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
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
Daftar Isi
Kegiatan Belajar 2:
Skala Pengukuran Data dan Notasi Penting Statistika ........................ 1.16
Latihan ................................................................................................. 1.26
Rangkuman ......................................................................................... 1.30
Tes Formatif 2 .................................................................................... 1.31
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
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
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
Kegiatan Belajar 2:
Distribusi Hipergeometrik dan Poisson ............................................... 5.17
Latihan ............................................................................................... 5.20
Rangkuman ......................................................................................... 5.22
Tes Formatif 2 .................................................................................... 5.23
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
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
Kegiatan Belajar 4:
Pendugaan Titik dan Selang: Varians ................................................. 7.41
Latihan ............................................................................................... 7.43
Rangkuman ......................................................................................... 7.45
Tes Formatif 4 .................................................................................... 7.46
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
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
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.
Peta Kompetensi
Sats4121/Metode Statistika I/3 SKS
Modul 1
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
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
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
1.4 Metode Statistika 1
Gambar 1.1
Ilustrasi Populasi dan Sampel
1.6 Metode Statistika 1
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.
Ciri numerik dari populasi disebut parameter. Ciri numerik dari sampel
disebut statistik. Ilmu yang mempelajari tentang pendugaan parameter
disebut statistika.
C. KLASIFIKASI STATISTIKA
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
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.
D. PEMANFAATAN STATISTIKA
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
R A NG KU M AN
TES F OR M AT IF 1
Kegiatan Belajar 2
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
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.
1.18 Metode Statistika 1
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
x
i 1
i x1 x2 xn . Suku yang ada di sebelah kanan merupakan
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
1.20 Metode Statistika 1
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
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
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
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
xm1 xm 2 xmn
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
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
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
n
n n
sxy xi yi xi yi / n
i 1 i 1 i 1
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)
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
1.26 Metode Statistika 1
LAT IH A N
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
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
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
1.28 Metode Statistika 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)
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
1.30 Metode Statistika 1
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
R A NG KU M AN
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
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
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
1.32 Metode Statistika 1
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
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
1.34 Metode Statistika 1
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Statistika Deskriptif
Dr. Sutikno, M.Si.
Dewi Juliah Ratnaningsih, S.Si., M.Si.
PEN D A HU L UA N
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).
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 2.2
Distribusi Frekuensi Produk Elektronik
Produk Frekuensi
TV 6
Radio 2
AC 2
Total 10
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.
2.4 Metode Statistika 1
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
Contoh 2.2.
Tabel 2.3
Data Berat Badan 20 Sampel Ayam
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
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
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
SATS4121/MODUL 2 2.7
C. HISTOGRAM
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.
2.8 Metode Statistika 1
Gambar 2.3
Histogram dengan ukuran pemusatan sama
Gambar 2.4
Histogram dengan Ukuran Penyebaran Sama
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
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
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
Gambar 2.9
Diagram Kotak Garis beserta Komponennya
2.12 Metode Statistika 1
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.
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.
2.14 Metode Statistika 1
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
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
B.
SATS4121/MODUL 2 2.17
C.
D.
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
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
Kegiatan Belajar 2
Ukuran Pemusatan
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)
Jawab :
69 2 82 7 95 7 108 4 121 7 134 3
X
30
3.054
101,8
30
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
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
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
2.24 Metode Statistika 1
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
2.26 Metode Statistika 1
C. MODUS
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
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.
2.28 Metode Statistika 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.
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.
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
56
Q2 5,5 (rata-rata data ke-4 dan ke-5)
2
45
Q1 4,5 (rata-rata data ke-2 dan ke-3)
2
88
Q3 8 (rata-rata data ke-6 dan ke-7)
2
2.30 Metode Statistika 1
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
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
E. PERSENTIL
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
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.
2.34 Metode Statistika 1
LAT IH A N
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.
