporsi yang di uji adalah nilai proporsi atau kejadian
sukses sesuai dengan kasusnya. Proporsi ini juga identik dengan rasio dan
persentase. Pada modul 8 telah dibahas uji hipotesis proporsi untuk satu
populasi. Tujuan hipotesis ini adalah untuk mengetahui apakah proporsi
kejadian sukses tertentu berbeda dengan nilai tertentu (po). Berbeda dengan
materi sebelumnya, pada modul ini dilakukan uji hipotesis proporsi untuk
dua populasi.
Sebagai contoh, terdapat televisi jenis A dan jenis B. Selama satu hari,
perusahaan mengetahui terdapat kerusakan mesin produksi kedua televisi
yang menyebabkan banyak produk televisi yang mengalami cacat. Kemudian
perusahaan ingin mengetahui jenis televisi mana yang lebih banyak terjadi
cacat. Untuk mengetahuinya dapat dilakukan dengan melakukan uji hipotesis
proporsi dua populasi. Populasi pertama adalah televisi jenis A dan populasi
kedua adalah televisi jenis B. Kejadian sukses yang dimaksud dalam proporsi
ini adalah jumlah produk yang cacat pada hari tersebut.
Sebelum membahas prosedur uji hipotesis perlu dipahami dulu penduga
dan distribusi sampling dari perbedaan atau selisih proporsi dua populasi.
Jika terdapat dua populasi dengan masing-masing proporsi p1 dan p2 maka
penduga titik proporsi masing-masing populasi tersebut adalah p̂1 dan p̂2 .
Selanjutnya akan didapatkan penduga titik untuk perbedaan proporsi kedua
populasi tersebut adalah pˆ1  pˆ 2 .
Distribusi sampling pˆ1  pˆ 2 dapat didekati dengan distribusi normal,
dengan rata-rata
 pˆ  pˆ  p1  p2
1 2
(9.14)
dan varians
p1q1 p2 q2
 p2ˆ  pˆ   (9.15)
1 2
n1 n2
Selanjutnya nilai dapat p1 dan q1 diduga dengan p̂1 dan qˆ1  1  pˆ1. Begitu
juga p2 dan q2 diduga dengan p̂2 dan qˆ2  1  pˆ 2 . Sehingga didapatkan:
z
 pˆ1  pˆ 2    p1  p2 
(9.16)
pˆ1qˆ1 / n1  pˆ 2 qˆ2 / n2
dan
  pˆ  pˆ 2    p1  p2   z   1  
P   z / 2  z  1  /2  (9.17)
 pˆ1qˆ1 / n1  pˆ 2 qˆ2 / n2 
 
yang akan mengarah ke selang kepercayaan 1   100% bagi p1  p2 ,

yaitu:
pˆ1qˆ1 pˆ 2 qˆ2 pˆ1qˆ1 pˆ 2 qˆ2

 pˆ1  pˆ 2   z / 2   p1  p2   pˆ1  pˆ 2   z / 2  (9.18)
n1 n2 n1 n2
dengan z / 2 adalah nilai z di bawah kurva normal.
Pengujian hipotesis proporsi dua populasi dapat dilakukan untuk

menguji hipotesis nol apakah proporsi populasi pertama dan kedua sama serta
apakah proporsi populasi pertama lebih kecil dari populasi kedua. Selain itu
juga untuk menguji apakah proporsi populasi pertama lebih besar dari pada
populasi kedua.
Misalnya hipotesis dua arah untuk menguji kesamaan proporsi populasi
pertama dan kedua adalah:
H 0 : p1  p2
H1 : p1  p2
Di bawah hipotesis nol, jika p1  p2  p atau p1  p2  0 maka didapatkan
statistik uji dari persamaan 9.16.
z
 pˆ1  pˆ 2 
(9.19)
ˆ ˆ(1/ n1  1/ n2 )
pq
 SATS4121/MODUL 9 9.25
Untuk mendapatkan statistik uji tersebut perlu menduga nilai p dan q  1  p

terlebih dahulu. Penduga tersebut dinamakan penduga pooled untuk p seperti
berikut
x1  x2
pˆ  (9.20)
n1  n2
Dengan x1 dan x2 masing-masing adalah jumlah kejadian sukses pada sampel

pertama dan sampel kedua. Selanjutnya n1 dan n2 masing-masing adalah total
amatan pada sampel pertama dan sampel kedua. Karena menggunakan nilai
penduga p, maka statistik uji menjadi:
z
 pˆ1  pˆ 2  .
(9.22)
ˆ ˆ(1/ n1  1/ n2 )
pq
Daerah penolakannya adalah H0 ditolak jika z  z / 2 atau z   z / 2 . Untuk

hipotesis lower tail test H0 : p1  p2 dan H1 : p1  p2 , H0 ditolak jika
z   z . Untuk hipotesis upper tail test H 0 : p1  p2 dan H1 : p1  p2, H0
ditolak jika z  z .
Contoh 9.8.
Suatu pemungutan suara hendak dilakukan di antara penduduk kota A dan
kota B untuk mengetahui pendapat mereka mengenai pembangunan mall
baru. Lokasi mall berada di perbatasan kota A dan B. Sebagian besar
penduduk merasa bahwa pembangunan tersebut akan lolos, karena letak mall
yang strategis dan besarnya proporsi penduduk yang menyetujuinya. Untuk
mengetahui apakah ada selisih yang nyata antara proporsi penduduk kota A
dan kota B yang setuju dengan pembangunan mall, dilakukan pengambilan
sampel. Di kota A, terdapat 120 penduduk dari total 200 penduduk
menyetujui. Sedangkan di kota B, terdapat 240 penduduk dari total 500
penduduk menyetujui. Lakukan pengujian hipotesis untuk membuktikan
bahwa proporsi penduduk yang setuju di kota A lebih tinggi dibandingkan
kota B. Gunakan   5%.
Jawab:
1. Hipotesis
Misalnya proporsi penduduk yang setuju di kota A adalah p1 dan di kota
B adalah p2, maka:
H 0 : p1  p2
H1 : p1  p2
3. Statistik uji
z
 pˆ1  pˆ 2 
ˆ ˆ(1/ n1  1/ n2 )
pq

 0, 6  0, 48
0,51 0, 49  (1/ 200  1/ 500)
 2,9
dengan
x 120 x 200
pˆ1  1   0,6 pˆ 2  2   0, 48
n1 200 n2 500
x1  x2 120  200
pˆ    0,51
n1  n2 200  500
qˆ  1  pˆ  1  0,51  0, 49
4. Daerah kritis
H0 ditolak jika z  z
Dengan z0,05  1,645
Karena nilai z  2,9 lebih besar dari z0,05  1,645 maka kesimpulannya
adalah Ho ditolak atau terbukti bahwa proporsi penduduk yang setuju di
kota A lebih tinggi dibandingkan kota B.
Contoh 9.9.
Dari Contoh 9.8 juga dapat dihitung selang kepercayaan 95% untuk selisih
proporsi penduduk di kota A dan kota B yang menyatakan setuju.
 SATS4121/MODUL 9 9.27
Jawab:
pˆ1qˆ1 pˆ 2 qˆ2 pˆ qˆ pˆ qˆ
  pˆ1  pˆ 2   z / 2   p1  p2   pˆ1  pˆ 2   z / 2 1 1  2 2
n1 n2 n1 n2
(0,6)(0, 4) (0, 48)(0,52)
  0,6  0, 48  1,96   p1  p2 
200 500
(0,6)(0, 4) (0, 48)(0,52)
 0,6  0, 48  1,96 
200 500
 0,059  p1  p2  0,181.
Selang kepercayaan tersebut menunjukkan bahwa selisih proporsi penduduk

di kota A dan kota B yang menyatakan setuju adalah antara 0,059 hingga
0,181. Dengan kata lain, selisih persentase penduduk di kota A dan kota B
yang menyatakan setuju adalah antara 5,9% hingga 18,1%. Angka yang
positif menunjukkan bahwa proporsi (atau persentase) penduduk yang
menyatakan setuju di kota A lebih tinggi dibandingkan di kota B.
Contoh 9.10.
Sebuah studi menemukan bahwa pada tahun 2005 terdapat 50 dari 300
pekerja US adalah milik serikat. Selanjutnya pada tahun 2006, dari sejumlah
400 sampel terdapat 80 pekerja adalah milik serikat. Buktikan apakah
keanggotaan serikat pada tahun 2006 tidak lebih besar 1% bila dibandingkan
pada tahun 2005   2% ?
Jawab:
1. Hipotesis
Misalnya proporsi pekerja milik serikat tahun 2006 adalah p1 dan tahun
2005 adalah p2, maka:
H 0 : p1  p2  0,01  atau 1%
H1 : p1  p2  0,01
2. Statistik uji z  0, 786
3. Daerah kritis
H0 ditolak jika z  z / 2 atau z   z / 2
dengan z0,02/2  2,326
4. Mengambil kesimpulan: H0 gagal ditolak, artinya selisih persentase

tahun 2006 dan 2005 adalah 1%. Dengan kata lain keanggotaan serikat
pada tahun 2006 lebih besar 1% bila dibandingkan pada tahun 2005.
LAT IH A N

