STATISTIKA
TERAPAN
PKN
SEKOLAH TINGGI AKUNTANSI NEGARA
JAKARTA
TAHUN AKADEMIK 2019/2020
BAB.I
PENGERTIAN DAN PENGGUNAAN STATISTIKA
A. PENGERTIAN.
Statistik mempunyai sejarah yang sangat pajang, sepanjang peradapan
manusia, pada jaman sebelum masehi, bangsa di Mesopotamia, Mesir dan
Cina telah mengumpulkan data statistic untuk memperoleh informasi
tentang beberapa pajak yang harus dibayar oleh penduduk.
Ahli Statistik H.G.Wells yang hidup pada tahun 1800-an mengatakan “
Berpikir secara statistik suatu saat akan menjadi suatu kemampuan atau
keahlian yang sangat diperlukan dalam masyarakat yang efisien seperti
halnya kebutuhan manusia untuk membaca dan menulis”.
Bahwa statistic mempunyai kaitan dan manfaat langsung dengan banyak
hal yang terkait dengan kehidupan .
Apa arti statistika, Statistika adalah ilmu tentang bagaimana
mengumpulkan,menata,menyajikan,menganalisis,dan
menginterprestasikan data menjadi informasi untuk membantu
pengambilan keputusan yang efektif.
B. JENIS STATISTIKA
Statistika dibagi 2 yaitu statistika deskriptif dan induktif.
1. Statistika Deskriptif adalah metode statistik yang digunakan untuk
menggambarkan data yang telah dikumpulkan menjadi sebuah
informasi.
Statistika deskriptif mempunyai kegiatan mulai dari pengumpulan data,
mengolah,dan menyajikan data . penyajian data dapat berbentuk tabel,
grafik, ukuran, dan gambar.
2. Statistika Induktif adalah metode yang digunakan untuk mengetahui
tentang sebuah populasi berdasarkan suatu sampel dengan
menganalisis dan menginterprestasikan data data menjadi
kesimpulan.
C. JENIS DATA
a. Data berdasarkan sifatnya ada 2 yaitu data kualitatif dan data
kuantitatif. Data kualitatif yaitu data yang berbentuk bukan angka.
Data kuantitatif yaitu data yang berupa angka.Data kuantitatif ada dua
yaitu data Diskrit yaitu data berbentuk bilangan bulat, contoh: jumlah
Motor 3 unit dsb. dan Data Kontinu yaitu data yang pada suatu
interval pengukuran yang bisa berupa bilangan bulat dan pecahan
contoh : berat semangka 3,5 kg.
b. Data berdasarkan sumber ada 2 yaitu data Primer dan data Skunder.
Data Primer adalah data yang diperoleh langsung dari sumbernya.
Data Skunder adalah data yang diperoleh dari pihak ke dua.
D. SKALA PENGUKURAN
Ada 4 jenis pengukuran yaitu skala Nominal, skala ordinal, skala Interval
dan skala rasio.
a. Skala Nominal adalah ukuran yg paling sederhana, dimana angka
yang diberikan kepada obyek mempunyai arti sebagai label saja.
Data : jumlah penjualan beberapa jenis sepeda motor.
No Jenis Motor Jumlah ( unit)
1 Honda 3500
2 Yamaha 3800
3 Suzuki 2900
4 Kawasaki 1500
5 Mocin 1000
Penyajian data digunakan untuk membuat data menjadi sebuah informasi, yang
dipakai untuk mengambil keputusan manajerial.
A. DISTRIBUSI FREKUENSI.
Distribusi frekwensi adalah pengelompokan data kedalam beberapa kategori
yang menunjukan banyaknya data dalam setiap kategori , agar data dapat
teratur dengan cara mengelompokkan besar kecilnya data, sehingga apabila
dibaca akan mudah dipahami.
Langkah-langkah penyusunan :
1. Mengurutkan data dari yang terkecil ke yang besar.
2. Menentukan jangkauan ( range = R ) dari data , dirumuskan : R = data
terbesar – data terkecil.
3. Menentukan jumlah kelas ( JK ), dirumuskan : JK = 1 + 3,322 log n.
n = jumlah data.