2.36 Metode Statistika 1
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
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
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
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
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
2.40 Metode Statistika 1
C. 66,6
D. 66,1
Kegiatan Belajar 3
Ukuran Penyebaran
A. RANGE
Contoh 2.14.
Dari data Tabel 2.1 di contoh 2 didapatkan range = 2,60 – 2,12 = 0,48
2.42 Metode Statistika 1
xi x
2
N
2 (2.11)
i 1 N
xi x
2
n
s2 (2.12)
i 1 n 1
x n 2
n i 1 i
x2
i 1 i
(2.13)
s
2 n
n 1
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
2.44 Metode Statistika 1
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
C. KOEFISIEN VARIANS
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
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.
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
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.
2.48 Metode Statistika 1
R A NG KU M AN
3. Koefisien varians
s
CV 100%
x
TES F OR M AT IF 3
4) Data tinggi badan yang diukur dalam satuan cm, memiliki ragam yang
satuannya ....
A. m
B. m2
C. cm
D. cm2
C. 0,100
D. 0,800
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
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
2.52 Metode Statistika 1
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
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Peluang
Dr. Sutikno, M.Si.
Dewi Juliah Ratnaningsih, S.Si., M.Si.
PEN D A HU L UA N
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.
Kegiatan Belajar 1
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.
A. RUANG SAMPEL
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.
SATS4121/MODUL 3 3.5
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)
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
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.
SATS4121/MODUL 3 3.7
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.
dimana:
n A adalah banyaknya kejadian A yang terjadi
n S adalah banyaknya seluruh kejadian yang terjadi
n S n A
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).
3.8 Metode Statistika 1
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.
LAT IH A N
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?
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
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)}.
3.10 Metode Statistika 1
R A NG KU M AN
n A
P A
nS
dengan :
n A adalah banyaknya kejadian A yang terjadi
n S adalah banyaknya seluruh kejadian yang terjadi
n S n A
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
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 ....
3.12 Metode Statistika 1
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
Mata dadu 1 2 3 4 5 6
Frekuensi 4 3 6 7 5 5
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
Kegiatan Belajar 2
Rumus-rumus Peluang
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”.
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
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
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.
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
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
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?
3.20 Metode Statistika 1
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
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!
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
3.22 Metode Statistika 1
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
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!
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!
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 !
3.26 Metode Statistika 1
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!
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:
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.
3.28 Metode Statistika 1
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.
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
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
3.30 Metode Statistika 1
P M Se
69 35 34
100 100 100
R A NG KU M AN
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
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
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
3.34 Metode Statistika 1
Kegiatan Belajar 3
A. PELUANG BERSYARAT
Peluang bersyarat dapat terjadi jika dua kejadian terjadi secara berurutan
dan kedua kejadian tersebut tidak saling bebas, namun saling mempengaruhi.
Teorema 3.8.
Bila dalam suatu percobaan kejadian A dan B keduanya dapat terjadi
sekaligus, maka:
P A B P A PB A
3.36 Metode Statistika 1
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 :
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,
nM E 460 23
PM E
nS 900 45
dan
n ( E ) 600 2
PE
n S 900 3
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 PA 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 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
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
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
LAT IH A N
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
3.42 Metode Statistika 1
P A B1 0, 06
P A B2 0, 2
P A B3 0,1
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.
c. P X 4 P X 4 P X 5
P X 4 0,1 0,17 0, 27.
R A NG KU M AN
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
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
3.46 Metode Statistika 1
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
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
PJ 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
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
PA 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
3.50 Metode Statistika 1
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
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
PEN D A HU L UA N
Kegiatan Belajar 1
Distribusi Peluang
A. VARIABEL ACAK
Variabel acak terbagi menjadi dua jenis, yaitu variabel acak diskrit dan
kontinu, sebagai berikut.
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).
Tabel 4.1
Nilai-nilai Variabel acak Y
Ruang Sampel Y=y
MM 2
MH 1
HM 1
HH 0
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
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
SATS4121/MODUL 4 4.7
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
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.