1) Berikut adalah data dua sampel random yang diambil dari dua populasi
yang saling bebas.
Sampel 1 Sampel 2
n1  400 n2  300
p1  0, 48 p2  0,36
a. Dapatkan penduga titik untuk selisih proporsi dua populasi tersebut!
b. Buatlah selang kepercayaan 90% untuk selisih proporsi dua populasi
tersebut!
c. Buatlah selang kepercayaan 95% untuk selisih proporsi dua populasi
tersebut!
2) Diketahui hipotesis sebagai berikut:

H 0 : p1  p2
H1 : p1  p2
Selanjutnya dari pengambilan sampel didapatkan:
Sampel 1 Sampel 2
n1  200 n2  300
p1  0, 22 p2  0,16
dengan   0, 05, bagaimana kesimpulan yang Anda dapatkan?
3) Badan transportasi di US mencatat bahwa pada tahun 2001-2002

terdapat 10 perusahaan penerbangan yang terbaik. Dikatakan terbaik jika
kedatangan penerbangannya selalu on time. Penerbangan yang datang
masih dalam rentang 15 menit dari jadwal yang ditentukan dikatakan on
time. Data pencatatan Badan Transportasi yang dilakukan pada
 SATS4121/MODUL 9 9.29
pengambilan sampel Januari 2001 dan Januari 2002 adalah sebagai

berikut:
 Januari 2001:Sejumlah 742 dari 924 penerbangan adalah tepat
waktu
 Januari 2002:Sejumlah 714 dari 841 penerbangan adalah tepat
waktu
a. Berapa penduga titik dari jumlah penerbangan yang tepat waktu
pada tahun Januari 2001?
b. Berapa penduga titik dari jumlah penerbangan yang tepat waktu
pada Januari 2002?
c. Misalkan p1 adalah proporsi penerbangan yang tepat waktu
pada Januari 2001 dan p2 pada Januari 2002. Lakukan
pengujian apakah perusahaan-perusahaan telah mampu
meningkatkan jumlah penerbangan yang on time selama 1
tahun? Gunakan taraf signifikansi 10%.
4) Terdapat dua merek mesin untuk menghasilkan eternit. Kedua mesin

menghasilkan 3 macam kualitas produk, yaitu tipe baik sekali, baik, dan
buruk. Hasil produk disajikan pada tabel berikut :
Kualitas produk
Merek mesin
Baik sekali Baik Buruk
Sakura 110 225 10
Yashika 150 200 7
Ujilah bahwa pernyataan merek Yasika lebih baik dari merek Sakura
pada tingkat signifikansi 5%.
1) Penduga titik dan interval

a. Penduga titik selisih proporsi dua populasi
pˆ1  pˆ 2  0, 48  0,36  0,12
b. Selang kepercayaan 90%

(0, 48)(0,52) (0,36)(0,64)
  0, 48  0,36   1,64   p1  p2 
400 300
(0, 48)(0,52) (0,36)(0,64)
 0, 48  0,36   1,64 
400 300
 0,039  p1  p2  0, 201
c. Selang kepercayaan 95%

0,047  p1  p2  0,193
2) a. Uji hipotesis proporsi dua populasi

H 0 : p1  p2
H1 : p1  p2
b. Statistik uji
z
 0, 22  0,16   1,696
0,184(1  0,184)(1/ 200  1/ n2 300)
dengan
x x n pˆ  n pˆ 200(0, 22)  300(0,16)
pˆ  1 2  1 1 2 2   0,184
n1  n2 n1  n2 200  300
c. Daerah kritis
z  z dengan z0,05  1,645
d. Kesimpulan
kesimpulannya adalah H0 ditolak atau p1  p2 .
3) Penduga dan uji hipotesis proporsi dua populasi:

a. p1  742 / 924  0,803
b. p2  714 / 841  0,849
c. Hipotesis
H1 : p1  p2
H1 : p1  p2
Statistik uji z  2,538
 SATS4121/MODUL 9 9.31
Daerah kritis : z   z dengan z0,10  1,282

Kesimpulan: Ho ditolak atau p1  p2 , artinya jumlah penerbangan
yang on time pada Januari 2002 lebih tinggi dibandingkan Januari
2001. Dapat dikatakan juga bahwa perusahaan-perusahaan telah
mampu meningkatkan jumlah penerbangan yang on time selama 1
tahun
4) Uji hipotesis proporsi dua populasi

a. Hipotesis : Misalnya populasi pertama mesin Sakura dan populasi
kedua merek Yashika. Untuk membuktikan hipotesis bahwa merek
Yasika lebih baik dari Sakura, proporsi yang digunakan adalah
proporsi kualitas produk baik sekali.
H 0 : p1  p2
H1 : p1  p2
b. Statistik uji
z
 pˆ1  pˆ 2 
ˆ ˆ(1/ n1  1/ n2 )
pq
 2,779
c. Daerah kritis z   z dengan z0,05  1,645
d. Kesimpulan Karena nilai z  2, 779 lebih kecil dari
z0,05  1,645 maka kesimpulannya adalah Ho ditolak atau
merek Yasika lebih baik dari merek Sakura.
R A NG KU M AN
1. Penduga titik selisih proporsi dari dua populasi adalah pˆ1  pˆ 2 .

2. Penduga interval (selang kepercayaan (1   )100%) selisih proporsi
dari dua populasi adalah:
pˆ1qˆ1 pˆ 2 qˆ2 pˆ qˆ pˆ qˆ
 pˆ1  pˆ 2   z / 2   p1  p2   pˆ1  pˆ 2   z / 2 1 1  2 2 .
n1 n2 n1 n2
3. Pengujian hipotesis proporsi dua populasi dapat dilakukan untuk

menguji hipotesis nol apakah proporsi populasi pertama dan kedua
sama serta apakah proporsi populasi pertama lebih kecil dari
populasi kedua. Selain itu juga untuk menguji apakah proporsi
populasi pertama lebih besar dari pada populasi kedua.
4. Hipotesis, statistik uji, dan daerah kritis untuk uji proporsi dua
populasi:
Hipotesis Statistik uji Daerah kritis
H 0 : p1  p2
z  z / 2 atau z   z / 2
H1 : p1  p2
H 0 : p1  p2
z   z
H1 : p1  p2
z
 pˆ1  pˆ 2 
ˆ ˆ(1/ n1  1/ n2 )
pq
H 0 : p1  p2
z  z
H1 : p1  p2
TES F OR M AT IF 2
1) Uji proporsi dua populasi berfungsi untuk ....

A. menguji perbandingan proporsi dan rata-rata dari dua macam
populasi
B. menguji perbandingan proporsi dua macam populasi atau selisih
proporsi dua populasi
C. mendapatkan selisih proporsi
D. mengetahui keragaman proporsi
2) Data jumlah kesalahan pencatatan pajak selama satu bulan pada dua
kantor tercatat sebagai berikut :
Kantor 1 : 35 kesalahan dari 250 transaksi
Kantor 2 : 27 kesalahan dari 300 transaksi
Nilai penduga selisih proporsi tingkat kesalahan pencatatan di dua kantor
adalah….
A. 0,05
B. 0,23
 SATS4121/MODUL 9 9.33
C. -0,05
D. -0,23
3) Dari soal no. 3, nilai varians selisih proporsinya adalah….