4. Menentukan panjang interval kelas ( I ).
R
Dirumuskan : I
JK
Contoh :
Seorang mahasiswa akan mengadakan penelitian tentang modal awal yang
dimiliki para pedagang kaki lima di Pasar Minggu dengan mengambil 40
sampel dan diperoleh hasil sbb : ( dalam ratusan ribu rupiah ).
30 41 45 50 46 43 40 44 50 53
40 44 50 51 51 42 34 34 41 45
50 50 45 43 40 44 52 50 45 40
49 51 41 45 50 51 35 35 52 40
pertanyaan :
Buatlah distribusi frekwensi ?
E. PENYAJIAN DATA
Data yang sudah dikelompokan dalam bentuk tabel distribusi frekuensi dapat
disajikan dalam bentuk grafik supaya menjadi lebih menarik dan informative.
Grafik yang bersal dari distribusi frekuensi disebut grafik Histogram dan
Poligon.
Histogram dan Poligon adalah dua grafik yang sering digunakan untuk
menggambarkan distribusi frekwensi. Histogram merupakan grafik batang dari
distribusi frekwensi. Poligon merupakan grafik garis.
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari
40 perusahaan sebagai sample ( jutaan rupiah ).
kelas Frekwensi
Biaya promosi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan : Jumlah kelas, batas kelas bawah dan atas, tepi bawah dan atas kelas,
titik tengah kelas, interval kelas, panjang interval kelas, frekwensi kelas dan
buat histogram dan poligon.
fi
Dirumuskan : F.relatif = X 100%
f
Contoh :
Biaya promosi 40 Perusahaan
Kelas Biaya Promosi Frekuensi Frekuensi Relatif
I 20 – 24 2 2/40 x 100% = 5%
II 25 – 29 6 6/40 x 100% = 15%
III 30 – 34 10 10/40 x 100% = 25%
IV 35 – 39 14 14/40 x 100% = 35%
V 40 – 44 8 8/40 x 100% = 20%
2. Distribusi Frekuensi Komulatif.
UKURAN LOKASI/PEMUSATAN
X = f .X
f1. X1 f 2 . X 2 ....... f n . X n
f f1 f 2 ..... f n
Contoh :
F
X
4 5
7 3
8 2
9 2
12 1
Cari rata-rata hitung data diatas ?
2. Rata-rata hitung data berkelompok.
Apabila telah terbentuk distribusi frekwensi, maka rata-rata hitung (
mean) dirumuskan :
_
fiXi
X , keterangan : fi = frekwensi pada kelas ke i, Xi = titik tengah.
fi
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari
40 perusahaan sebagai sample ( jutaan rupiah ).
kelas frekwensi
Biaya promosi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Median merupakan nilai tengah dari data yang ada setelah data diurutkan.
Median disebut juga rata-rata posisi, disimbolkan Me/ Md.
n 1
Me data = X , n = jumlah data
2
n fo
1
Dirumuskan : Me B 2 XC
fme
Keterangan : B = tepi bawah kelas median.
n = jumlah frekwensi
fo = jumlah frekwensi kelas median sebelum kelas median.
C = Panjang interval kelas
fme =frekwensi kelas median.
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari
40 perusahaan sebagai sample ( jutaan rupiah ).
kelas frekwensi
Biaya promosi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan : mediannya.
C. MODUS.
Modus merupakan nilai yang sering muncul dalam data, disimbolkan Mo.
Modus ada dua :
1. Modus data tunggal.
d1
Dirumuskan : Mo L XC
d1 d 2
Keterangan : L = Tepi bawah kelas modus
d1 = selisih frekwensi kelas modus dengan frekwensi kelas sebelumnya.
d2 = selisih frekwensi kelas modus dengan frekwensi kelas sesudahnya.
C = panjang interval.
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari
40 perusahaan sebagai sample ( jutaan rupiah ).
kelas frekwensi
Biaya promosi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
Tentukan modusnya ?
D.QUARTIL.
Quartil adalah membagi seperangkat data yang telah terurut menjadi
empat bagian yang sama. Terdapat 3 jenis quartil : quartil pertama, kedua dan
ketiga (Q1,Q2,Q3 ).
Quartil ada 2 :
1. quartil data tunggal.
i n 1
Dirumuskan : Qi = nilai yang ke , i = 1,2,3.