4.8 Metode Statistika 1
Gambar 4.1
P a X b
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
SATS4121/MODUL 4 4.9
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
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, x0
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
b
4) Distribusi peluang variabel acak kontinu P a X b f x dx
a
b
5) Distribusi peluang variabel acak kontinu P a X b f x dx
a
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
Sehingga:
P X 12 F X 12 1 e8.12 1 e96 1
SATS4121/MODUL 4 4.13
R A NG KU M AN
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
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
0 , untuk x lain
2
8 , untuk x 0,3
3
D. P X x , untuk x 1, 2
8
0 , untuk x lain
4.16 Metode Statistika 1
3
10 , untuk x 0
6 , untuk x 1
D. f x 10
1
, untuk x 2
10
0 , untuk x lain
Kegiatan Belajar 2
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
Sehingga:
EX
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
4.20 Metode Statistika 1
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:
gX 0 1 4
P g X g x f 0 f 1 f 1 f 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
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
4.22 Metode Statistika 1
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
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
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
4.24 Metode Statistika 1
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
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
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
x 0
4 2 0,1 1,6.
2
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
diskrit, maka:
2 x 2 f x 2 2 2
x
4.26 Metode Statistika 1
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 40,10 90,01 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
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
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
1
E y 2 y 2 e1 3 y 2 dx
3
E y2 y 1 y 3 e1 3 y 2
Var y E y 2 E y
2
2
1
Var y y 1 y 3 e1 3 y 2 y 3 e1 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
x
2 E X x f x dx jika X kontinu.
2 2
TES F OR M AT IF 2
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
0 , untuk x lainnya
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
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
0 , untuk x lainnya
Ekspektasi dan varians dari variabel acak X adalah ....
A. 5 dan 112
B. 5 dan 100
C. 10 dan 144
D. 10 dan 116
4.34 Metode Statistika 1
Kegiatan Belajar 3
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 .
4.36 Metode Statistika 1
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.
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
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.
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
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
x0
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
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.
P0 X 3 / 4, 1/ 8 Y 1/ 2
34 12
4xy dxdy
0 18
34
P0 X 3 / 4, 1/ 8 Y 1/ 2
12
2x2 y dy
18 0
P0 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
4.42 Metode Statistika 1
R A NG KU M AN
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
TES F OR M AT IF 3
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
0 , untuk x dan y lainnya
4.44 Metode Statistika 1
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
C. 0,540
D. 0,326
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
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
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
4.48 Metode Statistika 1
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.2x 1dx
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
Varx E x 2 Ex2 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
Tes Formatif 3
1) B
1 1 1 12 12 2
P0 x , y 2 x 3 y dx dy
2 4 2 14 0 5
12
1 1 1 122 2 6 3 12
P0 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
4.50 Metode Statistika 1
1 1 8 2y
18
1 1 1
P0 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
4.52 Metode Statistika 1
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor: IPB Press
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
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.
Walpole, R. E. dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung : ITB.
Modul 5
PEN D A HU L UA N
Kegiatan Belajar 1
m 0 1 3
P (M = m) 1/3 1/3 1/3
A. DISTRIBUSI BERNOULLI
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.
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
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
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:
SATS4121/MODUL 5 5.7
n4
x2
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
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.
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
SATS4121/MODUL 5 5.9
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
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.
5.10 Metode Statistika 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
6 2 2
0, 205.
5.12 Metode Statistika 1
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
4 4 4
81
256
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.
5.14 Metode Statistika 1
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.
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.
TES F OR M AT IF 1
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
5) Dari soal no. 4, peluang akan terdapat antara 30 dan 50 orang tergolong
kategori A adalah ....
A. 0,2456
5.16 Metode Statistika 1
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
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
Kegiatan Belajar 2
A. DISTRIBUSI HIPERGEOMETRIK
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
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
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
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.
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 nx
P X x untuk x = 1, 2, ..., D.