A. 0,209
B. 0,000209
C. 0,000755
D. 0,000309
4) Dari soal no. 3, 99% selang kepercayaan bagi selisih proporsi adalah….
A. 0,02  p1  p2  0,12
B. 0,002  p1  p2  0,098
C. 0,002  p1  p2  1,098
D. 0,004  p1  p2  0,10
5) Apabila terdapat hipotesis alternatif proporsi p1 p2 dengan α=2%

maka digunakan daerah kritis ....
A. B.
C. D.
6) Pabrik rokok memproduksi dua merek yang berbeda, yaitu merek A dan
merek B. Ternyata sejumlah 56 orang di antara 200 perokok menyukai
merek A. Sementara itu, sejumlah 29 orang di antara 150 perokok
menyukai merek B. Perusahaan menduga bahwa merek A terjual lebih
banyak daripada B. Untuk membuktikan dugaan tersebut, hipotesis yang
dapat digunakan adalah ....
A. H0 : p1  p2 , H1 : p1  p2
B. H 0 : p1  p2 , H1 : : p1  p2
C. H0 : p1  p2 , H1 : p1  p2
D. H0 : p1  p2  0, H1 : p1  p2  0
7) Berdasarkan no. 6, dapat dihitung nilai varians pooled proporsi

sebesar….
A. 0,5
B. 0,087
C. 0
D. 0,243
8) Berdasarkan no. 6, nilai statistik uji adalah....

A. 1,87
B. 0
C. 0,243
D. 0,5
9) Berdasarkan no. 6, dengan taraf signifikansi 10% kesimpulan yang dapat

di ambil adalah ....
A. merek A terjual lebih banyak daripada B
B. merek A terjual lebih sedikit daripada B
C. jumlah yang terjual di merek A dan B adalah sama
D. jumlah yang terjual di merek A dan B adalah berbeda
10) Proporsi merupakan karakteristik yang mengikuti distribusi ....

A. normal standar
B. Poisson
C. Binomial
D. normal
 SATS4121/MODUL 9 9.35


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Kegiatan Belajar 3
Pengujian Hipotesis: Varians
P ada Kegiatan Belajar 1 dan 2 telah dibahas pengujian hipotesis rata-rata

dan proporsi untuk dua populasi. Pada kegiatan belajar ini akan dibahas
pengujian hipotesis varians untuk dua populasi. Pada suatu kasus, misalnya
pada proses produksi, perusahaan ingin mengetahui perbandingan tingkat
kevariansan hasil produksi dari beberapa mesin. Untuk mengetahuinya
dilakukan pengambilan sampel hasil produksi di mesin pertama dan kedua
selama 30 hari. Mesin pertama disebut populasi pertama dan mesin kedua
disebut populasi kedua. Selanjutnya, dihitung varians dari data jumlah
produksi di masing-masing mesin tersebut dan dilakukan pengujian. Varians
dari mesin pertama dan mesin kedua masing-masing adalah s12 dan s22 . Nilai
varians tersebut merupakan nilai penduga bagi varians populasi, yaitu  12
dan  22 .
Perbandingan varians dua populasi ditunjukkan oleh nilai rasio antara
kedua varians tersebut, yaitu 12  22 . Penduga titik untuk rasio tersebut
adalah s12 s22 . Jika x1 , x2 ,..., xn dari n menunjukkan sampel acak dari dua
populasi yang berdistribusi normal N 1 ,1    
dan N  2 , 2 , maka
didapatkan:
s12 / 12
F
s22 /  22
(9.23)
s 2 2
 12 22
s2 1
akan mengikuti distribusi F dengan derajat bebas v1  n1 –1 dan v2  n2 –1.
Sehingga selang kepercayaan (1   )100% bagi F adalah:
 s 2 2 
P  f1 / 2( v1,v 2)  F  12 22  f / 2( v1,v 2)   1  
 s2 1 
 SATS4121/MODUL 9 9.37
 s2 1  2 s2 
P  12  12  12 f / 2(v 2,v1)   1  
 s2 f / 2(v1,v 2)  2 s2 
 
s12
1  2
s 2
 1  1 f / 2(v 2,v1) (9.24)
s22 f / 2( v1,v 2)  22 s22
Di mana f /2(v1,v2) dan f /2(v2,v1) diperoleh dari tabel distribusi F dengan

derajat bebas v1 dan v2 .
Selanjutnya jika akan di uji kesamaan varians dari populasi pertama dan
populasi kedua, digunakan hipotesis sebagai berikut:
H0 : 12   22
H1 : 12   22
Statistik uji hipotesis tersebut adalah :
s12
F (9.25)
s22
Daerah penolakannya adalah H0 ditolak jika F  f /2(v1,v2) atau

F  f1 /2(v1,v2) . Untuk hipotesis lower tail test H0 : 12   22 dan
H1 :    , H0 ditolak jika F  f1 (v1,v2) . Untuk hipotesis upper tail test
2
1
2
2
Ho : 12   22 dan H1 : 12   22 , H0 ditolak jika F  f (v1,v 2)
Nilai f1 / 2( v1, v 2) dapat dicari juga dengan:
1
f1 / 2( v1,v 2) 
f / 2(v 2,v1)
Gambar 9.1 hingga 9.3 berikut menunjukkan daerah kritis untuk uji hipotesis
varians pada distribusi F.
Gambar 9.1
Daerah Kritis untuk Hipotesis Alternatif 12   22
Gambar 9.2
Daerah Kritis untuk Hipotesis Alternatif 12   22
Gambar 9.3
Daerah Kritis untuk Hipotesis Alternatif 12   22
 SATS4121/MODUL 9 9.39
Contoh 9.11.
Untuk menguji kesevariansan diameter kikir yang dihasilkan dari dua mesin
A dan B dilakukan pengambilan beberapa sampel dari masing-masing mesin.
Sejumlah 10 buah kikir diambil dari mesin A. Dihasilkan rata-rata 3,5 mm
dan simpangan baku 0,05 mm. Sedangkan sejumlah 15 buah kikir diambil
dari mesin B. Dihasilkan rata-rata 3,5 mm dan simpangan baku 0,07 mm.
Ujilah apakah varians diameter kedua mesin adalah sama.
Gunakan taraf signifikansi 10%.
Jawab:
1. Hipotesis
Misalkan  12 adalah varians dari mesin A dan  22 adalah varians dari
mesin B, maka:
H0 : 12   22
H1 : 12   22
3. Statistik uji
s12 0,052
F   0,51
s22 0,072
4. Daerah kritis
H0 ditolak jika F  f /2(v1,v 2) atau F  f1 /2(v1,v2) .
f /2(v1,v2)  f0,05(9,14)  2,6458 dan f1 /2(v1,v2)  f0,95(9,14)  0,331
didapatkan dari nilai tabel distribusi F .
5. Kesimpulan
Karena nilai F  0,51 berada di antara f0,95(9,14)  0,331 dan
f0,05(9,14)  2,6458 maka H0 gagal ditolak atau varians diameter kikir di
mesin A dan B adalah sama.
Contoh 9.12.
Dari Contoh 9.11 dapat dihitung nilai selang kepercayaan 90% bagi
perbandingan varians kedua populasi.
s12   12 s12

  f / 2( v 2,v1) 
1
 
s22  f / 2(v1,v 2)   22 s22
0,052  1  12 0,052
  3,03
0,072  2,6458   22 0,072
12
0,193   1,546
 22
Selanjutnya dapat dihitung pula selang kepercayaan 90% bagi perbandingan
standard deviasi kedua populasi, yaitu dengan mengakarkan batas bawah dan
batas atas.
1
0, 439   1, 243
2
Contoh 9.13.
Pada kasus yang sama dengan Contoh 9.11., dilakukan uji hipotesis:
H0 : 12   22
H1 : 12   22
Nilai statistik uji F  0,51. Daerah kritis yang digunakan adalah F  f (v1,v 2)
dimana f (v1,v2)  f10%(9,14)  2,12 .
Karena nilai F  0,51 kurang dari f10%(9,14)  2,12 maka H 0 gagal ditolak,
sehingga varians populasi pertama kurang dari atau sama dengan populasi
kedua.
 SATS4121/MODUL 9 9.41
LAT IH A N