4
Contoh : tentukan Q1,Q2, Q3 dari data sbb:
8, 2, 10, 9,4,5,12, 8,6,4,7
2. quartil data kelompok .
in
fo
dirumuskan : Qi Bi 4 XC
fqi
Keterangan ; Bi = tepi bawah kelas quartil.
n = jumlah frekwensi.
i = 1,2,3.
fo = jumlah frekwensi sebelum kelas kuartil
E. DESIL
Desil adalah membagi seperangkat data yang telah terurut menjadi
sepuluh bagian. Jadi Desil jumlah ada 9 yaitu D1, D2, ……..D9.
Desil berdasarkan bentuk data ada 2 :
1. Desil data tunggal/tidak berkelompok,
Dirumuskan : Di = nilai ke i
n 1 , i = 1,2,3……..9
10
Contoh : tentukan D3,D5,D7 dari data dibawah ini :
8,5,7,10,16,9,20,24,14,12.
2. Desil data berkelompok.
i.n
Fo
Dirumuskan : Di = Bi 10 XC
Fdi
Keterangan : Di = desil ke I, Bi = tepi bawah kelas desil ke I, n = jumlah frekwensi,
Fo = jumlah frekwensi sebelum kelas desil ke i, Fdi = frekwensi kelas desil, i = 1,2,3……9.
Contoh :
Biaya promosi yang dikeluarkan oleh perusahaan per tahun yang diambil dari
40 perusahaan sebagai sample ( jutaan rupiah ).
kelas frekwensi
Biaya promosi
I 20 - 24 2
II 25 - 29 6
III 30 - 34 10
IV 35 - 39 14
V 40 - 44 8
E. PERSENTIL
Desil adalah membagi seperangkat data yang telah terurut menjadi
seratus bagian. Jadi persentil jumlah ada 99 yaitu P1, P2, ……..P99.
Desil berdasarkan bentuk data ada 2 :
1. Persentil data tunggal/tidak berkelompok,
Dirumuskan : Pi = nilai ke i
n 1 , i = 1,2,3……..99
100
i.n
Fo
Dirumuskan : Pi = Bi 100 XC
Fpi
10 12 16 18 20 21 22 22 23 27 32
Data tersebut telah diurut dari nilai terkecil ke nilai terbesar. Banyaknya data (n) = 11, nilai
data terkecil adalah 10 dan nilai data terbesar adalah 32.
Selanjutnya tentukan letak kuartil pertama (Q1), kuartil kedua (Q2 = median) dan kuartil
ketiga (Q3), yang akan membagi kelompok data tersebut atas empat bagian sama besar.
Letak Q1 adalah pada data urutan ke 3 yaitu 16. Letak Q2 adalah pada data urutan ke 6 yaitu
21 dan letak Q3 pada data urutan ke 9 yaitu 23.
Berdasarkan nilai Q1 dan Q3, kita bisa mendapatkan interquartile range (IQR) atau
simpangan kuartil dengan rumus Q3 – Q1 = 23 – 16 = 7
Setelah mengetahui nilai minimum, nilai maksimum, Q1, Q2, Q3 dan IQR, selanjutnya kita
akan mendeteksi apakah terdapat nilai outlier atau nilai ekstrim dari data tersebut.
suatu nilai dikatakan outlier jika:
Q3 + (1.5 x IQR) < outlier ≤ Q3 + (3 x IQR)
Atau
Q1 - (1.5 x IQR) > outlier ≥ Q1 - (3 x IQR)
Selanjutnya, suatu nilai dikatakan ekstrim jika lebih besar dari Q3 + (3 x IQR) atau lebih
kecil dari Q1 – (3 x IQR)
Berdasarkan pengamatan terlihat bahwa data contoh kita tidak memiliki nilai outlier maupun
nilai ekstrim.
Dari informasi yang telah didapatkan, selanjutnya kita buat boxplotnya sebagai berikut:
Z-Score
Nilai suatu Z-score adalah merupakan suatu ukuran yang menentukan seberapa
besar jarak suatu nilai (dari observasi suatu set sample) terhadap rata-ratanya
dalam satuan standar deviasinya.
Nilai Z-score akan berada pada suatu titik pada sumbu datar dari kurva
normalnya.