N
n
5.24 Metode Statistika 1
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
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
B. 0,7
C. 0,1
D. 0,3
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
C. 0,104
D. 0,012
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor : IPB Press.
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Walpole, R. E.dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung: ITB.
Modul 6
PEN D A HU L UA N
Kegiatan Belajar 1
Distribusi Normal
A. DISTRIBUSI NORMAL
Gambar 6.1
Kurva Normal
6.4 Metode Statistika 1
1
n x; , e untuk x
2
2
sedangkan dalam hal ini 3,14159... dan e 2, 71828
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
SATS4121/MODUL 6 6.5
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
Dua Kurva Normal dengan 1 2 tetapi 1 2
4. Luas daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar
sama dengan 1.
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
SATS4121/MODUL 6 6.7
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
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
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:
6.8 Metode Statistika 1
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 6.7
Gambar 6.8
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
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
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
6.14 Metode Statistika 1
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.
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%.
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
2) Banyak buruh yang menerima upah/jam lebih dari $ 8,30 adalah ...
A. 425 orang
B. 309 orang
C. 400 orang
D. 530 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
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
Kegiatan Belajar 2
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
6.22 Metode Statistika 1
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
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:
6.24 Metode Statistika 1
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
Gambar 6.10
Pendekatan Normal terhadap Binomial
LAT IH A N
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:
6.26 Metode Statistika 1
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
TES F OR M AT IF 2
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
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
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
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 et .
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
Distribusi Eksponensial
Variabel acak kontinu X berdistribusi eksponensial dengan parameter ,
bila fungsi distribusinya diberikan oleh:
1 x
e , untuk x 0
f x
0
, untuk x lainnya
dengan 0.
Rata-rata dan varians distribusi eksponensial adalah:
dan 2 2 .
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?
6.32 Metode Statistika 1
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
n2 n
n2 n
SATS4121/MODUL 6 6.33
LAT IH A N
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
6.34 Metode Statistika 1
2) Diketahui:
5
x8
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 e1 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
Distribusi Eksponensial
Variabel acak kontinu X berdistribusi eksponensial dengan
parameter , bila fungsi distribusinya diberikan oleh:
1 x
e , untuk x 0
f x
0
, untuk x lainnya
dengan 0.
Rata-rata dan varians distribusi eksponensial adalah:
dan 2 2 .
SATS4121/MODUL 6 6.35
TES F OR M AT IF 3
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
B. 0,345
C. 0,203
D. 0,786
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Aidi, M.A. dan Djuraidah, A. 2012. Pengantar Peluang. Bogor: IPB Press.
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Walpole, R. E. dan Myers, R.H. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan. Bandung : ITB.
Modul 7
PEN D A HU L UA N
Kegiatan Belajar 1
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 .
Gambar 7.1
Distribusi Sampling, sampel dan Populasi
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.
SATS4121/MODUL 7 7.5
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.
Gambar 7.2
Histogram Peluang bagi X dengan Pengembalian
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
E X 2 x 2 p x
1 0,3 9 0,1 49 0,1
5.
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.
Gambar 7.3
Histogram Peluang bagi X tanpa Pengembalian
7.10 Metode Statistika 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
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
7.12 Metode Statistika 1
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
D. DISTRIBUSI t
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) 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
7.16 Metode Statistika 1
R A NG KU M AN
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
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
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
Kegiatan Belaj ar 2
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.
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
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.
7.24 Metode Statistika 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) Diketahui:
n 10
x 5
s2
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.
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.
R A NG KU M AN
x Z / 2 x Z / 2 .
n n
s s
x t / 2, n 1 x t / 2, n 1 .
n n
7.28 Metode Statistika 1
TES F OR M AT IF 2
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
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
C. 770 790
D. 778 793
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
Kegiatan Belajar 3
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
7.32 Metode Statistika 1
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
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
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
z2 / 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
z2 / 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
pˆ (1 pˆ ) pˆ (1 pˆ )
pˆ z / 2 p pˆ z / 2 .
n n
7.38 Metode Statistika 1
TES F OR M AT IF 3
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 proporsi sulfuric acid yang lebih
dari 10 adalah....