1) Dapatkan nilai distribusi F dari

a. F0,05 dengan derajat bebas 5 dan 10
b. F0,1 dengan derajat bebas 5 dan 10
c. F0,95 dengan derajat bebas 10 dan 5
d. F0,90 dengan derajat bebas 5 dan 10
2) Dua buah sampel yang masing-masing berjumlah 16 dan 21, serta

memiliki standard deviasi 5 dan 6
a. Dapatkan selang kepercayaan 90% bagi varians populasinya!
b. Dapatkan selang kepercayaan 95% bagi varians populasinya!
3) Sejumlah 11 sampel yang diambil dari populasi pertama memiliki

varians 5,8. Selanjutnya sejumlah 21 sampel dari populasi kedua
memiliki varians 2,4. Lakukan pengujian hipotesis dengan α =1%,
H 0 : 12   22
H1 : 12   22
4) Dua alat pengukur kadar sulfur monoksida di udara hendak

dibandingkan. Ingin diketahui apakah kedua alat pengukur tersebut
memberikan hasil yang kevariansannya sama. Hasil pencatatan kedua
alat tersebut adalah
Alat A 0,96 0,82 0,75 0,61 0,89 0,64 0,81 0,68 0,65
Alat B 0,87 0,74 0,63 0,55 0,76 0,70 0,69 0,57 0,53
Dengan taraf signifikansi 1%, ujilah apakah kedua alat tersebut

memberikan kevariansan yang sama!.
5) Dari latihan soal Kegiatan Belajar 3, ujilah apakah varians dengan

penambahan zat aditif lebih besar dibandingkan dengan tanpa zat aditif.
1) a. F0,05(5,10)= 3,33
b. F0,1 (5,10) = 2,52
c. F0,95 (10,5) = 1/F0,05 (5;10) = 1/3,33 = 0,3003
d. F0,9 (5,10) = 1/F0,1 (10,5) = 1/3,30 = 0,303
2) Selang kepercayaan
a. Selang kepercayaan 90%
52    12 52

1
 
62  f 0,05(15,20)   22 62

f 0,05(20,15) 
52  1   12 52
   2,33
62  2, 20   22 62
12
0,315   1,62
 22
b. Selang kepercayaan 95%
52    12 52

1
 
62  f 0,025(15,20)   22 62

f 0,025(20,15) 
52  1   12 52
   2, 76 
62  2,57   22 62
 12
0, 270   1,92
 22
3) Hipotesis :
H0 : 12   22
H1 : 12   22
s12
Statistik uji : F   5,84
s22
Daerah kritis : H0 ditolak jika F  f0,99(10,20)  0,227.
Kesimpulan : H0 gagal ditolak, varians populasi pertama lebih dari atau
sama dengan varians populasi kedua.
 SATS4121/MODUL 9 9.43
4) Misalnya populasi pertama alat A dan populasi kedua alat B.

Hipotesis
H0 : 12   22
H1 : 12   22
Statistik uji
s12
F  1,1853
s22
Daerah kritis H0 ditolak jika F  f /2(v1,v 2) atau F  f1 /2(v1,v2) .
f /2(v1,v2)  f0,01(9,9)  0,133 dan f1 /2(v1,v2)  f0,99(9,9)  7,496
Kesimpulan : Karena nilai F  1,1853 berada di antara f0,01(9,9)  0,133
dan f0,99(9,9)  7,496 maka H0 gagal ditolak.
5) Misalnya populasi pertama adalah dengan penambahan zat aditif dan

populasi kedua tanpa zat aditif
Hipotesis:
H0 : 12   22
H1 : 12   22
Statistik uji :
s2
F  12  0,5625
s2
Daerah kritis: Ho ditolak jika F  f (v1,v2) , dengan
f (v1,v2)  f0,05(14,13)  2,554
Kesimpulan: Karena nilai F  0,5625 kurang dari f 0,05(14,13)  2,554
maka H0 gagal ditolak atau varians dengan penambahan zat aditif kurang
dari atau sama dengan varians tanpa zat aditif.
R A NG KU M AN
1. Selang kepercayaan (1-α)100% bagi perbandingan varians dua

populasi adalah
s12 1  12 s12
  f / 2(v 2,v1)
s22 f / 2(v1,v 2)  22 s22
Dimana f /2(v1,v2) dan f /2(v2,v1) diperoleh dari tabel distribusi F
dengan derajat bebas v1 dan v2 .
2. Hipotesis, statistik uji, dan daerah kritis untuk uji varians dua
populasi:
Hipotesis Statistik uji Daerah kritis
H 0 : 12   22 F  f /2(v1,v2) atau

H1 : 12   22 F  f1 / 2(v1,v2)
s12
H 0 : 12   22 F F  f1 (v1,v2)
s22
H1 : 12   22
H 0 : 12   22 F  f (v1,v2)
H1 : 12   22
TES F OR M AT IF 3
1) Dapatkan nilai perbandingan varians dua populasi berikut:

Varians populasi 1 : 36
Varians populasi 1 : 20
A. 2,00
B. 1,80
C. 1,34
D. 3,24
 SATS4121/MODUL 9 9.45
2) Nilai dari F0,025 (9,20) adalah ....

A. 2,84
B. 1,96
C. 2,39
D. 3,46
3) Dapatkan nilai varians dari data berikut :

Populasi 1 : 10 12 14 8 6 4 7
Populasi 2 : 9 11 5 7 10 9 6
A. Populasi 1 = 3,25 dan populasi 2 = 2,19
B. Populasi 1 = 10,55 dan populasi 2 = 2,19
C. Populasi 1 = 3,25 dan populasi 2 = 4,81
D. Populasi 1 = 10,55 dan populasi 2 = 4,81
4) Dari soal no. 2, selang kepercayaan 98% bagi perbandingan varians

kedua populasi adalah….
A. 0,27 hingga 15,77
B. 0,20 hingga 15,77
C. 0,00 hingga 15,77
D. 0,27 hingga 1,00
5) Pengujian hipotesis varians dua populasi menggunakan pendekatan

distribusi….
A. t
B. Chi-square
C. normal
D. F
6) Perbedaan uji hipotesis varians satu populasi dan dua populasi adalah
A. Uji satu populasi menggunakan distribusi Chi-quare, uji dua
populasi menggunakan distribusi t
B. Uji satu populasi untuk membandingkan varians populasi dengan
nilai varians tertentu, uji dua populasi menguji selisih varians dua
populasi
C. Uji satu populasi untuk membandingkan rata-rata populasi dengan
nilai rata-rata tertentu, uji dua populasi menguji selisih rata-rata dua
populasi
D. Uji satu populasi untuk membandingkan varians populasi dengan
nilai varians tertentu, uji dua populasi menguji rasio varians dua
populasi
7) Diketahui
n1  50 n2  20
s1  3 s2  11
Apabila dilakukan pengujian hipotesis   2% dengan hipotesis
alternatif 12   22
, maka akan didapatkan kesimpulan
A. Varians populasi pertama lebih besar dari atau sama dengan
populasi kedua
B. Varians populasi kedua lebih besar dari atau sama dengan populasi
pertama
C. Varians populasi pertama lebih kecil daripada populasi kedua
D. Varians populasi pertama lebih kecil atau sama dengan varians
populasi kedua
8) Sebuah penelitian bermaksud membandingkan waktu yang diperlukan

oleh karyawan laki-laki dan perempuan untuk merakit sebuah produk
tertentu. Pengalaman lalu menunjukkan bahwa sebaran waktu yang
diperlukan bagi karyawan laki-laki dan perempuan menghampiri pola
distribusi normal, dan varians bagi perempuan (populasi kedua) lebih
kecil daripada varians laki-laki (populasi pertama). Hipotesis yang dapat
digunakan anggapan berdasarkan pengalaman tersebut adalah
A. H 0 : 12   22
H1 : 12   22
B. H 0 : 12   22
H1 : 12   22
C. H 0 : 12   22  0
H1 : 12   22  0
D. H 0 : 12   22
H1 : 12   22
9) Lanjutan no. 8. Sejumlah sampel acak 11 karyawan dan 14 karyawati

dikumpulkan dan didapatkan simpangan baku masing-masing adalah 6,1
dan 5,3. Dengan α = 3%, daerah kritis yang digunakan adalah….
 SATS4121/MODUL 9 9.47
A. B.
C. D.
10) Lanjutan no. 8, kesimpulan yang didapatkan adalah (α = 3%)…

A. Varians waktu perempuan lebih kecil atau sama dengan waktu laki-
laki
B. Varians waktu perempuan lebih besar daripada waktu laki-laki
C. Varians waktu perempuan adalah dua kali waktu laki-laki
D. Varians waktu laki-laki lebih kecil dibandingkan waktu perempuan