Keberadaan nilai z-score akan menentukan posisinya dalam sumbu datar kurva
normal yang juga mencerminkan seberapa jauh keberadaan suatu nilai observasi
(x) terhadap rata-ratanya.
Apabila z-score bernilai negative(-) maka dia ada pada posisi sebelah kiri rata-
rata nya dalam kurva normal (dilihat dari hadapan kita). Sementara bila bernilai
positive(+), maka ada di posisi sebelah kanan rata-ratanya.
Distribusi normal standar/tabel Z-score
Distribusi normal
X
Z SCORE
μ -3 -2 -1 0 1 2 3
X
Rumus : Z-score = ====keterangan : X = nilai data, μ= rata-rata, σ=
standart deviasi/simpangan baku.
Contoh Penghitungan :
Dalam suatu kelas, tinggi badan beberapa orang siswa yang dijadikan sampel
adalah sebagai berikut.
172, 167, 180, 170, 169, 160, 175, 165, 173, 170.
Dari data tersebut diketahui bahwa jumlah data (n) = 10, dan (n – 1) = 9.
Selanjutnya dapat dihitung komponen untuk rumus varian.
Dari tabel diatas maka kita bisa mengetahui :
Masih sama untuk dataset diatas, telah diketahui standar deviasi nya adalah
5.51. Misalnya, dalam sampel tinggi badan siswa, kita ingin mencari berapa z-
score dan peluang siswa yang tinggi badan nya dibawah 167.
PENGUKURAN DISPERSI
A. PENGERTIAN
Pengukuran dispersi atau pengukuran penyimpangan adalah pengukuran
seberapa jauh penyimpangan nilai-nilai data dari nilai pusatnya.
XX
Dirumuskan : DR = dimana : X = rata-rata data.
n
b. Data berkelompok.
f XX
Dirumuskan : DR = ,
n
dimana : x = titik tengah, x = rata-rata hitung, n= jumlah frekuensi.
Contoh :
contoh :
Nilai statistika dari 35 mahasiswa
Nilai statistik I Frekuensi
30 5
50 10
70 8
90 7
100 5
Tentukan varians ?
Tentukan varians?
b. Varians berkelompok.
1). Sampel ( n 30 )
2
f x x
S2 =
n
contoh :
contoh :
Nilai statistik I dari 35 mahasiswa
Nilai statistik I Frekuensi
30 5
50 10
70 8
90 7
100 5
contoh :
Nilai statistik I dari 20 mahasiswa
Nilai statistik I Frekuensi
30 2
50 5
70 6
90 4
100 3
contoh :
Biaya promosi 40 Perusahaan
Biaya Promosi Frekuensi
20 – 24 2
25 – 29 6
30 – 34 10
35 – 39 14
40 – 44 8
Tentukan simpangan baku ?
2). Sample ( n < 30 )
2
_
f X X
s =
n 1
DR
Dirumuskan : KDR =
x100% .
X
keterangan : KDR = koefisien deviasi rata-rata
X = rata-rata.
D. KOEFISIEN STANDAR DEVIASI /KOEFISIEN VARIASI
Koefisien Standar Deviasi adalah persentase dari standar deviasi terhadap
nilai rata-rata.
SD
Dirumuskan : KSD =
X 100%
X
BAB.V.
TEORI PROBABILITAS
A. Teori Himpunan.
Himpunan adalah kumpulan obyek yang didefinisikan dengan jelas dan dapat
dibeda-bedakan.
Operasi Himpunan.
a. Operasi gabungan ( Union )
Gabungan dari himpunan A dan himpunan B adalah semua unsur yang
termasuk didalam A atau di dalam B --- dilambangkan A+B atau U.
Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A U B.
Jawab :
A U B = ( 1,2,3,4,5,6,7,8 )
Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A ∩ B.
Jawab
A ∩ B = ( 3,4 )
c. Operasi selisih
Adalah himpunan semua unsure A yang tidak termasuk didalam B ---
dilambangkan A – B.
Contoh :
S = { x : 0 ≤ x ≤ 10 )
A = ( 2,3,4,5 )
B = ( 1, 3,4, 6,7,8 )
Tentukan : A - B.
Jawab :
A – B = ( 2,5 ).