A. 3/10
B. 3/7
C. 3
D. 4/10
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
C. Galat/error 0, 075
D Galat/error 0, 077
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
7.40 Metode Statistika 1
Kegiatan Belajar 4
xi x
2
n
s 2
i 1 n 1
atau
n
(n 1) s 2 xi x .
2
i 1
x x
2
i
s2 i 1
~ n21
2
dan
(n 1) s 2
~ n21 .
2
7.42 Metode Statistika 1
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
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) 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.
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
xi x
2
n
s2 .
i 1 n 1
n 1 s 2 n 1 s 2
2 .
2 / 2, n 1 12 / 2, n 1
7.46 Metode Statistika 1
TES F OR M AT IF 4
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 untuk varians sulfuric acid adalah ....
A. 0,080
B. 0,800
C. 0.283
D. 0,008
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
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.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
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.
Selamat Belajar.
8.2 Metode Statistika 1
Kegiatan Belajar 1
Pengujian Hipotesis
Pengujian hipotesis adalah suatu usaha menguji parameter populasi
melalui pengambilan sampel.
Pemilihan satu arah atau dua arah tentu saja tergantung pada dugaan
yang dikemukakan peneliti.
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
Taraf Signifikansi
Taraf signifikansi merupakan peluang menggunakan kesalahan jenis I.
C. STATISTIK UJI
LAT IH A N
R A NG KU M AN
TES F OR M AT IF 1
C. error
D. jenis I dan II
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
Kegiatan Belajar 2
B. SAMPEL BESAR
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
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
8.14 Metode Statistika 1
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 :
1. Menentukan hipotesis
H0 : o
H1 : o
2. Menentukan taraf signifikansi 5%
3. Menentukan statistik uji z 4, 2857
4. Menentukan daerah kritis
Ho ditolak jika z z0,05 , di mana z0,05 1,645
SATS4121/MODUL 8 8.15
5. Mengambil kesimpulan
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 :
1. Menentukan hipotesis
H0 : o
H1 : o
2. Menentukan taraf signifikansi 5%
3. Menentukan statistik uji z 4, 2857
4. Menentukan daerah kritis
Ho ditolak jika z z , di mana z0,05 1,645
8.16 Metode Statistika 1
5. Mengambil kesimpulan
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.
2
varians sampel s . Distribusi yang digunakan adalah distribusi t-student
dengan derajat bebas n 1.
x
T
s/ n
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.
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
5. Mengambil kesimpulan
Karena nilai t 2, 27 lebih kecil dari t0,05/2,19 2,093 maka
kesimpulannya adalah H0 ditolak. Dengan kata lain digunakan hipotesis
8.18 Metode Statistika 1
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
5. Mengambil kesimpulan
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
10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
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 t0,1;19
Kesimpulan
Tolak H 0 , karena
t 2,05 t0,1;19 1,328
SATS4121/MODUL 8 8.21
2) Diketahui:
n 35
0 800
40
x 788
5%
Apakah rata-rata volume alkohol tersebut lebih dari 100 liter?
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
4) Diketahui:
n 10
0 10
1%
Apakah rata-rata volume alkohol tersebut lebih dari 100 liter?
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
R A NG KU M AN
H0 : μ ≤ μ o z z t t ,n1
H1 : μ > μ o
SATS4121/MODUL 8 8.23
TES F OR M AT IF 2
Ujilah apakah rata-rata Opening Gross Sales tersebut tidak sama dengan
35 (α=5%)?