Jumlah Soal

80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

belum dikuasai.
Tes Formatif 1
1) D
Penyelesaian:
x1  x2  13.6  11,6  2
2) C
Penyelesaian:
12  22 2 2
 x1  x2   z / 2    1  2    x1  x2   z / 2 1  2
n1 n2 n1 n2
2, 22 32 2, 22 32
13,6  11,6  1,64    1  2   13,6  11,6   1,64 
50 35 50 35
1,021   1  2   2,979
3) A
Penyelesaian:
Karena kedua populasi independen, standar deviasi populasi tidak
diketahui, dan diasumsikan varians sama, maka selang kepercayaannya
adalah sebagai berikut:
1 1 1 1
 x1  x2   t / 2 s p    1  2    x1  x2   t / 2 s p 
n1 n2 n1 n2
1 1 1 1
9, 2  6,6  (1,860) 4,5    1  2    9, 2  6,6   (1,860) 4,5 
5 5 5 5
0,105   1  2   5,095
Selisih rata-rata bernilai positif, maka rata-rata sampel 1 lebih besar bila
dibandingkan dengan sampel 2.
 SATS4121/MODUL 9 9.49
4) B
Penyelesaian :
z
x1  x2   d o
 12 / n1   22 / n2

25,5  22,8  0
5.2 2 / 40  6 2 / 50
 2,285
5) A
Penyelesaian:
Hipotesis :
H0 : μ1-μ2 ≤ 0
H1: μ1-μ2 >0
Statistik uji z = 2,285
Daerah kritis :
z  z dengan z1%  2,326
Kesimpulan: H0 gagal ditolak, artinya bahwa Rata-rata populasi pertama
kurang dari atau sama dengan populasi kedua
6) B Cukup Jelas
7) B Cukup Jelas
8) A
Penyelesaian:
Uji hipotesis rata-rata dua populasi independen dengan varians  12 dan
 22 tidak diketahui, asumsi 1   2 .
Hipotesis :
H0 : μ 1 ≥ μ 2
H1 : μ 1 < μ 2
Statistik uji :
t
x1  x2   d o  3,045
s p 1 / n1  1 / n2
Daerah kritis :
t  t5%,18  1,703
Kesimpulan
Karena nilai t  3, 045 kurang dari t5%,18  1,703 maka
kesimpulannya adalah H0 ditolak.
9) B, Cukup jelas
10) B
Penyelesaian:
Uji hipotesis rata-rata dua populasi dependen. Misalnya populasi
pertama adalah sebelum minum obat dan populasi kedua adalah sesudah
minum obat.
Hipotesis :
H0 :μD ≤ 2
H1 :μD > 2
Statistik uji :
d  do
t  1,397
sd / n
Daerah kritis :
t  t ,n1 dengan t ,n1  t20%,4  0,941
Kesimpulan
Karena nilai t  1,397 lebih dari t20%,4  0,941 maka kesimpulannya
adalah H0 ditolak.
Tes Formatif 2
1) B Cukup Jelas
2) A Cukup Jelas
3) B
Penyelesaian:
pˆ qˆ pˆ qˆ 0,14(0,86) 0,09(0,91)
 p2ˆ1  pˆ 2  1 1  2 2    0,000209
n1 n2 250 300
 SATS4121/MODUL 9 9.51
4) A
Penyelesaian:
(0,14)(0,86) (0,09)(0,91)
  0,14  0,09   2,576   p1  p2 
250 300
(0,14)(0,86) (0,09)(0,91)
 0,14  0,09   2,576 
250 300
 0,02  p1  p2  0,12
5) A Cukup Jelas
6) C Cukup Jelas
7) D
Penyelesaian:
x x 56  29
pˆ  1 2   0, 243
n1  n2 200  150
8) A
Penyelesaian:
z
 pˆ1  pˆ 2 
ˆ ˆ(1/ n1  1/ n2 )
pq
 1,87
9) A
Penyelesaian:
Hipotesis : Misalnya populasi pertama adalah merk A dan populasi
kedua adalah merk B.
H 0 : p1  p2
H1 : p1  p2
Statistik uji
z
 pˆ1  pˆ 2 
pˆ qˆ (1 / n1  1 / n2 )
 1,87
Daerah kritis : z  z dengan z0,05  1,645

Kesimpulan : Karena nilai z  1,87 lebih besar dari z0,05  1,645 maka
kesimpulannya adalah H0 ditolak.
10) C Cukup Jelas
Tes Formatif 3
1) B
Penyelesaian
s12 36
F   1,8
s22 20
2) A Cukup Jelas
3) D Cukup Jelas
4) A
Penyelesaian : Selang kepercayaan 98%
10,55  1  12 10,55
   7,19
4,81  8, 26   22 4,81
12
0, 27   15,77
 22
5) D Cukup Jelas
6) D Cukup Jelas
7) A
Penyelesaian:
Hipotesis:
H0 : 12   22
H1 : 12   22
Statistik uji : F  0, 074
Daerah kritis : H0 ditolak jika F  f0,98(49,19)  0,479
Kesimpulan : H0 ditolak, varians populasi pertama lebih dari atau sama
dengan populasi kedua
 SATS4121/MODUL 9 9.53
8) B Cukup Jelas
9) C
Penyelesaian:
Hipotesis :
H 0 : 12   22
H1 : 12   22
s2
Statistik uji : F  12  1,325
s2
Daerah kritis : H0 ditolak jika F  0, 29
Kesimpulan : H0 gagal ditolak.
10) A
Penyelesaian:
Sesuai dengan penyelesaian di nomor 9.
Daftar Pustaka
Anderson R.A, D.J Sweeney, T. A Williams. 2011. Statistics for Business




Edition. Freeman.

13-204767-8.
Rosenkrantz, W.A. 1997. Introduction to Probaility and Statistict for

Walpole, R.E. 1995. Pengantar Statistika. Terjemahan Edisi ketiga. Jakarta:

 SATS4121/MODUL 9 9.55
Daftar Riwayat Hidup

Dr. Sutikno, S.Si, M.Si. seorang pakar dalam bidang
Pemodelan Statistika dan Spasial. Penulis memulai
karirnya di Institut Teknologi Sepuluh Nopember (ITS),
Surabaya sejak tahun 1997. Penulis meraih gelar Doktor
dari Institut Pertanian Bogor (IPB) tahun 2008.
Saat ini jabatan fungsional akademik dosen yang
telah diraihnya adalah Lektor dengan pangkat/golongan,
Penata Tk I/III-d. Dalam pengelolaan institusi, saat ini penulis menjabat
sebagai Ketua Program Studi Sarjana (S1) Statistika FMIPA-ITS.
Sebelumnya, penulis menjabat sebagai Kepala Pusat Studi Potensi Daerah
dan Pemberdayaan Masyarakat LPPM-ITS serta Kepala Laboratorium
Statistika Lingkungan dan Kesehatan Jurusan Statistika ITS.
Penulis aktif melakukan pengajaran pada beberapa bidang statistika
seperti: Pemodelan Statistika, Statistika Spasial, Pemodelan Klimatologi,
Disain Eksperimen, dan Analisis Data Kualitatif. Karya ilmiah yang telah
dihasilkan 8 (delapan) tahun terakhir adalah: Gaussian Copula Marginal
Regression For Modeling Extreme Data With Application, Maximum
Likelihood Estimation For Spatial Durbin Model, Spatial Durbin Model to
Identify Influential Factors of Diarrhea, Bayes Wavelet Regression Approach
to Solve Problems in Multivariable Calibration Modeling, Statistical
Downscaling Output GCM Modeling with Continuum Regression and Pre-
Processing PCA Approach, Prakiraan Cuaca dengan Metode Autoregressive
Integrated Moving Average, Neural Network, dan Adaptive Splines
Threshold Autoregression di Stasiun Juanda Surabaya, Model Ramalan
Produksi Padi dengan Menggunakan Indeks Hujan Terboboti di Kabupaten
Subang, Karawang, dan Indramayu.
Beberapa karya ilmiah tersebut berhasil dipublikasikan pada jurnal
internasional dan nasional, yaitu Journal of Mathematics and Statistics,
Jurnal IPTEK-ITS, Jurnal Sain Dirgantara, Jurnal Tanah dan Iklim. Selain
itu, penulis aktif menjadi pembicara pada konferensi internasional, seperti:
International Conference on Mathematics, Science, and Education,
International Seminar on Science and Technology, dan The IndoMS
International Conference on Mathematics and Its Applications.
Pengalaman profesional lainnya yang terkait dengan Statistika yang
pernah penulis geluti adalah penulis aktif sebagai konsultan berbagai instansi
baik pemerintah maupun swasta, seperti: Kementrian Informasi dan