B. Permutasi dan Kombinasi.
Dalam membicarakan mengenai permutasi dan konmbinasi selalu berkaitan
dengan prinsip dasar membilang dan factorial.
1. Dasar Membilang.
Jika kejadian pertama n1 cara, kejadian kedua n2 dan seterusnya sampai
kejadian nk, maka keseluruhan kejadian adalah n1 x n2 x …nk
Contoh : Jika mau pergi dari Jakarta ke Bandung lewat Bogor. Jika dari
Jakarta ke Bogor ada 3 cara sedangkan dari Bogor ke Bandung 2 cara ,
ada berapa cara dari Jakarta ke Bandung.
Jawab :
2. Faktorial
Adalah perkalian semua bilangan bulat positif terurut dari bilangan 1
sampai dengan bilangan bersangkutan atau sebaliknya.
Factorial – dilambangkan “ ! “.
Catatan : 1 ! = 1 dan 0! = 1
Jika n = 1,2, ….maka n! = n. ( n-1 ). (n-2)….2x1.
Contoh : tentukan nilai factorial dari bilangan berikut :
a. 5!
Jawab : 5x4x3x2x1 = 120
b. 3! X 2!
Jawab : 3x2x1 x 2x1 = 12
c. 5! : 3!
Jawab : 5x4x3x2x1 : 3x2x1 = 20.
1. Permutasi.
Adalah suatu penyusunan atau pengaturan beberapa obyek ke dalam
suatu urutan tertentu.
Rumus-rumus permutasi.
b. ABC, ABD,ACB,ACD,ADB,ADC.
BAC,BAD,BCA,BCD,BDA,BDC.
CAB,CAD,CBA,CBD,CDA,CDB.
DAC,DAB,DBA,DBC,DCA,DCB.
Jawab : 3P2 = 32 = 9
AA, AB,AC,BB,BC.BA,CC.CB.CA.
c. Permutasi dari n obyek yang sama.
Permutasi dari n obyek yang sama dirumuskan :
n!
n Pn1,n2,n3, …. nk =
n1!.n2!.n3!.....nk!
Contoh .
1. Tentukan permutasi dari kata TAMAT.
2. ada 4 bola putih, 5 bola kuning, dan 2 bola hitam disusun dalam
satu baris. Jika semua bola yang berwarna sama tidak dibedakan
satu sama lain berapakah penyusunan yang mungkin.
Jawab :
1. n = 5, n1= T = 2, n2 = A =2, n3 = M =1
5! 5.4.3.2.1
5 P 2!,2!,1! = 30.
2!.2!.1! 2.1x 2.1x1
2. n = 4+5+2 = 11
n1 = 4, n2 =5, n3 = 2
11! 11.10.9.8.7.6.5.4.3.2.1
11 P4!.5!.2! = 10.11.9.7 6930.
4! x5! x 2! 4.3.2.1x5.4.3.2.1x 2.1
4. Kombinasi .
Contoh :
1. Tentukan nilai dari C24
4! 4.3.2.1
Jawab : C24 6
2!4 2! 2.12.1
2. Dari 5 pemain bulu tangkis, yaitu ABCD dan E hendak dipilih 2 orang untuk
pemain ganda . berapa banyak pemain ganda yang mungkin terbentuk..
5! 5! 5.4.3.2.1
Jawab : C25 10 pasangan
2!5 2! 2!.3! 2.1x3.2.1
AB,AC,AD,AE,BC.BD.BE,CE.CE.DE.
PROBABILITAS.
PROBABILITAS dapat diartikan menjadi 3 macam pendekatan yaitu
1. Pendekatan klasik yaitu hasil bagi dari banyaknya peristiwa yang dimaksud
dengan seluruh peristiwa.
X
Dirumuskan : P (A ) =
n
Keterangan : P(A) = Probabilitas terjadinya kejadian A
X = Peristiwa yang dimaksud
n = Banyaknya peristiwa.
Contoh : Dua buah dadu dilempar ke atas secara bersamaan. Tentukan
probabilitas munculnya angka berjumlah 5.