A. ≠ 35
B. ≥ 35
C. ≤ 35
D. = 35
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
C. t 2,76; ya 40 bulan
D. z 2,76; ya 40 bulan
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
Kegiatan Belajar 3
pˆ p
z .
p(1 p) / n
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)
8.28 Metode Statistika 1
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
5. Mengambil kesimpulan
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) 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
8.30 Metode Statistika 1
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
x8
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
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
8.32 Metode Statistika 1
TES F OR M AT IF 3
Kegiatan Belajar 4
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
H 0 : 2 02
H1 : 2 02
(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, n1 atau 2 12 /2,n1.
2
0 2
0
8.36 Metode Statistika 1
Gambar 8.3
Daerah Kritis untuk Hipotesis Alternatif σ2 ≠ σo2
H 0 : 2 02
H1 : 2 02
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
2. Taraf signifikansi 5%
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 2 120,05/2,19
0,05/2,19
2
32,852 dan 120,05/2,19 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
120,05/2,19 8,907 maka H 0 gagal ditolak atau varians sama dengan 3.
LAT IH A N
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
2
91, 44 16,0
0,81
p 0,07
d. Keputusan:
Terima H0, karena 2 16,919.
8.40 Metode Statistika 1
R A NG KU M AN
TES F OR M AT IF 4
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
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.
9.2 Metode Statistika 1
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.
Kegiatan Belajar 1
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
9.4 Metode Statistika 1
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
12 22 12 22
x1 x2 z / 2 1 2 x1 x2 z / 2 (9.3)
n1 n2 n1 n2
z
x1 x2 do
(9.4)
12 / n1 22 / n2
SATS4121/MODUL 9 9.5
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:
1. Menentukan hipotesis
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% .
3. Menentukan statistik uji.
9.6 Metode Statistika 1
z
x1 x2 do
12 / n1 22 / n2
1282 1208 0
802 / 50 942 / 50
4, 23.
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, 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.
SATS4121/MODUL 9 9.7
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
2. Taraf signifikansi 5%
3. Statistik uji z 4, 23
4. Daerah kritis
H0 ditolak jika z z0,05 dengan z0,05 1,645
5. Kesimpulan
Karena nilai z 4, 23 lebih besar dari z0,05 1,645 maka
kesimpulannya adalah H0 ditolak, artinya bahwa rata-rata usia merek
everlight lebih lama dibandingkan merek everbright.
t
x1 x2 do (9.5)
s p 1/ n1 1/ n 2
9.8 Metode Statistika 1
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
SATS4121/MODUL 9 9.9
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
9.10 Metode Statistika 1
s / n1 s22 / n2
2 2
v
1
.
s / n1 / n1 1 s22 / n2 / n2 1
2 2 2
1
s12 s22 s2 s2
x1 x2 t / 2 1 2 x1 x2 t / 2 1 2 (9.9)
n1 n2 n1 n2
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
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%!
9.12 Metode Statistika 1
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
2. Taraf signifikansi α=5%
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 , n1 dengan t ,n1 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
Sebelum 51 63 88 97
sesudah 45 60 75 75
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
9.16 Metode Statistika 1
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.
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.
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
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,n1n2 2
H1 : μ1 μ2 do independen atau
- Varians 1 dan
2
t
x1 x2 d o t t / 2,n1n2 2
s p 1 / n1 1 / n2
22 tidak
H 0 : μ1 μ2 do diketahui t t ,n1n2 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 ,n1n2 2
H1 : μ1 μ2 do
- 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
H0 : μD do t t ,n1
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
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
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
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
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
9.22 Metode Statistika 1
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
Kegiatan Belajar 2
pˆ pˆ p1 p2
1 2
(9.14)
dan varians
p1q1 p2 q2
p2ˆ pˆ (9.15)
1 2
n1 n2
9.24 Metode Statistika 1
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
z
pˆ1 pˆ 2
(9.19)
ˆ ˆ(1/ n1 1/ n2 )
pq
SATS4121/MODUL 9 9.25
x1 x2
pˆ (9.20)
n1 n2
z
pˆ1 pˆ 2 .
(9.22)
ˆ ˆ(1/ n1 1/ n2 )
pq
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%.