Komunikasi, Kementrian Lingkungan Hidup, Kementrian Pendidikan dan
Kebudayaan, Dinas Kependudukan dan Pencatatan Sipil Kota Surabaya,
Badan Perencanaan Pembangunan Kota Surabaya Pemda Kota Mojokerto,
Pemerintah Kota Probolinggo, Pemerintah Kabupaten Probolinggo,
Pemerintah Kota Madiun, Pemerintah Kota Pasuruan, Pem-Prov Papua Barat,
The Jawa Institute of Pro-Otonomi, PT. Migas, PT. Pelindo III, JOB
Pertamina – Talisman Jambi Merang, PT. PGN, PT. Holcim, PPEJ Petro
Cina East Java, BPJS, Kangean Energy Indonesia, IUWASH-USAID, dan
ILO.
Dewi Juliah Ratnaningsih, S.Si, M.Si lahir di Garut tahun

1974. Sarjana Sains dalam bidang statistika penulis
peroleh dari Institut Pertanian Bogor (IPB) pada tahun
1997. Penulis memulai karirnya sebagai dosen statistika
pada tahun 1997 di Akademi Manajemen Informatika dan
Komputer Bina Sarana Informatika (AMIK BSI). Mulai
tahun 1999 sampai sekarang, penulis bekerja mengabdikan
dirinya sebagai dosen pada Jurusan Statistika FMIPA Universitas Terbuka
(UT). Pendidikan S2 ditempuh pada tahun 2005-2008 pada Program
Statistika Pascasarjana IPB.
Saat ini, penulis sedang menempuh Program Doktor pada Program
Pascasarjana IPB. Jabatan fungsional akademik yang telah diraihnya adalah
Lektor Kepala dengan pangkat/golongan, Penata Tingkat I/III-d. Dalam
pengelolaan institusi, penulis pernah bekerja sebagai Koordinator Penelitian
Kelembagaan pada Pusat Penelitian Kelembagaan dan Pengembangan Sistem
Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Terbuka
(Puslitgasis LPPM-UT), Koordinator Penelitian Tracer Study Universitas
Terbuka, dan Ketua Jurusan Statistika FMIPA-UT.
Penulis aktif melakukan pengajaran dalam bidang statistika, seperti:
Pengumpulan dan Penyajian Data, Metode Statistika, Rancangan Percobaan,
dan Pengantar Statistika Matematis. Buku Materi Pokok (BMP)
Pengumpulan dan Penyajian Data/SATS4213 telah ditulis bersama Dr.
Bambang Widjanarko Otok, M.Si dan dipublikasikan mulai tahun 2016.
BMP lain yang penulis tulis dan susun adalah Pengantar Proses Stokastik,
Statistika, dan Metodologi Penelitian. Selain itu, penulis pun aktif
melakukan riset pada bidang statistika dan bidang Pendidikan Terbuka dan
 SATS4121/MODUL 9 9.57
Jarak Jauh (PTJJ), seperti: Analisis Data, Pemodelan dalam bidang

pendidikan, Analisis Survival, Analisis Clustering, Data Mining, dan Tracer
Study. Dalam beberapa kegiatan Pengabdian kepada Masyarakat penulis aktif
memberikan pelatihan sebagai narasumber pada pelatihan: Analisis Data,
Pengolahan dan Penyajian Data dengan Excel untuk staf di kelurahan/desa.
Penulis pun pernah menjadi pelatih dan narasumber pada kegiatan
Pengolahan dan Manajemen Data Tracer Study seluruh Perguruan Tinggi
yang tergabung dalam IndoTrace yang diselenggarakan oleh Universitas
Indonesia. Selain itu, penulis juga aktif memberikan pelatihan R bagi para
dosen dan statistisian di lingkungan Universitas Terbuka.
Karya tulis ilmiah dalam bidang statistika telah penulis publikasikan
pada beberapa jurnal internasional dan nasional, seperti: International
Journal of Mathematical Modelling & Computations, Journal of Applied
Statistics (terindeks scopus), The Turkish Online Journal of Distance
Education Journal (terindeks scopus), STATISTIKA: Forum Teori dan
Aplikasi Statistika, dan Jurnal Matematika, Sains, dan Teknologi. Selain itu,
publikasi karya tulis ilmiah dalam bidang PTJJ seperti: AAOU Journal, Open
Praxis: ICDE Prizes for Innovation and Best Practice, dan Jurnal Pendidikan
Tinggi Jarak Jauh. Beberapa konferensi internasional terakhir yang penulis
ikuti baik pada bidang statistika maupun bidang PTJJ adalah: International
Conference on Mathematics and Statistics di Paris, Asian Association of
Open Universities (AAOU) melalui Annual Conference di Jepang,
International Council for Open and Distance Education (ICDE) World
Conference di China, dan The 5th International Seminar on Sciences di
Institut Pertanian Bogor.
Daftar Lampiran
Lampiran 1. Binomial Distribution – Probablitiy Function
 SATS4121/MODUL 9 9.59
 SATS4121/MODUL 9 9.61
Lampiran 2: Tables of the Poisson Cumulative Distribution

The table below gives the probalitiy of that a Poisson random variable X with mean = 1 is
less than or equal to x. That is, the table give.
x
e 
P  X  x   r
r 0 r!
 SATS4121/MODUL 9 9.63
TABEL-TABEL STATISTIK
Lampiran 3: Tabel Z (Normal Standar)
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.000 0.004 0.008 0.012 0.016 0.020 0.024 0.028 0.032 0.036
0.1 0.040 0.044 0.048 0.052 0.056 0.060 0.064 0.068 0.071 0.075
0.2 0.079 0.083 0.087 0.091 0.095 0.099 0.103 0.106 0.110 0.114
0.3 0.118 0.122 0.126 0.129 0.133 0.137 0.141 0.144 0.148 0.152
0.4 0.155 0.159 0.163 0.166 0.170 0.174 0.177 0.181 0.184 0.188
0.5 0.192 0.195 0.199 0.202 0.205 0.209 0.212 0.216 0.219 0.222
0.6 0.226 0.229 0.232 0.236 0.239 0.242 0.245 0.249 0.252 0.255
0.7 0.258 0.261 0.264 0.267 0.270 0.273 0.276 0.279 0.282 0.285
0.8 0.288 0.291 0.294 0.297 0.300 0.302 0.305 0.308 0.311 0.313
0.9 0.316 0.319 0.321 0.324 0.326 0.329 0.332 0.334 0.337 0.339
1.0 0.341 0.344 0.346 0.349 0.351 0.353 0.355 0.358 0.360 0.362
1.1 0.364 0.367 0.369 0.371 0.373 0.375 0.377 0.379 0.381 0.383
1.2 0.385 0.387 0.389 0.391 0.393 0.394 0.396 0.398 0.400 0.402
1.3 0.403 0.405 0.407 0.408 0.410 0.412 0.413 0.415 0.416 0.418
1.4 0.419 0.421 0.422 0.424 0.425 0.427 0.428 0.429 0.431 0.432
1.5 0.433 0.435 0.436 0.437 0.438 0.439 0.441 0.442 0.443 0.444
1.6 0.445 0.446 0.447 0.448 0.450 0.451 0.452 0.453 0.454 0.455
1.7 0.455 0.456 0.457 0.458 0.459 0.460 0.461 0.462 0.463 0.463
1.8 0.464 0.465 0.466 0.466 0.467 0.468 0.469 0.469 0.470 0.471
1.9 0.471 0.472 0.473 0.473 0.474 0.474 0.475 0.476 0.476 0.477
2.0 0.477 0.478 0.478 0.479 0.479 0.480 0.480 0.481 0.481 0.482
2.1 0.482 0.483 0.483 0.483 0.484 0.484 0.485 0.485 0.485 0.486
2.2 0.486 0.486 0.487 0.487 0.488 0.488 0.488 0.488 0.489 0.489
2.3 0.489 0.490 0.490 0.490 0.490 0.491 0.491 0.491 0.491 0.492
2.4 0.492 0.492 0.492 0.493 0.493 0.493 0.493 0.493 0.493 0.494
2.5 0.494 0.494 0.494 0.494 0.495 0.495 0.495 0.495 0.495 0.495
2.6 0.495 0.496 0.496 0.496 0.496 0.496 0.496 0.496 0.496 0.496
2.7 0.497 0.497 0.497 0.497 0.497 0.497 0.497 0.497 0.497 0.497
2.8 0.497 0.498 0.498 0.498 0.498 0.498 0.498 0.498 0.498 0.498
2.9 0.498 0.498 0.498 0.498 0.498 0.498 0.499 0.499 0.499 0.499
3.0 0.499 0.499 0.499 0.499 0.499 0.499 0.499 0.499 0.499 0.499
Sumber: StatSoft (2013)
Dikutip dari: Azuar Juliandi; Irfan; Saprinal Manurung. (2014). Metodologi penelitian
bisnis. Medan: UMSU Press, hlm. 224.
Lampiran 4: Tabel t
Uji 2 Pihak, = 0,05
dk t0,05 dk t0,05 dk t0,05 dk t0,05 dk t0,05 dk t0,05