Jawab :
1 2 3 4 5 6
1 1,1 2,1 3.2 4,1 5,1 6,1
2 1,2 2,2 3,2 4,2 5,2 6,2
3 1,3 2,3 3,3 4,3 5,3 6,3
4 1,4 2,4 3,4 4,4 5,4 6,4
5 1,5 2,5 3,5 4,5 5,5 6,5
6 1,6 2,6 3,6 4,6 5,6 6,6
PERISTIWA PROBABILITAS
1. Peristiwa saling lepas.
Dua peristiwa disebut saling lepas jika kedua atau lebih peristiwa itu
tidak dapat terjadi pada saat bersamaan. Jika peristiwa A dan B saling
lepas, probabilitasnya adalah :
P( A U B ) = P(A) + P(B).
Contoh : sebuah dadu dilempar keatas, peristiwanya adalah
A = Peristiwa mata dadu 4 muncul.
B = Peristiwa mata dadu lebih kecil dari 3 muncul.
C = Peristiwa mata dadu bilangan genap muncul.
Tentukan probabilitas dari kejadian berikut :
a. Mata dadu 4 atau lebih kecil dari 3 muncul.
b. Mata dadu 4 atau bilangan genap muncul.
Jawab :
P( A ) = 1/6
P( B ) = 2/6
P( C ) = 3/6
a. P(AU B ) = 1/6 + 2/6 = 3/6
b. P(AUC ) = 1/6 + 3/6 = 4/6.
a. P ( A U C) = P (A ) + P ( C ) – P ( A ∩C )
= 1/36 + 9/36 – 1/36 = 9/36
b. P(BUC) = P(B) + P (C) – P ( B ∩C ).
= 4/36 + 9/36 -1/36 = 12/36
c. P(AUB) = P(A) + P(B) – P(A ∩ B ).
= 1/36 + 4/36 – 0 = 5/36.
3. Hukum perkalian
Hukum perkalian untuk probabilitas kejadian A dan B yg saling
independen :
P(Adan B) = P(A) x P(B).
Contoh : uang logam di lempar ke atas 2 kali, berapa probalitas
keluar gambar.
4. Probabilitas bersyarat.
P(A dan B) = P(A) x P(B/A).
Contoh :
Data penjualan/pembelian saham
kegiatan perusahaan jumlah
BCA (D) BRI(E) BNI(F)
Jual (A) 30 50 40 120
Beli (B) 40 30 10 80
jumlah 70 80 50 200
Berapa probalitas terjualnya saham BCA /P(D/A) dan
probabilitas saham BCA terjual/P(A/D) . berapa probabilitas
peristiwa terjadinya penjualanya dan yang di jual / P( A dan
D) = P(A) x P(D/A).
C35 10
a. P ( 3 H ) = 15
C3 455
0,2 x0,5
Hasil teorema Bayes : P ( A1/B1 ) = =0,4
0,2 x0,5 0,8x0,19
BAB. VI.
DISTRIBUSI TEORITIS/PELUANG
A. Pengertian.
Adalah suatu daftar yang disusun berdasarkan probabilitas dari peristiwa-2
bersangkutan.
Contoh : sebuah mata uang logam dengan permukaan I = A dan permukaan
II = B dilempar ke atas sebanyak 3 kali. Buatkan distribusi teoritisnya .
B. Jenis Distribusi teoritis.
a. Distribusi diskrit.
Contoh : Didalam sebuah kotak terdapat 4 bola biru dan 2 bola kuning.
Secara acak diambil 3 bola. Tentukan distribusi probabilitas X, jika X
menyatakan banyaknya bola kuning.
b. Nilai Harapan/ Rata-2 hitung distribusi teoritis. Symbol E (x).
Misalkan x adalah suatu variable random dengan distribusi probabilitas f(
x ) atau P ( X = x ) maka nilai harapannya dirumuskan :
E ( x ) = ∑ x. P ( X = x ).
Contoh : Sekelompok ahli di perusahaan terdiri atas 4 orang ahli
manajemen dan 3 orang ahli akuntansi. Akan dibentuk suatu komisi yang
terdiri dari 3 orang. Jika anggota komisi tiga tersebut diambil secara acak
dari ke 7 ahli tersebut. Tentukan nilai harapan banyaknya ahli manajemen
yang dapat duduk dikomisi 3 tersebut.
c. Distribusi Binomial.