9.26 Metode Statistika 1
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
2. Taraf signifikansi 5%
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
5. Mengambil kesimpulan
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.
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
Taraf signifikansi 2%
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
9.28 Metode Statistika 1
LAT IH A N
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!
Sampel 1 Sampel 2
n1 200 n2 300
p1 0, 22 p2 0,16
dengan 0, 05, bagaimana kesimpulan yang Anda dapatkan?
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%.
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
Karena nilai z 1, 696 lebih besar dari z0,05 1,645 maka
kesimpulannya adalah H0 ditolak atau p1 p2 .
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
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
9.32 Metode Statistika 1
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
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
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
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
9.34 Metode Statistika 1
Kegiatan Belajar 3
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
Selanjutnya jika akan di uji kesamaan varians dari populasi pertama dan
populasi kedua, digunakan hipotesis sebagai berikut:
H0 : 12 22
H1 : 12 22
s12
F (9.25)
s22
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.
9.38 Metode Statistika 1
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
2. Taraf signifikansi 10%
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 .
9.40 Metode Statistika 1
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.
LAT IH A N
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
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
Taraf signifikansi 1%
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
R A NG KU M AN
2. Hipotesis, statistik uji, dan daerah kritis untuk uji varians dua
populasi:
Hipotesis Statistik uji Daerah kritis
H 0 : 12 22 F f (v1,v2)
H1 : 12 22
TES F OR M AT IF 3
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
9.46 Metode Statistika 1
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
A. B.
C. D.
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
Taraf signifikansi α=1%
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
Taraf signifikansi α=5%
Statistik uji :
t
x1 x2 d o 3,045
s p 1 / n1 1 / n2
9.50 Metode Statistika 1
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
Taraf signifikansi α=10%
Statistik uji :
d do
t 1,397
sd / n
Daerah kritis :
t t ,n1 dengan t ,n1 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
Taraf signifikansi α=10%
Statistik uji
z
pˆ1 pˆ 2
pˆ qˆ (1 / n1 1 / n2 )
1,87
9.52 Metode Statistika 1
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
Taraf signifikansi α=2%
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
Taraf signifikansi α=3%
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.
9.54 Metode Statistika 1
Daftar Pustaka
Agresti, A. & Finlay, B. 1997. Statistical Methods for the Social Sciences.
3th Edition. Prentice Hall.
Hahn, G.J. and Meeker, W.Q. 1991. Statistical Intervals: A Guide for
Practitioners. John Wilwy & Sons. New York.
Daftar Lampiran
Lampiran 1. Binomial Distribution – Probablitiy Function
SATS4121/MODUL 9 9.59
9.60 Metode Statistika 1
SATS4121/MODUL 9 9.61
9.62 Metode Statistika 1
TABEL-TABEL STATISTIK
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.
9.64 Metode Statistika 1
Lampiran 4: Tabel t
Uji 2 Pihak, = 0,05
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.
Dikutip dari: Azuar Juliandi; Irfan; Saprinal Manurung. (2014). Metodologi penelitian
bisnis. Medan: UMSU Press, hlm. 225-226
9.66 Metode Statistika 1
t
rtabel
n 2 t 2 )
Nilai tabel r untuk n yang lain dapat digunakan cara seperti di atas.
Dikutip dari: Azuar Juliandi; Irfan; Saprinal Manurung. (2014). Metodologi penelitian
bisnis. Medan: UMSU Press, hlm. 229.
SATS4121/MODUL 9 9.67
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.
Dikutip dari: Azuar Juliandi; Irfan; Saprinal Manurung. (2014). Metodologi penelitian
bisnis. Medan: UMSU Press, hlm. 230.
9.68 Metode Statistika 1
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
Nilai tabel F untuk dk yang lain dapat digunakan cara seperti di atas.
Dikutip dari: Azuar Juliandi; Irfan; Saprinal Manurung. (2014). Metodologi penelitian
bisnis. Medan: UMSU Press, hlm. 227-226.