- - 49 2.010 99 1.984 149 1.976 199 1.972 249 1.970
- - 50 2.009 100 1.984 150 1.976 200 1.972 250 1.969
1 12.706 51 2.008 101 1.984 151 1.976 201 1.972 251 1.969
2 4.303 52 2.007 102 1.983 152 1.976 202 1.972 252 1.969
3 3.182 53 2.006 103 1.983 153 1.976 203 1.972 253 1.969
4 2.776 54 2.005 104 1.983 154 1.975 204 1.972 254 1.969
5 2.571 55 2.004 105 1.983 155 1.975 205 1.972 255 1.969
6 2.447 56 2.003 106 1.983 156 1.975 206 1.972 256 1.969
7 2.365 57 2.002 107 1.982 157 1.975 207 1.971 257 1.969
8 2.306 58 2.002 108 1.982 158 1.975 208 1.971 258 1.969
9 2.262 59 2.001 109 1.982 159 1.975 209 1.971 259 1.969
10 2.228 60 2.000 110 1.982 160 1.975 210 1.971 260 1.969
11 2.201 61 2.000 111 1.982 161 1.975 211 1.971 261 1.969
12 2.179 62 1.999 112 1.981 162 1.975 212 1.971 262 1.969
13 2.160 63 1.998 113 1.981 163 1.975 213 1.971 263 1.969
14 2.145 64 1.998 114 1.981 164 1.975 214 1.971 264 1.969
15 2.131 65 1.997 115 1.981 165 1.974 215 1.971 265 1.969
16 2.120 66 1.997 116 1.981 166 1.974 216 1.971 266 1.969
17 2.110 67 1.996 117 1.980 167 1.974 217 1.971 267 1.969
18 2.101 68 1.995 118 1.980 168 1.974 218 1.971 268 1.969
19 2.093 69 1.995 119 1.980 169 1.974 219 1.971 269 1.969
20 2.086 70 1.994 120 1.980 170 1.974 220 1.971 270 1.969
21 2.080 71 1.994 121 1.980 171 1.974 221 1.971 271 1.969
22 2.074 72 1.993 122 1.980 172 1.974 222 1.971 272 1.969
23 2.069 73 1.993 123 1.979 173 1.974 223 1.971 273 1.969
24 2.064 74 1.993 124 1.979 174 1.974 224 1.971 274 1.969
25 2.060 75 1.992 125 1.979 175 1.974 225 1.971 275 1.969
26 2.056 76 1.992 126 1.979 176 1.974 226 1.971 276 1.969
27 2.052 77 1.991 127 1.979 177 1.973 227 1.970 277 1.969
28 2.048 78 1.991 128 1.979 178 1.973 228 1.970 278 1.969
29 2.045 79 1.990 129 1.979 179 1.973 229 1.970 279 1.969
30 2.042 80 1.990 130 1.978 180 1.973 230 1.970 280 1.968
31 2.040 81 1.990 131 1.978 181 1.973 231 1.970 281 1.968
32 2.037 82 1.989 132 1.978 182 1.973 232 1.970 282 1.968
 SATS4121/MODUL 9 9.65
dk t0,05 dk t0,05 dk t0,05 dk t0,05 dk t0,05 dk t0,05

33 2.035 83 1.989 133 1.978 183 1.973 233 1.970 283 1.968
34 2.032 84 1.989 134 1.978 184 1.973 234 1.970 284 1.968
35 2.030 85 1.988 135 1.978 185 1.973 235 1.970 285 1.968
36 2.028 86 1.988 136 1.978 186 1.973 236 1.970 286 1.968
37 2.026 87 1.988 137 1.977 187 1.973 237 1.970 287 1.968
38 2.024 88 1.987 138 1.977 188 1.973 238 1.970 288 1.968
39 2.023 89 1.987 139 1.977 189 1.973 239 1.970 289 1.968
40 2.021 90 1.987 140 1.977 190 1.973 240 1.970 290 1.968
41 2.020 91 1.986 141 1.977 191 1.972 241 1.970 291 1.968
42 2.018 92 1.986 142 1.977 192 1.972 242 1.970 292 1.968
43 2.017 93 1.986 143 1.977 193 1.972 243 1.970 293 1.968
44 2.015 94 1.986 144 1.977 194 1.972 244 1.970 294 1.968
45 2.014 95 1.985 145 1.976 195 1.972 245 1.970 295 1.968
46 2.013 96 1.985 146 1.976 196 1.972 246 1.970 296 1.968
47 2.012 97 1.985 147 1.976 197 1.972 247 1.970 297 1.968
48 2.011 98 1.984 148 1.976 198 1.972 248 1.970 298 1.968
Sumber: Diolah dengan Excel, Formula: =TINV(probability,deg_freedom)
Contoh:
Probability = tingkat kesalahan () = 0.05 Jumlah sampel = n = 3
deg_freedom (df) = derajat kebebasan (dk) = n – 2 = 3 – 2 = 1. Maka formulanya
adalah = TINV(0.05,1)
Nilai t tabel yang diperoleh = 12,706
Nilai tabel t untuk dk yang lain dapat digunakan cara seperti di atas.
bisnis. Medan: UMSU Press, hlm. 225-226
Tabel r Product Moment

 = 0,05
n dk=n-2 t-tabel0,05 r-tabel0,05 n dk=n-2 t-tabel0,05 r-tabel0,05

1 - - - 26 24 2.064 0.388
2 - - - 27 25 2.060 0.381
3 1 12.706 0.997 28 26 2.056 0.374
4 2 4.303 0.950 29 27 2.052 0.367
5 3 3.182 0.878 30 28 2.048 0.361
6 4 2.776 0.811 31 29 2.045 0.355
7 5 2.571 0.754 32 30 2.042 0.349
8 6 2.447 0.707 33 31 2.040 0.344
9 7 2.365 0.666 34 32 2.037 0.339
10 8 2.306 0.632 35 33 2.035 0.334
11 9 2.262 0.602 36 34 2.032 0.329
12 10 2.228 0.576 37 35 2.030 0.325
13 11 2.201 0.553 38 36 2.028 0.320
14 12 2.179 0.532 39 37 2.026 0.316
15 13 2.160 0.514 40 38 2.024 0.312
16 14 2.145 0.497 41 39 2.023 0.308
17 15 2.131 0.482 42 40 2.021 0.304
18 16 2.120 0.468 43 41 2.020 0.301
19 17 2.110 0.456 44 42 2.018 0.297
20 18 2.101 0.444 45 43 2.017 0.294
21 19 2.093 0.433 46 44 2.015 0.291
22 20 2.086 0.423 47 45 2.014 0.288
23 21 2.080 0.413 48 46 2.013 0.285
24 22 2.074 0.404 49 47 2.012 0.282
25 23 2.069 0.396 50 48 2.011 0.279
Diolah dengan Excel :
t
rtabel 
 n  2   t 2 ) 
Nilai tabel r untuk n yang lain dapat digunakan cara seperti di atas.
 SATS4121/MODUL 9 9.67
Lampiran 5: Tabel Chi-square   