Distribusi binomial atau distribusi Bernoulli adalah distribusi teoritis
yang menggunakan variable random diskrit yang terdiri dari dua kejadian
yang berkomplemen, seperti : sukses-gagal, ya-tidak, baik-jelek dsb.
Distribusi ini memiliki cirri-ciri sbb :
1. Setiap percobaan hanya memiliki dua perirtiwa, seperti : Sukses –
gagal, ya-tidak dst.
2. Percobaan bersifat independent.
Contoh: seorang mahasiswa menghadapi 6 pertanyaan pilihan
berganda, setiap pertanyaan memiliki 5 alternatif jawaban. Jika
dalam menjawab pertanyaan, mahasiswa tersebut bersepekulasi
maka berapa probabilitas menjawab pertanyaan tersebut.
Jika banyaknya kemungkinan susunan 5 benar dan 1 salah dapat
dicari dengan menggunakan rumus kombinasi.
d. Distribusi poisson
Rumus distribusi Poisson:
x .
P(X=x):
x!
Keterangan :
λ : rata-rata terjadinya suatu peristiwa.
ℓ : bilangan alam = 2,71828.
Contoh :
1. sebuah toko alat listrik mencatat rata-2 penjualan lampu TL 40 watt
setiap hari 5 buah. Jika permintaan akan lampu tersebut mengikuti
distribusi Poisson, berapa probabilitas untuk penjualan berikut.
a. 0 lampu TL
b. 3 lampu TL.
2. Dalam sebuah majalah yang terdiri dari 120 halaman terdapat 80 kata
yang salah cetak dan berdistribusi secara acak dalam halaman-2
majalah tersebut. Hitung probabilitas, seandainya sebuah halaman
majalah tersebut dibuka :
a. Tidak terdapat salah cetak.
b. 4 kata yang salah cetak.
e. Distribusi Hipergeometrik
Contoh :
Sebuah kotak berisi 50 bola, 5 diantaranya pecah, apabila diambil 4 bola,
berapa probabilitas dua di antaranya pecah ?
Jawab :
N = 50, n = 4, k = 5, x = 2.
Jika dari populasi yang berukuran N terdapat unsur-unsur yang sama
pula, yaitu k1,k2,k3 .....dan dalam sampel berukuran n terdapat unsur-2
yang sama pula, yaitu x1,x2,x3 ... dengan k1 + k2 + k3 + ....=N dan x1 +
x2 + x3 + .....= n, distribusi hipergeometrik dirumuskan :
P ( X = x1,x2, ... ) = k1Cx1. k2Cx2..
N
Cn
Contoh :
Dari penelitian golongan darah mahasiswa pada sebuah universitas ,
diketahui bahwa dari 10 mahasiswa terdapat 2 mhs bergolongan darah A,
5 mhs bergolongan darah B dan 3 mhs gol darah O , apabila diambil 5
mhs, berapa probabilitas seorang mhs memiliki golongan darah A, 2 mhs
memiliki gol darah B dan 2 mhs memilki gol. Darah O.
Jawab :
N = 10, terdiri dari k1 = 2. k2 = 5, k3 = 3
n = 5 terdiri dari n1 = 1, n2 = 2. n3 = 2.
P ( X = 1,2,2 ) = 2C1, 5C2 3C2
10C5
f. Distribusi Normal.
1. Distribusi Normal Umum adalah distribusi yang simetris dan berbentuk
genta atau lonceng. Pada bentuk tersebut ditunjukkan hubungan ordinat
pada rata-rata dengan berbagai ordinat pada berbagai jarak simpangan
baku yang diukur dari rata-2.
Distribusi normal digambarkan sbb :
___________________________________
μ
kurva tersebut dipengaruhi oleh rata-rata ( μ ) dan simpangan baku (σ ). Jika
simpangan baku dan rata-2 besar maka kurvanya makin rendah dan
sebaliknya.
Sifat dari distribusi normal adalah
a. Bentuknya seperti genta/lonceng.
b. Rata-2 terletak ditengah-2.
c. Ujung sisi kurvanya sejajar dengan sumbu horizontal dan tidak pernah
memotong sumbu.
2. Distribusi Normal Standart
Distribusi normal standart adalah distribusi normal yang memiliki rata-
rata ( µ ) = 0 dan simpangan baku ( σ ) = 1.
Bentuk kurvanya :
-3 -2 -1 0 +1 +2 +3
adalah
X n. p
z
n. p.q
249,5 240
Sehingga nilai Z = 1,37
6,93
P(Z < 1,37) = 0,4147, jadi probabilitas laku adalah 0,5 + 0,4147 = 0,9147.
Jadi harapan laku 91,47%.
Contoh :2.
Mahasiswa melakukan penelitian orang jakarta kesukaan naik kereta api,
hasilnya 70% suka naik kereta api dan 30% suka naik Bis. Dari 1000 orang
diambil secra acak. Berapa probabilitas lebih dari 675 orang menyukai naik
kereta api.
Jawab :
n = 1000 , p = 0,7 dan q = 0,3.
μ = n.p = 0,7x1000= 700, σ = 1000 x0,7 x0,3 =14,5
diketahui x = 675 dikurangi faktor koreksi 0,5 = 674,5
674,5 700
z= 1,76
14,5
Jawab :
BAB. VII.
DISTRIBUSI SAMPLING
A. POPULASI DAN SAMPEL.
1. Populasi adalah totalitas dari semua obyek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti.
2. Sampel adalah bagian dari populasi yang diambil melalui cara-cara
tertentu yang juga memiliki karakteristik tertentu, jelas dan lengkap.
B. METODE SAMPLING
Metode sampling adalah cara pengumpulan data yang hanya mengambil
sebagian elemen populasi.
Metode sampling pada dasarnya dapat dibedakan atas 2 macam yaitu random
dan non random.
1. Random sampling, adalah cara pengambilan sample dengan semua obyek
atau elemen populasi memiliki kesempatan yang sama untuk dipilih
menjadi sample.
2. Non random sampling adalah cara pengambilan sample yang semua
obyeknya tidak memiliki kesempatan yang sama untuk dipilih menjadi
sample.
C. TEKNIK PENENTUAN JUMLAH SAMPEL.
Untuk menentukan banyaknya sample yang dapat diambil dari suatu
populasi yang berukuran tertentu digunakan perhitungan sebagai berikut :
1. untuk pengambilan sample dengan pengembalian.
Jika dari populasi berukuran N diambil sample berukuran dengan
pengembalian maka banyaknya sample yang mungkin diambil :
Nn
Contoh : untuk populasi berukuran 4 dengan anggotanya ABCD dan
sample diambil berukuran 2 , maka berapa banyaknya sample yang mungkin
dapat diambil . dan buatkan susunannya.
2. untuk pengambilan sample tanpa pengembalian.
Pengambilan sample tanpa pengembalian jika anggota populasi telah
diambil untuk dijadikan sample tidak disatukan dengan angguta populasi
lainnya. Maka banyaknya sample yang mungkin dapat diambil adalah :
N!
CnN
n!( N n)!
Contoh.2.
Sebuah toko memiliki 6 karyawan, misalkan ABC untuk yang senang
membaca dan XYZ untuk yang tidak senang membaca. Jika dari 6 karyawan
tersebut diambil sampel yang beranggotakan 4 karyawan ( pengambilan
sampel tanpa pengembalian ), tentukan :
a. Banyaknya sampel yang mungkin terambil.
b. Buatlah distribusi sampling proporsi untuk yang senang membaca.
b. simpangan baku.
12 22
x x
1 2
n1 n2
Z
x x
1 2
Contoh :
Misalkan rata-rata pendapatan manajer dan karyawan biasa per hari, masing-
masing adalah Rp. 50.000.- dengan simpangan baku Rp. 15. 000,- dan Rp.
12.000,- dengan simpangan baku Rp.1.000,-. Jika diambil sampelnya random
manajer sebanyak 40 orang dan karyawan biasa sebanyak 150 orang tentukan :
a. beda rata-rata pendapatan sampel.
b. Simpangan baku pendapatan sampel.
c. Probasbilitas beda rata-rata pendapatan manajer dan karyawan biasa lebih
dari Rp. 35.000,-
Jawab :
Diket : µ1 = 50.000,- µ= 12.000,- σ1 = 15.000,- σ2= 1.000,- n1 = 40, n2 = 150.