 = 0,05
n dk 0,05
2
n dk 0,05
2
n dk 0,05
2
1 - - 35 34 48.602 69 68 88.250
2 1 3.841 36 35 49.802 70 69 89.391
3 2 5.991 37 36 50.998 71 70 90.531
4 3 7.815 38 37 52.192 72 71 91.670
5 4 9.488 39 38 53.384 73 72 92.808
6 5 11.070 40 39 54.572 74 73 93.945
7 6 12.592 41 40 55.758 75 74 95.081
8 7 14.067 42 41 56.942 76 75 96.217
9 8 15.507 43 42 58.124 77 76 97.351
10 9 16.919 44 43 59.304 78 77 98.484
11 10 18.307 45 44 60.481 79 78 99.617
12 11 19.675 46 45 61.656 80 79 100.749
13 12 21.026 47 46 62.830 81 80 101.879
14 13 22.362 48 47 64.001 82 81 103.010
15 14 23.685 49 48 65.171 83 82 104.139
16 15 24.996 50 49 66.339 84 83 105.267
17 16 26.296 51 50 67.505 85 84 106.395
18 17 27.587 52 51 68.669 86 85 107.522
19 18 28.869 53 52 69.832 87 86 108.648
20 19 30.144 54 53 70.993 88 87 109.773
21 20 31.410 55 54 72.153 89 88 110.898
22 21 32.671 56 55 73.311 90 89 112.022
23 22 33.924 57 56 74.468 91 90 113.145
24 23 35.172 58 57 75.624 92 91 114.268
25 24 36.415 59 58 76.778 93 92 115.390
26 25 37.652 60 59 77.931 94 93 116.511
27 26 38.885 61 60 79.082 95 94 117.632
28 27 40.113 62 61 80.232 96 95 118.752
29 28 41.337 63 62 81.381 97 96 119.871
30 29 42.557 64 63 82.529 98 97 120.990
31 30 43.773 65 64 83.675 99 98 122.108
32 31 44.985 66 65 84.821 100 99 123.225
33 32 46.194 67 66 85.965
34 33 47.400 68 67 87.108
Sumber: Diolah dengan Excel dengan formula: = CHIINV(probability, deg_freedom)
Dengan deg_freedom = dk = n – 1
Nilai tabel Chi-square untuk dk yang lain dapat digunakan cara seperti di atas.
Lampiran 6: Tabel F
= 0
dk Pembilang (k)
Dk Penyebut
1 2 3 4 5 6 7 8 9 10
(n-k-1)
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
41 4.08 3.23 2.83 2.60 2.44 2.33 2.24 2.17 2.12 2.07
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06
43 4.07 3.21 2.82 2.59 2.43 2.32 2.23 2.16 2.11 2.06
 SATS4121/MODUL 9 9.69
dk Pembilang (k)
Dk Penyebut
1 2 3 4 5 6 7 8 9 10
(n-k-1)
44 4.06 3.21 2.82 2.58 2.43 2.31 2.23 2.16 2.10 2.05
45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05
46 4.05 3.20 2.81 2.57 2.42 2.30 2.22 2.15 2.09 2.04
47 4.05 3.20 2.80 2.57 2.41 2.30 2.21 2.14 2.09 2.04
48 4.04 3.19 2.80 2.57 2.41 2.29 2.21 2.14 2.08 2.03
49 4.04 3.19 2.79 2.56 2.40 2.29 2.20 2.13 2.08 2.03
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03
51 4.03 3.18 2.79 2.55 2.40 2.28 2.20 2.13 2.07 2.02
52 4.03 3.18 2.78 2.55 2.39 2.28 2.19 2.12 2.07 2.02
53 4.02 3.17 2.78 2.55 2.39 2.28 2.19 2.12 2.06 2.01
54 4.02 3.17 2.78 2.54 2.39 2.27 2.18 2.12 2.06 2.01
55 4.02 3.16 2.77 2.54 2.38 2.27 2.18 2.11 2.06 2.01
56 4.01 3.16 2.77 2.54 2.38 2.27 2.18 2.11 2.05 2.00
57 4.01 3.16 2.77 2.53 2.38 2.26 2.18 2.11 2.05 2.00
58 4.01 3.16 2.76 2.53 2.37 2.26 2.17 2.10 2.05 2.00
59 4.00 3.15 2.76 2.53 2.37 2.26 2.17 2.10 2.04 2.00
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
Diolah dengan Excel dengan formula:

= FINV (probability, deg_freedom1,deg_freedom2) Contoh:
 Probability = tingkat kesalahan () = 0.05
 Jumlah variabel bebas = 1
 Jumlah sampel (n) = 3
 deg_freedom1=dk pembilang= Jumlah variabel bebas=k=1
 deg_freedom2=dk penyebut (n-k-1) = 3-1-1=1
Maka formulanya adalah = FINV (0.05,1,1)

Nilai F tabel yang diperoleh=161,45
Nilai tabel F untuk dk yang lain dapat digunakan cara seperti di atas.
bisnis. Medan: UMSU Press, hlm. 227-226.

Sats 412102

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Sats 412102

Diunggah oleh

Hak Cipta:

Format Tersedia

Metode Statistik I

Penelaah Materi: Dewi Juliah Ratnaningsih, S.Si., M.Si.

2019 oleh Universitas Terbuka

Dilarang mengutip sebagian ataupun seluruh buku ini

Universitas Terbuka : Katalog Dalam Terbitan (Versi RDA)

TINJAUAN MATA KULIAH ........................................................... ix

MODUL 1: PENGERTIAN STATISTIKA DAN

KUNCI JAWABAN TES FORMATIF.............................................. 1.35

MODUL 2: STATISTIKA DESKRIPTIF 2.1

KUNCI JAWABAN TES FORMATIF.............................................. 2.51

MODUL 3: PELUANG 3.1

KUNCI JAWABAN TES FORMATIF.............................................. 3.48

MODUL 4: VARIABEL ACAK DAN DISTRIBUSI PELUANG 4.1

KUNCI JAWABAN TES FORMATIF.............................................. 4.47

MODUL 5: DISTRIBUSI PELUANG DISKRIT 5.1

KUNCI JAWABAN TES FORMATIF.............................................. 5.26

MODUL 6: DISTRIBUSI PELUANG KONTINU 6.1

KUNCI JAWABAN TES FORMATIF.............................................. 6.36

MODUL 7: STATISTIKA INFERENSIA: PENDUGAAN 7.1

Rangkuman ......................................................................................... 7.37

KUNCI JAWABAN TES FORMATIF.............................................. 7.49

MODUL 8: PENGUJIAN HIPOTESIS SATU POPULASI 8.1

KUNCI JAWABAN TES FORMATIF.............................................. 8.43

MODUL 9: PENGUJIAN HIPOTESIS DUA POPULASI 9.1

KUNCI JAWABAN TES FORMATIF .............................................. 9.48

Tinjauan Mata Kuliah

M ata kuliah Metode Statistika I/SATS4121 merupakan mata kuliah inti

Secara khusus, setelah mempelajari BMP SATS4121, diharapkan

5. Menjelaskan skala pengukuran data notasi yang digunakan dalam

Dengan mempelajari BMP ini, diharapkan mahasiswa Jurusan Statistika

Pengertian Statistika dan

tambahan konsep-konsep yang menjadi dasar dalam belajar mata kuliah

Pengertian Statistik, Statistika, dan

A. PENGERTIAN STATISTIK DAN STATISTIKA

keseharian untuk mempermudah pencatatan dan menganalisis data. Sehingga

Statistika adalah ilmu yang mempelajari tentang perancangan

Statistik kumpulan data baik berupa bilangan maupun bukan bilangan

Dengan demikian, bisa disimpulkan pula bahwa ruang lingkup statistika

B. POPULASI DAN SAMPEL

Statistika erat kaitannya dengan kegiatan penelitian yang di dalamnya

Dalam proses pengumpulan data untuk sampel biasanya diperoleh

Populasi adalah keseluruhan dari karakteristik atau unit hasil

Sampel adalah himpunan bagian dari populasi dimana suatu

Saudara, ingat kembali bahwa populasi dan sampel merupakan

diperoleh dari hasil pengukuran terhadap sampel. Inilah pengertian statistik

Statistika dapat diklasifikasikan menjadi dua, yaitu statistika deskriptif

Tabel 1.1 menunjukkan bahwa persentase keluarga berdasarkan

Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan

Statistika inferensia merupakan metode yang menggunakan sampel

Statistika merupakan alat analisis. Namanya alat, pasti keberadaannya

1. Manfaat statistika secara umum

2. Manfaat statistika pada beberapa bidang

Untuk memperdalam pemahaman Anda mengenai materi di atas,

1) Jelaskan perbedaan antara statistika dan statistik!

Petunjuk Jawaban Latihan

1) Statistik adalah ciri numerik dari sampel, sedangkan statistika

Statistika adalah ilmu yang mempelajari tentang perancangan

Pilihlah satu jawaban yang paling tepat!

2) Di Indonesia ada sebuah lembaga yang bertugas untuk mengurusi

3) Adanya lembaga tersebut pada nomor 2, mengindikasikan bahwa ....

Untuk nomor 4 sampai 7, perhatikan kasus berikut.

4) Keseluruhan mahasiswa Universitas X merupakan ....

5) Mahasiswa-mahasiswa yang dipilih untuk diberi pertanyaan tentang

6) Angka 63% yang menunjukkan banyaknya mahasiswa pengguna